CN103052342A - 收银台 - Google Patents
收银台 Download PDFInfo
- Publication number
- CN103052342A CN103052342A CN2011800338686A CN201180033868A CN103052342A CN 103052342 A CN103052342 A CN 103052342A CN 2011800338686 A CN2011800338686 A CN 2011800338686A CN 201180033868 A CN201180033868 A CN 201180033868A CN 103052342 A CN103052342 A CN 103052342A
- Authority
- CN
- China
- Prior art keywords
- sensor
- article
- matching probability
- sorter
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 claims description 40
- 238000000034 method Methods 0.000 claims description 31
- 210000003462 vein Anatomy 0.000 claims description 21
- 238000001429 visible spectrum Methods 0.000 claims description 5
- 238000002329 infrared spectrum Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 2
- 238000012015 optical character recognition Methods 0.000 description 21
- 230000003287 optical effect Effects 0.000 description 18
- 238000012545 processing Methods 0.000 description 16
- 238000005303 weighing Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 10
- 238000000985 reflectance spectrum Methods 0.000 description 10
- 230000003068 static effect Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 235000012055 fruits and vegetables Nutrition 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47F—SPECIAL FURNITURE, FITTINGS, OR ACCESSORIES FOR SHOPS, STOREHOUSES, BARS, RESTAURANTS OR THE LIKE; PAYING COUNTERS
- A47F10/00—Furniture or installations specially adapted to particular types of service systems, not otherwise provided for
- A47F10/02—Furniture or installations specially adapted to particular types of service systems, not otherwise provided for for self-service type systems, e.g. supermarkets
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47F—SPECIAL FURNITURE, FITTINGS, OR ACCESSORIES FOR SHOPS, STOREHOUSES, BARS, RESTAURANTS OR THE LIKE; PAYING COUNTERS
- A47F9/00—Shop, bar, bank or like counters
- A47F9/02—Paying counters
- A47F9/04—Check-out counters, e.g. for self-service stores
- A47F9/046—Arrangement of recording means in or on check-out counters
- A47F9/047—Arrangement of recording means in or on check-out counters for recording self-service articles without cashier or assistant
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47F—SPECIAL FURNITURE, FITTINGS, OR ACCESSORIES FOR SHOPS, STOREHOUSES, BARS, RESTAURANTS OR THE LIKE; PAYING COUNTERS
- A47F9/00—Shop, bar, bank or like counters
- A47F9/02—Paying counters
- A47F9/04—Check-out counters, e.g. for self-service stores
- A47F9/046—Arrangement of recording means in or on check-out counters
- A47F9/047—Arrangement of recording means in or on check-out counters for recording self-service articles without cashier or assistant
- A47F9/048—Arrangement of recording means in or on check-out counters for recording self-service articles without cashier or assistant automatically
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
- G06Q20/208—Input by product or record sensing, e.g. weighing or scanner processing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0036—Checkout procedures
- G07G1/0045—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader
- G07G1/0054—Checkout procedures with a code reader for reading of an identifying code of the article to be registered, e.g. barcode reader or radio-frequency identity [RFID] reader with control of supplementary check-parameters, e.g. weight or number of articles
Abstract
本发明公开一种自动化收银台(1)中的用于识别物品(3)的分类装置,包括:存储器单元(5),能够存储数字参考信号,每个数字参考信号对应于物品标识,连接到所述存储器单元(5)的处理器(6),和被配置为确定物品(3)的测量信号的至少一个传感器(4,7,14,15,16,17,18,24),其中,处理器(6)被配置为将所述测量信号与数字参考信号进行比较,并且计算预定数目的物品标识的匹配概率。
Description
技术领域
本发明涉及自动化收银台中的用于识别物品的分类装置,以及涉及包括这种分类装置的自动化收银台。本发明进一步涉及用于自动化收银台的方法。
背景技术
在当今商店中可以购买许多不同类型的物品(如蔬菜、水果)和不同的包装。有些商店使用自动收银台的分类装置用于识别物品。例如,US4676343A描述了如何在收银台处一起使用输送机秤和用于读取标签的激光扫描器。标签被特别地布置成由激光扫描器读取,并且包括有关物品的重量的信息,该信息应与由该秤读取的物品的实际重量匹配。根据US4676343的设备存在的一个问题是,激光扫描器和秤必须用于识别物品,这消耗资源,并且如果激光扫描器或秤中的一个出现故障,则在过程中产生多次中断。另一个问题是,特定标签必须呈现在物品上,如果没有标签,这要求消费者必须将标签贴在物品上。由于消费者的错误处理,因此可能会出现问题。对标签的需求进一步提供的缺点在于,消费者可能不容易购买散装物品,而是将需要称重和识别物品,以保证所需的标签的正确性。
在CA2054851、US5662190、US20060138220和US20040262391中描述了其它已知的设备。
收银台的分类装置因此是公知的,但先前已知的装置中没有一个是自动用于处理不同类型的物品的,如水果和产品,并且同时被布置为提供关于识别的最佳程度的安全性,然而仍然需要极少使用传感器资源。
发明内容
相对于现有技术,存在对收银台的用于自动识别物品的改进的分类装置的需求,其中不正确的识别的次数接近零,并且其中最佳地使用传感器资源,用于降低处理器功耗,从而保持高的处理器速度。
本发明试图借助用于识别物品的分类装置解决上文提及的问题。
根据本发明的第一方面,提供一种用于在自动化收银台中识别物品的分类装置。该分类装置包括:能够存储多个数字参考信号的存储器单元,每个数字参考信号对应于物品标识,连接到所述存储器单元的处理器,和被配置为确定所述物品的测量信号的至少一个传感器,其中,处理器被配置为将所述测量信号与所述数字参考信号进行比较,并且计算预定数目的物品标识的匹配概率。
根据第二方面,自动收银台设置为包括根据第一方面的分类装置。
根据本发明的第三方面,提供一种在自动化收银台中分类物品的方法,包括提供分类装置的步骤,该分类装置包括:能够存储多个数字参考信号的存储器单元,每个数字参考信号对应于物品标识;连接到存储器单元的处理器,和被配置为确定所述物品的测量信号的至少一个传感器,其中,所述方法还包括以下步骤:将所述测量信号与所述数字参考信号进行比较,以及计算预定数目的物品标识的匹配概率。
