袋鼯麻麻——智能購物平臺

求求了，給俺Github點個star吧~

項目背景

目前在零售行業的實際運營過程中，會產生巨大的人力成本，例如導購、保潔、結算等，而其中，尤其需要花費大量的人力成本和時間成本在識別商品并對其進行價格結算的過程中，并且在此過程中，顧客也因此而需要排隊等待。這樣一來零售行業人力成本較大、工作效率極低，二來也使得顧客的購物體驗下降。

隨著計算機視覺技術的發展，以及無人化、自動化超市運營理念的提出，利用圖像識別技術及目標檢測技術實現產品的自動識別及自動化結算的需求呼之欲出，及自動結賬系統（Automatic checkout, ACO）。基于計算機視覺的自動結賬系統能有效降低零售行業的運營成本，提高顧客結賬效率，從而進一步提升用戶在購物過程中的體驗感與幸福感。

實現功能

本項目具體實現在零售過程中對用戶購買商品的自動結算。即：利用計算機視覺領域中的圖像識別及目標檢測技術，精準地定位顧客購買的商品，并進行智能化、自動化的價格結算。當顧客將自己選購的商品放置在制定區域的時候，“袋鼯麻麻——智能購物平臺”能夠精準地定位識別每一個商品，并且能夠返回完整地購物清單及顧客應付的實際商品總價格，極大地降低零售行業實際運營過程中巨大的人力成本，提升零售行業無人化、自動化、智能化水平。

整體架構

技術路線

袋鼯麻麻——智能購物平臺 主要基于PaddleClas作為主要的功能開發套件，利用其開源的圖像識別技術，并通過PaddleInference將其部署于Jetson Nano，并基于QPT打包.exe打通Windows系統，開發一套符合實際應用需求的工業級智能零售購物平臺。

圖像識別介紹

整個圖像識別系統分為三步：
（1）通過一個目標檢測模型，檢測圖像物體候選區域；
（2）對每個候選區域進行特征提取；
（3）與檢索庫中圖像進行特征匹配，提取識別結果。

對于新的未知類別，無需重新訓練模型，只需要在檢索庫補入該類別圖像，重新建立檢索庫，就可以識別該類別。

數據集介紹

【The first one】:Products-10K Large Scale Product Recognition Dataset

【The second one】:RP2K: A Large-Scale Retail Product Dataset for Fine-Grained Image Classification

袋鼯麻麻——智能購物平臺基于上述兩個數據集，并對此兩種數據集進行適應性處理。

目前處理后的數據集已在AIStudio開源。

部署方式

本項目已打通Jetson Nano、Windows、linux系統

• 使用QPT打包的百度網盤鏈接：https://pan.baidu.com/s/1pVr4zSZB6qV10VIPvgWCsA 提取碼：mpq2

  解壓后運行啟動程序.exe即可

• 服務器部署

  安裝python依賴庫：pip install -r requestment.txt；

  執行python manage.py makemigrations;

  執行python manage.py migrate;

  執行python manage.py runserver # 默認運行在8000端口

• 微信小程序
  打開開發者工具，導入系統文件夾下wx_mini_app文件夾并運行，即可運行小程序端；

bilibili效果演示

總結

以上是生活随笔為你收集整理的袋鼯麻麻——智能购物平台的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。