[发明专利]基于神经网络识别商品的收银方法以及自助收银台

权利要求书

1.一种基于神经网络识别商品的收银方法，其特征在于，包括：

获取放置于不同分格槽内的待检测商品的商品图像，其中，每个分格槽放置相同种类的商品；

获得至少一个分格槽内的待检测商品的称量重量；

将所述商品图像输入基于神经网络的识别系统，所述基于神经网络的识别系统输出所述商品图像中的商品信息；

依据所述称量重量和所述商品信息，输出识别结果；

获取放置于不同分格槽内的待检测商品的商品图像，其中，所述待检测商品包括第一待检测商品和第二待检测商品；

称量获取所述第二待检测商品的称量重量；

将所述商品图像按照预设方式提取至少两个识别图像；

将每个所述识别图像输入基于神经网络的识别系统，所述基于神经网络的识别系统输出每个所述识别图像中的商品信息；

所述基于神经网络的识别系统根据所述商品信息和所述第二待检测商品的称量重量，输出账单信息；

所述称量获取所述第二待检测商品的称量重量的同时还包括分别称量获取所述第一待检测商品中每种商品的称量重量；

将所述商品图像按照所述分格槽的重量变化提取至少两个识别图像；

包括步骤：

S100、获得所述待检测商品的商品图像以及称量获取所述第一待检测商品中每种商品的称量重量和第二待检测商品的称量重量；

其中，所述待检测商品的图像至少为二维图像；

所述待检测商品的图像至少包括角度和/或景深不同第一商品图像至第N商品图像；N≥2；

S200、将所述待检测商品的图像输入基于神经网络的识别系统，所述基于神经网络的识别系统输出待检测商品信息；

其中，所述神经网络的识别系统包括基于区域卷积神经网络的第一神经网络；

S300、根据所述待检测商品信息和所述第二待检测商品的称量重量，输出账单信息；

所述神经网络识别系统包括基于区域卷积神经网络的第一神经网络；所述步骤S200包括：

S231、将从所述第一商品图像中按照所述分格槽的重量变化提取的每个第一识别图像输入所述第一神经网络，所述第一神经网络输出第一商品信息；将从所述第N商品图像中按照所述分格槽的重量变化提取的每个第N识别图像输入所述第一神经网络，所述第一神经网络输出第N商品信息；

S232、判断所述第N商品信息是否包含在所述第一商品信息中；

如判断结果为是，则将所述第一商品信息作为所述待检测商品信息输出；

如判断结果为否，则执行后续步骤；

S233、计算所述第一商品信息中的第一待检测商品中每种商品的计算重量，与实际称量的第一待检测商品中对应商品的称量重量对比得到差分数据，判断所述差分数据是否小于等于预设阈值：

如判断结果为是，则将所述第一商品信息作为所述待检测商品信息输出；

如判断结果为否，则输出反馈提示。

2.根据权利要求1所述的基于神经网络识别商品的收银方法，其特征在于，包括：称量获得每一个分格槽内待检测商品的称量重量；

将所述商品图像按照预设方式提取至少两个识别图像；将每个所述识别图像输入基于神经网络的识别系统，所述基于神经网络的识别系统输出每个所述识别图像中的商品信息；

依据所述商品信息，计算每个分格槽内的待检测商品的计算重量，并与所述称量重量相比较：

如所述计算重量与获得的所述称量重量一致，则将所述商品信息作为待检测商品信息输出；

如所述计算重量与获得的所述称量重量不一致，则输出反馈提示。

3.根据权利要求2所述的基于神经网络识别商品的收银方法，其特征在于，将所述商品图像按照所述分格槽的重量变化提取至少两个识别图像。

4.根据权利要求1所述的基于神经网络识别商品的收银方法，其特征在于，所述获得含有放置于不同分格槽内的待检测商品的图像至少包括不同角度和/或不同景深的第一商品图像至第N商品图像；N=2~4；

所述第一商品图像为所述待检测商品的正面图像。

5.根据权利要求1所述的基于神经网络识别商品的收银方法，其特征在于，步骤S232中判断所述第N商品信息是否包含在所述第一商品信息中的方法为，判断所述第N商品信息中的商品种类是否均存在于所述第一商品信息中。