根据本发明的又一个方面,提供包括用于识别物品的分类装置的自动化收银台。分类装置包括:用于称量物品的重量传感器、包括一个或多个物品的信息的存储器单元、连接到存储器单元和重量传感器的处理器、以及连接到处理器的红外光谱传感器,红外光谱传感器从此被称为NIR传感器并且检测从约780nm到2500nm的波长。存储器单元包括由第一NIR传感器或另一个NIR传感器创建的一个或多个第一信号,其中每个第一信号与相应的物品标识相关。可以通过使用第一NIR传感器、第二NIR传感器在收银台处直接创建第一信号,或通过将由未连接到收银台的NIR传感器创建的信号存储在所述存储器中而创建第一信号。
当NIR传感器用在某种物品上时,例如,特定类型的苹果,接收第一信号,第一信号可以耦合到物品并且可以被标注为在存储器单元中的特定物品标识,例如物品的名称。每种类型物品创建唯一的第一信号,第一信号可以被耦合到物品的标识。第一NIR传感器被布置为在物品放置在重量传感器之前、之上或者之后时,创建与物品相关的第二信号。处理器随后被配置为比较第二信号和第一信号,以便将物品识别为在存储器单元中的现有物品标识。收银台被配置为在第二信号创建之前、期间或之后,借助于重量传感器称量物品。物品的重量连同物品标识被处理器随后用于确定物品的价格。
在本发明的一个优点是,收银台可以自动地识别所有种类的物品,而不需要消费者在收银台前例如通过粘贴条形码而识别物品。NIR传感器特别适合识别水果和蔬菜以及某些类型的散装物品,因为由于使用照相机和图像处理的传感器不能够确定物品的标识的事实,这类物品以前需要消费者识别物品并且随后标记该类物品。
重量传感器优选地包括自动地传送和测量物品的输送机秤。消费者将在这里将物品放置在传送带上,传送带或者称重和随后传送物品,或者传送、保持和称重物品,用于物品的稍后运送。正如前面提到的,第一NIR传感器可以在称重之前、期间或之后布置在收银台处。然而,最快的方式是在传送带保持用于测量物品时,允许第一NIR传感器来识别的物品。
根据本发明的一个实施例,作为NIR传感器和重量单元的补充,收银台可以配备有一个或多个传感器,其中,如果根据本发明使用一个或多个传感器,提供如下优点:在使用最小资源以及时间和精力的情况下,在识别物品时提供更高的安全性。应当提到,物品应在小于一秒中被识别,用于由消费者考虑自动化收银台是用户友好的。
通过使用根据某些预先结合的传感器,本发明试图解决具有几个传感器的资源的最佳利用的问题,其在识别物品上提供高的安全性,以及高的处理速度。该组合还提供的优点在于:在完成给定组合时,即在所述传感器或组合的多个传感器提供识别的肯定的结果时,其它传感器可以断开或指向其他物品的识别,这提供过程资源的优化。
因而根据多个预定组合设计具有几个传感器的实施例,所述多个预定组合包括现有传感器的部分集合,其中,预定组合之一足够提供肯定结果。传感器可以顺序地切换开启,即被激活,以便找到传感器的有益的组合或部分集合,或所有的传感器可以是活动状态,直到一个组合提供肯定结果。在这种情况下,肯定的结果应该被理解为该组合的所有传感器是否已经检测和识别物品的预定属性,在该组合中的该属性提供物品标识。可以通过检查包括许多物品的属性的数据库确定所述标识。属性的示例可以包括由条形码和/或文本和/或图形和/或图案标记的重量、尺寸、颜色、形状、轮廓。
根据实施例,分类装置总是包括轮廓传感器和/或条形码传感器和/或执行光学字符识别和(机器)文本译码的符号读取传感器和/或颜色纹理传感器和/或颜色直方图传感器和/或VIS传感器。符号读取传感器从此称为OCR,这是“光学字符识别(Optical Character Recognition)”的一般已知的英文表达的缩写符号。VIS传感器是包括光源和VIS照相机的光谱仪,,从此将其称为VIS传感器,VIS传感器检测从约200纳米到1100纳米的波长。光谱从而与从400纳米延伸到660纳米的可见光的波长重叠。实验已经表明,在根据本发明的装置中,在VIS传感器在完整频率区间200纳米-1100纳米中操作时,包括颜色纹理传感器和/或颜色直方图传感器和/或可见光传感器的分类装置没有令人满意地操作,因为在可见光间隔中,即在400nm和660nm之间,颜色传感器和VIS传感器之间有冲突。
因此,根据本发明的VIS传感器,在其与颜色纹理传感器和/或颜色直方图传感器组合时,在200纳米和400纳米之间以及在660纳米和1100纳米之间的区间被激活。但是如果颜色纹理传感器和颜色直方图传感器断开,VIS传感器可以在200纳米和1100纳米之间的完整频率区间中工作,因为没有冲突。该处理器被编程,以控制传感器达到分类装置的最佳效率。
所述传感器以如下方式合作:根据被识别的物品,如果所述传感器被以下组合激活,则允许除了重量传感器和NIR传感器之外的剩余的传感器停用或根本不被激活:
-重量传感器和轮廓传感器以及OCR,或
-轮廓传感器和OCR,或
-重量传感器和OCR,或
-重量传感器和颜色直方图传感器以及轮廓传感器,或
-重量传感器和轮廓传感器以及OCR,或
-重量传感器和颜色直方图传感器和轮廓传感器和颜色纹理传感器和OCR以及条形码传感器,或
-重量传感器和轮廓传感器和颜色纹理传感器以及OCR,或
-重量传感器和条形码传感器,或
-仅OCR,或
-VIS传感器与任何上述组合的组合,或
-仅VIS传感器。
本发明的优点之一是,该组合在最小资源使用的情况下提供最佳的高安全性,将在下面解释对此进行说明。
符号读取传感器连接到计算机/图像处理单元,计算机/图像处理单元使用一种算法,该算法使用来自图像中的信息,该图像来自现有照相机或该装置的照相机。对于基本上借助符号读取可以明确地识别的物品,如果符号读取传感器(OCR)识别符号和/或文本,符号和/或文本然后明确地标识物品,则这将是足够的。可以通过仅使用符号读取传感器(OCR)识别物品的实施例是预先包装的产品,其中消费者不需要执行任何程序,如再填充或任何其他程序。使用符号读取传感器是不够的物品的示例是一些散装物品,其中物品的数量,即重量,是未知的。物品的进一步的属性可能是必要的,并且可能需要符号读取和/或重量和/或颜色直方图和/或颜色纹理和/或轮廓。应提及,“轮廓”被定义为三维物体的二维投影。
某些物品因此比其他物品更难以识别,并根据物品,需要分类装置所包括传感器中的一个或几个。
优选地,重量传感器包括一个输送机秤,输送机秤包括一个输送机部和与输送机部连接的一个秤重单元,输送机秤自动地传送物品、秤重物品和发送重量的信息到数据库。以这样的方式,将不需要来自员工和消费者的贡献,消除了将物品人工搬运到称重单元上的需求。一个或多个传感器可被连接到收银台,用于控制输送机秤。
轮廓传感器包括用于提供静止或运动图像的照相机,可以优选为读取水平投影表面的线性照相机,或线性照相机与包括用于读取垂直投影的垂直光幕的物体传感器的组合。轮廓传感器被连接到图像处理单元,其中根据数据库中的属性检查轮廓,即三维对象的二维投影。
条形码传感器包括用于提供静止或运动图像的照相机。条形码传感器被连接到图像处理单元,其中根据数据库中的属性检查条形码。
符号读取传感器包括用于提供静止或运动图像的照相机。符号读取传感器被连接到图像处理单元,其中根据数据库中的属性检查符号。
颜色纹理传感器包括用于提供静止和移动图像的照相机。在颜色纹理传感器被连接到图像处理单元,其中根据数据库中的属性检查颜色纹理。图像处理单元包括一种算法,该算法计算图像中何处存在某种颜色。一个常见的算法是“威布尔颜色纹理算法”,但也可考虑其他算法。
颜色直方图传感器包括用于提供静止和运动图像的照相机。在图像中的颜色比通常由代表图(所谓的直方图)图示。通过图像的所有像素的检查生成直方图,并且将具有特定的颜色值的大量像素进行加和。上述的图像处理单元可以由一个或几个单元构成,并且可以包括具有能够执行上述分析的软件的一个或多个计算机。分类装置可以包括被包括在上面提到的传感器中的一个或多个照相机。优选实施例的一个示例是,轮廓传感器包括第一照相机,第一照相机以在物品通过摄像机时读取轮廓的方式定位。根据本发明,线性照相机是适合的,因为读取然后在物品在两条传送带之间或在半透明的表面上的传送过程中发生。同样适合的是,分类装置包括第二照相机和可能的几个照相机,以能够从不同的角度看到物品,以在检测条形码、文本和图像时,实现尽可能高的可靠性。其他照相机,并且如果适用,另一个照相机/多个照相机,被配置为记录将由图像处理单元使用的图像或图像,用于分析颜色直方图、颜色纹理、OCR和条形码读取。一个进一步的替代是,分类装置仅包括第一照相机和第二照相机,其中第二照相机光学地连接到从不同的角度观察物品的一个或几个透镜,并且其中图像处理单元从相应的角度分析图像。但是,前面提到的被定位在传送带之间的线性照相机是在条形码定位在物品以下时可以捕获条形码的唯一的照相机。
NIR传感器以如下这种方式工作:红外光照射物品,并且参照由表面比率/表面性能引起的相位移和在创建反射光谱的物品处的化学键分析来自物品的反射红外光。现有技术本身已知NIR传感器。
上面提到的NIR是英文术语“近红外光谱”的缩写,并且包括用于近红外光的光源,和可以记录近红外光的NIR照相机。典型地,近红外光具有580-2500纳米的波长,或优选780-1750纳米的波长。该波长已被证明是适合用于分析散装物料、水果和蔬菜。在此上下文中,“NIR”可以包括光源和NIR照相机,即用于分析的完整的NIR结构。然而,“NIR传感器”可以只包括检测设备,例如,光导探测器和光谱仪。
通过使用近红外传感器分析已知物品,接收唯一反射光谱,该唯一反射光谱可以与物品相关。反射光谱可以直接用作与该物品相关的信号或反射光谱被处理以创建该信号。商店里的物品在不同的场合可能会看着有所不同,例如物品长老(最终果实会烂),并且物品可以装在一个或几个塑料袋中,或物品可以是单个的或成组,或者被布置在不同的方向中;还有物品的自然变化,等等。收银台的环境在不同的商店也可能是不同的,例如,不同的光线、色彩等。所有这些参数表明,在一定的场合在一定的环境中一定的物品的NIR光谱不必匹配在另一场合在另一个环境中的物品的另一个NIR光谱。为了能够在根据本发明的收银台中使用NIR传感器,第一信号需要在一定的程度上匹配第二信号,使得该处理器能够通过比较识别物品。因此,如果第一信号在与第二信号相同的环境中创建,这是一个优点。由于在使用过程中在收银台处创建第二信号,如果在相同的条件期间创建第一信号,这是有优势的。根据本发明,分类系统具有这样的自学习功能,其中通过使用物品标识编程存储器单元而创建第一信号,此后物品在类似于使用的环境(即用于参照消费者使用的收银台的环境)的过程中被传送通过收银台。考虑上述变化,物品通过收银台并且以不同的变化被运送多次,例如,使用一个或几个包和/或单个或成组等等。每次物品被运送通过收银台,并且NIR传感器分析物品,第一信号被创建,这意味着每个物品标识可以与大量的第一信号相关,使得处理器在将物品与第二信号和一个或多个第一信号进行比较时将能够识别该物品。在学习期间,第一NIR传感器可以布置成进行分析,或将连接第二NIR传感器。不需要在其中将使用收银台的确切位置处执行所述学习,而是可以在其它位置执行所述学习。
在创建第一和第二信号时,将通过背景光谱,即空的收银台,或空的传送带,考虑周围环境。在分析物品时,背景光谱是已知的,并且也可以以不同的方式考虑处理器。
轮廓传感器的线性照相机优选地与NIR摄像机组合使用,以提供物品被定位在传送带上的位置的信息。NIR摄像机能够沿两条传送带之间的狭缝移动,但需要时间移动到用于读取的位置。
