文 献 综 述
摘要：智能售货机的出现，大大提升了消费者的购物效率。本文在对国内外自动售货机发展现状进行总结的基础上，研究了其涉及的物体识别和深度学习相关领域知识。为了提高商品识别的准确度，本项目重点研究深度学习在计算机视觉领域的应用，通过建立商品的图像数据库、完成商品特征提取并建立其特征库，对比两类类检测算法(基于分类和基于回归的检测算法)并实现商品的细粒度图像分类算法，以设计出准确率较高的商品识别系统。将该系统应用于新零售行业的自动售货机，是人工智能相关技术在日常生活中的又一便捷应用，同时也为各大品牌商提供了在传统零售基础上创新的新思路。
关键词：自动售货机；计算机视觉；深度学习；图像分类；目标检测
1. 引言
消费需求的变化导致了消费方式的变更，从大卖场到便利店，再到自动售货机，商家积极布局以满足消费者的即时需求，中国智能零售行业迎来了难得的发展机遇。对于自动售货机的研发目前正处在强势的发展阶段，而商品的识别技术则是研发过程中的一大核心问题。本项目旨在将计算机视觉技术与深度学习原理结合，设计可以取代线下实体的店以及传统售货机的自动售货机商品识别系统，为消费者提供更加方便快捷且更加多样化的购物体验。
2．系统整体说明
基于深度学习的自动售货机商品识别系统整体由硬件和软件部分组成。硬件部分主要包括：售货机柜体、柜门控制装置、置物台、相机、光源。软件部分主要包括：相机标定、图像数据库建立、特征提取和特征库建立、神经网络模型搭建、训练与测试、商品结算软件。
3．技术简介
3.1 识别技术发展
自动售货机的识别技术经过了数次迭代，从RFID无线射频技术、纯视觉技术，过渡到了融合视觉等多项技术的多模式识别技术[1]。RFID 无线射频技术即每个商品都需要贴上 RFID 电子标签，系统通过识别开门前后少了哪个电子标签，来判断消费者买了哪个商品。纯视觉技术，即在柜体中装上摄像头，通过图片识别来判断消费者买了什么商品。多模识别技术，是在柜体中装上摄像头，在图片识别基础上融合红外、重力传感器等技术，通过多维度识别，来判断消费者买了哪些商品[2]。
