CN117315863A - 一种基于ai智能识别的物品结算收银系统 - Google Patents
一种基于ai智能识别的物品结算收银系统 Download PDFInfo
- Publication number
- CN117315863A CN117315863A CN202311300635.9A CN202311300635A CN117315863A CN 117315863 A CN117315863 A CN 117315863A CN 202311300635 A CN202311300635 A CN 202311300635A CN 117315863 A CN117315863 A CN 117315863A
- Authority
- CN
- China
- Prior art keywords
- image
- commodity
- identification
- module
- date
- 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
- 238000004519 manufacturing process Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013136 deep learning model Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012856 packing Methods 0.000 claims description 7
- 238000004064 recycling Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012015 optical character recognition Methods 0.000 claims description 3
- 238000010200 validation analysis Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- 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
-
- 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
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0036—Checkout procedures
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/12—Cash registers electronically operated
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及收银系统相关技术领域,公开了一种基于AI智能识别的物品结算收银系统,本发明放弃了传统的扫码收银方式,采用AI识别来进行收银操作,无须再寻找商品上的条码,直接通过AI识别商品的品类并进行收费,效率得到了大幅提升,也降低了操作量,提升了顾客对无人收银系统的使用意愿,并通过生产日期提取模块的设置,在进行收银的同时利用AI只能提取出商品的生产日期并与数据库进行比对,算出商品是否过期,并可以将过期的商品剔除,降低了顾客买到过期商品的概率。
Description
技术领域
本发明涉及收银系统相关技术领域,具体为一种基于AI智能识别的物品结算收银系统。
背景技术
收银系统是用于处理销售交易和支付的关键工具,它在零售业、餐饮业和其他行业中广泛使用。
传统的收银系统需要专门的员工进行收银操作,成本较高效率较低,一些自助收银系统虽然能够提高部分效率,但还是依赖传统收银的扫码方式,效率还是不足,同时还缺乏对过期商品的筛查剔除能力,难以避免顾客买到过期商品,影响信誉。
发明内容
本发明的目的在于提供一种基于AI智能识别的物品结算收银系统,以解决上述背景中所提出传统的收银系统效率较低的问题。
为实现上述目的,本发明提供如下技术方案:一种基于AI智能识别的物品结算收银系统,系统包括图像采集模块、图像处理模块、商品识别模块、生产日期提取模块、商品信息管理模块和价格计算和结算模块;
其中,所述图像采集模块用于捕捉商品的视频流,为后续的物品识别和结算提供必要的数据;
所述图像处理模块用于借助AI对采集到的商品图像进行预处理,以提高后续物品识别算法的准确性和效率;
所述商品识别模块用于识别图像中的商品,这个模块能够将商品与数据库中的库存进行匹配,以确定商品的种类和价格;
