[发明专利]基于人工智能的医用食物含水量测量系统

权利要求书

1.一种基于人工智能的医用食物含水量测量系统，其特征在于，包括：

食物图像捕捉模块，用于获取由摄像头采集的医用食物图像；

图像预处理模块，用于对所述医用食物图像进行图像去噪以得到去噪后医用食物图像；

食物浅层特征提取模块，用于将所述去噪后医用食物图像通过作为浅层特征提取器的第一卷积神经网络模型以得到食物浅层特征图；

浅层特征空间强化模块，用于将所述食物浅层特征图通过空间注意力模块以得到空间聚焦食物浅层特征图；

深层特征提取模块，用于将所述空间聚焦食物浅层特征图输入作为深层特征提取器的第二卷积神经网络模型以得到食物深层特征图；

特征融合模块，用于融合所述空间聚焦食物浅层特征图和所述食物深层特征图以得到解码特征图；

特征去冗余模块，用于对所述解码特征图进行特征去冗余处理以得到优化解码特征图；以及

测量结果生成模块，用于将所述优化解码特征图通过解码器进行解码回归以得到解码值，所述解码值用于表示医用食物的含水量。

2.根据权利要求1所述的基于人工智能的医用食物含水量测量系统，其特征在于，所述食物浅层特征提取模块，用于：

所述作为浅层特征提取器的第一卷积神经网络模型在层的正向传递中对输入数据分别进行基于卷积处理、均值池化处理和非线性激活处理以由所述作为浅层特征提取器的第一卷积神经网络模型的最后一层的输出为所述食物浅层特征图，其中，所述作为浅层特征提取器的第一卷积神经网络模型的第一层的输入为所述去噪后医用食物图像。

3.根据权利要求2所述的基于人工智能的医用食物含水量测量系统，其特征在于，所述浅层特征空间强化模块，包括：

卷积编码单元，用于使用所述空间注意力模块的卷积编码部分对所述食物浅层特征图进行深度卷积编码以得到食物浅层卷积特征图；

空间注意力单元，用于将所述食物浅层卷积特征图输入所述空间注意力模块的空间注意力部分以得到食物浅层空间注意力图；

激活单元，用于将所述食物浅层空间注意力图通过Softmax激活函数以得到食物浅层空间注意力特征图；以及

空间注意力施加单元，用于计算所述食物浅层空间注意力特征图和所述食物浅层特征图的按位置点乘以得到所述空间聚焦食物浅层特征图。

4.根据权利要求3所述的基于人工智能的医用食物含水量测量系统，其特征在于，所述深层特征提取模块，用于：

所述作为深层特征提取器的第二卷积神经网络模型在层的正向传递中对输入数据分别进行基于卷积处理、均值池化处理和非线性激活处理以由所述作为深层特征提取器的第二卷积神经网络模型的最后一层的输出为所述食物深层特征图，其中，所述作为深层特征提取器的第二卷积神经网络模型的第一层的输入为所述空间聚焦食物浅层特征图。

5.根据权利要求4所述的基于人工智能的医用食物含水量测量系统，其特征在于，所述特征融合模块，用于：

以如下级联公式来融合所述空间聚焦食物浅层特征图和所述食物深层特征图以得到所述解码特征图；

其中，所述级联公式为：

F＝Concat[F₁，F₂]

其中，F₁表示所述空间聚焦食物浅层特征图，F₂表示所述食物深层特征图，Concat[·]表示级联函数，F表示所述解码特征图。

6.根据权利要求5所述的基于人工智能的医用食物含水量测量系统，其特征在于，所述特征去冗余模块，用于：

以如下优化公式对所述解码特征图进行特征去冗余处理以得到所述优化解码特征图；

其中，所述优化公式为：

F_b＝Cov(F_a)

其中，F表示所述解码特征图，F'表示所述优化解码特征图，Cov表示单层卷积操作，表示特征图的逐位置相加，表示特征图的逐位置相减，⊙表示特征图的逐位置相乘，且B₁和B₂为偏置特征图，其中初始的偏置特征图B₁和B₂不同。

7.根据权利要求6所述的基于人工智能的医用食物含水量测量系统，其特征在于，所述测量结果生成模块，用于：

使用所述解码器以如下解码公式对所述优化解码特征图进行解码回归以得到所述解码值；

其中，所述解码公式为：

其中，F'表示所述优化解码特征图，Y表示所述解码值，W表示权重矩阵，B表示偏置向量，表示矩阵乘。