CN110287203B - 用于售货机的更新方法、更新装置及售货机 - Google Patents
用于售货机的更新方法、更新装置及售货机 Download PDFInfo
- Publication number
- CN110287203B CN110287203B CN201910441493.5A CN201910441493A CN110287203B CN 110287203 B CN110287203 B CN 110287203B CN 201910441493 A CN201910441493 A CN 201910441493A CN 110287203 B CN110287203 B CN 110287203B
- Authority
- CN
- China
- Prior art keywords
- newly added
- feature data
- commodity
- index
- added commodity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2272—Management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)
Abstract
本发明实施例提供一种用于售货机的更新方法、更新装置及售货机,属于自动售货技术领域。所述更新方法包括:对位于固定货道上的新增商品进行自动识别,获得所述新增商品的特征数据和预测类别P;获取人工标注的位于所述固定货道上的新增商品的标注类别L;以及根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中。通过上述技术方案,直接由售货机或者售货架自带的设备进行新增商品的图像采集和有关新增商品的特征数据的获取,可以提高识别结果的准确性,并且上述方法可以直接在本地模式执行,无需离线获取后再更新索引库。
Description
技术领域
本发明涉及自动售货技术领域,具体地涉及一种用于售货机的更新方法、用于售货机的更新装置和售货机。
背景技术
在智慧零售场景中,基于视觉的商品识别系统会自动识别顾客从货架上取走或者放回的商品,但是这类商品识别系统往往只能识别固定数量的商品种类,当新增商品种类时,为了识别这种新品类,基于物体分类的识别系统需要重新训练识别模型,而基于检索的识别系统则需要更新商品的索引库。
对于现有的商品识别系统来说,一般会包含一个或多个位于货架前上方的摄像头,具体结构如图1所示。对于摄像头拍摄到的图片,可以使用目标检测(object detector)确定去放物品的位置(即定位框),再使用一个对象分类器(object classifier)对定位框进行分类,或者使用特征提取器(feature extractor)对位于定位框的图像进行特征提取,再到索引库中检索最相似的图像,用其类别作为最终的识别结果。为了保证账单准确率,对于置信度较低的识别结果需要进行人工干预。上述两种类别确定方法都需要单独采集新商品的数据用于更新模型或者索引库,要死难吃在零售店运营过程中,往往会包含一个离线的新商品数据采集(用于分类或检索)的系统和模型(索引)更新至在线的缓解,这样会增加运营成本。
现有的有关新增商品的离线采集方式有以下两种:
第一种,采用与线上软硬件相近的数据采集系统,保证硬件如摄像头、重力传感器、货架配置和灯光等与实际设备一致。模拟线上系统在运转时,通过摄像头采集用户对于商品的取放操作的各种可能情况的图片,再通过人工标注得五矿以及商品类别(可能会通过与线上相同的检测和识别方法对该过程进行提速),再将新采集的数据与原来用于训练模型或者建立索引的数据进行合并后,重新训练或者重建索引,最后再将产出的模型或者索引更新到线上系统;
第二种,在于优化采集设备,提升数据采集效率以减少人工代价。例如用多个摄像头从多个角度或者位置同时拍摄商品图片,或者商品放在转盘上转动,摄像头在不同高度拍摄多张商品图像,用于模拟线上摄像头看到的图片,取代人工多位置多角度放置商品的缓解。并且这种装置的背景比较简单,object detector会有更高的准确率,相较于方案一可以提供更多的准确数据。但是与方案一相同的是,也需要将新采集的数据与原来用于训练模型或者建立索引的数据进行合并后,重新训练或者重建索引以及在上线新增商品时,也需要定期的进行系统更新。
本申请发明人发现,对于上述两种方案来说,在离线采集的过程中都需要一个单独的环节和独立的软硬件系统,并且都存在硬件环境变更敏感的问题,当线上硬件有所变化时,如货架颜色、灯光或者摄像头角度等,采集设备也需要有相应的变更,这样获取的数据才能接近实际数据,进而能够保证识别系统的准确率,对于第一个技术方案来说,对采集人员有很高的的要求,而不同商品摆放的方案复杂,进而导致采集成本高等。
发明内容
本发明实施例的目的是提供一种用于售货机的更新方法、用于售货机的更新装置和售货机,用于解决上述技术问题中的一者或多者。
