用于制冷设备的物品识别方法、存储介质、系统及制冷设备与流程

1.本发明涉及家用电器领域,尤其涉及一种用于制冷设备的物品识别方法、存储介质、系统及制冷设备。


背景技术：

2.随着科技的进步，用户对制冷设备的要求越来越高，智能化转型成为制冷设备新的研发方向。制冷设备如冰箱，一般设置有物品识别系统。物品识别系统通常包括设置在制冷设备内的摄像头，通过识别摄像头拍摄的储物间室内物品的照片来识别制冷设备内存储的物品，以便对制冷设备内物品进行智能化管理。现有技术中的制冷设备的物品识别系统，通常需要在出厂前预先做特定种类物品的识别训练，以便制冷设备能够识别出该种类的物品。但是，该种设计存在以下缺陷：用户使用制冷设备的过程中可能存放的物品是多种多样的，如新出现的产品等，因而无法在出厂前的物品种类识别训练中确保覆盖所有品类的物品,导致制冷设备无法识别和管理某些种类的物品。


技术实现要素：

3.本发明的目的在于提供一种用于制冷设备的物品识别方法、存储介质、系统及制冷设备，通过获取物品的物品种类命名信息，并将物品种类命名信息与该物品的目标特征建立映射关系并存入所述物品种类特征库，能够实现使投入使用后的制冷设备能够识别新的种类的物品，拓展制冷设备的物品识别范围。
4.为实现上述发明目的，本发明一实施方式提供一种用于制冷设备的物品识别方法，其中，所述识别方法包括：
5.获取存入制冷设备内物品的目标图像；
6.根据所述目标图像获取目标特征；
7.将所述目标特征分别与制冷设备数据库中的物品种类特征库内的物品种类特征一一匹配并计算相似度；
8.若所述相似度均低于第一相似值,则获取所述物品的物品种类命名信息，将所述物品种类命名信息与所述目标特征建立映射关系并存入所述物品种类特征库。
9.作为本发明一实施方式的进一步改进，其中，还包括：
10.将所述目标特征分别与非管理特征库内的特征一一匹配并计算相似度；
11.若存在相似度大于第二相似值，将所述目标特征存入所述非管理特征库，所述第二相似值大于或等于所述第一相似值。
12.作为本发明一实施方式的进一步改进，其中，“获取所述物品的物品种类命名信息”包括：
13.输出物品种类命名提示信息，并接收输入的物品种类命名信息。
14.作为本发明一实施方式的进一步改进，其中，还包括：
15.若未接收到所述命名信息，则将所述目标特征存入所述非管理特征库。
16.作为本发明一实施方式的进一步改进，其中，还包括：
17.若存在相似度大于或等于所述第一相似值，则获取其中的最大相似度；
18.判断所述最大相似度是否大于第三相似值，所述第三相似值大于所述第一相似值；
19.若是，则删除所述目标特征数据；
20.若否，则获取所述最大相似度对应的物品种类特征所属的物品种类，并将所述物品种类与所述目标特征建立映射关系，并存入所述物品种类特征库。
21.作为本发明一实施方式的进一步改进，其中，所述物品种类特征库包括与物品种类一一对应的子物品种类特征库，所述子物品种类特征库内包括对应物品种类的物品种类特征，
[0022]“获取所述最大相似度对应的物品种类特征所属的物品种类，并将所述物品种类与所述目标特征建立映射关系，并存入所述物品种类特征库”具体包括：
[0023]
获取所述最大相似度对应的物品种类特征所属的物品种类，并将所述物品种类与所述目标特征建立映射关系，并将所述目标特征存入该物品种类对应的子物品种类特征库。
[0024]
作为本发明一实施方式的进一步改进，其中，还包括：
[0025]
获取与所述最大相似度对应的物品种类特征匹配为历史最大相似度，且已存入所述子物品种类特征库的历史目标特征的总数；
[0026]
若所述总数达到预设值，则删除所述目标特征。
[0027]
作为本发明一实施方式的进一步改进，其中，还包括：
[0028]
获取所述最大相似度所在的相似值区间，
[0029]
获取所述相似值区间对应的历史最大相似度的总数；
[0030]
若所述总数达到区间设定值，则删除所述目标特征，所述区间设定值与所述相似值区间的相似值的大小成反比。
[0031]
作为本发明一实施方式的进一步改进，其中，还包括：
[0032]
获取所述子物品种类特征库内物品种类特征的总数，若所述总数达到预设值，则删除所述目标特征。
[0033]
作为本发明一实施方式的进一步改进，其中，还包括：
[0034]
若存在相似度大于或等于所述第一相似值，则获取其中的最大相似度；
[0035]
判断所述最大相似度是否低于第四相似值，所述第四相似值大于所述第一相似值；
[0036]
若是，则获取所述最大相似度对应的物品种类特征所属的物品种类，并输出确认所述目标物品是否属于该物品种类的提示信息；
