[发明专利]图片的处理方法和装置

说明书

本发明公开了一种图片的处理方法和装置。其中，该方法包括：接收上传终端所上传的图片集，其中，图片集为多张包含了食物的食物图片；识别图片集，并对图片集中的每张食物图片进行数据标注，得到训练集和测试集，其中，数据标注包括如下至少之一：分类、画框、注释和标记；使用训练集训练神经网络模型，其中，神经网络模型用于自动识别食物图片中的食物类型，并使用测试集来校正神经网络模型的准确率。本发明解决了现有技术基于识别到的谷物进行烹饪处理的过程中，由于识别谷物的结果不准确，导致确定的烹饪模式不准确的技术问题。

技术领域

本发明涉及图片处理领域，具体而言，涉及一种图片的处理方法和装置。

背景技术

人工智能(Artificial Intelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。其通过了解智能的本质，并生产一种新的能以人类智能想死的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。而在人工智能领域中，数据是不可获取的，可原生的数据往往无法使用，所以需要进行数据标注。

在食物识别的领域，尤其在大米识别这一领域，有关于大米图片的数据标注非常稀少，因此难以得到大量的训练数据，进而难以得到准确的识别模型。如果采取人工标注的方式，又会导致成本较高。

针对现有技术基于识别到的谷物进行烹饪处理的过程中，由于识别谷物的结果不准确，导致确定的烹饪模式不准确的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图片的处理方法和装置，以至少解决现有技术基于识别到的谷物进行烹饪处理的过程中，由于识别谷物的结果不准确，导致确定的烹饪模式不准确的技术问题。

根据本发明实施例的一个方面，提供了一种图片的处理方法，包括：接收上传终端所上传的图片集，其中，图片集为多张包含了食物的食物图片；识别图片集，并对图片集中的每张食物图片进行数据标注，得到训练集和测试集，其中，数据标注包括如下至少之一：分类、画框、注释和标记；使用训练集训练神经网络模型，其中，神经网络模型用于自动识别食物图片中的食物类型，并使用测试集来校正神经网络模型的准确率。

进一步地，在识别出食物图片的食物类型的情况下，基于食物类型确定食物的特征值，并基于食物的特征值生成返回给上传终端的烹饪模式，其中，通过烹饪曲线来表征烹饪模式中不同阶段的烹饪功能。

进一步地，在接收上传终端所上传的图片集之前，上传终端显示上传界面，其中，上传界面包括：提示上传食物图片的上传控件、提示输入食物属性的控件；上传终端显示与上传界面上传的食物图片所对应的烹饪模式。

进一步地，方法还包括：在上传终端的上传行为满足预定条件的情况下，上传终端显示激励信息，其中，预定条件包括如下至少之一：超过预定数量的食物图片、上传食物图片的次数超过预定次数和上传食物图片的频率超过预定频率。

进一步地，在识别图片集之后，对食物图片进行视觉处理，得到食物图片中食物的至少一个特征值；基于至少一个特征值，初步识别出食物图片中的食物类型；校验食物图片中的食物类型，在校验成功的情况下，执行对图片集中的每张食物图片进行数据标注的步骤。

进一步地，通过校验食物图片中食物的至少一个特征值是否超过预定阈值，如果超过，则确定校验食物类型成功。

进一步地，方法还包括：通过神经网络模型自动识别食物图片中的食物类型，其中，使用神经网络模型提取每张食物图片中包含的食物的图像特征；基于每张食物图片中包含的食物的图像特征获取食物类型。