VIS传感器是包括适合上述波长的照明装置和能够记录在200纳米和1100纳米之间的波长的光的VIS照相机的光谱仪。类似于NIR传感器,当光被物品部分地吸收或反射时,VIS传感器使用波长的变化。VIS传感器特别地适合用于分析不同深浅的棕色,这使得其适合用于分析通常是很难通过任何其他传感器分类的面包。能够由VIS传感器检测到深浅不同的褐色。
在此上下文中,“VIS传感器”可以包括光源以及VIS摄像机,即用于分析的完整的VIS装置。然而,VIS传感器也可以是一个单独的设备,未连接到光源,而是包括导光探测器和光谱仪。
通过借助VIS传感器分析已知的物品,接收到独特的反射光谱(VIS光谱),该反射光谱可以耦合到物品。反射光谱可以直接地用作用于物品的信号,或者反射光谱可以被处理用于创建该信号。在商店里的物品在不同的场合可能会看着有所不同,例如物品长老(最终果实会烂),并且物品可以装在一个或几个塑料袋中,或物品可以单个或成组,或者被布置在不同的方向中;还有物品的自然变化,等等。收银台的环境在不同的商店也可能是不同的,例如,不同的光线、色彩等。所有这些参数表明,在一定的场合在一定的环境中一定的物品的VIS光谱不必匹配在另一场合在另一个环境中的物品的另一个VIS光谱。为了能够在根据本发明的收银台中使用VIS传感器,代表背景信号的第三信号和包括物品的背景的第四信号需要匹配,使得处理器能够通过比较识别物品。因此,如果在与第四信号相同的环境中创建第三信号,这是一个优点。由于在使用过程中在收银台处创建第四信号,如果在相同的条件过程中创建第三信号,这是有优势的。根据本发明,分类系统具有这样的自学习功能,其中通过使用物品标识编程存储器单元创建第三信号,此后物品在类似于使用的环境(即用于涉及消费者使用的收银台的环境)的过程中被传送通过收银台。考虑上述变化,物品通过收银台并且以不同的变化被运送多次,例如,使用一个或几个包和/或单个或成组等等。每次物品被运送通过收银台,VIS传感器分析物品,第三信号被创建,这意味着每个物品标识可以与大量的第三信号相关,使得处理器在将物品与第四信号和一个或多个第三信号进行比较时将能够识别物品。在学习期间,第一VIS传感器可以布置成进行分析,或将连接第二VIS传感器。不需要在其中将使用收银台的确切位置处执行所述学习,而是可以在其它位置处执行所述学习。
VIS传感器可以包括作为探测器的光缆,该探测器将来自物品的光分配到VIS照相机。
NIR传感器可以包括作为探测器的光缆,该探测器将来自物品的光分配到NIR照相机。
VIS传感器和NIR传感器中的每一个可以连接到作为探测器的光缆,该探测器被配置成会聚成共同的光缆,该共同的光缆将来自物品的光分配到VIS照相机和NIR照相机。
分类装置可以包括连接到数据库的手持式条形码读取器。在物品太大时,可以使用手持式条形码读取器,用于正在传送装置上的被传送物品。
分类装置可有利地包括自学习功能,其容许该系统变为自学习的。“自学习”表示分类装置的所有传感器变成有效的,用于在物品首次通过传感器时识别物品。该传感器确定物品的属性/特性,并且将属性存储在数据库中。当使用自学习功能时,已经使用预定标识(例如,EAN代码)和任选的价格将物品记录在物品寄存器中。物品寄存器可以是数据库的一部分,或连接到物品标识的数据库的单独的数据库。
分类装置也可以由连接到该数据库条形码读取器补充,并且优选可以被以自学习功能使用。在第一次物品被传送通过分类装置时,固定式扫描器读取条形码,这保证物品的识别,这导致由传感器检测到的属性作为正确的物品标识被存储在数据库中。
传感器优选地可以完全或部分放置在隧道状结构,隧道状结构屏蔽传送带的一部分,并且因此通过防止未经授权的人影响分类过程的可能性而提高安全性。
附图说明
在下文中,将参照附图描述本发明,其中:
图1示意性地显示根据本发明的第一实施例的收银台的顶视图;
图2示意性地显示根据图1的收银台的侧视图;
图3示意性地显示根据本发明的第二实施例的收银台的顶视图;
图4示意性地显示根据图3的收银台的侧视图。
图5示意性地显示根据本发明的第三实施例的收银台的顶视图;
图6示意性地显示根据图5的收银台的侧视图;
图7示意性地显示根据本发明的第四实施例的收银台的顶视图;
图8示意性地显示根据图7的收银台的侧视图;和
图9是根据实施例的分类装置的方法的示意性工作流程。
具体实施方式
图1示意性地显示根据从本发明的第一实施例的收银台上方观看的视图。
图1显示包括用于物品3的识别的分类装置2的自动收银台1。分类装置2包括用于称量物品3的重量传感器4、包括一个或多个物品的信息的存储器单元5、连接到存储器单元5和重量传感器4的处理器6、和连接到处理器6的第一光谱传感器7,在此根据相关联的波长间隔将第一光谱传感器7标注为NIR或VIS传感器7。存储器单元5包括由第一光谱传感器7或其他光谱传感器(未显示)创建的一个或多个第一信号,所述第一信号(signature)或每个第一信号被连接到相应的物品标识(identity)。通过使用第一光谱传感器7或者第二光谱传感器(图中未显示),或者通过使用未连接到收银台1的光谱传感器创建的信号加载存储器,可以在收银台处立即创建第一信号。
在图1中,重量传感器4被显示放置在第一NIR或VIS传感器7之前,这意味着第一NIR或VIS传感器被布置为在物品已经被称重(即放置在重量传感器上并且然后被称重)以后建立第二信号。处理器6然后布置成比较第二信号与第一信号,以将物品3识别为在存储器单元5中的一个现有的物品标识。物品的重量将由处理器用来与物品标识一起确定物品的价格。
正如之前提到的本发明的一个好处是,收银台自动识别各种物品,消费者不需要在收银台前识别物品,例如,使用条形码。NIR或VIS传感器对于识别水果和蔬菜以及某些类型的散装物品是特别有价值的,因为由于使用摄像机和图像处理的传感器还不能够确定物品标识的事实,这些物品以前需要消费者识别物品并且然后标记该物品。
优选地,所述重量传感器4包括输送机秤8,输送机秤8自动地传送并且称重物品。输送机秤8包括第一传送带9和传送带靠在其上的秤单元10。消费者将物品放在第一传送带9上,其中秤单元10称重物品,并且然后第一传送带9带走物品3。代替地,第一传送带9传送物品3到适当的位置、停止和称重,并且然后进一步传送物品3。在收银台1处,布置有传感器,该传感器提供用于第一传送带9和秤单元10的控制的处理器信息。
第一NIR或VIS传感器7,或连接到处理器6的NIR或VIS传感器(未显示),可以被布置成在物品3已经被识别为能够连接到第一信号的学习过程期间读取物品和创建第一信号。
图1显示,收银台1包括连接到处理器6的交互式显示单元11,交互式显示单元11用于显示至少一个物品标识。在显示单元11被布置由一个用户使用以能够批准所显示的信息。如果第一NIR或VIS传感器7标识物品3,则在显示单元11中显示图像或文本,如果用户发现所显示的信息与放在收银台1上的物品相匹配,则消费者批准。可以显示更多信息,如重量和价格,其中如果它是正确的,用户批准所显示的。
除了重量传感器4、第一NIR或VIS传感器7和显示单元11,图1显示用于传送物品3的第二传送带12以及第三传送带13。通过参考符号x和在运动方向上显示的箭头在图1-8中显示传送带上的物品的运动方向。几个传送带的目的是,物品可以传送到合适的最终区域,在该最终区域中可以由用户在支付以后拾起物品或多个物品。另一个目的是,收银台1可以被以如下方式设计:将重量传感器放置在第一NIR或VIS传感器7之后(参见图3-8),或者可以以在称重物品的同时第一NIR或VIS传感器7可以分析物品的方式放置第一NIR或VIS传感器7。后者未显示,因为在图1-8中显示的实施例的情况下,如何相对于秤单元放置第一NIR或VIS传感器7应该是明显的。具有多个传送带的进一步的目的是用于收银台设置有多个传感器时。
根据本发明的一个实施例,作为第一NIR或VIS传感器7和重量传感器4的补充,收银台1可以设置有一个或多个另外的传感器,如果根据本发明使用所述一个或多个另外的传感器,则这在识别物品时带来增加安全性的优势,但是最低限度地使用资源和时间以及能量。在这里应当提到,优选地应在小于一秒内识别物品3应,用于由消费者将自动化收银台视为用户友好的。
在涉及到识别产品以及高的处理速度时,通过使用根据提供较高的安全性的一些预定组合的传感器,本发明的目的还在于解决用于几个传感器的最佳的资源利用的问题。所述组合还提供了以下优点:在给定的组合被满足时,即,该传感器或组合的传感器提供肯定的识别决定,剩余的传感器可以被断开或被控制朝向识别其它物品,这提供处理资源的优化。
虽然本发明主要地基于根据上述的重量传感器4和NIR或VIS传感器7,但图1显示,但收银台包括以如下方式连接的多个传感器:包括现有的传感器的部分集合的多个预定组合足够用于肯定的决定,即识别物品3。应当提到的是,具有其它传感器的实施例提供大量的组合,并且其因此未被显示在单独的附图中,因为其只会带来大量的附图而没有增加对本发明的理解。
所述传感器可以被按顺序接通,即激活,以能够找到传感器的有益的组合,或者传感器的部分集合或所有的传感器可以是活动状态,直到一个组合提供肯定的决定,其中冗余的传感器中的一个或多个可以被断开。在该组合中的所有传感器已经检测和识别物品的预定属性时,得到肯定的决定,其中在该组合中的属性一起给予物品一标识。可以通过对包括大量物品的属性的数据库的控制确定所述标识。根据先前已经描述的内容,可以将数据库存储在存储器单元中。属性的示例是重量、尺寸、颜色、形状、轮廓、带有条形码和/或文本和/或图形和/或图案的标记。
为了提供成功的分类,激活的传感器确定物品3的测量信号。测量信号与感测到的信号相关联,并且可能因此是多个不同的物品属性的数字表示。为此目的,该处理器被配置为将策略信号与存储在存储器单元5中的数字参考信号进行比较,以计算预定数目的物品标识的匹配概率。
后面的步骤优选地通过将测量信号与存储器单元的所有数字参考信号(或数字参考信号的子集)进行比较,并且随后将具有最高匹配概率的物品标识提供给其它分类算法,如BBN分类装置。
激活的传感器优选地是光谱传感器7、24,或者NIR、VIS或者NIR和VIS两者,根据先前已描述的内容,该光谱传感器7、24被实现为在明确定义的波长区域内运行的单个阵列光谱仪。因此,测量信号是在给定的波长区间中的反射率光谱的数字表示。
分类装置还可以使用选自如下装置组成的组的其它传感器:光谱传感器24、轮廓传感器14、条形码读取器15、符号读取传感器16、颜色纹理传感器17、颜色直方图传感器18或者秤4。
在使用两个或更多的不同的传感器从而提供两个或更多个不同的测量信号的情况下,处理器6被配置成通过比较来自不同传感器4、7、14、15、16、17、18和24的匹配概率,并且选择具有最高匹配概率的物品标识,确定特定的物品标识。通过比较第一传感器的测量信号被识别的物品标识,以及通过比较第二或另外的传感器的测量信号被识别的物品标识因此被发送到BBN网络,以供进一步分析。在这种情况下,对于不同的传感器和比较分析,标识可能不完全一样。
分类方法还可以包括将最高匹配概率与报警阈值进行比较的步骤,在最高匹配概率低于报警阈值的情况中,在继续之前等待手动输入。
在优选的实施例中,该方法包括将最高匹配概率与两个报警阈值进行比较的步骤,在最高匹配概率低于最低的报警阈值的情况中,该方法在继续之前等待来自服务员的手动输入,并且在最高匹配概率高于最低的报警阈值但低于上限报警阈值的情况中,该方法在继续之前等待来自用户的手动输入。
