[发明专利]智能货架系统及其控制方法

权利要求书

1.一种智能货架系统，其包括：

多个能够被放置在不同物理位置的智能货架；

其中，每个货架包括

智能门锁；该智能门锁的解锁方式能够将特定的用户移动装置与货物销售活动相联系；并且将在用户关闭门锁后触发支付货款程序；

一个或多个受控货物存放装置；

货架控制器；用于获取所取得货物的产品类别、价格、以及数量的信息，记录并通过网络将所述信息传输到云端货物识别器，同时更新云端货物识别器中的产品类别及数量信息；云端货物识别器，通过深度学习技术训练模型识别各种产品，并同步所述货架控制器，以识别新产品；

所述货架控制器预先存储大量的货物信息，当新货品被更新到智能货架中时，所述云端货物识别器在云端接受所述新货品的数据，识别所述新产品，并同步更新控制货架控制器中的信息，当新产品被用户取走时，所述货架控制器会直接将新产品的种类、数量与价格信息反馈到用户的移动设备端；

编码模块，将所获得的图像和/或视频转化为图像的二进制编码图；

卷积模块，利用卷积神经网络（“CNN”）对所述二进制编码图进行学习，CNN是由一个或多个卷积层和顶端的对应经典的神经网络的全连接层组成，同时也包括关联权重和池化层（pooling layer）；所述卷积神经网络的人工神经元响应一部分覆盖范围内的周围单元；卷积神经网络中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法最佳化得到的，通过卷积运算提取输入货物产品类别信息的不同特征，多层卷积网路能从低层卷积中获得的低级特征中迭代提取复杂的特征，从而获得特征图；进一步采用最大池化(Max pooling)方式，利用同形式的非线性池化函数，对特征图进行形式的降采样，将输入的图像划分为若干个矩形区域，对每个子区域输出最大值；将获得降维的特征图生成压平层（Flatten），即将二维图片的输入一维化，生成一维阵列，进一步实现从卷积层到全连接层（fully connection）的过渡；

识别模块，经过云端货物识别器模块对神经网络模型的训练，在全连接层中对信息进行分类，当神经元被激活时，识别出某一商品、品牌与数量；在同一层的神经元未被激活时，判断所述一维阵列中不包含某种商品或者不包含某一品牌的商品。

2.如权利要求1所述的智能货架系统，还包括

本地货物感知装置；用于获得货物增加或减少的数量与类别的信息。

3.如权利要求1所述的智能货架系统，其中所述货架控制器为智能产品识别专用芯片；所述云端货物识别器为云端AI训练引擎。

4.如权利要求2所述的智能货架系统，其中所述的本地货物感知装置为摄像头，用于获得智能货架上所展示商品的图像和/或视频，或智能货架上所增减的商品的图像和/或视频。

5.如权利要求2所述的智能货架系统，其中所述的本地货物感知装置为压力传感器；用于感知货物的增加或减少。

6.如权利要求1所述的智能货架系统，其还包括：

温度控制装置；和/或照明装置；和/或触摸式控制屏与广告展示装置。

7.如权利要求1－6任何一个所述的智能货架系统，还包括

显示及闭锁模块，将本次货物销售活动所涉及的金额、类型及数量在用户移动设备中展示出来；并且用户把智能门锁关闭后,将通过移动设备或者现金或者其他能够被所述智能货架系统所接受的支付方式支付本次货物销售所需支付的费用。