[0037]
若获取到该目标不属于该物品种类的指令信息，则获取所述物品的物品种类命名信息，将所述目标特征与所述物品种类命名信息建立映射关系并存入所述物品种类特征库。
[0038]
作为本发明一实施方式的进一步改进，其中，还包括：获取所述制冷设备物品种类数据库中每一物品种类的累计未匹配天数；
[0039]
若所述累计未匹配天数达到第一预设天数值，则输出是否需要管理该物品种类的
提示信息；
[0040]
若获取到需要管理该物品种类的指令信息，则保留该物品种类的数据至第二预设天数值；
[0041]
若获取到不需要管理该物品种类的指令信息，则删除该物品种类的物品种类特征数据。
[0042]
作为本发明一实施方式的进一步改进，其中，还包括：
[0043]
所述目标特征、所述物品种类特征均为维度相同的n维特征向量，所述n维包括512维或256维。
[0044]
作为本发明一实施方式的进一步改进，其中，“获取存入所述制冷设备内物品的目标图像”具体包括：
[0045]
获取制冷设备拍摄的图像；
[0046]
将所述图像输入检测模型，并将该图像中非所述制冷设备固有结构统一归为前景；
[0047]
从所述前景中获取存入所述制冷设备内物品的目标图像。
[0048]
为实现上述发明目的，本发明一实施方式提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一实施方式所述的用于制冷设备的物品识别方法中的步骤。
[0049]
为实现上述发明目的，本发明一实施方式提供一种物品识别系统，所述物品识别系统包括控制模块、物品识别模块，其中，所述物品识别系统还包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一实施方式所述的用于制冷设备的物品识别方法中的步骤。
[0050]
为实现上述发明目的，本发明一实施方式提供一种制冷设备，所述制冷设备包括物品识别系统，所述物品识别系统包括控制模块、物品识别模块，其中，所述物品识别系统还包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一实施方式所述的用于制冷设备的物品识别方法中的步骤。
[0051]
与现有技术相比，本发明通过获取物品的物品种类命名信息，并将物品种类命名信息与该物品的目标特征建立映射关系并存入所述物品种类特征库，其有益效果在于：能够实现使投入使用后的制冷设备能够识别新的种类的物品，拓展制冷设备的物品识别范围。
附图说明
[0052]
图1是本发明一实施方式制冷设备的结构示意图；
[0053]
图2是图1所示制冷设备数据库的示意图；
[0054]
图3是本发明一实施方式物品识别方法的流程图；
[0055]
图4是本发明另一实施方式物品识别方法的流程图。
具体实施方式
[0056]
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并
不限制本发明，本领域的普通技术人员根据这些实施方式所作出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
[0057]
参照图1，本发明一实施方式中，提供一种制冷设备100。制冷设备100可以包括箱体1和设置于箱体1内的储物间室2。储物间室2可以包括用于存放物品11的冷藏室和冷冻室。制冷设备100还可以包括用于开闭所述储物间室2的门体3。门体3可以设置有瓶座或门体间室等用于存放物品11的结构。
[0058]
在本实施方式中，所述制冷设备100可以是冰箱。当然，本技术中的制冷设备100还可以是冷柜、酒柜、商用展示柜等。
[0059]
参照图1、图2、图3，进一步的，在本发明另一实施方式中，提供一种可以用于制冷设备100的物品识别方法，其中，所述识别方法可以包括：
[0060]
获取存入制冷设备100内物品11的目标图像；
[0061]
根据所述目标图像获取目标特征5；
[0062]
将所述目标特征5分别与制冷设备数据库6中的物品种类特征库7内的物品种类特征9一一匹配并计算相似度；
[0063]
若所述相似度均低于第一相似值,则获取所述物品11的物品种类命名信息，将所述物品种类命名信息与所述目标特征5建立映射关系并存入所述物品种类特征库7。
[0064]
在本实施方式中，所述目标图像可以是分割后的只包含一个物品11的物品11图像。
[0065]
