Intelligentes, unbemanntes Verkaufsautomatensystem in der Bildverarbeitung

Das intelligente, unbemannte Verkaufsautomatensystem in Guangdong, das auf maschinellem Sehen und der statischen Identifizierung von Verkaufsautomaten basiert, erfasst die Daten der Drucksensoren an jedem Fach. Durch Datenanalyse wird die Qualität des Fachs analysiert, um festzustellen, welches Fach der Kunde entnommen hat. Gleichzeitig nimmt die Frontkamera des unbemannten Verkaufsautomaten ein Bild dieses Fachs auf und lädt es nach der Frontend-Verarbeitung an den Server hoch. Dort wird das Bild mithilfe des Deep-Learning-Algorithmus YOLO detektiert, lokalisiert und identifiziert. Das YOLO-Modell, basierend auf einem Convolutional Neural Network (CNN), wurde 2015 entwickelt, um Objekte in Echtzeit zu erkennen und zu identifizieren. Es zählt zu den Netzwerkmodellen mit der besten Kombination aus Positionsgenauigkeit und Erkennungsgenauigkeit für Objekte und bietet zudem die beste Echtzeitleistung. Das Modell verwendet eine CNN-Struktur. Die Convolutional-Layer extrahieren Bildmerkmale, während die Fully-Connected-Layer die Ausgabewahrscheinlichkeit vorhersagt. Die Modellstruktur ähnelt dem Netzwerkmodell, und das Endergebnis ist das in Abbildung 3 dargestellte Netzwerkmodell. Das System wird auf Basis dieses Netzwerkmodells optimiert, um die vollständig verbundene Schicht und die Faltungsschicht anzupassen. Die Hardware des Systems verwendet einen eingebetteten Quad-Core-ARM9-Prozessor als Frontend-Bilderfassungscontroller und realisiert damit das gesamte intelligente, unbemannte Einzelhandelssystem. Die Dateninformationen jedes Moduls werden zusammengefasst, analysiert und verarbeitet, und Steuerbefehle werden an die einzelnen Funktionsmodule ausgegeben, um den stabilen Betrieb des Gesamtsystems zu gewährleisten. Die Struktur jedes unbemannten Verkaufsbehälters ist in vier Ebenen und zwei Spalten unterteilt, insgesamt acht Fächer, wobei jedes Fach eine Warenart enthält. Über jedem Fach ist eine 5-Megapixel-CMOS-Kamera installiert, um die Warenmenge statisch zu erfassen. Unter jedem Fach befindet sich ein Drucksensor, der erkennt, welche Warenart der Kunde entnommen hat. Anschließend wird das Bild dieses Fachs zur Identifizierung und Zählung an den Server gesendet, um die genaue Anzahl der entnommenen Waren zu ermitteln. Gleichzeitig werden die Daten des Drucksensors zur Analyse und zum Vergleich an die Serverdatenbank gesendet. Eine 10-Megapixel-Kamera ist oben am Regal installiert, um die Warenarten dynamisch zu erfassen. Zusätzlich sind an der Vorderseite jedes Regalfachs zwei Paare Infrarotsensoren angebracht. Sobald der Infrarotsensor erkennt, dass der Kunde ein Produkt entnommen hat, nimmt die Kamera oben am Regal das Produkt in der Hand des Kunden auf. Die zentrale Steuereinheit komprimiert das erfasste Bild und lädt es per WLAN oder 4G-Modul an den Server hoch. Das Software- und Hardware-Design des intelligenten, unbemannten Bildverarbeitungssystems für den Einzelhandel realisiert statische und dynamische Bildaufnahmen durch die Hardware-Kameramodule, die Datenübertragung der Drucksensoren, die Datenerfassung der Infrarotsensoren und die Kommunikation zwischen den verschiedenen Modulen. Die Software übernimmt die Erkennung, Positionierung und Zuordnung der Bilder mittels eines neuronalen Netzes. In Kombination mit der Frontend-App und der Backend-Datenbank entsteht so ein neues, intelligentes und unbemanntes Einzelhandelssystem. Der Einsatz von KI-gestützten Bildverarbeitungssystemen im modernen Einzelhandel ermöglicht es Kunden, die Tür zu scannen und Waren selbst zu entnehmen. Das neue Erlebnis des automatischen Schließens der Tür und der automatischen Abrechnung ist kundenfreundlich und senkt die Produktkosten. Wir hoffen, dass die oben vorgestellten Informationen zu unbemannten Verkaufsautomaten in Guangdong hilfreich sind. Weitere Informationen folgen in Kürze. Vorheriger Artikel: Das Prinzip der Informationserfassung durch unbemannte Verkaufsautomaten. Nächster Artikel: Die Machbarkeit des Shared-Designs von Verkaufsautomaten.