CN112070991A - 物品识别系统以及具备物品识别系统的结账处理系统 - Google Patents

物品识别系统以及具备物品识别系统的结账处理系统 Download PDF

Info

Publication number
CN112070991A
CN112070991A CN202010499016.7A CN202010499016A CN112070991A CN 112070991 A CN112070991 A CN 112070991A CN 202010499016 A CN202010499016 A CN 202010499016A CN 112070991 A CN112070991 A CN 112070991A
Authority
CN
China
Prior art keywords
article
type
item
image
unit
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.)
Pending
Application number
CN202010499016.7A
Other languages
English (en)
Inventor
岩渕瑞生
万木太
野野原靖也
府中谷洸介
堤弘法
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ishida Co Ltd
Original Assignee
Ishida Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ishida Co Ltd filed Critical Ishida Co Ltd
Publication of CN112070991A publication Critical patent/CN112070991A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G06Q20/208—Input by product or record sensing, e.g. weighing or scanner processing
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0036—Checkout procedures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G06Q20/201—Price look-up processing, e.g. updating
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/08—Payment architectures
    • G06Q20/20—Point-of-sale [POS] network systems
    • G06Q20/203—Inventory monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0018—Constructional details, e.g. of drawer, printing means, input means
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/0036—Checkout procedures
    • G07G1/0045—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader
    • G07G1/0054—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles
    • G07G1/0063—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles with means for detecting the geometric dimensions of the article of which the code is read, such as its size or height, for the verification of the registration
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/01—Details for indicating
    • G07G1/06—Details for indicating with provision for the noting of the money to be paid
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
    • G07G1/00—Cash registers
    • G07G1/12—Cash registers electronically operated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Accounting & Taxation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Cash Registers Or Receiving Machines (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

一种物品识别系统以及具备物品识别系统的结账处理系统，能够根据物品图像精确推断物品的种类。物品识别系统具备摄像机、推断部和设定部。摄像机拍摄物品并获取物品图像。推断部根据物品图像获取用于推断物品的种类的第一信息，并基于所获取的第一信息，从物品种类组中推断一个或多个物品的种类。设定部在物品种类组中设定在经营种类的物品和未经营种类的物品中的至少一种。推断部优先于未经营种类的物品，将在经营种类的物品推断为对应于物品图像的物品的种类。

