[发明专利]一种商品识别模型训练优化方法

说明书

本发明公开了一种商品识别模型训练优化方法，包括如下步骤商品识别训练样本中增加颜色特征采集，对样本集图像上的商品特征进行选择行框选、标注，包括颜色信息，形成训练集，进行深度学习训练，得到商品识别模型；采集待识别商品上的字符信息并进一步形成OCR字符识别训练样本集，形成OCR字符识别训练样本集；OCR字符识别训练得到识别模型；利用得到的商品识别模型和OCR字符识别模型进行商品识别；本发明通过增加商品外包装颜色特征进行商品识别模型训练和采集商品外包装上的字符信息进行OCR字符识别训练得到识别模型辅助商品识别，进一步的优化了识别模型，大大的提高了识别正确率。

技术领域

本发明涉及一种商品识别模型训练优化方法，属于智能终端结算类产品技术领域。

背景技术

无人售卖超市、无人售货机等新型的商品售卖方式的出现，是人工智能、移动支付等技术发展的产物，不仅能够使新技术得到应用，也为消费者提供了方便和便捷，减少了排队结算、人员聚集，提高了商品售卖的效率；商品结算是该种售卖方式的关键环节，正确识别商品决定了一个售卖流程是否成功；随着深度学习技术、计算硬件的发展，深度学习训练是目前商品识别的主要应用手段，利用摄像头对待识别商品进行多角度的拍摄得到初始的样本集，然后对拍摄到的图像进行平移、仿射、模糊、噪声等多种图像处理方法进行处理，增加样本集的多样性，然后对样本中的特征进行框选、标注，建立深度学习模型训练框架进行训练，得到识别模型，对模型进行测试、进一步优化等，得到识别正确率更高的模型；虽然，深度学习框架不断发展，样本采集、处理方式的多样性使训练样本集不断扩充，但绝大多数的商品识别训练仍有其提高的空间，存在不足之处。

发明内容

针对上述存在的技术问题，本发明的目的是：提出了一种商品识别模型训练优化方法，增加对商品外包装颜色的采样和外包装上的字符识别来丰富商品识别的手段。

本发明的技术解决方案是这样实现的：一种商品识别模型训练优化方法，包括如下步骤，

商品识别训练样本中增加颜色特征采集，对待识别商品进行多角度、不同光照拍摄得到初始样本集，通过平移、噪声多种图像处理方法对初始样本集进行补充，对样本集图像上的商品特征进行选择行框选、标注，包括颜色信息，形成训练集，进行深度学习训练，得到商品识别模型；

采集待识别商品上的字符信息并进一步形成OCR字符识别训练样本集，对待识别商品上具有决定性信息的字符进行采集，对字符信息进行整理并将每个字符形成字符图像，对字符图像进行变换，增加字符的字体种类，形成OCR字符识别训练样本集；

OCR字符识别训练得到识别模型，利用得到的OCR字符识别训练样本集进行深度学习训练，得到OCR字符识别模型；

利用得到的商品识别模型和OCR字符识别模型进行商品识别，进行商品识别时，首先将待识别商品的图像上采集到的文字信息提取出来利用OCR字符识别模型得到一个识别结果，看是否能够通过文字识别得到商品结果，若不能得到良好的文字信息，然后再利用商品识别模型进行商品识别得到最终的识别结果。

优选的，在进行商品识别时，先识别出颜色，然后在该颜色的商品中再进一步进行识别。

优选的，文字信息包括字符种类、字体大小和字体变换。

优选的，商品上具有决定性信息的字符包含商品的品牌、口味信息。

优选的，对样本集图像上的商品特征进行图像进行处理时，不对图像进行灰度变化。

由于上述技术方案的运用，本发明与现有技术相比具有下列优点：

本发明的一种商品识别模型训练优化方法，通过增加商品外包装颜色特征进行商品识别模型训练和采集商品外包装上的字符信息进行OCR字符识别训练得到识别模型辅助商品识别，进一步的优化了识别模型，大大的提高了识别正确率。

附图说明