CN113111801A - 自动售货机的货品校验方法、设备和存储介质 - Google Patents

自动售货机的货品校验方法、设备和存储介质 Download PDF

Info

Publication number
CN113111801A
CN113111801A CN202110420928.5A CN202110420928A CN113111801A CN 113111801 A CN113111801 A CN 113111801A CN 202110420928 A CN202110420928 A CN 202110420928A CN 113111801 A CN113111801 A CN 113111801A
Authority
CN
China
Prior art keywords
goods
vending machine
current
image
list
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
CN202110420928.5A
Other languages
English (en)
Inventor
侯景富
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.)
Beijing Missfresh Ecommerce Co Ltd
Original Assignee
Beijing Missfresh Ecommerce 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 Beijing Missfresh Ecommerce Co Ltd filed Critical Beijing Missfresh Ecommerce Co Ltd
Priority to CN202110420928.5A priority Critical patent/CN113111801A/zh
Publication of CN113111801A publication Critical patent/CN113111801A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
    • G06V20/36—Indoor scenes
    • 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
    • G06F16/2282—Tablespace storage structures; 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • 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
    • 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]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Control Of Vending Devices And Auxiliary Devices For Vending Devices (AREA)

Abstract

本公开提供了自动售货机的货品校验方法、设备和存储介质。所述方法包括：采集所述自动售货机内的货品的当前图像；利用预先训练的货品图像识别模型对所述当前图像进行处理，输出所述当前图像对应的的当前货品清单，将所述当前货品清单加入到货品清单序列，所述当前货品清单包括货品位置、货品数量和货品类型；将所述当前货品清单与货品清单序列中的前一货品清单进行对比，确定变更货品的位置和类型；根据所述变更货品的位置和类型，对货品售卖报表进行更新。通过本公开的自动售货机的货品校验方法，可以对交易记录进行追溯，以对发生的错误和故障进行解决，提高消费者用户体验。

