CN105303204A - 快速物品识别 - Google Patents
快速物品识别 Download PDFInfo
- Publication number
- CN105303204A CN105303204A CN201410352888.5A CN201410352888A CN105303204A CN 105303204 A CN105303204 A CN 105303204A CN 201410352888 A CN201410352888 A CN 201410352888A CN 105303204 A CN105303204 A CN 105303204A
- Authority
- CN
- China
- Prior art keywords
- article
- attribute
- data record
- shell
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
为快速物品识别提供方法和设备。穿过传感器的未知物品的多个传感器捕捉数据。数据经过处理生成与未知物品相关的多个物理属性。物理属性被用于在数据库中搜索大量已知物品的物理属性,其中未知物品是已知物品的一种。选择一小组已知物品,其物理属性与未知物品的物理属性相符。通过进一步对已选择的一组已知物品进行处理,识别未知物品为其中一组已知物品。
Description
技术领域
本发明涉及物品识别的改进设备和方法,尤其涉及用于在销售点终端识别所示物品的设备和方法。
背景技术
零售商店使用配备光学代码扫描仪的销售点终端来处理购买交易已有多年。在此期间,利用光学代码扫描仪进行欺诈购买的方法层出不穷。欺诈方法包括用识别低价值物品的光学代码替换识别高价值物品的光学代码。欺诈方法还包括串通交易或将物品送至装袋区而不进行扫描。减少欺诈的尝试包括在销售点终端的装袋区增设安全秤,确保装袋的物品与识别的所购物品相符。然而,这些尝试并未消除欺诈。对于上述情况,如果低价值物品与高价值物品的重量相等,那么安全秤就无法识别欺诈,因为在装袋区会称出预定的重量。
此外,还有一些与欺诈无关的问题。例如,识别物品的光学代码可能因损坏、被其他标签或印记遮盖,或缺失而无法读取。在这些情况下,必须有人对物品进行识别并将信息输入销售点终端。通常,这会增加完成购买交易所需的时间。
为解决这些问题,现已编写出不用光学代码,仅凭外观便可准确识别物品的软件。这种软件通过分析所获取的物品图像来识别物品。然而,分析获取的图像需要相对较长的时间,且分析产生的数据记录十分庞大(有时接近100,000字节)。分析还需要有囊括所有已知物品的庞大数据库,用于准确识别未知的物品。在一些实施方式中,数据库存储了逾100,000种未知物品的数据,每种已知物品的数据库记录有10,000到100,000字节。最终的数据库需要1到10G的数据存储空间。如果将数据库置于中央服务器电脑上,那么对每一件要识别的物品,都需要在销售点终端与中央服务器电脑之间传送10,000到100,000字节的数据。将一件物品的数据传送至中央服务器电脑,然后进行处理以识别物品的过程会耗时数秒。用一个仅有80件已知物品数据的数据库进行测试,得出的平均识别时间为2至3秒。对于有100,000件物品的数据库,预计平均识别时间为3,651秒。
发明内容
在其各个方面中,本发明旨在克服或改良先前技术的至少一项缺点,或提供一种有用的替代方案。
根据本发明的第一个方面,本发明提供一种电脑执行方法,利用物品的物理属性识别供物品扫描仪识别的物品,该方法包括:使用物品扫描仪的一个或多个传感器,计算物品多个相关物理属性中每一个的数值;从多个物理属性中识别拥有预定义类别的物理属性,其中所有预定义类别均以物理属性值的预定范围为基础,并为所有已识别物理属性确定包含已计算值的预定义类别;生成包括多个物理属性的每一个物理属性的综合属性数据记录;将已生成的综合属性数据记录与存储的已知物品的多个综合属性数据记录进行比较;及选取一组已存储的已知物品数据记录,该记录中每一个所选已知物品数据记录的已存储综合属性数据记录都与已生成的综合属性数据记录相符。
另外,权利要求1中的方法,其中每个已存储综合属性数据记录都是已知物品数据记录的一部分,而且已存储综合属性数据记录还代表已知物品的物理属性,并且每个已存储数据记录还包括用于识别已知物品的信息。
另外,多个物理属性包括金属属性,含有物品中存在金属的指示。
另外,多个物理属性包括温度属性,含有物品温度的指示。
另外,温度指示包含冷冻、冷藏、室温和高温等预设类别。
另外,多个物理属性包括硬度属性,含有物品硬度的指示。
另外,硬度指示包含软质、半软质和硬质等预设类别。
另外,多个物理属性包括颜色配置属性,含有8种颜色通道的指示。
另外,多个传感器包括可探测是否存在金属的传感器。
另外,多个传感器包括可隔空探测物品温度的传感器。
另外,多个传感器包括多个摄像机,将摄取的图像进行处理以计算形状属性、尺寸属性及颜色配置属性。
另外,所生成的综合属性数据记录长度等于或小于8数据字节。
根据本发明的第二个方面,本发明提供一个物品扫描仪,其包括:外壳;可经由外壳传送物品的物品传送器;及位于外壳内的非接触式温度传感器,该传感器可测量物品通过外壳时的温度。
该物品扫描仪还可包括金属探测传感器用于探测物品内是否存在金属。
上述外壳还可至少包括一个塔,且每一个塔都包含多个摄像机,这些摄像机捕捉到的图像经过处理可计算形状属性、尺寸属性及颜色配置属性。
该物品扫描仪还可包括一个外壳内的磅秤。
该物品扫描仪还可包括一个超声波收发器,用于探测物品的硬度属性。
该物品扫描仪还可包括一个程控处理器,该处理器使用一个或多个传感器捕捉的信息来计算与物品相关的多个物理属性的每个属性值。
外壳另外界定了一个接收物品的输入门户和撤出物品的输出门户,且所有传感器都位于外壳内。
上述程控处理器通过多个摄像机另行测定形状属性、尺寸属性及颜色配置属性。
根据本发明的第三方面,本发明提供一个物品扫描仪来识别供其扫描的物品,该物品扫描仪包括:一个包含接收物品的入口和退出物品的出口的外壳;一个将物品从外壳的入口传至出口的物品传送器;位于外壳内的多个传感器,当物品通过外壳时获取其信息;一个包含电脑指令的存储器;一个与存储器通信的处理器,当处理器执行电脑指令时,会导致处理器实施如下功能:用多个传感器中的一个或多个传感器获取的信息来计算与物品相关的多个物理属性各自的值,其中多个物理属性的一部分包含预定义类型,而这些物理属性的值也包含一类预定义类型;及选取数据来识别各套已知物品,其中与已知物品相关的多个物理属性各自的值均与和该物品相关的多个物理属性各自的值相符。