在实际识别的过程中，存入制冷设备100内的物品11一般具有多个。图像识别模块可以根据需要将获取到的同时包含多个物品11的图像进行分割，并获取若干个只包含一个物品11的目标图像，然后分别可以对若干个目标图像进行识别。如此设置，能够防止识别时不同物品11相互干扰，提高识别的准确率。
[0066]
在本实施方式中，目标特征5可以是指从所述目标图像中获取的该目标的特征信息，例如色彩、纹理、边缘线、尺寸大小等。
[0067]
在本实施方式种，物品种类特征9可以是指从某种物品11中获取的并能够用于识别出该种物品11的特征信息。
[0068]
例如，物品11的种类可以是苹果或土豆，物品种类特征9就可以是从苹果或土豆的图像等获取的能够用于识别出物品11是否属于苹果或土豆的特征信息。
[0069]
在本实施方式中，同一物品种类的物品种类特征9可以具有若干个，若干个不同的物品种类特征9可以属于同一物品种类。
[0070]
例如物品种类为苹果，可以从苹果的上侧、下侧、左侧、右侧可以采集多张苹果的图像，可以分别从这多张苹果图像中获取苹果的物品种类特征9，这样便可以得到若干组互不相同的苹果的物品种类特征9，相应的，这若干个物品种类特征9虽然各不相同，但都属于苹果。
[0071]
在本实施方式中，制冷设备数据库6可以是指存储在制冷设备100的硬盘内的各种信息和数据的集合，制冷设备100可以对数据库内的数据和信息进行多种操作，例如调用、对比、匹配、查询等。
[0072]
在本实施方式中，物品种类特征库7可以是指在制冷设备数据库6中专门用于存放各种物品种类特征9的子数据库。
[0073]
物品种类特征库7内可以包括属于同一物品种类的若干组不同的物品种类特征9，同时，也可以包括属于不同物品种类的若干组不同的物品种类特征9。
[0074]
物品种类的命名信息可以是指用于代表特定物品种类的名称的信息，例如物品种类的命名信息可以是香蕉、葡萄等。
[0075]
在本实施方式中，物品种类特征9的数据信息与其所属的物品种类的数据信息在制冷设备数据库6内建立有映射关系，即通过物品种类特征9的数据信息可以查询到其所属的物品种类的数据信息，包括物品种类的名称等信息，通过特定的物品种类的数据信息，可以查找到该物品种类下的所有物品种类特征9的数据信息。
[0076]
在制冷设备100实际进行物品识别的过程中，可以先获取图像识别模块拍摄的图像，然后进行图像分割获取目标图像，之后将获取到的目标特征5与物品种类特征库7中所有的物品种类特征9一一进行匹配，比对目标特征5与存储在物品种类特征库7中的物品种类特征9的相似度。
[0077]
若目标特征5与存储在物品种类特征库7中的所有物品种类特征9的相似度均低于预先设定的第一相似值，那么可以认为制冷设备100现有的物品种类特征库7中的物品种类特征7与目标特征5相似度都不高，制冷设备100现有的物品种类特征库7中没有该目标特征5所属的物品种类相关的数据信息，该目标特征5及其所属的物品种类对制冷设备100现有的物品种类特征库7而言属于新的数据信息，因而需要获取所述物品11的物品种类命名信息，并将所述物品种类命名信息与所述目标特征5建立映射关系，以及将所述物品种类命名信息与所述目标特征5均存入所述物品种类特征库7，以便制冷设备100下次进行物品识别时能够识别出与当前目标特征5属于同一物品种类的物品11。
[0078]
在本实施方式中，所述相似度可以指目标特征5与物品种类特征库内的某一物品种类特征的相似程度，并可以用0-1之间的数值表示。
[0079]
在现实生活中，制冷设备100在出厂前会预先做物品11的识别训练以便制冷设备100在被使用的过程中能够智能识别出该物品11，继而实现对物品11进行管理。例如，帮助用户了解制冷设备100内已经存放的全部物品11信息，告知用户物品11累计已经存放的时长等。
[0080]
但是，由于用户使用制冷设备100的过程中可能存放的物品11是多种多样的，如新研发的食品，来自其他国家的产品等。因而无法在制冷设备100出厂前的物品识别训练中确保覆盖到所有品类的物品11,导致制冷设备100在使用时，对某些物品11无法进行识别和管理。
[0081]
因而，采用本发明的设计方案，能够在制冷设备100投入使用后，使制冷设备100自动向制冷设备数据库6内补充新的物品种类信息和物品种类特征9信息，能够使投入使用后的制冷设备100具有新的物品种类的识别和训练的能力，使制冷设备100的物品识别能力随时间的变化不断更新，拓展制冷设备100的物品识别范围，有效提高制冷设备100对物品11的识别和管理效果，提高用户使用的满意度，能够实现制冷设备数据库6的自更新，实现食材的自主识别，而且识别食材的类别不需要出厂前训练，数据库不需要手动更新，即可实现食材的自学习。