为了实现上述目的,本发明实施例提供一种用于售货机的更新方法,所述更新方法包括:对位于固定货道上的新增商品进行自动识别,获得所述新增商品的特征数据和预测类别P;获取人工标注的位于所述固定货道上的新增商品的标注类别L;以及根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中。
可选的,所述对位于固定货道上的新增商品进行自动识别包括:对所述新增商品进行图像采集和定位处理,以获得针对所述新增商品的定位框;以及对所述新增商品的定位框对应的图像进行特征识别,获得有关所述新增商品的特征数据。
可选的,所述方法还包括:在获取所述人工标注的位于所述固定货道上的新增商品的标注类别L之前,以所述新增商品的特征数据为依据在所述索引库中进行检索;以及在所述新增商品的特征数据与所述索引库中的特征数据的相似度不大于预设相似度时,再获取所述标注类别L。
可选的,所述根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中包括:在所述标注类别L与所述预测类别P不相等时,将所述标注类别L和所述新增商品的特征数据更新至所述索引库中;以及在所述标注类别L与所述预测类别P相等时,将所述新增商品的特征数据更新至所述索引库中。
可选的,所述方法还包括:在将所述标注类别L更新至所述索引库之前,确定所述索引库中是否具有与所述标注类别L相同的标签,如果所述索引库中有与所述标注类别L相同的标签,则将所述新增商品的特征数据更新至所述索引库中;以及如果所述索引库中没有与所述标注类别L相同的标签,则将所述标注类别L和所述新增商品的特征数据更新至所述索引库中。
可选的,所述方法还包括:在将所述新增商品的特征数据更新至所述索引库时,确定所述新增商品的特征数据与所述索引库中的特征数据的相似度;在所述新增商品的特征数据与所述索引库中的特征数据的相似度小于预设相似度时,将所述新增商品的特征数据更新至所述索引库中;以及在所述新增商品的特征数据与所述索引库中的特征数据的相似度不小于所述预设相似度时,不将所述新增商品的特征数据更新至所述索引库。
可选的,所述方法还包括:在将所述新增商品的特征数据更新至所述索引库中,导致当前新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,删除n-m个特征数据。
可选的,所述方法还包括:在将所述新增商品的特征数据更新至所述索引库时,进行轮次标记;在每新增一个所述新增商品的特征数据时,将该条新增的新增商品的特征数据对应的轮次标记的值加一;以及在所述新增商品的特征数据全部更新完毕后,所述新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,将所述轮次标记的值从大到小排序,并删除排序后的轮次标记中的前n-m个轮次标记对应的特征数据。
相应的,本发明实施例还提供一种用于售货机的更新装置,所述装置包括:自动识别模块,用于对位于固定货道上的新增商品进行自动识别,获得所述新增商品的特征数据和预测类别P;获取模块,用于获取人工标注的位于所述固定货道上的新增商品的标注类别L;以及处理模块,用于根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中。
可选的,所述装置还包括采集模块,用于采集所述售货机内的图像,所述自动识别模块对位于固定货道上的新增商品进行自动识别包括:对采集的所述图像进行定位处理,以获得针对所述新增商品的定位框;以及对所述新增商品的定位框对应的图像进行特征识别,获得有关所述新增商品的特征数据。
可选的,所述处理模块还用于执行以下操作:在获取所述人工标注的位于所述固定货道上的新增商品的标注类别L之前,以所述新增商品的特征数据为依据在所述索引库中进行检索;以及在所述新增商品的特征数据与所述索引库中的特征数据的相似度不大于预设相似度时,控制所述获取模块获取所述标注类别L。
可选的,所述处理模块根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中包括:在所述标注类别L与所述预测类别P不相等时,将所述标注类别L和所述新增商品的特征数据更新至所述索引库中;以及在所述标注类别L与所述预测类别P相等时,将所述新增商品的特征数据更新至所述索引库中。
可选的,所述处理模块还用于执行以下操作:在将所述标注类别L更新至所述索引库之前,确定所述索引库中是否具有与所述标注类别L相同的标签,如果所述索引库中有与所述标注类别L相同的标签,则将所述新增商品的特征数据更新至所述索引库中;以及如果所述索引库中没有与所述标注类别L相同的标签,则将所述标注类别L和所述新增商品的特征数据更新至与所述索引库中。
可选的,所述处理模块还用于执行以下操作:在将所述新增商品的特征数据更新至所述索引库时,确定所述新增商品的特征数据与所述索引库中的特征数据的相似度;在所述新增商品的特征数据与所述索引库中的特征数据的相似度小于预设相似度时,将所述新增商品的特征数据更新至所述索引库中;以及在所述新增商品的特征数据与所述索引库中的特征数据的相似度不小于所述预设相似度时,不将所述新增商品的特征数据更新至所述索引库。
可选的,所述处理模块还用于执行以下操作:在将所述新增商品的特征数据更新至所述索引库中,导致当前新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,删除n-m个特征数据。
