CN114943574A - 一种智能购物车防损识别方法、装置、系统及存储介质 - Google Patents

一种智能购物车防损识别方法、装置、系统及存储介质 Download PDF

Info

Publication number
CN114943574A
CN114943574A CN202210367789.9A CN202210367789A CN114943574A CN 114943574 A CN114943574 A CN 114943574A CN 202210367789 A CN202210367789 A CN 202210367789A CN 114943574 A CN114943574 A CN 114943574A
Authority
CN
China
Prior art keywords
shopping cart
intelligent shopping
data
loss prevention
loss
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
CN202210367789.9A
Other languages
English (en)
Inventor
孙金清
王云华
季念祥
冯龙杰
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.)
Yantai Chuangyi Software Co ltd
Original Assignee
Yantai Chuangyi Software 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 Yantai Chuangyi Software Co ltd filed Critical Yantai Chuangyi Software Co ltd
Priority to CN202210367789.9A priority Critical patent/CN114943574A/zh
Publication of CN114943574A publication Critical patent/CN114943574A/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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0639—Item locations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10821—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices
    • G06K7/10861—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices sensing of data fields affixed to objects or articles, e.g. coded labels
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Toxicology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种智能购物车防损识别方法、装置、系统及存储介质。该方法包括：若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据；将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。本技术方案通过防损识别模型，实现智能购物车的防损识别，可以解决智能购物车防损识别系统成本高、鲁棒性差的问题，在防止损失的同时，最大化节约人工成本，进而为企业实现降本增收。

