[發(fā)明專利]一種基于單階段目標檢測算法的菜品識別方法

在審

• 申請?zhí)枺?/td>: 202011023187.9
• 申請日: 2020-09-25
• 公開（公告）號: CN112115902A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計）人: 陳曉鵬;邱梓濤;趙曉紅
• 申請（專利權(quán)）人: 廣州市派客樸食信息科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 廣州致信偉盛知識產(chǎn)權(quán)代理有限公司 44253
• 代理人: 伍嘉陵

本發(fā)明公開一種基于單階段目標檢測算法的菜品識別方法，采集菜品圖像數(shù)據(jù)，將采集的菜品特征數(shù)據(jù)進行標簽檢查和標注修改，生成訓練數(shù)據(jù)標簽文件；把訓練數(shù)據(jù)標簽文件傳入單階段目標檢測算法進行訓練，保留best權(quán)重存于后臺，得到菜品特征提取的卷積神經(jīng)網(wǎng)絡模型；調(diào)用菜品特征提取的卷積神經(jīng)網(wǎng)絡模型進行特征提取，提取到的特征送到SVM的分類器模型中進行訓練分類，得到分類器模型。該卷積神經(jīng)網(wǎng)絡模型用來菜品進行特征提取，進而通過SVM的分類器模型中進行訓練分類，得到菜品識別結(jié)果，因單階段目標檢測沒有顯式給出提取候選區(qū)域的過程，將特征提取和檢測合二為一，可直接得到菜品檢測的結(jié)果，兼顧了識別速度快和識別精度高的優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識別技術(shù)領(lǐng)域，具體是一種基于單階段目標檢測算法的菜品識別方法。

背景技術(shù)

隨著社會的快速發(fā)展，為了體現(xiàn)方便快捷，現(xiàn)階段大部分的餐廳都采用了自主挑選菜品，排隊進行結(jié)賬。由于結(jié)賬分為人工計價和自動計價，隨著食客人數(shù)的增多，人工計價效率低，正確率無法得到保障等缺點就會顯露出來。隨著人工智能以及移動端互聯(lián)網(wǎng)的規(guī)模急速增長，人們對于“智能化”的需求越來越大，因此近年來出現(xiàn)了一些自動計價方法。在餐飲行業(yè)方面，當前越來越多許高校以及大型企業(yè)的食堂，引入菜品智能識別與結(jié)算設(shè)備。

現(xiàn)有的一種RFID餐具智能結(jié)算系統(tǒng)，在餐盤的底部內(nèi)嵌RFID射頻芯片，由智能結(jié)算臺識別餐盤中的RFID芯片編號，計算出菜品的金額，該種方式需要在每個餐盤都內(nèi)嵌RFID芯片，且該芯片在高溫下容易損壞，制造麻煩且不利于盛裝熱菜，另外還需要將菜品與餐具一一對應，操作復雜。

還有一種方式是基于圖像識別技術(shù)的菜品識別系統(tǒng)和方法，包括獲取模塊、圖片處理模塊、圖片識別模塊、控制模塊和編碼生成模塊，獲取模塊包括拍照模塊和接收模塊，拍照模塊用于拍攝照片進行識別，直接利用拍照功能將信息拍攝出來，接收模塊用于通過網(wǎng)絡接收傳輸過來的圖片，然后進行識別，圖片處理模塊包括過濾模塊、二值化與去噪處理模塊和分割模塊，所述過濾模塊用于過濾具有非法特征的非法圖片，所述二值化與去噪處理模塊用于去除圖片一些無用的邊框和邊界。該方法使用了傳統(tǒng)的圖像對比匹配技術(shù)，由于餐廳、飯?zhí)米龀鰜淼牟似贩N類繁多，每次烹制完成后的色、香、味、形存在差異，所以對于菜品輪廓、特征、色彩等識別存在較大誤差和不可控性，識別的準確率低、速度慢、效率低。

發(fā)明內(nèi)容

本發(fā)明提供一種識別精度高，識別速度快的基于單階段目標檢測算法的菜品識別方法。

本發(fā)明所述的基于單階段目標檢測算法的菜品識別方法，包括以下步驟：

S1，采集菜品圖像數(shù)據(jù)；

S2,將采集的菜品圖像數(shù)據(jù)進行標簽檢查和標注修改，生成訓練數(shù)據(jù)標簽文件；

S3，把訓練數(shù)據(jù)標簽文件傳入單階段目標檢測算法進行訓練，保留best（最優(yōu)的）權(quán)重存于后臺，得到可識別菜品的菜品特征提取的卷積神經(jīng)網(wǎng)絡模型；

S4，調(diào)用菜品特征提取的卷積神經(jīng)網(wǎng)絡模型進行特征提取，提取到的特征送到SVM（支持向量機）的分類器模型中進行訓練分類，得到分類器模型；

S5，然后即可將待識別的菜品進行識別，系統(tǒng)獲取菜品圖片后，先傳入菜品特征提取的卷積神經(jīng)網(wǎng)絡模型進行特征提取，特征提取后送到我們訓練好的SVM（支持向量機）分類器中進行分類，得到菜品識別結(jié)果。

所述的基于單階段目標檢測算法的菜品識別方法，將采集到的菜品圖像數(shù)據(jù)利用單階段目標檢測算法訓練出菜品特征提取的卷積神經(jīng)網(wǎng)絡模型，該卷積神經(jīng)網(wǎng)絡模型用來菜品進行特征提取，進而通過SVM的分類器模型中進行訓練分類，得到菜品識別結(jié)果，因單階段目標檢測沒有顯式給出提取候選區(qū)域的過程，將特征提取和檢測合二為一，可直接得到菜品檢測的結(jié)果，在保證檢測速度下，對菜品特征進行準確提取和智能檢測，兼顧了識別速度快和識別精度高的優(yōu)點。

附圖說明