WO2025138429A1 免学习人工智能ai秤的建模方法 （厦门顶尖电子有限公司）

2025年7月3日(03.07.2025)(51)国际专利分类号：(21)国际申请号：PCT/CN2024/079490(22)国际申请日：2024年3月1日(01.03.2024)(30)优先权：北幢第四层西侧361000(CN)。(72)发明人：钮李明(NIU,LeeMing);中国福建省厦四层西侧361000(CN)。LLECTUALPROPERTYATTORNEYCO.LTD.);中C10栋201室361022(CN)。(81)指定国(除另有指明，要求每一种可提供的国家保护):AE,AG,AL,AM,AO,AT,AU,AZ,BA,BB,BG,BH,BN,BR,BW,BY,BZ,CA,CH,CL,CN,CCV,CZ,DE,DJ,DK,DM,DO,DZ,EC,EEGB,GD,GE,GH,GM,GT,HN,HR,HU,ID,IR,IS,IT,JM,JO,JP,KE,KG,KH,KN,KP,KLA,LC,LK,LR,LS,LU,LY,MA,MD,MGMU,MW,MX,MY,MZ,NA,NG,NI,NO,NZ,PE,PG,PH,PL,PT,QA,RO,RS,RU,RW,SASE,SG,SK,SL,ST,SV,SY,TH,TJ,UA,UG,US,UZ,VC,VN,WS,ZA,ZM(84)指定国(除另有指明，要求每一种可提供的地区保护):ARIPO(BW,CV,GH,GM,KE,LR,LSNA,RW,SC,SD,SL,ST,SZ,TZ,UG,ZM,ZW),欧亚(AM,AZ,BY,KG,KZ,RU,TJ,TM),欧洲(AL,AT,BE,BG,CH,CY,CZ,DE,DK,EE,ES,FI,FR,GBHU,IE,IS,IT,LT,LU,LV,MC,ME,MK,MT,PL,PT,RO,RS,SE,SI,SK,SM,TR),OAPI(BF(54)Title:MODELINGMETHODFORLEARNING-FREEARTIFIC(54)发明名称：免学习人工智能AI秤的建模方法photographs,establishacomparisonta对多种称重商品进行照片归类，按照给定的称重商品分类数据库，将每种称盖商品的照片与对应的一组神经向量莎效一一关联，构成神经向量照片根据各国称重商品信息与对应神经向量照片，建立对照表(57)Abstract:Providedinthepresentapplicationisamodelingmethodforalearning-frmethodcomprises:byusingaclassificationresultofapluralityofweighedcommodityphotographsobtainnetworkmodelandweighedcommodityclassificationdatabasesfromapluralityofcountries,associatingaphotographofcommoditywithcorrespondingneuralvectorparameterstoformaneuralvectorphotograph,whereineachneuralvectorphotograassociatedwithatleastoneweighedcommodity;andonthebasisestablishingacomparisontableincludingmulti-languagenaalgorithmoranNLPmodeltoassociateweighedcommodityinformationofatargetscenewithneuralvectorphotographs;andonthebasisofthesimilaritiesbetweenapluralityofneuralvectorphotographsandaweighingneuralveccommodity,anAIscalebeingcapableofdisplayinganeuralvectorphotographandweighedcommodityinformasimilarities.Thus,anewscalecanbeusedimmediately,andusingintuitivephotographsofweighedcommoditiesofvariouscountriesasrecognitionresultsfordisplaycanaccommodateenvironmentalifferencesofdifferentregionsandhaslowca[见续页]CG,CI,CM,GA,GN,GQ,GW,KM,M(57)摘要：本申请提供了一种免学习人工智能AI秤的建模方法，该方法包括：利用神经网络模型对多种称重商品照片的归类结果和来自多国的称重商品分类数据库，每种称重商品的照片与对应神经向量参数关联构成神经向量照片，每种神经向量照片关联至少一种称重商品；根据称重商品信息与神经向量照片建立包含多国语言命名信息的对照表。利用分词算法或NLP模型关联目标场景的称重商品信息与神经向量照片；AI秤根据多个神经向量照片和称重商品对应称重神经向量之间的相似度，即可按照相似度显示神经向量照片以及称重商品信息。因此，可实现新秤上手即用，采用直观的各国称重商品的1WO2025/138429说明书发明名称：免学习人工智能AI秤的建模方法技术领域背景技术[0002]数字化经济的发展让人们的衣食住行习惯都发生了变化，随着人工智能(Ar来了智能化、数字化的转变，已经从打秤员背诵商[0003]传统AI秤在新机使用阶段，需要在一段时间的称重销售过程中持续学习得到准确的图像识别推荐的商品信息文字结果。若和国家之间，称重商品的类目、名称以及使用场景秤识别并学习的过程非常耗时耗力，无法做到新秤一上片识别结果并使用，AI秤的在不同地区、不同国家的普介质，可实现新秤上手即用直接推荐出称重商品的照[0006]第一方面，本申请提供了一种免学习人工智能AI秤[0007]S1、计算机设备重商品的照片与对应的一组神经向量参数一一关联2WO2025/138429PCT/[0008]其中，所述称重商品分类数据库来自多个地区和/或国家，每个地区和/或国家的称重商品分类数据包含：地区或国家所使用的称重商品分类规则以及称重商品的照片；[0009]S2、计算机设备根据给定的称重商品信息与所述关联数据库中的神经向量照片建立对照表，其中，所述对照表包含称重商品的商品名称，所述商品命名包含所述多个地区和/或国家的语言命名信息。[0010]在一种可能实施方式中所述称重商品包括但不限于生鲜称重商品，所述步骤S1[0011]S11、按照给定的生鲜称重商品分类数据库中的各个地区和/或国家的国标生鲜称重商品分类规则，对所述生鲜称重商品信息中的多种生鲜称重商品进行照片关联，确定多种生鲜称重商品和给定的生鲜称重商品分类数据库中多种生鲜称重商品照片之间的对应关系；[0012]S12、根据所述对应关系，建立所述生鲜称重商品照片的各个所述神经向量参数，构建神经向量照片。[0013]在一种可能实施方式中所述生鲜称重商品信息包含：多种所述生鲜称重商品的商品编码和/或商品名称，所述商品名称包含多个地区和/或国家的语言命名信息；所述步骤S1之前，所述方法还包括：[0014]在所述生鲜称重商品分类数据库中，预先根据多个地区和/或国家所使用的生鲜称重商品分类规则中指代相同生鲜称重商品的商品编码、商品名称和所述各个神经向量照片，建立所述对照表；所述生鲜商品分类规则包括：所述多个地区和/或国家使用的法律法规和/或国家标准；[0015]所述神经向量照片对应关联有至少一种地区和/或国家的生鲜称重商品信息。