[发明专利]智能识物电子秤称重方法及系统

说明书

本发明公开了一种智能识物电子秤称重方法及系统，具体实施步骤为：1)采集超市内常见商品图片并对图片进行预处理；2)人工标注每张商品图片的类别并制作成训练数据集；3)构建基于Inception‑v4的深度卷积神经网络；4)使用训练数据集训练模型，保存训练后的商品识别模型；5)在终端设备上采集商品图片；6)将图片输入至商品识别模型；7)商品识别模型返回商品标签打印处；本发明对图片进行分类，然后进行终端图像识别，由识别出的物品获取单价，再结合重量数据进行计价，不需要依赖于操作人员就可以完成电子称重过程，从而实现称重自助化购物方式，购物过程简便、智能化程度高且能够有效降低人工成本。

技术领域

本发明电子方式操作的技术领域，尤其涉及一种智能识物电子秤称重方法及系统。

背景技术

目前电子秤被广泛应用于超市、商场等场所的物品称重、计价中，相比于传统的人工称重、计价，其具有更为方便、快捷的优点；但是目前的电子秤依然需要依赖操作人员才能完成物品称重、计价以及打印条形码，实现过程较为繁琐且所需的人工成本高，其主要流程在于：在每次称重时首先都需要操作人员手动选择称重的商品，大型超市的品类很多，这个过程非常繁琐；虽然现在很多超市为了减少排队，让购物者自行称重，但是购物者不熟悉产品种类或者无法区分同类型产品，称重过程会比让超市称重专员来操作耗时得多；当交易物品的种类、称重次数增加时，会进一步增加交易过程的复杂度以及操场人员的工作量。

发明内容

本发明的目的是为了解决背景技术中的问题，而提出的一种智能识物电子秤称重方法及系统，该智能识物电子秤称重方法及系统利用提取图片上的特征矩阵，利用损失函数和反向传播算法，根据不同的特征，对图片进行分类，然后进行终端图像识别，由识别出的物品获取单价，再结合重量数据进行计价，不需要依赖于操作人员就可以完成电子称重过程，从而实现称重自助化购物方式，购物过程简便、智能化程度高且能够有效降低人工成本。

为了实现上述目的，本发明一种智能识物电子秤称重方法称重方法，具体实施步骤为：

1)采集超市内常见商品图片并对图片进行预处理；

2)人工标注每张商品图片的类别并制作成训练数据集；

3)构建基于Inception-v4的深度卷积神经网络；

4)使用训练数据集训练模型，保存训练后的商品识别模型；

5)在终端设备上采集商品图片；

6)将图片输入至商品识别模型；

7)商品识别模型返回商品标签打印处。

进一步，在步骤1)中，所述图片预处理主要包括裁剪图片至统一大小，并对图片进行颜色采集、形状采集、标示采集和对比度采集相关的处理，忽略过暗的部分，加速运算速度。

进一步，在步骤2)中，训练数据集分成两部分，按照8：2的比例将数据集分割成训练数据集和测试数据集，训练数据集用于训练模型，测试数据集用于测试模型效果并调整优化方法和参数，防止过拟合现象。

进一步，在步骤3)中，构建神经网络模型时，需要选择模型的输出类别数目，即商品的类别数目；损失函数值体现了预测的图片结果和真实结果之间的差距，损失函数值越低代表越接近真实结果；构建模型时，需要根据不同的损失函数值结果选择更优的训练参数，包括循环次数，学习速率和每次训练的图片量；当损失函数在最低值附近震荡而不再稳定下降时，说明模型已经训练结束，提前结束训练过程，来避免过拟合；Inception-v4采用了异步SGD即随机梯度下降法，学习速率每迭代8次降低4％；最终模型将根据在测试数据集上的 top-1和top-5错误率来评估模型性能。