[发明专利]智能化售货系统及其售货方法在审

专利信息
申请号: 201810556513.9 申请日: 2018-06-01
公开(公告)号: CN108961559A 公开(公告)日: 2018-12-07
发明(设计)人: 彭俊航 申请(专利权)人: 深圳市智衣酷科技有限公司
主分类号: G07F11/62 分类号: G07F11/62;G06Q30/06
代理公司: 深圳市中科创为专利代理有限公司 44384 代理人: 梁炎芳;谢亮
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 自动售货装置 剩余商品 后台服务器 模型服务器 静态图片 实时动态 售货系统 智能化 继电器 视频 学习 生物识别单元 购物流程 商品识别 商品信息 摄像单元 数据处理 信息计算 用户信息 购物 柜门 解锁 锁扣 采集 场景 智能 分析 网络 管理
【权利要求书】:

1.一种智能化售货系统,其特征在于,该系统包括:自动售货装置、后台服务器以及深度学习模型服务器,所述自动售货装置通过网络与所述后台服务器、所述深度学习模型服务器连接;

所述自动售货装置包括:控制单元,用于进行数据处理及管理;生物识别单元,用户获取用户信息并将获取的用户信息发送至控制单元;拍摄单元,用于采集所述柜体本次剩余商品的静态图片或用户购物的实时动态视频,并将采集的静态图片或实时动态视频发送至控制单元;继电器锁,用于锁扣或解锁自动售货装置的柜门;

深度学习模型服务器,用于接收控制单元发送的静态图片或实时动态视频;所述深度学习模型服务器内设有第一深度学习模型,用于对静态图片或实时动态视频中的商品信息进行识别,并将识别的商品信息发送至控制单元;

或将第一深度学习模型部署在控制单元内,控制单元通过第一深度学习模型对静态图片或者实时动态视频中的商品信息进行识别;

后台服务器,用于将本次剩余商品的商品信息和上次剩余商品的商品信息进行对比,计算缺少商品的商品信息并将缺少商品的商品信息发送至控制单元;

所述控制单元还用于判断所述用户信息是否能通过验证,如果能,则将开门指令发送给继电器锁,使继电器锁解锁并打开柜门;所述控制单元还用于根据缺少商品的商品信息生成对应的购物订单,并通过后台服务器将所述购物订单发送至与用户终端。

2.如权利要求1所述的智能化售货系统,其特征在于,所述生物识别单元包括:人脸识别器、指纹识别器以及虹膜识别器。

3.如权利要求1所述的智能化售货系统,其特征在于,所述摄像单元为大广角摄像头。

4.如权利要求3所述的智能化售货系统,其特征在于,所述摄像单元为高清摄像头。

5.如权利要求1-4任一项所述的智能化售货系统,其特征在于,所述深度学习模型服务器设有第二深度学习模型,用于分析用户的购物操作,判断用户购物操作的合法性,并将判断结果发送至控制单元;

或将第二深度学习模型部署在控制单元,控制单元通过所述第二深度学习模型分析用户的购物操作,判断用户购物操作的合法性,并生成对应的判断结果;

所述自动售货装置包括警告提示器,用于根据第二深度学习模型的判断结果生成并发出提示信息。

6.一种智能化售货系统的售货方法,其特征在于,所述售货方法包括如下步骤:

S1,采集用户信息;

S2,判断所述用户信息是否能通过验证,如果能,则发送开门指令给自动售货装置的继电器锁,使继电器锁解锁并打开柜门;

S3,若继电器锁的触发器接收碰撞,发送关门信号给自动售货装置的控制单元,控制单元根据关门信号发送锁门指令给继电器锁,继电器锁锁门;

S4,采集自动售货装置内本次剩余商品的静态图片或者用户购物的实时动态视频;

S5,通过第一深度学习模型分析本次剩余商品的静态图片,识别本次剩余商品的商品信息;或通过第一深度学习模型分析用户购物的实时动态视频,计算用户取出商品的商品信息,跳转至步骤S7;

S6,根据本次剩余商品的商品信息和上次剩余商品的商品信息,计算缺少商品的商品信息;

S7,根据缺少商品信息或取出商品的信息生成对应的电子购物订单,并将所述电子购物订单发送至与用户终端。

7.如权利要求6所述的智能化售货系统,其特征在于,在步骤S1中,所述用户信息包括:人脸信息、指纹信息以及虹膜信息。

8.如权利要求6所述的智能化售货系统的售货方法,其特征在于,在步骤S4中,采集自动售货装置内本次剩余商品的静态图片或者用户购物的动态视频后,还包括分析用户的购物操作,判断用户购物操作的合法性并生成判断结果,并根据判断结果发送提示信息给用户。

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深圳市智衣酷科技有限公司,未经深圳市智衣酷科技有限公司许可,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/201810556513.9/1.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