CN112801578A - 一种应用于个体商贩的商品出入库管理系统及方法 - Google Patents
一种应用于个体商贩的商品出入库管理系统及方法 Download PDFInfo
- Publication number
- CN112801578A CN112801578A CN202110062763.9A CN202110062763A CN112801578A CN 112801578 A CN112801578 A CN 112801578A CN 202110062763 A CN202110062763 A CN 202110062763A CN 112801578 A CN112801578 A CN 112801578A
- Authority
- CN
- China
- Prior art keywords
- commodity
- image
- product
- unit
- neural network
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 11
- 238000007726 management method Methods 0.000 claims abstract description 34
- 238000013527 convolutional neural network Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims 3
- 238000004891 communication Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 208000033749 Small cell carcinoma of the bladder Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 201000007710 urinary bladder small cell neuroendocrine carcinoma Diseases 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种应用于个体商贩的商品出入库管理系统及方法,涉及物联网技术和人工智能技术领域。本发明是为了解决现有商品管理系统不便携、没有运动通信功能、且不适用于流动商贩使用的问题。本发明所述的一种应用于个体商贩的商品出入库管理系统及方法,不需要一般商场里的条形码进行统计,而是改用商品图像进行记录,能够替代人工实现摆摊商品的入库与结算,同时能够使用微信小程序查询一天的交易结果,这样既减轻了摆摊者的负担,也提高了工作的效率。
Description
技术领域
本发明属于物联网技术和人工智能技术领域。
背景技术
目前针对于流动商贩的商品进出库,往往还是依靠于人工记账,在客流高峰时,经营者难免分身乏术,无法对销售情况进行人工记录,这样就使得商贩无法对一天的销售情况进行统计,影响了商家的进一步决策。而现有的商品管理系统大多应用于超市或无人贩卖机,且这些商品管理系统并不便携化、还没有云通信的功能,因此无法满足人们随时随地使用商品管理系统进行摊位的系统初始化与管理等需求。
同时,由于流动商贩所销售的大多数是价格较低的商品,而传统的商品管理系统过于昂贵,难以应用。并且现有商品管理系统不便于用户随时查看与修改自己的摆摊状况,无法帮助用户及时准确的了解自己摊位的营收状况。
发明内容
本发明是为了解决现有商品管理系统不便携、没有运动通信功能、且不适用于流动商贩使用的问题,现提供一种应用于个体商贩的商品出入库管理系统及方法。
一种应用于个体商贩的商品出入库管理系统,包括:用于采集商品图像的采集单元,用于对商品图像进行识别,并对识别结果进行非极大值抑制,获得商品种类和数量的识别单元,用于将商品种类和数量录入数据库进行保存的管理单元。
进一步的,上述识别单元内嵌有利用YOLO算法训练好的卷积神经网络,该卷积神经网络的输入为商品图像,输出为商品类别概率值。
进一步的,上述一种应用于个体商贩的商品出入库管理系统还包括用于对商品图像进行滤波、然后将滤波后的商品图像发送至识别单元的预处理单元。
进一步的,上述一种应用于个体商贩的商品出入库管理系统还包括用于将商品种类和数量显示出来的展示单元。
进一步的,上述一种应用于个体商贩的商品出入库管理系统还包括用于采集商品重量、并将商品重量发送至管理单元的扩展单元,展示单元将商品重量进行保存。
一种应用于个体商贩的商品出入库管理方法,包括以下步骤:首先,采集商品图像,然后,对商品图像进行识别,并对识别结果进行非极大值抑制,获得商品种类和数量,最后,将商品种类和数量录入数据库进行保存。
进一步的,上述对商品图像进行识别时,利用YOLO算法训练卷积神经网络,该卷积神经网络的输入为商品图像,输出为商品类别概率值。
进一步的,上述采集商品图像之后,对商品图像进行滤波、然后再对商品进行识别。
进一步的,在上述所有步骤之后,将商品种类和数量通过手机显示出来。
进一步的,上述采集商品图像的同时,还采集商品重量,并将商品重量录入数据库进行保存。