所述生产日期提取模块用于借助AI对采集到的商品图像进行信息提取识别出商品的生产日期,并与数据库中的生产日期及保质期进行比对,判断商品是否过期;
所述商品信息管理模块用于管理商品的信息,包括商品的价格、库存、描述和促销信息,它可以连接到后端数据库,以获取或更新商品信息;
所述价格计算和结算模块用于负责计算购物车中商品的总价格,并将促销、折扣和优惠券算入其中。
进一步地,所述收银系统的硬件部分包括U形收银台,所述U形收银台左侧设置有商品投放台,所述U形收银台右侧设置有商品打包台,所述商品投放台和商品打包台之间通过弧形传输带连接,所述弧形传输带中部设置有商品分拣槽,所述商品分拣槽上方两侧各安装一组CCD摄像头,所述商品分拣槽上方悬挂安装有分拣机械臂,所述商品分拣槽外侧开设有过期商品回收桶。
进一步地,所述图像采集模块的硬件部分包括CCD摄像头,所述CCD摄像头设置有两组,分别位于商品分拣槽的前后两侧,同时两组CCD摄像头具有高度差,分别位于分拣机械臂的上部和下部。
进一步地,所述分拣机械臂的执行端机械手采用柔性机械手。
进一步地,所述图像处理模块对图像进行处理的步骤包括:
S401.图像增强:图像处理模块通过对比度调整、亮度调整、直方图均衡化的方法来提高图像的质量和清晰度;
S402.去噪处理:采用去噪滤波器或者算法来降低图像中的噪声水平;
S403.颜色空间转换:将彩色图像转换为灰度图像,并将图像从RGB颜色空间转换为Lab颜色空间;
S404.形状标定:图像处理模块通过训练深度学习模型标定商品的形状,并对商品进行分割。
进一步地,所述S402中去除噪声的算法包括中值滤波算法和高斯滤波算法。
进一步地,所述S403中彩色图像转换为灰度图像的步骤包括:
S601.对于每个像素,计算其红色、绿色和蓝色通道的平均值;
S602.使用S4031中的平均值来表示灰度值,将其应用于像素的红、绿和蓝通道,使图像变为灰度。
进一步地,所述S403中将图像从RGB颜色空间转换为Lab颜色空间的步骤包括:
S701.首先,将RGB值映射到标准的RGB颜色空间范围,即0到1之间;
S702.接下来,使用矩阵运算将RGB值转换为XYZ颜色空间。
进一步地,用于识别商品的AI训练过程包括如下步骤:
S501.数据收集:利用CCD摄像头6拍摄超市所有商品不同角度、不同光照条件以及不同背景下的图像;
S502.数据标注:对数据集中的每个图像进行标注,指明图像中包含哪些商品以及它们的位置;
S503.数据预处理:对图像数据进行预处理,包括调整大小、去除噪声和增强对比度;
S504.划分数据集:将数据集划分为训练集、验证集和测试集。训练集用于训练模型,验证集用于调整模型的超参数和检测性能,测试集用于最终评估模型的性能;
S505.模型搭建:搭建深度学习模型,并使用S504中的训练集对深度学习模型进行训练。
进一步地,所述生产日期提取模块提取识别生产日期的方法包括如下步骤:
S901.区域检测:在图像采集模块采集图像信息,且图像处理模块对图像进行预处理后,利用AI来放大处理图像中包含生产日期的区域;
S902.字符识别:利用光学字符识别技术来从生产日期区域提取文本,同时将图像中的文本转化为计算机可读的字符;
S903.日期解析比对:解析提取日期信息,并验证提取的日期是否有效,排除不合理的日期,然后将日期与数据库中的生产日期信息进行比对,以确保一致性,最后计算商品是否还在保质期内。
与现有技术相比,本发明的有益效果如下:
1.本发明提出的一种基于AI智能识别的物品结算收银系统,放弃了传统的扫码收银方式,采用AI识别来进行收银操作,无需再寻找商品上的条码,直接通过AI识别商品的品类并进行收费,效率得到了大幅提升,也降低了操作量,提升了顾客对无人收银系统的使用意愿。
2.本发明提出的一种基于AI智能识别的物品结算收银系统,通过生产日期提取模块的设置,在进行收银的同时利用AI只能提取出商品的生产日期并与数据库进行比对,算出商品是否过期,并可以将过期的商品剔除,降低了顾客买到过期商品的概率。
附图说明
图1为U形收银台结构示意图;
图2为过期商品回收桶结构示意图;
图3为CCD摄像头和分拣机械臂结构示意图;
图4为系统示意图。
图中标号:1、U形收银台;2、商品投放台;3、商品打包台;4、弧形传输带;5、商品分拣槽;6、CCD摄像头;7、分拣机械臂;8、过期商品回收桶。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,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,都属于本发明保护的范围。