另外,上述多个物理属性包括重量属性,而其中多个传感器包含一个磅秤,用于确定经处理器处理的物品的重量,以获取重量属性。
另外,上述多个物理属性还包括形状属性、尺寸属性和颜色配置属性,其中多个传感器包含多个摄像机,用于捕捉物品的图像(图像经处理器处理),以获取形状、尺寸和颜色配置属性值。
另外,上述颜色配置属性包括数据8种颜色通道。
另外,上述多个物理属性包括金属属性,及多个传感器包含金属探测器,用于确定物品中是否存在金属,并生成经处理器处理后的指示,以获取金属属性的值。
另外,该多个物理属性包括温度属性,其中多个传感器包含非接触式温度传感器,用于在距物品一定距离的位置确定物品温度(该物品的温度经处理器处理,可从一组包含所有可能温度范围的预定温度类别中选取一类)。
另外,该多个物理属性还包括硬度属性,其中多个传感器包含超声波收发器,用于确定经处理器处理的物品的硬度值(从一组预定硬度类别中选取一类)。
根据本发明的第四个方面,本发明提供一个或多个永久性数字存储媒体的存储指令,该指令经一个或多个电脑设备执行时,会导致本发明第一方面中所列的方法被实施。
根据本发明的第五个方面,本发明提供为识别物品而创建简化数据集的方法,该方法包括:测量物品的多个物理属性(包括尺寸、重量和金属含量);生成多个经测量物理属性各自的综合属性数据记录;将已生成的综合属性数据记录与已知物品的多个已存储综合属性数据记录相比较;并选取一组已存储的已知物品数据记录,其中每个选定的已知物品数据记录的已存储综合属性数据记录都与已生成综合属性数据记录相符。
因此,就其各方面而言,本发明表明通过物品外观来识别物品,及仅依靠极少量数据来识别各个物品是可取的。仅用少量数据来识别物品减少了需要存储和搜索的数据量,也缩短了识别物品所需的时间。同时,由于光学代码不用于识别物品,因此依靠外观来识别物品减少了欺诈。
在其各方面中,本发明表明通过将物品识别过程划分为两个独立且不同的功能可减少识别物品所需的时间。第一项功能去除了物品的大量可能识别项,将可能匹配降为较小的识别集。例如,这一庞大数量可能适当包含100,000多个记录,且每个记录都载有可识别单个物品的信息。第一项功能采用未知物品的属性将这一庞大数量缩至可能适当包含不足10个记录的更小的集。更小集中任何一个记录都可识别未知物品。这项功能需要进行大量的处理。第二项功能使用不同于第一项功能的方法来识别剩余少量物品记录中的未知物品。
在其各方面中,本发明进一步表明,与物品有关的少数物理属性可用于将大量可能识别项减少为少量可能识别项。就每一个待识别物品而言,这些属性可以在相对较短的时间(通常不足1秒)内被测量和处理。例如,使用这一方法,可能识别项的数量可迅速从多达100,000个降至不足10个,只需使用一个需要不足10兆字节数据存储的数据库。
一个物品扫描仪识别的物品总共可达100,000多件。在其各方面中,本发明使用就未知物品和已知物品生成的综合属性将物品总量减少至少数几件与未知物品属性相匹配的物品。一旦物品总量减至一小组候选物品,会使用该组候选物品来执行额外处理,从而确定未知物品的特性。在一些情况下,该组候选物品只有一项,因此无需额外处理就能识别未知物品。
根据本发明的一个实施方式,本发明提供一个由物品扫描仪予以实施,以识别一个物品的方法。该方法包括:使用一个或多个物品扫描仪的传感器计算与物品相关的多个物理属性的每一个物理属性的值;从多个物理属性中识别拥有预定义类别的物理属性,其中所有预定义类别均以物理属性值的预定范围为基础,并为所有已识别物理属性确定包含已计算值的预定义类别;生成包括多个物理属性的每一个物理属性的综合属性数据记录;将已生成的综合属性数据记录与已知物品的多个已存储综合属性数据记录进行比较;及选取一组已存储的已知物品数据记录,该记录中每一个所选已知物品数据记录的已存储综合属性数据记录都与已生成的综合属性数据记录相符。
附图说明
以下详细描述和随附图纸将有助于更全面地理解本发明以及本发明的其他特征和优点。
本发明可能以各种组件和组件排列方式以及各种方法呈现。图纸仅作为几类实施方式和替代方法的说明示范,不得解释对本发明的限制。图纸不一定按比例绘制。在各个图纸中,相同元件编号用于描述各个图纸、图片和图表中的相同部件。
图1是高级框图,表示依据本发明设立的销售点***。
图2A是高级框图,表示扫描仪/秤的选定组件。
图2B是高级框图,表示扫描仪/秤的一个物品识别外壳的选定组件。
图3是一个表格,列出了由扫描仪/秤测量出的一个物品的物理属性。
图4是高级流程图,表示用扫描仪/秤识别一个物品的操作方法。
具体实施方式
以下描述中载列了各类详情,以帮助理解所主张的发明。但该领域技术人员应当明白,所主张发明的某些方面可能在不应用所有下列详情的情况下被实施,且可能及预计会对所述实施方式做出各类更改或修改。
参见图1,这是一副高级框图,表示销售点***100。本实施方式的销售点***100包括采用网络155与一个存储服务器电脑160通信的一个销售点终端110。销售点终端110通过识别客户出示的打算购买的一个或多个物品进行购买交易。在购买交易过程中,销售点终端110与存储服务器电脑160通信,以发送和接收与该购买交易有关的数据。
尽管只有一个销售点终端110标示于图中,需要注意的是,该销售点***100支持使用网络155与存储服务器电脑160通信的多个销售点终端110。此外,需要注意的是,销售点终端110可适当地体现为一个辅助的销售点终端或者一个客户操作的销售点终端。在一些实施方式中,销售点***100包括辅助销售点终端和客户操作的销售点终端。
网络155可适当地包括一个网络,该网络使用基于传输控制协议/互联网协议(TCP/IP)的通信协议。网络155可适当包括局域网和广域网的组合。网络155可进一步适当包括无线网和有线网的任意组合。无线网包括电脑无线局域网和基于蜂窝的数据网。
存储服务器电脑160包括一个处理器和包含应用程序软件的存储器。存储服务器电脑160的处理器执行该应用程序软件,该应用程序软件使该处理器实施可以支持该存储器的操作的特性和功能。该应用程序软件提供的特性和功能可能适当包括:对销售点操作的支持、物品查找数据库、销售和库存管理、人员管理和客户帮助服务。