[0082]
参照图3和图4，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0083]
所述目标特征5、所述物品种类特征9均为维度相同的n维特征向量，所述n维可以包括512维或256维。
[0084]
如此设置，能够便于目标特征5和物品种类特征9进行匹配以及进行相似度计算，同时，所述目标特征5、所述物品种类特征9均采用维度较高的特征向量，能够保证获取的特征数据信息更加全面和细致，保证匹配结果的准确性。
[0085]
进一步的，在本发明另一实施方式中，目标特征5和物品种类特征9之间的相似度的计算方法可以使cosin相似度算法，也可以是faiss(facebook ai similarity search)算法。
[0086]
进一步的，在本发明另一实施方式中，所述第一相似值可以是0.5。
[0087]
参照图4的s1-s3，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，“获取存入所述制冷设备100内物品11的目标图像”具体可以包括：
[0088]
获取制冷设备100拍摄的图像；
[0089]
将所述图像输入检测模型，并将该图像中非所述制冷设备100固有结构统一归为前景；
[0090]
从所述前景中获取存入所述制冷设备100内物品11的目标图像。
[0091]
在本实施方式中，所述检测模型可以是基于yolo系列的目标检测识别算法建立的。
[0092]
在制冷设备100实际进行物品识别的过程中，可以先获取制冷设备100的图像识别模块拍摄的图像，然后可以将图像送入检测模型。该检测模型可以是预先用制冷设备100进行识别训练并得到的模型。该检测模型可以对图像内容进行分割并初步分类，即将图像中属于制冷设备100固有结构的部分统一归为无需进行识别的背景，将图像中非所述制冷设备100固有结构统一归为等待进一步识别的前景。在通过检测模型完成对图像内容的初步分类后，只需要关注前景并从前景中获取目标图像。
[0093]
如此设置，降低图像中制冷设备100固有结构对目标图像获取和识别的干扰，便于目标图像的获取，简化计算量，提高目标图像获取的效率和准确率。
[0094]
参照图4的s7-s8，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0095]
将所述目标特征5分别与非管理特征库内的特征一一匹配并计算相似度；
[0096]
若存在相似度大于第二相似值，将所述目标特征5存入所述非管理特征库，所述第二相似值大于或等于所述第一相似值。
[0097]
在本实施方式中，制冷设备100的数据库可以包括非管理数据库8。所述非管理数据库8可以是指制冷设备100无需进行识别管理物品种类的物品种类特征9的数据信息的集合。
[0098]
在现实生活中，用户根据自身的使用习惯可能不需要对某些物品种类进行管理。在制冷设备数据库6中可以设置非管理数据库8，并可以使用非管理数据库8来专门存放这些无需进行识别管理的物品种类的数据信息。
[0099]
在进行物品识别时，可以将目标特征5与非管理数据库8中的物品种类特征9进行匹配并计算相似度。若存在相似度大于预先设定的第二相似值，那么表明目标特征5所属的
物品种类为用户不需要进行识别管理的物品种类，因而无需再对目标特征5进行进一步的识别操作。另外，可以将目标特征5存入非管理特征库内，以便对非管理数据库8内的数据信息进行更新和扩充。
[0100]
在本实施方式中，所述第二相似值可以为0.6。
[0101]
如此设置，能够根据用户的需求来进行识别管理操作，使制冷设备100物品识别管理更加贴合用户的需要，更加个性化，避免向用户发出不需要进行管理的物品11的相关信息，提升用户的体验感，此外，还可以对非管理数据库8内的数据信息进行扩充，使非管理数据库8内的数据信息随时间的变化不断更新，有效提高制冷设备100对物品11的识别和管理效果。
[0102]
参照图4的s10-s11，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，“获取所述物品11的物品种类命名信息”可以包括：
[0103]
输出物品种类命名提示信息，并接收输入的物品种类命名信息。
[0104]
在本实施方式中，制冷设备100可以设置有交互模块。交互模块可以是语音交互模块也可以是显示屏交互模块等。可以通过交互模块向用户发出输出物品种类命名提示信息，并接收用户输入的物品种类命名信息作为目标特征5所属的物品种类的名称。
[0105]
