[发明专利]一种无人货柜订单识别的动态排序和计费方法

权利要求书

1.一种无人货柜订单识别的动态排序，其特征在于，包括以下步骤：

S1、柜内商品复杂度计算；

S2、识别订单预测时间；

S3、订单识别类型选择和动态排序。

2.根据权利要求1所述的一种无人货柜订单识别的动态排序，其特征在于，包括以下步骤：根据S1中的操作步骤，柜内商品复杂度计算的方法为：

无人货柜中会定义允许商品上架的最小尺寸V₁和柜子能放下的最大尺寸V₂，其中体积计算：

V＝L*W*H

其中L，W，H分别为商品物体的长、宽、高的大小；

单个商品的识别难易度计算公式：

柜内商品识别的平均难易度：

其中N为柜内商品的数量，为每个商品的难易度程度，i为变量，取值范围为[1，N]。

3.根据权利要求1所述的一种无人货柜订单识别的动态排序，其特征在于，包括以下步骤：根据S2中的操作步骤，识别订单预测时间的方法为：

S2.1、根据历史数据中获取到柜内的平均复杂度视频的时长t_v和实际算法处理时间年的数据3000条，记平均复杂度视频的时长t_v为变量X＝{x₁，x₂}，实际处理时间t_p为Y＝{t_p}，对历史数据进行非线性拟合，预测Y，预测采用常用的非线性回归，选用二次方进行回归预测，最终预测模型为：

S2.2、非线性回归通常转化为线性回归，再按照线性回归求解，线性回归通常采用给定的函数值与模型预测值之差的平方和最小为损失函数，并使用最小二乘法和梯度下降法来计算最终的拟合参数，模型求解采用的是机器学习sklearn库进行求解：

最终是输入视频长度t_v和柜内商品的复杂度到函数T_p(x₁，x₂)，即可计算出所需时间：

T_p(x₁，x₂)。

4.根据权利要求1所述的一种无人货柜订单识别的动态排序，其特征在于，包括以下步骤：根据S3中的操作步骤，订单识别类型选择和动态排序的方法为：

S3.1、在实际的使用环境中会存在因为摄像头故障、恶意购物行为或门未关好的情况，导致订单视频有很长(大于10min，甚至是1h)，因此如果预测时间是超过最大识别时间t_max(设置为5min)，则会直接推送给人工处理；

S3.2、待识别队列一共有两个，一个高优先级队列，一个经过排序的低优先级队列；如果预测时间小于识别时间，初次会先设置超时时间(时间t_o＝30min)，然后被放入到低优先级队列，并按照预测时间由小到大对低优先级队列进行排序；当超时的时候，会将该订单放入到高优先级队列；

S3.4、在算法识别阶段的时候会先去获取高优先级队列，如果高优先级队列为空，则会去取低优先级队列中的订单进行识别。

5.根据权利要求1-4任意一项所述的一种无人货柜订单识别的计费方法，其特征在于，包括：

其中a₀设置为0.15元，T_min＝15s，t为识别的时间；

为了避免每一单的价格随着视频是线性的增加，会设置最大的价格：

其中：P_max一般设置为1元，也就是价格最大不超过1元。