可选的,所述处理模块还用于执行以下操作:在将所述新增商品的特征数据更新至所述索引库时,进行轮次标记;在每新增一个所述新增商品的特征数据时,将该条新增的新增商品的特征数据对应的轮次标记的值加一;以及在所述新增商品的特征数据全部更新完毕后,所述新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,将所述轮次标记的值从大到小排序,并删除排序后的轮次标记中的前n-m个轮次标记对应的特征数据。
相应的,本发明实施例还提供一种售货机,所述售货机采用上述中任一项所述的更新方法对所述售货机的索引库进行更新。
相应的,本发明实施例还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本申请上述中任一项上述的用于售货机的更新方法。
相应的,本发明实施例还提供一种处理器,所述程序被运行时用于执行本申请上述中任一项所述的用于售货机的更新方法。
通过上述技术方案,直接由售货机或者售货架等自带的设备进行新增商品的图像采集和有关新增商品的特征数据的获取,可以避免在离线采集商品的特征信息时存在的误差,能够提高识别的特征数据的准确性,解决现有技术中的硬件敏感问题。此外,通过本发明实施例提供的用于售货机的更新方法,将sku扩增与零售店正常业务无缝融合,无离线优化过程,无新旧版本切换代价,理论上可支持24小时连续营业,具有成本低,效率高和准确性好的优点。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是现有的商品识别系统的结构示意图;
图2是本发明实施例提供的用于售货机的更新方法的流程示意图;
图3是本发明实施例提供的用于售货机的更新装置的结构框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图2是本发明实施例提供的用于售货机的更新方法的流程示意图。如图2所示,所述用于售货机的更新方法包括步骤S202至S206。
步骤S202,对位于固定货道上的新增商品进行自动识别,获得新增商品的特征数据和预测类别P。
上述固定货道为售货机内的任意一个货道,在理货员将新增商品放置在售货机内时,需要将新增商品所处的货道设置为固定货道,以便于对新增商品着重识别和获得新的特征数据,为后续的售卖做准备。
此外,对新增商品的识别可以是现有的任意的识别方法,例如可以先采集有关新增商品的图像,再对包含有新增商品的图像进行定位处理,确定一个含有所述新增商品的图像的定位框,再对定位框对应的图像进行特征识别,即可获得有关新增商品的特征数据。其中,有关特征数据的提取方法和特征区域的选取可以是现有技术中的任意一种
在获得新增商品的特征数据以后,以所述新增商品的特征数据为基础在售货机的索引库中进行索引,通过当前的索引库可以获得一个与新增商品最相近的预测类别P。
步骤S204,获取人工标注的位于固定货道上的新增商品的标注类别L。
对于新增商品来说,如果之前的索引库中没有有关新增商品的特征数据和类别标签,则自动识别出的预测类别P是一个错误的结果,如果按照预测类别P进行售卖则会出现价格错误等问题,影响用户体验。因此,在该步骤中需要将采集的含有新增商品的图像数据传输至人工终端,工作人员根据含有新增商品的图像选定正确的类别或者输入正确的类别后,售货机需要获取人工标注的类别,即标注类别L。
其中,上述工作人员的岗位并非是为了单独设置新增商品类别而新增的。实际上,在售货机的使用过程中,受到图像采集的周围环境影响或者索引库中存在问题,可能会导致对正处于售卖过程中的商品提取出的特征数据与索引库中的特征数据的相似度过低,导致不能确定售卖过程中的商品的类别,进而不能确定价格和成本等数据时,需要进入人工干预状态,此时便需要工作人员手动操作,确定商品的类别,因此本质上来说本发明实施例提供的技术方案并未额外增加人工成本。
为了简化人工审核过程和降低标注错误比例,在进行人工标注时,工作人员可以从本地的全部商品的类别(即SKU)列表中选择合适的类别以对新增商品进行标注,或者可以通过输入关键字的方式从本地的SKU类表中选择正确的类别对新增商品进行标注。
进一步的,为了能够进一步降低人工成本,本发明该实施例还对是否需要获得人工标注类别L做了进一步的限定:即在获取所述人工标注的位于所述固定货道上的新增商品的标注类别L之前,根据新增商品的特征数据在所述索引库中进行检索,如果新增商品的特征数据与索引库中的特征数据的相似度大于预设相似度,则可能是理货员误将索引库中已有类别的商品放置在了固定货道上,因此不需要获取人工标注类别L,将预测类别P作为该商品的类别即可,如果新增商品的特征数据与索引库中的特征数据的相似度均不大于预设相似度,则确定位于固定货道上的商品确实为新增商品,需要获取人工标注类别L。
步骤S206,根据标注类别L与预测类别P的比对结果,确定是否将标注类别L和新增商品的特征数据更新至索引库中。
