[发明专利]基于人工智能的医用食物含水量测量系统

说明书

公开了一种基于人工智能的医用食物含水量测量系统。其首先对获取的由摄像头采集的医用食物图像进行图像去噪以得到去噪后医用食物图像，接着，将所述去噪后医用食物图像通过第一卷积神经网络模型以得到食物浅层特征图，然后，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，接着，将所述空间聚焦食物浅层特征图输第二卷积神经网络模型以得到食物深层特征图，然后，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，最后，对所述解码特征图进行特征去冗余处理后通过解码器进行解码回归以得到用于表示医用食物的含水量的解码值。这样，可以便捷的测量固体类医用食物的含水量。

技术领域

本申请涉及智能测量领域，且更为具体地，涉及一种基于人工智能的医用食物含水量测量系统。

背景技术

在心血管内科的工作中，针对心衰患者，需要管理其液体摄入量和总体容量，包括记录他们的饮食和排泄情况等。

对于液体饮食的含水量很容易评估与度量，但是对于固体食物，例如，一碗米饭、一个馒头或者菜肴，很难准确估算它们的含水量。这会导致对于心衰患者的液体摄入量和总体容量的记录存在明显缺陷，也使得数据记录的完整度不够。

因此，期待一种医用食物含水量测量方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于人工智能的医用食物含水量测量系统。其首先对获取的由摄像头采集的医用食物图像进行图像去噪以得到去噪后医用食物图像，接着，将所述去噪后医用食物图像通过第一卷积神经网络模型以得到食物浅层特征图，然后，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，接着，将所述空间聚焦食物浅层特征图输第二卷积神经网络模型以得到食物深层特征图，然后，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，最后，对所述解码特征图进行特征去冗余处理后通过解码器进行解码回归以得到用于表示医用食物的含水量的解码值。这样，可以便捷的测量固体类医用食物的含水量。

根据本申请的一个方面，提供了一种基于人工智能的医用食物含水量测量系统，其包括：

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。

在上述的基于人工智能的医用食物含水量测量系统中，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。

在上述的基于人工智能的医用食物含水量测量系统中，所述浅层特征空间强化模块，包括：