CN115099752B - 一种基于视觉识别的商品盘点方法及装置 - Google Patents
一种基于视觉识别的商品盘点方法及装置 Download PDFInfo
- Publication number
- CN115099752B CN115099752B CN202210838836.3A CN202210838836A CN115099752B CN 115099752 B CN115099752 B CN 115099752B CN 202210838836 A CN202210838836 A CN 202210838836A CN 115099752 B CN115099752 B CN 115099752B
- Authority
- CN
- China
- Prior art keywords
- commodity
- data
- value
- image
- checking
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005303 weighing Methods 0.000 claims abstract description 16
- 238000003860 storage Methods 0.000 claims description 50
- 230000008569 process Effects 0.000 claims description 18
- 238000012795 verification Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000009960 carding Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013523 data management Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001915 proofreading effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/62—Over or under weighing apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于视觉识别的商品盘点方法及装置,包括如下步骤:搜索库存中的商品,对搜索到的商品称重;重量值稳定后,确定为该商品的重量数值,随后采集称重商品的图像,并将商品的图像分析识别,获取称重的商品类别;将商品的重量数值和商品的类别分别存入入库管理***,形成商品的盘点数据;实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点。本发明提供的方案大幅提升了商品盘点和收货的工作效率,并且节约商超运营成本。
Description
技术领域
本发明涉及信息处理技术,具体涉及一种基于视觉识别的商品盘点方法及装置。
背景技术
超市、商场等进行商品的收货、盘点等环节时,通常需要人工检查、清点,核对商品的类别、商品数量,并且将核对、清点的数据手动录入商品管理***。商品的整个整理过程,费时费力,尤其是还需要针对商品的变化定期进行数据的整理更新,更增加了工作量。同时,人工的盘点、检查及清点,也会造成一定的统计误差,会给超市、商场的运营带来极大的经济风险。因此,商超的智能化运营一直是发展的方向和目标。
如CN113781730A给出了一种具有智能监控功能的智能超市,通过商品录入模块和监控模块与超市后台模块相连接,处理芯片识别计算商品信息,对商品信息的变化进行预警。以此,可以实现对超市的智能监控,可以降低人工统计的负担,并提高了统计的效率。
但是,该智能监控***较为复杂、识别计算的效率较低,无法满足商品收货、盘点时即时识别、即时存储、即时输出的需求。
因此,如何设计一种快速、高效、准确、智能的商品盘点和收货方法,以实现对商品的即时识别,商品信息的即时存储和商品数据的即时输出是本领域技术人员亟待解决的问题。
发明内容
针对上述现有技术中存在的缺陷,本发明提供了一种基于视觉识别的商品盘点方法及装置,基于可进行智能收货、盘点的视觉识别设备,自动分辨商品的种类,进行商品的重量校对,自动完成盘点和收货时的数据管理,给出商品的盘点单据,减少人工操作,降低误差,大幅提升了工作效率和准确度,并且节约运营成本。