具体的,先将标注类别L与预测类别P进行比对,如果标注类别L与预测类别P不相等,则认为当前的索引库中没有有关新增商品的数据,因此需要将标注类别L和新增商品的特征数据都新增至索引库中,且所述新增商品的特征数据需要对应标注类别L进行存储,以便于后续的索引;如果标注类别L与预测类别P不相等,则认为当前的索引库中已经存在有关新增商品的类别(即预测类别P),因此仅需要将本次获得新增商品的特征数据更新至索引库中,所述新增商品的特征数据需要对应预测类别P进行存储,以便于后续的索引。
优选的,为了降低索引库中的冗余度,在确定需要将新增商品的特征数据更新至索引库时,首先需要确定新增商品的特征数据与索引库中的特征数据的相似度,即以新增商品的特征数据为依据进行全局检索,并获得返回的相似度值,然后再确定新增商品的特征数据与索引库中的特征数据的相似度与预设相似度的比较结果,如果新增商品的特征数据与索引库中的特征数据的相似度小于预设相似度,则确定本次获取的新增商品的特征数据与索引库中的特征数据不相似,因此需要将其更新至索引库中,如果新增商品的特征数据与索引库中的特征数据的相似度不小于预设相似度,则确定本次获取的新增商品的特征数据与索引库中的特征数据很相似,如果将其更新至索引库中,可能出现索引库数据过多导致的索引速度慢,或者特征数据重复导致的索引结果错误等问题,因此不需要将本次获取的新增商品的特征数据更新至索引库中。
考虑到随着特征数据的增加,识别能力会逐渐增强,但是相应的计算代价也会逐渐增加,效率会逐渐下降,因此需要有选择的将特征数据更新至索引库中,还需要控制索引规模。在此基础上,本发明实施例还提供了一种将新增商品的特征数据更新至索引库的更新索引库的方法,所述更新索引库的方法包括:先设定每个类别对应的特征数据的预设上限数量m,如果将全部符合要求的新增商品的特征数据更新至索引库后,导致当前的新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,需要删除n-m个特征数据,以保证索引库的规模在一个合理范围之内。
可选的,上述删除的n-m个特征数据可以是索引库中任意位置处的特征数据。
为了在控制索引库的规模的情况下尽可能的提高检索效果,本发明实施例还提供了一种具体的更新索引库的方法来调整索引库的规模。具体的,所述更新索引库的方法包括:先对更新至索引库的新增商品的特征数据进行轮次标记,每新增一个新增商品的特征数据,则将该条新增的新增商品的特征数据对应的轮次标记的值加一;在将符合要求的新增商品的特征数据全部更新完毕后,先哦按段当前类别对应的特征数据的数量n是否已经超出预设上限数量m,如果超出,则不采取任何操作,如超出,则将索引轮次的值按照从大到小的顺序排序,并删除序后的轮次标记中的前n-m个轮次标记对应的特征数据(即轮次排序列表中的末尾n-m个索引)。
可选的,可以不限于仅对更新至索引库中的新增商品的特征数据进行轮次标记,由于在上述的根据新增商品的特征数据获得预测类别P的过程中,需要以每个新增商品的特征数据为依据在索引库中进行索引,因此可以按照每个新增商品的特征数据在索引库中索引的顺序进行轮次标记。
通过本发明上述实施例提供的更新索引库的方法,可以保证每个类别对应的索引量不超过上限数量m,能够有效控制索引库的规模,还能保证索引效果。
采用本发明实施例提供的用于售货机的更新方法,直接由售货机或者售货架等自带的设备进行新增商品的图像采集和有关新增商品的特征数据的获取,可以避免在离线采集商品的特征信息时存在的误差,可以提高识别的特征数据的准确性,解决现有技术中的硬件敏感问题。此外,通过本发明实施例提供的用于售货机的更新方法,将sku扩增与零售店正常业务无缝融合,无离线优化过程,无新旧版本切换代价,理论上可支持24小时连续营业,具有成本低,效率高和准确性好的优点。
进一步的,本发明上述实施例提供的用于售货机的更新方法,不仅可以应用于售货机中,还可以应用于任意的智慧零售场景中,例如无人售货超市或者无人售货商场等等。
相应的,本发明实施例还提供了一种售货机,所述售货机采用本发明任意实施例提供的用于售货机的更新方法对售货机的索引库进行更新。
相应的,本发明实施例还提供了一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于是的机器能够执行根据本发明任意实施例所述的用于售货机的更新方法。
相应的,本发明实施例还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时能够执行根据本发明任意实施例所述的用于售货机的更新方法。
图3示出了根据本发明一实施例的用于售货机的更新装置的结构框图。如图所示,本发明实施例还提供了一种用于售货机的更新装置,所述更新装置可以包括自动识别模块310、获取模块320和处理模块330。其中,自动识别模块310用于对位于固定货道上的新增商品进行自动识别,获得所述新增商品的特征数据和预测类别P,获取模块320,用于获取人工标注的位于所述固定货道上的新增商品的标注类别L,处理模块330,用于根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中。
