發(fā)布時間：2019-11-28 23:55

【摘要】：超市由于其便利性逐漸成為人們?nèi)粘Ｉ钪匈徫锏闹匾x擇。超市的核心是商品,商品的狀態(tài)是超市運行情況的直接反映。為了掌握商品的銷售情況以及給消費者提供良好的購物體驗,超市管理人員需要經(jīng)常核對盤點貨架上商品的信息。而超市現(xiàn)有的獲取商品信息的方法大都是根據(jù)商品信息的存儲查詢管理軟件,并且需要超市管理人員輔助提供大量的信息。這種商品信息獲取方法存在很多的缺點,比如需要大量的勞動力、不能及時更新商品信息等。因此需要研究更為方便快捷的獲取超市商品信息的方法,以便更為方便及時的提供商品信息。針對傳統(tǒng)的貨架商品信息獲取方法的不足,本文研究了機器學習和計算機視覺相關技術(shù)在貨架商品檢測上的應用,并設計和實現(xiàn)了一種能智能快速地獲得貨架上擺放商品的信息的貨架商品檢測方法。本文首先研究了最新的深度學習物體檢測網(wǎng)絡結(jié)構(gòu)Faster R-CNN和SSD在貨架商品檢測上的應用,然后針對Faster R-CNN和SSD在貨架層數(shù)很多且商品很多的貨架圖像上商品檢測結(jié)果比較差的問題,設計和實現(xiàn)了一種基于分治策略的貨架商品檢測方法。首先根據(jù)Canny邊緣檢測結(jié)果的垂直投影直方圖對貨架圖像進行分層分割,然后根據(jù)BRISK特征密度分布對單層的貨架圖像進行分割,得到一個個商品圖像塊,最后再通過Faster R-CNN和SSD物體檢測模型進行檢測。通過對真實場景下的洗發(fā)水商品圖像進行測試,本文提出的方法在7類洗發(fā)水商品上的檢測準確率為94%。
【圖文】：

圖２．２邋Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ網(wǎng)絡結(jié)構(gòu)逡逑Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ算法主要包括兩個模塊：逡逑

圖２．３邋Ｆａｓｔｅｒ邋Ｒ－ＣＮＮ默認候選區(qū)域示意圖逡逑區(qū)域生成網(wǎng)絡是全卷積結(jié)構(gòu)，因此可！＾端到端地進行訓練，區(qū)域生成網(wǎng)絡能逡逑的輸出是物體的邊界和分數(shù)（即屬于某一類的置信度），，相比于典型的卷積神經(jīng)逡逑
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前2條

1 蘇焱;;淺析我國超市管理的現(xiàn)狀與發(fā)展趨勢[J];商場現(xiàn)代化;2014年17期

2 趙桂青;;圖像的盲解卷積恢復[J];微計算機信息;2007年06期

相關碩士學位論文 前1條

1 梁青青;超市貨架區(qū)域分割與商品識別研究[D];南京理工大學;2013年

本文編號：2567221