Description

自动售货机的货品校验方法、设备和存储介质
技术领域
本公开的实施例一般涉及图像识别技术领域，并且更具体地，涉及自动售货机的货品校验方法、设备和存储介质。
背景技术
为了使人们的生活更加便捷，近年来在地铁站、公交站和医院等场所出现的自动售货机越来越多。智能售货柜是一种基于移动支付场景随时取货及时扣款的自动售卖机器，由于自动售货机不受时间、地点的限制，即当有购物需求时，人们可就地进行购买，从而在很大程度上节省了人力，而且，交易过程也十分简便，是一种全新的商业零售形式。
但是，在自动售货机的使用过程中难免会发生错误和故障，并当发生错误和故障时，交易记录难以追溯，给经营者带来很多不必要的麻烦，同时影响消费者的用户体验。
发明内容
根据本公开的实施例，提供了一种可以对交易记录进行追溯，以对发生的错误和故障进行解决，提高消费者用户体验的自动售货机的货品校验方案。
在本公开的第一方面，提供了一种自动售货机的货品校验方法，包括：
采集所述自动售货机内的货品的当前图像；
利用预先训练的货品图像识别模型对所述当前图像进行处理，输出所述当前图像对应的的当前货品清单，将所述当前货品清单加入到货品清单序列，所述当前货品清单包括货品位置、货品数量和货品类型；
将所述当前货品清单与货品清单序列中的前一货品清单进行对比，确定变更货品的位置和类型；
根据所述变更货品的位置和类型，对货品售卖报表进行更新。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述采集所述自动售货机内的货品的当前图像，包括：
响应于接收到支付成功信息，采集所述自动售货机内的货品的当前图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述货品图像识别模型由以下方式获得：
以大量的自动售货机内的货品图像为训练样本，标识出所述训练样本的货品位置、货品数量和货品类型；
然后将所述训练样本输入到预先建立的神经网络模型，对所述训练样本进行学习，输出训练样本中的货品位置、货品数量和货品类型，当输出结果与标识结果的差异度大于预设阈值时，对神经网络的模型的参数进行修正；
重复上述过程，直到当输出结果与标识结果的差异度小于所述预设阈值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，作为训练样本的货品图像为通过不同角度获取到的自动售货机中的货品图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，作为训练样本的货品图像为通过逐排拍摄，并对每排货品进行旋转，获取到的自动售货机中的货品图像。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述已售货品的位置和类型，对货品售卖报表进行更新，包括：
记录当前时间点，将所述当前时间点和所述已售货品的位置、类型，以及剩余数量整合为报表信息，按时间顺序添加至货品售卖报表中。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
按照预设周期对所述货品售卖报表对客户订单支付情况进行对比，以查找可能的错误或故障；或,
根据订单支付错误提示,对对应时间范围内的货品售卖报表进行检查。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
针对同一客户信息，提取与该客户信息相关的货品售卖报表以及对应的订单，对货品售卖报表中的货品及其对应的支付情况进行核实。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述根据所述已售货品的位置、类型，以及剩余数量，对货品售卖报表进行更新，包括：
记录当前时间点，将所述当前时间点和所述已售货品的位置、类型，以及剩余数量整合为报表信息，按时间顺序添加至货品售卖报表中。
在本公开的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
通过本公开的自动售货机的货品校验方法，可以对交易记录进行追溯，以对发生的错误和故障进行解决，提高消费者用户体验。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了本公开实施例一的自动售货机的货品校验方法的流程图；
图2示出了本公开实施例二的自动售货机的货品校验方法的流程图；
图3示出了本公开实施例三的自动售货机的货品校验设备的结构示意图；
图4示出了本公开实施例的图像采集设备的镜头采集到的自动售货机内的货品摆放的状态图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
本公开的实施例中，通过对自动售货机的货品进行校验，可以对交易记录进行追溯，以对发生的错误和故障进行解决，提高消费者用户体验。
具体地，如图1所示，为本公开实施例一的自动售货机的货品校验方法的流程图。从图1中可以看出，本实施例的方法，可以包括以下步骤：
