秤和自助结账可更快地识别称重的货物

来自Skoltech和其他机构的研究团队开创了一种新的快速方法来区分超市中称重的商品。与现有系统不同的是，当新产品类型到来时，该算法将使神经网络训练速度更快。该论文发表在IEEEAccess期刊上。

商店不断引入旨在提高员工绩效并加快货物称重和付款过程的技术。虽然在一些超市，顾客必须记住代码并在该区域称重商品，但在其他商店，通常由收银员在结账时提供，他们要么必须自己识别水果或蔬菜的类型，要么询问顾客。

在使用体重秤自助结账时，消费者还必须记住代码。此外，很难确保客户称量的产品类型正确。Skoltech研究人员建议通过计算机视觉系统简化这一过程。

研究小组表示，现有仪器存在许多缺点。“困难在于，超市里有很多视觉上相似的水果或蔬菜，而且经常出现新品种。每次新品种交付时，经典计算机视觉系统都需要重新训练。这很耗时，因为我们必须收集该研究的主要作者、软件工程师和博士解释说：“处理大量数据，然后手动对其进行标记。”SkoltechSergeyNesteruk无线中心的学生。

PseudoAugment方法允许针对新类别调整神经网络，而无需进行大量收集和标记数据的过程。甚至可以在新商品出现在商店货架上之前对系统进行配置。

“可以将具有新类型的盒子放在相机下并拍照。然后，仅根据几张照片，算法即可识别特定对象，而无需手动标记。随后，我们增强了将用于重新训练模型的图像。我们透露当添加新类时，检测质量的下降比没有PseudoAugment的情况要低得多。如果我们添加许多新类，下降仍然会发生，但系统可以每隔几周重新训练一次。最重要的是，它会起作用一旦新款到达商店，”SergeyNesteruk评论道。

图像增强用生成的图像补充照片，这是原始数据的视觉转换。例如，此类变换包括旋转图像、改变其亮度、添加噪声。虽然增强增加了数据的可变性，但模型变得更加稳健。

正如研究人员所说，这项研究有助于以数据为中心的方法，该方法的重点是改进数据并将其应用到现成的模型中。新算法的范围不仅限于超市。它还可用于检测同质物体的训练，例如谷物或固体废物输送机上的物体。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！