Description

一种智能购物车防损识别方法、装置、系统及存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种智能购物车防损识别方法、装置、系统及存储介质。
背景技术
随着人工智能的飞速发展，越来越多的智能设备出现在人们的日常生活中，例如智能购物车。智能购物车通常由购物车车体和收银设备组成，购物过程中，顾客可以将要购买的物品通过扫码记录在收银设备中，结算时可以避免排队等候，自动支付结算。
实际场景中，由于各种因素经常存在物品漏扫的情况，因此，智能购物车通常配置防损识别系统来判断是否物品扫描遗漏。现有技术主要包括两种方式，一种是采取图像感知技术，通过摄像头拍照获取图像来实现物品识别，将识别结果与已扫描物品清单对比来判断是否遗漏扫描；另一种采取重量感知技术，通过电子秤来感知物品重量变化来判别物品是否遗漏扫描。
但是，上述两种方式构成的防损识别系统成本较高，并且运行稳定性差。图像感知技术容易受到光照、遮挡等外界因素的影响，例如当物品之间的遮挡、覆盖等情况也容易导致图像判别方案不可行。由于物品的多样性，重量感知技术对于不同重量的物品敏感程度不同，例如购物车内新增较轻物品时，电子秤容易感知不到。
发明内容
本发明提供了一种智能购物车防损识别方法、装置、系统及存储介质，以解决智能购物车防损识别系统成本高、鲁棒性差的问题，可以在防止损失的同时，最大化节约人工成本。
根据本发明的一方面，提供了一种智能购物车防损识别方法，所述方法包括：
若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据；
将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
根据本发明的另一方面，提供了一种智能购物车防损识别装置，该装置包括：
当前购物数据获取模块，用于若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据；
防损识别结果确定模块，用于将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
根据本发明的另一方面，提供了智能购物车防损识别系统，所述系统包括：检测设备，至少一个处理器以及存储器；
所述检测设备与所述处理器通信连接，所述处理器与所述存储器通信连接；
其中，所述检测设备，用于检测智能购物车的位置；
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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1-7中任一项所述的智能购物车防损识别方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的智能购物车防损识别方法。
本发明实施例的技术方案，通过防损识别模型，实现智能购物车的防损识别，可以解决智能购物车防损识别系统成本高、鲁棒性差的问题，在防止损失的同时，最大化节约人工成本，进而为企业实现降本增收。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种智能购物车防损识别方法的流程图；
图2是根据本发明实施例二提供的一种智能购物车防损识别方法的流程图；
图3A是根据本发明实施例三提供的一种防损识别模型训练方法的流程图；
图3B是根据本发明实施例三提供的一种智能购物车防损应用流程图；
图4是根据本发明实施例四提供的一种智能购物车防损识别装置的结构示意图；
图5是实现本发明实施例的智能购物车防损识别方法的智能购物车防损识别系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种智能购物车防损识别方法的流程图，本实施例可适用于智能购物车防损识别的情况，该方法可以由智能购物车防损识别装置来执行，该装置可以采用硬件和/或软件的形式实现，该装置可配置于智能购物车防损识别系统中。如图1所示，该方法包括：
S110、若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据。
本方案可以由防损识别系统执行，所述防损识别系统可以配置于智能购物车上，直接获取智能购物车中的信息，进行防损识别。所述防损识别系统也可以配置于智能购物车的管理平台，通过与智能购物车进行信息交互，实现防损识别。其中，所述防损识别系统可以包括检测设备，所述检测设备可以用于检测智能购物车的位置，判断智能购物车是否进入待结算区域。所述待结算区域为智能购物车在购物结束之后，到达结算区域之前的一个过渡区域。所述待结算区域可以根据实际智能购物车的应用场景进行划定。
在一个可行的方案中，所述智能购物车和所述待结算区域均部署有感应器；
相应的，所述检测到智能购物车进入待结算区域，包括：
若检测到所述智能购物车感应器和所述待结算区域感应器的感应信息，则确定所述智能购物车进入待结算区域。
