(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111607502.7 (22)申请日 2021.12.24 (71)申请人 苏州易泰勒电子科技有限公司 地址 215000 江苏省苏州市苏州工业园区 若水路388号纳米技术大学科技园E楼 1506室 (72)发明人 夏兴隆　黄海鹏　 (74)专利代理 机构 南京钟山专利代理有限公司 32252 代理人 徐燕 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/10(2012.01) G06K 17/00(2006.01) (54)发明名称 一种最大化销售额的生鲜区 电子标签管控 方法 (57)摘要 本发明公开了一种最大化销售额的生鲜区 电子标签管控方法， 包括： 对生鲜商品的整体新 鲜度进行评估； 得到预设价格调整周 期T内的历 史整体新鲜度变化曲线和销售量曲线； 得到价格 J条件下整体新鲜度和销售量的关系函数； 将价 格J条件下整体新鲜度和销售量的关系函数导入 趋势分析模块， 查找与下一个价格调整周 期T对 应的价格范围， 对该价格范围内不同价格条件下 的整体新鲜度和销售量的变化曲线进行预估， 根 据下述公式计算得到下个价格调整周期的理想 价格J*。 本发明能够对生鲜区商品的新鲜度等级 和销售量进行预估， 以最大化销售额为目标， 根 据用户预先设定的促销方案自动调整商品价格 标签， 大幅降低了人工调整和确认商品信息的时 间。 权利要求书3页 说明书11页 附图3页 CN 114282818 A 2022.04.05 CN 114282818 A 1.一种最大化销售额的生鲜区电子标签管控方法， 用于对分布安装在生鲜区的电子标 签的显示内容进行自动管控， 其特 征在于， 所述管控方法包括以下步骤： S1， 构建新鲜度评估模型， 该新鲜度评估模型采用若干张呈堆叠状的同类生鲜商品样 本图像训练得到； S2， 按照预设采集周期拍摄指定货品摆放区的生鲜商品图像， 将生鲜商品图像导入新 鲜度评估模型， 对生鲜商品的整体新鲜度进行评估； 指定货品摆放区的生鲜商品设置有弹 性价格， 不同新鲜度等级对应不同的价格范围； S3， 以时间为横轴， 对自当前时刻起向前统计到的n个采集周期内评估得到的生鲜商品 的历史整体新鲜度数据和相 应的销售数据进行拟合， 得到预设价格调整周期T内的历史整 体新鲜度变化曲线X(t)和销售量曲线S(t)； S4， 根据预设价格调整周期T对当前价格调整周期内生鲜商品的价格J、 历史整体新鲜 度变化曲线X(t)和销售量曲线Y(t)进行分析， 得到价格J条件下整体新鲜度和销售量的关 系函数S[J， X(t)]： 式中： XT是历史时段T开始 时的整体新鲜度， F1(t)是由水分流失引起的新鲜度损耗值， F2[Y(t)]是由销售量Y(t)引起的新鲜度损耗 值； S5， 将价格J条件下整体新鲜度和销售量的关系函数S[J， X(t)]导入趋势分析模块， 查 找与下一个价格调整周期T对应的价格范围， 对该价格范围内不同价格条件下 的整体新鲜 度和销售量的变化曲线进行预估， 根据下述公式计算得到下个价格调整周期的理想价格 J*： Y*(t)＝S[J*， X*(t)] X*(t)＝X0‑F1(t)‑F2[Y*(t)] 式中： X0是当前时刻的整体新鲜度， X*(t)是预估新鲜度变化曲线， Y*(t)是预估销售量 变化曲线。 2.