另外,如果秤4用来作为分类传感器,将最高匹配概率与报警阈值进行比较的步骤包括以下步骤:将物品的重量和与对应于具有最高匹配概率的参考信号的物品标识相关联的重量区域进行比较。
在进一步的实施例中,如果轮廓传感器14被用作分类传感器,则将最高匹配概率与报警阈值进行比较的步骤包括以下步骤:将物品的形状和与对应于具有最高匹配概率的参考信号的物品标识相关联的形状区间进行比较。
在又一个实施例中,如果条形码读取器15被用作分类传感器,则将最高匹配概率与报警阈值进行比较的步骤包括以下步骤:扫描物品的条形码并且将扫描的条形码的信息和与对应于具有最高匹配概率的参考信号的物品标识相关联的条形码信息进行比较。
图9显示可以由分类装置实现的分类算法100的示意性流程图。该算法包括用于提供物品的成功分类的若干步骤,例如,在自动化收银台中。
在步骤102中,传感器确定物品的测量信号。测量信号因而发送到例如结合在处理器6中的比较单元,在步骤104中该比较单元将测量信号与的数字参考信号进行比较。在此之后,在步骤106中,计算物品标识的预定数目的匹配概率。
作为一个可选的步骤110a,将在步骤106中计算出的最高匹配概率与报警阈值相比较,并且在最高匹配概率低于报警阈值的情况中,该方法在继续之前等待手动输入。
作为替代方法,该方法100包括步骤110b,其中将在步骤106中计算出的最高匹配概率与两个报警阈值进行比较,其中在最高匹配概率低于最低的报警阈值的情况中,该方法在继续之前等待服务员的手动输入,在最高匹配概率高于最低的报警阈值但高于上限报警阈值的情况中,该方法在继续之前等待来自用户的手动输入。
步骤110a和110b还可以分别地进一步包括子步骤112、114和116。在步骤112中,将最高匹配概率与报警阈值进行比较的步骤包括:将物品的重量和与对应于具有最高匹配概率的参考信号的物品标识相关联的重量区间进行比较。
在步骤114中,将最高匹配概率与报警阈值进行比较的步骤包括:将物品的形状和与对应于具有最高匹配概率的参考信号的物品标识相关联的形状区间进行比较。
在步骤116中,将最高匹配概率与报警阈值进行比较的步骤包括以下步骤:扫描物品的条形码并且将扫描的条形码的信息和与对应于具有最高匹配概率的参考信号的物品标识相关联的条形码信息进行比较。
根据一个实施例中,分类装置包括:重量传感器4、第一NIR或VIS传感器7、轮廓传感器15和/或条形码传感器15和/或使用光学字符识别和(机器)文本译码的符号读取传感器16和/或颜色纹理传感器17和/或颜色直方图传感器18。读取传感器16从此被称为OCR,这是“光学字符识别(OpticalCharacter Recognition)”的一般已知的英文表达的缩写符号。传感器以这样的方式合作,如果传感器被以如下组合激活,则根据正被识别的物品,允许剩余的传感器停用或根本不被激活:
-重量传感器4和轮廓传感器14以及OCR 16,或
-轮廓传感器14和OCR 16,或
-重量传感器4和OCR 16,或
-重量传感器4和颜色直方图传感器18以及轮廓传感器14,或
-重量传感器4和轮廓传感器14和OCR 16,或
-重量传感器4和颜色直方图传感器18和轮廓传感器14和颜色纹理传感器17和OCR 16以及条形码传感器15,或
-重量传感器4和轮廓传感器14和颜色纹理传感器17以及OCR 16,或
-重量传感器4和条形码传感器15,或
-OCR 16。
轮廓传感器14可以包括用于静止或运动图像的照相机,但还可以包括物体传感器。在图1中,轮廓传感器14显示为线性照相机,其放置在第一传送带和第二传送带之间的狭缝中读取水平投影表面,与由垂直光幕构成的用于读取垂直投影的物体传感器20结合。轮廓传感器14被连接到用于图像处理的单元,其中根据数据库中的属性核对轮廓(即三维物体的二维投影)。
在图1中,显示物体传感器20,物体传感器20包括垂直站立在第一传送带和第二传送带12之间的狭缝的光幕装置。光幕装置包括多个二极管,具有在光幕装置的一侧的变送器和在另一侧的接收器。凭经验地,已经显示,二极管的优选量是32个二极管的量级,并且红外二极管提供良好的结果。本发明并不限定于基于红外光的32个二极管,而是任何其他数目和频率都可以工作,只要光幕的相对光束根据物品的特性在不同的高度上进行折射,并且然后提供有关物品形状的信息。由于物品移动通过光幕,通过在某些时间点读取光幕,可以创建三维图像。
图1显示条形码传感器15包括用于静止或运动图像的照相机,符号读取传感器16包括用于静止或运动图像的照相机,颜色纹理传感器17包括用于静止或运动图像的照相机,并且颜色直方图传感器18包括用于静止或运动图像的照相机。颜色直方图传感器18优选地被配置为检测三个不同颜色的属性,即i)HUE值,ii)blob值以及iii)拓扑值。本发明并不限于所使用的一个或多个照相机,只要相应的传感器可以提供信息到处理器,该处理器然后可以提供有关物品标识的信息。
分类装置2还包括初始传感器21,初始传感器100%地识别物品3,并且被布置成在系统的学习期间被使用,所述系统的学习是通过首先识别物品3,随后传送物品3通过分类装置2,在分类装置2中所有的传感器都识别物品3的属性,物品3的属性随后将被存储在用于物品的属性的数据库中。
在图1中,初始传感器21被显示为被设计为用于手动使用的条形码读取器15。然而,初始传感器21可以包括可以提供正确信息到存储器单元的其它设备。例如,用户可以为每一个物品手动输入物品的产品名称或其他信息,如价格和/或每单元重量的价格。然而,条形码读取器或其它传感器容许该系统可以是以物品设置有条形码或其他标识并且然后被馈送到系统的方式自学习的,该系统自动地读取标识,并且然后让剩余的传感器创建其自己的物品的信号/识别标记。
图1显示包括手持式传感器22的分类装置,该手持式传感器100%地识别物品,并且可以在物品对于其它分类装置来说太大时使用该手持式传感器。手持式传感器可以是用于手动使用的条形码读取器。
图2示意性地显示根据图1的收银台的侧视图。
图3示意性地显示从根据本发明的其它实施例的收银台上方看的视图。图3显示与在图1中相同的布置,但是重量传感器4和第一NIR或VIS传感器7的顺序不同。图3显示重量传感器4放置在第一NIR或VIS传感器7之后。参照图1和图2,图3显示在传送带的移动方向上不同的传送带按以下顺序布置在彼此之后:第二传送带12、第三传送带和具有重量单元的第一传送带9。在图3以及在图1和2中,显示单元11连接到重量传感器4,以便用户将能够批准与称重有关的物品。这是一个优点,因为物品的重量对于价格是重要的,这意味着消费者会感知与称重有关的错误价格。错误价格可能是由于物品的不正确识别,并且在重量传感器4的这个位置处用户可以有机会改变到正确的物品,并且从而通过与正确的物品标识有关的新的或继续称重获得正确的价格。在图3中,轮廓传感器14被放置在第二传送带12和第三传送带13之间,并且第一NIR或VIS传感器7在第三传送带13和第一传送带9之间。
图4示意性地显示根据图3的收银台的侧视图。
图5示意性地显示从根据本发明的第三实施例的收银台的上方看到的视图。图5显示与图3和4相同的结构,但是具有另外的摄像机23连接到秤单元10以能够拍摄物品的图像。图像应经由显示单元11显示给消费者,以使消费者可以能够肯定地决定第一NIR或VIS传感器是否已经正确地识别物品。图像也可以被显示到设置在一定距离处的控制器,并且控制器能够决定第一NIR或VIS传感器是否已经正确地读取图像。在多个传感器被连接到收银台1的情况下,同样使用的是,由消费者或者控制器使用图像以确定物品是否已被正确标识。为了加快识别过程并且还使其更加稳定,分类装置可以包括用于物品标识的不确定性的功能,其中许多选项经由显示单元显示给消费者。然后,消费者可以选择正确的选项。在本文中,上述的图像可以与关于不同选项的显示信息一起使用,以便识别,因为所存储的物品的图像可能会更容易与物品的图像比较,然后与放置在收银台中的物品比较。
图6示意性地显示根据图5的收银台的侧视图。
图7示意性地显示从根据本发明的第四实施例的收银台上方看的视图。
图7显示与图5和6相同的装置,但是添加有被布置在第一传送带9和第二传送带13之间的另一个光谱传感器24,以通过光谱来识别产品。优选地,所述另一个光谱传感器24是对第一光谱传感器7的补充,例如,如果第一光谱传感器7是NIR传感器,即,检测具有在780纳米和2500纳米之间的波长的光,则所述另一个光谱传感器24是VIS传感器,即检测具有在200纳米和1100纳米之间的波长的光。因此,如果第一光谱传感器7是VIS传感器,则所述另一个光谱传感器24是NIR传感器。所述另一个光谱传感器24(在这种情况下是VIS传感器),以及第一光谱传感器7(在这种情况下是NIR传感器),可以包括将来自物品光分配到相应的传感器的光缆。光缆是作为探测器的光导体。VIS传感器和NIR传感器都可以被连接到单独的光缆,该光缆被布置成会聚成共同的光缆,该共同的光缆将来自物品的光分别地分配到VIS传感器和NIR传感器。
被设置为将来自物品3的光传输到光谱传感器7、24的探测器被布置为能够相对于装置的传送带(9,12,13)横向地移动。探测器被连接到光谱传感器7、24,优选地是单个阵列光谱仪,该单个阵列光谱仪被配置为根据上面已经描述的波长区间操作。即,光谱传感器可以是VIS传感器、NIR传感器或组合式NIR和VIS传感器。
分类装置可以进一步包括被配置为检测在传送带9、12、13上的物品3的横向位置的检测器,和连接到所述检测器的控制器,所述控制器配置为移动所述至少一个传感器探头7到对应于物品3的所述检测到的横向位置的位置。这可以通过检测物品3和计算对应于物品的体积的平均值的横向位置进行。因此,该检测器可以是照相机,或被连接到用于计算体积的平均值的图像处理装置的任何其他的光学传感器。
该检测器可以进一步被配置为在物品3沿着传送带9、12、13移动时检测物品3的几个位置,使得所述至少一个传感器探测器7被顺序地移动到对应于物品3的所述检测到的横向位置的位置。因此,如果物品3与传送带9、12、13的横向或纵向的方向没有对准,探测器将在物品运动期间移动,用于在物品的不同的位置处提供测量信号。
分类装置进一步包括用于照明所述物品3的光源,其中,发射的光具有至少覆盖光谱传感器7、24的工作波长的波长分布。优选地,光源也能够相于所述传送带9、12、13横向地移动,使得物品3在光谱传感器被激活时被充分地照亮。
该检测器可以进一步由物体传感器20触发,物体传感器被配置为检测物品3在所述传送带9、12、13上的存在。因此,光谱传感器7、24的光源和探测器可以定位在空闲位置,直到物体传感器20触发检测器,从而光源和探测器被移动到对应于物品体积的平均值的位置。
探测器以及光源可以被布置在线性工作台上,线性工作台沿所述传送带9、12、13的横向方向布置,用于提供移动功能。
由于探测器是可移动的,光谱传感器,即光谱仪,可以固定地布置在远程位置处,用于减少可能会负面地影响光谱分析的振动和其他噪声。然而,光谱仪也可以被安装到移动工作台。
根据图1-6的任何一个,VIS传感器24可以布置在收银台处,并且可以被布置在第一传送带9、第二传送带12或第三传送带13处。
当VIS传感器24被接通时,如果其与颜色纹理传感器17和/或颜色直方图传感器18结合使用,则其被配置为在从200nm到400nm和从660nm到100nm的区间中操作,但是VIS传感器24被配置为在颜色纹理传感器17和颜色直方图传感器断开时在从200nm到1100nm的区间中操作。处理器6被布置为根据颜色纹理传感器和/或颜色直方图传感器是否被打开或关闭而控制VIS传感器的区间。VIS传感器24可以结合参考图1-6的任何上述的组合使用,或仅结合重量传感器4和第一NIR传感器7。