其中，所述感应器可以具有信息读写功能，例如可以是基于射频芯片制作的感应器。当智能购物车到达待结算区域时，待结算区域的感应器和智能购物车感应器可以相互感应，产生感应信息。防损识别系统可以根据感应信息，确定智能购物车是否进入待结算区域。防损识别系统还可以预先为每辆智能购物车的感应器写入标签信息。这样，当智能购物车到达待结算区域时，防损识别系统可以根据感应信息，确定哪一辆智能购物车进入待结算区域。
本方案可以利用感应器实现智能购物车是否进入待结算区域的检测，该检测方案快速稳定，可靠性高。
在另一个可行的方案中，所述待结算区域部署有图像采集设备；
相应的，所述检测到智能购物车进入待结算区域，包括：
若所述图像采集设备采集到所述智能购物车的图像，则确定所述智能购物车进入待结算区域。
图像采集设备可以以预设时间间隔对待结算区域进行图像采集，防损识别系统可以根据包含有智能购物车的图像，判断智能购物车是否进入待结算区域。具体的，防损识别系统可以结合智能购物车中的顾客信息，查询该顾客的人脸图像，通过与智能购物车使用者的人脸图像进行对比，判断目标智能购物车是否进入了待结算区域。智能购物车上也可以粘贴有牌号等标识，防损识别系统可以通过牌号等标识判定哪一辆智能购物车进入待结算区域。
本方案利用图像采集设备实现智能购物车进入待结算区域的检测，可以充分利用超市、商场等场所中的现有设备，减轻智能购物车上的设备部署压力。需要说明的是，防损识别系统可以将上述两种方式相结合，实现抗干扰能力更强、准确性更高的检测效果。
如果检测到智能购物车进入了待结算区域，防损识别系统可以立即获取智能购物车的当前购物数据。所述当前购物数据可以是智能购物车中存储的购物数据，也可以是生成的最新购物数据，还可以是未结算的购物数据。所述购物数据可以包括顾客信息、商品信息以及行为信息等数据，所述顾客信息可以包括顾客ID、性别、年龄以及所在商圈等信息，所述商品信息可以包括商品名称、规格、价格以及用途等信息，所述行为信息可以包括购物时间、购物时长、购物数量以及购物金额等信息。
S120、将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
可以理解的，防损识别系统可以选取全部当前购物数据输入到防损识别模型中，也可以在当前购物数据中选取部分输入到防损识别模型中。为了方便模型识别，所述当前购物数据可以是对原始数据进行预处理后得到的数据。原始数据可以是防损识别系统从智能购物车直接读取得到的当前购物数据。防损识别系统可以对原始数据进行分类，例如可以分为类别型数据和非类别型数据。所述类别型数据可以包含有限的类别数或可区分组数的数据，比如性别数据。所述非类别型数据可以包括离散型和连续型等类型的数据，所述离散型数据可以是在任意两个值之间具有可计数的值的数据，比如购物数量。所述连续型数据可以是在任意两个值之间具有无限个值的数据，比如购物时间段。防损识别系统可以根据不同数据类型，对当前购物数据进行对应的预处理操作，例如对类别型数据进行编码操作，对连续型数据进行离散、插值以及分组等处理。
所述防损识别模型可以是任何基于机器学习的分类算法，例如逻辑回归、支持向量机、决策树、随机森林、XGBoost、CatBoost、BP神经网络、CNN、RNN以及LSTM等。需要说明的是，上述基于机器学习的分类算法仅仅是所述防损识别模型的算法框架，防损识别模型的具体结构可以根据实际应用场景确定。假设所述防损识别模型为CNN模型，则卷积层的数量、卷积核的大小以及池化方式等具体结构可以根据实际情况进行确定。所述防损识别模型还可以结合多种分类算法构建而成，以达到更好的识别效果。例如可以将CNN和支持向量机相结合，得到分类准确率更高的防损识别模型。将所述当前购物数据输入至训练好的防损识别模型中，防损识别系统得到防损识别结果。
在本方案中，具体的，所述防损识别模型的训练过程，包括：
获取智能购物车的履历数据；所述履历数据包括至少一组历史购物数据和损失标签数据；
将所述历史购物数据输入预先确定的机器学习模型，利用所述损失标签数据对所述机器学习模型进行优化，直到模型评价指标符合预设条件以得到防损识别模型。
所述履历数据可以包括至少一组历史购物数据和损失标签数据。防损识别系统可以从智能购物车的管理平台或者智能购物车系统获取历史购物数据。所述损失标签数据可以是对历史购物行为进行是否存在漏扫情况判断的标签数据，也可以是对历史购物行为存在漏扫情况严重程度的等级评价数据。
为保证训练效果，对于常规的机器学习模型，履历数据通常需要包含成百上千组历史购物数据和损失标签数据。对于支持少量样本或单样本训练的机器学习模型，履历数据也可以包括一组、几组或几十组历史购物数据和损失标签数据。
所述履历数据可以是为得到防损识别模型所使用的数据集，按照训练需求，可以将所述数据集分为训练集和测试集两部分，也可以分为训练集、验证集和测试集三部分。其中，数据集各部分的数据量占比可以根据历史购物数据、实际训练过程等情况进行调整。通常情况下，训练集和测试集的数据量比例可以是8:2、7:3、6:4以及5:5等。验证集可以认为是训练集中的一部分，用于在训练过程中验证，以实现边训练边验证。这种方式可以及时发现防损识别模型存在的问题，例如在使用CNN模型训练过程中，模型输出的训练结果曲线正常，验证结果曲线出现大幅震荡，则可能是特征提取过程中卷积核数量过少，导致特征提取数量过少，造成防损识别模型识别不够稳定。
