Product recognition and counting in retail stores using computer vision
Bilgisayarla görme yöntemlerini kullanarak perakende mağazalarında ürün tanınma ve sayma
- Tez No: 488171
- Danışmanlar: DOÇ. DR. SONGÜL ALBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 64
Özet
Perakende ticaret çok rekabetçi bir endüstridir ve perakendeciler, işletmelerini sürdürmek ve büyütmek için her türlü yolu kullanmaktadır. Öte yandan, bilgisayarlar hemen hemen her perakende mağazasında bulunur ve genellikle satış ve finansal yönetimler gibi geleneksel görevleri yerine getirmek için kullanılırlar. Ayrıca, perakendecilere, karları en üst düzeye çıkarmak için müşterilere daha iyi hizmet sunmalarında yardımcı olacak daha karmaşık yöntemler önerilmektedir. Bu yöntemlerden bazıları perakendecilerin kararlarını desteklemek için kullanılırken, diğer yöntemler bu kararların uygulanmasını izlemek için kullanılır. Bilgisayarla görme kullanımı diğer tekniklere göre maliyet açısından daha verimlidir, ancak bilgisayarla görme tekniklerinden çoğu görüntüyü gri ölçeğe çevirerek renklerden ziyade şekilleri algılamak için kullanıldığı için sınıflanda başarısı sınırlıdır. Bu nedenle, bu teknikler renk körü olarak kabul edilebilirken, pek çok ürün aslında birbirinden renkleri ile ayrılabilir. Bu çalışmada,“Speed Up Robust Features”(SURF) ile renk ortalamasının birlikte kullanılıasıyla bir perakende mağazanın raflarındaki özellikle aynı markaların ürünlerinin yerlerini ve sayısını bulmak için bilgisayarla görme kullanılmıştır. Yapılan deneylerin sonuçunda renk ortalamasının SURF yönteminden kaynaklanan eşleme oranı ile birlikte kullanıldığında ürün tanıma alanında büyük başarı elde edilmiştir. Birinci deneyde, doğruluk sadece ürün tanıma için SURF yöntemi kullanılarak ölçülmüştür. Tespit edilen ürünler görüntülerdeki toplam ürün sayısının% 95'idir, burada tespit edilen ürünlerin% 61'i doğru sınıflandırılmıştır. İkinci deneyde, SURF eşleme sonuçuna renk ortalaması eklenmiştir. Tespit görevi sadece SURF algoritması ile elde edildiğinden renk ortalamasının bir etkisi yoktur, ve bu senaryoda tespit edilen ürün sayısı hala% 95'tir. Öte yandan, tespit edilen ürünün% 88'i bu senaryoda doğru bir şekilde sınıflandırılmıştır; bu, renk ortalamasının kullanılmasının sonuçları% 27 oranında iyileştirdiği anlamına gelmektedir. Üçüncü deneyde, SURF yönteminin tanıma yeteneklerini geliştirmek için, önceki senaryolarda ürün başına bir model görüntüsü yerine, eğitim için ürün başına üç model görüntüsü kullanılır. Bu senaryodaki tespit edilen ürünler, test edilen görüntülerdeki toplam ürün sayısının% 99'udur ve bu ürünlerin% 97'si doğru bir şekilde kendi sınıflarında sınıflandırılmıştır. Bu deneylerin sonuçları, renk ortalaması eşleşen ilgi noktalarının model resimdeki toplam ilgi noktası sayısına oranı ile birlikte kullanıldığında, ürün sınıflamasında büyük gelişme göstermemiştir. Bu gelişme, aynı markanın ürünleri arasındaki temel farklılık genellikle bu ürünlerin renkleri iken, SURF'in o görüntünün renklerinden bağımsız olarak ilgi noktaları tespit etmesine bağlıdır. Ayrıca, eğitim veri setinde ürün başına model görüntülerinin sayısının artması, özellikle de her bir ürün için alınan model görüntülerin farklı aydınlatma ve görüş açılarında olması durumunda daha iyi bir tespitin yanı sıra daha iyi sınıflandırmaya neden olur.
