[发明专利]一种食材图像识别的方法及装置、家电设备

权利要求书

1.一种食材图像识别的方法，其特征在于，包括：

建立用于检测食材类型的卷积神经网络模型，并利用原始食材图像数据集，对所述卷积神经网络模型进行训练，生成稠密模型；

对所述稠密模型进行稀疏化处理，生成稀疏模型；

获取家电设备中的食材图像；和

根据所述稀疏模型对所述食材图像进行识别，确定食材类型。

2.根据权利要求1所述的方法，其特征在于，所述对所述稠密模型进行稀疏化处理，生成稀疏模型，包括：

按照所述稠密模型的神经元和连接的敏感度由低到高的顺序，对所述稠密模型的神经元中的参数量进行排序；

根据预设的稀疏化比值，确定排序后的所述神经元中的待删除参数量；

删除所有所述待删除参数量的连接，生成所述稀疏模型。

3.根据权利要求1所述的方法，其特征在于，还包括：

利用所述原始食材图像数据集，修正所述稀疏模型的权重。

4.根据权利要求1所述的方法，其特征在于，还包括：

利用所述原始食材图像数据集，对所述稀疏模型的权重进行量化。

5.根据权利要求4所述的方法，其特征在于，所述利用所述原始食材图像数据集，对所述稀疏模型的权重进行量化，包括：

利用所述原始食材图像数据集做概率分布和校准，获得所述稀疏模型的权重值的动态范围；

对所述动态范围以预设定点数进行非线性量化，获得共享权重值；

将所有所述权重值替换为所述共享权重值。

6.根据权利要求1所述的方法，其特征在于，所述原始食材图像数据集包括训练集和测试集，所述训练集中的原始食材图像的缩放尺寸大于所述测试集中的原始食材图像的缩放尺寸。

7.根据权利要求1所述的方法，其特征在于，所述原始食材图像数据集中的原始食材图像是通过对初始食材图像进行泛化处理获得的。

8.根据权利要求7所述的方法，其特征在于，所述泛化处理包括翻转、旋转、缩放、裁剪、平移、添加噪声中的一种或一种以上。

9.根据权利要求1所述的方法，其特征在于，还包括：

获取与所述食材类型相对应的所述家电设备的运行参数；

根据所述运行参数控制所述家电设备运行；

其中，所述运行参数与所述家电设备的设备功能相对应。

10.一种食材图像识别的装置，其特征在于，包括：

模型训练单元，被配置为建立用于检测食材类型的卷积神经网络模型，并利用原始食材图像数据集，对所述卷积神经网络模型进行训练，生成稠密模型；

模型稀疏化单元，被配置为对所述稠密模型进行稀疏化处理，生成稀疏模型；

图像获取单元，被配置为获取家电设备中的食材图像；和

图像识别单元，被配置为根据所述稀疏模型对所述食材图像进行识别，确定食材类型。

11.根据权利要求10所述的装置，其特征在于，所述模型稀疏化单元具体被配置为：

按照所述稠密模型的神经元和连接的敏感度由低到高的顺序，对所述稠密模型的神经元进行排序；

根据预设的稀疏化比值，确定排序后的所述神经元中的待删除神经元；

删除所有所述待删除神经元的连接，生成所述稀疏模型。

12.根据权利要求10所述的装置，其特征在于，还包括：

权重修正单元，被配置为利用所述原始食材图像数据集，修正所述稀疏模型的权重。

13.根据权利要求10所述的装置，其特征在于，还包括：

模型量化单元，被配置为利用所述原始食材图像数据集，对所述稀疏模型的权重进行量化。