(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210405759.2 (22)申请日 2022.04.18 (71)申请人 戴一荻 地址 610037 四川省成 都市金牛区蜀跃东 路檀香花园 (72)发明人 戴一荻　 (51)Int.Cl. G06V 10/80(2022.01) G06V 10/762(2022.01) G06N 3/08(2006.01) G06Q 10/08(2012.01) (54)发明名称 一种基于深度神经网络的无人商店的库存 管理系统 (57)摘要 本发明涉及一种基于深度神经网络的无人 商店的库存管理系统， 其包括： 其包括： 商品管理 设备、 数据管理服务器和数据库， 数据服务器分 别与商品管 理设备和数据库具有通信连接。 数据 管理服务器接收商品管理设备采集的商品陈列 图像， 并将商品陈列图像划分为若干个商品图 像。 数据管 理服务器根据商品图像得到实际商品 图像， 并将所有实际商品图像进图像输入预先训 练好的商品分析模型以输出每个实际商品图像 对应的商品规格数据。 数据管 理服务器将商品规 格数据按照预设编码规则进行编码以得到商品 管理数据， 并将商品管理数据同步到企业数据平 台以对分析从而得到企业的零售管理数据。 权利要求书2页 说明书7页 附图1页 CN 114863233 A 2022.08.05 CN 114863233 A 1.一种基于深度神经网络的无人商店的库存管理系统， 其特征在于， 其包括： 商 品管理 设备、 数据管理服 务器和数据库， 数据服 务器分别与商品管理设备和数据库具有通信连接； 商品管理设备采集的商品陈列图像， 并将其发送到数据管理服 务器； 数据管理服务器根据商品陈列图像的图像特征获取对应商品陈列图像中若干个像素 变化一致的像素连通区域， 并根据每个像素连通区域的每个像素点的颜色分量对相应像素 连通区域进行颜色聚类以将商品陈列图像划分为若干个商品图像； 数据管理服务器分别对商 品图像进行特征提取以得到商品图像的图像颜色特征、 图像 全局特征和图像尺寸特征， 并根据每个商品图像的图像颜色特征、 图像全局特征和图像尺 寸特征对商品图像进行区域划分以提取包 含商品信息的商品识别区域； 数据管理服务器提取商 品识别区域的深度 特征和几何特征， 并根据所述深度 特征和几 何特征对相应商品识别区域进 行商品轮廓识别以得到相应商品的商品轮廓线， 然后对所述 商品轮廓线 进行特征点提取以得到商品识别区域的若干个商品关键点； 数据管理服务器根据商 品识别区域的所有商 品关键点构建商 品特征， 并对商品特征进 行特征重构以得到实际商品图像； 数据管理服务器将所有实 际商品图像进图像输入预先训练好的商品分析模型以输出 每个实际商品图像对应的商品规格数据， 并将所述商品规格数据按照预设编码规则进 行编 码以得到商品管理数据， 然后 将商品管理数据同步到企业数据平台以对分析从而得到企业 的零售管理数据。 2.根据权利要求1所述的系统， 其特征在于， 所述商 品管理设备为具有图像采集功能和 数据采集功能智能设备， 其包括： 智能手机、 平板电脑、 智能扫描仪和智能摄 像机。 3.根据权利要求2所述的系统， 其特征在于， 所述商品分析模型包括： 特征编码模块、 关 联交互模块、 特征变换模块和特征解码模块； 所述关联交互模块包括： 第一特征处理模块、 第二特征处理模块和特 征交互模块。 4.根据权利要求1至3之一所述的系统， 其特征在于， 数据管理服务器将实 际商品图像 输入商品分析模型以输出实际商品图像对应的商品规格数据包括： 特征编码模块提取实际商品图像的商品全局特征、 颜色局部特征、 尺寸局部特征， 并根 据独热编码采用状态位对实际商品图像的商品全局特征、 颜色局部特征、 尺寸局部特征进 行特征编码以得到全局特 征向量、 颜色特 征向量和尺寸特 征向量； 特征变换模块获取全局特征向量与特征库中每个标准商品图像的全局特征向量的相 似度以对全局特征向量进 行量化； 获取颜色特征向量与特征库中每个标准商品图像的颜色 特征向量的相似度以对颜色特征向量进行量化； 获取尺寸特征向量与特征库中每个标准商 品图像的尺寸特 征向量的相似度以对尺寸特 征向量进行量 化； 特征变换模块对量化后的全局特征向量、 颜色特征向量和尺寸特征向量进行特征度 量， 并将进行特征度量后的全局特征向量、 颜色特征向量和尺寸特征向量进行加权求和以 得到输入特征； 关联交互模块对输入特 征进行关联交 互以得到关联交 互特征； 特征解码模块对关联交互特征进行特征解码以输出实际商品图像对应的商品规格数 据。 5.根据权利要求4所述的系统， 其特征在于， 关联交互模块对输入特征进行关联交互以权　利　要　求　书 1/2 页 2 CN 114863233 A 2得到关联交 互特征包括： 关联交互模块的第一特征处理模块使用拉普拉斯特征映射对输入特征进行降维操作 以得到若干个低维特征， 并利用第一卷积核对所有的低维特征进 行特征加权融合以得到第 一融合特 征， 然后利用第二卷积核对第一融合特 征进行卷积操作以得到第一特 征； 关联交互模块的第一特征处理模块利用激励函数将第一特征进行归一化操作得到第 一权重矩阵， 并将输入特 征与第一权 重矩阵进行 特征交互得到第一交 互特征； 关联交互模块的第 二特征处理模块对输入特征进行转置得到若干个转置特征， 并利用 第一卷积核对所有转置特征进 行特征加权融合以得到第二融合特征， 然后利用第二卷积核 对第二融合特 征进行卷积操作得到第二特 征； 关联交互模块的第二特征处理模块利用激励函数将第二特征进行归一化操作以得到 第二权重矩阵， 并将输入特征和第二权重矩阵进行特征交互以得到转置交互特征， 然后将 转置交互特征进行转置操作得到第二交 互特征； 关联交互模块的特征融合模块将第一交互特征和第二交互特征进行特征融合以得到 关联交互特征。 6.根据权利要求5所述的系统， 其特征在于， 特征融合模块将第 一交互特征和第 二交互 特征进行特征融合以得到关联交 互特征包括： 特征融合模块分别将第一交互特征和第二交互特征输入卷积神经网络以获取第一交 互特征的特征图和 第二交互特征的特征图， 并获取第一交互特征的特征图和 第二交互特征 的特征图中每个像素点的最大值以生成线性特征图， 然后 将线性特征图输入反卷积神经网 络以得到线性交 互特征； 特征融合模块分别将第一交互特征的特征图和第二交互特征的特征图映射到预设特 征空间， 并在所述预设特征空间中将第一交互特征和 第二交互特征进 行特征拼接得到拼接 特征， 然后通过第一卷积核将拼接特 征进行卷积操作以得到拼接交 互特征； 特征融合模块将第一交互特征和第二交互特征进行特征相乘以对预设特征空间中的 非线性规律进行编码从而得到组合交互特征， 并将线性交互特征、 拼接交互特征和组合交 互特征的对应元 素取平均以得到关联交 互特征。 7.根据权利要求6所述的系统， 其特征在于， 所述商品规格数据包括商品名字、 商品颜 色和商品尺寸。 8.根据权利要求1至7之一所述的系统， 其特征在于， 所述零售管理数据包括： 货架占有 率、 陈列合格率和商品库存率。权　利　要　求　书 2/2 页 3 CN 114863233 A 3