冉龍旭 于國(guó)龍 聶小雙 余紅 張應(yīng)奎

摘 要：為了解決現(xiàn)階段各領(lǐng)域中稱重過(guò)程繁瑣的問(wèn)題，提出一種基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)，該稱重機(jī)通過(guò)利用深度學(xué)習(xí)技術(shù)與單片機(jī)等主要技術(shù)，實(shí)現(xiàn)對(duì)所稱物品的自動(dòng)稱重功能，從而減少稱重人員的工作量，提高稱重效率。

關(guān)鍵詞：深度學(xué)習(xí);單片機(jī);智能化;自動(dòng)稱重

中圖分類號(hào)：TP271文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2019）02-0-02

0 引 言

隨著電子技術(shù)的發(fā)展，各種電子稱重機(jī)在大到商城超市，小到集市便利店，以及各行各業(yè)的物品稱重中普遍使用。據(jù)統(tǒng)計(jì)，中國(guó)是電子秤需求量增長(zhǎng)最快的國(guó)家之一，世界上電子秤的年增長(zhǎng)率為3%～4%，而中國(guó)已連續(xù)四年實(shí)現(xiàn)20%以上的年增長(zhǎng)率，有的產(chǎn)品甚至已占全世界的十分之一[1]。但目前的稱重機(jī)都需要通過(guò)人工輸入物品名稱或代碼等方式實(shí)現(xiàn)不同物品的稱重，要求稱重人員既要記住物品的名稱、代碼，又要記住對(duì)應(yīng)的價(jià)格，但物品和價(jià)格經(jīng)常變動(dòng)，導(dǎo)致稱重效率低下。現(xiàn)如今，科技發(fā)展衍生出的智能化機(jī)器不僅節(jié)省了人們的工作時(shí)間，提高了勞作效率，更推動(dòng)了社會(huì)發(fā)展。

深度學(xué)習(xí)是目前最先進(jìn)的機(jī)器視覺(jué)應(yīng)用方法，它是機(jī)器學(xué)習(xí)研究中的一個(gè)新領(lǐng)域。相較于傳統(tǒng)圖像識(shí)別方法，深度學(xué)習(xí)技術(shù)識(shí)別速度更快、準(zhǔn)確率更高、自主性更強(qiáng)，且可高效實(shí)現(xiàn)圖像智能化、自動(dòng)化識(shí)別[2]。研究表明，在非深度學(xué)習(xí)算法中，對(duì)圖像的最高識(shí)別準(zhǔn)確率是96.33%，但在深度學(xué)習(xí)算法中，圖像最高識(shí)別準(zhǔn)確率可達(dá)到99.47%?；诖耍瑸榱私鉀Q稱重過(guò)程繁瑣的問(wèn)題，將深度學(xué)習(xí)算法與稱重機(jī)相結(jié)合，能夠更便捷、高效地完成稱重任務(wù)，以實(shí)現(xiàn)商品的自動(dòng)稱重功能，在減少操作人員工作量的同時(shí)提高稱重效率。

1 基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)概述

1.1 總體結(jié)構(gòu)

圖1所示為自動(dòng)稱重機(jī)的總體結(jié)構(gòu)，包括LED顯示屏、攝像頭、主控制器以及重量傳感器、PC端及百度AI平臺(tái)。其中，攝像頭用于采集重量傳感器所要稱重物品的圖像，利用百度AI平臺(tái)的深度學(xué)習(xí)技術(shù)對(duì)其進(jìn)行物品識(shí)別后，通過(guò)串口通信技術(shù)將識(shí)別信息從PC端傳至主控制器，控制器收到識(shí)別信息后將其發(fā)送至LED顯示屏上;重量傳感器用于采集所稱物品的重量信息;主控制器選用STC89C52單片機(jī)，接收物品的種類信息和重量傳感器采集的重量信息，并結(jié)合預(yù)先設(shè)定好的單價(jià)信息計(jì)算并輸出總價(jià);LED顯示模塊用于顯示所稱物品的信息。

1.2 功能概述

基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)構(gòu)建了物品識(shí)別深度學(xué)習(xí)模型，將稱重物品放置于重量傳感器，利用攝像頭對(duì)所采集的稱重物品圖像進(jìn)行識(shí)別，最后將識(shí)別信息通過(guò)控制器發(fā)送至顯示屏。同時(shí)，重量傳感器采集所稱重物品的重量，并通過(guò)控制器發(fā)送至顯示屏，即顯示屏顯示所稱物品的類別、重量、單價(jià)及總價(jià)等，以此實(shí)現(xiàn)對(duì)物品信息進(jìn)行按需處理，從而減少操作人員的工作量，提高精度與可靠性。

1.3 模塊概述

1.3.1 控制器模塊

基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)使用的控制器為STC89C52單片機(jī)，該模塊主要對(duì)重量傳感器和攝像頭采集的信息進(jìn)行整體處理，并將處理后的信息發(fā)送至LED顯示屏。由于STC89C52單片機(jī)具有執(zhí)行效率高、成本低、體積小、功耗低等優(yōu)點(diǎn)，且尋址方式靈活簡(jiǎn)單，因此能確保自動(dòng)稱重機(jī)擁有較好的性能。

