[發(fā)明專利]一種實時的披薩成熟度估計算法

有效

• 申請?zhí)枺?/td>: 202011301897.3
• 申請日: 2020-11-19
• 公開（公告）號: CN112232442B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設計）人: 李宗民;李亞傳;李冠林;黃睿;白云;肖倩
• 申請（專利權）人: 青島海爾智能技術研發(fā)有限公司;海爾智家股份有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/80;G06V10/82;G06V10/764;G06V10/44;G06T7/11
• 代理公司: 青島中家標準專利代理有限公司 37324
• 代理人: 張文娟

1.一種實時的披薩成熟度估計方法，所述方法包括：

步驟1)，采集披薩從進烤箱到成熟整個過程的圖像，每30s采集一次，每個披薩會得到一組照片，定義每組的第一張圖像為該組的基準圖像；

步驟2)，標注采集到的圖像中披薩的位置，并將標注好的數(shù)據(jù)按照3：1的比例分成訓練集和測試集；

步驟3)，構建基于PoolNet的顯著性檢測網(wǎng)絡，然后將步驟2)中標注好的數(shù)據(jù)增強后送入網(wǎng)絡進行訓練，通過觀察損失函數(shù)和測試集上的交并比來終止訓練；

步驟4)，用訓練好的顯著性檢測網(wǎng)絡來檢測訓練集中的披薩位置，將檢測的結果作為前景掩碼與原圖融合，去除背景；

步驟5)，將步驟4)中融合后的圖像以每組的基準圖像為基準進行歸一化；

步驟6)，將步驟5)中得到的每組的基準圖像使用SLIC算法進行超像素分割；并將該分割應用到整組圖像中；

步驟7)，將步驟6)基準超像素圖像逐像素的分別與得到的超像素圖像做歐氏距離度量；

步驟8)，歐氏距離大于閾值u的表示該點已經(jīng)褐變；統(tǒng)計褐變的點的數(shù)量；歐氏距離大于閾值v的表示該點已經(jīng)糊化；統(tǒng)計糊化的點的數(shù)量；

步驟9)，將每組褐變、糊化點進行曲線擬合，去掉其中的離群值，然后求均值得到成熟度曲線；

步驟10)，將測試集中圖像先經(jīng)過顯著性檢測網(wǎng)絡去除背景，然后超像素分割后與當前組的基準圖片進行距離度量，計算大于閾值u、v的點的數(shù)量，進而得到其在成熟度曲線中的位置，就可以得到該圖像中披薩的成熟度以及糊化報警。

2.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟1)中根據(jù)披薩成熟時間設置采樣頻率。

3.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟1)中定義每組圖像中的基準圖像。

4.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟3)中數(shù)據(jù)的擴充方法和顯著性檢測網(wǎng)絡的梯度下降訓練方法。

5.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟4)中用顯著性檢測結果作為掩碼來去除背景物。

6.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟5)中以基準圖像為基準進行圖像的歸一化處理，排除披薩之間的差異對實驗結果的影響。

7.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟6)中用超像素分割算法SLIC對披薩進行超像素分割。

8.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟7)中將超像素分割結果作為披薩的各區(qū)域特征進行距離度量。

9.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟8)中通過實驗經(jīng)驗得到的超參數(shù)u、v，表示該點是否發(fā)生褐變、糊化。

10.據(jù)權利要求1所述的一種實時的披薩成熟度估計方法，其特征在于：步驟9)中使用曲線擬合的方式統(tǒng)計得到披薩成熟度。