一种基于大数据和人工智能的商品零售管理方法与流程

1.本发明涉及大数据和人工智能领域，尤其涉及一种基于大数据和人工智能的商品零售管理方法。


背景技术：

2.随着科学技术的发展，以及人们对智能化城市的要求不断提高，高效率低成本的模式越来越受到欢迎，人工智能作为智能化城市建设过程中十分重要的技术手段是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。人工智能领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
3.在现代电商零售越来越发达的情况下，如何更加高效的管理商品库存和货架数据管控十分重要，传统人工进行商品库存管理和货架数据管理的方式不仅人工耗时长得弊端，还容易出错，这对后续的商品管理和成本控制造成了较大的压力。


技术实现要素：

4.有鉴于此，本发明提供了一种基于大数据和人工智能的商品零售管理方法，其包括以下步骤：
5.接收商品管理设备采集的商品陈列图像，并根据商品陈列图像的图像特征获取对应商品陈列图像中若干个像素变化一致的像素连通区域，然后根据每个像素连通区域的每个像素点的颜色分量对相应像素连通区域进行颜色聚类以将商品陈列图像划分为若干个商品图像；
6.分别对商品图像进行特征提取以得到商品图像的图像颜色特征、图像全局特征和图像尺寸特征，并根据每个商品图像的图像颜色特征、图像全局特征和图像尺寸特征对商品图像进行区域划分以提取包含商品信息的商品识别区域；
7.提取商品识别区域的深度特征和几何特征，并根据所述深度特征和几何特征对相应商品识别区域进行商品轮廓识别以得到相应商品的商品轮廓线，然后对所述商品轮廓线进行特征点提取以得到商品识别区域的若干个商品关键点；
8.根据商品识别区域的所有商品关键点构建商品特征，并对商品特征进行特征重构以得到实际商品图像；
9.将所有实际商品图像进图像输入预先训练好的商品分析模型以输出每个实际商品图像对应的商品规格数据，并将所述商品规格数据按照预设编码规则进行编码以得到商品管理数据，然后将商品管理数据同步到企业数据平台以对分析从而得到企业的零售管理数据。
10.根据一个优选实施方式，所述商品规格数据包括商品名字、商品颜色和商品尺寸；所述零售管理数据包括：货架占有率、陈列合格率和商品库存率。所述商品管理设备为具有图像采集功能和数据采集功能智能设备，其包括：智能手机、平板电脑、智能扫描仪和智能摄像机。
11.根据一个优选实施方式，所述商品分析模型包括：特征编码模块、关联交互模块、特征变换模块和特征解码模块；所述关联交互模块包括：第一特征处理模块、第二特征处理模块和特征交互模块。
12.根据一个优选实施方式，将实际商品图像输入商品分析模型以输出实际商品图像对应的商品规格数据包括：
13.特征编码模块提取实际商品图像的商品全局特征、颜色局部特征、尺寸局部特征，并根据独热编码采用状态位对实际商品图像的商品全局特征、颜色局部特征、尺寸局部特征进行特征编码以得到全局特征向量、颜色特征向量和尺寸特征向量；
14.特征变换模块获取全局特征向量与特征库中每个标准商品图像的全局特征向量的相似度以对全局特征向量进行量化；获取颜色特征向量与特征库中每个标准商品图像的颜色特征向量的相似度以对颜色特征向量进行量化；获取尺寸特征向量与特征库中每个标准商品图像的尺寸特征向量的相似度以对尺寸特征向量进行量化；
15.特征变换模块对量化后的全局特征向量、颜色特征向量和尺寸特征向量进行特征度量，并将进行特征度量后的全局特征向量、颜色特征向量和尺寸特征向量进行加权求和以得到输入特征；
16.关联交互模块对输入特征进行关联交互以得到关联交互特征；
17.特征解码模块对关联交互特征进行特征解码以输出实际商品图像对应的商品规格数据。
