来自Skoltech和其他机构的一个研究小组开创了一种新的快速方法来区分超市里的加权商品。与现有系统不同，该算法将使神经网络在新产品到货时的训练速度更快。这篇论文发表在IEEE Access杂志上。
商店继续引进技术，以提高员工的表现，加快货物称重和付款的过程。在一些超市，顾客必须记住一个代码，并在商品区称重，而在其他商店，结账时通常由收银员提供——他们要么自己识别水果或蔬菜的类型，要么问顾客。
在带秤的自助结账处，消费者还必须记住代码。此外，很难确保顾客称重正确的产品类型。Skoltech的研究人员建议通过计算机视觉系统简化这一过程。
根据研究小组的说法，现有的仪器有许多缺点。“难点在于，超市里有很多外观相似的水果或蔬菜，而且经常会出现新的品种。经典的计算机视觉系统需要在每次新品种交付时进行重新训练。是时候了这项研究的主要作者、软件工程师、斯科尔特理工大学无线中心的博士生谢尔盖·涅斯特鲁克解释说:“这很耗时间，因为我们必须收集大量数据，然后手工给它们贴上标签。”
PseudoAugment方法允许为新类调整神经网络，而不需要大量收集和标记数据的过程。该系统甚至可以在新商品出现在商店货架上之前进行配置。
他说:“装有这种新型芯片的盒子可以放在相机下面拍照。然后，仅根据几张照片，该算法就可以识别特定的物体，而无需手动标记。稍后，我们将增强用于重新训练模型的图像。我们发现，当添加新类时，检测质量的退化远低于没有使用PseudoAugment的情况。如果我们添加许多新的类，退化仍然会发生，但系统可以每隔几周重新训练一次。最重要的是，新型号一到店里，它就能工作，”谢尔盖·涅斯特鲁克评论道。
图像增强用生成的图像补充照片，这是对原始数据的视觉转换。在这些变换中，例如，旋转图像，改变它们的亮度，添加噪声。虽然增强增加了数据的可变性，但模型变得更加健壮。
研究人员认为，这项研究有助于以数据为中心的方法，该方法侧重于改进数据并将其应用于现成的模型。新算法的适用范围并不局限于超市。它还可以用于训练检测同质物体，例如，在谷物或固体废物的传送带上。
更多信息:Sergey Nesteruk等人，PseudoAugment:在没有人工注释的新类中启用智能结账，IEEE Access(2023)。DOI: 10.1109/ Access .2023.3296854期刊信息:IEEE Access
由斯科尔科沃科学技术研究所提供
引用:秤和自助结账以更快地识别称重货物(2023年，9月4日)2023年9月5日检索自https://techxplore.com/news/2023-09-scales-self-checkouts-weighted-goods-faster.html本文档
作品受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。的有限公司
内容仅供参考之用。