第一方面,本发明提供一种基于视觉识别的商品盘点方法,包括如下步骤:
搜索库存中的商品,对搜索到的商品称重;
重量值稳定后,确定为该商品的重量数值,随后采集称重商品的图像,并将商品的图像分析识别,获取称重的商品类别;
将商品的重量数值和商品的类别分别存入入库管理***,形成商品的盘点数据;
实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点。
进一步的,库存中的商品包括卖场商品和库房商品,商品的盘点数据包括卖场商品的盘点数据和库房商品的盘点数据。
进一步的,重量值稳定后,确定为该商品的重量数值,具体包括:
连续不间断的采集放置称重商品的初始重量数值,并对相邻的初始重量数值进行分析处理;
根据相邻的初始重量数值、采集时间间隔及称重秤盘的分度值,对初始重量数值进行求导,计算公式如下:
其中,为第i次进行商品重量采集的时间点,为第i次进行商品重量采集
的初始重量数值,为进行商品重量采集的间隔时间,为称重秤盘的分度值,为对
进行商品重量采集的初始重量数值的求导;
将商品的重量值迭代若干轮,直至,则重量值稳定,
确定为该商品的重量数值。
进一步的,将商品的图像分析识别,获取称重的商品类别,具体包括:
通过边缘检测,裁剪去除商品的图像中商品目标以外的区域,得到处理后的裁剪图像;
裁剪图像经规范化压缩后,进行商品类别的识别分析;
给出对应商品类型的商品编码,获取称重的商品类别。
进一步的,通过边缘检测,裁剪去除商品的图像中商品目标以外的区域,具体包括;
对商品的图像进行滤波处理,获得平滑图像;
计算平滑图像的梯度幅值和梯度方向,获得梯度图像;
对梯度图像中的全部像素点进行幅值扫描,计算用于边缘识别的阈值,计算公式如下:
其中,H为阈值,P为梯度图像中像素的列数,Q为梯度图像中像素的行数,i为梯度图像中像素点横向坐标值,j为梯度图像中像素点纵向坐标值,T(i,j)为梯度图像中像素点(i,j)的幅值;
将幅值高于阈值的像素点确定为边缘点,幅值低于阈值预设倍数的像素点确定为非边缘点,其他的像素点确定为疑似边缘点;
疑似边缘点的相邻像素点中有边缘点,则视为边缘点;否则,视为非边缘点,连接边缘点,得到商品边缘曲线;
沿商品边缘曲线裁剪去除商品的图像中商品目标以外的区域。
进一步的,预先构建的商品的收货数据,具体预先构建方法包括如下步骤:
对待入库的商品称重,采集待入库的商品图像并识别商品类别,给出待入库商品的重量数值和商品的类别;
比对商品历史数据,验证待入库商品的视觉面积和重量的关系,完成入库检验;
将待入库的商品收货数据存入入库管理***,完成商品的收货数据的预先构建。
进一步的,比对商品历史数据,验证待入库商品的视觉面积和重量的关系,完成入库检验,具体包括:
调取历史数据中的该待入库商品类型的核验标准值;
根据待入库商品的视觉面积和重量,给出待入库商品的单位视觉面积的重量数值,作为第一数据值;
比较第一数据值和核验标准值,符合设定的阈值条件,完成入库检验。
进一步的,校验标准值为预先设置,计算任一商品类型的待入库的校验标准值,具体包括:
取商品历史数据中的商品类别、商品重量和视觉面积的数据,集合相同商品类别的商品历史数据;
根据集合中同一商品类别的商品重量、视觉面积,给出该商品类别下单位视觉面积的重量数值,得到该商品类别的核验标准值。
进一步的,实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点,具体包括:
根据售卖数据,实时更新预先构建的商品的收货数据;
依据商品类别,将相同商品类别的商品的收货数据、卖场商品的盘点数据和库存商品的盘点数据进行对应梳理;
给出商品的收货数据与卖场商品的盘点数据、库存商品的盘点数据之间的差值,生成商品的盘点单据,完成商品的盘点。
第二方面,本发明还提供一种实施如以上商品盘点方法的装置,包括:视觉识别设备及控制设备,视觉识别设备包括设备主体,设备主体上方固定连接的显示触摸屏、处理器及图像采集组件,设备主体表面的秤盘以及驱动视觉识别设备移动的动力组件;
控制设备用于控制视觉识别设备进行商品的盘点;
显示触摸屏用于显示商品盘点及商品收货过程中的商品信息,处理器用于确定商品的重量数据,并控制图像采集组件采集商品的图像以及对商品的图像进行分析识别,给出商品类别。
