一种基于神经网络的无人售货柜台系统的制作方法

1.本发明涉及无人售货领域，尤其是涉及一种基于神经网络的无人售货柜台系统。


背景技术：

2.随着国家实力的增强以及国民经济的快速发展，人们的购物方式变得越来越多样化，其中，自助购物成为一种越来越流行的购物方式，极大地方便了人们的生活。现有的自助购物方式通常是采用自助售货机来实现的，自助售货机可以摆放在地铁站或者商场中，用户只要选中自己心仪的物品，并从钱币口投入相应的钱币，就可以买到所选的物品。但是这种在自助售货机消费时，用户只能通过显示屏或者隔着玻璃对商品进行挑选，另外只能选择品种，而不能自己选择具体的某一件商品，也无法查看商品包装上的生产信息、配料表、营养成分表等，因此只能用于售卖一些瓶状饮料或饮用水，对消费者的购物体验带来不好的感受，不利于保护消费者的合法权益。


技术实现要素：

3.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于神经网络的无人售货柜台系统。
4.本发明的目的可以通过以下技术方案来实现：
5.一种基于神经网络的无人售货柜台系统，包括相互连接的结算柜台和置物柜台以及分别与结算柜台和置物柜台连接的防盗门，所述的结算柜台、置物柜台和防盗门相互配合围成封闭区域，所述的结算柜台设有人机交互模块、照片采集模块和数据处理模块，所述的置物柜台内分隔成多个商品放置架，所述的每个商品放置架底部均设有重力传感器，所述的重力传感器与数据处理模块连接，所述的防盗门上设置电磁门锁，所述的电磁门锁根据数据处理模块发送的信号打开或锁定防盗门；
6.当顾客进入防盗门后，所述的电磁门锁自动锁定，顾客在置物柜台上拿走商品时，该商品所在商品放置架底部的重力传感器发送传送重力变化信号至数据处理模块，所述的数据处理模块根据传送重力变化信号生成第一顾客购物清单，当顾客完成挑选后，将所选商品放在照片采集模块中，所述的照片采集模块采集包含多个商品的图片并发送至数据处理模块，所述的数据处理模块通过神经网络对接收到的图片进行图像处理，生成第二顾客购物清单，并比对第一顾客购物清单和第二顾客购物清单是否相同，若是，则通过人机交互模块显示当前购物清单并供顾客选择付款方式和付款，否则通过人机交互模块显示当前购物清单并提醒顾客确认所选商品是否与购物清单相同。
7.进一步地，该无人售货柜台还包括报警装置，所述的报警装置与防盗门连接，当所述的防盗门被暴力开启时，所述的报警装置启动。
8.更进一步地，其特征在于，所述的报警装置为声光报警器。
9.进一步地，所述的数据处理模块在收到顾客付款成功的消息后，控制电磁门锁打开，并对商品放置架上的重力传感器数值进行校准，所述的防盗门处设置红外传感器，用于
检测顾客付款成功后是否离开，若检测结果为顾客未离开且商品放置架上的重力传感器再次传送重力变化信号，则数据处理模块控制电磁门锁再次锁定。
10.进一步地，该系统还包括开锁按钮，所述的开锁按钮与数据处理模块连接，当顾客进入防盗门且未购买商品想要离开时，按下所述的开锁按钮，发送开锁请求至数据处理模块，所述的数据处理模块检查各商品放置架上的重力传感器是否均未发送重力变化信号，若是，则控制电磁门锁打开，否则控制电磁门锁保持锁定，并通过人机交互模块提醒顾客结算付款。
11.进一步地，每个商品放置架上分别放置一种商品，且商品放置架底部的重力传感器分别编号，所述的重力传感器发送的重力变化信号中，包含该重力传感器对应的编号信息，所述的数据处理模块中包括数据库单元，所述的数据库单元中存储置物柜台中所有种类商品对应的商品名称、商品单价和单件重量，所述的数据处理模块根据传送重力变化信号生成第一顾客购物清单具体为：
12.101)从重力变化信号中解析出编号信息，确定商品名称；
13.102)检索数据库单元，得到该种商品对应的单件重量；
14.103)根据重力变化信号的大小，确定顾客拿取该商品的数量，并将商品名称和商品数量一一对应，生成第一顾客购物清单。
15.进一步地，所述的数据库单元中还存储柜台中所有种类商品对应的多角度图像以及所述多角度图像通过神经网络后得到的原始特征，所述的数据处理模块通过神经网络对接收到的图片进行图像处理，生成第二顾客购物清单具体包括：
16.111)将所有商品对应的商品数量初始化为零；
17.112)对图片进行区域划分得到商品图片，每个商品图片中分别包括一个商品；
18.113)利用神经网络对商品图片进行特征提取，得到商品特征；