如此设置，能够通过询问用户来获取新的物品11所属的物品种类信息，方便快捷，实操性高，而且用户可以根据自身的习惯称呼输入物品种类的名称，使制冷设备数据库6内存储的物品种类信息更加符合用户的习惯，贴合用户的需要，更加个性化。
[0106]
进一步的，在本发明另一实施方式中，制冷设备100也可以通过自动生成物品11名称并作为所述物品11的物品种类命名信息。例如，制冷设备100可以生成lebel1作为目标特征5所属的物品种类的名称。
[0107]
参照图4的s12，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0108]
若未接收到所述命名信息，则将所述目标特征5存入所述非管理特征库。
[0109]
在实际使用中，如果没有接收到用户输入的命名信息，或是接收到了用户不需要对该物品11进行管理的指令信息，说明用户不需要管理该食材，直接将该目标特征5存入非管理特征库即可，以避免下次重复询问用户。
[0110]
如此设置，能够根据用户的需求来进行识别管理操作，使制冷设备100物品识别管理更加贴合用户的需要，更加个性化，同时避免向用户重复发出不需要进行管理的物品11的相关信息，提升用户的体验感，此外，还可以对非管理数据库8内的数据信息进行扩充，使非管理数据库8内的数据信息随时间的变化不断更新，有效提高制冷设备100对物品11的识别和管理效果。
[0111]
参照图4的s14-s17，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0112]
若存在相似度大于或等于所述第一相似值，则获取其中的最大相似度；
[0113]
判断所述最大相似度是否大于第三相似值，所述第三相似值大于所述第一相似值；
[0114]
若是，则删除所述目标特征5数据；
[0115]
若否，则获取所述最大相似度对应的物品种类特征9所属的物品种类，并将所述物
品种类与所述目标特征5建立映射关系，并存入所述物品种类特征库7。
[0116]
在本实施方式中，所述最大相似度是目标特征5与物品种类特征库7内的物品种类特征9一一比对后获取的若干相似度中数值最大的那个相似度。
[0117]
在本实施方式中，所述第三相似值可以是接近1的数值，例如0.9。
[0118]
在实际使用中，如果存在目标特征5和物品种类特征库7内的某一物品种类特征9的相似度大于预先设置的第三相似度，说明目标特征5与该物品种类特征9属于同一物品种类，且目标特征5与该物品种类特征9很相似。因而将该目标特征5存入物品种类特征库7的价值不大，且之后制冷设备100再次进行物品识别时，会导致新的目标特征5与物品种类特征库7内的物品种类特征9进行一一匹配时，特征比对和计算的次数增多，识别的效率降低，还导致制冷设备数据库6的存储空间被占用，因此无需将目标特征5存入物品种类特征库7内，直接删除该目标特征5数据即可。
[0119]
如果存在目标特征5与物品种类特征库7内的物品种类特征9的最大相似度在第一相似值和第三相似值之间，则说明目标特征5与最大相似度对应的物品种类特征9最相似，可以认为属于同一物品种类，同时，目标特征5与该物品种类特征9存在一定的区别，将该目标特征5存入物品种类特征库7的具有一定的价值，能够扩充并更新物品种类特征库7内的数据信息，因此可以执行将该目标特征5存入物品种类特征库7的操作。
[0120]
如此设置，能够在扩充并更新制冷设备数据库6内的数据信息的同时，避免存入相似度过高的物品种类特征9，保证制冷设备数据库6内物品11特征的多样性和差异性，避免物品11特征库内的数据信息过度重合，提高识别效率，减少计算量，同时节约制冷设备数据库6的存储空间。
[0121]
参照图4的s17，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，所述物品种类特征库7可以包括与物品种类一一对应的子物品种类特征库10，所述子物品种类特征库10内可以包括对应物品种类的物品种类特征9。
[0122]“获取所述最大相似度对应的物品种类特征9所属的物品种类，并将所述物品种类与所述目标特征5建立映射关系，并存入所述物品种类特征库7”具体可以包括：
[0123]
获取所述最大相似度对应的物品种类特征9所属的物品种类，并将所述物品种类与所述目标特征5建立映射关系，并将所述目标特征5存入该物品种类对应的子物品种类特征库10。
[0124]
在本实施方式中，所述子物品种类特征库10可以是物品种类特征库7内的子数据库。物品种类特征库7内可以包含若干个子物品种类特征库10，且一个子物品种类特征库10可以对应一个物品种类，一个子物品种类特征库10内可以包含若干组该物品种类的物品种类特征9。
