CN111310618A

CN111310618A - 物品识别方法、装置、电子设备及可读存储介质

Info

Publication number: CN111310618A
Application number: CN202010079165.8A
Authority: CN
Inventors: 李立强; 亢乐
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2020-02-03
Filing date: 2020-02-03
Publication date: 2020-06-19

Abstract

本申请实施例提供一种物品识别方法、装置、电子设备及可读存储介质，该方法包括：确定待识别物品的实际重量；根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合，其中，每个物品集合中包括至少一种可选物品，每种可选物品的数量至少为一个，每个物品集合的重量区间基于每种可选物品的重量区间得到；根据所述至少一个目标物品集合以及用户拿取所述待识别物品时的图像信息，从所述至少一个目标物品集合中选择出一个识别物品集合，将所述识别物品集合中的可选物品作为所述待识别物品。该方法可以使得商品识别的准确性得到极大提升。

Description

物品识别方法、装置、电子设备及可读存储介质

技术领域

本申请实施例涉及云计算技术领域，尤其涉及一种物品识别方法、装置、电子设备及可读存储介质。

背景技术

新零售作为一个新的行业，在未来有很广阔的发展空间。新零售主要以互联网为依托，同时运用大数据、人工智能等先进技术手段，使得消费者的购物感受相比传统的购物感受有极大提升。新零售涉及各种各样的技术，例如：人脸识别、商品识别等。其中，商品识别是指由新零售系统自动识别出用户拿取了哪些商品。进行准确的商品识别是新零售系统需要实现的重要目标。

现有技术中，可以通过视觉技术与基于重力传感器的技术相结合来进行商品识别。具体的，基于重力传感器的采集数据可以获知用户拿取的商品的重量，再基于每种商品的重量，得到可能的召回列表。再通过视觉技术从召回列表中选择出用户拿取的商品，从而完成商品识别。其中，每种商品的重量可以通过计算商品样本的平均值得到。

但是，现有技术的方法可能导致商品识别结果不准确。

发明内容

本申请实施例提供一种物品识别方法、装置、电子设备及可读存储介质，用于解决现有技术中商品识别结果不准确的问题。

第一方面，本申请实施例提供一种物品识别方法，包括：

确定待识别物品的实际重量；

根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合，其中，每个物品集合中包括至少一种可选物品，每种可选物品的数量至少为一个，每个物品集合的重量区间基于每种可选物品的重量区间得到；

根据所述至少一个目标物品集合以及用户拿取所述待识别物品时的图像信息，从所述至少一个目标物品集合中选择出一个识别物品集合，将所述识别物品集合中的可选物品作为所述待识别物品。