防损识别系统可以对所述历史购物数据和所述损失标签数据进行数字化编码等处理，以便于输入机器学习模型进行训练。防损识别系统可以将历史购物数据输入机器学习模型，在迭代过程中，通过将机器学习模型的输出结果与损失标签数据进行差异对比，将二者通过损失函数等算子进行损失计量，反馈给机器学习模型，以使机器学习模型不断进行优化。对于机器学习模型每次迭代的输出结果，防损识别系统可以采用模型评价指标进行评价，以判断防损识别模型的学习情况。所述模型评价指标可以包括损失率、准确率、召回率、精确率、ROC曲线、混淆矩阵以及AUC值中的至少一项。当机器学习模型的模型评价指标满足预设需求时，可以认为机器学习模型符合防损识别需要，可以停止训练，得到防损识别模型。需要说明的是，防损识别系统也可以设置训练迭代次数，当机器学习模型的训练迭代达到预设次数时，停止训练，选取最后一次迭代或者训练过程中模型评价指标最好的一次的机器学习模型作为防损识别模型。
本方案利用智能购物车的履历数据，实现机器学习模型的训练，得到防损识别模型。相比于现有技术，该训练方案可以使防损识别模型具有更高的识别准确率、更强的鲁棒性和识别稳定性。
在上述方案的基础上，可选的，在得到防损识别结果之后，所述方法还包括：
根据所述防损识别结果，确定所述智能购物车的结算方式。
在防损识别模型输出防损识别结果之后，防损识别系统可以根据防损识别结果，划分智能购物车的结算方式。其中，所述防损识别结果可以包括存在损失或不存在损失两种情况，在存在损失的情况下，防损识别系统可以通过智能购物车的引导设备，引导顾客走人工结算通道完成商品清点、核实以及购物结算等流程。在不存在损失的情况下，防损识别系统可以引导顾客走自动结算通道完成购物结算。
该方案根据防损识别结果，划分智能购物车的结算方式，可以实现顾客结算分流，避免排队拥挤，为顾客带来良好的购物体验。
本技术方案通过防损识别模型，实现智能购物车的防损识别，可以解决智能购物车防损识别系统成本高、鲁棒性差的问题，在防止损失的同时，最大化节约人工成本，进而为企业实现降本增收。
实施例二
图2为本发明实施例二提供的一种智能购物车防损识别方法的流程图，本实施例以上述实施例为基础进行细化。如图2所示，该方法包括：
S210、若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据。
在本方案中，所述当前购物数据可以包括购物清单，所述防损识别结果为损失发生概率，所述结算方式可以包括自动结算和人工结算。
S220、将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
防损识别模型可以根据当前购物数据中各信息对于防损识别结果的影响程度，计算当前购物行为出现损失的发生概率。
S230、若所述损失发生概率高于或等于预设概率阈值，则确定所述智能购物车的结算方式为人工结算。
如果损失发生概率较高，则说明当前购物行为存在漏扫可能性较大，需要对该智能购物车中商品进行人工清点核实，并完成结算。
S240、若所述损失发生概率低于预设概率阈值，则确定所述智能购物车的结算方式为自动结算。
如果损失发生概率较低或者为零，则说明当前购物行为存在漏扫可能性低或不存在漏扫，无需对该智能购物车中商品进行核实，顾客可以直接通过智能购物上的收银设备完成自动结算。
S250、若所述购物清单中存在预设特殊物品列表中的至少一种物品，则确定智能购物车的结算方式为人工结算。
在获取了智能购物车的当前购物数据之后，防损识别系统还可以检查购物清单中是否存在特殊物品。所述特殊物品可以包括贵重物品、轻小物品以及危险物品等。由于物品的特殊性，往往需要进行重点关注。因此，如果购物清单中存在预设特殊物品列表中的至少一种物品，防损识别系统可以引导顾客走人工结算通道，避免损失、危险等情况的发生。
本方案通过设置特殊物品列表，实现对特殊物品的结算分流，可以降低贵重、轻小等特殊物品的结算损失风险。该方案通过限定危险物品的结算通道，可以尽可能避免危险物品带来的人身和经济损失。
本技术方案通过防损识别模型，实现智能购物车的防损识别，可以解决智能购物车防损识别系统成本高、鲁棒性差的问题，在防止损失的同时，最大化节约人工成本，进而为企业实现降本增收。
实施例三
本实施例是以上述实施例为基础的一个具体应用示例。该技术方案可以分为机器学习模型的训练和防损技术应用流程两个部分。其中，图3A是根据本发明实施例三提供的一种防损识别模型训练方法的流程图，图3B是根据本发明实施例三提供的一种智能购物车防损应用流程图。
1.机器学习模型的训练(如图3A)
(1)获取数据：
从智能购物车的日志数据库中获取结构化数据。
获取顾客属性数据，如性别，年龄，商圈距离等。
获取商品属性数据，如颜色，规格，价格等。
获取购物履历数据，如购物时间，购物数据量等。
(2)提取特征
顾客的特征：性别，年龄，商圈距离等。
商品属性特征：颜色，规格，价格，种类，名称等。