[0125]
例如，苹果可以对应一个子物品种类特征库10，该子物品种类特征库10可以存放有若干个苹果相关的不同的物品种类特征9。
[0126]
在本实施方式中，可以在物品种类的数据信息和子物品种类数据库之间建立映射关系，将目标特征5存入子物品种类数据库，目标特征5便可以自动与该物品种类的数据信息建立起映射关系。
[0127]
如此设置，能够便于对物品种类特征库7内数据信息执行的管理、比对、匹配、查询等操作，便于在所述物品种类的数据信息与所述物品种类特征9之间建立映射关系。
[0128]
参照图4的s20-s23，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0129]
获取与所述最大相似度对应的物品种类特征9匹配为历史最大相似度，且已存入所述子物品种类特征库10的历史目标特征5的总数；
[0130]
若所述总数达到预设值，则删除所述目标特征5。
[0131]
所述历史目标特征5可以是指在当前目标特征5之前与该物品种类特征9匹配的目标特征5。所述该物品种类特征9是指当前目标特征5匹配获得最大相似度对应的物品种类特征9。
[0132]
所述历史最大相似度可以是指所述历史目标特征5与物品种类特征库7内的所有的物品种类特征9一一匹配后得到的数值最大的相似度。
[0133]
在实际使用中，制冷设备100会经历无数次物品识别的过程，为了避免每次识别时获取的目标特征5的数据信息被无节制的存入制冷设备数据库6内，需要采取一定的手段限制目标特征5数据信息的存入数量。
[0134]
在本实施方式中，采取限制与同一物品种类特征9匹配得到最大相似度的目标特征5的存入数量的手段。当与同一物品种类特征9匹配得到最大相似度的目标特征5的存入总数达到设定值后，后续便不再存入与该物品种类特征9匹配得到最大相似度的目标特征5。
[0135]
原因在于，与同一物品种类特征9匹配得到最大相似度的各个目标特征5相互之间大概率也是比较相近的。因而与同一物品种类特征9匹配得到最大相似度的目标特征5存入的数量达到一定的程度便能够满足需求，而如果存入数量过多，反而会导致该物品种类特征9所属的子物品种类特征库10内的物品种类特征9的数据重合度较高，占用子物品种类特征库10的存储空间。
[0136]
如此设置，能够在扩充并更新制冷设备数据库6内的数据信息的同时，避免存入相似度过高的物品种类特征9，保证制冷设备数据库6内物品11特征的多样性和差异性，避免物品11特征库内的数据信息过度重合，提高识别效率，减少计算量，同时节约制冷设备数据库6的存储空间。
[0137]
参照图4的s20-s23，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0138]
获取所述最大相似度所在的相似值区间；
[0139]
获取所述相似值区间对应的历史最大相似度的总数；
[0140]
若所述总数达到区间设定值，则删除所述目标特征5，所述区间设定值与所述相似值区间的相似值的大小成反比。
[0141]
在本实施方式中，所述相似值区间是指涵盖一定数值范围的区间。
[0142]
相似值区间的数值范围可以在第一相似值和第三相似值区间之间。且第一相似值和第三相似值之间可以划分为若干个相似值区间，每个相似值区间对应特定的区间设定值。
[0143]
例如，第一相似值可以为0.5，第三相似值可以为0.9，在0.5和0.9之间可以划分为四个相似值区间，第一相似值区间可以为[0.5,0.6)、第二相似值区间可以为[0.6,0.7)、第三相似值区间可以为[0.7,0.8)、第四相似值区间可以为[0.8,0.9)。
[0144]
进一步的，区间设定值与所述相似值区间的相似值的大小可以成反比。在本实施方式中，第一相似值区间[0.5,0.6)的区间设定值可以为200,第二相似值区间[0.6,0.7)的区间设定值可以为150、第三相似值区间[0.7,0.8)的区间设定值可以为100、第四相似值区间可以为[0.8,0.9)的区间设定值可以为50。
[0145]
如此设置的原因在于，与同一物品种类特征9匹配得到的历史最大相似度越大，对应的历史目标特征5与该物品种类特征9的相似程度越高，存入数据库的比对价值越低。
[0146]
如此设置，能够在扩充并更新制冷设备数据库6内的数据信息的同时，避免存入相似度过高的物品种类特征9，保证制冷设备数据库6内物品11特征的多样性和差异性，避免物品11特征库内的数据信息过度重合，提高识别效率，减少计算量，同时节约制冷设备数据库6的存储空间。