[0016]第二方面，本申请提供了一种免学习人工智能AI秤的建模方法，所述方法包[0017]A、计算机设备或AI秤获取目标场景的称重商品信息，利用给定的分词算法或自然语言处理NLP模型将所述目标场景中的称重商品信息与神经向量照片进行关联，所述目标场景中的称重商品信息指示目标场景中的多种称重商品，所述神经向量照片采用第一方面所述的免学习AI秤的建模方法预先构造得到；3WO2025/138429PCT/[0018]B、所述目标场景中的AI秤在本机硬盘中存储所述多个神经向量照片和与神经向量照片关联的对照表，所述对照表包含称重商品的商品名称，所述商品命名包含所述多个地区和/或国家的语言命名信息；[0019]C、所述AI秤利用图像识别模型对当前称重商品的照片进行处理，生成称重神经向量；[0020]D、所述AI秤计算所述多个神经向量照片和所述称重神经向量的之间的相似度，显示相似度排序在前目标位的神经向量照片以及与所述神经向量照片关联的且关联度排在前目标位的称重商品信息。[0021]在一种可能实施方式中所述称重商品包括但不限于生鲜称重商品，所述步骤A[0022]获取所述目标场景中多种生鲜称重商品信息，并利用所述给定的分词算法或NLP模型将所述目标场景中多种生鲜称重商品与所述神经向量照片进行关联，确定出所述目标场景中多种生鲜称重商品的商品编码和/或商品名称和所述神经向量照片之间的对应关系，并保存至所述目标场景的生鲜称重商品分类数据库[0023]在一种可能实施方式中所述步骤A之后，所述方法还包括：[0024]根据人工审查调整信息及纠偏操作，更新所述目标场景中多种生鲜称重商品和所述生鲜称重商品分类数据库中多种神经向量照片之间的对应关系。[0025]在一种可能实施方式中所述步骤D包括：[0026]所述AI秤分别计算所述多个神经向量照片和所述称重神经向量之间的相似度，并计算与所述神经向量照片的神经向量参数和多种生鲜称重商品信息之间的关[0027]确定所述相似度和所述关联度的综合结果，按照所述综合结果从大到小的顺序,在显示屏中显示排序位于前目标位的一个或多个所述神经向量照片以及与所述神经向量照片关联的生鲜称重商品信息。[0028]在一种可能实施方式中所述神经向量参数包括：生鲜称重商品的标准称重参数[0029]在一种可能实施方式中所述方法还包括：4WO2025/138429[0030]所述AI秤判断是否为存储有至少一段程序，所述至少一段程序由处理器执行,至少一段程序由处理器执行以实现如第一方面或第二方面提供的免学习人工,根据归类结果和称重商品分类数据库建立一对一的照片与神经向量参数关联的数据库，每组神经向量参数对应一种称重商品的神经向量照片，每种所述生鲜称重商品的神经向量照片下关联有一种/多种称重商储多个神经向量照片与目标场景内称重商品关联的数据度对比，直接显示出与该称重的商品最相近的神经向量或多个店内称重商品信息。上述方案可实现新秤上手即用，采用直观的各国国标称重商品照片作为识别结果进行显示，免去称重容不同地区的命名和语言差异，无需打秤人员对附图说明[0035]图1是本申请实施例提供的一种免学习人工智能5WO2025/138429部分，其主要用以说明实施例，并可配合说明作原理。配合参考这些内容，本领域普通技术人员来表示类似的组件。本申请中术语“至少一个”的请中术语“多个”的含义是指两个或两个以上，例如，多图。参见图1,该方法包括步骤S1和步骤S2。,构成神经向量照片，每种神经向量照片下关联有一种或多种称重商品。例如,神经向量照片为“苹果”,则照片下关联的称重商品包括富士苹果、花牛苹果、阿克苏苹果等；又例如，神经向量照片为“红苹果”,则照片下关联的称重商品包括红富士苹果、甘肃红苹果、花牛红苹果重商品分类数据包含：地区或国家所使用的称重商6WO2025/138429PCT/[0048]具体地，称重商品例如是商超中售卖的生鲜、蔬果、干货、休闲食品等。称重商品照片可来源于各国国标生鲜、蔬果的法律法规、国家标准，也可来源于历史搜集到的各地区或国家、商超的生鲜商品分类数据。本申请实施例中利用神经网络模型对生鲜称重商品分类数据库进行分类、归纳和特征处理，最后以神经向量参数的形式表达各个生鲜称重商品照片。[0049]其中，国标例如是某一指定地区、国家或统一标准所规定的商品分类标准。