[发明专利]一种自动售货机货道控制方法及装置

说明书

本发明涉及信息处理技术领域，尤其涉及一种自动售货机货道控制方法及装置，该方法包括：在预设时间段内，依次扫描自动售货机货架的每个货道，获得每个货道的当前图片；将每个货道的当前图片输入分类模型中，获得每个货道的存货状况的分类结果，基于每个货道的存货状况的分类结果，对每种货品类型的货源进行安排，进而提高了对货道的存货情况的检测精度，确保自动售货机的正常使用。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种自动售货机货道控制方法及装置。

背景技术

现有的自动售货机中每个货道的情况是系统根据原有货道的数量以及订单情况进行统计的，但是，在实际使用中，常常会出现货道问题，比如，会有多余的物品被意外带出货道，或者人为录入错误，这样会导致货品的统计错误，或者造成货品缺货。

因此，现有的自动售货机存在无法准确获取当前存货状况的技术问题，影响其正常使用。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的自动售货机货道控制方法及装置。

第一方面，本发明提供了一种自动售货机货道控制方法，包括：

在预设时间段内，依次扫描所述自动售货机货架的每个货道，获得所述每个货道的当前图片；

将所述每个货道的当前图片输入用于对货道的存货状况进行分类的分类模型中，获得所述每个货道的存货状况的分类结果；

基于所述每个货道的存货状况的分类结果，对每种货品类型的货源进行安排。

优选地，所述分类模型通过如下方式获得，包括：

获取N个货道样本，N为正整数；

从所述N个货道样本中提取每个货道的样本图片以及每个货道所标注的存货状况信息；

将所述每个货道的样本图片和所述每个货道所标注的存货状况信息均输入神经网络模型，以对所述神经网络模型进行训练，得到用于对货道的存货状况进行分类的分类模型。

优选地，所述每个货道的存货状况信息为如下任意一种：空货道、满货道、即将空货。

优选地，所述在预设时间段内，依次扫描所述自动售货机货架的每个货道，获得所述每个货道的当前图片，包括：

位于所述自动售货机前侧或后侧设置有滑轨组件，所述滑轨组件包括横轴轨道和纵轴轨道，所述纵轴轨道上设置有第一滑块，图片采集装置设置在所述第一滑块上，所述纵轴轨道通过第二滑块与所述横轴轨道连接；

在预设时间段内，通过控制所述图片采集装置沿着所述滑轨组件移动，从而扫描所述自动售货机货架的每个货道，获得所述每个货道的当前图片。

优选地，所述基于所述每个货道的存货状况的分类结果，对每种货品类型的货源进行安排，包括：

获取每个货道的编号信息；

基于所述每个货道的编号信息，获得所述每个货道的货品类型；

基于每个货道的存货状况的分类信息和每个货道的货品类型，对每种货品类型的货源进行安排。

优选地，所述获取每个货道的编号信息，包括：

从所述每个货道的当前图片中提取每个货道的编号信息；或者

基于所述滑轨组件的移动位置，获取每个货道的编号信息。

优选地，所述基于每个货道的存货状况的分类信息和每个货道的货品类型，对每种货品类型的货源进行安排，包括：

在所述货道的存货状况的分类结果为空货道时，向供货端发送相应的货品类型已空货的信息，并提示及时补货；