[0147]
参照图4的s18-s19，进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0148]
获取所述子物品种类特征库10内物品种类特征9的总数，若所述总数达到预设值，则删除所述目标特征5。
[0149]
在本实施方式中，采取限制存入同一子物品种类特征库10的物品种类特征9的总数的手段。当存入同一子物品种类特征库10的物品种类特征9的总数达到预设值后，后续便不再向该子物品种类特征库10存入物品种类特征9。
[0150]
在本实施方式中，所述子物品种类特征库10内物品种类特征9的总数的预设值可以是2000。
[0151]
如此设置，能够在扩充并更新制冷设备数据库6内的数据信息的同时，避免存入相似度过高的物品种类特征9，保证制冷设备数据库6内物品11特征的多样性和差异性，避免物品11特征库内的数据信息过度重合，提高识别效率，减少计算量，同时节约制冷设备数据库6的存储空间。
[0152]
参照图4的s18-s23，进一步的，在本发明另一实施方式中，可以采取限制与同一物品种类特征9匹配得到最大相似度的目标特征5的存入数量与限制存入同一子物品种类特征库10的物品种类特征9的总数相结合的手段。
[0153]
当存入同一子物品种类特征库10的物品种类特征9的总数达到预设值后，无论与同一物品种类特征9匹配得到最大相似度的目标特征5的存入总数是否达到设定值，后续都不再向该子物品种类特征库10存入任何物品种类特征9。
[0154]
如此设置，能够在扩充并更新制冷设备数据库6内的数据信息的同时，避免存入相似度过高的物品种类特征9，保证制冷设备数据库6内物品11特征的多样性和差异性，避免物品11特征库内的数据信息过度重合，提高识别效率，减少计算量，同时节约制冷设备数据库6的存储空间。
[0155]
进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0156]
若存在相似度大于或等于所述第一相似值，则获取其中的最大相似度；
[0157]
判断所述最大相似度是否低于第四相似值，所述第四相似值大于所述第一相似值；
[0158]
若是，则获取所述最大相似度对应的物品种类特征9所属的物品种类，并输出确认
所述目标物品11是否属于该物品种类的提示信息；
[0159]
若获取到该目标不属于该物品种类的指令信息，则获取所述物品11的物品种类命名信息，将所述目标特征5与所述物品种类命名信息建立映射关系并存入所述物品种类特征库7。
[0160]
在实际进行物品识别的过程中，虽然目标特征5和物品种类特征库7内的物品种类特征9匹配得到的最大相似度大于第一相似值，但该目标特征5也可能与物品种类特征9不属于同一物品种类。例如包菜和球生菜，它们之间的相似程度就比较高，但它们并不属于同一物品种类。
[0161]
因此，如果将所有存在相似度大于或等于所述第一相似值的目标特征5都直接认定为属于制冷设备数据库6中已存在的某一物品种类，很容易导致那些最大相似度虽然大于第一相似值但十分接近第一相似值的目标特征5的物品种类识别错误。
[0162]
因此，可以通过交互模块请求用户对该目标特征5所属的物品种类进行确认，以此保证制冷设备100物品识别的准确性。
[0163]
在本实施方式中，所述第四相似值可以是0.6。
[0164]
如此设置，能够通过用户交互辅助的方式增加制冷设备100物品识别的准确性，尽量避免制冷设备100出现物品识别错误的情形，操作简单，方便。
[0165]
进一步的，在本发明另一实施方式中，所述的可以用于制冷设备100的物品识别方法，其中，还可以包括：
[0166]
获取所述制冷设备100物品种类数据库中每一物品种类的累计未匹配天数；
[0167]
若所述累计未匹配天数达到第一预设天数值，则输出是否需要管理该物品种类的提示信息；
[0168]
若获取到需要管理该物品种类的指令信息，则保留该物品种类的数据至第二预设天数值；
[0169]
若获取到不需要管理该物品种类的指令信息，则删除该物品种类的物品种类特征9数据。
[0170]
在本实施方式中，所述累计未匹配天数可以是某一物品种类的所有物品种类特征9均未匹配得到最大相似度的连续累计天数。
[0171]
若某一物品种类的所有物品种类特征9均未匹配得到最大相似度，说明存入所述制冷设备100内的物品11不包含该物品种类。
[0172]
所述累计未匹配天数是连续天数的累计数值，如果有一天该物品种类的某一物品种类特征与目标特征匹配得到最大相似度，那么重新计算所述累计未匹配天数。