本发明提供的基于视觉识别的商品盘点方法及装置,至少包括如下有益效果:
(1)基于视觉识别的商品盘点,自动分辨商品的种类,自动进行商品的重量校对,完成商品盘点和收货过程中的数据管理,减少人工操作,降低误差,大幅提升了工作效率和准确度,节约运营成本。
(2)根据多次采集到的商品重量信息,与采集时间间隔和秤盘的分度值进行迭代,得到稳定的商品重量数据,既提升了商品信息数据的准确度,又衔接图像采集过程,避免了图像采集组件的运行压力,降低了处理器的内存消耗,高效、便捷的实现了对不同类型商品的识别和数据存储。
(3)基于边缘检测,给出商品的视觉面积和商品的类型,阈值的设定更加适合具体应用场景,自适应性强,边缘识别精确度更高。
(4)对每种商品类型设计核验标准值,提高了商品收货过程中的精准度,消除人工手动填写可能出现的误差。
附图说明
图1为本发明提供的基于视觉识别的商品盘点方法的流程图;
图2为本发明提供的视觉识别设备结构示意图;
图3为本发明提供的基于视觉识别的商品收货方法的流程图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
如图2所示,视觉识别设备包括:设备主体1,设备主体1上方固定连接的显示触摸屏2、处理器及图像采集组件3,设备主体表面的秤盘4以及驱动设备移动的动力组件5。
显示触摸屏2用于显示商品盘点及商品收货过程中的商品信息,处理器用于确定商品的重量数据,控制图像采集组件3采集商品的图像以及对商品的图像进行分析识别,给出商品类别。
视觉识别设备通过控制设备控制,进行商品的盘点和收货。
采用图2所示的移动设备进行商品的盘点,如图1所示,包括如下步骤:
动力组件驱动视觉识别设备按预定线路行进并搜索库存中的商品,对搜索到的商品称重;
重量值稳定后,确定为该商品的重量数值,随后图像采集组件采集称重商品的图像,并将商品的图像传入处理器进行分析识别,获取称重的商品类别;
将商品的重量数值和商品的类别分别存入处理器的入库管理***,形成商品的盘点数据;
实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点。
预定线路可以根据库存中商品的具体排布情况及盘点、收获时的具体场景提前确定,在此不做限定。开始搜索的商品也可以提前设定,不具体限定从哪种类型的商品开始。
入库管理***内存有所有的商品的盘点数据和商品的收货数据,以上两类数据均是通过视觉识别设备在进行商品盘点和收货的过程中采集储存得到。
基于可进行智能收货、盘点的视觉识别设备,自动分辨商品的种类,进行商品的重量校对,自动完成盘点和收货时的数据管理,给出商品的盘点单据,减少人工操作,降低误差,大幅提升了工作效率和准确度,并且节约运营成本。
库存中的商品包括卖场商品和库房商品,商品的盘点数据包括卖场商品的盘点数据和库房商品的盘点数据。
重量值稳定后,确定为该商品的重量数值,具体包括:
处理器连续不间断的采集放置在秤盘上的商品的初始重量数值,并对相邻的初始重量数值进行分析处理;
根据相邻的初始重量数值、采集时间间隔及秤盘的分度值,对初始重量数值进行求导,计算公式如下:
其中,为第i次进行商品重量采集的时间点,为第i次进行商品重量采集
的初始重量数值,为进行商品重量采集的间隔时间,为视觉识别设备的秤盘分度值,为对进行商品重量采集的初始重量数值的求导;
将商品的重量值迭代若干轮,直至,则重量值稳定,
确定为该商品的重量数值。
根据多次采集到的商品重量信息,与采集时间间隔和秤盘的分度值进行迭代,得到稳定的商品重量数据,既提升了商品信息数据的准确度,又衔接图像采集过程,避免了图像采集组件的运行压力,降低了处理器的内存消耗,高效、便捷的实现了对不同类型商品的识别和数据存储。
将商品的图像传入处理器进行分析识别,获取称重的商品类别,具体包括:
处理器通过边缘检测,裁剪去除商品的图像中商品目标以外的区域,得到处理后的裁剪图像;
裁剪图像经规范化压缩后,传入处理器的识别单元,进行商品类别的识别分析;
给出对应商品类型的商品编码,获取称重的商品类别。
处理器通过边缘检测,裁剪去除商品的图像中商品目标以外的区域,具体包括;
对商品的图像进行滤波处理,获得平滑图像;
滤波处理可以采用高斯滤波函数,对商品的图像进行滤波以及降噪处理,通过控制平滑程度,获得处理后的平滑图像。
计算平滑图像的梯度幅值和梯度方向,获得梯度图像;