请参阅图4,一种基于AI智能识别的物品结算收银系统,系统包括图像采集模块、图像处理模块、商品识别模块、生产日期提取模块、商品信息管理模块和价格计算;
如图1-3所示,硬件部分包括U形收银台1,U形收银台1左侧设置有商品投放台2,U形收银台1右侧设置有商品打包台3,商品投放台2和商品打包台3之间通过弧形传输带4连接,弧形传输带4中部设置有商品分拣槽5,商品分拣槽5上方两侧各安装一组CCD摄像头6,商品分拣槽5上方悬挂安装有分拣机械臂7,商品分拣槽5外侧开设有过期商品回收桶8。
一、图像采集模块
图像采集模块用于捕捉商品的视频流,为后续的物品识别和结算提供必要的数据,如图所示,主要包括两组CCD摄像头6,CCD摄像头6位于商品分拣槽5两侧,对商品进行拍摄采集信息;
二、图像处理模块
所述图像处理模块借助AI对采集到的商品图像进行预处理,以提高后续物品识别算法的准确性和效率。预处理内容包括图像增强、去噪处理、颜色空间转换和形状标定。
1.图像增强;由于CCD摄像头6采集的图像可能受到不同因素的影响,如光线条件、噪声等。图像处理模块可以通过对比度调整、亮度调整、直方图均衡化的方法来提高图像的质量和清晰度。
2.去噪处理:采用去噪滤波器或者算法来去除图像中的噪声,包括采用像素值的中位数替代每个像素的值来去除图像中的噪声,或者用高斯函数对像素进行加权平均,以平滑图像并降低噪声。
中位数公式:
如果有一个包含n个数据点的有序数据集{x1,x2,x3,.xn},中位数M可以如下计算:
如果n为奇数,中位数M=x/2(即中间的数据点)
如果n为偶数,中位数M=(x/2+x/)/2(即中间两个数据点的平均值)
高斯函数公式:
[f(x)=\frac{1}{\sigma\sqrt{2\pi}}\cdote^{-\frac{(x-
\mu)^2}{2\sigma^2}}]
其中:
(x)是随机变量的值。
(\mu)是分布的均值(期望值),表示分布的中心位置。
(\sigma)是标准差,表示数据的分散程度。
(\pi)是圆周率(约等于3.14159)。
(e)是自然对数的底数。
3.颜色空间转换:不同的识别算法对颜色敏感,因此图像处理模块可以将图像转换到适合算法的颜色空间,如灰度和Lab色彩空间。
将彩色图像转换为灰度图像:
步骤一、对于每个像素,计算其红色(R)、绿色(G)和蓝色(B)通道的平均值。
步骤二、使用这个平均值来表示灰度值,将其应用于像素的红、绿和蓝通道,使图像变为灰度。
用数学公式表示:[Gray=\frac{R+G+B}{3}]
将图像从RGB颜色空间转换为Lab颜色空间:
步骤一、首先,将RGB值映射到标准的RGB颜色空间范围(0到1之间),因为不同设备的RGB表示方式可能有所不同。
步骤二、接下来,将RGB值转换为XYZ颜色空间,这可以使用以下矩阵运算完成:
[\begin{bmatrix}X\Y\Z\end{bmatrix}
\begin{bmatrix}0.4124&0.3576&0.1805\0.2126&0.7152&0.0722\0.0193&0.1192&0.9505\end{bmatrix}\begin{bmatrix}R\G\B\end{bmatrix}]
现在,将XYZ值转换为Lab颜色空间。这可以通过以下公式完成:
[L=116\cdotf(Y)-16][a=500\cdot[f(X)-f(Y)]][b=200\cdot[f(Y)-f(Z)]]
其中,f(Y)是一个关于Y的非线性函数,通常如下定义:
[f(Y)=\begin{cases}(Y/100)^{1/3}&\text{if}(Y/100)>0.008856\16\cdo t(Y/100)&\text{otherwise}\end{cases}]
4.形状标定:商品可能以不同的姿态出现,而且有时会出现形变,图像处理模块通过训练深度学习模型,可以实现端到端的边缘检测,尝试标定商品的形状,并对商品进行分割,以便更准确地匹配库存中的商品。
三、商品识别模块
商品识别模块是AI的核心部分,使用计算机视觉技术,如深度学习神经网络,来识别图像中的商品。这个模块能够将商品与数据库中的库存进行匹配,以确定商品的种类和价格。用于识别商品的AI训练过程包括如下步骤:
步骤一、数据收集:利用CCD摄像头6拍摄超市所有商品不同角度、不同光照条件以及不同背景下的图像。
步骤二、数据标注:对数据集中的每个图像进行标注,指明图像中包含哪些商品以及它们的位置。
步骤三、数据预处理:对图像数据进行预处理,包括调整大小、去除噪声和增强对比度。
步骤四、划分数据集:将数据集划分为训练集、验证集和测试集。训练集用于训练模型,验证集用于调整模型的超参数和检测性能,测试集用于最终评估模型的性能。