购物履历的行为特征：购物时间相关的特征，购物数量相关的特征，购物习惯的相关特征，购物种类的相关特征，进店时间和出店时间等。
将上述特征数据按照列合并成宽表，组成完整的特征数据集。
(3)处理数据
对类别型数据，例如性别、颜色等，进行One-Hot编码。
对连续型数据，例如时间段、价格区间等，去除极值并根据业务进行离散化。
利用单变量插补法、多变量插补法或最邻近插补法等算法填充缺失值。
(4)模型训练
把数据切分成训练集，验证集和测试集。
对数据样本进行均衡化处理，如过采样、欠采样等。
选择机器学习模型，本技术方案适用于所有机器学习的分类算法，例如逻辑回归、支持向量机、决策树、随机森林、XGBoost、CatBoost、BP神经网络、CNN、RNN以及LSTM等。本方案优选CatBoost算法。
给模型输入数据，训练机器学习模型并输出模型文件。
(5)评价模型
通过训练好的机器学习模型，预测验证集的结果并输出模型评价指标。通过模型评价指标，如ROC，混淆矩阵，AUC，召回率以及精确率等，来评价模型的超参数并调整它，甚至可以再完善特征和数据部分。
如果模型评价指标不满足需求，再重复步骤(2)-(5)。
如果模型评价指标满足需求，输出调优模型。
(6)模型测试
通过调优的模型，预测测试集的结果并输出模型评价指标。
模型评价指标表现不好，继续调优模型。
模型评价指标好，输出最优的模型。
输出在调优时和测试时模型评价指标都表现良好的模型。
2.防损技术应用流程(如图3B)
(1)进入结算区域
识别顾客进入结算区域，准备结算。结算区域摄像头和智能购物车上感应器会感应到顾客进入结算区域，依次执行特殊物品检测和模型判断，并根据判断在智能购物车显示屏上提醒顾客走人工结算通道还是自动结算通道；
(2)特殊物品检查
从数据库中获取特殊物品列表，并从购物车的数据库中获取顾客购买物品清单，对比特殊物品列表和顾客购买物品清单，查找是否存在特殊物品，特殊物品可以包括贵重商品，例如高档烟酒，也可以包括耳钉等轻小商品，还可以包括酒精等危险商品。
购买有特殊商品的顾客，提醒其走人工结算通道结算。
没有购买特殊商品的顾客，需要在经过模型判断其是否存在遗漏扫码。
(3)模型判断
对没有购买特殊商品的顾客进行机器学习模型识别判断；
识别为没有遗漏扫码的顾客，提醒其走便捷支付的自动结算通道。
识别为有遗漏扫码的顾客，提醒其走人工通道检查并结算。
(4)人工结算通道
检查顾客购买商品和购物清单是否吻合。
检查无误后，顾客可以进行便捷支付。
(5)监测指标
对模型判断漏扫的顾客进行统计，计算其中的模型误判率：
模型误判率＝误判存在遗漏扫码的人数/模型判断存在遗漏扫码的总人数；
比较模型误判率和实验结果的模型误判率，如果差别较大则重新训练模型。可以对误判率进行可视化，以便实时便捷的监测模型性能。
(6)自动结算通道
顾客无需人工检测，可以直接通过扫码支付等方式自行便捷支付后离开。
在所有顾客结算完成离开后，防损识别系统可以把人工结算通道和自动结算通道的数据统计起来，根据实验结果和监测指标可以估计防损识别系统的经济收益并可视化。
收益分成三部分：
全部人工结算：
Figure BDA0003586632070000131
即遗漏扫描被全部检测的收益-人工成本，其中，profit check表示全部人工结算的收益，A+C表示存在遗漏扫描商品的所有顾客，a表示平均顾客遗漏扫描的金额，A+B+C+D表示全部顾客数，S表示收银员处理速度，c表示收银员每小时成本；
全部自动结算：profit quick＝-profit check；其中，profit quick表示全部自动结算的收益；
模型判断结算：
Figure BDA0003586632070000132
即节省的人工成本-使用的人工成本+遗漏扫描被检测的收益-遗漏扫描没有被检测的损失。
经过实验结果证明，基于机器学习和智能购物车履历的防损技术，其收益是全部人工结算的7倍，是全部自动结算的5倍。
本技术方案通过防损识别模型，实现智能购物车的防损识别，可以解决智能购物车防损识别系统成本高、鲁棒性差的问题，在防止损失的同时，最大化节约人工成本，进而为企业实现降本增收。
实施例四
图4为本发明实施例四提供的一种智能购物车防损识别装置的结构示意图。如图4所示，该装置包括：
当前购物数据获取模块410，用于若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据；
防损识别结果确定模块420，用于将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
在本方案中，可选的，所述装置还包括防损识别模型训练模块，用于：
获取智能购物车的履历数据；所述履历数据包括至少一组历史购物数据和损失标签数据；
将所述历史购物数据输入预先确定的机器学习模型，利用所述损失标签数据对所述机器学习模型进行优化，直到模型评价指标符合预设条件以得到防损识别模型。
在一个可行的方案中，可选的，所述装置还包括：
结算方式确定模块，用于根据所述防损识别结果，确定所述智能购物车的结算方式。