Description

物品识别系统以及具备物品识别系统的结账处理系统
技术领域
本发明涉及一种物品识别系统以及具备该系统的结账处理系统。
背景技术
以往，如专利文献1(日本特开2011-170745号公报)所示，已知有利用摄像机对对象物品进行拍摄，并根据物品图像推断对象物品的物品识别系统。例如，通过将这种系统用于店铺中的核算处理，能够达到节省核算处理的劳力的目的。
发明内容
但是，在专利文献1(日本特开2011-170745号公报)的物品识别系统中，例如某种物品(以下称为物品A)以缺货等理由而未进行经营，即使在识别对象的物品为物品A的可能性低的情况下，如果拍摄到的物品图像与物品A的图像类似，也有可能将对象物品判断为物品A。
本发明的问题在于提供一种能够根据物品图像精确推断物品的种类的物品识别系统。
根据第一方面的物品识别系统具备摄像机、推断部和设定部。摄像机拍摄物品并获取物品图像。推断部根据物品图像获取用于推断物品的种类的第一信息，并基于所获取的第一信息，从物品种类组中推断一个或多个物品的种类。设定部在物品种类组中设定在经营种类的物品和未经营种类的物品中的至少一种。推断部优先于未经营种类的物品，将在经营种类的物品推断为对应于物品图像的物品的种类。
在根据第一方面的物品识别系统中，由于降低了将未经营种类的物品推断为对应于物品图像的物品的种类的可能性，因此可以根据物品图像精确推断物品的种类。
另外，在本文中，在经营种类的物品是指，在通过物品识别系统推断物品的种类时，在使用物品识别系统的店铺等中正在贩卖、提供的物品，或有库存的物品等。未经营种类的物品是指，在通过物品识别系统推断物品的种类时，在使用物品识别系统的店铺等中没有贩卖、提供的物品，或没有库存的物品等。
根据第二方面的物品识别系统具备摄像机、推断部和设定部。摄像机拍摄物品并获取物品图像。推断部根据物品图像获取用于推断物品的种类的第一信息，并基于所获取的第一信息，从物品种类组中推断一个或多个物品的种类。设定部在物品种类组中设定在经营种类的物品和未经营种类的物品中的至少一种。推断部不将未经营种类的物品推断为对应于物品图像的物品的种类。
在根据第二方面的物品识别系统中，可以抑制实际上未经营的物品的种类被推断为对应于物品图像的物品的种类的不良状况的发生。
根据第三方面的物品识别系统是第一方面或第二方面的物品识别系统，并且推断部具有通过机器学习已学习第一信息与物品的种类之间的关系的识别器。
在第三方面的物品识别系统中，可以利用机器学习根据物品图像精确推断物品的种类。
根据第四方面的物品识别系统是第三方面的物品识别系统，并进一步具备输入部。对应于物品图像的物品的种类被输入到输入部中。识别器基于对输入部的输入来追加学习第一信息与物品的种类之间的关系。
在第四方面的物品识别系统中，由于识别器基于对应于物品图像的物品的种类的输入进行追加学习，因此可以实现能够高精度地推断物品的种类的物品识别系统。
根据第五方面的物品识别系统是第一方面到第四方面中任一项所述的物品识别系统，并且进一步具备第一存储部。第一存储部存储在经营种类的物品和未经营种类的物品中的至少一种。设定部基于第一存储部中存储的信息，设定在经营种类的物品和未经营种类的物品中的至少一种。
根据第六方面的物品识别系统是第一方面到第五方面中任一项所述的物品识别系统，并且进一步具备第二存储部。第二存储部存储有关物品的预定经营的时间表。设定部基于存储在第二存储部中的时间表，设定在经营种类的物品和未经营种类的物品中的至少一种。
在第六方面的物品识别系统中，例如，即使在某种物品的经营状态根据季节、日期、星期、时刻等发生变化的情况下，也容易正确地识别该种类的物品的经营。
根据第七方面的结账处理系统具备第一方面到第六方面中任一项所述的物品识别系统、以及价格确定装置。价格确定装置基于物品识别系统的推断部所推断的物品的种类，确定物品图像中显示的物品的价格。
在第七方面的结账处理系统中，可以基于精确推断的物品的种类进行结账处理。
在本发明涉及的物品识别系统中，可以根据物品图像精确推断物品的种类。
附图说明
图1是示出本发明的实施方式涉及的结账处理系统的示意图。
图2是图1的结账处理系统所具备的物品识别系统的计算机的框图。
图3是概念性地表示图2的计算机的推断部所具有的识别器的算法的神经网络的图。
图4A示出图2的计算机的推断部在物品种类组中包含的所有种类的物品均为在经营种类的物品时，针对对应于物品图像的物品的种类的推断结果的示例。
图4B示出图2的计算机的推断部在物品B是未经营种类的物品时，针对对应于物品图像的物品的种类的推断结果的一个示例。
图4C示出图2的计算机的推断部在物品B是未经营种类的物品时，针对对应于物品图像的物品的种类的推断结果的其它示例。
图5是图1的结账处理系统所具有的价格确定装置的框图。
图6是在图1的价格确定装置的显示器上显示的物品的种类的推断结果的显示的示例。
图7是在图1的价格确定装置的显示器上显示的物品价格的显示的示例。
图8是图1的结账处理系统的结账处理的流程图。
具体实施方式
以下将描述本发明的实施方式涉及的物品识别系统10以及具备物品识别系统10的结账处理系统40。
另外，以下描述仅仅是本发明的物品识别系统和结账处理系统的实施方式，并非用于限定本发明的技术范围。可以理解，在不脱离本发明的宗旨和范围的情况下对以下实施方式可以进行各种变形。
(1)整体概况
将参考图1描述物品识别系统10和结账处理系统40的概况。图1是示意性示出具有物品识别系统10的结账处理系统40的图。
一般来说，物品识别系统10是通过拍摄物品来获取物品图像，并基于所获取的物品图像来推断该物品的种类的系统。结账处理系统40具有物品识别系统10和价格确定装置20。结账处理系统40是基于由物品识别系统10推断的物品的种类的推断结果，并通过价格确定装置20确定物品价格的系统。
结账处理系统40例如在超市等店铺中使用，但用途不限于此。由结账处理系统40进行结账处理的物品例如是家常菜等物品200(商品)。另外，由结账处理系统40进行结账处理的物品(由物品识别系统10进行物品推断的物品)可以是面包或蔬菜等食品，也可以是食品以外的物品。
物品识别系统10主要具有摄像机50和计算机30。计算机30经由网络NW可通信地连接到价格确定装置20。网络NW可以是LAN，也可以是因特网等WAN。另外，在其它方面中，可以将稍后描述的计算机30的部分或全部功能嵌入价格确定装置20中。
摄像机50被嵌入至价格确定装置20中。摄像机50对放置在价格确定装置20的计量台28a(参照图1)上的物品200进行拍摄，并获取物品图像I。由摄像机50拍摄的物品图像I经由因特网等的网络NW从价格确定装置20发送到计算机30。
另外，摄像机50可以是独立于价格确定装置20的装置，并且摄像机50拍摄的物品图像I也可以使用摄像机50所具有的通信装置或与摄像机50连接的网关发送到计算机30。
计算机30根据所获取的物品图像I来推断物品的种类。计算机30可以推断对应于物品图像I的种类的物品，也可以推断多个种类的物品(物品的种类的多个候选)。计算机30对应于物品图像I的物品的种类的推断结果经由网络NW发送到价格确定装置20。
此外，计算机30可以经由网络NW与商店计算机100可通信地连接。商店计算机100是管理与在使用结账处理系统40的店铺中贩卖、提供的物品有关的各种信息的计算机。与物品有关的各种信息包括每种物品的物品单价(例如，每预定重量的物品的价格)、有无进行物品经营、有关物品的预定经营的时间表等。另外，“在经营物品”是指该种类的物品在店铺等中贩卖、提供，并且有库存。更具体地说，“在经营物品”是指该种类的物品在店铺等中贩卖、提供，并且作为有库存进行管理。另外，“未经营物品”是指，该种类的物品现在店铺等中没有贩卖、提供，或者没有库存。更具体地说，“未经营物品”是指，该种类的物品现在店铺等中没有贩卖、提供，或者作为无库存进行管理。有关物品的预定经营的时间表是表示例如在预定季节、预定日期、预定星期、预定时刻经营某种物品的信息。
价格确定装置20设置在物品出售处等处。价格确定装置20经由网络NW与计算机30和商店计算机100可通信地连接。价格确定装置20接收经由网络NW从计算机30发送来的、放置在计量台28a上的物品200的物品的种类的推断结果。价格确定装置20具有计量放置在计量台28a上的物品200的重量的功能。价格确定装置20基于从计算机30发送来的物品的种类的推断结果，从商店计算机100获取的物品的单价信息和物品200的重量来确定物品200的价格。
另外，在本实施方式中，结账处理系统40通过计量物品200，将物品200的重量乘以物品200的单价来确定物品200的价格，但本公开的结账处理系统不限于这样的系统。例如，结账处理系统的价格确定装置可以不具有物品200的计量功能。价格确定装置可以基于物品200的物品的种类的推断结果和从商店计算机100获取的物品价格的信息来确定物品200的价格。
(2)物品识别系统
将主要参照图1至图4C来进一步描述物品识别系统10。图2是计算机30的框图。图3是概念性地表示计算机30的后述推断部36所具有的识别器36a的算法的神经网络的图。图4A至图4C示出了对应于物品图像I的物品的种类的推断结果的示例。
如上所述，物品识别系统10主要具有摄像机50和计算机30。另外，尽管在图1和图2中示出了一台计算机30，但是计算机30的功能也可以由多台计算机实现。
(2-1)摄像机
如上所述，摄像机50被嵌入价格确定装置20中。由从价格确定装置20的主体21向上延伸的框架54支承。在框架54中，除了摄像机50之外，还设有用于照亮物品200的光源52(参照图1)。
当物品200被置于价格确定装置20的计量台28a上时，摄像机50被价格确定装置20的后述控制单元22的控制部22a控制，对物品200进行摄像并获取物品图像I。摄像机50例如是获取彩色图像的CCD图像传感器或CMOS图像传感器，但不限于此。摄像机50可以包含立体相机或用于获取物品200的温度图像的红外相机。摄像机50获取的物品图像I存储在价格确定装置20的控制单元22的存储部22c中。另外，由摄像机50获取的物品图像I经由网络NW从价格确定装置20发送到计算机30。
(2-2)计算机
计算机30是具有CPU、存储装置和输入/输出装置等的计算机。计算机30具有存储部38，用于存储各种程序和各种信息。存储部38具有例如物品图像存储区域38a、经营物品存储区域38b和时间表存储区域38c作为用于存储各种信息的存储区域。
计算机30通过CPU执行存储在存储部38中的用于物品识别的程序来用作图像获取部32、设定部34、推断部36和输入部37。将详细描述这些功能部32、34、36和37。
(2-2-1)图像获取部
图像获取部32获取经由网络NW从价格确定装置20发送来的物品图像I。图像获取部32将获取的物品图像I存储在存储部38的物品图像存储区域38a中。
(2-2-2)设定部
设定部34在预定的物品种类组(物品的种类的集合)中设定在经营的种类的物品和未经营的种类的物品中的至少一种。物品种类组是物品的种类的集合，这些物品例如包含能够在使用结账处理系统40的店铺等经营的种类的物品。
在后述的推断部36进行推断时利用基于设定部34进行的在经营的某种物品和/或未经营的种类的物品的设定。另外，在设定部34只设定在经营种类的物品的情况下，后述的推断部36在从物品种类组中推断一个或多个物品的种类时，可以将设定的物品之外的物品视为未经营的种类的物品。此外，在设定部34只设定未经营种类的物品的情况下，后述的推断部36在从物品种类组中推断一个或多个物品的种类时，可以将设定的物品之外的物品视为在经营的种类的物品。
设定部34如下设定物品种类组中在经营种类的物品和未经营种类的物品中的至少一种。
例如，商店计算机100构成为经由网络NW向计算机30发送关于是否有对各种类的物品进行经营的信息(以下，为了避免复杂的说明，有时称为经营物品信息)。总而言之，经营物品信息是关于在经营的物品的种类和未经营的物品的种类的信息。商店计算机100在预定的定时发送经营物品信息。此外，商店计算机100可以响应于来自计算机30的发送请求来发送经营物品信息。计算机30将接收到的经营物品信息存储在存储部38的经营物品存储区域38b中。以这种方式，设定部34基于存储在存储部38的经营物品存储区域38b中的经营物品信息，在物品种类组中设定在经营种类的物品和未经营种类的物品中的至少一种。
另外，经营物品信息也可以不是从商店计算机100，而是从价格确定装置20发送到计算机30。例如，超级市场等的店铺的店员等通过触摸面板型显示器26等的输入装置将当日经营(贩卖、提供)的物品的种类输入到价格确定装置20中。另外，例如，店员等通过触摸面板型显示器26等的输入装置将缺货物品的种类适当地输入到价格确定装置20中。价格确定装置20将输入的这些信息发送到计算机30。计算机30基于从价格确定装置20发送的这些信息重写存储在存储部38的经营物品存储区域38b中的经营物品信息。设定部34基于存储在存储部38的经营物品存储区域38b中的经营物品信息，设定在经营种类的物品和未经营种类的物品中的至少一种。
另外，例如，商店计算机100被构成为经由网络NW向计算机30发送有关某种物品的预定经营的时间表(以下，为了避免复杂的说明，有时简称为时间表)。商店计算机100在预定的定时发送时间表。此外，商店计算机100可以响应于来自计算机30的发送请求发送时间表。计算机30将从商店计算机100接收的时间表存储在存储部38的时间表存储区域38c中。设定部34基于存储部38的时间表存储区域38c中存储的时间表，设定在经营种类的物品和未经营种类的物品中的至少一种。在这种情况下，设定部34基于时间表适当地变更设定。另外，与经营物品信息相同，也可以代替商店计算机100从价格确定装置20发送时间表。
另外，在以上描述中，存储在存储部38的经营物品存储区域38b和时间表存储区域38c中的信息经由网络NW发送到计算机30。但是，不限于此，存储在存储部38的经营物品存储区域38b和时间表存储区域38c中的信息也可以直接输入到计算机30的未图示的输入装置中。
(2-2-3)推断部