在一些可选实施例中,本发明实施例提供的用于售货机的更新装置还可以包含用于采集售货机内的图像的采集模块,自动识别模块通过以下方式对位于固定货道上的新增商品进行自动识别:对采集的所述图像进行定位处理,以获得针对所述新增商品的定位框;以及对所述新增商品的定位框对应的图像进行特征识别,获得有关所述新增商品的特征数据。
在一些可选实施例中,本发明实施例提提供的用于售货机的更新装置中的处理模块还可以用于执行以下操作:在获取所述人工标注的位于所述固定货道上的新增商品的标注类别L之前,先以所述新增商品的特征数据为依据在所述索引库中进行检索;以及在所述新增商品的特征数据与所述索引库中的特征数据的相似度不大于预设相似度时,控制所述获取模块获取所述标注类别L。
在一些可选实施例中,本发明实施例提提供的用于售货机的更新装置中的处理模块在将新增商品的类别和特征数据更新至索引库之前,还可以用于执行以下操作:先判定标注类别L与预测类别P是否相等,在所述标注类别L与所述预测类别P不相等时,将所述标注类别L和所述新增商品的特征数据更新至所述索引库中;以及在所述标注类别L与所述预测类别P相等时,将所述新增商品的特征数据更新至所述索引库中。
在一些可选实施例中,本发明实施例提提供的用于售货机的更新装置中的处理模块还可以用于执行以下操作:在将所述标注类别L更新至所述索引库之前,确定所述索引库中是否具有与所述标注类别L相同的标签,如果所述索引库中有与所述标注类别L相同的标签,则将所述新增商品的特征数据更新至所述索引库中;以及如果所述索引库中没有与所述标注类别L相同的标签,则将所述标注类别L和所述新增商品的特征数据更新至与所述索引库中
在一些可选实施例中,本发明实施例提提供的用于售货机的更新装置中的处理模块在将新增商品的特征数据更新至索引库时,还可以用于执行以下操作:先确定新增商品的特征数据与索引库中的特征数据的相似度,在所述新增商品的特征数据与所述索引库中的特征数据的相似度小于预设相似度时,将所述新增商品的特征数据更新至所述索引库中;以及在所述新增商品的特征数据与所述索引库中的特征数据的相似度不小于所述预设相似度时,不将所述新增商品的特征数据更新至所述索引库。
在一些可选实施例中,为了控制索引库的规模,本发明实施例提提供的用于售货机的更新装置中的处理模块在将新增商品的特征数据更新至所述索引库时,检测当前新增商品的特征数据对应的类别对应的特征数据的数量n是否已经超出预设上限数量m,如果超出,则需要删除n-m个特征数据。
在一些可选实施例中,为了控制索引库的规模并能够保证检索效率,本发明实施例提提供的用于售货机的更新装置中的处理模块还可以用于执行以下操作:在将所述新增商品的特征数据更新至所述索引库时,进行轮次标记;在每新增一个所述新增商品的特征数据时,将该条新增的新增商品的特征数据对应的轮次标记的值加一;以及在所述新增商品的特征数据全部更新完毕后,所述新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,将所述轮次标记的值从大到小排序,并删除排序后的轮次标记中的前n-m个轮次标记对应的特征数据。
本发明上述实施例提供的用于售货机的更新装置的具体工作原理及益处与上述本发明实施例提供的用于售货机的更新方法的具体工作原理及益处相似,这里将不再赘述。
另外,本发明实施例提供的用于售货机的更新装置包括处理器和存储器,上述自动识别模块、获取模块、处理模块和采集模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来执行根据本发明任意实施例的用于售货机的更新方法。存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现发明任意实施例的用于售货机的更新方法。本文中的设备可以是服务器、PC、PAD、手机等。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (17)
1.一种用于售货机的更新方法,其特征在于,所述方法包括:
对位于固定货道上的新增商品进行自动识别,获得所述新增商品的特征数据;
以所述新增商品的特征数据为基础在所述售货机的索引库中进行索引,以获得与所述新增商品最相近的预测类别P;
获取人工标注的位于所述固定货道上的新增商品的标注类别L;以及
根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中,
其中,所述根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中包括:
在所述标注类别L与所述预测类别P不相等时,将所述标注类别L和所述新增商品的特征数据更新至所述索引库中;以及
在所述标注类别L与所述预测类别P相等时,将所述新增商品的特征数据更新至所述索引库中。
2.根据权利要求1所述的更新方法,其特征在于,所述对位于固定货道上的新增商品进行自动识别包括:
对所述新增商品进行图像采集和定位处理,以获得针对所述新增商品的定位框;以及
对所述新增商品的定位框对应的图像进行特征识别,获得有关所述新增商品的特征数据。
3.根据权利要求1所述的更新方法,其特征在于,所述方法还包括:
