一、研究背景及意义
当下,国内超市结算的方式大多都是人工扫码。在下班人流高峰期,显然这不是更高效的方式,无疑是增加了超市的人工成本及顾客的等待时间。
二、目标检测的算法的选取
在单阶段目标检测算法中,目前主流的算法是YOLO算法与SSD算法。因此,我们分别使用这两种目标检测算法来对商品数据集进行训练与分析。
三、数据集的准备及需求分析
数据集共有2388个类别,35w张图片,几乎涵盖所有商品种类;本次项目将选取九类商品进行训练,分别为阿道夫、料酒、白醋、阿萨姆, 啤酒、奥妙清洁剂、百事可乐、纯悦、畅轻。将每个类别的商品以8:2的比例划分为训练集和验证集;数据打标:采用Labelimg工具进行手工打标(YOLO算法的默认存储为Txt格式)。使用YOLOV5算法开始训练网络模型,总共训练迭代次数为140。调整网络配置超参数,继续训练,使得识别结果达到更好的精度。使用PyQt5为商品识别系统提供一个可视化界面。
四、系统的设计与实现
五、YOLOV5算法训练指标