[发明专利]货品分类系统及货品分类方法

权利要求书

1.一种货品分类系统，其特征在于，包括：

至少一货架，至少一种货品被放置于所述货架上；

至少一种图形标识，设于至少一种货品表面，同一种类的货品被设置有相同的图形标识；

标识层，缠绕一货品至少一周，或者，包覆一货品的全部表面；当所述标识层被展开平置时，两个以上图形标识在一标识层外表面被排列于同一直线上或被排列成矩阵；以及

图形识别装置，所述图形识别装置包括：

两个以上第二成像装置，用以拍摄一货架前方空间的实时图片；当一货品从一货架上被取走或被放回至一货架时，所述实时图片中包括图形标识；所述货架前方空间为货架前方一定宽度的空间区域；所述第二成像装置的镜头的视野范围覆盖所述货架前方空间；和/或，所述第二成像装置的镜头朝向所述货架前方空间的中部；以及

数据处理设备，用以识别所述货品的图形标识，并判断该货品的种类。

2.如权利要求1所述的货品分类系统，其特征在于，

所述图形识别装置包括

第一成像装置，连接至所述数据处理设备，用以拍摄每一货品多个角度多个距离的图片。

3.如权利要求1所述的货品分类系统，其特征在于，

所述数据处理设备包括：

样本采集单元，连接至第一成像装置，用以采集多组图片样本，每一组图片样本包括一货品在多角度下的多张样本图片；同一种类货品的一组图片样本被设有相同的图形标识，该图形标识即为该组图片样本对应的货品的种类；

模型训练单元，用以根据多组图片样本中的每一样本图片及其图形标识训练卷积神经网络模型，获取货品识别模型；

实时图片采集单元，连接至所述第二成像装置，用以连续采集货架前方空间的至少一实时图片，每一实时图片包括货品图片的部分或全部；以及

货品种类获取单元，用以根据所述实时图片及所述货品识别模型获取所述实时图片中显示的货品的种类。

4.一种货品分类方法，其特征在于，包括如下步骤：

标识设置步骤，在至少一标识层的外表面设置图形标识，每一标识层设有两个以上相同的图形标识，被排列于同一直线上或被排列成矩阵；

标识层包覆步骤，在至少一货品表面包覆一标识层，每一标识层缠绕一货品至少一周，或者，包覆一货品的全部表面；同一种类的货品被设置有相同的图形标识；

成像装置设置步骤，在货架附近设置两个以上成像装置，用以拍摄货架前方空间的实时图片，所述货架前方空间为货架前方的空间区域；所述成像装置的镜头的视野范围覆盖所述货架前方空间；和/或，所述成像装置的镜头朝向所述货架前方空间的中部；

货品放置步骤，将至少一种所述货品放置于所述货架上；

图形标识拍摄步骤，当一货品从一货架上被取走或被放回至一货架时，所述成像装置拍摄到至少一图形标识；以及

图形标识识别步骤，识别所述货品的图形标识，并判断该货品的种类。

5.如权利要求4所述的货品分类方法，其特征在于，

所述图形标识被印刷或被喷涂于一标识层外表面。

6.如权利要求4所述的货品分类方法，其特征在于，

所述图形标识识别步骤包括：

样本采集步骤，用以采集多组图片样本，每一组图片样本包括一种货品在多角度下的多张样本图片；同一种类货品的一组图片样本被设有相同的图形标识，该图形标识即为该组图片样本对应的货品的种类；

模型训练步骤，用以根据多组图片样本中的每一样本图片及其图形标识训练卷积神经网络模型，获取货品识别模型；

实时图片采集步骤，用以连续采集所述货架前方空间的至少一实时图片，每一实时图片包括货品图片的一部分或全部；以及

货品种类获取步骤，用以根据所述实时图片及所述货品识别模型获取所述实时图片中显示的货品的种类及数量。