[发明专利]商品识别模型的动态调整方法及商品校验方法

权利要求书

1.一种商品识别模型的动态调整方法，其特征在于，包括：

获取第一训练样本集，所述第一训练样本集包括第1个采样周期至第n-1个采样周期内采集的用于训练当前商品识别模型的商品样本的集合和第n个采样周期内线上采集到的商品样本集合；

获取第二训练样本集，所述第二训练样本集为第n个采样周期内人工采集到的商品样本的集合，其中第n个采样周期为最近的采样周期；

按照所述第一训练样本集和所述第二训练样本集中样本量的反比例从所述第一训练样本集和所述第二训练样本集中选取样本，使得从所述第二训练样本集中的选取的样本的占比多于从所述第一训练样本集中选取的样本，对神经网络模型进行训练，生成商品识别模型。

2.根据权利要求1所述的商品识别模型的动态调整方法，其特征在于，所述按照预设条件从所述第一训练样本集和所述第二训练样本集中选取样本，包括：

对于每个采样周期内采集到的商品样本，选取比例值为2i/（n²+n）的样本，其中n为采样周期的个数，i为采样周期的序号。

3.根据权利要求1所述的商品识别模型的动态调整方法，其特征在于，所述按照预设条件从所述第一训练样本集和所述第二训练样本集中选取样本，对神经网络模型进行训练，生成商品识别模型，包括：

从所述第一训练样本集中选取标注框数量小于第一预设阈值的商品样本作为第一子样本；

从所述第一训练样本集中除所述第一子样本外的其他训练样本中按比例选取人工采集的商品样本和线上采集的商品样本，作为第二子样本，并保证所述第二子样本中的标注框数量不低于第二预设阈值；

验证所述第一子样本、所述第二子样本和所述第二训练样本集中的样本总量是否低于第三预设阈值；

响应于所述第一子样本、所述第二子样本和所述第二训练样本集中的样本总量低于第三预设阈值，利用所述第一子样本、所述第二子样本和所述第二训练样本集中的样本对神经网络模型进行训练，生成商品识别模型。

4.一种商品校验方法，其特征在于，包括：

响应于第一触发指令，采集智能货柜内的货品的当前图像；

利用权利要求1至3任一项所述的商品识别模型的动态调整方法对所述当前图像进行处理，输出所述当前图像中的货品的当前清单，将所述当前清单加入到清单序列，所述当前清单包括货品位置、货品数量和货品类型；

将所述当前清单与前一清单进行对比，确定已售货品的位置、类型，以及剩余数量；

根据所述已售货品的位置、类型，以及剩余数量，对货品售卖报表进行更新。

5.根据权利要求4所述的商品校验方法，其特征在于，所述响应于第一触发指令，采集所述智能货柜内的货品的当前图像，包括：

响应于接收到支付成功信息，采集所述智能货柜内的货品的当前图像。

6.根据权利要求5所述的商品校验方法，其特征在于，所述根据所述已售货品的位置、类型，以及剩余数量，对货品售卖报表进行更新，包括：

记录当前时间点，将所述当前时间点和所述已售货品的位置、类型，以及剩余数量整合为报表信息，按时间顺序添加至货品售卖报表中。

7.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1~6中任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1~6中任一项所述的方法。