作为一种可选的实现方式，所述根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合之前，还包括：

根据每种可选物品的重量区间，确定所述多个物品集合中每个物品集合的重量区间，每种可选物品的重量区间用于表征单个可选物品的重量的范围。

作为一种可选的实现方式，所述根据每种可选物品的重量区间，确定所述多个物品集合中每个物品集合的重量区间，包括：

根据所述单个可选物品的重量区间的最大值和最小值之和，以及所述单个可选物品的重量区间的最大值和最小值之差，确定所述多个物品集合中每个物品集合的重量区间。

作为一种可选的实现方式，所述根据每种可选物品的重量区间，确定所述多个物品集合中每个物品集合的重量区间之前，还包括：

获取每种可选物品的多个样本以及每个样本的实际重量；

根据每种可选物品的各样本实际重量的平均值、方差以及预设的置信度阈值，确定每种可选物品的重量区间。

作为一种可选的实现方式，所述根据每种可选物品的各样本实际重量的平均值、方差以及预设的置信度阈值，确定所述可选物品的重量区间，包括：

确定各样本实际重量的平均值；

根据所述平均值以及各样本的实际重量，确定所述方差；

根据所述方差、所述平均值以及所述置信度阈值，确定每种可选物品的重量区间。

作为一种可选的实现方式，所述根据所述方差、所述平均值以及所述置信度阈值，确定每种可选物品的重量区间，包括：

以所述方差、所述平均值以及所述置信度阈值作为参数，将满足T分布时的区间作为每种可选物品的重量区间。

作为一种可选的实现方式，所述根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合，包括：

若所述待识别物品的实际重量位于多个物品集合中第一物品集合的重量区间内，则将所述第一物品集合作为一个目标物品集合。

作为一种可选的实现方式，所述确定待识别物品的实际重量，包括：

获取由所述待识别物品所在货架的重量采集设备采集的第一重量和第二重量，所述第一重量为用户拿取所述待识别物品之前所述货架的重量，所述第二重量为用户拿取所述待识别物品之后所述货架的重量；

确定所述第二重量与所述第一重量的差值，将所述差值作为所述待识别物品的实际重量。

第二方面，本申请实施例提供一种物品识别装置，包括：

确定模块，用于确定待识别物品的实际重量；

选择模块，用于根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合，其中，每个物品集合中包括至少一种可选物品，每种可选物品的数量至少为一个，每个物品集合的重量区间基于每种可选物品的重量区间得到；

识别模块，用于根据所述至少一个目标物品集合以及用户拿取所述待识别物品时的图像信息，从所述至少一个目标物品集合中选择出一个识别物品集合，将所述识别物品集合中的可选物品作为所述待识别物品。

作为一种可选的实现方式，所述确定模块还用于：

作为一种可选的实现方式，所述确定模块具体用于：

作为一种可选的实现方式，所述确定模块还用于：

获取每种可选物品的多个样本以及每个样本的实际重量；以及，

作为一种可选的实现方式，所述确定模块具体用于：

确定各样本实际重量的平均值；以及，

根据所述平均值以及各样本的实际重量，确定所述方差；以及，

作为一种可选的实现方式，所述确定模块具体用于：

作为一种可选的实现方式，所述选择模块具体用于：

在所述待识别物品的实际重量位于多个物品集合中第一物品集合的重量区间内时，将所述第一物品集合作为一个目标物品集合。

作为一种可选的实现方式，所述确定模块具体用于：

获取由所述待识别物品所在货架的重量采集设备采集的第一重量和第二重量，所述第一重量为用户拿取所述待识别物品之前所述货架的重量，所述第二重量为用户拿取所述待识别物品之后所述货架的重量；以及，

第三方面，本申请实施例提供一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的方法。

第四方面，本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述第一方面所述的方法。

上述申请中的一个实施例具有如下优点或有益效果：

基于多个物品集合中每个物品集合的重量区间与待识别物品的实际重量可以确定出至少一个目标物品集合，并结合该至少一个目标物品集合以及用户拿取物品时的图像信息完成商品识别。在上述过程中，每个物品集合的重量区间基于每种可选物品的重量区间得到，由于每种可选物品的重量区间能够准确地表征每种物品中各单个物品之间的差异，因此，由此得到的每个物品集合的重量区间也能够准确地表征集合内各物品的重量差异，因此，由上述过程所得到的目标物品集合的准确性可以得到极大提升，进而可以使得商品识别的准确性得到极大提升。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1为本申请实施例的物品识别方法的一种示例性的场景示意图；

图2为本申请实施例提供的物品识别方法的流程示意图；

图3为本申请实施例提供的物品识别方法的流程示意图；

图4为本申请实施例提供的物品识别方法的流程示意图；

图5为重量服从正态分布的示例图；

图6为本申请实施例提供的一种物品识别装置的模块结构图；

图7是根据本申请实施例的物品识别的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

现有技术中在通过视觉技术与基于重力传感器的技术相结合进行商品识别的过程中，每种商品的重量通过计算商品样本的重量的平均值得到。示例性的，某新零售商店的货架上出售某种饮料，在确定每瓶该饮料的重量时，选择60瓶饮料作为样本，计算该60瓶饮料的平均重量，并将该平均重量作为该饮料的单瓶饮料重量。但是，实际情况下每种商品中单个商品的重量存在差异，例如，净含量标记为500ML的两瓶同样的饮料，重量上会存在差异。因此，用户拿取的某件商品的实际重量可能与该商品样本重量的平均值存在差异。因此，使用商品样本重量的平均值作为商品重量，并基于此得到商品召回列表，可能导致召回列表不准确，进而导致商品识别结果不准确。

