[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

说明书

本发明提供了一种基于深度学习的食材新鲜度识别方法、装置、冰箱和介质，其中，方法包括：采集食材图像信息；根据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食材图像信息为样本，训练更新食材新鲜度识别模型。通过本发明的技术方案，识别准确率较高，能够实现实时识别，而且在食材新鲜度识别模型的应用中进行优化提升，提升了食材新鲜度识别的适用范围，能够适用于复杂场景。

技术领域

本发明涉及智能冰箱技术领域，具体而言，涉及一种基于深度学习的食材新鲜度识别方法、一种基于深度学习的食材新鲜度识别装置、一种冰箱和一种计算机可读存储介质。

背景技术

随着信息化技术的发展，冰箱不仅仅承载了储存食材的功能，也逐渐朝着智能家居，为用户提供更多智能化服务的方向发展，而食材新鲜度识别是智能化服务的重要信息提供途径。

相关技术中，一般通过图像匹配识别来进行食材新鲜度识别，存在以下技术缺陷：

(1)识别率较低，难以应对复杂场景下的食材新鲜度识别。

(2)计算复杂度较高，难以满足食材新鲜度识别的实时要求。

(3)食材新鲜度识别结果没有得到有效的监督，难以对现有的模型进行优化更新。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提供一种基于深度学习的食材新鲜度识别方法。

本发明的另一个目的在于提供一种基于深度学习的食材新鲜度识别装置。

本发明的再一个目的在于提供一种冰箱。

本发明的又一个目的在于提供一种计算机可读存储介质。

为了实现上述目的，本发明的第一方面的技术方案提供了一种基于深度学习的食材新鲜度识别方法，包括：采集食材图像信息；根据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食材图像信息为样本，训练更新食材新鲜度识别模型。

在该技术方案中，通过采集食材图像信息，根据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，实现了食材新鲜度的实时识别，而且识别准确率较高，适用于复杂场景，通过基于深度学习，按照预设周期以食材新鲜度识别过程中采集的食材图像信息为样本，训练更新食材新鲜度识别模型，实现了对食材新鲜度识别模型的训练更新，在食材新鲜度识别模型的应用中进行优化提升，有利于提升食材新鲜度识别的适用范围，进一步提升了食材新鲜度识别的准确率。

需要说明的是，深度学习可以是卷积神经网络深度学习，也可以是递归神经网络深度学习，还可以是循环神经网络深度学习。

在上述技术方案中，优选地，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，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食材图像信息为样本，训练更新食材新鲜度识别模型，包括：判断识别结果置信度是否小于第一预设阈值；当判定识别结果置信度小于第一预设阈值时，记录识别结果置信度对应的食材图像信息；标记预设周期内记录的食材图像信息的实际新鲜度；判断实际新鲜度和对应的识别新鲜度是否相同；当判定实际新鲜度和识别新鲜度不同时，确定对应的食材图像信息为样本；基于深度学习，根据预设周期内确定的所有样本，训练更新食材新鲜度识别模型。