智能售货机商品检测系统平台设计与实现

Abstract

针对传统无人售货机视觉识别适配性弱、误检率高、动态场景算力损耗大、结算精度不足等行业痛点，本文融合深度学习与边缘计算技术，基于HarmonyOS设计并实现一套软硬件一体化智能售货机商品检测系统。系统构建四层架构体系，集成图像采集、称重传感、电控锁、温湿度监测等硬件模块，依托5G网络实现边云协同运算，有效弥补嵌入式终端算力短板。算法层面融合YOLOv5与EfficientNetv2网络优势，搭建“先检测、后分类”双阶段识别模型。通过开门检测、关键帧筛选等视频预处理策略降低无效算力消耗，结合KCF算法实现手势轨迹精准追踪，判别用户商品取放行为。引入信息熵加权融合算法，结合国标称重误差校验构建防损模块，实现视觉数据与称重数据互补校验。基于Qt开发AI检测测试平台，完整实现扫码选购、智能识别、无感结算全流程功能。测试结果表明，该系统识别精度高、实时性好、运行稳定性强，可有效解决无人零售场景识别浅层化、结算偏差等问题，为智能售货设备智能化升级提供可靠的工程实践方案。