本发明所述的一种应用于个体商贩的商品出入库管理系统及方法,不需要一般商场里的条形码进行统计,而是改用商品图像进行记录,能够替代人工实现摆摊商品的入库与结算,同时能够使用微信小程序查询一天的交易结果,这样既减轻了摆摊者的负担,也提高了工作的效率。
附图说明
图1为一种应用于个体商贩的商品出入库管理系统的整体框图;
图2为具体实施方式一所述硬件采集系统的框图;
图3为硬件采集系统与微信小程序之间的结构关系框图;
图4为一种应用于个体商贩的商品出入库管理方法的流程图。
具体实施方式
具体实施方式一:参照图1具体说明本实施方式,本实施方式所述的一种应用于个体商贩的商品出入库管理系统,包括:硬件采集系统和云服务器。
硬件采集系统基于STM32开发板,其内部嵌有用于采集商品图像的采集单元,用于对商品图像进行滤波、然后将滤波后的商品图像发送至识别单元的预处理单元,用于对商品图像进行识别,并对识别结果进行非极大值抑制,获得商品种类和数量的识别单元,以及用于将商品种类和数量显示出来的展示单元。其中采集单元为摄像头,识别单元为主控芯片,展示单元为触摸屏。还包括用于与云服务器进行通信的WIFI模块。
识别单元内嵌有利用YOLO算法训练好的卷积神经网络,基于深度学习的YOLO-V3能够减少重叠识别、提高检测速度,该算法因其快速和准确而近年来被广泛使用。为了提高分类的精度,本实施方式相比较于原有的YOLOV3对原有的卷积层进行了优化,将原作者论文中卷积层采用的Leaky ReLU函数用Dynamic ReLU函数代替,以较小的运算代价换取了更好的商品分类效果。
具体的,YOLO算法利用卷积神经网络将输入的商品图片分割成S×S阵列形势的单元格,然后每个单元格负责去检测那些中心点落在该单元格内的目标,每个单元格会预测B个边界框(bounding box)以及边界框的置信度(confidence score)。所谓置信度其实包含两个方面,一是这个边界框含有目标的可能性大小Pr(object),当该边界框是背景时(即不包含目标),此时Pr(object)=0,当该边界框包含目标时,Pr(object)=1。二是这个边界框的准确度,可以用预测框与实际框(ground truth)的IOU(intersection over union,交并比)来表征,记为IOU。因此边界框的置信度可以定义为Pr(object)*IOU。边界框的大小与位置可以用4个值来表征:(x,y,w,h),其中(x,y)是边界框的中心坐标,而w和h是边界框的宽与高。而每个边界框的预测值实际上包含5个元素:(x,y,w,h,c),最后一个值c为该边界框的置信度。
针对于分类问题,对于每一个单元格要给出预测出的C个类别概率值,其表征的是由该单元格负责预测的边界框其目标属于各个类别的概率。但是这些概率值其实是在各个边界框置信度下的条件概率,即Pr(class|object)。边界框类别置信度表征的是该边界框中目标属于各个类别的可能性大小及边界框匹配目标的好坏。
综上所述,卷积神经网络的输入为商品图像,输出为商品类别概率值。因此,在对识别结果进行非极大值抑制之后,就能够获得商品种类。
卷积神经网络为Darknet-53网络,其框架如下表所示:
进一步的,在实际操作时还能够扩展用于采集商品重量、并将商品重量发送至管理单元的扩展单元,展示单元将商品重量进行保存。该部分不仅能够按商品件数进行出入库管理,对于水果蔬菜等称重商品也能进行管理。
用户后台管理方面,在云服务器端设有用于将商品种类和数量录入数据库进行保存的管理单元。如图3所示,本实施方式利用微信小程序实现了用户管理的界面,实现了每天的物品出售和库存情况的统计,如商品的数量或重量的增减。具体的,云服务器采用阿里云服务器。使用的系统CentOS7,JAVA运行环境为JDK1.8,使用的数据库为Mysql 8.0.11版本。使用SpringBoot框架以及Mybatis框架的jar包部署在服务器上,使用shell脚本运行jar包。
具体的,如图2所示,硬件采集系统采用了STM32F429IGT6作为主控芯片。通过使用STM32F429IGT6,实现了针对基于GT9157触控芯片的电容触摸屏的应用开发,通过F429自带的LTDC液晶控制器,实现从主控芯片的输出数据的显示。同时通过GT9157的芯片应用,实现了对触摸屏的控制,实现了用户与机器的人机交互功能。针对摄像功能,采用了OV2640模块,实现了图像的采集、屏幕显示(RGB565模式)以及拍照(使用JPEG模式)的功能,最大可输出200W像素(分辨率1600X1200)的图像。针对WIFI传输的需求,选择了ESP8266,该模块的特点是其固件本身已经实现了简易的TCP/IP协议以及UDP协议等传输协议,基于此设备,可以实现与云服务器的数据传输与通信的功能。
