摘要：针对杭州伴手礼收银过程中多件商品逐项录入、数量核对与价格关联的需求，本文设计基于YOLOv8的智能识别结算系统。
内容简介
研究以西湖龙井、采芝斋藕粉、桂花糕、龙井茶酥、真丝丝巾、叫化童鸡、笋干和知味观糕点八类商品为对象，使用2241张图像组织训练、验证与测试子集，图像数量分别为1792、224和225。系统采用数据层、模型层、业务层和展示层组成的架构，利用YOLOv8n完成商品定位与分类，通过PyQt5工作台实现摄像头、视频和图像输入，并结合SQLite组织商品资料、订单明细与销售统计。结算流程以数量快照、人工核对、价格快照和事务写入连接视觉观测与业务记录。
训练日志表明，模型从头训练150轮，最佳权重在224张验证图像、496个实例上的精确率为0.999，召回率为1.000，mAP50与mAP50–95均为0.995；日志推理耗时为2.7 ms/图，不含完整界面开销。原始混淆矩阵另显示120个背景误检，其固定操作点统计与日志精确率存在差异，需统一评价条件进一步核查。界面案例展示了多类识别、同类多件计数与金额汇总，但独立测试和完整交易验证尚需补充。研究形成了面向八类固定包装的辅助结算方案，并明确数据来源隔离、负样本与业务一致性对系统可靠性的影响。
文档概述
文档信息
版本：初稿
页数：77页
字数：25802个字
格式：word（可编辑）
图表：46张图、17张表、25个公式
文档目录
第1章 绪论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 1
1.2.1 目标检测算法研究进展 1
1.2.2 商品识别与结算应用研究 2
1.2.3 桌面视觉系统集成研究 2
1.3 研究内容与技术路线 2
1.4 论文组织结构 3
第2章 相关理论与关键技术 4
2.1 卷积神经网络基础 4
2.1.1 卷积运算与特征表达 4
2.1.2 归一化与残差连接 4
2.2 目标检测与多尺度融合 5
2.2.1 单阶段检测与两阶段检测 5
2.2.2 特征金字塔与路径聚合 6
2.3 图像预处理与标注 6
2.3.1 等比例缩放与坐标还原 6
2.3.2 YOLO标注格式 6
2.4 评价指标与业务指标 7
2.4.1 检测指标 7
2.4.2 结算与交互指标 8
2.5 PyQt5与SQLite技术 8
2.6 本章小结 8
第3章 系统需求分析 9
3.1 场景与用户需求 9
3.2 功能需求 9
3.2.1 用户认证与商品资料 9
3.2.2 多源识别与结果展示 10
3.2.3 清单生成与订单处理 10
3.3 非功能需求 11
3.3.1 响应性与稳定性 11
3.3.2 数据正确性与可维护性 11
3.4 数据需求与可行性分析 12
3.5 本章小结 12
第4章 系统总体设计 13
4.1 总体架构与模块划分 13
4.2 程序流程与任务状态 14
4.3 数据库设计 16
4.3.1 实体关系与约束 16
4.3.2 事务与历史快照 18
4.4 识别清单与金额模型 18
4.4.1 类别映射与数量稳定 18
4.4.2 金额计算与提交 19
4.5 界面与异常处理设计 19
4.6 本章小结 20
第5章 深度卷积神经网络模型设计 21
5.1 杭州伴手礼数据集组织 21
5.1.1 商品类别与样本范围 21
5.1.2 数据划分与来源隔离 22
5.1.3 标注规范与质量检查 23
5.2 YOLOv8网络结构 25
5.2.1 主干与C2f模块 25
5.2.2 无锚框解耦检测头 26
5.2.3 损失函数与任务对齐 26
5.3 训练配置与优化策略 27
5.3.1 硬件软件环境 27
5.3.2 超参数与初始化方式 27
5.3.3 数据增强与训练监控 28
5.4 模型推理与后处理 29
5.5 本章小结 29
第6章 系统实现 30
6.1 运行初始化与用户认证 30
6.2 主界面与任务调度 31
6.2.1 三栏工作台实现 31
6.2.2 线程调度与结果时序 32
6.3 摄像头与视频识别 33
6.4 图像识别与多件计数 35
6.4.1 同类多件商品 35
6.4.2 礼盒商品与人工修正 38
6.4.3 其他类别与组合识别 39
6.5 清单修正与收银结算 43
6.5.1 手动添加商品 43
6.5.2 优惠金额设置 43
6.5.3 小票预览与文件导出 45
6.5.4 订单保存与扫码收款 46
6.6 商品管理功能 50
6.6.1 商品目录与价格维护 50
6.6.2 上架状态控制 51
6.7 订单查询与销售统计 52
6.7.1 订单记录与明细查看 52
6.7.2 销售汇总与统计口径 54
6.8 配置管理与异常反馈 55
6.9 本章小结 56
第7章 实验与结果分析 57
7.1 实验方案与数据口径 57
7.1.1 实验目标与评价边界 57
7.1.2 可复核实验记录 57
7.2 训练收敛分析 58
7.3 验证集检测性能 60
7.3.1 分类别结果 60
7.3.2 置信度阈值分析 61
7.4 混淆矩阵与误检核查 62
7.5 系统案例与金额一致性 64
7.6 实验局限与后续验证 67
7.7 本章小结 67
第8章 总结与展望 68
8.1 研究工作总结 68
8.2 存在的不足 68
8.3 后续研究方向 68
配套项目
作者联系
作者信息
原创作者：bob（可提供二次开发有偿修改服务）
项目编号：AI-80-P
原创声明：本项目为原创作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(1)