奉行卓越设计
 打造国际品质

          无人售货机静态识别是服务器从每个格子得到压力传感器的数据通过数据分析质量格子质量变化得到顾客取出的是哪个格子的那种物品无人售货机同时前端摄像头拍摄这个格子的图像在前端处理后上传到服务器。在服务器上通过深度学习算法(YOLO)对图像进行检测、定位和识别。基于卷积神经网络的YOLO模型在2015年被提出能够实时地对物体进行检测和识别是对物体进行位置检测准确率和识别准确率综合最好的网络模型之一同时也是实时性最好的网络模型模型采用卷积神经网络结构。模型的卷积层提取图像特征全连接层预测输出概率。模型结构类似网络模型最终输出为其网络模型如图3所示。本系统在此网络模型基础上对进行优化分别在其全连接层和卷积层进行修改本系统硬件采用基于嵌入式的四核ARM9作为前端图像采集控制器利用它实现对整个智能无人零售系统各个单元模块上的数据信息进行汇总分析和处理对各个功能模块发出控制指令协调整个系统稳定运行。
         每个无人售货柜的结构分为4层2列共8个格子每个格子放一类商品。在每个格子上方安装一个500万像素的CMOS摄像头用来静态采集每个格子里商品的数量。每个格子下面各安装一个压力传感器用来判断顾客拿走了哪一类商品然后将这个格子的图像传到服务器进行识别和计数以此来精确判断顾客拿走了几个商品。同时压力传感器的数据发送给服务器数据库进行分析比对。柜子内部顶端安装一个1000万像素摄像头用来动态采集商品种类。同时柜子每一层格子前方安装两对红外传感器当红外传感器检测到顾客拿完商品之后柜子顶端摄像头对顾客手中的商品进行动态拍摄中央控制器对采集的图像在前端进行压缩通过WiFi或者4G模块上传到服务器。智能无人零售视觉系统的软件和硬件设计；实现了前端硬件摄像头模块组对图像的静态和动态拍摄、压力传感器组的数据传输、红外传感器组的数据采集以及各个模块之间的通信；软件上完成了神经网络对图像的检测定位与识别；通过与前端APP和后台数据库结合可实现新的智能无人新零售系统将人工智能视觉系统应用到新零售行业能使顾客拥有扫描开门、自己取货、关门自动结算的新体验方便了顾客也节约了产品成本。