[发明专利]一种基于边缘计算的货架缺货预警分析系统及方法在审

专利信息
申请号: 202010849248.0 申请日: 2020-08-21
公开(公告)号: CN111951258A 公开(公告)日: 2020-11-17
发明(设计)人: 叶俊科 申请(专利权)人: 名创优品(横琴)企业管理有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/60;G06T7/70;G08B21/24;G06Q10/04;G06N3/08;G06N3/04;G06K9/62
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 郭帅
地址: 519000 广东省珠海市*** 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: 一种 基于 边缘 计算 货架 缺货 预警 分析 系统 方法
【权利要求书】:

1.一种基于边缘计算的货架缺货预警分析系统,其特征在于,包括:

视频采集模块,用于采集商品货架的图像;

智能检测模块,用于通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测,得到所述商品货架的缺货位置坐标及缺货置信度;

智能分析模块,用于将所述缺货置信度与预设的置信度阈值进行比较,判断所述商品货架是否缺货。

2.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统,其特征在于,还包括:

图像获取模块,用于获取所述视频采集模块中采集的图像,并将采集的图像传输至所述智能检测模块。

3.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统,其特征在于,还包括:

报警模块,用于当所述图像的缺货位置与前一预设时间段检测得到的缺货位置相同时,对所述图像进行报警,并将所述图像自动推送到巡店app。

4.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统,其特征在于,所述智能检测模块包括:

下采样单元,用于对所获取的商品货架图像进行下采样;

预测单元,用于对下采样后的商品货架图像进行预测,得到预测的缺货位置中心点坐标、偏移量及尺寸;

计算单元,用于根据所述预测的缺货位置中心点坐标、偏移量及尺寸计算商品货架缺货位置的左上角、右下角坐标及缺货置信度;

输出单元,用于输出商品货架的缺货位置坐标及缺货置信度。

5.根据权利要求1所述的基于边缘计算的货架缺货预警分析系统,其特征在于,所述智能分析模块包括:

保存单元,用于保存商品货架的缺货位置坐标及缺货置信度;

对比单元,用于将所述缺货置信度与预设的置信度阈值进行比较;

判断单元,用于当所述缺货置信度大于等于预设的置信度阈值时,判断所述商品货架缺货,否则所述商品货架不缺货。

6.一种基于边缘计算的货架缺货预警分析方法,其特征在于,包括:

采集商品货架的图像;

通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测,得到所述商品货架的缺货位置坐标及缺货置信度;

将所述缺货置信度与预设的置信度阈值进行比较,判断所述商品货架是否缺货。

7.根据权利要求6所述的基于边缘计算的货架缺货预警分析方法,其特征在于,采集商品货架的图像之后还包括:

获取所述视频采集模块中采集的图像,并将采集的图像传输至所述智能检测模块。

8.根据权利要求6所述的基于边缘计算的货架缺货预警分析方法,其特征在于,判断所述商品货架是否缺货之后还包括:

当所述图像的缺货位置与前一预设时间段检测得到的缺货位置相同时,对所述图像进行报警,并将所述图像自动推送到巡店app。

9.根据权利要求6所述的基于边缘计算的货架缺货预警分析方法,其特征在于,通过边缘设备调用已完成训练的货架缺货检测模型对所述商品货架的图像进行检测,得到所述商品货架的缺货位置坐标及缺货置信度具体包括:

对所获取的商品货架图像进行下采样;

对下采样后的商品货架图像进行预测,得到预测的缺货位置中心点坐标、偏移量及尺寸;

根据所述预测的缺货位置中心点坐标、偏移量及尺寸计算商品货架缺货位置的左上角、右下角坐标及缺货置信度;

输出商品货架的缺货位置坐标及缺货置信度。

10.根据权利要求6所述的基于边缘计算的货架缺货预警分析方法,其特征在于,将所述缺货置信度与预设的置信度阈值进行比较,判断所述商品货架是否缺货具体包括:

保存商品货架的缺货位置坐标及缺货置信度;

将所述缺货置信度与预设的置信度阈值进行比较;

当所述缺货置信度大于等于预设的置信度阈值时,判断所述商品货架缺货,否则所述商品货架不缺货。

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名创优品(横琴)企业管理有限公司,未经名创优品(横琴)企业管理有限公司许可,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/202010849248.0/1.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