1.3.2 重量傳感器模塊

自動(dòng)稱重機(jī)采用20 kg重量傳感器模塊采集所稱物品的重量，通過(guò)發(fā)出信號(hào)的方式，將所稱物品的重量通過(guò)控制器顯示在LED顯示屏，從而實(shí)現(xiàn)物品的稱重功能。該重量傳感器的測(cè)量范圍比電感式傳感器大1倍，不僅能檢測(cè)金屬目標(biāo)，而且能檢測(cè)電介質(zhì)，如紙、玻璃、木材和塑料等，甚至可通過(guò)墻壁或紙殼進(jìn)行檢測(cè)[3]。

1.3.3 LED顯示模塊

LED顯示模塊主要為稱重機(jī)的整體實(shí)施提供一個(gè)顯示平臺(tái)。LED顯示模塊在接收控制器模塊發(fā)送的物品單價(jià)、重量、總價(jià)及類別信息后，將這些信息顯示在LED顯示屏。

2 自動(dòng)稱重機(jī)的設(shè)計(jì)及實(shí)現(xiàn)

2.1 關(guān)鍵技術(shù)

基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)主要采用深度學(xué)習(xí)、單片機(jī)、串口通信、圖像采集等技術(shù)。深度學(xué)習(xí)技術(shù)通過(guò)調(diào)用百度AI平臺(tái)的數(shù)據(jù)集實(shí)現(xiàn)圖像識(shí)別功能;單片機(jī)技術(shù)主要利用STC89C52單片機(jī)對(duì)基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)進(jìn)行整體控制;串口通信技術(shù)實(shí)現(xiàn)電腦端與主控制器間的通信，即將百度AI平臺(tái)的識(shí)別信息發(fā)送至主控制器;圖像采集技術(shù)則通過(guò)主控制器調(diào)用攝像頭，將采集的圖像通過(guò)主控制器發(fā)送至百度AI平臺(tái)。基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)通過(guò)以上關(guān)鍵技術(shù)，并結(jié)合重量傳感器、LED顯示屏等關(guān)鍵模塊，最終實(shí)現(xiàn)智能化稱重功能。

2.2 工作原理

圖2所示為基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)的工作流程。稱重機(jī)開(kāi)機(jī)后自動(dòng)進(jìn)行初始化，LED顯示屏進(jìn)入等待稱重界面，稱重人員將稱重物品放置在重量傳感器上，傳感器檢測(cè)到重量信息后，攝像頭開(kāi)始采集所稱物品的圖像信息，并調(diào)用百度接口，將該圖像信息上傳至百度AI平臺(tái)。此時(shí)，控制器檢測(cè)百度AI平臺(tái)是否識(shí)別出物品信息。若沒(méi)有成功識(shí)別，則重啟攝像頭采集物品圖像并上傳;若識(shí)別成功，控制器則計(jì)算處理物品信息，并將處理好的信息傳送至LED顯示屏。

3 結(jié) 語(yǔ)

本文介紹了基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)，通過(guò)對(duì)該稱重機(jī)的功能及模塊概述，提出基于深度學(xué)習(xí)的自動(dòng)稱重機(jī)的設(shè)計(jì)及實(shí)現(xiàn)方法，并對(duì)其優(yōu)勢(shì)進(jìn)行深入分析?；谏疃葘W(xué)習(xí)的自動(dòng)稱重機(jī)利用深度學(xué)習(xí)對(duì)圖像高精度、高效率識(shí)別特性，為超市、農(nóng)貿(mào)市場(chǎng)及物流分類挑揀等需要進(jìn)行稱重的工作減輕了稱重壓力，提高了工作效率。

參 考 文 獻(xiàn)

[1]張競(jìng)文，王艷新，朱莉，等.一種小型自動(dòng)稱重機(jī)的設(shè)計(jì)[J].電子測(cè)試，2016（23）：28.

[2]王艷新，李家琪，王曉強(qiáng)，等.基于單片機(jī)技術(shù)的商用小型自動(dòng)稱重機(jī)的設(shè)計(jì)[J].工程技術(shù)研究，2016（6）：200.

[3]谷野.自動(dòng)稱重機(jī)開(kāi)發(fā)與研究[D].長(zhǎng)春：吉林大學(xué)，2009.

[4]張玉春，孫立寧，李育慈.新型全自動(dòng)電子稱重機(jī)控制系統(tǒng)及誤差補(bǔ)償[J].黑龍江自動(dòng)化技術(shù)與應(yīng)用，1995（4）：57-60.

[5]閆蕾芳.基于深度學(xué)習(xí)的圖像分類的研究[D].濟(jì)南：山東大學(xué)，2017.

[6]孫韶言.基于深度學(xué)習(xí)表征的圖像檢索技術(shù)[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2017.

[7]孟丹.基于深度學(xué)習(xí)的圖像分類方法研究[D].上海：華東師范大學(xué)，2017.

[8]宋光慧.基于遷移學(xué)習(xí)與深度卷積特征的圖像標(biāo)注方法研究[D].杭州：浙江大學(xué)，2017.

[9]朱翔.基于深度學(xué)習(xí)的互聯(lián)網(wǎng)圖片人臉檢索系統(tǒng)[D].南京：南京理工大學(xué)，2017.

[10]馮子勇.基于深度學(xué)習(xí)的圖像特征學(xué)習(xí)和分類方法的研究及應(yīng)用[D].廣州：華南理工大學(xué)，2016.