根据权利要求1所述的最大化销售额的生鲜区电子标签管控方法， 其特征在于， 步骤 S1中， 所述新鲜度评估模 型包括依次连接的特征提取单元、 第一特征融合单元、 第二特征融 合单元、 自适应最大池化层、 全局平均池化层和全连接层； 所述特征提取单元包括三个卷积模块， 对导入的指定货品摆放 区的生鲜商 品图像进行 逐层特征提取； 所述第一特征融合单元用于将第二卷积模块和 第三卷积模块的输出提取出 来， 进行不同尺寸的特征融合； 所述第二特征融合单元用于将第一特征融合单元 的输出与 第一卷积模块的输出进行再次特征融合； 所述第二特征融合单元融合后的特征分别经自适 应最大池化层和全局平均池化层进行自适应最大池化和全局平均池化处理后， 提取得到生 鲜商品图像全局特征； 所述全连接层用于对提取得到的生鲜商品图像全局特征进 行分类处 理， 计算得到该生鲜商品图像全局特征属于每个新鲜度等级的概率， 输出当前生鲜商品图 像的新鲜度等级。 3.根据权利要求1所述的最大化销售额的生鲜区电子标签管控方法， 其特征在于， 步骤权　利　要　求　书 1/3 页 2 CN 114282818 A 2S4中， 根据预设价格调整周期T对当前价格调整周期内生鲜商品的价格J、 历史整体新鲜度 变化曲线X(t)和销售量曲线Y(t)进行分析， 得到价格J条件下整体新鲜度和销售量的关系 函数S[J， X(t)]的过程包括以下步骤： 针对不同外界因素条件， 采集生鲜商品在价格范围[J ‑ΔJ， J+ΔJ]内的整体新鲜度变 化曲线、 销售量曲线， 以及整体新鲜度 ‑销售量关系曲线， 生成若干组价格J对应的样本数 据， 构建训练集； ΔJ是 预设的该生鲜商品的允许价格误差； 基于神经网络构建 关系评估 模型， 采用训练集对关系评估 模型进行训练， 直至收敛； 将当前价格调整周期内生鲜商品的价格J、 历史整体新鲜度变化曲线X(t)和销售量曲 线Y(t)导入关系评估模型， 分类得到价格J条件下整体新鲜度和销售量的关系函数S[J， X (t)]。 4.根据权利要求3所述的最大化销售额的生鲜区电子标签管控方法， 其特征在于， 步骤 S5中， 将价格J条件下整体新鲜度和销售量的关系函数S[J， X(t)]导入趋势分析模块， 查找 与当前时刻整体新鲜度X0对应的价格范围， 对不同价格条件下的整体新鲜度和销售量的变 化趋势进行 预估的过程包括以下步骤： 基于注意力机制的GRU网络模型构建得到趋势分析模块， 该趋势分析模块的输出是自 当前时刻起向前统计到的m个采样周期对应的生鲜商品的历史新鲜度等级数据， 输出为自 当前时刻起向后统计到的m个采样周期的预估新鲜度等级数据； 根据预估新鲜度等级数据查找得到相应的价格范围； 调用关系评估模型对该价格范围内的不同价格条件下的整体新鲜度和销售量的变化 曲线进行预估。 5.根据权利要求1 ‑4任一项中所述的最大化销售额的生鲜区电子标签管控方法， 其特 征在于， 所述管控方法还 包括以下步骤： A1， 生成电子标签与单 元货品区的对应关系； A2， 定期拍摄以每个电子标签对应的单元货品区为中心的预设视野范围内的该单元货 品区所属的货架图像； A3， 以单元货品区为单位， 对货架图像进行初步划分， 对相邻单元货品区的图像进行相 似度判断， 将相似度高于相似度阈值的相邻单元货品区视为同一个货品摆放区， 初步整合 货架图像上的单元货品区， 生成若干个货品摆放区， 对每个货品摆放区进 行标识； 再调用商 品识别模型对每 个货品摆放区的商品类型进行识别； A4， 根据货品摆放区出现频次， 将只对应一个电子标签的货品摆放区定义为第一摆放 区， 将剩余货品摆放区定义为第二摆放区， 根据图像占比面积确定每个第二摆放区的主标 签； A5， 调取每个货品摆放区对应的商品标签 图像， 根据货架图像上各个货品摆放区的位 置关系拼接调取的商品标签图像， 生成电子标签价格牌； 其中， 除主标签之外的第二摆放区 的标签图像根据该第二摆放区在货架图像上的占比面积进行缩放； A6， 将生成的电子标签价格牌发送至相应的电子标签进行显示。 6.根据权利要求5所述的最大化销售额的生鲜区电子标签管控方法， 其特征在于， 步骤 A4中， 当其中一个货品摆放区包含两种以上的商品时， 将其所包含的商品类型与邻近货品 摆放区的商品类型进行匹配， 如果全部商品类型匹配成功， 清除该货品摆放区， 否则， 根据权　利　要　求　书 2/3 页 3 CN 114282818 A 3