[发明专利]基于深度学习的识别商品方法及基于机器视觉的商品存储和识别系统

权利要求书

1.一种基于机器视觉的商品存储和识别系统，其特征在于，所述系统包括：

(1)基于二维码识别的商品所在的仓库位置的检索和更新：通过移动或固定的摄像头拍摄商品和货架的二维码，然后得到某个商品在某个货架上的信息，然后将这个信息上传到数据库.这样实现了商品库位信息的存储和更新，后端可以任意查询；

(2)基于二维码识别的展厅陈列商品属性更新：商铺经常需要修改商品属性信息，通过扫描商品的二维码，连接到手机的app商品属性页面进行录入或修改；

(3)基于商品图片识别的客户线上下单：顾客可以通过上传商品的图片，系统自动识别与输入图片相应的商品图片，客户在选择的商品上选择下单购买；

(4)基于二维码识别的客户线下展厅浏览：顾客在店铺或展厅浏览时，看到自己喜欢的商品时候，扫描该商品的二维码进入商品下单页面下单购买。

2.一种基于深度学习的识别商品方法，其特征在于，该方法包括：

获取多张带标尺的商品图像及其对应属性信息的标注，生成训练集；

对训练集通过深度学习模型训练；

对完成训练的深度学习模型，通过cosine距离进行商品识别。

3.根据权利要求2所述的基于深度学习的识别商品方法，其特征在于，该方法用于识别面料商品属性信息和尺度信息。

4.根据权利要求3所述的基于深度学习的识别商品方法，其特征在于，商品属性信息包括：面料上的花色、图案或者所述花色与所述图案的结合，面料的工艺属性、织法属性、纹理属性、面料的材质属性。

5.根据权利要求2所述的基于深度学习的识别商品方法，其特征在于：所述的尺度信息为尺子毫米格子的数目。

6.根据权利要求2所述的基于深度学习的识别商品方法，其特征在于：所述训练集通过深度学习模型进行训练包括：在原有的VGG-16模型基础上增加一个loss层，对后续层的特征根据训练需求调整，完成对所述训练集通过所述VGG-16模型的训练，其中，所述VGG-16模型包含：13个卷积层，3个全连接层和1个分类层和1个回归层。

7.根据权利要求2所述的基于深度学习的识别商品方法，其特征在于：所述对完成训练的所述深度学习模型，通过cosine距离进行商品的识别；包括：对完成训练的所述深度学习模型，通过cosine距离和近邻分类器完成所述商品的识别。