冉龍旭 于國龍 聶小雙 余紅 張應(yīng)奎

摘 要：為了解決現(xiàn)階段各領(lǐng)域中稱重過程繁瑣的問題，提出一種基于深度學習的自動稱重機，該稱重機通過利用深度學習技術(shù)與單片機等主要技術(shù)，實現(xiàn)對所稱物品的自動稱重功能，從而減少稱重人員的工作量，提高稱重效率。

關(guān)鍵詞：深度學習;單片機;智能化;自動稱重

中圖分類號：TP271文獻標識碼：A文章編號：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，中國是電子秤需求量增長最快的國家之一，世界上電子秤的年增長率為3%～4%，而中國已連續(xù)四年實現(xiàn)20%以上的年增長率，有的產(chǎn)品甚至已占全世界的十分之一[1]。但目前的稱重機都需要通過人工輸入物品名稱或代碼等方式實現(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，又要記住對應(yīng)的價格，但物品和價格經(jīng)常變動，導致稱重效率低下?，F(xiàn)如今，科技發(fā)展衍生出的智能化機器不僅節(jié)省了人們的工作時間，提高了勞作效率，更推動了社會發(fā)展。

深度學習是目前最先進的機器視覺應(yīng)用方法，它是機器學習研究中的一個新領(lǐng)域。相較于傳統(tǒng)圖像識別方法，深度學習技術(shù)識別速度更快、準確率更高、自主性更強，且可高效實現(xiàn)圖像智能化、自動化識別[2]。研究表明，在非深度學習算法中，對圖像的最高識別準確率是96.33%，但在深度學習算法中，圖像最高識別準確率可達到99.47%?；诖?，為了解決稱重過程繁瑣的問題，將深度學習算法與稱重機相結(jié)合，能夠更便捷、高效地完成稱重任務(wù)，以實現(xiàn)商品的自動稱重功能，在減少操作人員工作量的同時提高稱重效率。

1 基于深度學習的自動稱重機概述

1.1 總體結(jié)構(gòu)

圖1所示為自動稱重機的總體結(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。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平臺的深度學習技術(shù)對其進行物品識別后，通過串口通信技術(shù)將識別信息從PC端傳至主控制器，控制器收到識別信息后將其發(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，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)定好的單價信息計算并輸出總價;LED顯示模塊用于顯示所稱物品的信息。

1.2 功能概述

基于深度學習的自動稱重機構(gòu)建了物品識別深度學習模型，將稱重物品放置于重量傳感器，利用攝像頭對所采集的稱重物品圖像進行識別，最后將識別信息通過控制器發(fā)送至顯示屏。同時，重量傳感器采集所稱重物品的重量，并通過控制器發(fā)送至顯示屏，即顯示屏顯示所稱物品的類別、重量、單價及總價等，以此實現(xiàn)對物品信息進行按需處理，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

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

1.3.2 重量傳感器模塊

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

1.3.3 LED顯示模塊

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

2 自動稱重機的設(shè)計及實現(xiàn)

2.1 關(guān)鍵技術(shù)

基于深度學習的自動稱重機主要采用深度學習、單片機、串口通信、圖像采集等技術(shù)。深度學習技術(shù)通過調(diào)用百度AI平臺的數(shù)據(jù)集實現(xiàn)圖像識別功能;單片機技術(shù)主要利用STC89C52單片機對基于深度學習的自動稱重機進行整體控制;串口通信技術(shù)實現(xiàn)電腦端與主控制器間的通信，即將百度AI平臺的識別信息發(fā)送至主控制器;圖像采集技術(shù)則通過主控制器調(diào)用攝像頭，將采集的圖像通過主控制器發(fā)送至百度AI平臺?；谏疃葘W習的自動稱重機通過以上關(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所示為基于深度學習的自動稱重機的工作流程。稱重機開機后自動進行初始化，LED顯示屏進入等待稱重界面，稱重人員將稱重物品放置在重量傳感器上，傳感器檢測到重量信息后，攝像頭開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。此時，控制器檢測百度AI平臺是否識別出物品信息。若沒有成功識別，則重啟攝像頭采集物品圖像并上傳;若識別成功，控制器則計算處理物品信息，并將處理好的信息傳送至LED顯示屏。

3 結(jié) 語

本文介紹了基于深度學習的自動稱重機，通過對該稱重機的功能及模塊概述，提出基于深度學習的自動稱重機的設(shè)計及實現(xiàn)方法，并對其優(yōu)勢進行深入分析?；谏疃葘W習的自動稱重機利用深度學習對圖像高精度、高效率識別特性，為超市、農(nóng)貿(mào)市場及物流分類挑揀等需要進行稱重的工作減輕了稱重壓力，提高了工作效率。

參 考 文 獻

[1]張競文，王艷新，朱莉，等.一種小型自動稱重機的設(shè)計[J].電子測試，2016（23）：28.

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

[3]谷野.自動稱重機開發(fā)與研究[D].長春：吉林大學，2009.

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

[5]閆蕾芳.基于深度學習的圖像分類的研究[D].濟南：山東大學，2017.

[6]孫韶言.基于深度學習表征的圖像檢索技術(shù)[D].合肥：中國科學技術(shù)大學，2017.

[7]孟丹.基于深度學習的圖像分類方法研究[D].上海：華東師范大學，2017.

[8]宋光慧.基于遷移學習與深度卷積特征的圖像標注方法研究[D].杭州：浙江大學，2017.

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

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