[实用新型]商品信息采集系统有效

专利信息
申请号: 201822174140.7 申请日: 2018-12-24
公开(公告)号: CN210493544U 公开(公告)日: 2020-05-12
发明(设计)人: 翟建光;李佳;李新;李昊旻;黄鑫 申请(专利权)人: 青岛海信智能商用系统股份有限公司
主分类号: A47F9/00 分类号: A47F9/00;A47F10/02
代理公司: 北京中博世达专利商标代理有限公司 11274 代理人: 申健
地址: 266071 山东省青*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 商品信息 采集 系统
【说明书】:

实用新型公开了一种商品信息采集系统,涉及商品包装识别技术领域,尤其涉及商品图像信息采集技术领域,本实用新型建立了一种能够获取商品全方位多角度图像信息的商品信息采集系统。所述商品信息采集系统,包括第一置物台和第二置物台,第一置物台用于放置待采集商品,第二置物台上设置有朝向所述待采集商品的拍摄设备,第一置物台自身可以旋转或者第二置物台可以绕第一置物台旋转。本实用新型用于商品的图像信息采集。

技术领域

本实用新型涉及包装识别技术领域,尤其涉及商品图像信息采集技术领域。

背景技术

近年来,无人商店发展迅速,商品的信息识别也变得越来越重要了,大多数无人商店采用的商品识别手段大体分为两种,一是条形码识别,另一种是RFID(Radio FrequencyIdentification,无线射频识别)识别,但是现有的两种识别方式都存在较为明显的不足,条形码识别需要顾客自己找到条形码进行扫描,RFID识别成本较高,为了解决上诉问题,很多企业和厂商将商品识别方式转向商品的包装识别。商品的包装种类繁多,并且没有固定的特征,用传统的识别算法很难实现商品的包装识别。

深度学习是机器学习中一种基于对数据进行表征学习的方法,其本质是用来解决可统计但不可推理的问题,而包装识别恰巧是一种可统计但不可推理的识别技术,因此包装识别技术需要建立在深度学习的基础之上。

包装识别中的深度学习过程是机器对商品包装的图像信息进行大量学习训练的过程,需要有大量完备的商品图像信息供机器进行深度学习训练。因此,深度学习需要收集大量的全方位多角度的商品图像信息,全方位多角度的商品图像信息是指商品的各个方向的多个角度的图像信息,因此建立一种能够获取商品全方位多角度的商品信息采集系统尤为关键。

实用新型内容

本实用新型提供了一种商品信息采集系统,可以获取商品全方位多角度的商品图像信息,为商品的包装识别技术提供深度学习所需的商品图像信息。

为建立上述的商品信息采集系统,本实用新型实施例采用如下技术方案:

一种商品信息采集系统,包括第一置物台和第二置物台,第一置物台用于放置待采集商品,第二置物台设置有朝向待采集商品的拍摄设备,第一置物台自身可旋转或者第二置物台可绕第一置物台旋转。

一种商品信息采集系统,包括第一置物台和第二置物台,第一置物台用于放置待采集商品,第二置物台设置有朝向所述待采集商品的拍摄设备,将拍摄设备朝向待采集商品可以使拍摄设备准确的采集到待采集商品的图像信息。为了采集到待采集商品的全方位多角度的图像信息,放置待采集商品的第一置物台可以旋转;或者,放置待采集商品的第一置物台固定,安装拍摄设备的第二置物台可以绕着放置待采集商品的第一置物台进行旋转;在待采集商品和拍摄设备相对旋转过程中,拍摄设备每隔一定角度对待采集商品进行一次图像信息采集,从而获取待采集商品的全方位多角度的商品图像信息。

附图说明

为了更清楚地说明本实用新型实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本实用新型的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1为本实用新型的商品信息采集系统的系统组成示意图;

图2为本实用新型的商品信息采集系统的商品信息采集方法流程图;

图3为本实用新型商品的信息采集系统的支架为半圆形结构的系统组成示意图;

图4为本实用新型的商品信息采集系统的带有信息存储设备的系统组成示意图;

图5为本实用新型的商品信息采集系统的拍摄设备绕着待采集商品旋转的系统组成示意图。

附图标记:

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青岛海信智能商用系统股份有限公司,未经青岛海信智能商用系统股份有限公司许可,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/201822174140.7/2.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