[0050]在一种可能实施方式中，称重商品包括但不限于生鲜称重商品，步骤S1包括：[0051]S11、按照给定的生鲜称重商品分类数据库中的各个地区和/或国家的国标生鲜称重商品分类规则，对生鲜称重商品信息中的多种生鲜称重商品进行照片关联，确定多种生鲜称重商品和给定的生鲜称重商品分类数据库中多种生鲜称重商品照片之间的对应关系；[0052]S12、根据对应关系，建立生鲜称重商品照片的各个神经向量参数，构建神经向量照片。[0053]在一种可能实施方式中，生鲜称重商品信息包含：多种生鲜称重商品的商品编码和/或商品名称，商品名称包含多个地区和/或国家的语言命名信息。示例性地，称重商品信息能够以商品名称列表的形式提供给计算机设备。[0054]本申请实施例中利用神经网络模型对生鲜称重商品分类数据库进行分类、归纳和特征处理，最后以神经向量照片的形式表达各个生鲜称重商品的照片。神经向量照片中还包括：生鲜称重商品标准称重参数。生鲜称重商品标准称重参数例如是生鲜称重商品重量的标准范围、生鲜称重商品称重稳定速度等，生鲜称重商品标准称重参数可作为判断生鲜称重商品种类的一种补充特征包含在神经向量照片中。[0055]考虑到不同商超、地区和国家对同一称重商品的类目划分和实际命名名称都存在差异，本申请实施例在执行步骤S1之前，预先在称重商品分类数据库中对各个地区、国家的称重商品分类数据进行关联。[0056]在这种示例下，步骤S1之前，免学习人工智能AI秤的建模方法还包括：[0057]在生鲜称重商品分类数据库中，预先根据多个地区和/或国家所使用的生鲜称重商品分类规则中指代相同生鲜称重商品的商品编码、商品名称和各个神经向7WO2025/138429PCT/C量照片，建立对照表；生鲜商品分类规则包括：多个地区和/或国家使用的法律法规和/或国家标准；其中，神经向量照片对应关联有至少一种地区和/或国家的生鲜称重商品信息。[0058]基于此，即可将不同场景(例如各个生鲜超市)中所使用的商品名称/商品编码与己存在各个地区、国家的生鲜称重商品分类数据库中的命名词进行自动关联。具体地，可以采用词字比对的方式完成关联，实现一对多的跨地区名称关联。[0059]本申请实施例中，计算机设备可以为任意具备计算能力的电子设备，例如是个人计算机、掌上电脑、平板电脑等终端计算机设备，又例如是服务器、多个物理服务器构成的服务器集群或者分布式文件系统，又或者是提供云存储以及云服务、云数据库、云计算、云函数、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdeliverynetwork,CDN)、大数据和人工智能平台等基础云计算服务的云服务器集群，本申请对此不做限定。[0060]S2、计算机设备根据给定的称重商品信息与关联数据库中的神经向量照片建立对照表。[0061]其中，对照表包含称重商品的商品名称，商品命名包含多个地区和/或国家的语言命名信息。例如，商品名称“蛇果”在不同国家的语言命名包括：“红元[0062]本申请实施例中，针对目标场景中涉及的多种生鲜称重商品，将多种生鲜称重商品进行归类，按照目标场景中涉及的生鲜称重商品信息，AI秤本机硬盘中存储生鲜称重商品信息及对应的神经向量照片和与神经向量照片关联的对照表。[0063]本申请实施例中，计算机设备或AI秤预先对多种称重商品信息进行神经向量照片关联，建立关联数据库和对照表。进而AI秤本机硬盘中存储目标场景中称重商品信息和与神经向量照片的关联结果，AI秤即可在目标场景中实现新秤的上手即用。[0064]其中，目标场景可以为不同地区、国家的商场、超市、室内/外集市等需要使用称量工具的场景。由于不同地区和国家，所使用的语言、所采用的分类规则均会导致对同一种生鲜称重商品的命名/编码不同，因此，本申请提出了一种可8WO2025/138429图，参见图2,该方法包括步骤A至步骤D。[0065]A、计算机设备或A种生鲜称重商品的商品编码和/或商品名称和神经向量[0069]示例性地，生鲜称重商品类中的商品名称例如是“红富士苹果”,分词得到的多个关键词例如是“苹果”、“红富士”、“红”和“富士”等。