摄像头采用RGB565模式,以供主控芯片采集图像数据并显示到液晶屏;拍照上传时采用JPEG模式,保证图片数据的压缩,以减少上传和服务器端处理的压力。对于屏幕显示摄像头数据,因为STM32F429芯片自带有DCMI接口,因此首先需要将芯片的DCMI接口时钟使能。然后向OV2640写入寄存器配置,在使用过程中更改摄像的输出图片模式也是通过重新向寄存器写入配置实现的,写入寄存器的时序时SCCB时序,该时序与IIC时序非常接近。之后初始化DCMI接口,包括设置传输模式、行同步、场同步等参数。最后初始化DMA,用于搬运DCMI的数据到显存空间进行显示。这样就完成了屏幕的摄像头数据显示。对于传输JPEG数据,首先设置DCMI接口时钟使能,然后写入的寄存器配置应是JPEG输出的相应配置,之后配置DCMI接口时,对于传输模式可以设置为拍照模式,以获得更好的成像效果,最后通过UART传输从OV2640获得的图像数据。
本实施方式利用STM32作为硬件平台的主控芯片实现数据的采集、计算与通信的功能,通过OV2640数字摄像头实现商品图片数据的采集,通过ESP8266模块实现与云服务器的TCP/IP通信以完成图片数据的传输与命令帧的发送与接收。在软件平台上,通过设计服务器数据库与小程序,实现了用户在手机端即可管理自己的流动摊位记录的目标。商品识别上,使用基于深度学习的YOLO-V3算法,完成了商品的种类与数量的识别。本发明在图片拍摄结果较好的环境下,可较好地实现了预期的商品入库、结算与小程序后台管理的功能。相比较于传统的商品出入库等信息管理系统来说,由于流动摊位所出售的商品大多没有超市所售商品的条形码等信息,人工粘贴条形码又费时费力,本实施方式能够针对于流动商贩所售商品给的特点,进行有效的商品进出库管理。
具体实施方式二:参照图4具体说明本实施方式,本实施方式所述的一种应用于个体商贩的商品出入库管理方法,包括以下步骤:
采集商品图像,采集商品重量。
对商品图像进行滤波预处理,获得预处理之后的商品图像。
对预处理之后的商品图像送入利用YOLO算法训练好的卷积神经网络进行识别,所述卷积神经网络为Darknet-53网络。
对识别结果进行非极大值抑制,获得商品图像中的商品种类和数量。
将商品重量、种类和数量录入MySQL数据库进行保存。
将商品重量、种类和数量通过手机显示出来。
本实施方式中,手机中嵌有微信小程序,程序的售页面内容包含了正在出售物品的种类、图片信息、售价以及库存(库存可以用商品数量和重量来体现)。统计页面是用于每日的售卖统计,当摆摊结束时,可以清楚的查看当日的销售情况。账单页面记录了每日的成交额并且通过折线图的形式展现,通过选择日期可以查询不容日期的销售额。
Claims (10)
1.一种应用于个体商贩的商品出入库管理系统,其特征在于,包括:
用于采集商品图像的采集单元,
用于对商品图像进行识别,并对识别结果进行非极大值抑制,获得商品种类和数量的识别单元,
用于将商品种类和数量录入数据库进行保存的管理单元。
2.根据权利要求1所述的一种应用于个体商贩的商品出入库管理系统,其特征在于,
识别单元内嵌有利用YOLO算法训练好的卷积神经网络,该卷积神经网络的输入为商品图像,输出为商品类别概率值。
3.根据权利要求1或2所述的一种应用于个体商贩的商品出入库管理系统,其特征在于,还包括用于对商品图像进行滤波、然后将滤波后的商品图像发送至识别单元的预处理单元。
4.根据权利要求1或2所述的一种应用于个体商贩的商品出入库管理系统,其特征在于,还包括用于将商品种类和数量显示出来的展示单元。
5.根据权利要求1或2所述的一种应用于个体商贩的商品出入库管理系统,其特征在于,还包括用于采集商品重量、并将商品重量发送至管理单元的扩展单元,展示单元将商品重量进行保存。
6.一种应用于个体商贩的商品出入库管理方法,其特征在于,包括以下步骤:
首先,采集商品图像,
然后,对商品图像进行识别,并对识别结果进行非极大值抑制,获得商品种类和数量,最后,将商品种类和数量录入数据库进行保存。
7.根据权利要求6所述的一种应用于个体商贩的商品出入库管理方法,其特征在于,
对商品图像进行识别时,利用YOLO算法训练卷积神经网络,该卷积神经网络的输入为商品图像,输出为商品类别概率值。
8.根据权利要求6或7所述的一种应用于个体商贩的商品出入库管理方法,其特征在于,采集商品图像之后,对商品图像进行滤波、然后再对商品进行识别。
9.根据权利要求6或7所述的一种应用于个体商贩的商品出入库管理方法,其特征在于,在所有步骤之后,将商品种类和数量通过手机显示出来。
10.根据权利要求6或7所述的一种应用于个体商贩的商品出入库管理方法,其特征在于,采集商品图像的同时,还采集商品重量,并将商品重量录入数据库进行保存。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062763.9A CN112801578A (zh) | 2021-01-18 | 2021-01-18 | 一种应用于个体商贩的商品出入库管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110062763.9A CN112801578A (zh) | 2021-01-18 | 2021-01-18 | 一种应用于个体商贩的商品出入库管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112801578A true CN112801578A (zh) | 2021-05-14 |
Family
