[发明专利]一种散装物品节能自动识别称重结算方法及系统在审

专利信息
申请号: 201810516520.6 申请日: 2018-05-25
公开(公告)号: CN108806132A 公开(公告)日: 2018-11-13
发明(设计)人: 王月斌 申请(专利权)人: 合肥达户电线电缆科技有限公司
主分类号: G07G1/12 分类号: G07G1/12;G01G19/40;G06K9/00
代理公司: 合肥道正企智知识产权代理有限公司 34130 代理人: 吴琼
地址: 230000 安徽省合肥市经济技术开发区*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 散装物品 自动识别 称重 结算 图像数据采集模块 图像数据处理模块 节能 人工干预模块 采集数据 超市商场 称重模块 存储模块 费用结算 结算数据 结算效率 快速处理 匹配模块 生成模块 时间成本 数据匹配 图像数据 现实操作 预存数据 数据处理 识别率 智能化 称量 顾客 应用
【权利要求书】:

1.一种散装物品节能自动识别称重结算方法,其特征在于,包括以下步骤:

S1、预存储各散装物品三维图像数据以及与之对应的单价数据P,并对散装物品三维图像数据利用图像识别算法提取包括颜色特征、纹理特征、形状特征在内的图像特征数据,形成散装物品数据库;

S2、当有物品通过时触发识别结算服务,采集待称重散装物品三维图像数据,对采集的图像数据进行包括缩放、增强对比度、降低噪声在内的图像预处理;

S3、在采集待称重散装物品三维图像数据的同时称量其重量,得到散装物品重量数据G待用;

S4、用相同的图像识别算法对S2中预处理后的图像数据进行图像特征数据提取,并将提取图像特征数据与S1中预存储的各散装物品所提取的对应图像特征数据进行数据匹配比较,再将匹配后的数据D进行冒泡算法排序,得到最大的匹配数据D作为数据匹配度M;

其中数据D的计算公式为:D=X1S+X2B+X3E,其中,S代表颜色特征得分,B纹理特征得分,E代表形状特征得分,X1、X2和X3分别代表颜色特征、纹理特征和形状特征的权重;并通过遗传算法计算出X1、X2和X3的最佳取值以及绝对参考阈值Y和可参考阈值T的最优值;

S5、若数据匹配度M大于等于预设的绝对参考阈值Y,则将该匹配度关联的预存储散装物品对应的单价数据P与重量数据G相乘得到结算数据R;

若数据匹配度M小于绝对参考阈值Y且大于等于可参考阈值T,则触发人工鉴定服务,同时将S4中匹配数据值排名前三的预存储装物品三维视图以及待称重散装物品三维图像数据传送至人工鉴定终端等待确定,当预定时间内接收到反馈回的人工鉴定的结果,则将结果关联的预存储散装物品对应的单价数据P与重量数据G相乘得到结算数据R,当预定时间内没有接收到反馈结果,则触发人工现场鉴定服务,发送位置代码至人工现场服务终端,等待现场确定待称重散装物品单价数据P,再将单价数据P与重量数据G相乘得到结算数据R;

若数据匹配度M小于可参考阈值T,则触发人工现场鉴定服务,发送位置代码至人工现场服务终端,等待现场确定待称重散装物品单价数据P,再将单价数据P与重量数据G相乘得到结算数据R;

S6、将结算数据R传输到顾客支付系统,根据授权类别等待顾客选择支付方式或者直接扣款,同时将付款信息和物品信息实时向顾客展示。

2.根据权利要求1所述的一种散装物品节能自动识别称重结算方法,其特征在于,所述图像识别算法为FastICA算法、基于OpenCV函数库的算法和SVM算法中的一种。

3.根据权利要求1所述的一种散装物品节能自动识别称重结算方法,其特征在于,在步骤S4中还包括:当同一批次待称重散装物品中有某个或多个物品提取的图像特征数据与该批次待称重散装物品提取的图像特征数据偏离值超过预定阈值时,判定为异常情况,并触发人工现场鉴定服务,等待人工现场鉴定。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥达户电线电缆科技有限公司,未经合肥达户电线电缆科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810516520.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top