VIS传感器24连接到处理器6并且连接到存储器单元5。存储器单元包括由VIS传感器24或由另一个VIS传感器(图中未显示)创建的一个或多个第三信号。第三信号或第一信号每一个都与相应的物品标识相关。通过使用VIS传感器24或另一个VIS传感器(未显示),或通过使用由未被连接到收银台1的VIS传感器创建的信号装载存储器,可以直接地在收银台处创建第三信号。
图7显示重量传感器4被配置在VIS传感器24之后,这意味着,VIS传感器24被配置为在物品已称重(即布置在重量传感器4上和随后被称重)之前通过分析建立第四信号。之后,处理器6被布置成将第四信号与第三信号进行比较,以便确定物品3为在存储器单元5中的现有物品标识。处理器使用物品3的重量连同物品标识,用于确定物品3的价格。
图8示意性地显示在图7中的收银台的侧视图。
须指出的是,图1-8中显示的实施例不限制本发明,仅是传感器和传送带的放置的示例。根据本发明的收银台可以包括一个或多个传送带。在几个传送带的情况下,传送带可以朝向彼此成一定角度和/或布置用于将物品流分成为部分流等。添加比所述第一光谱传感器、重量传感器更多的传感器到收银台可以被看作用于提高系统识别的进一步可能性,并且因此,是对用第一光谱传感器和重量传感器描述的实施例的补充。
以除在图1至8中显示以外的各种方式,可以放置附加的传感器,用于提供在本发明的范围内的可接受的结果。
Claims (16)
1.一种自动化收银台(1)中的用于识别物品(3)的分类装置,包括:
能够存储多个数字参考信号的存储器单元(5),每个数字参考信号对应于物品标识,
连接到所述存储器单元(5)的处理器(6),和
被配置为确定所述物品(3)的测量信号的至少一个传感器(4,7,14,15,16,17,18,24),
其中,处理器(6)被配置为将所述测量信号与所述数字参考信号进行比较,并且计算预定数目的物品标识的匹配概率。
2.根据权利要求1所述的分类装置,其中所述至少一个传感器(4,7,14,15,16,17,18,24)是光谱传感器(7,24)。
3.根据权利要求1或2所述的分类装置,其中,所述光谱传感器(7,24)是单个阵列光谱仪。
4.根据权利要求1至3中的任何一项所述的分类装置,其中,所述光谱传感器(7,24)被配置为测量具有在200纳米和2500纳米之间的波长的光。
5.根据权利要求4所述的分类装置,其中,所述光谱传感器(7,24)是配置为测量具有在850纳米和2500纳米之间的波长的光的红外光谱传感器。
6.根据权利要求4所述的分类装置,其中,所述光谱传感器(7,24)是被配置为测量具有在200纳米和400纳米之间以及在660纳米和1100纳米之间的波长的光的可见光谱传感器(24)。
7.根据权利要求6所述的分类装置,其中,所述可见光谱传感器(24)被配置为测量具有在200纳米和1100纳米之间的完整区间中的波长的光。
8.根据权利要求2所述的分类装置,进一步包括选自如下装置组成的组的传感器:光谱传感器(24)、轮廓传感器(14)、条形码读取器(15)、符号读取传感器(16)、颜色纹理传感器(17)、颜色直方图传感器(18)或秤(4)。
9.根据前述权利要求中的任何一项所述的分类装置,其中,包括至少两个不同的传感器(4,7,14,15,16,17,18,24),其中,所述处理器(6)被配置为通过比较来自所述不同的传感器(4,7,14,15,16,17,18,24)的匹配概率并且选择具有最高匹配概率的物品标识而确定特定的物品标识。
10.一种自动化收银台(1),包括根据前述权利要求中任一项所述的分类装置(2)。
11.一种在自动化收银台中分类物品的方法,包括以下步骤:
提供分类装置,该分类装置包括:
能够存储多个数字参考信号的存储器单元(5),每个数字参考信号对应于物品标识;
连接到存储器单元(5)的处理器(6),和
被配置为确定所述物品(3)的测量信号的至少一个传感器(4,7,14,15,16,17,18,24),
其中,所述方法还包括以下步骤:
将所述测量信号与所述数字参考信号进行比较,以及
计算预定数目的物品标识的匹配概率。
12.根据权利要求11所述的方法,还包括将所述最高匹配概率与报警阈值进行比较的步骤,在所述最高匹配概率低于所述报警阈值的情况中,在继续之前等待手动输入。
13.根据权利要求12所述的方法,还包括将所述最高匹配概率与两个报警阈值进行比较的步骤,其中
在所述最高匹配概率低于最低的报警阈值的情况中,该方法在继续之前等待来自服务员的手动输入,并且
在所述最高匹配概率高于所述最低的报警阈值但低于上限报警阈值的情况中,该方法在继续之前等待来自用户的手动输入。
14.根据权利要求12或13所述的方法,其中,将所述最高匹配概率与报警阈值进行比较的步骤包括以下步骤:将所述物品的重量和与对应于具有所述最高匹配概率的参考信号的物品标识相关联的重量区间进行比较。
15.根据权利要求12至14中任何一项所述的方法,其中,将所述最高匹配概率与报警阈值进行比较步骤包括以下步骤:将所述物品的形状和与对应于具有所述最高匹配概率的参考信号的物品标识相关联的形状区间进行比较。
16.根据权利要求12至15中任何一项所述的方法,其中,将所述最高匹配概率与报警阈值进行比较的步骤包括以下步骤:扫描所述物品的条形码,并将所述物品的扫描条形码的信息和与对应于具有所述最高匹配概率的参考信号的物品标识相关联的条形码信息进行比较。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
SE1050766-3 | 2010-07-08 | ||
SE1050766A SE534989C2 (sv) | 2010-07-08 | 2010-07-08 | Kassadisk |
SE1051090A SE535853C2 (sv) | 2010-07-08 | 2010-10-19 | Kassadisk |
SE1051090-7 | 2010-10-19 | ||
PCT/SE2011/050839 WO2012005660A1 (en) | 2010-07-08 | 2011-06-23 | A checkout counter |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103052342A true CN103052342A (zh) | 2013-04-17 |
CN103052342B CN103052342B (zh) | 2016-11-23 |
Family
ID=45441878
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810070898.8A Pending CN108078295A (zh) | 2010-07-08 | 2011-06-23 | 收银台 |
CN201180033868.6A Expired - Fee Related CN103052342B (zh) | 2010-07-08 | 2011-06-23 | 收银台 |
CN2011800338775A Pending CN103052343A (zh) | 2010-07-08 | 2011-06-23 | 收银台 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810070898.8A Pending CN108078295A (zh) | 2010-07-08 | 2011-06-23 | 收银台 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011800338775A Pending CN103052343A (zh) | 2010-07-08 | 2011-06-23 | 收银台 |
Country Status (10)
Country | Link |
---|---|
US (2) | US9301626B2 (zh) |
EP (2) | EP2590535A4 (zh) |
JP (3) | JP6087813B2 (zh) |
KR (2) | KR101926201B1 (zh) |
CN (3) | CN108078295A (zh) |
AU (2) | AU2011277075B2 (zh) |
CA (2) | CA2803514C (zh) |
RU (2) | RU2589387C2 (zh) |
SE (1) | SE535853C2 (zh) |
WO (2) | WO2012005660A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699911A (zh) * | 2013-11-21 | 2014-04-02 | 苏州斯普锐智能系统有限公司 | 一种具有底部扫描装置的自结算系统 |
CN105611859A (zh) * | 2013-10-09 | 2016-05-25 | Itab物流扫描公司 | 用于结账柜台的传送机系统 |
CN110432714A (zh) * | 2019-08-20 | 2019-11-12 | 宁波尚士华信息科技有限公司 | 一种展览展示服务用升降装置 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE535853C2 (sv) | 2010-07-08 | 2013-01-15 | Itab Scanflow Ab | Kassadisk |
EP2783193A4 (en) | 2011-11-03 | 2015-08-26 | Verifood Ltd | COST-EFFECTIVE SPECTROMETRIC SYSTEM FOR USER-EATING FOOD ANALYSIS |
JP2014052800A (ja) * | 2012-09-06 | 2014-03-20 | Toshiba Tec Corp | 情報処理装置及びプログラム |
EP3028020B1 (en) | 2013-08-02 | 2021-11-24 | Verifood Ltd. | Spectrometry system |
EP3090239A4 (en) | 2014-01-03 | 2018-01-10 | Verifood Ltd. | Spectrometry systems, methods, and applications |
CN105303204A (zh) * | 2014-07-23 | 2016-02-03 | Ncr公司 | 快速物品识别 |
JP2016033694A (ja) * | 2014-07-30 | 2016-03-10 | 東芝テック株式会社 | 物体認識装置及び物体認識プログラム |
US9493308B2 (en) * | 2014-08-11 | 2016-11-15 | Datalogic ADC, Inc. | Cross-belt system and automated item diversion |
