具体实施方式

下面将参考附图并结合实施例来详细说明本申请。

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

根据本发明实施例,提供了一种自助售卖机的温度控制方法，图1是根据本发明实施例的一种自助售卖机的温度控制方法的流程图,如图1所示,该方法包括如下步骤:

步骤S102，获取目标对象的图像信息，其中，所述图像信息通过自助售卖机内的图像采集装置获取。

具体的，上述目标对象可以是待出售的饮料、食品等。目标对象的图像信息通过自助售卖机内的图像采集装置获取，上述图像采集装置可以是摄像头。

步骤S104,通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息。

具体的,上述图像识别模型可以是预设的神经网络模型,用于根据目标对象的图像信息确定目标对象的位置信息以及标签信息。

在一种可选的实施例中，上述目标对象的位置信息可以为目标对象在自助售卖机内的放置区间，所述自助售卖机内设置有至少一个放置区间，放置区间设有置物架，用于盛放饮料或者食物。

在一种可选的实施例中，上述目标对象的标签信息包括品牌、品类和/或类型，例如，所述标签信息可以是“A”品牌的水蜜桃饮料、“B”品牌的巧克力、“C”品牌的西瓜饮料、“D”品牌的榴莲蛋糕等。

步骤S106，根据所述目标对象的位置信息以及所述标签信息确定所述自助售卖机内的温度梯度信息。由于不同标签信息的目标对象都有不同的适宜存储温度。例如,矿泉水长期保存的温度范围可以为[－5,0]；碳酸饮料的适宜温度范围可以为[3,6]巧克力的适宜温度范围可以为[5,10]；果汁的适宜温度范围可以为[8,10]。根据目标对象的标签信息确定目标对象的适宜存储温度范围，根据目标对象的位置信息以及存储温度范围确定自助售卖机内的温度梯度信息。上述温度梯度信息为至少一个标签信息的目标对象所在位置的温度值所组成的。使得自助售卖机内的温度可以最大限度满足全部种类饮料、食品的存储需求。

步骤S108，根据所述温度梯度信息调整所述自助售卖机内的温度。具体的，可以利用温度梯度信息绘制温度曲线图，所述温度曲线图为自助售卖机内的第一位置至第二位置之间的温度变化曲线。第一位置和第二位置分别对应不同标签信息的目标对象的位置。另一方面，自助售卖机内内设置有多个温度传感器，温度传感器用于检测不同位置的温度信息，以使自助售卖机根据温度传感器检测到的温度信息将自助售卖机内的温度进行修正。

由上可知，本申请上述实施例获取目标对象的图像信息，通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息；根据所述目标对象的位置信息以及所述标签信息确定所述自助售卖机内的温度梯度信息；根据所述温度梯度信息调整所述自助售卖机内的温度。上述方案通过图像识别技术识别售卖机内的待售产品的特征信息，得出待售产品的位置信息以及标签信息，进而确定售卖机内温度控制策略，解决了现有技术中售卖机的待售产品采用单一温度保鲜，不能满足不同食品的冷藏要求的技术问题。

可选地，在本申请的一个实施例中,根据所述目标对象的位置信息以及所述标签信息确定所述自助售卖机内的温度梯度信息，包括：所述自助售卖机内预存有目标对象的标签信息与温度信息的映射关系；根据所述自助售卖机内的目标对象的位置信息以及所述温度信息确定所述温度梯度信息。例如,标签信息为“矿泉水”对应映射的温度信息为[－5,0]；标签信息为“碳酸饮料”对应映射的温度信息为[3,6]；标签信息为“巧克力”对应映射的温度信息为[5,10]；标签信息为“果汁”对应映射的温度信息为[8,10]。根据目标对象的标签信息确定目标对象的温度范围，根据目标对象的位置信息以及存储温度范围确定自助售卖机内的温度梯度信息。上述温度梯度信息为至少一个标签信息的目标对象所在位置的温度值所组成的。使得自助售卖机内的温度可以最大限度满足全部种类饮料、食品的存储需求。

可选地，在本申请的一个实施例中,通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息，包括：基于深度学习算法训练的图像识别模型识别所述目标对象的特征信息,其中所述特征信息包括位置、颜色、形状、图案和大小；基于所述特征信息确定所述目标对象的位置信息以及标签信息。

