[发明专利]一种食材图像识别的方法及装置、家电设备

说明书

本申请涉及一种食材图像识别的方法及装置、家电设备，属于家电设备技术领域。所述方法包括：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，对卷积神经网络模型进行训练，生成稠密模型；对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；根据稀疏模型对食材图像进行识别，确定食材类型。还提供了一种食材图像识别的装置、家电设备。本公开的有益效果：利用经过稀疏化处理的卷积神经网络模型进行家电设备中食材的识别，降低了对数字信号处理器的性能的要求。

技术领域

本申请涉及家电设备技术领域，例如涉及一种食材图像识别的方法及装置、家电设备。

背景技术

目前，对于家电设备(比如，烤箱、微波炉和冰箱)，通常利用云端的强大算力来识别家电设备中食材的类型，在网络环境不理想的情况下，就会存在网络延迟，在没有网络的情况下，家电设备食材图像识别的功能就不可用。随着人工智能技术的发展，尤其是深度学习方法的出现，在图像识别方面有了实际的应用，比如利用卷积神经网络模型实现图像识别。此种图像识别的方式无需利用网络，但是，由于利用卷积神经网络模型进行图像识别的计算复杂度较大，对数字信号处理器的性能的要求较高。

发明内容

本公开实施例提供了一种食材图像识别的方法及装置、家电设备，旨在解决利用现有卷积神经网络模型进行图像识别对数字信号处理器的要求较高的技术问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

本公开实施例，提供了一种食材图像识别的方法及装置、家电设备、电子设备，利用经过稀疏化处理的卷积神经网络模型进行家电设备中食材的识别，降低了对数字信号处理器的性能的要求。

本公开实施例提供了一种食材图像识别的方法。

在一些可选实施例中，所述方法包括：

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，对卷积神经网络模型进行训练，生成稠密模型；

对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

根据稀疏模型对食材图像进行识别，确定食材类型。

本公开实施例提供了一种食材图像识别的装置。

在一些可选实施例中，所述装置包括：

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，被配置为根据稀疏模型对食材图像进行识别，确定食材类型。

本公开实施例提供了一种家电设备。

在一些可选实施例中，所述家电设备包括上述的食材图像识别的装置。

本公开实施例提供了一种电子设备。

在一些可选实施例中，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行时，使所述至少一个处理器执行上述的食材图像识别的方法。