推断部36获取用于根据物品图像I推断物品200的种类的第一信息，并基于所获取的第一信息从物品种类组中推断一个或多个物品200的种类。第一信息是表示物品图像I中出现的物品200的特征的信息。换句话说，第一信息是物品图像I的特征量。第一信息例如是根据物品图像I掌握的物品200或物品200的一部分的形状、尺寸、数量、颜色等信息，但不限于此。然而，虽然第一信息不限于这里所例示的信息，但只要适当地选择即可。
在本实施方式中，推断部36具有通过机器学习已学习根据物品图像I获取的第一信息与物品的种类之间的关系的识别器(分类器)36a。推断部36使用识别器36a从物品种类组中推断在物品图像I中显示的物品的种类。
识别器36a是已学习输入/输出关系的函数近似器。在识别器36a中，例如，将神经网络，例如卷积神经网络用作算法。在本实施方式中，识别器36a利用深度学习，该深度学习包括输入层、多层中间层(隐藏层)和输出层，如图3所示。另外，图3只是用于说明的图，并不限定中间层的层数等。另外，在一般的机器学习中，需要由人指定将什么作为第一信息，但是在利用深度学习的情况下，由计算机30自己学习包括将什么作为第一信息。
在识别器36a的学习方法中，优选使用监督学习。所谓监督学习，是将输入数据和正确答案数据成组的指导数据提供给识别器36a，并使识别器36a进行学习的方法。在此，输入数据是包含在物品种类组中的所有种类物品的物品图像。正确答案数据是输入数据的各物品图像中显示的物品的种类的信息。通常，为各种物品准备多个输入数据。作为使用监督学习作为学习方法的算法，也可以使用神经网络和深度学习以外的算法，例如支持向量机、随机森林和Adaboost算法等。
以图3所示的神经网络被用于识别器36a的算法的情况为例，进一步描述使用推断部36的已学习的识别器36a的物品的推断处理。
当进行物品推断时，推断部36将由图像获取部32获取并存储在存储部38的物品图像存储区域38a中的物品图像I输入到已学习的识别器36a中。另外，推断部36也可以归一化物品图像I，并且将归一化的物品图像输入到识别器36a中。图像归一化包含例如图像缩小、放大、修剪等。另外，识别器36a使用激活函数在输出层中输出物品图像I中显示的物品是包含在物品种类组中的各种物品的概率。具体地说，识别器36a的输出层输出0到1之间的数字，该数字表示在物品种类组中包含的各物品的种类中，物品图像I中显示的物品是该种类物品的概率。另外，将表示概率的数字确定为若将物品种类组中包含的所有物品的种类的数字相加则成为1。表示概率的数字的值越大，则意味着物品图像I中显示的物品是对应于该数字的种类的物品的可能性越高。因此，当推断部36将物品图像I作为输入数据输入到图3的识别器36a中时，对于每种物品，获得在物品图像I中显示的物品是该种类物品的概率。例如，举一个具体的示例来说明，在推断部36将某物品图像I作为输入数据输入到图3的识别器36a中的情况下，如图4A的“输出”的框内记载的那样，该物品图像I中显示的物品是(物品A、物品B、物品C、…、物品N)的概率是(0.6、0.2、0.1、0.0、……0.01)这样的数值。基于该结果，推断部36进行物品图像I中显示的物品的种类的推断。
例如，设为设定部34将物品种类组中的全部物品设定为在经营的物品。或者，设为设定部34未将物品种类组中的任何物品设定为未经营的物品。在这种情况下，推断部36推断作为物品图像I中显示的物品的种类的概率高的前三种物品的种类是对应于物品图像I的物品的种类(候选种类)。另外，这里对应于物品图像I的物品的种类是指物品图像I中显示的物品的种类。
另外，这里假设推断部36推断作为物品图像I中显示的物品的种类的概率高的前三种物品的种类是对应于物品图像I的物品的种类，但是推断部36的推断的方式不限于此。例如，推断部36可以将作为物品图像I中显示的物品的种类的概率高于预定的基准值的一个或多个物品的种类推断为对应于物品图像I的物品的种类。
另外，推断部36也可以将作为物品图像I中显示的物品的种类的概率最高的种类的物品推断为物品图像I中显示的物品的种类。
这种推断的方式可以例如如下分开使用。例如，当店员使用价格确定装置20时，推断部36推断多个物品的种类作为对应于物品图像I的物品的种类的候选。另一方面，当店铺等的顾客使用价格确定装置20时，推断部36推断单一物品的种类作为对应于物品图像I的物品的种类的候选。
下面，以推断部36将作为物品图像I中显示的物品的种类的概率高的前三种物品的种类推断为对应于物品图像I的物品的种类的情况为例，具体说明推断部36的功能。
例如，如图4A的示例所示，设定部34将物品种类组中包含的所有种类的物品A、物品B、物品C、……、物品N设定为在经营种类的物品(参照图4A的“经营物品”的框内)。在这种情况下，推断部36将作为物品图像I中显示的物品的种类的概率从高到低排序的物品A、物品B和物品C推断为对应于物品图像I的物品的种类的候选(参照图4A的“推断”的框内)。
另一方面，在如图4B所示设定部34没有将物品种类组中的一部分种类的物品设定为在经营种类的物品的情况下、或者在物品种类组中的任一物品设定为未经营种类的物品的情况下，优先于未经营种类的物品，将在经营种类的物品推断为对应于物品图像I的物品的种类。
例如，在一个示例中，推断部36不将未经营种类的物品推断为对应于物品图像I的物品的种类。举个具体的示例来说明。
在图4B的示例中，设定部34在物品种类组中包含的种类的物品A、物品B、物品C、……、物品N中，没有将物品B设定为在经营种类的物品(参照图4B的“经营物品”的框内)。在这种情况下，推断部36未将未经营种类的物品B推断为对应于物品图像I的物品的种类。因此，推断部36将作为物品图像I中显示的物品的种类的概率从高到低排序(但是物品B除外)的物品A、物品C和物品D推断为对应于物品图像I的物品的种类(参照图4B的“推断”的框内)。
另外，在另一个示例中，推断部36可以降低作为未经营种类的物品的输出值的概率值。例如，对于未经营种类的物品，推断部36通过将作为输出值的概率的值乘以小于1的预定的正系数来降低作为输出值的概率的值。在这样构成的情况下，虽然作为未经营的物品的种类进行管理，但是在万一该物品在经营的情况下(例如，管理上没有库存，但实际上有库存的情况下)，可以防止该种类的物品完全被排除在推断对象之外。举个具体的示例来说明。
在图4C的示例中，设定部34在物品种类组中包含的种类的物品A、物品B、物品C、……、物品N中，未将物品B设定为在经营种类的物品(参照图4C的“经营物品”的框内)。在这种情况下，对于未经营种类的物品B，推断部36将识别器36a输出的概率的值乘以系数(例如，这里为0.3)。因此，在图4C的示例中，物品图像I中显示的物品是物品B的概率为0.2×0.3＝0.06。推断部36将作为乘以系数之后的物品图像I中显示的物品的种类的概率值从高到低排序的物品A、物品B和物品C推断为对应于物品图像I的物品的种类(参照图4C的“推断”的框内)。另外，在图4C的示例中，被推断为候选的物品的种类与图4A的情况相同。然而，推断部36推断在物品图像I中显示的物品是物品C的概率高于是物品B的概率。