在上述方案的基础上，可选的，所述防损识别结果为损失发生概率；所述结算方式包括自动结算和人工结算；
相应的，所述结算方式确定模块，具体用于：
若所述损失发生概率高于或等于预设概率阈值，则确定所述智能购物车的结算方式为人工结算；
若所述损失发生概率低于预设概率阈值，则确定所述智能购物车的结算方式为自动结算。
在另一个可行的方案中，可选的，所述当前购物数据包括购物清单；所述当前购物数据获取模块410，还用于：
若所述购物清单中存在预设特殊物品列表中的至少一种物品，则确定智能购物车的结算方式为人工结算。
可选的，所述智能购物车和所述待结算区域均部署有感应器；
相应的，所述当前购物数据获取模块410，具体用于：
若检测到所述智能购物车感应器和所述待结算区域感应器的感应信息，则确定所述智能购物车进入待结算区域。
在上述方案的基础上，可选的，所述待结算区域部署有图像采集设备；
相应的，所述当前购物数据获取模块410，具体用于：
若所述图像采集设备采集到所述智能购物车的图像，则确定所述智能购物车进入待结算区域。
本发明实施例所提供的智能购物车防损识别装置可执行本发明任意实施例所提供的智能购物车防损识别方法，具备执行方法相应的功能模块和有益效果。
实施例五
图5示出了可以用来实施本发明的实施例的智能购物车防损识别系统510的结构示意图。智能购物车防损识别系统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。智能购物车防损识别系统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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图5所示，智能购物车防损识别系统510包括至少一个处理器511，检测设备516以及与至少一个处理器511通信连接的存储器，如只读存储器(ROM)512、随机访问存储器(RAM)513等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器511可以根据存储在只读存储器(ROM)512中的计算机程序或者从存储单元520加载到随机访问存储器(RAM)513中的计算机程序，来执行各种适当的动作和处理。在RAM 513中，还可存储智能购物车防损识别系统510操作所需的各种程序和数据。处理器511、ROM 512以及RAM 513通过总线514彼此相连。输入/输出(I/O)接口515也连接至总线514。
智能购物车防损识别系统510中的多个部件连接至I/O接口515，包括：检测设备516，例如图像采集设备、感应设备等；输入单元517，例如键盘、鼠标等；输出单元518，例如各种类型的显示器、扬声器等；存储单元519，例如磁盘、光盘等；以及通信单元520，例如网卡、调制解调器、无线通信收发机等。通信单元520允许智能购物车防损识别系统510通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器511可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器511的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器511执行上文所描述的各个方法和处理，例如智能购物车防损识别方法。
在一些实施例中，智能购物车防损识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元519。在一些实施例中，计算机程序的部分或者全部可以经由ROM 512和/或通信单元520而被载入和/或安装到智能购物车防损识别系统510上。当计算机程序加载到RAM 513并由处理器511执行时，可以执行上文描述的智能购物车防损识别方法的一个或多个步骤。备选地，在其他实施例中，处理器511可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行智能购物车防损识别方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、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)、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中，计算机可读存储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计算机程序。计算机可读存储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。备选地，计算机可读存储介质可以是机器可读信号介质。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。
