[发明专利]基于视觉的商品识别检测方法及装置

权利要求书

1.一种基于视觉的商品识别检测方法，其特征在于，所述方法包括：

采集样本商品的图像；

根据预设样本商品的商品信息，在所述图像中对所述样本商品进行标注；

将标注后的所述图像通过CNN神经网络进行深度学习，得到所述样本商品的商品特征模型；

将所述商品特征模型发送至预设商品识别终端；以及

所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息。

2.根据权利要求1所述的商品识别检测方法，其特征在于，所述采集样本商品的图像包括：

通过图像采集装置对所述样本商品进行图像信息采集，其中，所述样本商品的摆放状态为售卖时的实际摆放状态。

3.根据权利要求1所述的商品识别检测方法，其特征在于，所述商品信息包括：商品材质、商品颜色、商品形状、商品尺寸、商品品牌、商品类型、商品类别、商品名称和光照度中的至少一种。

4.根据权利要求1所述的商品识别检测方法，其特征在于，所述在图像中对所述样本商品进行标注之后，将标注后的所述图像通过CNN神经网络进行深度学习之前包括：

将标注后的所述样本商品的商品信息的数据格式转换为对应的能够进行CNN神经网络训练的数据格式。

5.根据权利要求1所述的商品识别检测方法，其特征在于，所述将标注后的所述图像通过CNN神经网络进行深度学习，得到所述样本商品的商品特征模型包括：

对所述图像进行RCNN神经网络训练，得到训练数据与真实数据数据的误差值的误差值；

对所述误差值进行纠正操作；

判断纠正后的当前所述误差值是否达到预设目标值；以及

如果判定纠正后的当前所述误差值达到预设目标值，则结束训练，得到所述样本商品的商品特征模型。

6.根据权利要求1所述的商品识别检测方法，其特征在于，所述将商品特征模型发送至预设商品识别终端包括：

判断所述商品特征模型与所述预设商品识别终端上当前的商品特征模型是否相同；

如果所述商品特征模型与所述预设商品识别终端上当前的商品特征模型不同，则将所述商品特征模型发送至所述预设商品识别终端。

7.根据权利要求1所述的商品识别检测方法，其特征在于，所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息之前包括：

将第三方商品特征模型按照所述商品特征模型的数据格式进行格式转化；

将转化后的所述第三方商品特征模型发送至预设商品识别终端。

8.根据权利要求1所述的商品识别检测方法，其特征在于，所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息包括：

判断所述目标商品的图像信息与所述商品特征模型的相似概率数值是否达到预设可识别概率数值；

如果判定所述目标商品的图像信息与所述商品特征模型的相似概率数值达到预设可识别概率数值，则得到所述目标商品的商品信息。

9.一种基于视觉的商品识别检测装置，其特征在于，包括：

样本商品图像采集单元，用于采集样本商品的图像；

样本商品图像标注单元，用于根据预设样本商品的商品信息，在所述图像中对所述样本商品进行标注；

商品特征模型获取单元，用于将标注后的所述图像通过CNN神经网络进行深度学习，得到所述样本商品的商品特征模型；

商品特征模型发送单元，用于将所述商品特征模型发送至预设商品识别终端；以及

目标商品识别单元，用于所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息。

10.根据权利要求9所述的商品识别检测装置，其特征在于，所述商品特征模型获取单元包括：

训练误差值获取模块，用于对所述图像进行RCNN神经网络训练，得到训练数据与真实数据的误差值；

训练误差值纠正模块，用于对所述误差值进行纠正操作；

训练误差值判断模块，用于判断纠正后的当前所述误差值是否达到预设目标值；以及

特征模型获取模块，用于如果判定纠正后的当前所述误差值达到预设目标值，则结束训练，得到所述样本商品的商品特征模型。