推断部36的推断结果(物品的种类的候选)经由网络NW发送到价格确定装置20。接收到推断部36的推断结果的价格确定装置20例如以图6所示的方式在显示器26上显示物品图像I和推断部36的推断结果(物品A、物品C、物品D)。另外，例如，推断部36的推断结果以概率高的物品的种类在上方的方式显示在显示器26上。另外，图6对应于在图4B中描述的示例。
另外，针对推断部36优先于未经营种类的物品而将在经营种类的物品推断为对应于物品图像I的物品的种类这一概念，在推断部36的物品的种类的推断方式不同的情况下(识别器36a的输出概率值高于基准值的物品的种类被推断为对应于物品图像I的物品的种类的情况，或识别器36a的输出概率最高的物品的种类被推断为对应于物品图像I的物品的种类的情况)也可以同样地应用。例如，假定推断部36构成为将由识别器36a的输出概率值最高的物品的种类推断为对应于物品图像I的物品的种类。在这种情况下，如果概率值最高的物品是未经营种类的物品，则推断部36可以接着将概率值高并且已经营物品的种类推断为对应于物品图像I的物品的种类。
另外，在推断部36的物品的种类的推断方式不同的情况下，也可以同样应用推断部36不将未经营种类的物品推断为对应于物品图像I的物品的种类这一概念。
(2-2-4)输入部
如上所述，推断部36的推断结果显示在价格确定装置20的显示器26上。例如，如图6所示，在显示器26上，以概率高的物品的种类在上方的方式在上下方向上排列显示三个对应于物品图像I的物品的种类的候选。看到这一点的价格确定装置20的用户操作触摸面板型显示器26，从物品A、物品C、物品D中选择正确的物品的种类。例如，用户通过触摸显示正确物品的种类的框部分来选择正确物品的种类。此外，触摸面板型显示器26可以构成为如果推断部36的推断全部不正确，则用户可以选择正确的物品的种类。用户的物品的种类的选择结果经由网络NW从价格确定装置20发送到计算机30。
输入部37受理从价格确定装置20发送来的用户的物品的种类选择结果，作为对应于物品图像I的物品的种类的输入。
优选地，以这种方式将输入部37所受理的输入用于追加学习(激活)识别器36a的物品图像I的第一信息与物品的种类之间的关系。已学习的识别器36a基于对输入部37的输入追加学习物品图像I的第一信息与物品的种类之间的关系，从而可以提高识别器36a的正确率。
(3)价格确定装置
将主要参照图5至图7描述结账处理系统40的价格确定装置20。图5是价格确定装置20的框图。图6是表示在价格确定装置20的显示器26上显示的物品的种类的推断结果的示例。图7是表示在显示器26上显示的物品价格的示例。
价格确定装置20主要具有输入各种信息的固定键24、触摸面板型显示器26、计量器28、摄像机50、光源52、以及包含存储各种信息的存储部22c的控制单元22(参照图5)。固定键24、显示器26、计量器28和控制单元22设置在价格确定装置20的主体21的部分(参照图1)。以下，针对固定键24、显示器2、计量器28以及控制单元22进行详细描述。由于以上已经描述了摄像机50和光源52，因此除非有必要，否则将省略其描述。
(3-1)固定键
固定键24具有操作价格确定装置20所需的各种键。
(3-2)显示器
显示器26是触摸面板型显示器。各种信息显示在显示器26上。
例如，显示器26显示由摄像机50拍摄的物品图像I和从计算机30发送来的推断部36的对应于物品图像I的物品的种类的推断结果(参照图6)。如上所述，价格确定装置20的用户可以操作触摸面板型显示器26，并从显示的物品的种类的候选中选择正确的物品的种类。用户的物品的种类的选择结果被存储至控制单元22的存储部22c。此外，用户的选择结果经由网络NW被从价格确定装置20发送到计算机30。另外，当推断部36仅推断对应于物品图像I的物品的种类时，也可以在没有用户的选择的情况下，将推断部36所推断的物品的种类作为对应于物品图像I的物品的种类存储至存储部22c。
另外，显示器26显示由计量器28计量出的物品200的重量值、如上所述使用触摸面板型显示器26由用户选择的种类的物品的单价、以及由控制单元22的稍后详述的运算部22b计算出的物品200的价格(参照图7)。
(3-3)计量器
计量器28主要具有计量台28a、未示出的负载传感器、信号处理电路和发送模块。待计算价格的物品200被放置在计量台28a上。计量台28a下方设有负载传感器。负载传感器将物品200放置在计量台28a上时产生的机械应变转换为电信号。信号处理电路放大从负载传感器输出的信号并将其转换为数字信号，并且发送模块将数字信号被发送到控制单元22。
(3-4)控制单元
控制单元22是用于进行价格确定装置20的各个部的动作的控制和各种运算处理的单元。控制单元22具有未图示的CPU、存储装置和输入/输出装置等。
控制单元22电连接包含固定键24、显示器26、计量器28、摄像机50和光源52的价格确定装置20的各种设备。
控制单元22通过执行存储在存储部22c中的程序，作为控制部22a发挥功能，从而控制价格确定装置20的各部分的动作。例如，若基于计量器28的计量值检测到物品200被置于计量器28的计量台28a，则控制部22a控制摄像机50，使摄像机50对放置在计量台28a上的物品200的图像进行拍摄。另外，也可以是，控制部22a不是自动地控制摄像机50，而是基于从固定键24等输入的操作，使摄像机50对物品200的图像进行拍摄。若从计量器28的发送模块向控制单元22发送数字信号，则控制部22a将基于数字信号导出的物品200的重量值存储在存储部22c中。此外，控制部22a控制显示器26的显示。
控制单元22经由网络NW可通信地连接到计算机30和商店计算机100。
如上所述，由摄像机50拍摄的物品图像I经由网络NW从控制单元22发送到计算机30。此外，如上所述，由触摸面板型显示器26输入的对应于物品图像I的物品的种类的选择经由网络NW从控制单元22发送到计算机30。
此外，控制单元22接收商店计算机100经由网络NW发送来的不同物品的种类的物品的单价。所接收的物品的单价存储在存储部22c中。此外，控制单元22接收由计算机30经由网络NW发送的对应于物品图像I的物品的种类的推断结果。对应于所接收的物品图像I的物品的种类的推断结果存储在存储部22c中。此外，控制部22a将对应于物品图像I的物品的种类的推断结果以及物品图像I一起在显示器26上显示(参照图7)。
控制单元22通过执行存储在存储部22c中的程序，也作为运算部22b发挥功能。运算部22b从存储部22c进行将对应于用户操作显示器26选择的物品的种类的物品单价(物品200的物品单价)乘以物品200的重量值的计算，并将计算出的值确定为物品200的价格。控制部22a将所确定的物品200的价格以及物品200的重量值和物品200的单价一起在显示器26上显示(参照图7)。
(4)结账处理系统中物品价格的确定处理
将参照图8的流程图描述结账处理系统40中物品价格的确定处理。另外，图8的流程图只是物品价格的确定处理的一个示例，在不冲突的范围内，也可以适当地进行变更。例如，图8的流程图并不限定各步骤的顺序，而是可以在互不冲突的范围内适当地变更步骤的顺序。