得到平滑图像后,对平滑图像的像素点在水平、垂直、45°、135°的四个方向进行求解偏导数,使用一阶有限差分来计算梯度幅值和梯度方向,
得到当前的梯度幅值和梯度幅角分别为:
扩展梯度幅值和梯度幅角的取值,能提高确定商品目标的边缘的准确度,不易丢失部分真实边缘。
对梯度图像中的全部像素点进行幅值扫描,计算用于边缘识别的阈值,计算公式如下:
其中,H为阈值,P为梯度图像中像素的列数,Q为梯度图像中像素的行数,i为梯度图像中像素点横向坐标值,j为梯度图像中像素点纵向坐标值,t(i,j)为(i,j)点的像素值,T(i,j)为梯度图像中像素点(i,j)的幅值;
将幅值高于阈值的像素点确定为边缘点,幅值低于阈值预设倍数的像素点确定为非边缘点,其他的像素点确定为疑似边缘点;
疑似边缘点的相邻像素点中有边缘点,则视为边缘点;否则,视为非边缘点,连接边缘点,得到商品边缘曲线;
沿商品边缘曲线裁剪去除商品的图像中商品目标以外的区域。
基于边缘检测,给出商品的视觉面积和商品的类型,阈值的设定更加适合具体应用场景,自适应性强,边缘识别精确度更高。
如图3所示,预先构建的商品的收货数据也是基于视觉识别设备在收货环节采集、分析及存储得到,具体预先构建方法包括如下步骤:
驱动组件驱动视觉识别设备对待入库的商品称重,图像采集组件采集待入库的商品图像并识别商品类别,给出待入库商品的重量数值和商品的类别;
比对商品历史数据,验证待入库商品的视觉面积和重量的关系,完成入库检验;
将待入库的商品收货数据存入处理器的入库管理***,完成商品的收货数据的预先构建。
对待入库的商品称重过程,也与基于视觉识别设备在盘点过程中的称重过程相同。即:
处理器连续不间断的采集放置在秤盘上的待入库的商品的初始重量数值,并对相邻的初始重量数值进行分析处理;
根据相邻的初始重量数值、采集时间间隔及秤盘的分度值,对初始重量数值进行求导,计算公式如下:
其中,为第i次进行待入库的商品重量采集的时间点,为第i次进行待入
库的商品重量采集的初始重量数值,为进行待入库的商品重量采集的间隔时间,为视觉
识别设备的秤盘分度值,为对进行待入库的商品重量采集的初始重量数值的求导;
将待入库的商品的重量值迭代若干轮,直至,则重
量值稳定,确定为该待入库的商品的重量数值。
对收货过程中待入库的商品的视觉面积及商品类别识别,也与基于视觉识别设备在盘点过程中的商品类别识别过程相同。即:
处理器通过边缘检测,裁剪去除待入库的商品的图像中待入库的商品目标以外的区域,给出待入库的商品的视觉面积,得到处理后的裁剪图像;
裁剪图像经规范化压缩后,传入处理器的识别单元,进行待入库的商品类别的识别分析;
给出对应待入库的商品类型的商品编码,获取称重的待入库的商品类别。
处理器通过边缘检测,裁剪去除待入库的商品的图像中待入库的商品目标以外的区域,具体包括;
对待入库的商品的图像进行滤波处理,获得平滑图像;
滤波处理可以采用高斯滤波函数,对待入库的商品的图像进行滤波以及降噪处理,通过控制平滑程度,获得处理后的平滑图像。
计算平滑图像的梯度幅值和梯度方向,获得梯度图像;
得到平滑图像后,对平滑图像的像素点在水平、垂直、45°、135°的四个方向进行求解偏导数,使用一阶有限差分来计算梯度幅值和梯度方向,
得到当前的梯度幅值和梯度幅角分别为:
对梯度图像中的全部像素点进行幅值扫描,计算用于边缘识别的阈值,计算公式如下:
其中,H为阈值,P为梯度图像中像素的列数,Q为梯度图像中像素的行数,i为梯度图像中像素点横向坐标值,j为梯度图像中像素点纵向坐标值,t(i,j)为(i,j)点的像素值,T(i,j)为梯度图像中像素点(i,j)的幅值;
将幅值高于阈值的像素点确定为边缘点,幅值低于阈值预设倍数的像素点确定为非边缘点,其他的像素点确定为疑似边缘点;
疑似边缘点的相邻像素点中有边缘点,则视为边缘点;否则,视为非边缘点,连接边缘点,得到商品边缘曲线;
沿商品边缘曲线裁剪去除待入库的商品的图像中待入库的商品目标以外的区域。
如图3所示,比对商品历史数据,验证待入库商品的视觉面积和重量的关系,完成入库检验,具体包括:
调取处理器的历史数据中的该待入库商品类型的核验标准值;
根据待入库商品的视觉面积和重量,给出待入库商品的单位视觉面积的重量数值,作为第一数据值;
比较第一数据值和核验标准值,符合设定的阈值条件,完成入库检验。
