[发明专利]基于视觉的商品识别检测方法及装置

说明书

本申请公开了一种基于视觉的商品识别检测方法及装置，涉及物品识别领域，该方法包括采集样本商品的图像；根据预设样本商品的商品信息，在所述图像中对所述样本商品进行标注；将标注后的所述图像通过CNN神经网络进行深度学习，得到所述样本商品的商品特征模型；将所述商品特征模型发送至预设商品识别终端；所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息。本申请解决了相关技术中的商品识别检测方法的训练过程和识别过程都在一个终端设备上，导致识别效率低下的问题。

技术领域

本申请涉及物品识别领域，具体而言，涉及一种基于视觉的商品识别检测方法及装置。

背景技术

相关技术中基于机器学习的商品识别检测方法的训练过程和识别过程都在一个终端设备上，不具备实时性，一般训练一次要至少一天以上，更新商品后第二天才能进行识别，多台设备重复训练、进而导致成本高，而且如果同时识别多件商品或商品有遮挡时，识别效果很差。

因此，急需一种基于视觉的商品识别检测方法及装置，以解决相关技术中的商品识别检测方法的训练过程和识别过程都在一个终端设备上，导致识别效率低下的问题。

发明内容

本申请的主要目的在于提供一种基于视觉的商品识别检测方法及装置，以解决相关技术中的商品识别检测方法的训练过程和识别过程都在一个终端设备上，导致识别效果很差的问题。

为了实现上述目的，根据本申请的第一方面，本申请实施例提供了一种基于视觉的商品识别检测方法，所述方法包括：采集样本商品的图像；根据预设样本商品的商品信息，在所述图像中对所述样本商品进行标注；将标注后的所述图像通过CNN神经网络进行深度学习，得到所述样本商品的商品特征模型；将所述商品特征模型发送至预设商品识别终端；所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息。

结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，所述采集样本商品的图像包括：通过图像采集装置对所述样本商品进行图像信息采集，其中，所述样本商品的摆放状态为售卖时的实际摆放状态。

结合第一方面，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述商品信息包括：商品材质、商品颜色、商品形状、商品尺寸、商品品牌、商品类型、商品类别、商品名称和光照度中的至少一种。

结合第一方面，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述在图像中对所述样本商品进行标注之后，将标注后的所述图像通过CNN神经网络进行深度学习之前包括：将标注后的所述样本商品的商品信息的数据格式转换为对应的能够进行CNN神经网络训练的数据格式。

结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，所述将标注后的所述图像通过CNN神经网络进行深度学习，得到所述样本商品的商品特征模型包括：对所述图像进行RCNN神经网络训练，得到训练数据与真实数据的误差值；对所述误差值进行纠正操作；判断纠正后的当前所述误差值是否达到预设目标值；如果判定纠正后的当前所述误差值达到预设目标值，则结束训练，得到所述样本商品的商品特征模型。

结合第一方面，本申请实施例提供了第一方面的第五种可能的实施方式，其中，所述将商品特征模型发送至预设商品识别终端包括：判断所述商品特征模型与所述预设商品识别终端上当前的商品特征模型是否相同；如果所述商品特征模型与所述预设商品识别终端上当前的商品特征模型不同，则将所述商品特征模型发送至所述预设商品识别终端。

结合第一方面，本申请实施例提供了第一方面的第六种可能的实施方式，其中，所述商品识别终端采集目标商品的图像，并根据所述商品特征模型对所述目标商品进行图像识别，得到所述目标商品对应的商品信息之前包括：将第三方商品特征模型按照所述商品特征模型的数据格式进行格式转化；将转化后的所述第三方商品特征模型发送至预设商品识别终端。