若物品200放置在计量台28a上，则控制部22a控制摄像机50，以使摄像机50对物品200进行摄像，从而使摄像机50获取物品图像I(步骤S1)。
接下来，在步骤S2中，控制单元22经由网络NW将物品图像I发送到计算机30。另一方面，图像获取部32获取发送的物品图像I。
接下来，在步骤S3中，推断部36根据物品图像I获取用于推断物品的种类的第一信息，并基于所获取的第一信息从物品种类组中推断一个或多个物品的种类。例如，推断部36使用通过机器学习已学习的识别器36a来推断一个或多个对应于物品图像I的物品的种类。另外，推断部36利用由设定部34进行的、在物品种类组中在经营种类的物品和未经营种类的物品中的至少一种的设定结果，优先于未经营种类的物品，将在经营种类的物品推断为对应于物品图像I的物品的种类。推断部36可以不将未经营种类的物品推断为对应于物品图像I的物品的种类。具体如前文所述。
接下来，在步骤S4中，计算机30将由推断部36进行的对应于物品图像I的物品的种类的推断结果发送到控制单元22。控制单元22接收由推断部36进行的对应于物品图像I的物品的种类的推断结果。
接下来，在步骤S5中，控制部22a在显示器26上显示由推断部36进行的对应于物品图像I的物品的种类的推断结果(步骤S5)。
接下来，在步骤S6中，价格确定装置20的用户操作触摸面板型显示器26，并从显示器26上显示的物品的种类的候选中选择一个物品的种类。选择结果存储在存储部22c中。另外，尽管未示出，但物品的种类的选择结果优选被发送到计算机30以用于识别器36a的追加学习。
在步骤S7中，价格确定装置20的计量器28计量置于计量台28a上的物品200，并且控制单元22获取物品200的重量值。物品200的重量值存储在存储部22c中。
接下来，在步骤S8中，运算部22b从存储部22c读取在步骤S6中用户所选择的种类的物品的单价(从商店计算机100发送来的物品的单价)和在步骤S7中获取的物品200的重量值，并进行将它们相乘的计算，将计算出的值确定为物品200的价格。
接下来，在步骤S9中，控制部22a在显示器26上一起显示在步骤S8中确定的物品200的价格以及物品200的重量值和单价。
(5)特征
(5-1)
本实施方式的物品识别系统10具备摄像机50、推断部36和设定部34。摄像机50拍摄物品并获取物品图像I。推断部36根据物品图像I获取用于推断物品的种类的第一信息，并基于所获取的第一信息，从物品种类组中推断一个或多个物品的种类。设定部34设定物品种类组中在经营种类的物品和未经营种类的物品中的至少一种。推断部36优先于未经营种类的物品，将在经营种类的物品推断为对应于物品图像I的物品的种类。
在本实施方式的物品识别系统10中，由于降低了将未经营种类的物品推断为对应于物品图像I的物品的种类的可能性，因此可以根据物品图像I精确地推断物品的种类。
另外，在经营种类的物品是指，在通过物品识别系统10进行识别时，在使用物品识别系统10的店铺等中贩卖、提供的物品、或有库存的物品等。另外，更具体地，在贩卖、提供的物品是指，在店铺中作为贩卖、提供进行管理的物品。此外，更具体地，有库存的物品是指，作为有库存进行管理的物品。
另外，未经营种类的物品是指，在通过物品识别系统10进行识别时，在使用物品识别系统10的店铺等中未贩卖、提供的物品、或没有库存的物品等。另外，更具体地，未贩卖、提供的物品是指，在店铺中作为未贩卖、提供进行管理的物品。此外，更具体地，没有库存的物品是指，作为没有库存进行管理的物品。
(5-2)
另外，本实施方式的物品识别系统10也可以如下构成。
物品识别系统10具备摄像机50、推断部36和设定部34。摄像机50对物品进行拍摄并获取物品图像I。推断部36根据物品图像I获取用于推断物品的种类的第一信息，并基于所获取的第一信息，从物品种类组中推断一个或多个物品的种类。设定部34设定物品种类组中在经营种类的物品和未经营种类的物品中的至少一种。推断部36不将未经营种类的物品推断为对应于物品图像I的物品的种类。
在本实施方式的物品识别系统10中，由于降低了将未经营种类的物品推断为对应于物品图像I的物品的种类的可能性，因此可以根据物品图像I精确地推断物品的种类。
在本实施方式的物品识别系统10中，可以抑制实际未经营物品的种类被推断为对应于物品图像I的物品的不良状况的发生。
(5-3)
在本实施方式的物品识别系统10中，推断部36具有通过机器学习已学习第一信息与物品的种类之间的关系的识别器36a。
在本实施方式的物品识别系统10中，可以利用机器学习根据物品图像I精确地推断物品的种类。
(5-4)
本实施方式的物品识别系统10具备输入部37。对应于物品图像I的物品的种类被输入到输入部37。识别器36a基于对输入部37的输入来追加学习第一信息与物品的种类之间的关系。
在第三方面的物品识别系统10中，由于识别器36a基于对应于物品图像I的物品的种类的输入进行追加学习，因此可以实现能够高精度地推断物品的种类的物品识别系统10。
(5-5)
本实施方式的物品识别系统10具备作为第一存储部的一个示例的存储部38的经营物品存储区域38b。存储部38的经营物品存储区域38b存储在经营种类的物品和未经营种类的物品中的至少一种。设定部34基于存储部38的经营物品存储区域38b中存储的信息，设定在经营种类的物品和未经营种类的物品中的至少一种。
(5-6)
本实施方式的物品识别系统10具备作为第二存储部的一个示例的存储部38的时间表存储区域38c。存储部38的时间表存储区域38c存储有关物品的预定经营的时间表。设定部34基于存储部38的时间表存储区域38c中存储的时间表，设定在经营种类的物品和未经营种类的物品中的至少一种。
在本实施方式的物品识别系统10中，例如，即使在某种物品的经营状态根据季节、日期、星期、时刻等发生变化的情况下，也容易正确地识别该种类的物品的经营。
(5-7)
本实施方式的结账处理系统40具备物品识别系统10和价格确定装置20。价格确定装置20基于物品识别系统10的推断部36所推断的物品的种类，确定物品图像I中显示的物品的价格。
在本实施方式的结账处理系统中，可以基于精确推断的物品的种类执行结账处理。
(6)变形例
以下示出了上述实施方式的变形例。另外，各变形例的内容中的部分或全部可以在彼此不冲突的范围内与其它变形例的内容组合。
(6-1)变形例A
在上述实施方式中，推断部36利用已学习的识别器36a来推断对应于物品图像I的物品的种类。然而，本发明不限于这样的方式，推断部36也可以在不使用识别器36a的情况下基于规则而根据物品图像I的第一信息来推断物品的种类。例如，也可以是，在计算机30中，第一信息与物品的种类之间的关系预先用程序记述，推断部36基于该程序推断对应于物品图像I的物品的种类。
标号说明
10…物品识别系统；20…价格确定装置；34…设定部；36…推断部；36a…识别器；37…输入部；38b…经营物品存储区域(第一存储部)；38c…时间表存储区域(第二存储部)；40…结账处理系统；50…摄像机；I…物品图像。
现有技术文献
专利文献
专利文献1：日本特开2011-170745号公报。