如,假设待入库商品为苹果,调取出来的处理器的历史数据中的苹果的核验标准值,为0.05 m2/kg;待入库商品的单位视觉面积的重量数值为0.045 m2/kg,误差:(0.045m2/kg -0.05 m2/kg)/ 0.05=10%,设定的阈值为20%,因此,在允许的误差范围内,完成了入库检验,可以入库。
校验标准值为预先设置,计算任一商品类型的待入库的校验标准值,具体包括:
取商品历史数据中的商品类别、商品重量和视觉面积的数据,集合相同商品类别的商品历史数据;
根据集合中同一商品类别的商品重量、视觉面积,给出该商品类别下单位视觉面积的重量数值,得到该商品类别的核验标准值。
其中,核验标准值的计算公式如下:
其中,为核验标准值,λ为标准系数,可以根据商品历史数据的正态分布情况进
行设定, 为第i个该类型商品重量的数值,为第i个该类型商品视觉面积的数值,
为该类型商品重量的平均数值,为该类型商品视觉面积的平均数值,为该类型商品相
同出现的次数。对遵循正态分布情况的商品历史数据,设定标准系数,满足具体场景的需
求,计算确定的核准标准值更符合实际的要求,提高收货识别判断的精准度。
实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点,具体包括:
根据售卖数据,实时更新预先构建的商品的收货数据;
依据商品类别,将相同商品类别的商品的收货数据、卖场商品的盘点数据和库存商品的盘点数据进行对应梳理;
给出商品的收货数据与卖场商品的盘点数据、库存商品的盘点数据之间的差值,生成商品的盘点单据,完成商品的盘点。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于视觉识别的商品盘点方法,其特征在于,包括如下步骤:
搜索库存中的商品,对搜索到的商品称重;
重量值稳定后,确定为该商品的重量数值,随后采集称重商品的图像,并将商品的图像分析识别,获取称重的商品类别;
将商品的重量数值和商品的类别分别存入入库管理***,形成商品的盘点数据;
实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点;
其中,重量值稳定后,确定为该商品的重量数值,具体包括:
连续不间断的采集称重商品的初始重量数值,并对相邻的初始重量数值进行分析处理;
根据相邻的初始重量数值、采集时间间隔及称重秤盘的分度值,对初始重量数值进行求导,计算公式如下:
;
其中,为第i次进行商品重量采集的时间点,/>为第i次进行商品重量采集的初始重量数值,/>为进行商品重量采集的间隔时间,/>为称重秤盘的分度值,/>为对进行商品重量采集的初始重量数值的求导;
将商品的重量值迭代若干轮,直至,则重量值稳定,确定/>为该商品的重量数值。
2.如权利要求1所述的商品盘点方法,其特征在于,库存中的商品包括卖场商品和库房商品,商品的盘点数据包括卖场商品的盘点数据和库房商品的盘点数据。
3.如权利要求1所述的商品盘点方法,其特征在于,将商品的图像分析识别,获取称重的商品类别,具体包括:
通过边缘检测,裁剪去除商品的图像中商品目标以外的区域,得到处理后的裁剪图像;
裁剪图像经规范化压缩后,进行商品类别的识别分析;
给出对应商品类型的商品编码,获取称重的商品类别。
4.如权利要求3所述的商品盘点方法,其特征在于,通过边缘检测,裁剪去除商品的图像中商品目标以外的区域,具体包括;
对商品的图像进行滤波处理,获得平滑图像;
计算平滑图像的梯度幅值和梯度方向,获得梯度图像;
对梯度图像中的全部像素点进行幅值扫描,计算用于边缘识别的阈值,计算公式如下:
;
其中,H为阈值,P为梯度图像中像素的列数,Q为梯度图像中像素的行数,i为梯度图像中像素点横向坐标值,j为梯度图像中像素点纵向坐标值,T(i,j)为梯度图像中像素点(i,j)的幅值;
将幅值高于阈值的像素点确定为边缘点,幅值低于阈值预设倍数的像素点确定为非边缘点,其他的像素点确定为疑似边缘点;
疑似边缘点的相邻像素点中有边缘点,则视为边缘点;否则,视为非边缘点,连接边缘点,得到商品边缘曲线;
沿商品边缘曲线裁剪去除商品的图像中商品目标以外的区域。
5.如权利要求1所述的商品盘点方法,其特征在于,预先构建的商品的收货数据,具体预先构建方法包括如下步骤:
对待入库的商品称重,采集待入库的商品图像并识别商品类别,给出待入库商品的重量数值和商品的类别;
比对商品历史数据,验证待入库商品的视觉面积和重量的关系,完成入库检验;