18.根据一个优选实施方式，关联交互模块对输入特征进行关联交互以得到关联交互特征包括：
19.关联交互模块的第一特征处理模块使用拉普拉斯特征映射对输入特征进行降维操作以得到若干个低维特征，并利用第一卷积核对所有的低维特征进行特征加权融合以得到第一融合特征，然后利用第二卷积核对第一融合特征进行卷积操作以得到第一特征；
20.关联交互模块的第一特征处理模块利用激励函数将第一特征进行归一化操作得到第一权重矩阵，并将输入特征与第一权重矩阵进行特征交互得到第一交互特征；
21.关联交互模块的第二特征处理模块对输入特征进行转置得到若干个转置特征，并利用第一卷积核对所有转置特征进行特征加权融合以得到第二融合特征，然后利用第二卷积核对第二融合特征进行卷积操作得到第二特征；
22.关联交互模块的第二特征处理模块利用激励函数将第二特征进行归一化操作以得到第二权重矩阵，并将输入特征和第二权重矩阵进行特征交互以得到转置交互特征，然后将转置交互特征进行转置操作得到第二交互特征；
23.关联交互模块的特征融合模块将第一交互特征和第二交互特征进行特征融合以得到关联交互特征。
24.根据一个优选实施方式，特征融合模块将第一交互特征和第二交互特征进行特征融合以得到关联交互特征包括：
25.特征融合模块分别将第一交互特征和第二交互特征输入卷积神经网络以获取第一交互特征的特征图和第二交互特征的特征图，并获取第一交互特征的特征图和第二交互特征的特征图中每个像素点的最大值以生成线性特征图，然后将线性特征图输入反卷积神经网络以得到线性交互特征；
不排除多个。
35.参见图1，在一个实施例中，一种基于大数据和人工智能的商品零售管理方法可以包括：
36.s1、接收商品管理设备采集的商品陈列图像，并根据商品陈列图像的图像特征获取对应商品陈列图像中若干个像素变化一致的像素连通区域，然后根据每个像素连通区域的每个像素点的颜色分量对相应像素连通区域进行颜色聚类以将商品陈列图像划分为若干个商品图像。
37.可选地，所述商品规格数据包括商品名字、商品颜色和商品尺寸；所述零售管理数据包括：货架占有率、陈列合格率和商品库存率。所述商品管理设备为具有图像采集功能和数据采集功能智能设备，其包括：智能手机、平板电脑、智能扫描仪和智能摄像机。
38.商品陈列图像包括货架上陈列的所有商品的图像。
39.商品图像用于描述货架上相应商品的外表特征。
40.s2、分别对商品图像进行特征提取以得到商品图像的图像颜色特征、图像全局特征和图像尺寸特征，并根据每个商品图像的图像颜色特征、图像全局特征和图像尺寸特征对商品图像进行区域划分以提取包含商品信息的商品识别区域。
41.商品识别区域为描述商品特征的区域。图像颜色特征用于描述相应商品的颜色，图像全局特征用于描述商品的形状等，图像尺寸信息用于描述商品的尺寸大小。
42.s3、提取商品识别区域的深度特征和几何特征，并根据所述深度特征和几何特征对相应商品识别区域进行商品轮廓识别以得到相应商品的商品轮廓线，然后对所述商品轮廓线进行特征点提取以得到商品识别区域的若干个商品关键点。
43.s4、根据商品识别区域的所有商品关键点构建商品特征，并对商品特征进行特征重构以得到实际商品图像。
44.s5、将所有实际商品图像进图像输入预先训练好的商品分析模型以输出每个实际商品图像对应的商品规格数据，并将所述商品规格数据按照预设编码规则进行编码以得到商品管理数据，然后将商品管理数据同步到企业数据平台以对分析从而得到企业的零售管理数据。
45.可选地，所述商品分析模型包括：特征编码模块、关联交互模块、特征变换模块和特征解码模块；所述关联交互模块包括：第一特征处理模块、第二特征处理模块和特征交互模块。
46.在一个实施例中，将实际商品图像输入商品分析模型以输出实际商品图像对应的商品规格数据包括：