通过关键词在生鲜称重商品分类数据库进行匹配即可确定该生鲜称称重商品分类数据库中多种神经向量照片之间的对应关对应关系的准确性，可以进一步根据人工调整操作更新鲜称重商品分类数据库中多种生鲜称重商品照片之间[0072]B、目标场景中的AI秤本机硬盘中存储多个神经向量照片和与神经向量照片关9WO2025/138429[0074]本申请实施例中，AI或摄像头检测到生鲜称重商品放置在秤台上，则[0075]示例性地，通过步骤S有一个生鲜称重商品照片，每个生鲜称重商品照片近生鲜称重商品，例如，神经向量照片是红富士苹果的有山东红富士、陕西红富士、阿克苏苹果等。AI秤在接同时，也会接收到步骤S21中建立出的对照表。并[0076]C、AI秤利用图像识别模型对当前[0077]其中，AI秤内运行有用，利用所配置的图像识别模型对采集到的生鲜秤使用步骤S3中AI秤本机硬盘中存储的神经向量照片进[0080]可选地，图像识别模型例如是卷积神经网络模型或YOLO目标检测模型等，本[0081]D、AI秤计算多个神经向量照片和称重神经向量的之间排序在前目标位的神经向量照片以及与神经向量照片[0082]在一种可能实施方式神经向量照片的神经向量参数和多种生鲜称重WO2025/138429屏中显示排序位于前目标位的一个或多个神经向重商品照片对应的“神经向量照片”进行对比，即可确定出最相似的几个“神经向量照片”,从而依照相似度的排序，依次展现显示屏上。该相似度相当于于该置信度阈值，则表示当前未能成功识别索(拼音首字母或英文首字母)、商品码(生鲜码)检索、价格搜索和语音搜展现每种生鲜称重商品大类匹配结果的置信度，性可有效地兼容不同地区、国家、语言的差异[0089]本申请实施例中，生鲜称重商品照片是针对不同地区具有普适性的、通用的图像。例如，即使在不同的国家和地区，苹果(Apple)的基本图像特征是存在共识性的，因此，苹果的图像可作为一种生鲜称重商品何种地区，这种地区采用何种生鲜称重商品WO2025/138429。响应于对该重新识别控件的触发操作，AI秤则重新执行步骤B至步骤D,也即向量照片为苹果，能够展示苹果独有特征的图像，例如，阿克苏苹果的3,AI秤无需学习即可直接识别得到图3中的多种识别结小依次显示对应的神经向量照片，并显示与该神经向量照片关联的具体的商品名称以及商品编码(生鲜称重商品信息),参见图3,相似度以及关联度从大到其他AI秤所存储的多个神经向量照片和与该神经向量照片还可以所使用的图像识别模型的参数发广播同步或送给其他一种免学习人工智能AI秤的建模方法的流程示意图。参见图4,流程开始后，先获取商店(目标场景)中的商品资料(生鲜称重商品类目信息),通过分词算法或NLP模型将店内商品和对应的神经向量照片进行关联，还可以通过人工审核进行调整和纠偏。AI秤本机硬盘中存储关联结果(神经向量照片)或下发关称重商品后，显示最接近该称重商品的神经向量照片以联的店内称重商品信息(生鲜商品名称、商品编码、商品价格、店内商品照片等)。可选地，若未能命中对应的神经向量照片或与该神经向量照片关联的店内称重商品信息，则可由人工通过音头检索、生鲜码(货号或商品编码)、价WO2025/138429格或语音来手动搜索到对应商品。打秤人员通过浏览图像可点选出正确的商品作为识别结果进行显示，可兼容不同地区的命名和虑到名称差异性为AI秤产品跨地区使用带来的难点，采用生鲜称重商品照片作为生鲜称重商品识别的呈现标准，使得无论是生鲜称重商品名称，都采用直观的生鲜称重商品[0096]本申请提供了一种计算单元，可用于实现免学习人5是本申请实施例提供的一种计算单元的硬器501上运行的计算机程序(例如，预训练得到的图像识别模型),处理器501包括一个或一个以上处理核心，存储器502通过总线503与处502用于存储程序指令，处理器执行计算机器。本领域技术人员可以理解，上述计算机单元的组或者组合某些部件，或者不同的部件。