在获取所述人工标注的位于所述固定货道上的新增商品的标注类别L之前,以所述新增商品的特征数据为依据在所述索引库中进行检索;以及
在所述新增商品的特征数据与所述索引库中的特征数据的相似度不大于预设相似度时,再获取所述标注类别L。
4.根据权利要求1所述的更新方法,其特征在于,所述方法还包括:
在将所述标注类别L更新至所述索引库之前,确定所述索引库中是否具有与所述标注类别L相同的标签,
如果所述索引库中有与所述标注类别L相同的标签,则将所述新增商品的特征数据更新至所述索引库中;以及
如果所述索引库中没有与所述标注类别L相同的标签,则将所述标注类别L和所述新增商品的特征数据更新至所述索引库中。
5.根据权利要求1至4中任一项所述的更新方法,其特征在于,所述方法还包括:
在将所述新增商品的特征数据更新至所述索引库时,确定所述新增商品的特征数据与所述索引库中的特征数据的相似度;
在所述新增商品的特征数据与所述索引库中的特征数据的相似度小于预设相似度时,将所述新增商品的特征数据更新至所述索引库中;以及
在所述新增商品的特征数据与所述索引库中的特征数据的相似度不小于所述预设相似度时,不将所述新增商品的特征数据更新至所述索引库。
6.根据权利要求5所述的更新方法,其特征在于,所述方法还包括:
在将所述新增商品的特征数据更新至所述索引库中,导致当前新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,删除n-m个特征数据。
7.根据权利要求6所述的更新方法,其特征在于,所述方法还包括:
在将所述新增商品的特征数据更新至所述索引库时,进行轮次标记;
在每新增一个所述新增商品的特征数据时,将该条新增的新增商品的特征数据对应的轮次标记的值加一;以及
在所述新增商品的特征数据全部更新完毕后,所述新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,将所述轮次标记的值从大到小排序,并删除排序后的轮次标记中的前n-m个轮次标记对应的特征数据。
8.一种用于售货机的更新装置,其特征在于,所述装置包括:
自动识别模块,用于对位于固定货道上的新增商品进行自动识别,获得所述新增商品的特征数据;
以所述新增商品的特征数据为基础在所述售货机的索引库中进行索引,以获得与所述新增商品最相近的预测类别P;
获取模块,用于获取人工标注的位于所述固定货道上的新增商品的标注类别L;以及
处理模块,用于根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中,
其中,所述处理模块根据所述标注类别L与所述预测类别P的比对结果,确定是否将所述标注类别L和所述新增商品的特征数据更新至索引库中包括:
在所述标注类别L与所述预测类别P不相等时,将所述标注类别L和所述新增商品的特征数据更新至所述索引库中;以及
在所述标注类别L与所述预测类别P相等时,将所述新增商品的特征数据更新至所述索引库中。
9.根据权利要求8所述的更新装置,其特征在于,所述装置还包括采集模块,用于采集所述售货机内的图像,所述自动识别模块对位于固定货道上的新增商品进行自动识别包括:
对采集的所述图像进行定位处理,以获得针对所述新增商品的定位框;以及
对所述新增商品的定位框对应的图像进行特征识别,获得有关所述新增商品的特征数据。
10.根据权利要求9所述的更新装置,其特征在于,所述处理模块还用于执行以下操作:
在获取所述人工标注的位于所述固定货道上的新增商品的标注类别L之前,以所述新增商品的特征数据为依据在所述索引库中进行检索;以及
在所述新增商品的特征数据与所述索引库中的特征数据的相似度不大于预设相似度时,控制所述获取模块获取所述标注类别L。
11.根据权利要求8所述的更新装置,其特征在于,所述处理模块还用于执行以下操作:
在将所述标注类别L更新至所述索引库之前,确定所述索引库中是否具有与所述标注类别L相同的标签,
如果所述索引库中有与所述标注类别L相同的标签,则将所述新增商品的特征数据更新至所述索引库中;以及
如果所述索引库中没有与所述标注类别L相同的标签,则将所述标注类别L和所述新增商品的特征数据更新至与所述索引库中。
12.根据权利要求8至11中任一项所述的更新装置,其特征在于,所述处理模块还用于执行以下操作:
在将所述新增商品的特征数据更新至所述索引库时,确定所述新增商品的特征数据与所述索引库中的特征数据的相似度;
在所述新增商品的特征数据与所述索引库中的特征数据的相似度小于预设相似度时,将所述新增商品的特征数据更新至所述索引库中;以及
在所述新增商品的特征数据与所述索引库中的特征数据的相似度不小于所述预设相似度时,不将所述新增商品的特征数据更新至所述索引库。
13.根据权利要求12所述的更新装置,其特征在于,所述处理模块还用于执行以下操作:在将所述新增商品的特征数据更新至所述索引库中,导致当前新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,删除n-m个特征数据。
14.根据权利要求13所述的更新装置,其特征在于,所述处理模块还用于执行以下操作:
在将所述新增商品的特征数据更新至所述索引库时,进行轮次标记;
