[发明专利]一种基于深度神经网络的中餐菜品推荐方法

说明书

本发明公开了一种基于深度神经网络的中餐菜品推荐方法，包括S1获取中餐菜品的图片；S2利用深度神经网络算法对中餐菜品图片进行特征提取；S3将提取所得的中餐菜品特征输入到分类算法中得到相应的菜品种类；S4、根据菜品种类查询中餐菜谱知识库，获得该中餐菜品的营养配方和合适的体质类型；S5若用户的体质类型与查询获得的体质类型一致，则推荐此中餐菜品。本发明方法的主要效果是识别速度快，准确率高，性能稳定，有利于人们快速确定自己合适的中餐菜品，实现健康饮食。

技术领域

本发明涉及计算机应用领域，具体涉及一种基于深度神经网络的中餐菜品推荐方法。

背景技术

中国有一种传统的思想，即为“药补不如食补”毕竟“是药三分毒”。但是对一个普通人来说如何识别出所点中餐菜品的营养价值是很难的，这需要一个精通美食和营养学的专家才能解决这个问题，所以这往往使得一般人很难在日常生活中，获取一个中餐菜品的营养价值并且将其推荐给适宜食用的人，这是有一定难度的。对一般人来说要准确识别中餐菜品中的组成成分也存在难度，如果能够正确识别出菜品中的组成成分，那么计算菜品的营养价值的难度也大大降低。

图像识别一直以来都是计算机领域中的一个十分重要而且热门的研究方向。随着深度学习在图像识别中的巨大发展，已经成为图像识别中的一个热潮。深度学习作为机器学习领域的一个课题，已经成为互联网和人工智能的一个热潮，在语音识别、自然语言处理、计算机视觉、多媒体等领域都取得了巨大成功。深度学习的实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而提升分类或者预测的准确性。使用深度学习对中餐菜品图片进行准确识别，能得到中餐菜品的菜名，同时和已经建立好的中餐菜谱知识库相结合，能有效的将其推荐给适宜食用该中餐菜品的用户。

发明内容

为了克服现有技术存在的缺点与不足，本发明提供一种基于深度神经网络的中餐菜品推荐方法。

本发明将深度学习同中餐菜品识别相结合，使用经典卷积神经网络模型对数据集进行训练，得到可用于中餐菜品分类的模型，在模型训练好之后可以将某一种餐菜品的图片输入到该模型，可以获得该中餐菜品名称作为输出。将从中餐菜品分类模型得到的输出，输入到已经建立好的中餐菜谱知识库中，能知道该中餐菜品的营养价值以及适宜食用的用户体质类型，并将其推荐给对应体质类型的人。该模型能够快速、准确且稳定的识别所输入的中餐菜品图片的类型，将该模型与中餐菜谱知识库相结合，不仅能使普通百姓快速准确的掌握中餐菜品的信息，也可以让不同体质类型的人食用到最适宜其体质类型的中餐菜品，让人们能实现科学饮食，避免饮食不当而出现身体不适。

本发明采用如下技术方案：

一种基于深度神经网络的中餐菜品推荐方法，包括如下步骤：

S1获取中餐菜品图片；

S2利用卷积神经网络算法对中餐菜品图片进行特征提取；

S3将提取的中餐菜品特征输入到分类算法中，得到相应的菜品种类；

S4根据菜品种类查询中餐菜谱知识库，获得该中餐菜品的营养配方和适合的体质类型；

S5若用户输入的体质类型与查询获得的体质类型一致，则推荐此中餐菜品。

采用网络爬虫获取中餐菜品图片，然后进行预处理，并将预处理后的图片按照神经网络算法将其分成训练集和测试集。

所述卷积神经网络为GoogleNet。

所述S3中分类算法采用softmax分类器算法。

所述中餐菜品知识库包括菜品图片，菜品名称，菜品营养成分，菜品合适的体质类型及菜品的制作步骤。

本发明的有益效果：

(1)本发明方法采用网络爬虫获取大量中餐菜品图片，采用随机采样形成数据量较大的训练集；