步骤五、模型搭建:搭建深度学习模型,并使用步骤四中的训练集对深度学习模型进行训练。
四、生产日期提取模块
生产日期提取模块利用AI模型来精准识别出商品的生产日期,并与数据库中的生产日期及保质期进行比对,判断商品是否过期,并利用分拣机械臂7将过期的商品分拣入过期商品回收桶8中。生产日期提取识别方法包括如下步骤:
步骤一、区域检测:在图像采集模块采集图像信息,且图像处理模块对图像进行预处理后,利用AI来放大处理图像中包含生产日期的区域。
步骤二、字符识别:利用光学字符识别技术来从生产日期区域提取文本,同时将图像中的文本转化为计算机可读的字符。
步骤三、日期解析比对:解析提取日期信息,并验证提取的日期是否有效,排除不合理的日期,然后将日期与数据库中的生产日期信息进行比对,以确保一致性,最后计算商品是否还在保质期内。
五、商品信息管理模块
商品信息管理模块用于管理商品的信息,包括商品的价格、库存、描述和促销信息,它可以连接到后端数据库,以获取或更新商品信息。
六、价格计算和结算模块
价格计算和结算模块负责计算购物车中商品的总价格,并将促销、折扣和优惠券算入其中,付款方式采用现金、信用卡或者移动支付。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于AI智能识别的物品结算收银系统,其特征在于:系统包括图像采集模块、图像处理模块、商品识别模块、生产日期提取模块、商品信息管理模块和价格计算和结算模块;
其中,所述图像采集模块用于捕捉商品的视频流,为后续的物品识别和结算提供必要的数据;
所述图像处理模块用于借助AI对采集到的商品图像进行预处理,以提高后续物品识别算法的准确性和效率;
所述商品识别模块用于识别图像中的商品,这个模块能够将商品与数据库中的库存进行匹配,以确定商品的种类和价格;
所述生产日期提取模块用于借助AI对采集到的商品图像进行信息提取识别出商品的生产日期,并与数据库中的生产日期及保质期进行比对,判断商品是否过期;
所述商品信息管理模块用于管理商品的信息,包括商品的价格、库存、描述和促销信息,它可以连接到后端数据库,以获取或更新商品信息;
所述价格计算和结算模块用于负责计算购物车中商品的总价格,并将促销、折扣和优惠券算入其中。
2.如权利要求1所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述收银系统的硬件部分包括U形收银台(1),所述U形收银台(1)左侧设置有商品投放台(2),所述U形收银台(1)右侧设置有商品打包台(3),所述商品投放台(2)和商品打包台(3)之间通过弧形传输带(4)连接,所述弧形传输带(4)中部设置有商品分拣槽(5),所述商品分拣槽(5)上方两侧各安装一组CCD摄像头(6),所述商品分拣槽(5)上方悬挂安装有分拣机械臂(7),所述商品分拣槽(5)外侧开设有过期商品回收桶(8)。
3.如权利要求2所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述图像采集模块的硬件部分包括CCD摄像头(6),所述CCD摄像头(6)设置有两组,分别位于商品分拣槽(5)的前后两侧,同时两组CCD摄像头(6)具有高度差,分别位于分拣机械臂(7)的上部和下部。
4.如权利要求2所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述分拣机械臂(7)的执行端机械手采用柔性机械手。
5.如权利要求1所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述图像处理模块对图像进行处理的步骤包括:
S401.图像增强:图像处理模块通过对比度调整、亮度调整、直方图均衡化的方法来提高图像的质量和清晰度;
S402.去噪处理:采用去噪滤波器或者算法来降低图像中的噪声水平;
S403.颜色空间转换:将彩色图像转换为灰度图像,并将图像从RGB颜色空间转换为Lab颜色空间;
S404.形状标定:图像处理模块通过训练深度学习模型标定商品的形状,并对商品进行分割。
6.如权利要求4所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述S402中去除噪声的算法包括中值滤波算法和高斯滤波算法。
7.如权利要求4所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述S403中彩色图像转换为灰度图像的步骤包括:
S601.对于每个像素,计算其红色(R)、绿色(G)和蓝色(B)通道的平均值;
S602.使用S4031中的平均值来表示灰度值,将其应用于像素的红、绿和蓝通道,使图像变为灰度。