考虑到现有技术中使用商品样本重量的平均值作为商品重量可能导致的商品识别结果不准确的问题，本申请实施例利用商品的重量区间作为商品识别时的依据，从而使得召回列表的准确性得到极大提升，进而使得商品识别结果的准确性得到极大提升。

图1为本申请实施例的物品识别方法的一种示例性的场景示意图，如图1所示，某新零售商店中设置有货架，货架上设置有重力传感器，并且，货架的每层上设置一摄像头，该重力传感器与各摄像头均与服务器连接，该服务器可以设置在新零售商店中，也可以设置在云端。重力传感器和摄像头与服务器的连接方式可以为无线连接方式，也可以为有线连接方式。本申请对此不作具体限定。当用户从货架上拿走一件或多件商品后，重力传感器会将拿取商品之前的重量信息以及拿取商品之后的重量信息发送给服务器，同时，摄像头会采集用户拿取商品时的图像信息，并将图像信息发送给服务器。服务器接收到重力传感器采集的拿取物品前后的重量信息以及摄像头采集的图像信息后，使用本申请实施例的方法进行商品识别，并基于识别结果进行后续的结算、付款等流程。

图2为本申请实施例提供的物品识别方法的流程示意图，该方法的执行主体为上述的服务器，如图2所示，该方法包括：

S201、确定待识别物品的实际重量。

以上述图1所示的系统架构为例，设置在货架上的重力传感器能够实时感知货架上的重量变化，并将变化前后的重量信息发送给服务器。服务器可以根据变化前后的重量确定出待识别物品的实际重量。

值得说明的是，本申请实施例所述的物品可以是商品，也可以是其他物品。本申请以下实施例均以商品为例进行说明。

S202、根据上述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从上述多个物品集合中选择至少一个目标物品集合，其中，每个物品集合中包括至少一种可选物品，每种可选物品的数量至少为一个，每个物品集合的重量区间基于每种可选物品的重量区间得到。

可选的，上述多个物品集合可以是新零售商店的待出售商品不同数量下的各种可能组合。每个物品集合都具有一个重量区间，该重量区间基于该物品集合中所包括的每种可选物品的重量区间得到。其中，每种可选物品的重量区间可以指每种可选物品中单个物品的重量区间。示例性的，苹果的重量区间为[T1，T2]，则表示一个苹果的重量区间为[T1，T2]。

下述表1和表2为某新零售商店中所出售商品所组成的多个物品集合的示例，如表1和表2所示，假设该商店共出售2种商品，梨和苹果，其中，苹果的数量最多为2个，梨的数量最多也为2个，则表1表示同时包括苹果和梨的物品集合示例，表2表示仅包括苹果或梨的物品集合示例。

表1

	苹果*1	苹果*2	梨*1	梨*2
					苹果*1			W1	W2
苹果*2			W3	W4
					梨*1	W5	W6
梨*2	W7	W8

表2

苹果*1	W9
		苹果*2	W10
梨*1	W11
		梨*2	W12

其中，W1-W12分别表示一个物品集合的重量区间，W1-W12分别对应的行和列的信息表示一个物品集合。示例性的，W1表示由一个苹果和一个梨所组成的物品集合的重量区间，W2表示由一个苹果和两个梨所组成的物品集合的重量区间，W9表示由1个苹果所组成的物品集合的重量区间。