Özet (Çeviri)
Retail business is a very competitive industry and retailers are using every possible means to maintain and grow their businesses. On the other hands, computers are available in almost every retail store, and are usually used to perform traditional tasks, such as sales and financial managements. Moreover, some more sophisticated methods are proposed to assist retailers offering better services to the customers in order to maximize the profits. Some of these methods are used to support the decisions made by the retailers, while other methods are used to monitor the execution of these decisions. The use of computer vision is found to be more cost efficient than other techniques, but it has its own limitation in classification, especially that most of the computer vision techniques convert the image to grayscale before any processing to detect shapes rather than colors. Thus, these techniques may be considered as color-blinded, while many products are different from each other mainly in color. In this study, computer vision is used to monitor the placement and number of products on the shelves of a retail store by combining the Speed Up Robust Features (SURF), which is used to detect the existence of one image into another, and the color average, to improve the classification performance, especially for products of same brands. The results of the conducted experiments show the huge improvement in products recognition when the color average is used alongside with the matching ratio resulted from the SURF method. In experiment (A), the accuracy is measured for products recognition using the SURF method only. The detected products are 95% of the total number of products in the images, 61% of these detected products are classified correctly. Then, the color average is used alongside the matching ratio, in experiment (B), and the number of products detected in this scenario is still 95%, because the detection task is achieved by the SURF algorithm only, and the color average has no role in this task. On the other hand, 88% of the detected product are classified correctly in this scenario, which means that the use of color average improved the results by 27%. In experiment (C), three model images per product are used for training, instead of one model image per product in the previous scenarios, to improve the recognition capabilities of the SURF method. The detected products in this scenario are 99% of the total number of products in the tested images, and 97% of these products are classified correctly into their corresponding classes. The results of these experiments show the huge improvement in products classification when the color average is used with the ratio of the matched interest points to the total number of interest points in the model image. This improvement is according to the fact that the SURF detects interest points regardless of the colors in that image, while the main difference among products of the same brand is usually the colors of these products. Moreover, the increment of model images per product in the training dataset results a better detection, as well as better classification, especially when model images taken for each product are in different lightings and view angles.
Benzer Tezler
- Matlab yardımıyla konveyör bantlarda kameralı ürün sayımı ve görüntü işleme
Camera based product counting on belt conveyors
MEHMET UĞUR PARLAK
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Aydın ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EMİN TACER
- Farklı lif türlerinin insan saçına transferinin adli tekstil kapsamında incelenmesi
Transfer of different fiber types to human head hair within the scope of forensic textile
AYŞE ÖYKÜ TUNCAY
Yüksek Lisans
Türkçe
2024
Adli TıpÜsküdar ÜniversitesiAdli Bilimler Ana Bilim Dalı
PROF. DR. AYLİN YALÇIN SARIBEY
- Gıda patojenleri için dijital PCR ile hızlı tespit yöntemlerinin geliştirilmesi
Development of rapid detection methods for food pathogens using digital PCR
YELİZ YÜCEL ÖZ
Doktora
Türkçe
2023
Biyolojiİstanbul Teknik ÜniversitesiMoleküler Biyoloji-Genetik ve Biyoteknoloji Ana Bilim Dalı
PROF. DR. AYTEN KARATAŞ
- Koloni morfoloji tahmininde yeni yapay öğrenme modelleri geliştirilmesi
Development of new artificial learning models for colony morphology prediction
VOLKAN ALTUNTAŞ
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT GÖK
- Uygulamada kullanılan profesyonel bir statik-betonarme hesap ve çizim yazılımının irdelenmesi II: Y-Pro
Examination of a professional structural analysis-reinforced concrete design and drawing software which is used in practise II: Y-Pro
İBRAHİM TORUNOĞLU
Yüksek Lisans
Türkçe
2010
İnşaat MühendisliğiEskişehir Osmangazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET TOPÇU