Claims (7)

1.一种物品识别系统，其特征在于，具备：
摄像机，拍摄物品并获取物品图像；
推断部，根据所述物品图像获取用于推断所述物品的种类的第一信息，并基于所获取的所述第一信息，从物品种类组中推断一个或多个所述物品的种类；以及
设定部，在所述物品种类组中设定在经营种类的物品和未经营种类的物品中的至少一种，
所述推断部优先于所述未经营种类的物品，将所述在经营种类的物品推断为对应于所述物品图像的所述物品的种类。
2.一种物品识别系统，其特征在于，具备：
摄像机，拍摄物品并获取物品图像；
推断部，根据所述物品图像获取用于推断所述物品的种类的第一信息，并基于所获取的所述第一信息，从物品种类组中推断一个或多个所述物品的种类；以及
设定部，在所述物品种类组中设定在经营种类的物品和未经营种类的物品中的至少一种，
所述推断部不将所述未经营种类的物品推断为对应于所述物品图像的所述物品的种类。
3.根据权利要求1或2所述的物品识别系统，其特征在于，
所述推断部具有通过机器学习已学习所述第一信息与所述物品的种类之间的关系的识别器。
4.根据权利要求3所述的物品识别系统，其特征在于，
所述物品识别系统还具备输入部，所述输入部用于输入对应于所述物品图像的所述物品的种类，
所述识别器基于对所述输入部的输入来追加学习所述第一信息与所述物品的种类之间的关系。
5.根据权利要求1至4中任一项所述的物品识别系统，其特征在于，
所述物品识别系统还具备第一存储部，所述第一存储部存储所述在经营种类的物品和所述未经营种类的物品中的至少一种，
所述设定部基于所述第一存储部中存储的信息，设定所述在经营种类的物品和所述未经营种类的物品中的至少一种。
6.根据权利要求1至5中任一项所述的物品识别系统，其特征在于，
所述物品识别系统还具备第二存储部，所述第二存储部存储有关所述物品的预定经营的时间表，
所述设定部基于存储在所述第二存储部中的所述时间表，设定所述在经营种类的物品和所述未经营种类的物品中的至少一种。
7.一种结账处理系统，其特征在于，具备：
权利要求1至6中任一项所述的物品识别系统；以及
价格确定装置，基于所述物品识别系统的所述推断部所推断的所述物品的种类，确定所述物品图像中显示的所述物品的价格。
CN202010499016.7A 2019-06-11 2020-06-04 物品识别系统以及具备物品识别系统的结账处理系统 Pending CN112070991A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-108928 2019-06-11
JP2019108928A JP7289448B2 (ja) 2019-06-11 2019-06-11 物品識別システム及び物品識別システムを備えた会計処理システム