将待入库的商品收货数据存入入库管理***,完成商品的收货数据的预先构建。
6.如权利要求5所述的商品盘点方法,其特征在于,比对商品历史数据,验证待入库商品的视觉面积和重量的关系,完成入库检验,具体包括:
调取历史数据中的该待入库商品类型的核验标准值;
根据待入库商品的视觉面积和重量,给出待入库商品的单位视觉面积的重量数值,作为第一数据值;
比较第一数据值和核验标准值,符合设定的阈值条件,完成入库检验。
7.如权利要求6所述的商品盘点方法,其特征在于,校验标准值为预先设置,计算任一商品类型的待入库的校验标准值,具体包括:
取商品历史数据中的商品类别、商品重量和视觉面积的数据,集合相同商品类别的商品历史数据;
根据集合中同一商品类别的商品重量、视觉面积,给出该商品类别下单位视觉面积的重量数值,得到该商品类别的核验标准值。
8.如权利要求2所述的商品盘点方法,其特征在于,实时更新预先构建的商品的收货数据,并与商品的盘点数据进行比对,生成商品的盘点单据,完成商品的盘点,具体包括:
根据售卖数据,实时更新预先构建的商品的收货数据;
依据商品类别,将相同商品类别的商品的收货数据、卖场商品的盘点数据和库存商品的盘点数据进行对应梳理;
给出商品的收货数据与卖场商品的盘点数据、库存商品的盘点数据之间的差值,生成商品的盘点单据,完成商品的盘点。
9.一种实施如权利要求1-8所述的商品盘点方法的装置,其特征在于,包括:视觉识别设备及控制设备,视觉识别设备包括设备主体,设备主体上方固定连接的显示触摸屏、处理器及图像采集组件,设备主体表面的秤盘以及驱动视觉识别设备移动的动力组件;
控制设备用于控制视觉识别设备进行商品的盘点;
显示触摸屏用于显示商品盘点及商品收货过程中的商品信息,处理器用于确定商品的重量数据,并控制图像采集组件采集商品的图像以及对商品的图像进行分析识别,给出商品类别。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210838836.3A CN115099752B (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
CN202311139566.8A CN117172666A (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210838836.3A CN115099752B (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311139566.8A Division CN117172666A (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115099752A CN115099752A (zh) | 2022-09-23 |
CN115099752B true CN115099752B (zh) | 2023-08-15 |
Family
ID=83299105
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311139566.8A Pending CN117172666A (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
CN202210838836.3A Active CN115099752B (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311139566.8A Pending CN117172666A (zh) | 2022-07-18 | 2022-07-18 | 一种基于视觉识别的商品盘点方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117172666A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172666A (zh) * | 2022-07-18 | 2023-12-05 | 融讯伟业(北京)科技有限公司 | 一种基于视觉识别的商品盘点方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005008341A (ja) * | 2003-06-18 | 2005-01-13 | Bcn Inc | 市場在庫分析システム及び市場在庫の分析方法 |