销售点终端110适当包括一个电脑115、一个扫描仪/秤装置120、一个磁条阅读器/个人识别码输入设备125、一个键盘装置130,一个收款机/现金存款模块及吐钞器135、一个打印机设备140、一个操作员显示器145和一个电脑网络150。电脑网络150可包括不止一类网络,每个络都用于与不同设备通信。电脑115通过电脑网络150与设备通信,而电脑网络150可适当包括行业标准的通用串行总线(USB)的实施。电脑网络150可额外包括用于与显示设备(如操作员显示器145)通信的第二个网络。
电脑115可适当包括用于在另一个设备(如销售点终端110)内使用的一个个人电脑。在一些实施方式中,电脑115是一个单板电脑。电脑115包括一个处理器、存储器、网络控制器(用于控制外部网络155)和一个电脑网络控制器(用于控制电脑网络150)。电脑115的存储器包括由电脑115的处理器执行的电脑指令,这些指令可以让处理器控制销售点终端110的组件和设备,并提供销售点终端110的高级功能。在一些实施方式中,存储器包括一个数据库和一些操作该数据库的指令。
磁条阅读器/个人识别码输入设备125是一个磁条阅读器和个人识别码(PIN)设备。它读取穿过该设备的卡片的磁条信息。比如,装置125读取***、借记卡和购物卡背面的磁条以及一些驾驶执照背面的磁条。个人识别码输入设备允许客户或操作员输入可能与该卡有联系的个人识别码。该信息随后会通过电脑网络150被安全的传输到电脑上。
收款机/现金存款模块及吐钞器135可适当包括一个收款机设备或一个现金存款模块及吐钞器设备,或同时包括两者。销售点终端110的操作员辅助实施方式可适当包括该收款机设备,这是因为会有职员操作该货币。销售点终端110的客户操作的实施方式可适当包括现金存款模块及吐钞器设备,其能保护货币,但允许客户给予和接收货币。但在其他实施方式中,收款机设备、现金存款模块及吐钞器设备均存在。该收款机/现金存款模块及吐钞器设备135使用电脑网络150与电脑115通信并受其控制。
操作员显示器145包括一个电子设备,该电子设备向客户或操作员显示通过电脑网络150从电脑115上接收到的信息。操作员显示器145还包括一个探测触屏被触摸的时间和位置的触摸屏输入设备,并通过电脑网络150将此信息传送给电脑115。一些实施方式有不止一个操作员显示器145,在这些实施方式中,一个操作员显示器145由操作销售点终端110的职员使用,而第二个操作员显示器145由正在购物的客户使用。
现在请参见图2A和2B。图2A是高级框图,表示扫描仪/秤(扫描仪)120的选定组件。图2B是高级框图,表示扫描仪120的一个物品识别外壳(外壳)280的选定组件。扫描仪120识别供其识别的打算购买的物品,该过程是销售点终端110操作的购买交易的一部分。扫描仪120使用多个传感器270,这些传感器可能位于外壳280内,以测量或确定与穿过外壳280的物品290有关的多个物理属性。
扫描仪120可适当地包括一个处理器205、接口电路210、一个存储器215、一个用户界面265和多个传感器270。多个传感器270可适当地包括一个磅秤235、多台摄像机240、一个超声波收发器245、一个物品传送器250、一个金属探测器255和一个温度传感器260。接口电路210提供电子设备,处理器205需要通过这些电子设备,使用数据网络230与存储器215、电脑网络150及扫描仪120的其它设备和组件通信。接口电路210产生数据网络230,该数据网络可适当地包括电子设备和软件,以产生行业标准的通用串行总线(USB)。
存储器215包括电脑指令220,这些指令由处理器205执行,使处理器205执行扫描仪120的特性和功能。当处理器205执行电脑指令220时,进一步引起处理器205控制扫描仪120的设备和组件。在某些实施方式中,存储器215还包括一个数据库225,电脑指令220包括这样一些指令:当这些指令由处理器205执行时,将引起处理器205使用数据库225执行数据库的特性和功能。
在本实施方式中,扫描仪120包括物品识别外壳280,该外壳包括一个入口281(接收物品用于识别)和一个出口282(物品在此退出外壳280)。在其他实施方式中,外壳280有其他物理形式,比如圆盘传送带。此外,不同设备在外壳280内的位置不应理解为固定的。所画出的位置尽管可以使用,但仅供说明。物品传送器250在外壳280的入口281接收物品,经由外壳280的内部284传送物品,然后将物品经由出口282送出。物品传送器250的操作由处理器205控制。在某些实施方式中,物品传送器250由多个独立的物品传送器组成,这些独立的物品传送器互相配合移动物品。
扫描仪120使用多个传感器270测量或确定通过外壳280的每一个物品特定的物理属性。每一个传感器的输出物包括该类型传感器的特定数据。例如,磅秤235输出其在特定时间承受的重量值,摄像机240产生图像,金属探测器255产生在短时间内从金属探测器255的探测线圈的输出口所捕获的数据。传感器产生的数据被进一步处理,以得到可用的属性数据。例如,从金属探测器255接收到的数据代表一个反射信号且必须进行处理,以确定是否已经探测到金属。
金属探测器255位于外壳280内,它探测物品传送器250上经过金属探测器255的物品是金属物品还是非金属物品。一个物品(比如一罐蔬菜)会被识别为金属物品,因为它被包装在金属罐里。然而,以非金属的塑料袋包装的冷冻蔬菜将会被识别为非金属物品。为探测金属的存在,金属探测器255可适当地使用脉冲感应技术或超低频率(感应平衡)技术或其他合适的技术。
磅秤235位于外壳280内,并测量穿过外壳280的物品的重量。在某些实施方式中,物品传送器250被安装在磅秤235的称重传感器上。称重传感器随后测量物品传送器250及其上物品的重量。然后,磅秤235从所测量的重量中减去皮重,从而确定物品的重量。在其他实施方式中,物品传送器250被分成三个独立的单个物品传送器。第一个物品传送器通过入口281将物品带入外壳280,并将该物品存入第二个物品传送器。第二个物品传送器位于外壳280内且由磅秤235的称重传感器支撑。该称重传感器测量该物品和第二个物品传送器的重量。磅秤235从所测量的重量中减去皮重,从而确定在第二个物品传送器上的物品的重量。一旦确定物品的重量,第二个物品传送器将物品移动到并存入第三个物品传送器,第三个物品传送器通过出口282将物品移出外壳280。