47.特征编码模块提取实际商品图像的商品全局特征、颜色局部特征、尺寸局部特征，并根据独热编码采用状态位对实际商品图像的商品全局特征、颜色局部特征、尺寸局部特征进行特征编码以得到全局特征向量、颜色特征向量和尺寸特征向量；
48.特征变换模块获取全局特征向量与特征库中每个标准商品图像的全局特征向量的相似度以对全局特征向量进行量化；获取颜色特征向量与特征库中每个标准商品图像的颜色特征向量的相似度以对颜色特征向量进行量化；获取尺寸特征向量与特征库中每个标准商品图像的尺寸特征向量的相似度以对尺寸特征向量进行量化；
49.特征变换模块对量化后的全局特征向量、颜色特征向量和尺寸特征向量进行特征
度量，并将进行特征度量后的全局特征向量、颜色特征向量和尺寸特征向量进行加权求和以得到输入特征；
50.关联交互模块对输入特征进行关联交互以得到关联交互特征；
51.特征解码模块对关联交互特征进行特征解码以输出实际商品图像对应的商品规格数据。
52.在一个实施例中，关联交互模块对输入特征进行关联交互以得到关联交互特征包括：
53.关联交互模块的第一特征处理模块使用拉普拉斯特征映射对输入特征进行降维操作以得到若干个低维特征，并利用第一卷积核对所有的低维特征进行特征加权融合以得到第一融合特征，然后利用第二卷积核对第一融合特征进行卷积操作以得到第一特征；
54.关联交互模块的第一特征处理模块利用激励函数将第一特征进行归一化操作得到第一权重矩阵，并将输入特征与第一权重矩阵进行特征交互得到第一交互特征；
55.关联交互模块的第二特征处理模块对输入特征进行转置得到若干个转置特征，并利用第一卷积核对所有转置特征进行特征加权融合以得到第二融合特征，然后利用第二卷积核对第二融合特征进行卷积操作得到第二特征；
56.关联交互模块的第二特征处理模块利用激励函数将第二特征进行归一化操作以得到第二权重矩阵，并将输入特征和第二权重矩阵进行特征交互以得到转置交互特征，然后将转置交互特征进行转置操作得到第二交互特征；
57.关联交互模块的特征融合模块将第一交互特征和第二交互特征进行特征融合以得到关联交互特征。
58.在一个实施例中，特征融合模块将第一交互特征和第二交互特征进行特征融合以得到关联交互特征包括：
59.特征融合模块分别将第一交互特征和第二交互特征输入卷积神经网络以获取第一交互特征的特征图和第二交互特征的特征图，并获取第一交互特征的特征图和第二交互特征的特征图中每个像素点的最大值以生成线性特征图，然后将线性特征图输入反卷积神经网络以得到线性交互特征；
60.特征融合模块分别将第一交互特征的特征图和第二交互特征的特征图映射到预设特征空间，并在所述预设特征空间中将第一交互特征和第二交互特征进行特征拼接得到拼接特征，然后通过第一卷积核将拼接特征进行卷积操作以得到拼接交互特征；
61.特征融合模块将第一交互特征和第二交互特征进行特征相乘以对预设特征空间中的非线性规律进行编码从而得到组合交互特征，并将线性交互特征、拼接交互特征和组合交互特征的对应元素取平均以得到关联交互特征。
62.本发明通过对采集到的商品陈列图像进行图像处理以得到实际商品图像，并通过所有的实际商品图像精准识别货架上的商品的型号、颜色和尺寸，实现货架陈列信息采集的智能化和透明化以及高效的库存管理和货架管理，为企业降本增效。
63.用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程
序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
64.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。