US20160110791A1 (en) | 2014-10-15 | 2016-04-21 | Toshiba Global Commerce Solutions Holdings Corporation | Method, computer program product, and system for providing a sensor-based environment |
WO2016063284A2 (en) | 2014-10-23 | 2016-04-28 | Verifood, Ltd. | Accessories for handheld spectrometer |
WO2016125165A2 (en) | 2015-02-05 | 2016-08-11 | Verifood, Ltd. | Spectrometry system with visible aiming beam |
WO2016125164A2 (en) | 2015-02-05 | 2016-08-11 | Verifood, Ltd. | Spectrometry system applications |
WO2016162865A1 (en) | 2015-04-07 | 2016-10-13 | Verifood, Ltd. | Detector for spectrometry system |
US10066990B2 (en) | 2015-07-09 | 2018-09-04 | Verifood, Ltd. | Spatially variable filter systems and methods |
EP3159858B1 (de) * | 2015-10-19 | 2021-07-14 | Wincor Nixdorf International GmbH | Aufnahmesystem zum aufnehmen von objekten |
US10203246B2 (en) | 2015-11-20 | 2019-02-12 | Verifood, Ltd. | Systems and methods for calibration of a handheld spectrometer |
US10510218B2 (en) | 2016-01-21 | 2019-12-17 | Nec Corporation | Information processing apparatus, information processing method, and non-transitory storage medium |
CN106204045A (zh) * | 2016-02-18 | 2016-12-07 | 唐超(北京)科技有限公司 | 自助结账防损校验方法、系统及其电子秤模块 |
US10254215B2 (en) | 2016-04-07 | 2019-04-09 | Verifood, Ltd. | Spectrometry system applications |
EP3488204A4 (en) | 2016-07-20 | 2020-07-22 | Verifood Ltd. | ACCESSORIES FOR HANDLABLE SPECTROMETERS |
US10791933B2 (en) | 2016-07-27 | 2020-10-06 | Verifood, Ltd. | Spectrometry systems, methods, and applications |
WO2018112431A1 (en) * | 2016-12-16 | 2018-06-21 | Datalogic Usa, Inc. | Imaging barcode scanner with three-dimensional item reconstruction |
US10366379B2 (en) * | 2017-01-30 | 2019-07-30 | Ncr Corporation | Remote weigh station with delayed fraud intervention |
CN107103413B (zh) * | 2017-04-12 | 2018-09-14 | 王碧群 | 一种自适应收银台管理方法 |
JP6903524B2 (ja) * | 2017-09-01 | 2021-07-14 | 東芝テック株式会社 | 計量装置 |
DE102017130909A1 (de) * | 2017-12-21 | 2019-06-27 | Weber Maschinenbau Gmbh Breidenbach | Optische Messeinrichtung |
KR101850315B1 (ko) | 2018-01-22 | 2018-05-31 | 주식회사 엑사스코프 | 하이브리드 상품 인식 기술이 적용된 셀프 체크 아웃 기기 |
US10507360B2 (en) * | 2018-02-21 | 2019-12-17 | William Schroeder | Posture correction and weight balance apparatus |
DE102018105170A1 (de) * | 2018-03-07 | 2019-09-12 | Ait Goehner Gmbh | Scanvorrichtung sowie Verfahren hierzu |
US11097561B2 (en) * | 2018-03-23 | 2021-08-24 | Citic Dicastal Co., Ltd | Automatic hub type identifying device |
WO2019190388A1 (en) * | 2018-03-28 | 2019-10-03 | Itab Scanflow Ab | A checkout counter, and a classification system |
WO2021101159A1 (ko) * | 2019-11-22 | 2021-05-27 | 한화테크윈 주식회사 | 자동 결제 장치 |
US11941604B2 (en) * | 2018-12-17 | 2024-03-26 | Hanwha Vision Co., Ltd. | Automatic payment system |
CN110726730B (zh) * | 2019-11-05 | 2022-12-06 | 黑龙江瑞兴科技股份有限公司 | 一种自适应传输检测装置 |
RU2737600C1 (ru) * | 2020-03-19 | 2020-12-01 | Общество с ограниченной ответственностью «ИНСПЕКТОР КЛАУД» | Способ сбора размеченного набора данных |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4676343A (en) * | 1984-07-09 | 1987-06-30 | Checkrobot Inc. | Self-service distribution system |
CN1093619A (zh) * | 1992-12-08 | 1994-10-19 | Rwe安东根股份公司 | 一种识别物品的方法及实现该方法的装置 |
US5662190A (en) * | 1994-05-30 | 1997-09-02 | Kabushiki Kaisha Tec | Self-scanning checkout apparatus having article passage detecting sensor |
EP1154262A1 (en) * | 2000-05-10 | 2001-11-14 | Dsm N.V. | Apparatus for identifying articles which are at least partly made from at least one polymer |
CN1791894A (zh) * | 2003-06-26 | 2006-06-21 | 国际商业机器公司 | 用于肯定地识别物品的装置、方法和系统 |
US20060138220A1 (en) * | 2004-12-28 | 2006-06-29 | Persky Michael B | Self-checkout system |
Family Cites Families (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US731990A (en) | 1903-01-09 | 1903-06-23 | William D Wilson | Cotton chopper and cultivator. |
SU2108A1 (ru) * | 1925-09-07 | 1926-12-31 | В.А. Зиновьев | Контрольное приспособление к автоматам дл продажи различных предметов |
US3819012A (en) | 1970-03-20 | 1974-06-25 | Rca Corp | Merchandise handling and identifying system |
US3867041A (en) | 1973-12-03 | 1975-02-18 | Us Agriculture | Method for detecting bruises in fruit |
US4792018A (en) * | 1984-07-09 | 1988-12-20 | Checkrobot Inc. | System for security processing of retailed articles |
US4964053A (en) | 1988-04-22 | 1990-10-16 | Checkrobot, Inc. | Self-checkout of produce items |
CA2054851C (en) | 1991-11-01 | 1999-06-29 | Howard Schneider | Automated point-of-sale machine |
JPH05231914A (ja) * | 1992-02-24 | 1993-09-07 | Tokyo Electric Co Ltd | チェックアウト装置 |
JP2926065B2 (ja) | 1992-08-10 | 1999-07-28 | 株式会社大阪造船所 | 包装用金属容器及びその製造方法 |
JPH06180785A (ja) | 1992-12-11 | 1994-06-28 | Casio Comput Co Ltd | 売上データ処理装置 |
JPH06333065A (ja) * | 1993-05-20 | 1994-12-02 | Casio Comput Co Ltd | データ処理装置 |