温度传感器260用于在物品穿过外壳280时测量物品的温度。在某些实施方式中,温度传感器260包括一个从远处测量物品温度的红外非接触式温度传感器。在其他实施方式中,温度传感器260是一个远红外线阵列传感器,它可以确定更大区域而非单点的温度。温度传感器260可以适当地测量温度范围在0°F至200°F之间的物品的温度。测得的温度用于确定该物品是否像冷冻冰淇淋一样被冷冻,像牛奶一样被冷藏,像一盒谷物一样处于室温,或是像从熟食店买来的一只烤鸡一样是热的。例如,一个测得温度等于或低于30°F的物品被确定为冷冻。一个测得温度高于30°F但等于或低于大约55°F的物品被确定为冷藏。一个测得温度高于55°F但等于或低于90°F的物品被确定为处于室温下。一个测得温度高于90°F的物品被确定为是热的。需要注意的是,用于确定物品温度状态的温度范围可以根据需要进行调节。例如,在农贸市场这样的露天环境中,在24小时内周围环境的温度可能在40°F到100°F之间变动,因此需要不停地调节温度范围。一项技术将会测量并相应地调节环境温度。
超声波收发器245用于在物品穿过外壳280时确定物品的硬度。当物品靠近超声波收发器245时,超声波收发器245发射超声波信号到该物品并测量从物品反射的信号。此测量用于确定该物品的硬度。测得的硬度被分成三个预定的类别:1)硬质;2)半软质;及3)软质。每一种类别会导致物品反射不同量的超声波能量,不同量的超声波能量产生不同的测量反应。硬质的物品会反射最多的能量,而软质的物品则反射最少的能量。半软质的物品反射的能量介于二者之间。在其他实施方式中,吹气机被用来代替超声波收发器245。吹气机向物品射出一股短暂的微弱气流,然后测量反射气压的信号。不同的硬度产生不同的反射气压信号。在其他实施方式中,当一个物品被移动到一个已知的表面(如金属表面)时,会捕获到一个声音信号。声音信号被用于确定物品的硬度。一罐棉花糖和一袋棉花糖在降落到已知的表面时将具有不同的声音信号,而该声音信号决定了它们的硬度。
摄像机240包括多台摄像机或图像捕捉设备。外壳280包括位于物品传送器250对侧的两个塔285。每个塔可以适当地包括多台摄像机240。每个塔285中的摄像机240瞄准物品传送器250的中心。在一些实施方式中,一个或两个塔285延伸到物品传送器250的上方,摄像机240就安装在这里,以便俯视并捕捉所经过物品的图像。当一个物品从两塔285之间经过时,摄像机240能捕捉该物品至少两侧的图像数据。此外,塔285设有照明设备来照亮经过塔285的物品。该照明设备可以适当地包括LED,且由该设备产生的光量由处理器205控制。塔285可以适当地包括朝向物品传送器250侧边的参考标记。每个塔的参考标记在对面塔上的摄像机240中是可见的,并被捕捉入已捕捉的图像中。参考标记可以适当地用于确定物品的尺寸和形状。
在一些实施方式中,传感器270的位置以及物品经过传感器270的顺序都不同。在其他实施方式中,没有使用外壳280,传感器270处于开放状态,但物品传送器250仍然推动物体经过传感器270。
用户界面265被用于与操作扫描仪120的人员进行通信。用户界面265可以适当地包括一个或多个灯和/或扬声器。处理器205将通过操作灯光来传达某些信息,并通过扬声器产生声音来传达某些能被用户听到的信息。这些声音可能适当地包括由处理器205复制的人类语言。
图3提供了一个表300,该表列出了由扫描仪120测量或计算的物品的物理属性。表300列出了属性列305指定的七个物理属性。扫描仪120使用图2B中所示的一个或多个传感器270来测量、计算或确定七个物理属性305。每个传感器270通常产生原始数据,该原始数据需要由处理器205额外处理来实现对七个物理属性中的其中一个属性的测量。测量列310列出每个物理属性的可能值,或对测量的描述。位数列315界定需要存储代表每个物理属性测量信息的电脑数据位。
第一个物理属性是“金属性”。金属属性被用于表示被扫描的物品290中存在金属。扫描仪120使用金属探测器255传感器来扫描物品290。当物品290经过金属检测器255时,处理器205接收并处理来自金属检测器255的原始数据,以确定是否存在金属。金属属性的测量310有两个预定的类别:金属或非金属。由于只有两种可能的类别,只需要一个数据位来存储该金属属性。在图2B所述的示例中,被扫描的物品290是一罐豆子。这个罐子由金属制成,因此当物品290经过金属检测器255时,金属检测器255输出显示存在金属的数据。处理器205接收输出数据,并在处理该数据后确定物品290含有金属物质。处理器205然后将金属属性的值设定为“金属”。如果示例物品290为一塑料袋豆子,金属检测器255不会检测到金属,于是处理器205将金属属性的值设定为“非金属”。
第二个物理属性是“形状”。形状属性界定物品290的一般物理形状。形状属性有四个预定的类别:方形、圆柱形、椭圆形及其他形状。形状属性是通过处理物品290的一个或多个捕捉图像来确定的。其中一台摄像机240捕捉图像,处理器205对一个或多个图像的图像数据进行处理,以确定其符合预定类别之一的一般几何形状。如果该形状与方形、圆柱形或椭圆形都不匹配,则选择“其他形状”类别。形状属性需要两个数据位来表示四种可能的预定类别。
第三个物理属性是“硬度”。硬度属性识别用于包装物品290的材料或构成物品290组件的硬度。硬度属性有三个预定类别:软质、半软质和硬质。通过使用超声波收发器245传感器发送超声波到物品290,并测量从物品290中反射的声波,从而测量其硬度属性。处理器205处理表示测得声波的数据,以确定三个预定类别中代表物品290硬度的类别。由于硬度属性只有三个预定类别,因此只需要两个数据位来表示可能的类别。
在其他实施方式中,吹气机被用于确定物品290的硬度。吹气机对着物品290发出一股聚集的微气流,然后通过测量反射的气压波来确定物品290的硬度。经测量的物品越硬,反射的压力波幅度就越大。
