随着人工智能的发展, 超市和零售门店等零售终端也出现了一种利用 AI 来对货架进行实时监控的技术,AI 可以自动识别出货架上每种商品的种类,摆放位置和剩余数量,由此来实现对销售情况的数据分析等等。 但由于商品种类繁多, 识别样本千奇百怪等原因, 造成算法的识别精度难以提高, 为了解决这一问题, 提供海量大数据进行训练是一种不错的方法, 但目前货架商品图像数据的获取, 基本靠人工拍摄获得, 耗时耗力。 本项目针对这一缺陷, 提出了一种基于棚拍模式的商品图像采集及训练库构建系统, 可以通过树莓派编程,利用棚拍模式得到各种热销品的商品图像, 来合成并模拟现实情况下的货架商品图像,由此来提高商品识别获取训练数据集的效率, 并节省大量不必要的时间和人力。
功能模块 |
优先级 |
|
登录 |
5 |
|
用户权限管理 |
3 |
|
图像上传、查找、删除 |
5 |
|
图像标签管理 |
5 |
|
图像审核 |
4 |
|
图像采集 |
3 |
|
图像分割 |
4 |
|
图像合成 |
4 |
|
系统日志 |
2 |
进行需求分析继而得出需求文档的过程,其实是一个对项目的更深层次理解、团队的深度沟通的过程。
需求分析是介于系统分析和软件设计阶段之间的桥梁。一方面,需求分析以系统规格说明和项目规划作为分析活动的基本出发点,并从软件角度对它们进行检查与调整;另一方面,需求规格说明又是软件设计、实现、测试直至维护的主要基础。良好的分析活动有助于避免或尽早剔除早期错误,从而提高软件生产率,降低开发成本,改进软件质量。
需求分析,是将整个项目“拆碎”、“嚼烂”,考虑操作性、工作量、技术性等因素,提出细致的需求,再从需求中提取出确定的需求用例。整个过程需要团队所有人都参与进来,多次开会讨论、多次与项目老师沟通,才能得出最终的结果。项目需求是在不断变更的,因此每一次的讨论都是对上一次结果的重塑,且现在所完成的需求文档也可能并不是最终实现的项目的需求。因此要做好不断讨论、不断更改的准备。
提取出需求用例、完成需求文档、完成UML用例图。在完成这些工作时,我们仍然会遇到许多不同的问题,它们关系着项目中不同角色的权限、功能、角色之间的关系等。因此,在整个过程中,团队的所有人都对项目进行了深度的剖析,对后续的实现有极大的意义。
原文:https://www.cnblogs.com/sorvon/p/11787805.html