[发明专利]零售关键业绩指标生成方法、系统、设备及存储介质

说明书

本发明提供了一种零售关键业绩指标生成方法、系统、设备及存储介质，包括：对采集到的一图像通过预设的层列识别模型进行识别，识别出图像上的每一层列对应的层列区域；识别出每一层列上每个商品对应的商品区域和待存放商品的待存放区域，根据一商品区域的面积计算待存放区域的存储空间；根据商品区域的数量和待存放区域的存储空间生成关键业绩指标，关键业绩指标至少包括商品容纳量。本发明中在对商品区域和待存放区域进行识别之前，先对每一图像上进行层列区域识别，以识别出每一层列，进而对每一层列中商品区域和待存放区域进行识别，从而提供了商品区域和待存放区域的识别准确度，提高了零售行业关键业绩指标，如商品容纳量的计算准确度。

技术领域

本发明涉及新零售技术，具体地，涉及一种零售关键业绩指标生成方法、系统、设备及存储介质。

背景技术

在零售行业，需要统计一些关键业绩指标，从而便于商家制定合适的营销策略。但是关键业绩指标的统计，需要花费大量的人力进行货架和冰箱上摆放的货物进行统计。

如商家经常在商场、地铁、火车站等公共场所租赁一些冰箱进行一些商品的售卖。如一些可乐公司在公共场所租赁冰箱进行瓶装或罐装客户的售卖。但是这些冰箱的数量较多，分布极为广泛。因此，商家很难安排人力去查看每个冰箱、每个冰箱中商品的布置以及冰箱中商品的布置情况。此外在很多商场中的货架上，由于数量较多，且每一货架上的摆放的商品数量极多，因此当通过人工进行商品数量的统计时，不仅工作量较多，而且也容易统计错误。

随着人工智能技术的发展，尤其是深度学习方法的出现，使图像识别开始具有实用化的价值。因此，可以从人工智能方面，上述技术问题提出一种解决方案。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种零售关键业绩指标生成方法、系统、设备及存储介质。

根据本发明提供的零售关键业绩指标生成方法，包括如下步骤：

步骤S1：对采集到的一图像通过预设的层列识别模型进行识别，以识别出所述图像上的每一层列对应的层列区域；

步骤S2：识别出每一层列上每个商品对应的商品区域和待存放商品的待存放区域，进而根据一所述商品区域的面积计算所述待存放区域的存储空间；

步骤S3：根据所述商品区域的数量和所述待存放区域的存储空间生成关键业绩指标，所述关键业绩指标至少包括商品容纳量。

优选地，所述步骤S1包括如下步骤：

步骤S101：获取多张用于层列识别的第一训练图像，对每一所述第一训练图像根据层列分割为多张第二训练图像；

步骤S102：通过所述第二训练图像训练生成所述层列识别模型；

步骤S103：通过所述层列识别模型对每一图像进行识别，识别出所述图像上的每一层列对应的层列区域。

优选地，在所述步骤S2和所述步骤S3之间还包括如下步骤：

步骤M1：选择一层列区域，以该层列的上侧边确定参考线l₁，下侧边确定参考线l₂；

步骤M2：以所述图像的左侧边确定参考线l₃，所述参考线l₃与所述参考线l₁、所述参考线l₂分别交于(x₁,y₁)点、(x₄,y₄)点，以所述图像的右侧边确定与所述参考线l₃平行的参考线l₄，所述参考线l₄与所述参考线l₁、所述参考线l₂分别交于(x₂,y₂)点、(x₃,y₃)点；