第四个物理属性是“温度”。温度属性测量物品290的当前温度,并将其归于四个预定类别之一。该类别分为冷冻、冷藏、室温及高温。扫描仪120使用温度传感器260来读取物品290经过温度传感器260时的温度。温度传感器260最好是一个非接触式红外线温度传感器,感测物品290发射的红外线能量,以确定物品290的表面温度。温度传感器260输出数据,表示物品290测得的表面温度。处理器205接收温度数据并进一步处理这些数据,以确定该温度属于四种类别的哪一种。例如,冷冻类别被预先界定为低于30°F的任何温度。因此,如果测得的温度为25°F,处理器205将选择冷冻类别作为其温度属性。由于温度属性只有四个类别,因此只需要两个数据位来表示可能的类别。
第五个物理属性是“重量”。重量属性指测量物品290的重量。扫描仪120使用磅秤235来确定物品290的实际重量。处理器205接收来自磅秤235精确到几位小数的实际重量。处理器205将实际重量转换成盎司,将盎司乘以二,然后四舍五入到最接近的整数。例如,1磅1/2盎司(约467.8克)的重量转换为16.5盎司之后乘以2得到33。33代表1磅1/2盎司中1/2盎司(约14.2克)的增量数。10个数据位被用于存储重量属性。这意味着可以被存储的最高重量为32磅(约14.5千克)。该属性不具有预先界定的类别,但实际重量被转换为自定义单位,解析度比实际重量低,最大值为32。经确认会添加额外的位数来处理较大的最大重量值,或者将增量重量值从1/2盎司(约14.2克)增加到1盎司(约28.4克)或更多,以处理较大的最大重量值。其他单位(如SI单位)可以用来替代英制单位。
第六个物理属性是“尺寸”。尺寸属性指物品290的物理尺寸的三维(长、宽、高)测量。扫描仪120通过处理物品290的捕获图像来确定物品290的尺寸。该图像是由一台摄像机240所捕获,且图像数据由处理器205进行处理,以确定物品290的三维测量数值。在某些情况下,需要使用从其他摄像机240获取的额外图像来确定尺寸。每个尺寸的长度被表示为近似实际长度的1/2英寸(约12.7毫米)增量数。例如,5.5英寸(约139.7毫米)的高度表示为数字11。15个数据位被用于存储三维数,每个尺寸使用5个数据位。因此,任何单一尺寸的最大长度为16英寸。该属性不具有预先界定的类别,但每个尺寸的实际长度被转换为自定义单位,解析度比实际重量低,最大值为16。经确认会添加额外的位数来处理较大的最大长度值,或者将增量长度值从1/2英寸(约12.7毫米)增加到1英寸(约25.4毫米)或更多,以处理较大的最大长度值。
第七个物理属性是“颜色配置”。颜色配置属性是对八条不同颜色通道的测量,该通道用于描述物品290的捕获图像。当一个电子图像被图像捕获装置(如摄像机240)捕获时,该图像由表示所捕获场景特征的数字数据组成。所捕获的数字数据由它们所代表的特征组成,并被存储在数值阵列(也称为通道)中。图像标准界定不同的图像格式,每个格式支持一种或多种不同的通道格式。例如,常见的通道格式为“RGB”,代表红色、绿色和蓝色。该格式包括布置成至少三个阵列或通道的数字图像数据,每条通道对应三种颜色:红、绿和蓝。
在本实施方式中,颜色配置属性是基于使用八条颜色通道的自定义通道格式。八条通道被命名为:暗色、淡色、红色、黄色、绿色、青色、蓝色和洋红色。扫描仪120通过使用一台摄像机240来捕获物品290的一个图像,以确定物品290的颜色配置。该图像数据由处理器205进行处理,以识别图像中物品290的轮廓。位于轮廓之外的一部分图像的所有图像数据被丢弃,这样剩余的图像数据仅代表物品290。处理器205然后将剩余的图像数据格式转换成自定义的八种通道图像格式。每条通道的图像数据被归一化为0至10的范围,然后计算出每条通道的平均值。将每条通道的平均值与预定的阈值进行对比。1被指定为每条通道的属性,此时该通道的平均值等于或大于阈值。0被指定为每条通道的属性,此时该通道的平均值小于阈值。单一的数据位需要存储每条通道的属性,这意味着需要八个数据位来存储构成颜色配置属性的八条通道。
在一些实施方式中,物品290的颜色配置属性包括8条颜色通道的掩码。掩码包括八条颜色通道的1个位,且掩码用来确定相应的颜色通道是否将用于比较过程或通配符。例如,掩码位0表示没有在比较过程中使用相应的颜色通道数值,掩码位1表示在比较过程中使用了相应的颜色通道数值。
需要注意的是,上述属性的有关细节可以被改变或修改,并且仍然在本发明的范围之内。例如,颜色配置的一个或多个元素可以被改变,或者一个属性的类别可以被改变、添加或删除,或者一个属性的限制可以被延长或减少。在一些实施方式中,重量增量增加至1盎司时,最大重量就从32磅增加到64磅。一些变化可能增加选项的数量,因此会增加需要存储可能选项的位数,但可以调整本发明以适应这些变化。
在本实施方式中,需要40个数据位来存储七个物理属性的信息。在确定物品290的七个单独物理属性之后,处理器205按预定的顺序整合七个物理属性,以生成物品290的综合属性数据记录。综合属性数据记录随后被用于识别物品290。这个过程始于一个已知物品标识的领域。这个领域可以适当地包括多达100,000个可能的已知候选物品。综合属性数据记录被用于将候选物品的数目减少到少数几个。使用减少的候选物品数目进行额外处理,需要达到物品290的最终标识。
数据库225被存储在扫描仪120的存储器215中。数据库225包括多个数据记录,每个数据记录包括一个已知物品的综合属性数据记录和描述该已知物品的额外信息,或描述该已知物品的额外信息的链接。使用上述相同的过程和七个物理属性,为该已知物品生成综合属性数据记录。大多数物品都有多个侧面或方法查看。因此,需要对每个主侧面或视图进行独立的记录。使用分配给该记录的侧面或视图为每个记录生成综合属性数据记录。例如,一盒麦片有两个主侧面。它们是盒子的正面和背面。这些侧面都占主导地位,因为这两个侧面的面积远比盒子的其他侧面面积要大。盒子正面的记录包括正面的综合属性数据记录,盒子背面的记录包括麦片盒背面的综合属性数据记录。每个记录还包括识别已知物品的附加信息或识别已知物品的信息的链接。使用信息的链接降低记录的大小。有关已知物品的信息最好包括一个识别码,例如可识别相关物品的通用产品代码(UPC)。该记录存储于数据库225中。
可以通过扫描仪120识别的已知物品的范围可以包括100,000个以上的物品。本发明采用一个未知物品的综合属性数据记录,目的是将已知物品的范围降低到少数已知物品,以便与未知物品的属性相匹配。一旦已知物品的范围降至一组较小的候选物品,仅会使用该组候选物品来执行额外处理,从而确定未知物品的实际特性。这个处理可以适当地由处理器205来执行。额外处理已超出了本发明的范围。在一些情况下,该组已知候选物品只有一项,因此无需额外处理就能识别未知物品。然而,仍可适当地执行额外处理确认特性。