例如计[0098]进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessingUnit,CPU),还可以是其他通用Circuit,ASIC)、现成可编程门阵列(Field-Progra或者其他可编程逻辑器件、分立门或者晶体管用处理器可以是微处理器或者该处理器也可以是任WO2025/138429是计算机单元的控制中心，利用各种接口和储器内的计算机程序和/或模块，以及调用存储在存储机单元的各种功能。存储器可主要包括存储程序区和储程序区可存储操作系统、至少一个功能所需的应用储根据手机的使用所创建的数据等。此外，存储器可以器，还可以包括非易失性存储器，例如硬盘、内存、 (SmartMediaCard,SMC),安全数字(SecureDigital,SD)卡，闪存卡(Flash的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部序来指令相关的硬件来完成，所述的计算机程序可存储其中，所述计算机程序包括计算机程序代码，所述码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质Memory)、随机存取存储器(RAM,RandomAccessMemory)以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内明白，在不脱离所附权利要求书所限定的本申请的精神和范围内，在形式上和WO2025/138429PCT/C[权利要求1]一种免学习人工智能AI秤的建模方法，其特征在于，所述方法包S1、计算机设备利用神经网络模型对多种称重商品进行照片归类，根据归类结果和给定的称重商品分类数据库，建立关联数据库，所述关联数据库中每种称重商品的照片与对应的一组神经向量参数一一关联，构成神经向量照片，每种神经向量照片下关联有一种或多种称重商品；其中，所述称重商品分类数据库来自多个地区和/或国家，每个地区和/或国家的称重商品分类数据包含：地区或国家所使用的称重商品分类规则以及称重商品的照片；[权利要求2]S2、计算机设备根据给定的称重商品信息与所述关联数据库中的神经向量照片建立对照表，其中，所述对照表包含称重商品的商品名称，所述商品命名包含所述多个地区和/或国家的语言命名信息。根据权利要求1所述的AI秤建模方法，其特征在于，所述称重商品包括但不限于生鲜称重商品，所述步骤S1包括：S11、按照给定的生鲜称重商品分类数据库中的各个地区和/或国家的国标生鲜称重商品分类规则，对所述生鲜称重商品信息中的多种生鲜称重商品进行照片关联，确定多种生鲜称重商品和给定的生鲜称重商品分类数据库中多种生鲜称重商品照片之间的对应关系；S12、根据所述对应关系，建立所述生鲜称重商品照片的各个所述神经向量参数，构建神经向量照片。[权利要求3]根据权利要求2所述的AI秤建模方法，其特征在于，所述生鲜称重商品信息包含：多种所述生鲜称重商品的商品编码和/或商品名称，所述商品名称包含多个地区和/或国家的语言命名信息；所述步骤S1之前，所述方法还包括：在所述生鲜称重商品分类数据库中，预先根据多个地区和/或国家所使用的生鲜称重商品分类规则中指代相同生鲜称重商品的商品编WO2025/138429PCT/码、商品名称和所述各个神经向量照片，建立所述对照表；所述生鲜商品分类规则包括：所述多个地区和/或国家使用的法律法规和/或国家标准；[权利要求4]所述神经向量照片对应关联有至少一种地区和/或国家的生鲜称重商品信息。一种免学习人工智能AI秤的建模方法，其特征在于，所述方法包A、计算机设备或AI秤获取目标场景的称重商品信息，利用给定的分词算法或自然语言处理NLP模型将所述目标场景中的称重商品信息与神经向量照片进行关联，所述目标场景中的称重商品信息指示目标场景中的多种称重商品，所述神经向量照片采用权利要求1至3任一所述的方法预先构造得到；B、所述目标场景中的AI秤在本机硬盘中存储所述多个神经向量照片和与神经向量照片关联对照表，所述对照表包含称重商品的商品名称，所述商品命名包含所述多个地区和/或国家的语言命名信[权利要求5]C、所述AI秤利用图像识别模型对当前称重商品的照片进行处理，生成称重神经向量；D、所述AI秤计算所述多个神经向量照片和所述称重神经向量的之间的相似度，显示相似度排序在前目标位的神经向量照片以及与所述神经向量照片关联的且关联度排在前目标位的称重商品信息。