可选的，一个新零售商店的多个物品集合以及每个物品集合的重量区间可以预先确定出来。示例性的，当新零售商店中商品摆放完毕后，根据商品摆放的位置，将可能被一起拿取的商品分别组成物品集合。例如，苹果和梨位于一个货架上，可能被用户一起拿取，因此，可以组成不同数量的苹果和梨的物品集合。进而可以确定每个物品集合的重量区间，如前文所述，每个物品集合的重量区间可以基于物品集合中所包括的可选物品的重量区间得到。

在获知上述多个物品集合中每个物品集合的重量区间的基础上，再基于待识别物品的实际重量，可以确定出至少一个目标物品集合。该至少一个目标物品集合即为前文所述的召回列表。每个目标物品集合中的物品表示用户本次可能拿取的物品。

S203、根据上述至少一个目标物品集合以及用户拿取上述待识别物品时的图像信息，从上述至少一个目标物品集合中选择出一个识别物品集合，将上述识别物品集合中的可选物品作为上述待识别物品。

在得到上述至少一个目标物品集合之后，结合用户拿取上述待识别物品时的图像信息，可以推断出用户本次拿取的物品为哪个目标物品集合中的物品。示例性的，服务器得到的目标物品集合为2个，分别为(苹果*1，梨*2)以及梨*3，摄像头采集的图像信息中包括了用户拿取苹果的图像，服务器据此可以推断出(苹果*1，梨*2)为上述识别物品集合，进而可以确定上述待识别物品为一个苹果和两个梨，即用户本次拿取了一个苹果和两个梨。

本实施例中，基于多个物品集合中每个物品集合的重量区间与待识别物品的实际重量可以确定出至少一个目标物品集合，并结合该至少一个目标物品集合以及用户拿取物品时的图像信息完成商品识别。在上述过程中，每个物品集合的重量区间基于每种可选物品的重量区间得到，由于每种可选物品的重量区间能够准确地表征每种物品中各单个物品之间的差异，因此，由此得到的每个物品集合的重量区间也能够准确地表征集合内各物品的重量差异，因此，由上述过程所得到的目标物品集合的准确性可以得到极大提升，进而可以使得商品识别的准确性得到极大提升。

作为一种可选的实施方式，在上述步骤S202之前，可以通过如下方式确定出上述至少一个目标物品集合。

可选的，可以根据每种可选物品的重量区间，确定上述多个物品集合中每个物品集合的重量区间。其中，每种可选物品的重量区间用于表征单个可选物品的重量的范围。

示例性的，苹果的重量区间为[T1，T2]，表示一个苹果的重量在T1至T2之间，其中，T1表示苹果的重量区间的最大值，T2表示苹果的重量区间的最小值，即每个苹果的重量为T1至T2之前的某个值。

可选的，每种可选物品的重量区间可以在本实施例之前预先确定，具体过程将在下述实施例中说明。

在根据每种可选物品的重量区间确定每个物品集合的重量区间时，作为一种可选的实施方式，可以根据上述单个可选物品的重量区间的最大值和最小值之和，以及上述单个可选物品的重量区间的最大值和最小值之差，确定上述多个物品集合中每个物品集合的重量区间。

可选的，针对任意一个物品集合，服务器可以预先读取该物品集合中的可选物品种类以及每种可选物品的数量，并基于组成每种可选物品的重量区间的最大值和最小值，计算该物品集合的重量区间。

一种示例中，假设物品集合A中包括苹果和梨两种物品，苹果的重量区间为[T1,T2]，梨的重量区间为[T3,T4]，物品集合A的重量区间W的计算公式(1)如下：

W＝μ(苹果)+μ(梨)±(梨的数量×△(梨)+苹果的数量×△(苹果)) (1)

其中，μ(苹果)＝(T1+T2)×0.5，即μ(苹果)表示苹果的重量区间的中间值。

其中，△(苹果)＝(T2-T1)×0.5，即△(苹果)表示苹果的总体均值范围的绝对值的一半。

以上述表1所示例的多个物品集合为例，使用上述公式(1)分别计算表1中的W1和W2如下：

W1＝μ(苹果)+μ(梨)±(1×△(梨)+△(苹果))