在一些实施方式中,使用了第八个物理属性,该属性是物品290的水含量的测量(如果该物品是液体的话)。收发传感器可将射频(RF)能量传送到物品290并测量反射信号,从而确定物品290中的水含量。该属性有两类,即非液体或液体,而且反射的射频能量被用来确定界定物品290的类别。
现在请参见图4,这是一个流程图,表示扫描仪120识别某个物品的运作方法。在该方法400中,物品290被放置在物品传送器250上,并通过外壳280穿过外壳280的入口281,且通过出口282从外壳280中露出。物品传送器250可停止和开始,甚至反过来使外壳280内的一个或多个传感器270有更多的时间来捕捉有关物品290的数据。尽管物品传送器250被描绘为通过外壳280在直线路径上运输物品290,其他非直线路径也是可以预见的。物品传送器250的一个功能是将进入外壳280的物品组织成一行物品,该行中无并排布置的物品,这样就可以防止一个或多个传感器270捕捉与单个物品相关的准确数据。
当物品290通过外壳280时,多个传感器270记录有关物品290的原始数据。随后对原始数据进行处理,以生成图3中列出的多个物理属性的值。在一些实施方式中,一个或多个传感器270将处理所记录的原始数据,以生成一个值。例如,磅秤235将从测量重量中减去皮重,产生的结果即为秤上物品的重量。然而,即使原始数据已通过传感器进行处理,但仍需额外处理来生成多个物理属性305的值。原始数据或加工数据(如果可从各传感器得到)被发送到处理器205上进行进一步处理,然后生成多个物理属性305的值。
在步骤405中,物品290被放置在物品传送器250上。物品290是由销售点终端110执行的购买交易的一部分,且物品290需要被识别之后才可以被添加到购买交易中。在步骤410中,物品传送器250通过入口281将物品290送进外壳280。
在步骤415中,物品290被运送至磅秤235上。然后磅秤235确定物品290的重量并将该重量输送至处理器205。在一些实施方式中,物品传送器235包括三个独立部分,其中每个部分均予以独立控制并与其他部分机械隔离,但会进行配置使物品290在三个部分间移动。该物品传送器250的中间部分被安装在磅秤235的称重设备上。在这种配置中,磅秤235将对物品传送器250的中间部分和物品290进行称重。然而,物品传送器250中间部分的重量是已知的,然后从总重量中减去,以便确定物品290的重量。一旦物品290位于磅秤235上,为了减少摆动,处理器205使物品传送器250的中间部分停止移动物品290。
在步骤420中,每个摄像机240捕捉一张物品290的图像。在本实施方式中,图像被捕捉时,物品290仍位于该磅秤235上,并未移动。在一些实施方式中,多个光源朝向位于磅秤235上的空间,以照亮物品290。光源由处理器205控制,而且这些光源发出的亮光能被独立调节为关闭和发出最大亮光等各种水平。捕捉到的图像被传输至处理器205进行额外处理,以确定与物品290有关的物理属性值。摄像机240是专为捕捉图像而设计的设备,因此可能没有消费类摄像机的所有特性和功能。
在步骤425中,在多个传感器270中余下的传感器记录有关物品290的数据。这包括记录表明物品290中含有金属的数据的金属探测器255。温度传感器260也记录对物品290的温度的测量。超声波收发器245发送超声波进入物品290,并记录反射的声波,在对该声波进行额外处理后,将确定物品290的硬度。所有记录数据均被传输至处理器205进行额外处理,以便确定与每个传感器有关的物理属性值。
在步骤430中,多个传感器270中的每个传感器均记录了与物品290相关的数据,并将该数据传输至处理器205进行额外处理。处理器205使用一个或多个传感器270记录的数据,生成图3所示的多个物理属性305的每个物理属性值。所生成的值符合图3中所示测量310要求。下列物理属性具有从预定类别的列表中选择的值:金属、形状、硬度、温度和颜色配置。对于所有物理属性,处理器205处理从与物理属性有关的传感器中接收到的数据,从而确定原始属性,然后从预定类别中选择就原始属性界定的类别。每个预定类别都可能包括一系列原始属性。
例如,温度物理属性有“冷冻”的预定类别,该类别被定义为包括所有测得的等于或低于30°F的温度,而且原始属性是由传感器260测得的物品290的温度。处理器205为所有等于或低于30°F的测得温度选择“冷冻”类别。由于温度物理属性有4个预定类别,而且涵盖所有可能的温度,因此所有测得温度将属于其中一个预定类别范畴。使用预定类别减少存储有关物理属性的信息所需的数据位的数量,还能限制存储到识别某个物品所需的最相关信息中的信息。其他有预定类别的物理属性以类似的方式运作。
重量和尺寸物理属性不具有预定类别,但它们需要额外处理,以将它们的原始数据转换为定制数据,如下图3所示及以上所述。
在步骤435中,处理器205生成物品290的综合属性数据记录。在本实施方式中,综合属性数据记录具有40个数据位的长度,该数据位包括所有七个物理属性305的值。七个物理属性305的所有值在数据记录中的位置是预先确定的。在本实施方式中,七个物理属性305的所有值以与图3中列示的属性相同的顺序呈现,即金属物理属性的一个数据位在综合属性数据记录中显示在第一位,颜色配置物理属性的八个数据位在综合属性数据记录中显示在最后。
在步骤440中,处理器205查询数据库225,以选择一套已知物品数据记录。该数据库225包括多个已知物品数据记录,其中每个已知物品数据记录包括界定一个已知物品的信息,且该信息包括就该已知物品生成的综合属性数据记录。数据库225可以适当地包括超过100,000个已知物品数据记录。利用物品290的综合属性数据记录,处理器205查询数据库225,然后数据库225发回一组所有已知物品数据记录,其中已知物品的综合属性数据记录与物品290的综合属性数据记录相符。发回的这组数据记录通常包括多个已知物品数据记录。这是设计使然。本发明的一个特征是能够快速有效地将物品290的大量可能特性减少至非常小的一组特性。然后使用不同的技巧对这一小组的可能特性进行进一步处理,以确定一个能识别物品290的特性。