在每新增一个所述新增商品的特征数据时,将该条新增的新增商品的特征数据对应的轮次标记的值加一;以及
在所述新增商品的特征数据全部更新完毕后,所述新增商品的特征数据对应的类别对应的特征数据的数量n已超出预设上限数量m时,将所述轮次标记的值从大到小排序,并删除排序后的轮次标记中的前n-m个轮次标记对应的特征数据。
15.一种售货机,其特征在于,所述售货机采用上述权利要求1-7中任一项所述的更新方法对所述售货机的索引库进行更新。
16.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行如权利要求1-7中任一项所述的用于售货机的更新方法。
17.一种处理器,其特征在于,用于运行程序,其中,所述程序被运行时用于执行:如权利要求1-7中任一项所述的用于售货机的更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910441493.5A CN110287203B (zh) | 2019-05-24 | 2019-05-24 | 用于售货机的更新方法、更新装置及售货机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910441493.5A CN110287203B (zh) | 2019-05-24 | 2019-05-24 | 用于售货机的更新方法、更新装置及售货机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110287203A CN110287203A (zh) | 2019-09-27 |
CN110287203B true CN110287203B (zh) | 2021-03-26 |
Family
ID=68002708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910441493.5A Active CN110287203B (zh) | 2019-05-24 | 2019-05-24 | 用于售货机的更新方法、更新装置及售货机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110287203B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051692A (zh) * | 2021-02-26 | 2021-06-29 | 国网河北省电力有限公司电力科学研究院 | 配电网指纹库的模型建立方法、装置及终端设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329677A (zh) * | 2008-05-07 | 2008-12-24 | 裴亚军 | 基于图像内容的图像搜索引擎 |
EP2590073A1 (en) * | 2011-11-02 | 2013-05-08 | Research In Motion Limited | Method and system for on-demand patch generation and management |
CN103577409A (zh) * | 2012-07-19 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种图像搜索中建立图像索引的方法和装置 |
CN105701519A (zh) * | 2014-12-10 | 2016-06-22 | 株式会社理光 | 基于超像素的图像的实际货架图景象分析 |
CN108491799A (zh) * | 2018-03-23 | 2018-09-04 | 海深科技(宁波)有限公司 | 一种基于图像识别的智能售货柜商品管理方法及系统 |
CN108846103A (zh) * | 2018-06-19 | 2018-11-20 | 北京天工矩阵信息技术有限公司 | 一种数据查询方法及装置 |
CN109543527A (zh) * | 2018-10-19 | 2019-03-29 | 北京陌上花科技有限公司 | 用于无人货架的商品检测方法、装置以及零售终端 |
-
2019
- 2019-05-24 CN CN201910441493.5A patent/CN110287203B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329677A (zh) * | 2008-05-07 | 2008-12-24 | 裴亚军 | 基于图像内容的图像搜索引擎 |
EP2590073A1 (en) * | 2011-11-02 | 2013-05-08 | Research In Motion Limited | Method and system for on-demand patch generation and management |
CN103577409A (zh) * | 2012-07-19 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种图像搜索中建立图像索引的方法和装置 |
