[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

说明书

本发明涉及计算机机器视觉和深度学习技术领域，特别是涉及基于二维码识别的海量商品的快速定位和检索和基于深度学习的准确的面料识别方法。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；(2)基于二维码识别的展厅陈列商品属性更新；(3)基于商品图片识别的客户线上下单。本发明具备以下有益效果：该识别系统能对面料的属性进行识别；对于不同尺度的同一图案检索的成功率高。

技术领域

本发明涉及计算机机器视觉和深度学习技术领域，特别是涉及基于二维码识别的海量商品的快速定位和检索和基于深度学习的准确的面料识别方法。

背景技术

仓库，便利店，无人超市中的商品的快速定位和查询是非常重要的，尤其当商品的种类是海量的时候，这种需求就会格外强烈.现在市面上的大多店铺还是靠人工清点，这大大的增加了企业的运营成本，而且人工清点很容易引入错误.另一种常用的方式是使用电子标签技术.电子标签技术大大降低了清点的错误率，但如果每个单品都使用电子标签，会造成运营成本的压力非常大.业界也一直在寻找低成本，高效的解决方案。

布料的图案识别和属性识别有着广泛的应用,它可以帮助商家及终端用户准确而方便地识别面料属性,可以帮助线上平台做准确的面料检索。市场上应用图像识别技术对面料进行识别的产品还非常少见。目前市面上唯一一款使用图像识别技术进行面料识别的产品有两个缺点：(1)只能对面料上的图案进行识别,无法对面料的属性(材质,工艺等)进行识别；(2)对于不同尺度的同一图案(同一图案在不同图片中大小不同)检索的成功率低.目前市面上还没有能够同时解决这两个缺点的方案。

人工神经网络(深度学习)是目前最有效的图像识别的方法.传统的人工设计的图像描述子(如SIFT,HOG,LBP等)是对图像的分布做出各种假设，但这些假设在实践中通常无法满足.但深度学习的方法是从数据中学习到有鉴别性的非线性特征，是从数学中学习到图像的分布.而且分布的复杂性可以通过网络的深度来调整.尽管深度学习功能强大，但目前还没有针对布料识别的尺度问题进行精妙的设计.

综上所述，如何给用户提供低成本且准确的海量商品定位和检索功能，如何实现不同尺度的布料图案和属性的检索是亟待解决的问题。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种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，解决了现有只能对面料上的图案进行识别；检索的成功率低的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于机器视觉的商品存储和识别系统，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，系统自动检索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。

本发明的另一个目的是克服同一图案，不同尺度的匹配困难.数据采集。通过以下方案实现。

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；