S101：采集所述自动售货机内的货品的当前图像。
本实施例的方法，用于对自动售货机的售卖货品进行校验。通过图像处理技术对自动售货机内的货品进行识别，判断已售卖货品的类型，并根据已售卖货品的类型和对应的时间点生成售卖报表，并当自动售货机发生故障和错误时，例如消费者支付费用后未得到货物，或者售货收益和已售货物不匹配等，通过所述售卖报表，可以逐步排查发生故障和错误的时间点以及引起该故障和错误的原因，从而对发生的错误和故障进行解决，提高消费者用户体验。
在利用本实施例的方法对自动售货机的售卖货品进行校验的过程中，需要对自动售货机内的货品进行多次图像采集，通过对比相邻两次采集到的图像，进而确定售卖的货品或者新添加到自动售货机内的货品。
具体地，针对每次的图像采集，可以是针对一个触发指令做出的动作，该触发指令例如可以是接收到用户的支付成功信息，包括人脸支付或者移动支付信息等，或者接收到自动售货机的门关闭的信息，再或者是传感器信息等。当接收到第一触发指令后，通过设置在自动售货机内的图像采集装置采集自动售货机内的当前图像。所述当前图像一般为自动售货机内的全景图像，即包含货品和摆放货品的货道在内的图像。通常情况下，自动售货机内的货品摆放遵循高货品摆放在两侧的货道，矮货品摆放在中间的货道。本实施例中的高货品是指货品高度大于预设阈值的货品，同理，矮货品是指货品高度小于预设阈值的货品。由此在图像采集过程中，图像采集设备的镜头距离货品较近，采集到的图像由于中间货品较近，两侧货品较远，使得采集到的图像呈现中间向上凸起，两侧相对凹陷的状态，因此，为了清楚地采集到自动售货机内的货品图像，需要按上述要求对自动售货机内的货品进行摆放。如图4所示，为图像采集设备的镜头采集到的自动售货机内的货品摆放的状态图。
S102：利用预先训练的货品图像识别模型对所述当前图像进行处理，输出所述当前图像对应的的当前货品清单，将所述当前货品清单加入到货品清单序列，所述当前货品清单包括货品位置、货品数量和货品类型。
在本实施例中，当采集到自动售货机内的货品的当前图像后，可以利用利用预先训练的货品图像识别模型对所述当前图像进行处理，输出当前图像中的货品的当前清单，该当前清单中包括货品的位置、货品数量和货品类型。
货品图像识别模型可以由以下方式获得：
以大量的自动售货机内的货品图像为训练样本，标识出所述训练样本的货品位置、货品数量和货品类型；然后将所述训练样本输入到预先建立的神经网络模型，对所述训练样本进行学习，输出训练样本中的货品位置、货品数量和货品类型，当输出结果与标识结果的差异度大于预设阈值时，对神经网络的模型的参数进行修正；重复上述过程，直到当输出结果与标识结果的差异度小于所述预设阈值。
具体地，在采集作为训练样本的货品图像时，可以针对自动售货机内货品的摆放状态确定具体的图像采集方式，例如，货品都摆放在最外侧，则可以全方位旋转货品，以保证货品的每个侧面都被拍摄到。或者，可以对特定货道内的货品进行替换，旋转替换后的货品并从不同角度拍摄，以获取货品图像，或者，也可以逐件取出货品，每取出一货品便采集一次货品图像，每次采集可以采集一张货品图像或者从多个角度采集多张货品图像。
在一些实施例中，以货道的数量为6为例，在采集作为训练样本的货品图像时，可以把新货品布置在2-5货道，每条货道的货品数可以大于等于5个，两侧1,6货道随便放置高的货品。如果商品周围不同图案，改变2-5货道货品的方向，旋转6-12次，确保能看到他们的每个面，然后分别取走1,2,3,4排，分别拍照。
在一些实施例中，在采集作为训练样本的货品图像时，把新货品布置在1-6货道布满，每条货道上货品的数量可以大于等于5个。如果商品周围不同图案，改变1-6货道商品的方向：就要旋转6-12次，确保能看到他们的每个面，然后一次取走一个，分别拍照。
在一些实施例中，把商品放在1、3、5行，为确保间距稍微大一点，一列放3种商品，360度旋转保证每个侧面都有拍摄到，每种SKU(库存进出计量单位)采集10张图。
在一些实施例中，对2、3、4、5行进行不同类商品替换(不限一种)，然后小幅度旋转(左右各30°)，然后采集12张图片。
当将训练样本输入到预先建立的神经网络模型后。通过图像分割和图像识别等技术，识别出训练样本中包括的货品的位置、货品数量和货品类型，进而生成货品清单并输出。
S103：将所述当前货品清单与货品清单序列中的前一货品清单进行对比，确定变更货品的位置和类型。
在利用本实施例的方法进行货品校验时，对于采集到的货品的当前图像，可以将该货品图像与之前采集到的货品图像进行对比，确定当前图像相对于之前采集到的图像的缺失货品，以及该缺失货品的位置、类型，以及剩余数量。此外，根据实际需要，还可以确定其他信息，例如，累计销售量或者销售频率等。本实施中的货品的位置可以是货品在自动售货机内的坐标，或者货品所处的货道，货品的类型可以是货品的品牌标签或者规格。
S104：根据所述变更货品的位置和类型，对货品售卖报表进行更新。
