[发明专利]基于特征对比的菜品识别方法

说明书

本发明公开了一种基于特征对比的菜品识别方法，包含以下步骤：通过摄像头采集待识别的图片；通过深度学习算法检测图片中的托盘、饮料和餐盘；根据菜品的坐标进行逻辑判断，过滤干扰区域获得待识别区域；判断待识别区域是否为静止状态；在待识别区域为静止状态时使用深度学习算法识别待识别区域获得对应菜品名称；根据菜品名称从数据库中匹配出菜品对应的菜品信息。本发明所提供的基于特征对比的菜品识别方法，提高了菜品的识别效率和识别精度，极大的改善了餐厅的智能化程度。

技术领域

本发明属于图像处理领域，具体涉及一种基于特征对比的菜品识别方法。

背景技术

智能餐饮管理是世界餐饮管理领域最前沿的研究课题。近年来，其成果逐渐深入社会生 活各个领域，为提高工作效率、便利餐饮流程和维护餐饮秩序安全发挥着积极作用。智能餐 饮管理普遍使用传统RFID和深度学习技术对餐饮领域的菜品图像与视频进行目标采集、对 象识别。其中当前餐饮行业中菜品的识别大多数使用的是传统的RFID模式，其技术相对成 熟，已经广泛在餐厅人员流量监测、支付监控、菜品收费等具体应用中发挥作用，取得了良 好的社会经济效益。但传统的RFID识别技术通过预设于结算区底部的天线来识别内嵌于餐 盘底部的芯片，从而达到对餐盘的识别。这种方法实施成本较高，需要订制内嵌芯片的盘子。 且只能识别盘子，无法对菜品进行识别。因此在需要精准定位菜品的情况下，RFID方案需要 采购大量的盘子来做到一菜一盘，实施成本高，难度大。

而在深度学习技术中，菜品的定位是菜品识别的第一步，对于后续菜品识别的效率和准 确率有至关重要的影响。目前在良好的光照条件和拍摄环境下，菜品定位与识别具有较高的 准确率。其次菜品定位区域的识别是菜品识别的关键一步，现有的算法都只能在一定程度上 解决特定条件下的菜品识别问题，无法解决餐厅不停上新的同时保证识别准确率。为了提高 餐具识别算法的适应性和准确率，研究复杂环境条件下的菜品识别方法具有十分重要的意义。

发明内容

本发明提供了一种基于特征对比的菜品识别方法，采用如下的技术方案：

一种基于特征对比的菜品识别方法，包含以下步骤：

步骤S1：通过摄像头采集待识别的图片；

步骤S2：通过深度学习算法检测图片中的托盘、饮料和餐盘；

步骤S3：根据菜品的坐标进行逻辑判断，过滤干扰区域获得待识别区域；

步骤S4：判断待识别区域是否为静止状态；

步骤S5：在待识别区域为静止状态时使用深度学习算法识别待识别区域获得对应菜品名 称；

步骤S6：根据菜品名称从数据库中匹配出菜品对应的菜品信息。

进一步地，通过深度学习算法检测图片中的托盘、饮料和餐盘的具体步骤为：

步骤S21：将摄像头采集到的图片缩放至第一尺寸，并填充黑色素以保持缩放后的图片 的比例不变，并记录缩放比例R；

步骤S22：通过基于YOLO算法训练好的菜品检测模型对缩放后的图片进行预测得到第 一预测框S；

步骤S23：使用NMS算法对第一预测框S进行过滤得到第二预测框S'。

进一步地，使用NMS算法对第一预测框S进行过滤得到第二预测框S'的具体步骤为：

步骤S231：将第一预测框S中的所有的框按照置信从大到小进行排序，将其中最高分框 B从第一预测框S删除并添加到第二预测框S'；

步骤S232：遍历第一预测框S中剩余的框，将和该最高分框B的IoU大于一定阈值的框 也从第一预测框S中删除；

步骤S233：重复步骤S231和步骤S232，直至第一预测框S没有剩余的框从而得到最终 的第二预测框S'。