W2＝μ(苹果)+μ(梨)±(2×△(梨)+△(苹果))

如前文所述，在根据每种可选物品的重量区间确定每个物品集合的重量区间之前，可以预先确定每种可选物品的重量区间。在确定每种可选物品的重量区间时，可以基于每种可选物品的若干数量的样本并使用如下任意一种方式来确定。

第一种可选方式中，可以分别获取每种可选物品的多个样本中每个样本的重量，并将该各样本重量中的最大重量作为该种可选物品的重量区间的最大值，将该各样本重量中的最小重量作为该种可选物品的重量区间的最小值。

示例性的，假设分别获取了60个苹果样本的重量，在该60个苹果样本中，最大重量为80克，最小重量为60克，则苹果的重量区间为[60，80]。

第二种可选方式中，可以根据样本满足正态分布的特点确定每种可选物品的重量区间。

图3为本申请实施例提供的物品识别方法的流程示意图，如图3所示，确定每种可选物品的重量区间的一种可选方式包括：

S301、获取每种可选物品的多个样本以及每个样本的实际重量。

示例性的，可以随机选择每种可选物品的若干数量的样本，并通过称量方式获取每个样本的实际重量。

S302、根据每种可选物品的各样本实际重量的平均值、方差以及预设的置信度阈值，确定每种可选物品的重量区间。

其中，方差也可以称为方差。

一种可选方式中，方差可以通过上述平均值得到。

上述置信度阈值可以为预先设置的用户对于重量区间的置信度。一种示例中，上述置信度阈值例如可以为0.95。

基于上述平均值、方差以及预设的置信度，可以使用如下过程确定可选物品的重量区间。

图4为本申请实施例提供的物品识别方法的流程示意图，如图4所示，上述步骤S302的一种可选方式包括：

S401、确定各样本实际重量的平均值。

可选的，可以使用如下公式(2)计算各样本实际重量的平均值。

其中，n表示样本数量，X_i表示样本i的实际重量。

S402、根据上述平均值以及各样本的实际重量，确定上述方差。

可选的，可以使用如下公式(3)计算出上述方差。

其中，s表示方差，n表示样本数量，X_i表示样本i的实际重量，

表示上述平均值。

S403、根据上述方差、上述平均值以及上述置信度阈值，确定每种可选物品的重量区间。

对于同一种物品来说，该同一种物品中的单个物品的重量在一个重量值的周围浮动。例如条形码相同的可口可乐，每瓶可口可乐的重量在一个重量值的周围浮动。一般情况下，该重量的浮动服从正态分布。图5为重量服从正态分布的示例图，如图5所示，重量的浮动服从正态分布，通过采取的样本数据可以推断出总体的重量分布情况(μ，σ)。

可选的，如果重量满足正态分布，可以认为重量满足T分布。基于此，本申请实施例以上述方差和上述平均值作为参数，以上述置信度阈值作为置信阈值，将满足T分布时的区间作为每种可选物品的重量区间。

示例性的，可以使用如下公式(4)，当在上述置信度阈值下满足T分布时，可以确定此时的区间μ为上述的重量区间。

其中，s表示方差，n表示样本数量，

表示上述平均值，μ表示可选物品的重量区间。

作为一种可选的实施方式，在上述步骤S202中根据待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从多个物品集合中选择至少一个目标物品集合时的过程包括：

若上述待识别物品的实际重量位于多个物品集合中第一物品集合的重量区间内，则将上述第一物品集合作为一个目标物品集合。

示例性的，服务器基于重力传感器确定出待识别物品的实际重量为70克，在多个物品集合中，(苹果*1，梨*2)这个物品集合的重量区间为[68,72]，因此，待识别物品的实际重量属于该物品集合的重量区间内，因此，该物品集合所包括的物品可能为本次用户实际拿取的物品，可以将其作为一个目标物品集合。