在确定已售货品的位置、类型，以及剩余数量后，可以对自动售货机的货品售卖报表进行更新。具体地，该货品售卖报表可以是包括已售货品的位置、类型、剩余数量和售出时间在内的报表，对于每张所述的当前图像，记录当前时间点，将所述当前时间点和所述已售货品的位置、类型，以及剩余数量整合为报表信息，并按照记录的时间点的先后顺序添加至货品售卖报表中。通过该货品售卖报表可以确定某一货品售出之前的自动售货机内的货品状态和该货品售出之后的自动售货机内的货品状态，即使发生错误，也可以通过货品售出前后的记录确定售出的货品类型、位置和售出时间，同时，结合消费者的支付信息等信息对交易记录进行追溯。
本公开的实施例中，通过对自动售货机的货品进行校验，可以对交易记录进行追溯，以对发生的错误和故障进行解决，提高消费者用户体验。
如图2所示，为本申请实施例二的自动售货机的货品校验方法的流程图。作为本公开的一个具体实施例，该方法可以包括以下步骤：
S201：响应于接收到支付成功信息，采集所述自动售货机内的货品的当前图像。
本实施例以消费者的支付成功信息为触发指令。当接收到支付成功信息后，采集所述自动售货机内的货品的当前图像。该支付成功信息可以是经营者自己的系统接收到的支持成功信息，也可以是通过第三方支付软件发送的支付成功信息。
S202：利用预先训练的货品图像识别模型对所述当前图像进行处理，输出所述当前图像中的货品的当前清单，将所述当前清单加入到清单序列，所述当前清单包括货品位置、货品数量和货品类型。
作为训练样本的货品图像为经过图像识别处理的标注图像，所述标注图像中的货品通过标注框框选，并标明货品类型。并且，作为训练样本的货品图像为通过不同角度获取到的自动售货机中的货品图像。或者，作为训练样本的货品图像为通过逐排拍摄，并对每排货品进行旋转，获取到的自动售货机中的货品图像。在获取到作为训练样本的货品图像后，可以进一步对货品图像进行筛选，例如，从作为训练样本的货品图像删除模糊的货品图像，和/或，删除漏标货品的货品图像，和/或，删除带有空标注框的货品图像。
具体地，可以采用边缘检测算法来对采集到的货品图像进行区域划分，将货品图像划分为多个区域，例如将货品图像中的商品区域或商品上的图标区域用标注框标注出来。采用边缘检测算法来对采集到的货品图像进行区域划分，具体可以包括：对货品图像与高斯mask作卷积，对所述货品图像进行平滑处理；利用Sobel算子计算平滑处理后的货品图像的每个像素点的梯度；保留所述货品图像的每个像素点上梯度强度的极大值，删除其他值；设定货品图像的每个像素点上梯度强度的极大值的阈值上界和阈值下界，将梯度强度的极大值大于所述阈值上界的像素点确认为边界，将梯度强度的极大值大于所述阈值下界小于所述阈值上界的像素点确认为弱边界，将梯度强度的极大值小于所述阈值下界的像素点确认为非边界；将与所述边界相连的弱边界确认边界，将其他的若边界确认为非边界。听过上述方法，可以对商品图像进行区域划分。然后对划分出来的区域中的特征部分和标识部分用标注框标注出来。
S203：将所述当前清单与前一清单进行对比，确定已售货品的位置和类型。
S204：记录当前时间点，将所述当前时间点和所述已售货品的位置和类型整合为报表信息，按时间顺序添加至货品售卖报表中。
本公开的实施例中，通过对自动售货机的货品进行校验，可以对交易记录进行追溯，以对发生的错误和故障进行解决，提高消费者用户体验。
作为本公开的一个可选实施例，在上述实施例中，当将当前时间点和所述已售货品的位置和类型整合为报表信息，并按时间顺序添加至货品售卖报表后，可以将上述货品售卖报表上传至服务器并存储，并可以按照预设周期对所述货品售卖报表对客户订单支付情况进行对比，以对发生的错误和故障进行解决。
具体地，针对同一客户信息，提取与该客户信息相关的货品售卖报表以及对应的订单，对货品售卖报表中的货品及其对应的支付情况进行核实，判断是否发生错误和故障，并当发生错误和故障时，对发生的错误和故障进行解决。客户信息可以是从近期的支付订单中随机选取，也可以是对同一周期内的支付订单中的数额进行排序，然后从排在前N位的数额对应的客户信息中选取。
在上述实施例中，发生的错误和故障例如可以是，用户取走货品，但并未支付成功，这种情况，将影响后续用户的使用体验，或者，用户未取走货品，但扣除了该货品的款项，使得用户多支付了货款，从而影响当前用户的体验。
此外，对于单词购买多件货品而仅支付部分货品的用户，也可以通过对货品售卖报表中的货品及其对应的支付情况进行核实来获取用户的信息，并在该用户下次购买时一并扣除，或提醒该用户存在未支付的订单等。
作为本公开的另一个实施例，当支付订单发生错误和故障时，还可以根据订单支付错误的提示,对对应时间范围内(提示时间点所在的周期内)的货品售卖报表进行检查，以消除该订单支付错误对与其相邻订单的支付过程的影响。
此外，本公开还提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如以上所述的方法。