US5497314A (en) * | 1994-03-07 | 1996-03-05 | Novak; Jeffrey M. | Automated apparatus and method for object recognition at checkout counters |
US5883968A (en) | 1994-07-05 | 1999-03-16 | Aw Computer Systems, Inc. | System and methods for preventing fraud in retail environments, including the detection of empty and non-empty shopping carts |
US6069696A (en) | 1995-06-08 | 2000-05-30 | Psc Scanning, Inc. | Object recognition system and method |
CA2179338C (en) | 1995-08-07 | 2000-04-25 | Gordon Albert Thomas | Apparatus and method for spectroscopic product recognition and identification |
US6075594A (en) * | 1997-07-16 | 2000-06-13 | Ncr Corporation | System and method for spectroscopic product recognition and identification |
US6363366B1 (en) * | 1998-08-31 | 2002-03-26 | David L. Henty | Produce identification and pricing system for checkouts |
JP2000155767A (ja) * | 1998-11-10 | 2000-06-06 | Ncr Internatl Inc | バ―コ―ドデ―タ収集器および商品デ―タ収集器を備えた商品チェックアウト装置 |
US6332573B1 (en) | 1998-11-10 | 2001-12-25 | Ncr Corporation | Produce data collector and produce recognition system |
US6155489A (en) | 1998-11-10 | 2000-12-05 | Ncr Corporation | Item checkout device including a bar code data collector and a produce data collector |
US6260023B1 (en) * | 1999-06-14 | 2001-07-10 | Ncr Corporation | Transaction processing system including a networked produce recognition system |
US6408279B1 (en) | 1999-06-28 | 2002-06-18 | Ncr Corporation | Method and apparatus for operating a self-service checkout terminal and a remote supervisor terminal of a retail system |
US6431446B1 (en) | 1999-07-28 | 2002-08-13 | Ncr Corporation | Produce recognition system and method |
US6529855B1 (en) | 1999-07-28 | 2003-03-04 | Ncr Corporation | Produce recognition system and method |
AUPQ607100A0 (en) | 2000-03-07 | 2000-03-30 | Colour Vision Systems Pty Ltd | Spectral assessment of fruit |
WO2001069191A1 (en) * | 2000-03-13 | 2001-09-20 | Autoline, Inc. | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
US6606579B1 (en) | 2000-08-16 | 2003-08-12 | Ncr Corporation | Method of combining spectral data with non-spectral data in a produce recognition system |
US6601767B1 (en) | 2000-08-16 | 2003-08-05 | Ncr Corporation | Ambient light sensing apparatus and method for a produce data collector |
US6412694B1 (en) | 2000-09-20 | 2002-07-02 | Ncr Corporation | Produce recognition system and method including weighted rankings |
US6668078B1 (en) | 2000-09-29 | 2003-12-23 | International Business Machines Corporation | System and method for segmentation of images of objects that are occluded by a semi-transparent material |
US6577983B1 (en) | 2000-10-06 | 2003-06-10 | Ncr Corporation | Produce recognition method |
US6510994B1 (en) | 2000-10-06 | 2003-01-28 | Ncr Corporation | Triggering method for a produce recognition system |
US6497362B2 (en) | 2001-02-15 | 2002-12-24 | New Check Corporation | Method and apparatus for wireless assistance for self-service checkout |
US6837428B2 (en) | 2001-03-02 | 2005-01-04 | Mike Lee | Self-checkout apparatus |
EP1425701A4 (en) | 2001-07-02 | 2006-06-28 | Ecr Software Corp | CASHING SYSTEM WITH FLEXIBLE SAFETY VERIFICATION SYSTEM |
NL1018512C1 (nl) | 2001-07-11 | 2001-11-02 | Beheermij Van Der Loo B V | Automatisch kassasysteem. |
US20030058441A1 (en) * | 2001-09-20 | 2003-03-27 | Metso Paper Automation Oy, | Method and apparatus for optical measurements |
US7797204B2 (en) | 2001-12-08 | 2010-09-14 | Balent Bruce F | Distributed personal automation and shopping method, apparatus, and process |
US7218395B2 (en) | 2003-04-16 | 2007-05-15 | Optopo Inc. | Rapid pharmaceutical identification and verification system |
EP1473657A1 (en) * | 2003-04-29 | 2004-11-03 | Sicpa Holding S.A. | Method and device for the authentication of documents and goods |
US7248754B2 (en) | 2003-05-05 | 2007-07-24 | International Business Machines Corporation | Apparatus and method for determining whether machine readable information on an item matches the item |
US7337960B2 (en) * | 2004-02-27 | 2008-03-04 | Evolution Robotics, Inc. | Systems and methods for merchandise automatic checkout |
EP2420954B8 (en) * | 2004-12-01 | 2017-04-12 | Datalogic USA, Inc. | Data reader with automatic exposure adjustment and methods of operating a data reader |
DE102005014626B4 (de) * | 2005-03-23 | 2018-06-21 | Bizerba SE & Co. KG | Waage |
US7909248B1 (en) | 2007-08-17 | 2011-03-22 | Evolution Robotics Retail, Inc. | Self checkout with visual recognition |
DE102007057921A1 (de) * | 2007-12-01 | 2009-06-04 | Oerlikon Textile Gmbh & Co. Kg | Verfahren und Vorrichtung zum automatisierten Identifizieren von Spulenhülsen |
US7434663B1 (en) | 2008-01-21 | 2008-10-14 | International Business Machines Corporation | Retail checkout station including a plurality of selectively deployable barriers for intra-order separation of purchased items |