Publications (1)

Publication Number Publication Date
CN112070991A true CN112070991A (zh) 2020-12-11

Family

ID=71016430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010499016.7A Pending CN112070991A (zh) 2019-06-11 2020-06-04 物品识别系统以及具备物品识别系统的结账处理系统

Country Status (4)

Country Link
US (1) US20200394634A1 (zh)
EP (1) EP3751456A1 (zh)
JP (1) JP7289448B2 (zh)
CN (1) CN112070991A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7457347B2 (ja) * 2020-02-10 2024-03-28 株式会社イシダ 商品候補提示システム及び会計処理システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102375977A (zh) * 2010-08-23 2012-03-14 东芝泰格有限公司 店铺系统及商品销售数据处理方法
CN103984914A (zh) * 2013-02-07 2014-08-13 东芝泰格有限公司 信息处理装置及其控制方法
JP2014170431A (ja) * 2013-03-04 2014-09-18 Nec Corp 情報処理システム、情報処理装置およびその制御方法と制御プログラム
CN107131940A (zh) * 2016-02-29 2017-09-05 东芝泰格有限公司 计量系统
CN107437087A (zh) * 2016-05-31 2017-12-05 东芝泰格有限公司 识别系统、信息处理装置及控制方法
CN109816439A (zh) * 2019-01-14 2019-05-28 珠海格力电器股份有限公司 果蔬智能计价方法、装置、存储介质及设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5510924B2 (ja) 2010-02-22 2014-06-04 株式会社ブレイン パンの識別装置とそのプログラム
US10062099B2 (en) * 2014-07-25 2018-08-28 Hewlett Packard Enterprise Development Lp Product identification based on location associated with image of product
JP6329840B2 (ja) 2014-07-30 2018-05-23 東芝テック株式会社 認識辞書管理装置及びプログラム
JP6867182B2 (ja) 2017-02-07 2021-04-28 東芝テック株式会社 情報処理装置およびプログラム
JP2018169752A (ja) 2017-03-29 2018-11-01 パナソニックＩｐマネジメント株式会社 商品認識システム、学習済みモデル、及び商品認識方法
JP6908491B2 (ja) 2017-10-10 2021-07-28 東芝テック株式会社 商品情報読取装置およびプログラム
JP6766839B2 (ja) * 2018-03-14 2020-10-14 オムロン株式会社 検査システム、画像識別システム、識別システム、識別器生成システム、及び学習データ生成装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102375977A (zh) * 2010-08-23 2012-03-14 东芝泰格有限公司 店铺系统及商品销售数据处理方法
CN103984914A (zh) * 2013-02-07 2014-08-13 东芝泰格有限公司 信息处理装置及其控制方法
JP2014170431A (ja) * 2013-03-04 2014-09-18 Nec Corp 情報処理システム、情報処理装置およびその制御方法と制御プログラム
CN107131940A (zh) * 2016-02-29 2017-09-05 东芝泰格有限公司 计量系统
CN107437087A (zh) * 2016-05-31 2017-12-05 东芝泰格有限公司 识别系统、信息处理装置及控制方法
CN109816439A (zh) * 2019-01-14 2019-05-28 珠海格力电器股份有限公司 果蔬智能计价方法、装置、存储介质及设备

Also Published As

Publication number Publication date
JP2020201769A (ja) 2020-12-17
JP7289448B2 (ja) 2023-06-12
US20200394634A1 (en) 2020-12-17
EP3751456A1 (en) 2020-12-16

Similar Documents

Publication Publication Date Title
US20210342588A1 (en) Object identification and device communication through image and audio signals
US20240144340A1 (en) Remote SKU On-Boarding of Products for Subsequent Video Identification and Sale
JP2021503147A (ja) 給食管理システム及びその運営方法
US10402870B2 (en) System and method for indicating queue characteristics of electronic terminals
US11295367B2 (en) System for in-store consumer behaviour event metadata aggregation, data verification and the artificial intelligence analysis thereof for data interpretation and associated action triggering
JP2018195017A (ja) 情報処理プログラム、情報処理方法及び情報処理装置
WO2019123714A1 (ja) 情報処理装置、商品推薦方法、およびプログラム
CN112070991A (zh) 物品识别系统以及具备物品识别系统的结账处理系统
US20190311387A1 (en) Computer system, vacant seat detecting method, and program
US11769160B2 (en) Consumer goods procurement assisting system
CN113256919B (zh) 商品候补提示系统及结算处理系统
KR20220001939A (ko) 무인 편의점 결제 및 재고 관리 시스템
US20140222565A1 (en) System and method of selling products
Badi et al. SCAR: Smart Cart based on ARM algorithm and RFID technology
US20220138926A1 (en) Information processing apparatus and information processing method
KR102632995B1 (ko) 빅데이터 분석으로 커스터마이징한 상품을 추천하는 인공지능 기반의 매장 내 상품 판매 가이드 시스템
JP7476881B2 (ja) 情報処理装置、情報処理方法およびプログラム
JP7476880B2 (ja) 情報処理装置、情報処理方法、プログラム、情報処理システム及び母店端末
US20240104569A1 (en) Enhanced security mechanisms for bypass checkout systems
US20220114648A1 (en) Optical Scanning for Weights and Measures
KR20180067317A (ko) 냉장고 및 그 냉장고의 제어 방법
KR20240023782A (ko) 인공 지능을 이용한 이사견적 제공 장치 및 방법
JP2023132653A (ja) 情報処理装置およびプログラム
JP2022163212A (ja) 推奨情報特定装置、推奨情報特定システム、推奨情報特定方法、及びプログラム
WO2023191869A1 (en) Machine learning model for recommending one or more recipes

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