CN103632241A (zh) * | 2012-08-28 | 2014-03-12 | 纽海信息技术(上海)有限公司 | 仓库盘点方法及仓库盘点*** |
JP2015101424A (ja) * | 2013-11-22 | 2015-06-04 | ライフサンソフト株式会社 | 商品の棚卸システム |
CN110428433A (zh) * | 2019-07-02 | 2019-11-08 | 西华师范大学 | 一种基于局部阈值的Canny边缘检测算法 |
CN111539670A (zh) * | 2020-04-24 | 2020-08-14 | 无锡创思感知科技有限公司 | 无人商店的补货方法 |
CN112466068A (zh) * | 2020-11-26 | 2021-03-09 | 融讯伟业(北京)科技有限公司 | 基于计算机视觉技术的智能称重装置与智能称重方法 |
CN113269935A (zh) * | 2021-07-16 | 2021-08-17 | 融讯伟业(北京)科技有限公司 | 一种基于无屏称重装置的视觉称重方法及称重*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6804891B2 (ja) * | 2016-08-05 | 2020-12-23 | 東芝テック株式会社 | チェックアウトシステム及びプログラム |
US10552791B2 (en) * | 2016-10-24 | 2020-02-04 | Walmart Apollo, Llc | Systems and methods for monitoring and reconciling inventory |
CN108549851B (zh) * | 2018-03-27 | 2020-08-25 | 合肥美的智能科技有限公司 | 智能货柜内货品识别方法及装置、智能货柜 |
CN110147977A (zh) * | 2019-05-29 | 2019-08-20 | 北京云迹科技有限公司 | 一种库存盘点方法及装置 |
CN110533380A (zh) * | 2019-07-11 | 2019-12-03 | 四川省菜蓝子科技有限公司 | 一种生鲜盘点***及其盘点方法 |
CN112896903A (zh) * | 2019-11-19 | 2021-06-04 | 丰豪物流(北京)有限公司 | 基于搬运机器人的盘点方法、搬运机器人及盘点*** |
KR102492806B1 (ko) * | 2019-12-20 | 2023-01-30 | 김승연 | 재고관리 및 상품판매를 위한 스마트 진열대 및 스마트 진열대를 이용한 재고관리 및 상품 판매방법 |
CN111369196A (zh) * | 2020-03-09 | 2020-07-03 | 支付宝(杭州)信息技术有限公司 | 一种基于区块链的目标对象盘点方法和*** |
CN113879751B (zh) * | 2021-10-11 | 2023-03-14 | 国网江苏省电力有限公司常州供电分公司 | 用于移动作业机器的货物盘点方法、装置及货物盘点*** |
CN117172666A (zh) * | 2022-07-18 | 2023-12-05 | 融讯伟业(北京)科技有限公司 | 一种基于视觉识别的商品盘点方法及装置 |
-
2022
- 2022-07-18 CN CN202311139566.8A patent/CN117172666A/zh active Pending
- 2022-07-18 CN CN202210838836.3A patent/CN115099752B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005008341A (ja) * | 2003-06-18 | 2005-01-13 | Bcn Inc | 市場在庫分析システム及び市場在庫の分析方法 |
CN103632241A (zh) * | 2012-08-28 | 2014-03-12 | 纽海信息技术(上海)有限公司 | 仓库盘点方法及仓库盘点*** |