根据权利要求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述称重商品包括但不限于生鲜称重商品，所述步骤A包括：获取所述目标场景中多种生鲜称重商品信息，并利用所述给定的分词算法或NLP模型将所述目标场景中多种生鲜称重商品与所述神经向量照片进行关联，确定出所述目标场景中多种生鲜称重商品的商品编码和/或商品名称和所述神经向量照片之间的对应关系，并保存至所述目标场景的生鲜称重商品分类数据库中。WO2025/138429PCT/C[权利要求6]根据权利要求5所述的免学习人工智能AI秤的建模方法，其特征在于，所述步骤A之后，所述方法还包括：根据人工审查调整信息及纠偏操作，更新所述目标场景中多种生鲜称重商品和所述生鲜称重商品分类数据库中多种神经向量照片之间的对应关系。[权利要求7]根据权利要求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述步骤D包括：所述AI秤分别计算所述多个神经向量照片和所述称重神经向量之间的相似度，并计算与所述神经向量照片的神经向量参数和多种生鲜称重商品信息之间的关联度；[权利要求8][权利要求9]确定所述相似度和所述关联度的综合结果，按照所述综合结果从大到小的顺序，在显示屏中显示排序位于前目标位的一个或多个所述神经向量照片以及与所述神经向量照片关联的生鲜称重商品信息。根据权利要求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述神经向量参数包括：生鲜称重商品的标准称重参数。根据权利求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述方法还包括：所述AI秤判断是否为初期使用，在所述AI秤为初期使用的情况下执行所述步骤B至步骤D。WO2025/138429PCT/经修改的权利要求(条约第19条)[权利要求1]一种免学习人工智能AI秤的建模方法，其特征在于，所述方法包S1、计算机设备利用神经网络模型对多种称重商品进行照片归类，根据归类结果和给定的称重商品分类数据库，建立关联数据库，所述关联数据库中每种称重商品的照片与对应的一组神经向量参数一一关联，构成神经向量照片，每种神经向量照片下关联有一种或多种称重商品；其中，所述称重商品分类数据库来自多个地区和/或国家，每个地区和/或国家的称重商品分类数据包含：地区或国家所使用的称重商品分类规则以及称重商品的照片；S2、计算机设备根据给定的称重商品信息与所述关联数据库中的神经向量照片建立对照表，其中，所述对照表包含称重商品的商品名称，所述商品命名包含所述多个地区和/或国家的语言命名信息。[权利要求2][已修改]根据权利要求1所述的免学习人工智能AI秤的建模方法，其特征在于，所述称重商品包括但不限于生鲜称重商品，所述步骤S1包括：S11、按照给定的生鲜称重商品分类数据库中的各个地区和/或国家的国标生鲜称重商品分类规则，对所述生鲜称重商品信息中的多种生鲜称重商品进行照片关联，确定多种生鲜称重商品和给定的生鲜称重商品分类数据库中多种生鲜称重商品照片之间的对应关系；S12、根据所述对应关系，建立所述生鲜称重商品照片的各个所述神经向量参数，构建神经向量照片。