19.114)将商品特征与数据库单元中的原始特征进行对比，得到相似度最高的原始特征对应的商品，将该商品名称对应的商品数量加一；
20.115)生成包含图片中所有商品和对应商品数量的第二顾客购物清单。
21.进一步地，所述的人机交互模块包括可触摸显示屏和处理器，所述的可触摸显示屏上用于显示包括商品名称、商品单价、商品数量、商品总价和购物总价的当前购物清单，所述的商品数量处设置更改按钮，供顾客根据实际购买情况增加或减少，所述的处理器用于根据商品单价和商品数量计算商品总价和购物总价，并提供付款方式选择和付款渠道。
22.与现有技术相比，本发明具有以下优点：
23.1)本发明在顾客结算时，采用神经网络进行图像处理来分辨所购物品，无需顾客找到每个商品包装上的条形码后进行扫码操作，方便快捷，且本发明先对商品图片进行特征提取后，直接将提取的特征与数据库中存储的对应商品包装图片的原始特征进行比对的方式来辨别所购商品，大大减少了计算量，提高了购物效率和体验；
24.2)本发明通过在每个商品放置架底部均设有重力传感器并编号，根据重力变化信号中的编号信息能够得知顾客从哪个商品放置架上取走了商品，并且根据重力变化信号中的数值变化信息可以得知顾客取走商品的数量，作为第一顾客购物清单，与通过图像识别得到的第二顾客购物清单作为对照，防止某些拿完商品不结算或只结算部分的情况；
25.3)本发明在每次结算付款完成后，控制数据处理模块对各重力传感器进行校准清
零操作，防止由于相同商品之间细微的重量差异累积，造成最终在第一顾客购物清单对商品数量判断的错误，可靠性高。
附图说明
26.图1为本发明柜台结构示意图；
27.图2为本发明系统结构示意图；
28.图3为本发明系统工作整体流程示意图。
29.其中，1、结算柜台，11、人机交互模块，111、可触摸显示屏，112、处理器，12、照片采集模块，13、数据处理模块，2、置物柜台，21、商品放置架，22、重力传感器，3、防盗门，4、电磁门锁，5、开锁按钮，6、报警装置。
具体实施方式
30.下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
31.如图1和图2所示，本发明提供一种基于神经网络的无人售货柜台系统，其特征在于，包括相互连接的结算柜台1和置物柜台2以及分别与结算柜台1和置物柜台2连接的防盗门3，结算柜台1、置物柜台2和防盗门3相互配合围成封闭区域，结算柜台1设有人机交互模块11、照片采集模块12和数据处理模块13，置物柜台2内分隔成多个商品放置架21，每个商品放置架21底部均设有重力传感器22，重力传感器22与数据处理模块13连接，防盗门3上设置电磁门锁4，电磁门锁4根据数据处理模块13发送的信号打开或锁定防盗门3；
32.当顾客进入防盗门3后，电磁门锁4自动锁定，顾客在置物柜台2上拿走商品时，该商品所在商品放置架21底部的重力传感器22发送传送重力变化信号至数据处理模块13，数据处理模块13根据传送重力变化信号生成第一顾客购物清单，当顾客完成挑选后，将所选商品放在照片采集模块12中，照片采集模块12采集包含多个商品的图片并发送至数据处理模块13，数据处理模块13通过神经网络对接收到的图片进行图像处理，生成第二顾客购物清单，并比对第一顾客购物清单和第二顾客购物清单是否相同，若是，则通过人机交互模块11显示当前购物清单并供顾客选择付款方式和付款，否则通过人机交互模块11显示当前购物清单并提醒顾客确认所选商品是否与购物清单相同。
33.本实施例中，该无人售货柜台还包括报警装置6，报警装置6与防盗门3连接，当防盗门3被暴力开启时，报警装置6启动，其中，报警装置6为声光报警器。
34.数据处理模块13在收到顾客付款成功的消息后，控制电磁门锁4打开，并对商品放置架上的重力传感器22数值进行校准，防盗门3处设置红外传感器，用于检测顾客付款成功后是否离开，若检测结果为顾客未离开且商品放置架上的重力传感器22再次传送重力变化信号，则数据处理模块13控制电磁门锁4再次锁定。
35.该系统还包括开锁按钮5，开锁按钮5与数据处理模块13连接，当顾客进入防盗门3且未购买商品想要离开时，按下开锁按钮5，发送开锁请求至数据处理模块13，数据处理模块13检查各商品放置架上的重力传感器22是否均未发送重力变化信号，若是，则控制电磁门锁4打开，否则控制电磁门锁4保持锁定，并通过人机交互模块11提醒顾客结算付款。