为了提供与用户的交互，可以在智能购物车防损识别系统上实施此处描述的系统和技术，该智能购物车防损识别系统具有：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智能购物车防损识别系统。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)、区块链网络和互联网。
计算系统可以包括顾客端和服务器。顾客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顾客端-服务器关系的计算机程序来产生顾客端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
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，本发明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，只要能够实现本发明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，并不构成对本发明保护范围的限制。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。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种智能购物车防损识别方法，其特征在于，所述方法包括：
若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据；
将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
2.根据权利要求1所述的方法，其特征在于，所述防损识别模型的训练过程，包括：
获取智能购物车的履历数据；所述履历数据包括至少一组历史购物数据和损失标签数据；
将所述历史购物数据输入预先确定的机器学习模型，利用所述损失标签数据对所述机器学习模型进行优化，直到模型评价指标符合预设条件以得到防损识别模型。
3.根据权利要求1所述的方法，其特征在于，在得到防损识别结果之后，所述方法还包括：
根据所述防损识别结果，确定所述智能购物车的结算方式。
4.根据权利要求3所述的方法，其特征在于，所述防损识别结果为损失发生概率；所述结算方式包括自动结算和人工结算；
相应的，所述根据所述防损识别结果，确定所述智能购物车的结算方式，包括：
若所述损失发生概率高于或等于预设概率阈值，则确定所述智能购物车的结算方式为人工结算；
若所述损失发生概率低于预设概率阈值，则确定所述智能购物车的结算方式为自动结算。
5.根据权利要求1所述的方法，其特征在于，所述当前购物数据包括购物清单；
在获取所述智能购物车的当前购物数据之后，所述方法还包括：
若所述购物清单中存在预设特殊物品列表中的至少一种物品，则确定智能购物车的结算方式为人工结算。
6.根据权利要求1所述的方法，其特征在于，所述智能购物车和所述待结算区域均部署有感应器；
相应的，所述检测到智能购物车进入待结算区域，包括：
若检测到所述智能购物车感应器和所述待结算区域感应器的感应信息，则确定所述智能购物车进入待结算区域。
7.根据权利要求1或6所述的方法，其特征在于，所述待结算区域部署有图像采集设备；
相应的，所述检测到智能购物车进入待结算区域，包括：
若所述图像采集设备采集到所述智能购物车的图像，则确定所述智能购物车进入待结算区域。
8.一种智能购物车防损识别装置，其特征在于，包括：
当前购物数据获取模块，用于若检测到智能购物车进入待结算区域，则获取所述智能购物车的当前购物数据；
防损识别结果确定模块，用于将所述当前购物数据输入至预先训练的防损识别模型，得到防损识别结果。
9.一种智能购物车防损识别系统，其特征在于，所述系统包括：检测设备，至少一个处理器以及存储器；
所述检测设备与所述处理器通信连接，所述处理器与所述存储器通信连接；
其中，所述检测设备，用于检测智能购物车的位置；
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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1-7中任一项所述的智能购物车防损识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的智能购物车防损识别方法。
CN202210367789.9A 2022-04-08 2022-04-08 一种智能购物车防损识别方法、装置、系统及存储介质 Pending CN114943574A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210367789.9A CN114943574A (zh) 2022-04-08 2022-04-08 一种智能购物车防损识别方法、装置、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210367789.9A CN114943574A (zh) 2022-04-08 2022-04-08 一种智能购物车防损识别方法、装置、系统及存储介质