[权利要求3][已修改]根据权利要求2所述的免学习人工智能AI秤的建模方法，其特征在于，所述生鲜称重商品信息包含：多种所述生鲜称重商品的商品编WO2025/138429在所述生鲜称重商品分类数据库中，预先根码、商品名称和各个神经向量照片，建立所一种免学习人工智能AI秤的建模方法，其B、所述目标场景中的AI秤在本机硬盘中存储所述多个神经向量照品名称，所述商品命名包含所述多个地区和/或国家的C、所述AI秤利用图像识别模型对当前称重商品的照片进行处理，D、所述AI秤计算所述多个神经向量照片和所述称重神经向量的之WO2025/138429PCT/C获取所述目标场景中多种生鲜称重商品信息，并利用所述给定的分词算法或NLP模型将所述目标场景中多种生鲜称重商品与所述神经向量照片进行关联，确定出所述目标场景中多种生鲜称重商品的商品编码和/或商品名称和所述神经向量照片之间的对应关系，并保存至所述目标场景的生鲜称重商品分类数据库中。[权利要求6]根据权利要求5所述的免学习人工智能AI秤的建模方法，其特征在于，所述步骤A之后，所述方法还包括：根据人工审查调整信息及纠偏操作，更新所述目标场景中多种生鲜称重商品和所述生鲜称重商品分类数据库中多种神经向量照片之间的对应关系。[权利要求7]根据权利要求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述步骤D包括：所述AI秤分别计算所述多个神经向量照片和所述称重神经向量之间的相似度，并计算与所述神经向量照片的神经向量参数和多种生鲜称重商品信息之间的关联度；确定所述相似度和所述关联度的综合结果，按照所述综合结果从大到小的顺序，在显示屏中显示排序位于前目标位的一个或多个所述神经向量照片以及与所述神经向量照片关联的生鲜称重商品信息。[权利要求8]根据权利要求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述神经向量参数包括：生鲜称重商品的标准称重参数。[权利要求9][已修改]根据权利要求4所述的免学习人工智能AI秤的建模方法，其特征在于，所述方法还包括：所述AI秤判断是否为初期使用，在所述AI秤为初期使用的情况下执行所述步骤B至步骤D。WO2025/138429[图1]根据各国称重商品信息与对应神经向量照片，建立对照表[图2]AI科或计翼机设备获取目标场景的称重商品信息，利用给定的分词算法或NLP模型将目标场景中的称重商品信息与神经向量照片进行关联目标场景中的AI秤本机硬盘中存修多个种经向量照片和与该神经向量照片关联的对照表AI秤利用图像识别模型对当前称重商品的照片进行处理，生成称重神经向量AI秤计算多个神经向量照片和称重神经向量的之网的相似度，显示相似度樊序在前目标位的种经向量照片以及与该神经向量照片关联的三关联度树在前日标位的称重商品信忽[图3][图4]准备店内意品资料通过分词算法或模型将店内商品与神经向量照片进行自动关联人工审查、调整及纠编A₁秤本机硬盘中存储关联数框或下发关联数据到A秤放置生鲜等称重癌品到秤盘上显示最接近该称重商品的神经向量照片和与该照片关联的店内生鲜等称重商品识别结果是否命中点选正确的商品热进完成称重销售并学习该产品通过意头检索或生鲜码(货号)或价格或语意人工接索到正确的恋品热健[图5]Minimumdocumentationsearched(classificationsystemfollowedbyCNABS;CNTXT;VEN;DWPI;EPTXT;WOTXT;USTXT;CNKI;IEEE:免学习，人工智能，秤，建模，神经网络模型，商品，photo,classify,associate,database,region,Citationofdocument,withindication,whereappropriate,oftherCN117953273A(XIAMENPINNACLEELECTRICALCO.,LTD.)30Apclaims1-9,anddescripYYYACN110659892A(LINYONCN111814614A(YUANJINGXIA)23OctoberCN115170241A(BEIJINGWODONGTIANJUNINFOLTD.etal.)11October2022(2AUS2018157936A1(UNDERARMOURINC.)07June2tobeofp