[發明專利]一種基于深度學習的智能菜品匹配識別方法

在審

• 申請號: 201911007773.1
• 申請日: 2019-10-22
• 公開（公告）號: CN110889429A
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 許來釗;柳培海
• 申請（專利權）人: 杭州效準智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06Q50/12
• 代理公司: 北京沁優知識產權代理事務所(普通合伙) 11684
• 代理人: 胡妍

本發明公開了一種基于深度學習的智能菜品匹配識別方法，包括菜品識別策略、菜品比對策略以及菜品訓練策略，菜品識別策略，獲取菜品圖像信息作為待識別的圖像信息，菜品識別算法根據菜品識別參數從待識別的圖像信息中提取得到待識別的菜品特征信息；菜品比對策略，比對算法將待識別的菜品特征信息與數據庫中的標準菜品特征信息進行對比得到待識別菜品的菜品信息；菜品訓練策略包括基準菜品特征信息獲取步驟、同類菜品特征信息獲取步驟、同類菜品相似度獲取步驟、異類特征信息獲取步驟、異類菜品相似度獲取步驟、菜品誤差信息獲取步驟以及菜品識別參數修正步驟，菜品訓練策略對菜品識別參數進行修正，從而提高菜品識別策略的識別準確度。

技術領域

本發明涉及食物智能識別技術領域，尤其是涉及一種基于深度學習的智能菜品匹配識別方法。

背景技術

隨著深度學習的快速發展，使用深度卷積神經網絡提取物品特征值，并且對物品進行分類的方法已經被廣泛的應用在實際生活中。但是將該方法具體應用在菜品分類時還存在以下幾個缺點：

(1)傳統的基于深度卷積網絡的菜品分類方法，需要將所有要分類的菜品全部放入網絡模型中進行預訓練，然后再使用訓練后的模型進行菜品分類。但是在實際操作過程中，因為菜品的種類繁多，當有新的菜品加入后，就需要對網絡進行重新訓練，操作復雜，不利于實際應用。

(2)目前的食物識別方法大多數都是針對未經加工過的食物進行展開的，但是對于經過烹飪后的菜品，再進行識別，識別結果就難以達到人們的預期。主要原因是由于，食物原材料經過加工處理后，相較于食材本身，會具有更多的特征。即使是同一道菜品，也有可能會在形狀和顏色上有著很大的差異，這就在很大程度上影響了菜品識別的準確率。因此人們就需要一種更好的提取菜品特征的方法。

發明內容

本發明的目的在于提供了通過深度學習實現快速提取菜品圖片中豐富的關鍵特征值的一種基于深度學習的智能菜品匹配識別方法。

為實現上述目的，本發明采取的技術方案為：一種基于深度學習的智能菜品匹配識別方法，包括菜品識別策略、菜品比對策略以及菜品訓練策略，

菜品識別策略，獲取菜品圖像信息作為待識別的圖像信息，菜品識別算法根據菜品識別參數從待識別的圖像信息中提取得到待識別的菜品特征信息；

菜品比對策略，比對算法將待識別的菜品特征信息與數據庫中的標準菜品特征信息進行對比得到待識別菜品的菜品信息；

菜品訓練策略包括基準菜品特征信息獲取步驟、同類菜品特征信息獲取步驟、同類菜品相似度獲取步驟、異類特征信息獲取步驟、異類菜品相似度獲取步驟、菜品誤差信息獲取步驟以及菜品誤差信息獲取步驟，

基準菜品特征信息獲取步驟，獲取菜品一的圖像信息作為第一圖像信息，所述菜品識別算法根據菜品識別參數從第一圖像信息中提取得到基準菜品特征信息；

同類菜品特征信息獲取步驟，獲取和菜品一同類的菜品二的圖像信息作為第二圖像信息，所述菜品識別算法根據菜品識別參數從第二圖像信息中提取得到同類菜品特征信息；

同類菜品相似度獲取步驟，相似度識別算法根據提取得到的所述基準菜品特征信息和所述同類菜品特征信息，計算得到菜品一與菜品二的第一相似度值；

異類特征信息獲取步驟，獲取和菜品一異類的菜品三的圖像信息作為第三圖像信息，所述菜品識別算法根據菜品識別參數從第三圖像信息中提取得到異類菜品特征信息；

異類菜品相似度獲取步驟，相似度識別算法根據提取得到的所述基準菜品特征信息和所述異類菜品特征信息，計算得到菜品一與菜品三的第二相似度值；

菜品誤差信息獲取步驟，菜品誤差算法根據第一相似度值和第二相似度值生成綜合誤差信息；

菜品識別參數修正步驟，根據所述綜合誤差信息修正所述菜品識別參數。