[发明专利]一种人工智能超市结账系统

权利要求书

1.一种人工智能超市结账系统，其特征是，包括：商品结算区，包括传送带、商品条码提取模块、价格显示模块和结算模块，

所述传送带，用于供用户将购买的商品放置到其上，所述传送带将商品传送到所述商品条码提取模块的工作区域，并在所述商品条码提取模块提取完商品条码后将商品传输到商品整理区；所述商品条码提取模块提取商品的条码信息，并将获取的条码信息发送到价格显示模块；所述价格显示模块根据接收的条码信息显示商品信息及商品的价格，并将各个商品的价格相加显示最终的总价格及统计结算商品数量；所述结算模块通过扫描装置获取用户出示的付款码，完成商品的结算；

所述商品整理区，用于存放由所述传送带传送过来的商品，其上设置有闸门，所述闸门当用户完成商品结算后开启；

所述商品条码提取模块为全方位立体式条码扫描装置；

所述商品整理区中还设置有摄像头，以及和所述摄像头连接的数据处理终端；所述摄像头获取所述商品整理区中存放的商品图像，将获取的图像发送到数据处理终端；

所述数据处理终端应用人工智能学习算法对所述商品图像进行图像识别并获取所述商品图像中商品的数量，发送到管理终端；

所述管理终端与所述结算模块连接，用于将所述商品图像中商品的数量和所述结算商品数量进行比较，若数量一致，则发送操作指令到所述结算模块控制启动扫描装置；若数量不一致，则发出警报信息；

所述数据处理终端，应用人工智能学习算法对所述商品图像进行图像识别并获取所述商品图像中商品的数量，具体包括：

(1)对获取的商品图像进行预处理，所述预处理包括对所述商品图像进行灰度变化，获取商品灰度图像；对所述商品灰度图像进行增强处理，获取商品增强图像；对所述商品增强图像进行二值化处理，获取二值化商品图像作为预处理后的商品图像；

(2)对所述预处理后的商品图像进行特征提取处理，获取该图像的特征参数；其中所述特征提取处理包括采用小波包主成分分析进行特征参数提取；

(3)利用神经网络模型对所述图像的特征参数进行分析，得到所述商品图像中商品的数量，其中所述神经网络模型根据预先录入商品图像利用深度学习算法训练所得；

所述数据处理终端中，对获取的商品图像进行预处理，所述预处理包括对所述商品灰度图像进行增强处理，获取商品增强图像，具体包括：

(1)初始化迭代次数k＝0，迭代步长s’；

(2)对商品灰度图像进行增强处理，其中采用的自定义增强函数为：

式中，S^k+1和S^k分别表示k+1和k次迭代增强处理时的商品灰度图像，Y表示分窗口数，其中窗口大小为α×α，图像大小为m×n，则Y＝(m-α+1)×(n-α+1)，U^k表示当前时刻二阶偏微分模型的切向扩散函数，其中，Y(S(y)^k)表示k次迭代时第y窗口内的归一化直方图，M(y)_max和M(y)_min分别表示第y窗口内的最大灰度值和最小灰度值，s’表示迭代步长，0＜s′≤1，R₁表示切向平滑调节因子，R₂表示增强比例系数；U_x和U_y分别表示偏导数的向前和向后差分值，U_xx、U_xy、U_yy分别表示二阶偏导数的有限差分近似值，R表示调节因子，表示图像梯度向量，v表示设定的边缘调节因子，θ表示设定的灰度影响因子；

(3)更新迭代次数k＝k+1，若迭代次数大于设定的最大迭代次数，则输出S^k作为所述商品增强图像X_z；否则，返回(2)作进一步处理；

所述数据处理终端中，对获取的商品图像进行预处理，所述预处理包括对所述商品增强图像进行二值化处理，获取二值化商品图像作为预处理后的商品图像，具体包括：

对所述商品增强图像X_z像进行灰度调节处理，其中，采用的灰度调节函数为：

式中，Q(m，n)表示所述商品增强图像X_z中像素点(m，n)的灰度值，q_s表示设定的图像像素均值调节参数，T_s表示设定的图像像素方差调节参数，表示商品增强图像X_z中所有像素点的灰度均值，T表示商品增强图像中所有像素点的灰度方差，Q′(m，n)表示灰度调节后的商品增强图像像素点(m，n)灰度值；

对灰度调节处理后的图像进行二值化处理，获取二值化商品增强图像，其中采用的自定义二值化函数为：

式中，E(m，n)表示二值化处理后二值化商品增强图像中像素点(m，n)的灰度值，Q′(m，n)表示灰度调节后的商品增强图像中像素点(m，n)灰度值，P(m，n)表示自适应判断阈值，其中，z表示设定标准差动态因子，σ表示设定的调节阈值调节因子，q(x，y)表示以像素点(m，n)为中心的γ×γ邻域内的像素点(x，y)的灰度值，e(m，n)表示以像素点(m，n)为中心的γ×γ邻域内的像素点的灰度均值。