立项原因:传统商超自助收银高度依赖商品条码扫描,商品重叠、遮挡、包装磨损会造成扫码失败,高峰期排队久,人工复核压力大。
行业场景:应用于社区便利店、小型无人商超自助结算场景。采用 YOLOv8-seg 实例分割算法,摄像头实时检测分割商品,自动统计商品种类、数量,联动数据库完成价格核算,实现无条码视觉自助结算,优化顾客结算体验,降低门店收银运营成本。
点击空白处退出提示
立项原因:传统商超自助收银高度依赖商品条码扫描,商品重叠、遮挡、包装磨损会造成扫码失败,高峰期排队久,人工复核压力大。
行业场景:应用于社区便利店、小型无人商超自助结算场景。采用 YOLOv8-seg 实例分割算法,摄像头实时检测分割商品,自动统计商品种类、数量,联动数据库完成价格核算,实现无条码视觉自助结算,优化顾客结算体验,降低门店收银运营成本。
系统包含图像采集、商品实例分割检测、商品统计、价格结算、本地数据存储、前端交互六大模块。摄像头实时采集托盘画面,调用 YOLOv8-seg 模型分割识别商品,自动去重计数;读取 SQLite 商品库匹配单价,自动生成订单总价;QT 前端展示识别画面、清单与结算金额,支持订单查看、结算确认,完成整套自助收银流程。
本人负责数据集标注、YOLOv8-seg 模型训练调优、检测推理逻辑开发、QT 前端界面编写与 SQLite 数据库设计。基于 Python+Torch 完成模型推理,QT 做可视化交互,SQLite 持久化商品与订单数据;难点解决商品互相遮挡下的实例分割区分,实现低依赖条码的视觉结算。




评论