Publications (1)

Publication Number Publication Date
CN114943574A true CN114943574A (zh) 2022-08-26

Family

ID=82907561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210367789.9A Pending CN114943574A (zh) 2022-04-08 2022-04-08 一种智能购物车防损识别方法、装置、系统及存储介质

Country Status (1)

Country Link
CN (1) CN114943574A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776920A (zh) * 2018-05-31 2018-11-09 常熟市百联自动机械有限公司 一种新零售超市导购方法
CN109918517A (zh) * 2019-03-15 2019-06-21 南京亿猫信息技术有限公司 一种智慧购物系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108776920A (zh) * 2018-05-31 2018-11-09 常熟市百联自动机械有限公司 一种新零售超市导购方法
CN109918517A (zh) * 2019-03-15 2019-06-21 南京亿猫信息技术有限公司 一种智慧购物系统

Similar Documents

Publication Publication Date Title
US11861584B2 (en) Self-service settlement method, apparatus and storage medium
CN106022900B (zh) 用户风险数据挖掘方法和装置
CN107767590A (zh) 物品自动识别商用条码电子秤及物品自动识别方法
CN113269935B (zh) 一种基于无屏称重装置的视觉称重方法及称重系统
US20190378180A1 (en) Method and system for generating and using vehicle pricing models
CN111178116A (zh) 无人售货方法、监控摄像机及系统
CN113487359A (zh) 基于多模态特征的商品销量预测方法、装置及相关设备
CN111861486A (zh) 异常账户识别方法、装置、设备及介质
CN108898308A (zh) 风险评估方法、装置、服务器及可读存储介质
CN115761457A (zh) 商品识别方法、装置、电子设备及计算机可读介质
CN114078299A (zh) 一种商品结算方法、装置、电子设备及介质
CN112825175A (zh) 一种客户异常预警方法、装置和设备
CN114219003A (zh) 样本生成模型的训练方法、装置及电子设备
CN114943574A (zh) 一种智能购物车防损识别方法、装置、系统及存储介质
EP3489838A1 (en) Method and apparatus for determining an association
CN115545481A (zh) 一种风险等级确定方法、装置、电子设备及存储介质
CN109976934B (zh) 设备使用异常判定方法、装置以及计算机存储介质
CN110472680B (zh) 目标分类方法、装置和计算机可读存储介质
CN113807391A (zh) 任务模型的训练方法、装置、电子设备及存储介质
CN113159727A (zh) 商品检测方法和装置、电子设备及存储介质
CN113298100A (zh) 一种数据清洗的方法、自助设备及存储介质
CN112950329A (zh) 商品动态信息生成方法、装置、设备及计算机可读介质
CN111339991A (zh) 一种人体属性识别方法及装置
CN118097519B (zh) 基于商品轨迹分析的智能购物车购物行为分析方法及系统
CN115048355B (zh) 一种识别模型的更新方法、装置、设备及介质

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

Application publication date: 20220826

RJ01 Rejection of invention patent application after publication