36.每个商品放置架21上分别放置一种商品，且商品放置架21底部的重力传感器22分别编号，重力传感器22发送的重力变化信号中，包含该重力传感器22对应的编号信息，数据处理模块13中包括数据库单元，数据库单元中存储置物柜台2中所有种类商品对应的商品名称、商品单价和单件重量，数据处理模块13根据传送重力变化信号生成第一顾客购物清单具体为：
37.101)从重力变化信号中解析出编号信息，确定商品名称；
38.102)检索数据库单元，得到该种商品对应的单件重量；
39.103)根据重力变化信号的大小，确定顾客拿取该商品的数量，并将商品名称和商品数量一一对应，生成第一顾客购物清单。
40.数据库单元中还存储柜台中所有种类商品对应的多角度图像以及所述多角度图像通过神经网络后得到的原始特征，数据处理模块13通过神经网络对接收到的图片进行图像处理，生成第二顾客购物清单具体包括：
41.111)将所有商品对应的商品数量初始化为零；
42.112)对图片进行区域划分得到商品图片，每个商品图片中分别包括一个商品；
43.113)利用神经网络对商品图片进行特征提取，得到商品特征；
44.114)将商品特征与数据库单元中的原始特征进行对比，得到相似度最高的原始特征对应的商品，将该商品名称对应的商品数量加一；
45.115)生成包含图片中所有商品和对应商品数量的第二顾客购物清单。
46.人机交互模块11包括可触摸显示屏111和处理器112，可触摸显示屏111上用于显示包括商品名称、商品单价、商品数量、商品总价和购物总价的当前购物清单，商品数量处设置更改按钮，供顾客根据实际购买情况增加或减少，处理器112用于根据商品单价和商品数量计算商品总价和购物总价，并提供付款方式选择和付款渠道。
47.如图3所示，本发明系统工作时具体包括以下步骤：
48.步骤1：当顾客进入防盗门3后，电磁门锁4自动锁定；
49.步骤2：顾客在置物柜台2上拿走或放回商品，对应商品放置架21底部的重力传感器22发送传送重力变化信号至数据处理模块13，其中，重力变化信号包括变化数值信息和编号信息；
50.步骤3：数据处理模块13从重力变化信号中解析出编号信息，确定商品名称；
51.步骤4：数据处理模块13检索数据库单元，得到该种商品对应的单件重量；
52.步骤5：数据处理模块13从重力变化信号中解析出变化数值信息，确定顾客拿取该商品的数量，并将商品名称和商品数量一一对应，生成第一顾客购物清单；
53.步骤6：顾客挑选完成后，将所有商品放在照片采集模块12的摄像头下，摄像头拍摄包含多个商品的图片并发送至数据处理模块13；
54.步骤7：数据处理模块13将所有商品对应的商品数量初始化为零，并对图片进行区域划分得到商品图片，每个商品图片中分别包括一个商品；
55.步骤8：数据处理模块13利用神经网络对商品图片进行特征提取，得到商品特征；
56.步骤9：数据处理模块13将商品特征与数据库单元中的原始特征进行对比，得到相似度最高的原始特征对应的商品，将该商品名称对应的商品数量加一；
57.步骤10：数据处理模块13生成包含图片中所有商品和对应商品数量的第二顾客购
物清单；
58.步骤11：处理器112根据第二顾客购物清单，生成当前购物清单，同时数据处理模块13对比第一顾客购物清单和第二顾客购物清单的商品名称和对应的商品数量是否一致，若是，则在可触摸显示屏111提供付款方式选择等待付款，否则在可触摸显示屏111提醒顾客确认是否有未结算商品，并返回步骤2或步骤6；
59.步骤12：数据处理模块13在收到顾客付款成功的消息后，控制电磁门锁4打开，并对商品放置架上的重力传感器22数值进行校准；
60.步骤13：防盗门3处的红外传感器检测顾客付款成功后是否离开，若检测结果为顾客未离开且商品放置架21上的重力传感器22再次传送重力变化信号，则数据处理模块13控制电磁门锁4再次锁定，即返回步骤1；
61.步骤14：数据处理模块13监测开锁按钮5是否发送开锁请求的信号，若接收到开锁请求，则数据处理模块13检查各商品放置架21上的重力传感器22是否均未发送重力变化信号，若是，则控制电磁门锁4打开，否则控制电磁门锁4保持锁定，并通过人机交互模块11提醒顾客结算付款。
62.步骤15：监测防盗门3是否被暴力开启，若是，则启动报警装置6。
63.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。