[发明专利]一种无人货柜订单识别的动态排序和计费方法

说明书

本发明提供一种无人货柜订单识别的动态排序和计费方法，涉及无人货柜订单识别技术领域，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，本申请中，通过结合无人货柜内商品识别平均复杂度和订单视频长度来预测订单识别时间，利用预测时间对待识别订单进行动态排序、动态选择识别类型和动态调整识别费用，从而解决无人货柜订单识别费用设置不合理和订单识别队列堆积现象。

技术领域

本发明涉及无人货柜订单识别技术领域，特别的为一种无人货柜订单识别的动态排序和计费方法。

背景技术

当前无人售货柜一般是基于计算机视觉技术，采用动态纯视觉、并结合深度学习、机器视觉等AI技术方案进行识别。识别的过程通常是无人货柜将产生的订单视频推送到GPU云服务器中，依次进行识别处理，而且识别费用也是恒定不变的。

这样会存在两个问题，第一个问题就是识别计费不合理，一般算法的处理时间会和订单视频的长短和柜内商品的复杂度相关，订单视频越长、商品复杂度越大，识别就越耗时，现有的方案是无论视频长短和识别困难都是统一的价格。第二个问题容易造成识别订单堆积，当GPU计算资源恒定的时候，如果出现大量长视频或困难视频订单，会占用GPU云服务器很长时间，容易造成识别订单的堆积，降低识别效率，影响用户购物体验。

发明内容

本发明提供的发明目的在于提供一种无人货柜订单识别的动态排序和计费方法，提出了构建一个规则库，即相似的商品作为互斥，同一柜中不允许放相似的商品，在补货的时候进行约束。同时根据已有的历史数据来预测算法处理订单视频的时间，从而动态调整GPU资源。

为实现以上目的，本发明通过以下技术方案予以实现：一种无人货柜订单识别的动态排序，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。

优选的，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]。

优选的，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t_p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：