[0173]
在现实生活中，社会发展很快，各种各样的物品11也一直在推陈出新。某些物品11很可能之前存在，但之后便永远停止生产了。也有可能用户根本使用不到某些物品11。为了避免这些物品11的数据一直存留在制冷设备100的数据库中，有必要采取一定的手段对属于这种物品11的数据进行清理。
[0174]
在本实施方式的实际操作过程中，可以对制冷设备数据库6中所有的物品种类都分别计算累计未匹配天数，当某一物品11的累计未匹配天数达到一定值时，可以通过交互模块询问用户是否还需要管理该物品种类，如果用户输入的是需要管理的指令信息，那么可以继续管理该物品种类，如果用户输入的是不需要管理的指令信息，那么可以彻底删除
该物品种类的物品种类特征9数据。
[0175]
在本实施方式中，所述第一预设天数值可以是180天，所述第二预设天数值可以为180天。
[0176]
在实际使用中，如果一种物品连续180天没有被匹配得到最大相似度，说明这种物品可能不再生产或用户不再使用，那么可以询问用户是否还需要对其进行管理，如果用户回答需要，那么再继续保留该物品的数据信息180天，如果用户回答不需要，那么直接删除即可。
[0177]
所述第一预设天数值和所述第二预设天数值也可以不相同。
[0178]
如此设置，能够根据用户的需求来进行识别管理操作，使制冷设备100物品识别管理更加贴合用户的需要，更加个性化，提升用户的体验感，能够提高制冷设备100物品识别的效率，减少计算量，同时节约制冷设备数据库6的存储空间方便快捷，实操性高。
[0179]
进一步的，在本发明另一实施方式中，提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现上述任一实施方式中所述的可以用于制冷设备100的物品识别方法中的步骤。
[0180]
进一步的，在本发明另一实施方式中，提供一种物品识别系统，所述物品识别系统可以包括控制模块、物品识别模块，其中，所述物品识别系统还可以包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一实施方式中所述的可以用于制冷设备100的物品识别方法中的步骤。
[0181]
进一步的，在本发明另一实施方式中，提供一种制冷设备100，所述制冷设备100可以包括物品识别系统，所述物品识别系统可以包括控制模块、物品识别模块，其中，所述物品识别系统还可以包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现上述任一实施方式中所述的可以用于制冷设备100的物品识别方法中的步骤。
[0182]
参照图1，在本实施方式中，物品识别模块可以包括设置于箱体1上或门体3上的摄像头4。摄像头4的数量可以是多个且可以设置于箱体1和门体3的不同位置处。图像识别模块可以在控制模块的控制下拍摄并识别存放于制冷设备100内物品11的图像，以便对该物品11进行智能化管理。
[0183]
综上所述，本发明的用于制冷设备100的物品识别方法、存储介质、系统及制冷设备100，通过获取物品11的物品种类命名信息，并将物品种类命名信息与该物品11的目标特征5建立映射关系并存入所述物品种类特征库7，能够解决现有技术中制冷设备100无法在出厂前的物品种类识别训练中确保覆盖所有品类的物品11,导致制冷设备100无法识别和管理某些种类的物品11的问题。
[0184]
采用本技术中的技术方案，能够实现在制冷设备100投入使用后，使制冷设备100自动向制冷设备数据库6内补充新的物品种类信息和物品种类特征9信息，能够使投入使用后的制冷设备100具有新的物品种类的识别和训练的能力，使制冷设备100的物品识别能力随时间的变化不断更新，拓展制冷设备100的物品识别范围，有效提高制冷设备100对物品11的识别和管理效果，提高用户使用的满意度，采用制冷设备数据库6自更新的方式，实现食材的自主识别，而且识别食材的类别不需要训练，数据库不需要手动更新，即可实现食材的自学习。此外，能够根据用户的需求来进行识别管理操作，使制冷设备100物品识别管理
更加贴合用户的需要，更加个性化，提升用户的体验感，能够提高制冷设备100物品识别的效率，减少计算量，同时节约制冷设备数据库6的存储空间方便快捷，实操性高。
[0185]
应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
[0186]
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。