[发明专利]用于饮料柜图像识别的方法及装置、设备

权利要求书

1.一种用于饮料柜图像识别的方法，其特征在于，包括：

获取饮料柜的至少两张饮料图像；

对每张所述饮料图像进行图像检测，检测出每张所述饮料图像中饮料柜隔层位置信息以及每层饮料的尺寸信息；

根据所述饮料柜隔层位置信息以及所述每层饮料的尺寸信息，对每张所述饮料图像进行拼接处理，得到待识别图形；

基于深度学习算法，识别出所述待识别图形中的饮料信息。

2.根据权利要求1所述的方法，其特征在于，所述对每张所述饮料图像进行图像检测包括：

对每张所述饮料图像进行包括图像畸变矫正的图像预处理，得到对应的预处理图像；

基于深度学习目标检测算法，对每张所述预处理图像进行检测，得到每张所述预处理图像中饮料柜隔层位置信息以及每层饮料的尺寸信息。

3.根据权利要求2所述的方法，其特征在于，所述对每张所述饮料图像进行包括图像畸变矫正的图像预处理包括：

确定当前饮料图像中设定图像像素的畸变坐标(x″，y″)；

通过公式(1)，确定所述当前饮料图像中设定图像像素与所述畸变坐标对应的畸变矫正坐标(x′，y′)；

根据每个所述畸变矫正坐标(x′，y′)，生成对应的当前预处理图像；

其中，r²＝x′+y′，为径向畸变系数，2p₂x′y′+p₁(r²+2y′²)为切向畸变系数；

k₁～k₆为径向畸变参数，p₁，p₂为切向畸变参数，s₁，s₂为图像采集设备的薄棱镜畸变参数。

4.根据权利要求2所述的方法，其特征在于，所述基于目标检测算法，对每张所述预处理图像进行检测包括：

将归一化处理后的当前预处理图像，输入VGG16卷积神经网络进行处理，得到当前特征图像；

根据Faster RCNN算法，得到所述当前特征图像的检测框，并根据所述检测框，得到所述当前预处理图像中饮料柜隔层位置信息以及每层饮料的尺寸信息。

5.根据权利要求1所述的方法，其特征在于，所述对每张所述饮料图像进行拼接处理包括：

根据当前饮料图像中饮料柜隔层位置信息，确定当前最下隔层与所述当前饮料图像的下边沿之间的第一高度值HH；

根据当前饮料图像中所述每层饮料的尺寸信息，确定最下层饮料的第二高度h；

在所述第一高度值HH小于预设饮料高度H，或所述第二高度h小于所述预设饮料高度H的情况下，将所述当前饮料图像的下边沿确定为所述当前最下隔层，并进行裁剪处理。

6.根据权利要求1或5所述的方法，其特征在于，所述根据所述饮料柜隔层位置信息以及所述每层饮料的尺寸信息，对每张所述饮料图像进行拼接处理包括：

根据所述每层饮料的尺寸信息，确定每张所述饮料图像中饮料高度小于预设饮料高度H的第一饮料信息；

根据所述第一饮料信息，将每张所述饮料图像进行拼接排序。

7.根据权利要求1-5所述的任一方法，其特征在于，所述基于深度学习算法，识别出所述待识别图形中的饮料信息之前，还包括：

获取同一饮料至少两种尺寸类型的样本图片，其中，一种尺寸类型中所述饮料的高度小于预设饮料高度H；

基于ResNet模型，对所述样本图片进行训练，得到ResNet深度学习算法模型。