作为一种可选的实施方式，在上述步骤S201中确定待识别物品的实际重量时，可以通过以下过程确定：

首先，获取由上述待识别物品所在货架的重量采集设备采集的第一重量和第二重量，该第一重量为用户拿取上述待识别物品之前货架的重量，该第二重量为用户拿取上述待识别物品之后货架的重量，进而，确定第二重量与第一重量的差值，将该差值作为上述待识别物品的实际重量。

其中，上述重量采集设备可以为前述的重力传感器。

图6为本申请实施例提供的一种物品识别装置的模块结构图，如图6所示，该装置包括：

确定模块601，用于确定待识别物品的实际重量。

选择模块602，用于根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合，其中，每个物品集合中包括至少一种可选物品，每种可选物品的数量至少为一个，每个物品集合的重量区间基于每种可选物品的重量区间得到。

识别模块603，用于根据所述至少一个目标物品集合以及用户拿取所述待识别物品时的图像信息，从所述至少一个目标物品集合中选择出一个识别物品集合，将所述识别物品集合中的可选物品作为所述待识别物品。

作为一种可选的实施方式，确定模块601还用于：

作为一种可选的实施方式，确定模块601具体用于：

作为一种可选的实施方式，确定模块601还用于：

获取每种可选物品的多个样本以及每个样本的实际重量；以及，根据每种可选物品的各样本实际重量的平均值、方差以及预设的置信度阈值，确定每种可选物品的重量区间。

作为一种可选的实施方式，确定模块601具体用于：

确定各样本实际重量的平均值；以及，根据所述平均值以及各样本的实际重量，确定所述方差；以及，根据所述方差、所述平均值以及所述置信度阈值，确定每种可选物品的重量区间。

作为一种可选的实施方式，确定模块601具体用于：

作为一种可选的实施方式，选择模块602具体用于：

作为一种可选的实施方式，确定模块601具体用于：

获取由所述待识别物品所在货架的重量采集设备采集的第一重量和第二重量，所述第一重量为用户拿取所述待识别物品之前所述货架的重量，所述第二重量为用户拿取所述待识别物品之后所述货架的重量；以及，确定所述第二重量与所述第一重量的差值，将所述差值作为所述待识别物品的实际重量。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图7所示，是根据本申请实施例的物品识别的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。

存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的物品识别的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的物品识别的方法。

存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的物品识别的方法对应的程序指令/模块(例如，附图6所示的确定模块601、选择模块602和识别模块603)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的物品识别的方法。

存储器702可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据物品识别的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至物品识别的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

物品识别的方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。

输入装置703可接收输入的数字或字符信息，以及产生与物品识别的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims

1.一种物品识别方法，其特征在于，包括：

确定待识别物品的实际重量；

2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合之前，还包括：

3.根据权利要求2所述的方法，其特征在于，所述根据每种可选物品的重量区间，确定所述多个物品集合中每个物品集合的重量区间，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述根据每种可选物品的重量区间，确定所述多个物品集合中每个物品集合的重量区间之前，还包括：

获取每种可选物品的多个样本以及每个样本的实际重量；

5.根据权利要求4所述的方法，其特征在于，所述根据每种可选物品的各样本实际重量的平均值、方差以及预设的置信度阈值，确定所述可选物品的重量区间，包括：

确定各样本实际重量的平均值；

根据所述平均值以及各样本的实际重量，确定所述方差；

6.根据权利要求5所述的方法，其特征在于，所述根据所述方差、所述平均值以及所述置信度阈值，确定每种可选物品的重量区间，包括：

7.根据权利要求1-6任一项所述的方法，其特征在于，所述根据所述待识别物品的实际重量以及多个物品集合中每个物品集合的重量区间，从所述多个物品集合中选择至少一个目标物品集合，包括：

8.根据权利要求1-7任一项所述的方法，其特征在于，所述确定待识别物品的实际重量，包括：

9.一种物品识别装置，其特征在于，包括：

确定模块，用于确定待识别物品的实际重量；

10.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。