此外，本公开还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3示出了本公开实施例三的自动售货机的货品校验设备的结构示意图。图3示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示，计算机系统包括中央处理单元(CPU)301，其可以基于存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM303中，还存储有系统操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307；包括硬盘等的存储部分308；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也基于需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，基于需要安装在驱动器310上，以便于从其上读出的计算机程序基于需要被安装入存储部分308。
特别地，基于本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的方法中限定的上述功能。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(FPGA)、专用集成电路(AS I C)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外，虽然采用特定次序描绘了各操作，但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行，或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地，在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种自动售货机的货品校验方法，其特征在于，包括：
采集所述自动售货机内的货品的当前图像；
利用预先训练的货品图像识别模型对所述当前图像进行处理，输出所述当前图像对应的的当前货品清单，将所述当前货品清单加入到货品清单序列，所述当前货品清单包括货品位置、货品数量和货品类型；
将所述当前货品清单与货品清单序列中的前一货品清单进行对比，确定变更货品的位置和类型；
根据所述变更货品的位置和类型，对货品售卖报表进行更新。
2.根据权利要求1所述的自动售货机的货品校验方法，其特征在于，所述采集所述自动售货机内的货品的当前图像，包括：
响应于接收到支付成功信息，采集所述自动售货机内的货品的当前图像。
3.根据权利要求2所述的自动售货机的货品校验方法，其特征在于，所述货品图像识别模型由以下方式获得：
以大量的自动售货机内的货品图像为训练样本，标识出所述训练样本的货品位置、货品数量和货品类型；
然后将所述训练样本输入到预先建立的神经网络模型，对所述训练样本进行学习，输出训练样本中的货品位置、货品数量和货品类型，当输出结果与标识结果的差异度大于预设阈值时，对神经网络的模型的参数进行修正；
重复上述过程，直到当输出结果与标识结果的差异度小于所述预设阈值。
4.根据权利要求3所述的自动售货机的货品校验方法，其特征在于，作为训练样本的货品图像为通过不同角度获取到的自动售货机中的货品图像。
5.根据权利要求4所述的自动售货机的货品校验方法，其特征在于，
作为训练样本的货品图像为通过逐排拍摄，并对每排货品进行旋转，获取到的自动售货机中的货品图像。
6.根据权利要求5所述的自动售货机的货品校验方法，特征在于，所述根据所述已售货品的位置和类型，对货品售卖报表进行更新，包括：
记录当前时间点，将所述当前时间点和所述已售货品的位置、类型，以及剩余数量整合为报表信息，按时间顺序添加至货品售卖报表中。
7.根据权利要求6所述的自动售货机的货品校验方法，特征在于，所述方法还包括：
按照预设周期对所述货品售卖报表对客户订单支付情况进行对比，以查找可能的错误或故障；或,
根据订单支付错误提示,对对应时间范围内的货品售卖报表进行检查。
8.根据权利要求7所述的自动售货机的货品校验方法，特征在于，所述方法还包括：
针对同一客户信息，提取与该客户信息相关的货品售卖报表以及对应的订单，对货品售卖报表中的货品及其对应的支付情况进行核实。
9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～8中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～8中任一项所述的方法。
CN202110420928.5A 2021-04-19 2021-04-19 自动售货机的货品校验方法、设备和存储介质 Pending CN113111801A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110420928.5A CN113111801A (zh) 2021-04-19 2021-04-19 自动售货机的货品校验方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110420928.5A CN113111801A (zh) 2021-04-19 2021-04-19 自动售货机的货品校验方法、设备和存储介质