8.如权利要求4所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述S403中将图像从RGB颜色空间转换为Lab颜色空间的步骤包括:
S701.首先,将RGB值映射到标准的RGB颜色空间范围,即0到1之间;
S702.接下来,使用矩阵运算将RGB值转换为XYZ颜色空间。
9.如权利要求1所述的一种基于AI智能识别的物品结算收银系统,其特征在于:用于识别商品的AI训练过程包括如下步骤:
S501.数据收集:利用CCD摄像头6拍摄超市所有商品不同角度、不同光照条件以及不同背景下的图像;
S502.数据标注:对数据集中的每个图像进行标注,指明图像中包含哪些商品以及它们的位置;
S503.数据预处理:对图像数据进行预处理,包括调整大小、去除噪声和增强对比度;
S504.划分数据集:将数据集划分为训练集、验证集和测试集。训练集用于训练模型,验证集用于调整模型的超参数和检测性能,测试集用于最终评估模型的性能;
S505.模型搭建:搭建深度学习模型,并使用S504中的训练集对深度学习模型进行训练。
10.如权利要求1所述的一种基于AI智能识别的物品结算收银系统,其特征在于:所述生产日期提取模块提取识别生产日期的方法包括如下步骤:
S901.区域检测:在图像采集模块采集图像信息,且图像处理模块对图像进行预处理后,利用AI来放大处理图像中包含生产日期的区域;
S902.字符识别:利用光学字符识别技术来从生产日期区域提取文本,同时将图像中的文本转化为计算机可读的字符;
S903.日期解析比对:解析提取日期信息,并验证提取的日期是否有效,排除不合理的日期,然后将日期与数据库中的生产日期信息进行比对,以确保一致性,最后计算商品是否还在保质期内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300635.9A CN117315863A (zh) | 2023-10-08 | 2023-10-08 | 一种基于ai智能识别的物品结算收银系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311300635.9A CN117315863A (zh) | 2023-10-08 | 2023-10-08 | 一种基于ai智能识别的物品结算收银系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117315863A true CN117315863A (zh) | 2023-12-29 |
Family
ID=89288083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311300635.9A Pending CN117315863A (zh) | 2023-10-08 | 2023-10-08 | 一种基于ai智能识别的物品结算收银系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315863A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117933984A (zh) * | 2024-01-24 | 2024-04-26 | 广州朝吮科技有限公司 | 基于分帧管理的自动计费系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106821694A (zh) * | 2017-01-18 | 2017-06-13 | 西南大学 | 一种基于智能手机的移动导盲系统 |
JP2017220143A (ja) * | 2016-06-10 | 2017-12-14 | シャープ株式会社 | 情報通信端末、商品精算用サーバー、商品精算システム、商品特定方法、商品精算方法、購入商品管理方法及びプログラム |
CN109003155A (zh) * | 2018-06-19 | 2018-12-14 | 杭州创匠信息科技有限公司 | 无人售货系统和方法 |
CN112330891A (zh) * | 2019-07-20 | 2021-02-05 | 东莞理工学院 | 一种人工智能超市收银系统 |
CN116562959A (zh) * | 2023-04-11 | 2023-08-08 | 广州瀚信通信科技股份有限公司 | 一种基于保质期的商品结算方法、装置、设备及存储介质 |
-
2023