在本实施方式中,数据库225被存储于扫描仪120的存储器中。这是可能的,因为综合属性数据记录的存储非常高效,仅需40个数据位即可存储。小尺寸的综合属性数据记录允许包含100,000个已知物品数据记录的数据库要求10兆字节以内的数据存储。然而,在其他实施方式中,该数据库被存储在销售点终端110或存储于存储服务器电脑160中。在这些实施方式中,扫描仪120将物品290的综合属性数据记录发送至销售点终端110进行鉴定。如果销售点终端110有数据库,它执行对数据库的查询,并将结果发回扫描仪120。如果存储服务器电脑160有数据库,销售点终端110发送综合属性数据记录至存储服务器电脑160,然后执行查询并将结果发回扫描仪120。
尽管本发明已具体参照某些优先实施方式予以说明,本发明可在下列权利要求的精神和范围内予以修改和更改。例如,当描述特定传感器时,可能会根据特定情况,或者新的感应技术具备成本效益时相应地部署更少或更多传感器。此外,当在属性中描述示例类别时,将确认可能部署更少或是更多类别。
Claims (17)
1.一种电脑执行方法,利用物品的物理属性识别供物品扫描仪识别的物品,该方法包括:
使用一个或多个物品扫描仪的传感器计算与物品相关的多个物理属性的每一个物理属性的值;
从多个物理属性中识别拥有预定义类别的物理属性,其中所有预定义类别均以物理属性值的预定范围为基础,并为所有已识别物理属性确定包含已计算值的预定义类别;
生成包括多个物理属性的每一个物理属性的综合属性数据记录;
将已生成的综合属性数据记录与已知物品的多个已存储综合属性数据记录进行比较;及
选取一组已存储的已知物品数据记录,该记录中每一个所选已知物品数据记录的已存储综合属性数据记录都与已生成的综合属性数据记录相符。
2.权利要求1中的方法,其中每个已存储综合属性数据记录都是已知物品数据记录的一部分,而且已存储综合属性数据记录还代表已知物品的物理属性,并且每个已存储数据记录还包括用于识别已知物品的信息。
3.权利要求1或2中的方法,其中多个物理属性包括表明物品中含有金属的金属属性。
4.任何前述权利要求的方法,其中多个物理属性包括表明物品温度的温度属性。
5.任何前述权利要求的方法,其中多个物理属性包括表明物品硬度的硬度属性。
6.任何前述权利要求的方法,其中多个物理属性包括表明至少八种颜色通道的颜色配置属性。
7.任何前述权利要求的方法,其中已生成的综合属性数据记录的长度等于或小于8数据字节。
8.物品扫描仪包括:
外壳;
可经由外壳传送物品的物品传送器;及
位于外壳内的非接触式温度传感器,该传感器可测量物品通过外壳时的温度。
9.根据权利要求8所述的物品扫描仪还包括一个金属探测传感器,用于探测物品内是否含有金属。
10.根据权利要求8或9所述的物品扫描仪,其外壳至少包括一个塔,且每一个塔都包含多个摄像机,这些摄像机捕捉到的图像经过处理可计算形状属性、尺寸属性及颜色配置属性。
11.根据任何权利要求8至10所述的物品扫描仪还包括一个位于外壳内的磅秤。
12.根据任何权利要求8至11所述的物品扫描仪还包括一个超声波收发器,用于探测物品的硬度属性。
13.根据任何权利要求8至12所述的物品扫描仪还包括一个程控处理器,该处理器使用一个或多个传感器捕捉的信息来计算与物品相关的多个物理属性的每个属性值。
14.根据任何权利要求8至13所述的物品扫描仪,其外壳界定接收物品的入口和撤出物品的出口,而且所有传感器都位于外壳内。
15.根据任何权利要求8至14所述的物品扫描仪还包括一个包含与已知物品有关的属性数据的数据库,用于帮助物品扫描仪根据传感器捕捉的属性数据识别物品。
16.一种电脑执行方法,包括权利要求1-7中的任意一个技术特征或者技术特征的任意组合。
17.一种物品扫描仪,包括权利要求8-15中的任意一个技术特征或者技术特征的任意组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410352888.5A CN105303204A (zh) | 2014-07-23 | 2014-07-23 | 快速物品识别 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410352888.5A CN105303204A (zh) | 2014-07-23 | 2014-07-23 | 快速物品识别 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105303204A true CN105303204A (zh) | 2016-02-03 |
Family
ID=55200446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410352888.5A Pending CN105303204A (zh) | 2014-07-23 | 2014-07-23 | 快速物品识别 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303204A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1070664B1 (de) * | 1999-07-21 | 2005-06-22 | ABB PATENT GmbH | Verfahren und Anordnung zur automatisierten Beförderung, Sortierung und Verladung von Gepäckstücken |
CN1745296A (zh) * | 2002-12-04 | 2006-03-08 | 创新医疗***技术公司 | 包括可移动平台的放射线扫描单元 |
CN1783112A (zh) * | 2004-08-25 | 2006-06-07 | 国际商业机器公司 | 基于情境的自动产品识别和验证的方法和*** |
CN1791894A (zh) * | 2003-06-26 | 2006-06-21 | 国际商业机器公司 | 用于肯定地识别物品的装置、方法和*** |
CN101482879A (zh) * | 2008-01-10 | 2009-07-15 | 国际商业机器公司 | 使用传感器识别放置在表面上的物体的***和方法 |
