[发明专利]一种智能识别方法及设备

权利要求书

1.一种智能识别方法，其特征在于，所述方法包括：

获取待识别对象的待识别图像，所述待识别对象具体为餐具清洗生产线上清洗完成的餐具；

基于预设神经网络模型对所述待识别图像进行识别，确定出所述待识别对象的参数信息，其中，所述预设神经网络模型是根据所述待识别对象建立的，所述参数信息包括待识别对象的类型和数量；

输出所述参数信息。

2.如权利要求1所述的方法，其特征在于，所述预设神经网络模型是根据所述待识别对象建立，具体包括：

获取所述待识别对象的图像信息；

将所述图像信息进行归一化处理；

基于所述归一化处理后的图像信息、识别神经网络和损失函数建立预设神经网络模型，其中，所述识别神经网络由多个卷积层和多个全连接层组成。

3.如权利要求2所述的方法，其特征在于，所述基于所述归一化处理后的图像信息、识别神经网络和损失函数建立预设神经网络模型，具体包括：

基于所述归一化处理后的图像信息、识别神经网络和损失函数建立待处理神经网络模型；

根据所述图像信息获取所述待处理神经网络模型的训练数据；

通过所述训练数据对所述待处理神经网络模型进行训练，并将训练后的所述待处理神经网络模型作为所述预设神经网络模型。

4.如权利要求3所述的方法，其特征在于，通过所述训练数据对待处理神经网络模型进行训练，具体包括：

将所述训练数据导入至所述待处理神经网络模型中进行训练；

根据所述损失函数曲线变化值和黄金分割原理实时对训练参数进行调整；

基于所述调整后的训练参数继续对所述待处理神经网络模型进行训练。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过配置深度摄像头获取待识别对象的位置信息，并在输出所述参数信息时将所述位置信息同步输出。

6.一种智能识别设备，其特征在于，所述设备包括：

第一获取模块，获取待识别对象的待识别图像，所述待识别对象具体为餐具清洗生产线上清洗完成的餐具；

识别模块，基于预设神经网络模型对所述待识别图像进行识别，确定出所述待识别对象的参数信息，其中，所述预设神经网络模型是根据所述待识别对象建立的，所述参数信息包括待识别对象的类型和数量；

输出模块，输出所述参数信息。

7.如权利要求6所述的设备，其特征在于，所述设备还包括预处理模块，具体用于：

获取所述待识别对象的图像信息；

将所述图像信息进行归一化处理；

基于所述归一化处理后的图像信息、识别神经网络和损失函数建立预设神经网络模型，其中，所述识别神经网络由多个卷积层和多个全连接层组成。

8.如权利要求7所述的设备，其特征在于，所述预处理模块具体用于：

基于所述归一化处理后的图像信息、识别神经网络和损失函数建立待处理神经网络模型；

根据所述图像信息获取所述待处理神经网络模型的训练数据；

通过所述训练数据对所述待处理神经网络模型进行训练，并将训练后的所述待处理神经网络模型作为所述预设神经网络模型。

9.如权利要求8所述的设备，其特征在于，所述预处理模块具体用于：

将所述训练数据导入至所述待处理神经网络模型中进行训练；

根据所述损失函数曲线变化值和黄金分割原理实时对训练参数进行调整；

基于所述调整后的训练参数继续对所述待处理神经网络模型进行训练。

10.如权利要求6所述的设备，其特征在于，所述设备还包括第二获取模块，具体用于：

通过配置深度摄像头获取待识别对象的位置信息，并在输出所述参数信息时将所述位置信息同步输出。