- 2023-10-08 CN CN202311300635.9A patent/CN117315863A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017220143A (ja) * | 2016-06-10 | 2017-12-14 | シャープ株式会社 | 情報通信端末、商品精算用サーバー、商品精算システム、商品特定方法、商品精算方法、購入商品管理方法及びプログラム |
CN106821694A (zh) * | 2017-01-18 | 2017-06-13 | 西南大学 | 一种基于智能手机的移动导盲系统 |
CN109003155A (zh) * | 2018-06-19 | 2018-12-14 | 杭州创匠信息科技有限公司 | 无人售货系统和方法 |
CN112330891A (zh) * | 2019-07-20 | 2021-02-05 | 东莞理工学院 | 一种人工智能超市收银系统 |
CN116562959A (zh) * | 2023-04-11 | 2023-08-08 | 广州瀚信通信科技股份有限公司 | 一种基于保质期的商品结算方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117933984A (zh) * | 2024-01-24 | 2024-04-26 | 广州朝吮科技有限公司 | 基于分帧管理的自动计费系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2708422C1 (ru) | Способ и система управления банкоматами | |
US11403839B2 (en) | Commodity detection terminal, commodity detection method, system, computer device, and computer readable medium | |
CN107767590A (zh) | 物品自动识别商用条码电子秤及物品自动识别方法 | |
CN108320404A (zh) | 基于神经网络的商品识别方法、装置、自助收银台 | |
CN103593670B (zh) | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 | |
CN104463167A (zh) | 一种餐厅自动结算方法及系统 | |
CN109550712A (zh) | 一种化纤丝尾丝外观缺陷检测系统及方法 | |
CN111325146B (zh) | 一种货车车型和轴型识别方法和系统 | |
MXPA02001474A (es) | Metodo y dispositivo para reconocimiento de articulos. | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算系统 | |
CN117315863A (zh) | 一种基于ai智能识别的物品结算收银系统 | |
CN103208156A (zh) | 一种餐饮自动结算系统和方法 | |
US20180039841A1 (en) | Object Recognition for Bottom of Basket Detection | |
CN110348293B (zh) | 一种商品识别方法及系统 | |
CN108932449B (zh) | 一种基于聚类的条码二值化方法及系统 | |
CN115272652A (zh) | 基于多元回归和自适应焦点损失的密集物体图像检测方法 | |
CN113033706B (zh) | 基于视觉检测和重识别的多源两阶段菜品识别方法 | |
CN113688821B (zh) | 一种基于深度学习的ocr文字识别方法 | |
CN109345733A (zh) | 智能秤的计价方法及系统 | |
CN113298137A (zh) | 一种基于局部相似度数据引力的高光谱影像分类方法 | |
CN116109577A (zh) | 一种印刷标签缺陷检测系统及方法 | |
CN111507177B (zh) | 一种用于计量周转柜的识别方法及装置 | |
CN110378299B (zh) | 一种室内灯光条件下的衣着识别系统 | |
CN115661822A (zh) | 一种用于输送机的远程控制系统及方法 | |
CN112818802B (zh) | 一种银行柜台人员举手识别方法及系统 |
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 |