java无人售货_Hi，我们用飞桨做了一个“AI无人售货柜”

【飞桨开发者说】白浩杰，鸥若教育CEO，北航软件工程硕士，美国佛罗里达国际大学高性能数据库研究中心助理研究员，百度深度学习布道师，主要研究方向深度学习、数据可视化等。

下载安装命令

## CPU版本安装命令

pip install -fhttps://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令

pip install -fhttps://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

我在教授AI课程中发现，学生们学习AI的热情高涨，但是很难有一个场景能够给学员们提供一个直观的感受。而智能货柜恰恰能够解决学员们的这个问题，为学员们提供了一个学以致用的好机会。为了方便AI教学与普及，为学员提供看得见摸得着的真实AI体验，因此，我用深度学习技术，用了大概2个月的时间，几百行代码制作了这款“AI无人售货柜”，目前已能识别5种饮料。在下文中，我将为大家揭秘这款“AI无人售货柜”的具体实现过程和效果。

在商场购物或餐厅就餐，经常会遇到排队结账的困扰。如果能有无人售货装置，实现“不排队，秒收银”，完全无需人工干预，就能极大地提升结算效率，缓解结算排队拥堵的问题。

现今常见的的无人售货机，有感应式和红外扫描式两大类。这两类无人售货机，大多集成了射频读写装置、红外扫描等多种设备，结构复杂，成本普遍较高，维护及更新换代困难。

然而，随着人工智能的发展，计算机视觉领域取得了许多超越常人的成就。尤其是深度学习算法的引入，解决了许多实际问题。

本次，我们就突破常规，不再研究感应式和红外扫描式这两类无人结算系统，而是利用深度学习技术，结合计算机视觉，来研制一款基于计算机视觉的“AI无人售货柜”。

这款基于计算机视觉的“AI无人售货柜”，结构简单，我们通过摄像头采集商品信息，然后经过部署在后端的模型进行推断，就可以检测到顾客购买了哪些商品，然后调用付款功能，实现无人售货流程。

整个工作流程可分如下几步：

① 制作数据集

② 调用飞桨框架搭建yolov3模型

③ 加载飞桨在coco数据集上训练好的预训练模型

④ 开始训练，并保存模型

⑤ 使用训练好的模型，进行预测部署

以上步骤中，最核心的就是第二步了：如何调用飞桨框架搭建yolov3模型。

yolov3是一个很不错的目标检测算法，用它来做无人售货柜的核心算法非常合适。但是，yolov3这个算法非常复杂，如何用深度学习框架来搭建它，并且让他发挥出该有的高速度、高精度呢一点是最关键的。因为飞桨框架同时支持动态图和静态图，这样可以同时兼顾灵活性和高性能，而且经过后期验证，用飞桨框架搭建的yolov3模型，“高速度+高精度”是可以双实现的。同时，从代码上来看，用飞桨框架搭建的yolov3模型呈模块化设计，很简洁，一目了然，下面贴一些用飞桨框架搭建yolov3的核心代码：

从图上可以看出，用飞桨搭建的yolov3在训练之后，预测效果是很不错的，模型能够准确的、快速地把不同的饮料检测出来。

使用深度学习技术，结合飞桨框架，这款基于计算机视觉的“AI无人售货柜”，无论是在工作效率上，还是在工作准确率上，都有很大提高。单就检测不同饮料来说，检出准确率能够达到90%，实现一次全流程的“取货、关门、检测、调出付款码”，仅需数秒，比人工检测效率提高数十倍。

同时，相比于感应式和红外扫描式无人售货柜，这款基于计算机视觉的“AI无人售货柜”，有如下优点：

① 结构简单。因为是“基于计算机视觉”的，所以他的主要部件是摄像头+计算单元，结构非常简单，维护也很方便，成本也较低。

② 更新升级简单。因为是“基于深度学习”的，所以当要升级的时候，不需要更换硬件，只需要重新训练模型，重新载入就可以了，没有难度，任何人都可以操作。

③ 环境适应性强。因为是“基于计算机视觉”的，且柜体内有补光设施，对环境适应性很强，而感应式和红外扫描式，则会对环境的温湿度等外部环境有严格要求。

大家有兴趣，不妨用飞桨平台，试一试。

想与更多的深度学习开发者交流，请加入飞桨官方QQ群：796771754。

如果您想详细了解更多飞桨PaddlePaddle的相关内容，请参阅以下文档：

下载安装命令

## CPU版本安装命令

pip install -fhttps://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令

pip install -fhttps://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

官网地址：https://www.paddlepaddle.org.cn/r=osc

YOLOv3项目地址：

https://github.com/PaddlePaddle/models/tree/release/1.6/PaddleCV/yolov3

更多目标检测需求，也欢迎使用PaddleDetection开发套件：

https://github.com/PaddlePaddle/PaddleDetection

文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树首页概览92167 人正在系统学习中 相关资源：渣浆泵的计算机选型软件及应用.rar-制造文档类资源-CSDN文库

来源：Yu-Dem~~