具体的，首先基于深度学习算法构建图像识别模型，获取待售商品的图像集，提取图像集中每个图像中的目标对象的特征信息，特征信息包括位置、颜色、形状、图案和大小，得到目标对象的特征信息训练集，将目标对象的特征信息训练集输入至预设的初始模型进行训练,得到所述图像识别模型,其中,所述初始模型为深度残差网络模型。

可选地，在本申请的一个实施例中,可以通过图像识别模型首先利用GoogLeNet网络架构的卷积神经网络对要摄像头获取的图片进行特征提取，得到代表图像的矢量特征,进一步的,图像识别模型在特征数据库中对此矢量特征进行k近邻检索，其中，图像识别模型将数据库中的特征进行量化并做成倒排索引结构，以提高检索速度，进而提高商品的辨识速度。

可选地，在本申请的一个实施例中,通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息之前，所述方法还包括：判断获取的所述图像信息是否满足预设质量条件，当所述图像信息满足预设质量条件时，通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息。具体的，判断获取的所述图像信息是否满足预设质量条件包括，判断所述图像信息中图像的完整度是否满足预设条件；在所述图像的完整度满足预设条件时，判断所述图像的清晰度；当所述清晰度大于等于预设值时，则满足所述预设质量条件。具体的，将获取的目标对象的照片上传到服务器，系统调用图像质量判断模块判断图像是否可被识别。具体的，图像质量判断模块从图像中的文字、颜色的光照程度、文字、颜色的完整度以及文字、颜色的清晰度进行判断。首先进行图片完整度判断，当判断结果为完整度不满足预设条件时，服务器反馈重新上传照片的信息给到自助售卖机；当判断结果为完整度满足预设条件时，图像质量判断模块再进行清晰度的判断。调用识别模块对图像进行清晰度判断,当所述清晰度大于等于预设值时，则满足所述预设质量条件，系统调用识别模块对图像进行识别；否则，服务器反馈重新上传照片的信息给到自助售卖机。

实施例2

根据本发明实施例，提供了一种助售卖机的温度控制装置的实施例，图2是根据本发明实施例的助售卖机的温度控制装置的示意图，如图2所示,该装置包括:

获取模块20，用于获取目标对象的图像信息,其中，所述图像信息通过自助售卖机内的图像采集装置获取。

确定模块22，用于通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息；以及，根据所述目标对象的位置信息以及所述标签信息确定所述自助售卖机内的温度梯度信息。

控制模块24，用于根据所述温度梯度信息调整所述自助售卖机内的温度。

可选地，在本申请的一个实施例中，上述装置还包括:判断模块，用于在通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息之前,判断获取的所述图像信息是否满足预设质量条件，当所述图像信息满足预设质量条件时，通过图像识别模型对所述图像信息进行图像识别，确定目标对象的位置信息以及标签信息。

可选地，在本申请的一个实施例中，上述装置还包括:构建模块,用于在获取目标对象的图像信息之前,构建图像识别模型,其中,构建模块包括:获取子模块，用于获取待售商品的图像集；第一提取子模块，提取图像集中每个图像中的目标对象的特征信息，特征信息包括位置、颜色、形状、图案和大小，得到目标对象的特征信息训练集；训练子模块，将目标对象的特征信息训练集输入至预设的初始模型进行训练,得到所述图像识别模型,其中,所述初始模型为深度残差网络模型。

可选地，在本申请的一个实施例中，确定模块包括:第二提取子模块,用于通过图像识别模型对目标对象的图像信息进行特征提取,得到用于表示图像信息的矢量特征；第二确定子模块,用于通过对矢量特征在特征信息集合的矢量特征数据库中进行近邻检索,确定目标对象的位置信息以及标签信息。

实施例3

根据本发明实施例,提供了一种存储介质,存储介质包括存储的程序,其中,在程序运行时控制存储介质所在设备执行实施例1中的自助售卖机的温度控制方法。

实施例4

根据本发明实施例,提供了一种处理器,处理器用于运行程序,其中,程序运行时执行实施例1的自助售卖机的温度控制方法。

上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。

在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

虽然本发明所揭露的实施例如上，但上述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。