ID=75810104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110062763.9A Pending CN112801578A (zh) | 2021-01-18 | 2021-01-18 | 一种应用于个体商贩的商品出入库管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801578A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630299A (zh) * | 2021-09-22 | 2021-11-09 | 江苏亨通太赫兹技术有限公司 | 一种深度学习通讯处理系统及应用其的通讯链路 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063616A (zh) * | 2010-12-30 | 2011-05-18 | 上海电机学院 | 一种基于图像特征匹配的商品自动识别系统及方法 |
CN103150540A (zh) * | 2011-12-06 | 2013-06-12 | 原熙 | 一种通过移动通讯设备的摄像装置获取物品信息的系统 |
CN104125435A (zh) * | 2014-08-01 | 2014-10-29 | 肖博 | 用于商品出入库操作中的头戴式摄像设备 |
CN107369063A (zh) * | 2017-06-15 | 2017-11-21 | 东南大学 | 一种Android平台下基于扫码和图像处理的进销存方法 |
CN107463945A (zh) * | 2017-07-12 | 2017-12-12 | 浙江大学 | 一种基于深度匹配网络的商品种类识别方法 |
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 |
CN108537280A (zh) * | 2018-04-12 | 2018-09-14 | 河南机电职业学院 | 一种基于机器视觉的散装商品计费系统 |
CN108596137A (zh) * | 2018-05-02 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于图像识别算法的商品扫描录入方法 |
CN108647671A (zh) * | 2018-06-28 | 2018-10-12 | 武汉市哈哈便利科技有限公司 | 一种光学标识视觉识别方法及基于该方法的无人售货柜 |
CN108921198A (zh) * | 2018-06-08 | 2018-11-30 | 山东师范大学 | 基于深度学习的商品图像分类方法、服务器及系统 |
CN110032654A (zh) * | 2019-04-19 | 2019-07-19 | 济南浪潮高新科技投资发展有限公司 | 一种基于人工智能的超市商品录入方法及系统 |
CN110348293A (zh) * | 2019-05-29 | 2019-10-18 | 广州中科凯泽科技有限公司 | 一种商品识别方法及系统 |
CN110414559A (zh) * | 2019-06-26 | 2019-11-05 | 武汉大学 | 智能零售柜商品目标检测统一框架的构建方法及商品识别方法 |
CN111932188A (zh) * | 2020-09-25 | 2020-11-13 | 南京梦饷网络科技有限公司 | 用于库存管理的方法、电子设备和存储介质 |
-
2021
- 2021-01-18 CN CN202110062763.9A patent/CN112801578A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102063616A (zh) * | 2010-12-30 | 2011-05-18 | 上海电机学院 | 一种基于图像特征匹配的商品自动识别系统及方法 |
CN103150540A (zh) * | 2011-12-06 | 2013-06-12 | 原熙 | 一种通过移动通讯设备的摄像装置获取物品信息的系统 |
CN104125435A (zh) * | 2014-08-01 | 2014-10-29 | 肖博 | 用于商品出入库操作中的头戴式摄像设备 |
CN107369063A (zh) * | 2017-06-15 | 2017-11-21 | 东南大学 | 一种Android平台下基于扫码和图像处理的进销存方法 |
CN107463945A (zh) * | 2017-07-12 | 2017-12-12 | 浙江大学 | 一种基于深度匹配网络的商品种类识别方法 |
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 |
CN108537280A (zh) * | 2018-04-12 | 2018-09-14 | 河南机电职业学院 | 一种基于机器视觉的散装商品计费系统 |
CN108596137A (zh) * | 2018-05-02 | 2018-09-28 | 济南浪潮高新科技投资发展有限公司 | 一种基于图像识别算法的商品扫描录入方法 |