Publications (1)

Publication Number Publication Date
CN113111801A true CN113111801A (zh) 2021-07-13

Family

ID=76718599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110420928.5A Pending CN113111801A (zh) 2021-04-19 2021-04-19 自动售货机的货品校验方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN113111801A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114972893A (zh) * 2022-07-12 2022-08-30 浙江大华技术股份有限公司 一种数据标注方法、装置、电子设备和存储介质
CN116862390A (zh) * 2023-09-01 2023-10-10 常熟市恒仕达电器有限公司 商品售卖柜的管理方法、商品售卖柜及计算机存储介质
WO2024001492A1 (zh) * 2022-06-29 2024-01-04 京东方科技集团股份有限公司 货品识别方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018161363A1 (zh) * 2017-03-07 2018-09-13 深圳市楼通宝实业有限公司 自助售卖方法及系统
CN109190705A (zh) * 2018-09-06 2019-01-11 深圳码隆科技有限公司 无人售货方法、装置及系统
WO2019184646A1 (zh) * 2018-03-27 2019-10-03 合肥美的智能科技有限公司 货品识别方法及装置、货柜
WO2020010821A1 (zh) * 2018-07-09 2020-01-16 深圳码隆科技有限公司 一种自动售货机的补货管理方法、装置和用户终端
CN111523620A (zh) * 2020-07-03 2020-08-11 北京每日优鲜电子商务有限公司 商品识别模型的动态调整方法及商品校验方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018161363A1 (zh) * 2017-03-07 2018-09-13 深圳市楼通宝实业有限公司 自助售卖方法及系统
WO2019184646A1 (zh) * 2018-03-27 2019-10-03 合肥美的智能科技有限公司 货品识别方法及装置、货柜
WO2020010821A1 (zh) * 2018-07-09 2020-01-16 深圳码隆科技有限公司 一种自动售货机的补货管理方法、装置和用户终端
CN109190705A (zh) * 2018-09-06 2019-01-11 深圳码隆科技有限公司 无人售货方法、装置及系统
CN111523620A (zh) * 2020-07-03 2020-08-11 北京每日优鲜电子商务有限公司 商品识别模型的动态调整方法及商品校验方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024001492A1 (zh) * 2022-06-29 2024-01-04 京东方科技集团股份有限公司 货品识别方法及装置
CN114972893A (zh) * 2022-07-12 2022-08-30 浙江大华技术股份有限公司 一种数据标注方法、装置、电子设备和存储介质
CN116862390A (zh) * 2023-09-01 2023-10-10 常熟市恒仕达电器有限公司 商品售卖柜的管理方法、商品售卖柜及计算机存储介质
CN116862390B (zh) * 2023-09-01 2023-12-12 常熟市恒仕达电器有限公司 商品售卖柜的管理方法、商品售卖柜及计算机存储介质

Similar Documents

Publication Publication Date Title
CN113111801A (zh) 自动售货机的货品校验方法、设备和存储介质
US11861584B2 (en) Self-service settlement method, apparatus and storage medium
CN108335408B (zh) 用于自动售货机的物品识别方法、装置、系统及存储介质
US11461753B2 (en) Automatic vending method and apparatus, and computer-readable storage medium
CN111523620B (zh) 商品识别模型的动态调整方法及商品校验方法
CN108416902B (zh) 基于差异识别的实时物体识别方法和装置
CN109726759B (zh) 无人售货方法、装置、系统、电子设备及计算机可读介质
CN109117824B (zh) 商品的管理方法、装置、电子设备及储存介质
CN110807657B (zh) 订单处理方法、装置、设备及计算机可读存储介质
CN114898249B (zh) 用于购物车内商品数量确认的方法、系统及存储介质
CN112508109B (zh) 一种图像识别模型的训练方法及装置
CN111768553A (zh) 一种自动售货柜的售货方法及自动售货柜
US20220028514A1 (en) System and method for augmented reality detection of loose pharmacy items
EP2570967A1 (en) Semi-automatic check-out system and method
US11861668B2 (en) Method, device, electronic apparatus and storage medium for generating order
CN114170435A (zh) 回收检测的外观影像筛选方法及装置
CN110119675B (zh) 一种产品识别方法和装置
CN111260685B (zh) 视频处理方法、装置及电子设备
CN111507792A (zh) 一种自助购物方法、计算机可读存储介质及系统
CN117151595A (zh) 一种商品库存管理方法、设备及存储介质
CN117437264A (zh) 行为信息的识别方法、设备和存储介质
CN111401438B (zh) 图像分拣方法、装置及系统
CN112364702A (zh) 一种物品核验方法及装置
CN108830183A (zh) 一种无人超市的商品管理方法、装置以及系统
CN112734446A (zh) 基于视觉和重力检测的商品验证方法和装置

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