[发明专利]一种自动识别食物热量的估算方法及系统

权利要求书

1.一种自动识别食物热量的估算方法，其特征在于，包括：

获取目标食物的深度信息，并根据所述深度信息建立该目标食物的三维模型，其中，所述深度信息包括：尺寸信息、形状信息、距离信息和点云数据信息；

将所述三维模型体素化生成设定规格的体素化模型，并根据所述体素化模型计算目标食物的体积；

获取目标食物的食物名称，并根据预设的食物名称与密度对应表查询得到目标食物的密度；

根据所述体积和所述密度，计算得到目标食物的质量，并查询预设的热量表得到该目标食物的热量。

2.根据权利要求1所述的自动识别食物热量的估算方法，其特征在于，所述获取目标食物的深度信息，并根据所述深度信息建立该目标食物的三维模型，包括：

通过对目标食物进行图像识别以得到目标食物的特征点；

根据所述特征点形成所述点云数据信息和所述距离信息；

根据所述点云数据信息和所述距离信息生成三维模型。

3.根据权利要求2所述的自动识别食物热量的估算方法，其特征在于，所述获取目标食物的深度信息，并根据所述深度信息建立该目标食物的三维模型，还包括：

获取目标食物的尺寸信息和形状信息；

根据所述尺寸信息、所述形状信息、所述点云数据信息和所述距离信息生成三维模型。

4.根据权利要求3所述的自动识别食物热量的估算方法，其特征在于，所述根据所述体素化模型计算目标食物的体积，包括：

将所述体素化模型分割成卡片模型，并统计卡片模型对应的格子数；

根据预设的格子的对应体积和所述格子数，计算得到目标食物的体积。

5.根据权利要求4所述的自动识别食物热量的估算方法，其特征在于，所述将所述三维模型体素化生成设定规格的体素化模型，包括：

将所述三维模型通过2D-CNN编码网络、3D卷积LSTM网络和3D解码神经网络进地体素化，并生成32*32*32大小的体素化模型。

6.一种自动识别食物热量的估算系统，其特征在于，包括：

建模单元，用于获取目标食物的深度信息，并根据所述深度信息建立该目标食物的三维模型，其中，所述深度信息包括：尺寸信息、形状信息、距离信息和点云数据信息；

体素化单元，用于将所述三维模型体素化生成设定规格的体素化模型；

体积计算单元，用于根据所述体素化模型计算目标食物的体积；

密度获取单元，用于获取目标食物的食物名称，并根据预设的食物名称与密度对应表查询得到目标食物的密度；

热量计算单元，用于根据所述体积和所述密度，计算得到目标食物的质量，并查询预设的热量表得到该目标食物的热量。

7.根据权利要求6所述的自动识别食物热量的估算系统，其特征在于，所述建模单元包括：

特征提取单元，用于通过对目标食物进行图像识别以得到目标食物的特征点；

深度信息生成单元，用于根据所述特征点形成所述点云数据信息和所述距离信息；

第一模型生成单元，用于根据所述点云数据信息和所述距离信息生成三维模型。

8.根据权利要求7所述的自动识别食物热量的估算系统，其特征在于，所述建模单元还包括：第二模型生成单元；

所述深度信息生成单元还用于获取目标食物的尺寸信息和形状信息；

所述第二模型生成单元，用于根据所述尺寸信息、所述形状信息、所述点云数据信息和所述距离信息生成三维模型。

9.根据权利要求8所述的自动识别食物热量的估算系统，其特征在于，所述体积计算单元还用于将所述体素化模型分割成卡片模型，并统计卡片模型对应的格子数，并根据预设的格子的对应体积和所述格子数，计算得到目标食物的体积。

10.根据权利要求9所述的自动识别食物热量的估算系统，其特征在于，所述体素化单元还用于将所述三维模型通过2D-CNN编码网络、3D卷积LSTM网络和3D解码神经网络进地体素化，并生成32*32*32大小的体素化模型。