[发明专利]基于机器人的商品采购方法及机器人在审
申请号: | 202010278703.6 | 申请日: | 2020-04-10 |
公开(公告)号: | CN112541381A | 公开(公告)日: | 2021-03-23 |
发明(设计)人: | 顾震江;刘大志;孙其民;罗沛 | 申请(专利权)人: | 深圳优地科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06Q10/06;G06Q30/00;B25J9/16;B25J11/00;G01N3/40;G01N21/84;G01N33/02 |
代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 周伟锋 |
地址: | 518000 广东省深圳市宝安区新安*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 机器人 商品 采购 方法 | ||
1.一种基于机器人的商品采购方法,应用于所述机器人,其特征在于,所述方法包括:
若检测到采购指令,确定所述采购指令指向的目标商品;
获取所述目标商品的商品信息;
基于预设检测规则和所述商品信息,确定所述目标商品的质量检测结果;
从所述目标商品中筛选出所述质量检测结果满足预设质量标准的商品,并采购筛选出的商品。
2.如权利要求1所述的基于机器人的商品采购方法,其特征在于,所述目标商品为生鲜商品,所述商品信息包括所述生鲜商品的商品图像;
所述基于预设检测规则和所述商品信息,确定所述目标商品的质量检测结果,包括:
将所述商品图像输入至预先训练完成的新鲜度识别模型进行处理,识别所述生鲜商品的新鲜度信息;
基于所述新鲜度信息确定所述生鲜商品的质量检测结果。
3.如权利要求2所述的基于机器人的商品采购方法,其特征在于,对所述新鲜度识别模型的训练过程,包括:
获取多个预设商品的二维图像样本、三维特征信息及新鲜度标签,得到由各个所述预设商品的所述二维图像样本、所述三维特征信息以及所述新鲜度标签构成的样本数据集;
基于所述样本数据集对预设的初始模型进行训练,直至满足预设收敛条件,完成训练,得到训练完成的所述新鲜度识别模型。
4.如权利要求1所述的基于机器人的商品采购方法,其特征在于,所述目标商品为生鲜商品,所述商品信息包括所述生鲜商品的气味信息和表面纹理信息;
所述基于预设检测规则和所述商品信息,确定所述目标商品的质量检测结果,包括:
基于所述生鲜商品的预设气味和所述气味信息,确定所述生鲜商品的腐烂度信息;
基于所述表面纹理信息确定所述生鲜商品的含水量;
基于所述腐烂度信息和所述含水量确定所述生鲜商品的所述质量检测结果。
5.如权利要求4所述的基于机器人的商品采购方法,其特征在于,所述基于所述表面纹理信息确定所述生鲜商品的含水量,包括:
获取所述表面纹理信息中的褶皱纹路信息,并基于所述褶皱纹路信息与所述表面纹理信息之间的比值确定所述生鲜商品的含水量。
6.如权利要求1所述的基于机器人的商品采购方法,其特征在于,所述商品信息包括所述目标商品的硬度值;
所述基于预设检测规则和所述商品信息,确定所述目标商品的质量检测结果,包括:
当所述硬度值大于或者等于预设硬度阈值时,判定所述目标商品的所述质量检测结果为合格。
7.如权利要求1所述的基于机器人的商品采购方法,其特征在于,所述目标商品为果蔬商品,所述商品信息包括所述果蔬商品的样本质谱图;
所述基于预设检测规则和所述商品信息,确定所述目标商品的质量检测结果,包括:
获取预设的农药标准质谱图和所述样本质谱图之间的差异信息;
基于所述差异信息确定所述生鲜商品的农药残留量;
基于所述农药残留量确定所述目标商品的质量检测结果。
8.一种机器人,其特征在于,包括:
第一处理单元,用于在检测到采购指令时,确定所述采购指令指向的目标商品;
第一获取单元,用于获取所述目标商品的商品信息;
第一确定单元,用于基于预设检测规则和所述商品信息,确定所述目标商品的质量检测结果;
第二处理单元,用于从所述目标商品中筛选出所述质量检测结果满足预设质量标准的商品,并采购筛选出的商品。
9.一种机器人,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
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深圳优地科技有限公司,未经深圳优地科技有限公司许可,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/202010278703.6/1.html,转载请声明来源钻瓜专利网。