CN108921198A (zh) * | 2018-06-08 | 2018-11-30 | 山东师范大学 | 基于深度学习的商品图像分类方法、服务器及系统 |
CN108647671A (zh) * | 2018-06-28 | 2018-10-12 | 武汉市哈哈便利科技有限公司 | 一种光学标识视觉识别方法及基于该方法的无人售货柜 |
CN110032654A (zh) * | 2019-04-19 | 2019-07-19 | 济南浪潮高新科技投资发展有限公司 | 一种基于人工智能的超市商品录入方法及系统 |
CN110348293A (zh) * | 2019-05-29 | 2019-10-18 | 广州中科凯泽科技有限公司 | 一种商品识别方法及系统 |
CN110414559A (zh) * | 2019-06-26 | 2019-11-05 | 武汉大学 | 智能零售柜商品目标检测统一框架的构建方法及商品识别方法 |
CN111932188A (zh) * | 2020-09-25 | 2020-11-13 | 南京梦饷网络科技有限公司 | 用于库存管理的方法、电子设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113630299A (zh) * | 2021-09-22 | 2021-11-09 | 江苏亨通太赫兹技术有限公司 | 一种深度学习通讯处理系统及应用其的通讯链路 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416901A (zh) | 智能货柜内货品识别方法及装置、智能货柜 | |
US11461753B2 (en) | Automatic vending method and apparatus, and computer-readable storage medium | |
WO2020077877A1 (zh) | 平台商品入驻方法、装置、计算机设备及存储介质 | |
CN102722881B (zh) | 可操作地处理单色图像数据的方法和系统 | |
CN103295034B (zh) | 一种基于dsp的嵌入式图书乱架清点系统及方法 | |
CN105874471B (zh) | 卡ocr图像的客户端侧过滤 | |
KR20230020953A (ko) | 다수의 광학 코드의 디코딩 | |
CN109863530B (zh) | 用于确定谷穗的谷粒重量的方法、系统和计算机可读存储介质 | |
CN110119915B (zh) | 对象入库处理方法、装置和系统 | |
CN113312957A (zh) | 基于视频图像的脱岗识别方法、装置、设备及存储介质 | |
US10963687B1 (en) | Automatic correlation of items and adaptation of item attributes using object recognition | |
CN112085534B (zh) | 一种关注度分析方法、系统及存储介质 | |
US20210272170A1 (en) | Method, Device, Electronic Apparatus and Storage Medium for Generating Order | |
CN113592390A (zh) | 一种基于多传感器融合的仓储数字孪生的方法与系统 | |
CN112801578A (zh) | 一种应用于个体商贩的商品出入库管理系统及方法 | |
WO2020007141A1 (zh) | 线下商品信息查询方法、装置、设备及系统 | |
CN113409056B (zh) | 支付方法、装置、本地识别设备、人脸支付系统及设备 | |
CN112223297A (zh) | 基于机器人的货架巡检方法、装置、存储介质及机器人 | |
CN110617670A (zh) | 一种基于图像识别的无人售冰箱及其识别方法 | |
CN115661624A (zh) | 一种货架的数字化方法、装置及电子设备 | |
JP6857373B1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US7207484B2 (en) | System and method for stocktaking management | |
WO2021138451A1 (en) | A system and method for tracking wine in a wine-cellar and monitoring inventory | |
TWI423154B (zh) | Book Inventory Management System and Its Method | |
CN111928934A (zh) | 一种智能读数系统、读数方法及电子秤 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210514 |