[发明专利]基于深度学习的食材新鲜度识别方法、装置、冰箱和介质有效
申请号: | 201810015399.9 | 申请日: | 2018-01-08 |
公开(公告)号: | CN108224894B | 公开(公告)日: | 2020-04-28 |
发明(设计)人: | 唐红强;戴江 | 申请(专利权)人: | 合肥美的智能科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;F25D29/00 |
代理公司: | 北京友联知识产权代理事务所(普通合伙) 11343 | 代理人: | 尚志峰;汪海屏 |
地址: | 230088 安徽省合肥*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 学习 新鲜 识别 方法 装置 冰箱 介质 | ||
1.一种基于深度学习的食材新鲜度识别方法,其特征在于,包括:
采集食材图像信息;
根据所述食材图像信息和预先训练好的食材新鲜度识别模型,确定食材新鲜度识别结果信息;
基于深度学习,按照预设周期以食材新鲜度识别过程中采集的所述食材图像信息为样本,训练更新所述食材新鲜度识别模型;
所述食材新鲜度识别结果信息包括识别新鲜度和识别结果置信度,所述基于深度学习,按照预设周期以食材新鲜度识别过程中采集的所述食材图像信息为样本,训练更新所述食材新鲜度识别模型,包括:
判断所述识别结果置信度是否小于第一预设阈值;
当判定所述识别结果置信度小于所述第一预设阈值时,记录所述识别结果置信度对应的所述食材图像信息;
标记所述预设周期内记录的所述食材图像信息的实际新鲜度;
判断所述实际新鲜度和对应的所述识别新鲜度是否相同;
当判定所述实际新鲜度和所述识别新鲜度不同时,确定对应的所述食材图像信息为所述样本;
基于深度学习,根据所述预设周期内确定的所有所述样本,训练更新所述食材新鲜度识别模型。
2.根据权利要求1所述的基于深度学习的食材新鲜度识别方法,其特征在于,所述食材新鲜度识别结果信息包括识别失败信息,所述基于深度学习,按照预设周期以食材新鲜度识别过程中采集的所述食材图像信息为样本,训练更新所述食材新鲜度识别模型,包括:
记录所述识别失败信息对应的所述食材图像信息;
确定所述预设周期内记录的所述食材图像信息的食材种类,并对应标记实际新鲜度;
增加所述食材种类对应的不同所述实际新鲜度的其他食材图像信息,并对应标记所述实际新鲜度;
基于深度学习,以所述预设周期内记录的所述食材图像信息和增加的所述其他食材图像信息为所述样本,训练更新所述食材新鲜度识别模型。
3.根据权利要求2所述的基于深度学习的食材新鲜度识别方法,其特征在于,还包括:
预先采集构建食材图像信息集;
对应标记所述食材图像信息集中每一所述食材图像信息的所述食材种类和所述实际新鲜度;
基于深度学习,以所述食材图像信息集中每一所述食材图像信息为输入样本,训练构建所述食材新鲜度识别模型。
4.根据权利要求3所述的基于深度学习的食材新鲜度识别方法,其特征在于,所述基于深度学习,以所述食材图像信息集中每一所述食材图像信息为输入样本,训练构建所述食材新鲜度识别模型,包括:
基于深度学习,以所述食材图像信息集中每一所述食材图像信息为所述输入样本,依次经卷积层操作、池化层操作、归一化操作以及全连接层操作,输出结果信息;
根据所述结果信息和所述输入样本的标记信息,计算损失函数值;
根据所述损失函数值,更新所述卷积层操作、所述池化层操作、所述归一化操作以及所述全连接层操作的对应参数,以训练构建所述食材新鲜度识别模型;
判断所述损失函数值的绝对值是否小于第二预设阈值;
若判定所述损失函数值的绝对值大于或等于所述第二预设阈值,则继续以所述食材图像信息集中每一所述食材图像信息为所述输入样本,训练构建所述食材新鲜度识别模型;
若判定所述损失函数值小于所述第二预设阈值,则存储训练好的所述食材新鲜度识别模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥美的智能科技有限公司,未经合肥美的智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810015399.9/1.html,转载请声明来源钻瓜专利网。