CN101765853A (zh) * | 2007-07-27 | 2010-06-30 | 西门子公司 | 用于识别传送物品特别是行李的方法 |
CN103052343A (zh) * | 2010-07-08 | 2013-04-17 | Itab物流扫描公司 | 收银台 |
CN103552788A (zh) * | 2013-11-07 | 2014-02-05 | 邱泽国 | 集群式垃圾自动识别总成及其自动分类垃圾桶 |
-
2014
- 2014-07-23 CN CN201410352888.5A patent/CN105303204A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1070664B1 (de) * | 1999-07-21 | 2005-06-22 | ABB PATENT GmbH | Verfahren und Anordnung zur automatisierten Beförderung, Sortierung und Verladung von Gepäckstücken |
CN1745296A (zh) * | 2002-12-04 | 2006-03-08 | 创新医疗***技术公司 | 包括可移动平台的放射线扫描单元 |
CN1791894A (zh) * | 2003-06-26 | 2006-06-21 | 国际商业机器公司 | 用于肯定地识别物品的装置、方法和*** |
CN1783112A (zh) * | 2004-08-25 | 2006-06-07 | 国际商业机器公司 | 基于情境的自动产品识别和验证的方法和*** |
CN101765853A (zh) * | 2007-07-27 | 2010-06-30 | 西门子公司 | 用于识别传送物品特别是行李的方法 |
CN101482879A (zh) * | 2008-01-10 | 2009-07-15 | 国际商业机器公司 | 使用传感器识别放置在表面上的物体的***和方法 |
CN103052343A (zh) * | 2010-07-08 | 2013-04-17 | Itab物流扫描公司 | 收银台 |
CN103552788A (zh) * | 2013-11-07 | 2014-02-05 | 邱泽国 | 集群式垃圾自动识别总成及其自动分类垃圾桶 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6709862B6 (ja) | 畳み込みニューラルネットワーク画像認識技術による会計方法及び設備 | |
CN108537992B (zh) | 检验装置、信息处理装置及控制方法 | |
KR102492806B1 (ko) | 재고관리 및 상품판매를 위한 스마트 진열대 및 스마트 진열대를 이용한 재고관리 및 상품 판매방법 | |
US9412099B1 (en) | Automated item recognition for retail checkout systems | |
JP2022043070A (ja) | 無人販売システム | |
CN107084780A (zh) | 一种智能电子秤及相应的称重方法 | |
CN107167221A (zh) | 一种利用智能电子秤的农产品溯源方法及智能电子秤 | |
US8106775B2 (en) | Checkout system, checkout system control program, and checkout system control method | |
US10948338B2 (en) | Digital product label generation using modular scale device | |
CN107481414A (zh) | 一种开放式无人售卖装置的实时导购方法及*** | |
US12002337B1 (en) | Detecting interactions with storage units based on RFID signals and auxiliary signals | |
KR20190093733A (ko) | 무인 점포에서의 아이템 인식 시스템 및 그 방법 | |
US20170161711A1 (en) | Checkout system and method for checking-out products | |
US9330405B2 (en) | Methods and apparatus for fast item identification | |
US11922259B2 (en) | Universal product labeling for vision-based commerce | |
US20230037427A1 (en) | Identifying barcode-to-product mismatches using point of sale devices and overhead cameras | |
CN108171876A (zh) | 无人售货货柜、***及其售货方法 | |
KR20190020206A (ko) | 복수의 센서들을 이용한 물품 판매 시스템 및 그 방법 | |
CN105303204A (zh) | 快速物品识别 | |
CN110956459A (zh) | 一种商品处理方法及*** | |
CN110533380A (zh) | 一种生鲜盘点***及其盘点方法 | |
CN111105180A (zh) | 商品数据的处理方法、装置、电子设备及理货车 | |
KR102165868B1 (ko) | 소비자의 물품을 자동으로 분류해주는 시스템 및 방법 | |
US10181108B1 (en) | Item attribute collection | |
CN110868476A (zh) | 一种推送信息确定方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160203 |
|
WD01 | Invention patent application deemed withdrawn after publication |