CN105701519A (zh) * | 2014-12-10 | 2016-06-22 | 株式会社理光 | 基于超像素的图像的实际货架图景象分析 |
CN108491799A (zh) * | 2018-03-23 | 2018-09-04 | 海深科技(宁波)有限公司 | 一种基于图像识别的智能售货柜商品管理方法及系统 |
CN108846103A (zh) * | 2018-06-19 | 2018-11-20 | 北京天工矩阵信息技术有限公司 | 一种数据查询方法及装置 |
CN109543527A (zh) * | 2018-10-19 | 2019-03-29 | 北京陌上花科技有限公司 | 用于无人货架的商品检测方法、装置以及零售终端 |
Non-Patent Citations (2)
Title |
---|
一种基于动态平衡树的在线索引快速构建方法;郭瑞杰 等;《计算机研究与发展》;20081015;1769-1775页 * |
基于全文索引技术的超市商品的关联分析;卢喜利 等;《微型电脑应用》;20150620;59-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110287203A (zh) | 2019-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11087272B2 (en) | System and method for locating, identifying and counting items | |
CN107833083B (zh) | 一种货物订单处理方法、装置、服务器、购物终端及系统 | |
US20190180150A1 (en) | Color Haar Classifier for Retail Shelf Label Detection | |
US20190034864A1 (en) | Data Reduction in a Bar Code Reading Robot Shelf Monitoring System | |
US20230092381A1 (en) | Large-scale automated image annotation system | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算系统 | |
CN111507253B (zh) | 基于人工智能的陈列物品审核方法、装置 | |
KR20190088094A (ko) | 자동 학습 데이터 생성을 통한 모델 학습 시스템 및 방법 | |
CN108388649B (zh) | 处理音视频的方法、系统、设备及存储介质 | |
CN113468914B (zh) | 一种商品纯净度的确定方法、装置及设备 | |
CN110287203B (zh) | 用于售货机的更新方法、更新装置及售货机 | |
CN114494921A (zh) | 一种货架商品的识别方法和系统 | |
CN113065447A (zh) | 一种图像集中自动识别商品的方法和设备 | |
KR102466396B1 (ko) | 상품 정보 관리 방법 및 장치 | |
CN114565803A (zh) | 用于提取难样本的方法、装置及机械设备 | |
CN113591811A (zh) | 零售货柜商品搜索识别方法、系统及计算机可读存储介质 | |
CN117520662A (zh) | 一种基于定位的景区智能导览方法及系统 | |
CN108446693B (zh) | 待识别目标的标记方法、系统、设备及存储介质 | |
CN112668365A (zh) | 一种物料入库识别方法、装置、设备及存储介质 | |
Nugroho et al. | Comparison of deep learning-based object classification methods for detecting tomato ripeness | |
US20230076241A1 (en) | Object detection systems and methods including an object detection model using a tailored training dataset | |
CN114417965A (zh) | 图像处理模型的训练方法、目标检测方法及相关装置 | |
CN111325242A (zh) | 一种图像的分类方法、终端及计算机存储介质 | |
CN115588239B (zh) | 交互行为识别方法、装置、设备及存储介质 | |
Abyasa et al. | YOLOv8 for Product Brand Recognition as Inter-Class Similarities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |