[发明专利]一种基于卷积神经网络的散装商品计量装置及方法

权利要求书

1.一种基于卷积神经网络的散装商品计量装置，包括用于采集待称重商品图片的摄像模块以及用于获取商品重量的称重模块，其特征在于，所述散装商品计量装置还包括控制系统，所述控制系统与摄像模块以及称重模块连接，接收待称重商品图像以及商品重量，利用卷积神经网络对商品图像进行识别以获取商品名称，识别商品名称后，通过查询数据库，获取与商品名称对应的商品价格，利用商品价格以及商品重量计算商品总价。

2.如权利要求1所述的一种基于卷积神经网络的散装商品计量装置，其特征在于，所述卷积神经网络包括依次连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第三最大池化层、第四卷积层、第四最大池化层、Flatten层、第一全连接层、Drop out层、第二全连接层、第三全连接层以及Softmax层。

3.如权利要求2所述的一种基于卷积神经网络的散装商品计量装置，其特征在于，所述散装商品计量装置还包括服务器，所述服务器与控制系统通过网络连接，所述服务器中存储有控制系统上传的对实际商品进行图像采集而得的商品图像训练数据，利用商品图像训练数据在服务器上训练所述卷积神经网络参数，训练结束后更新控制系统卷积神经网络参数。

4.如权利要求3所述的一种基于卷积神经网络的散装商品计量装置，其特征在于，所述待称重商品图像经过对待称重商品图片进行图像分割并剔除待称重商品图片背景后获得。

5.如权利要求4所述的一种基于卷积神经网络的散装商品计量装置，其特征在于，所述散装商品计量装置还包括与控制系统连接的显示模块，所述显示模块用于显示商品名称、商品价格、商品重量以及商品总价。

6.如权利要求5所述的一种基于卷积神经网络的散装商品计量装置，其特征在于，所述散装商品计量装置还包括与控制系统连接的打印模块，所述打印模块用于打印商品名称、商品价格、商品重量以及商品总价。

7.如权利要求6所述的一种基于卷积神经网络的散装商品计量装置，其特征在于，所述卷积神经网络的损失函数为交叉熵损失函数，所述卷积神经网络的优化算法为RMSProp算法。

8.一种基于卷积神经网络的散装商品计量方法，应用在如权利要求1至7中任何一项所述的散装商品计量装置，其特征在于，包括如下步骤：

第一步，采集待称重商品图片以及获取商品重量；

第二步，对待称重商品图片进行处理，以获取待称重商品图像；

第三步，卷积神经网络根据待称重商品图像对待称重商品进行图像识别以获取待称重商品名称；

第四步，获取与待称重商品的商品名称相对应的商品价格，根据商品价格以及商品重量计算商品总价。

9.如权利要求8所述的一种基于卷积神经网络的散装商品计量方法，其特征在于，所述卷积神经网络利用商品图像数据进行训练。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如权利要求8或9所述的散装商品计量方法。