[发明专利]一种食物成分识别方法

说明书

本发明公开了一种食物成分识别方法，该方法包括：1)在开源食物图像数据集上收集图像，并在网络上爬取额外部分的食物作为对开源食物图像数据集的补充，得到初始数据集S0；2)对数据集S0中的食物图像进行处理，得到数据集S1；3)对数据集S1，以食物主体为中心，先裁剪成128*128大小的图像，然后经过旋转、翻转、缩放、裁切操作中的一种或多种，完成数据集S1的扩充，得到最终的数据库S2；4)对数据库S2，以训练集80％，测试集20％的比例划分，建立卷积神经网络，训练得到最终的深度学习模型。本发明采用间隔卷积的方式，在学习低级特征的过程中重新对低级特征的特征图谱线性组合，减少了训练的参数，在保持识别准确率的前提下，训练时间大大缩短。

技术领域

本发明涉及图像识别技术，尤其涉及一种食物成分识别方法。

背景技术

人们常说“民以食为本”，的确，食物早就成为日常生活中虽不起眼、但实则不可或缺的一环，因为食物不仅满足的了人们的能量补充需要，更是满足了对自身生活情趣和身体健康的需要。随着饮食市场的急速扩张，许多商家会抱着改善食物色香味的目的，选择加入食品添加剂，但并不是人人都能接受、摄入添加剂的。

食物成分识别分为两步，第一步识别食物是什么，第二步导出食物可能存在的食品添加剂。由于第二步只涉及数据库的访问，所以重点在于第一步如何准确识别食物是什么？

传统机器学习关注如何提取出图像中的特征，再利用算法将特征矩阵映射到类别矩阵中，一般使用特异的人工算法提取颜色特征、纹理特征、形状特征和空间关系特征，再将图像数据降维，映射到一个能反应待识别物体的本质的低维特征矩阵中，接着对抽取的特征进行二次处理，进行特征之间的关联融合、向量编码，最后使用如回归树、支持向量机SVM，根据底层特征，对物体进行识别分类。

深度学习则不一样。2015年谷歌在Deep Learning Summit上展示了一款铭为“Im2Calories”的全新应用，该应用利用了深度学习的技术，只输入简单的照片，就能代替输入名字，计算一餐食物所需要的热量，帮助想要控制饮食热量、减重的人群。负责人KevinMurphy在会上表示，虽然准确率只有30％，但机器在自我学习中，准确率会越来越高。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种食物成分识别方法。

本发明解决其技术问题所采用的技术方案是：一种食物成分识别方法，包括以下步骤：

1)在开源食物图像数据集上收集图像，并在网络上爬取额外部分的食物作为对开源食物图像数据集的补充，得到初始数据集S0，包括食物名称和对应的食物图像；

2)对初始数据集S0中的食物图像进行处理，得到数据集S1；所述处理为：采用Bayesian Matting的方法，将食物主体从原图像中剥离出来，在将背景填充白色后，获得新的保留食物主体的图像；

3)对数据集S1，以食物主体为中心，先裁剪成128*128大小的图像，然后经过旋转、翻转、缩放、裁切操作中的一种或多种，完成数据集S1的扩充，得到最终的数据库S2；

4)对数据库S2，以训练集80％，测试集20％的比例划分，建立卷积神经网络，训练得到最终的深度学习模型；

所述卷积神经网络包括卷积层和间隔卷积层；

5)采用步骤4)中的模型进行食物名称识别，根据识别结果确定食物成分。

按上述方案，所述卷积神经网络中间隔卷积层的核大小为1*1，步长为2。