智能购物手推车：实现安全与去中心化服务

### 智能购物手推车：实现安全与去中心化服务 #### 1. 引言 如今，超市和购物中心的大量涌现推动了物联网（IoT）技术的快速发展。该技术催生了各种智能系统，有效提升了顾客的购物效率。例如，借助移动购物平台运输商品，以及更高效地为用户提供信息。 物联网技术在手推车中设置了传感器和执行器网络，可用于数据收集和顾客管理。其功能包括检查商品的接近程度、识别商品的 RFID 标签、检测商品是否在购物车中，极大地提高了购物服务质量。本文提出了一种经济有效的方法，用于监控市场盗窃行为，并建立一个具有去中心化服务的用户交互方案，旨在减少人力投入，提升顾客购物体验。无线技术为顾客提供了便捷和稳定性。最后，在熟悉的环境中进行了实验，为实际应用提供了令人鼓舞的结果。 #### 2. 背景知识 - **物联网（IoT）**：物联网是通过各种传感器、嵌入式系统和射频识别系统连接的物体网络，用于通信和交换数据以执行特定任务。近年来，该领域的大量进步催生了新的应用和领域。传感器和执行器的接口在环境感知、特定计算和无线通信方面发挥着综合作用。硬件小型化、快速传感设备、节能和能量收集等因素，以及许多应用无法布线的事实，使物联网技术适用于医疗保健、环境和工业监测等多个应用领域。例如，通过连接杂货店中的所有商品，可以创建一个灵活的账单购物系统。每个物品都附有 RFID 标签，便于被 RFID 阅读器识别，然后将数据收集并传输到中央服务器。这种基于物联网的应用为顾客提供了顺畅、快速和安全的计费服务。 - **YOLO**：YOLO 是卷积神经网络家族的一员，通过单个端到端模型实现接近最先进的实时目标检测结果。它涉及一个深度卷积神经网络（最初是 GoogLeNet 的一个版本，后来更新为基于 VGG 的 DarkNet），将输入图像分割成单元格网格，每个单元格直接预测边界框和目标分类。智能购物手推车配备了应用 YOLO 技术的摄像头，可对物体的完整图像进行处理。该网络将图像划分为多个区域，并预测每个部分的边界框和概率，边界框的权重代表预测概率。 - **区块链技术**：区块链技术为系统带来了透明度。它是一个安全的去中心化系统，允许相关方进行协作。系统中的每笔交易都有证明，因此适用于需要信任的场景。区块链技术最常用的案例之一是产品供应链。产品通过各种中间商到达超市，每个用户都希望购买高质量的产品，但跟踪产品在供应链中的历史可能很困难。区块链技术为顾客提供了一个透明的机制，用于验证产品的质量参数。 #### 3. 提出的架构 - **概述**：所提出的架构包括一个与摄像头、红外传感器、RFID 扫描仪、LCD 屏幕和称重机集成的微控制器。RFID 扫描仪位于手推车的前端，用于扫描产品的 RFID 标签并将其添加到购物车中。购物手推车上方的摄像头用于捕捉手推车中的每个物品，红外传感器和摄像头确保 RFID 阅读器能扫描到手推车内的所有物品。LCD 屏幕位于顾客握住手推车的位置，显示添加到购物车的物品、价格、供应历史以及在线支付选项。它还显示商场的虚拟模型，为寻找特定物品的顾客提供导航。 - **实现**： - 每辆手推车都安装了物联网传感器，如接近传感器、RFID 阅读器和与 LCD 屏幕相连的存储卡，可存储顾客的购物车信息和在线支付记录。 - 微控制器经过编程，当物品靠近手推车时，LCD 屏幕会提示将物品放在 RFID 阅读器前。带有 RFID 标签的物品包含有关物品详细信息的数据，当物品靠近 RFID 阅读器时，会被添加到购物车中。 - 对于没有 RFID 标签的物品，如蔬菜或水果，使用物体检测算法进行识别。物品放在称重机上，重量会显示在屏幕上并添加到购物车中。使用 TensorFlow APIs 进行物体检测，这是一个基于 TensorFlow 的开源框架，便于构建、训练和部署物体检测模型。TensorFlow 物体检测 API 还使用 Protobufs 配置模型和训练参数。在使用该框架之前，需要编译 Protobuf 库，使用的库包括 Protobuf 3.0.0、Python - tk、Pillow 1.0、Lxml、tf Slim、Matplotlib、Tensorflow (>=1.12.0)、Cython 和 cocoapi。物体检测模型在预训练的 YOLO 模型上本地运行。 - 如果顾客想查找任何物品，可以在屏幕上搜索，系统会显示前往目的地的导航。室内导航通过 Unity3D 和 Google ARCore 实现，为商场内的顾客提供所有物品的运动跟踪和实时导航。 - 如果顾客需要产品质量保证的详细信息，可以从屏幕上查看产品历史。通过