自動結(jié)賬、自動補(bǔ)貨、刷臉支付到如今的視覺識別秤，AI技術(shù)在零售業(yè)應(yīng)用的開始。

1、 信息的獲取

獲取信息的過程可類比成人類“看”這個動作。在數(shù)字i識別設(shè)備中，需首先通過攝像頭拍攝到秤盤的商品，將光感信息轉(zhuǎn)化為機(jī)器可識別的電信息。如HSB色彩模式就可以通過色相，飽和度，亮度三個維度來描述像素，此外，還有大家常見的RGB、LAB、灰度等多種方式。

2、 信息的預(yù)處理

預(yù)處理就是將照片進(jìn)行圖像識別前的處理過程，包括對信息的挑選和加工。首先是挑選，在攝像頭拍下照片的時候，需快速在拍攝的多張照片中，挑選最清晰的一張拿來使用。接下來是照片降噪處理。這里面對圖像的處理包括：圖像修復(fù)填充、圖像去霧處理、圖像對比增強(qiáng)、圖像無損放大、拉伸圖像恢復(fù)、圖像清晰度增強(qiáng)、圖像色彩增強(qiáng)等。

3、特征抽取和選擇

簡單地理解就是所研究的圖像是各式各樣的，有的圖像里包含蘋果，有的圖像包含香蕉，如要將這些圖片進(jìn)行分類，就要通過這些圖像所具有的本身特征來識別，而獲取香蕉、蘋果這些特征的過程就是【特征抽取】。

在特征抽取中所得到的特征也許對此次識別并不都是有用的，比如蘋果上貼有一個標(biāo)簽，我們沒有通過標(biāo)簽來識別的計劃，這個時候就要提取蘋果相關(guān)的特征，摒棄標(biāo)簽的特征，這就是【特征的選擇】。

4、 分類器設(shè)計和分類決策

【分類器設(shè)計】是指通過訓(xùn)練而得到一種識別規(guī)則，通過此識別規(guī)則可得到一種特征分類，使圖像識別技術(shù)能夠得到高識別率。

【分類決策】是指在特征空間中對被識別對象進(jìn)行分類，從而更好地識別所研究的對象具體屬于哪一類。如在無碼商品的識別中，發(fā)現(xiàn)有大面積葉子特征的，都屬于蔬菜，因?yàn)榭稍谔卣鞣诸愔屑由鲜卟诉@個分類，這樣，算法發(fā)現(xiàn)有大面積葉子的特征時就會在葉子蔬菜這個分類中去匹配，而不會跑到水果或干貨的品類中去。

1、 樣本增強(qiáng)

數(shù)據(jù)增強(qiáng)是指在訓(xùn)練的過程中，為獲得更多的樣本和模擬實(shí)際情況中的多變的情況，對圖像進(jìn)行不同的處理以獲得多樣的樣本。

2、 正確操作，避免臟數(shù)據(jù)

在圖像識別的過程中，送入訓(xùn)練圖像越干凈，模型識別的準(zhǔn)確率就會越高。干凈是指有效樣本，如正常的送入數(shù)字i識別的樣本，都應(yīng)是包含果蔬之類無碼商品，而在使用過程中用攝像頭拍下一些手機(jī)、錢包、或是主體不清晰的照片等，不在訓(xùn)練樣本范圍內(nèi)的照片，這樣子的稱之為臟數(shù)據(jù)，臟數(shù)據(jù)越多，準(zhǔn)確率就會越低。

臟數(shù)據(jù)圖

有效數(shù)據(jù)圖

3、 使用清晰度合適的照片

和人眼識別一樣，如輸入的圖像太小，會不利于模型對圖像識別圖像特征。但是，也不是圖像越大越好，如圖像太大，則會增加計算機(jī)所需的計算資源，且模型如不夠復(fù)雜，也無法處理它們。

4、 同時使用多套算法，然后將多套算法進(jìn)行PK

在數(shù)字i識別的算法中，部署了多套算法，讓不同的算法分別進(jìn)行識別計算，然后將多套算法的識別結(jié)果進(jìn)行PK，顯示最有可能的那一張。如放上一根黃瓜，在A算法中，得出的黃瓜的概率最高，是80%；在B算中得出的苦瓜的概率最高，是30%。這兩個結(jié)果pk后，80%明顯大于30%。會推薦黃瓜，且將黃瓜放在第一位展示出來，將苦瓜放在第二位。