JP2015101424A (ja) * | 2013-11-22 | 2015-06-04 | ライフサンソフト株式会社 | 商品の棚卸システム |
CN110428433A (zh) * | 2019-07-02 | 2019-11-08 | 西华师范大学 | 一种基于局部阈值的Canny边缘检测算法 |
CN111539670A (zh) * | 2020-04-24 | 2020-08-14 | 无锡创思感知科技有限公司 | 无人商店的补货方法 |
CN112466068A (zh) * | 2020-11-26 | 2021-03-09 | 融讯伟业(北京)科技有限公司 | 基于计算机视觉技术的智能称重装置与智能称重方法 |
CN113269935A (zh) * | 2021-07-16 | 2021-08-17 | 融讯伟业(北京)科技有限公司 | 一种基于无屏称重装置的视觉称重方法及称重*** |
Also Published As
Publication number | Publication date |
---|---|
CN117172666A (zh) | 2023-12-05 |
CN115099752A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443093B (zh) | 一种面向智能化的红外数字全景***及其仓库管理方法 | |
CN108320404A (zh) | 基于神经网络的商品识别方法、装置、自助收银台 | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算*** | |
CN115099752B (zh) | 一种基于视觉识别的商品盘点方法及装置 | |
CN108711148A (zh) | 一种基于深度学习的轮胎缺陷智能检测方法 | |
CN113269935B (zh) | 一种基于无屏称重装置的视觉称重方法及称重*** | |
CN110782324B (zh) | 一种基于云平台的电子商务商品信息管理方法及*** | |
CN111598827A (zh) | 外观瑕疵检测方法、电子装置及存储介质 | |
US20230177458A1 (en) | Methods and systems for monitoring on-shelf inventory and detecting out of stock events | |
CN113375566A (zh) | 物体尺寸的精确测量方法及*** | |
CN116596441A (zh) | 一种基于云计算的智能仓储服务管理方法及*** | |
CN115752683A (zh) | 一种基于深度相机的体重预估方法、***及终端 | |
CN113821042A (zh) | 一种基于机器视觉的货物运送障碍识别***及方法 | |
CN110979853B (zh) | 一种基于机器视觉的自动化包装方法及*** | |
CN117622757A (zh) | 网格式物流仓分拣信息处理方法、***和存储介质 | |
CN110533380A (zh) | 一种生鲜盘点***及其盘点方法 | |
CN116468373B (zh) | 一种基于物联网的电厂设备仓储管理*** | |
CN114235122A (zh) | 基于ai图像识别的电子秤的称重结算方法及*** | |
CN106950609A (zh) | 一种检测产品线上装配组件的方法、装置及*** | |
CN111428530A (zh) | 一种二维码图像检测识别设备、装置及方法 | |
CN112270562B (zh) | 一种用于农产品商超的农产品自动调价结算方法及*** | |
CN117852683B (zh) | 一种生鲜配送的智能分拣及多退少补的通用方法 | |
CN117273618B (zh) | 基于rfid的家居产品物流仓储配送信息智能管理*** | |
CN116563289B (zh) | 一种基于机器视觉的贴标品质检测方法和*** | |
CN111258883B (zh) | 基于sku图像识别的算法模型测试方法及测试*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |