一種基于深度學習的自動稱重機的設計

冉龍旭 于國龍 聶小雙 余紅 張應奎

摘 要：為了解決現階段各領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與單片機等主要技術，實現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

隨著電子技術的發展，各種電子稱重機在大到商城超市，小到集市便利店，以及各行各業的物品稱重中普遍使用。據統計，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%，而中國已連續四年實現20%以上的年增長率，有的產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，又要記住對應的價格，但物品和價格經常變動，導致稱重效率低下。現如今，科技發展衍生出的智能化機器不僅節省了人們的工作時間，提高了勞作效率，更推動了社會發展。

深度學習是目前最先進的機器視覺應用方法，它是機器學習研究中的一個新領域。相較于傳統圖像識別方法，深度學習技術識別速度更快、準確率更高、自主性更強，且可高效實現圖像智能化、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%。基于此，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合，能夠更便捷、高效地完成稱重任務，以實現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 總體結構

圖1所示為自動稱重機的總體結構，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對其進行物品識別后，通過串口通信技術將識別信息從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，并結合預先設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送至LED顯示屏。由于STC89C52單片機具有執行效率高、成本低、體積小、功耗低等優點，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，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 自動稱重機的設計及實現

2.1 關鍵技術

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。深度學習技術通過調用百度AI平臺的數據集實現圖像識別功能;單片機技術主要利用STC89C52單片機對基于深度學習的自動稱重機進行整體控制;串口通信技術實現電腦端與主控制器間的通信，即將百度AI平臺的識別信息發送至主控制器;圖像采集技術則通過主控制器調用攝像頭，將采集的圖像通過主控制器發送至百度AI平臺。基于深度學習的自動稱重機通過以上關鍵技術，并結合重量傳感器、LED顯示屏等關鍵模塊，最終實現智能化稱重功能。

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 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計及實現方法，并對其優勢進行深入分析。基于深度學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、農貿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.基于單片機技術的商用小型自動稱重機的設計[J].工程技術研究，2016（6）：200.

[3]谷野.自動稱重機開發與研究[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及誤差補償[J].黑龍江自動化技術與應用，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[D].合肥：中國科學技術大學，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網圖片人臉檢索系統[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用[D].廣州：華南理工大學，2016.