US8462212B1 (en) | 2008-12-04 | 2013-06-11 | Stoplift, Inc. | Correlating detected events with image data |
US8113427B2 (en) | 2008-12-18 | 2012-02-14 | Ncr Corporation | Methods and apparatus for automated product identification in point of sale applications |
US8322621B2 (en) | 2008-12-26 | 2012-12-04 | Datalogic ADC, Inc. | Image-based code reader for acquisition of multiple views of an object and methods for employing same |
US8118226B2 (en) | 2009-02-11 | 2012-02-21 | Datalogic Scanning, Inc. | High-resolution optical code imaging using a color imager |
US8874472B2 (en) | 2009-09-30 | 2014-10-28 | Ncr Corporation | Methods and apparatus for produce identification using time resolved reflectance spectroscopy |
JP4995291B2 (ja) | 2010-02-10 | 2012-08-08 | 東芝テック株式会社 | 商品登録システム及びその方法 |
SE535853C2 (sv) | 2010-07-08 | 2013-01-15 | Itab Scanflow Ab | Kassadisk |
US9412050B2 (en) | 2010-10-12 | 2016-08-09 | Ncr Corporation | Produce recognition method |
JP5799593B2 (ja) | 2011-06-07 | 2015-10-28 | 株式会社寺岡精工 | 商品検索装置、商品情報処理装置及びラベル発行装置 |
US8498903B2 (en) | 2011-09-29 | 2013-07-30 | Ncr Corporation | System and method for performing a security check at a checkout terminal |
-
2010
- 2010-10-19 SE SE1051090A patent/SE535853C2/sv unknown
-
2011
- 2011-06-23 AU AU2011277075A patent/AU2011277075B2/en not_active Ceased
- 2011-06-23 CN CN201810070898.8A patent/CN108078295A/zh active Pending
- 2011-06-23 WO PCT/SE2011/050839 patent/WO2012005660A1/en active Application Filing
- 2011-06-23 KR KR1020137003421A patent/KR101926201B1/ko active IP Right Grant
- 2011-06-23 RU RU2013101991/08A patent/RU2589387C2/ru active
- 2011-06-23 EP EP11803890.0A patent/EP2590535A4/en not_active Ceased
- 2011-06-23 US US13/808,833 patent/US9301626B2/en active Active
- 2011-06-23 AU AU2011277076A patent/AU2011277076B2/en not_active Ceased
- 2011-06-23 CA CA2803514A patent/CA2803514C/en not_active Expired - Fee Related
- 2011-06-23 EP EP11803891.8A patent/EP2590536A4/en not_active Ceased
- 2011-06-23 JP JP2013518330A patent/JP6087813B2/ja not_active Expired - Fee Related
- 2011-06-23 JP JP2013518329A patent/JP2013531312A/ja active Pending
- 2011-06-23 CA CA2803510A patent/CA2803510C/en not_active Expired - Fee Related
- 2011-06-23 CN CN201180033868.6A patent/CN103052342B/zh not_active Expired - Fee Related
- 2011-06-23 RU RU2013101992/12A patent/RU2568169C2/ru active
- 2011-06-23 CN CN2011800338775A patent/CN103052343A/zh active Pending
- 2011-06-23 KR KR1020137003420A patent/KR101928111B1/ko active IP Right Grant
- 2011-06-23 WO PCT/SE2011/050838 patent/WO2012005659A1/en active Application Filing
- 2011-06-23 US US13/808,814 patent/US9173508B2/en active Active
-
2015
- 2015-10-09 JP JP2015201266A patent/JP6282253B2/ja not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4676343A (en) * | 1984-07-09 | 1987-06-30 | Checkrobot Inc. | Self-service distribution system |
CN1093619A (zh) * | 1992-12-08 | 1994-10-19 | Rwe安东根股份公司 | 一种识别物品的方法及实现该方法的装置 |
US5662190A (en) * | 1994-05-30 | 1997-09-02 | Kabushiki Kaisha Tec | Self-scanning checkout apparatus having article passage detecting sensor |
EP1154262A1 (en) * | 2000-05-10 | 2001-11-14 | Dsm N.V. | Apparatus for identifying articles which are at least partly made from at least one polymer |
CN1791894A (zh) * | 2003-06-26 | 2006-06-21 | 国际商业机器公司 | 用于肯定地识别物品的装置、方法和系统 |
US20060138220A1 (en) * | 2004-12-28 | 2006-06-29 | Persky Michael B | Self-checkout system |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105611859A (zh) * | 2013-10-09 | 2016-05-25 | Itab物流扫描公司 | 用于结账柜台的传送机系统 |
CN105611859B (zh) * | 2013-10-09 | 2019-08-02 | Itab物流扫描公司 | 用于结账柜台的传送机系统 |
CN103699911A (zh) * | 2013-11-21 | 2014-04-02 | 苏州斯普锐智能系统有限公司 | 一种具有底部扫描装置的自结算系统 |
CN110432714A (zh) * | 2019-08-20 | 2019-11-12 | 宁波尚士华信息科技有限公司 | 一种展览展示服务用升降装置 |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103052342B (zh) | 收银台 | |
US11301654B2 (en) | Systems and methods for limiting induction of objects to one or more object processing systems | |
US20210312149A1 (en) | Systems and methods for separating objects using vacuum diverts with one or more object processing systems | |
US11055504B2 (en) | Systems and methods for separating objects using a vacuum roller with one or more object processing systems | |
US11416695B2 (en) | Systems and methods for distributing induction of objects to a plurality of object processing systems | |
US20220043991A1 (en) | Systems and methods for separating objects using drop conveyors with one or more object processing systems | |
CA3126258A1 (en) | Systems and methods for limiting induction of objects to one or more object processing systems | |
WO2012005661A1 (en) | A checkout counter | |
SE1050766A1 (sv) | Kassadisk |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161123 Termination date: 20210623 |