[发明专利]冰箱的食物识别方法、装置及冰箱

说明书

技术领域

本发明涉及家用电器技术领域，特别涉及一种冰箱的食物识别方法、一种冰箱的食物识别装置和一种冰箱。

背景技术

随着人工智能技术的发展，尤其是深度学习方法的出现，使图像识别开始具有实用化的价值。然而在冰箱的食物识别方面，由于识别算法复杂，通常在云端进行识别，而后再将识别结果返回本地，但是这种方式由于网络延时等问题，可能无法满足实时性要求。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种冰箱的食物识别方法，能够通过冰箱内置的图像识别协处理器对采集到的食物图像进行识别分类以获得食物的识别结果，从而无需在云端进行识别，避免了因网络延时而带来的问题，提高了用户体验。

本发明的第二个目的在于提出一种冰箱的食物识别装置。

本发明的第三个目的在于提出一种冰箱。

为达到上述目的，本发明第一方面实施例提出了一种冰箱的食物识别方法，所述冰箱包括图像识别协处理器，所述食物识别方法包括以下步骤：采集食物图像；通过所述图像识别协处理器对所述食物图像进行卷积处理以提取所述食物图像的特征图像，并对所述特征图像进行池化处理，以及根据预设的神经网络模型对池化处理后的结果进行识别分类以获取食物的识别结果。

根据本发明实施例的冰箱的食物识别方法，首先采集食物图像，然后通过图像识别协处理器对食物图像进行卷积处理以提取食物图像的特征图像，并对特征图像进行池化处理，以及根据预设的神经网络模型对池化处理后的结果进行识别分类以获取食物的识别结果。由此，该方法能够通过冰箱内置的图像识别协处理器对采集到的食物图像进行识别分类以获得食物的识别结果，从而无需在云端进行识别，避免了因网络延时而带来的问题，提高了用户体验。

另外，根据本发明上述实施例提出的冰箱的食物识别方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，通过高清摄像头或红外摄像头采集食物图像。

在本发明的一个实施例中，所述识别结果包括食物的种类和对应的位置信息。

在本发明的一个实施例中，所述预设的神经网络模型为经过训练的神经网络模型。

在本发明的一个实施例中，在采集食物图像之前，还包括：连接服务器，并通过所述服务器检测所述预设的神经网络模型是否有更新；如果所述预设的神经网络模型有更新，则通过所述服务器下载最新的神经网络模型，以对所述预设的神经网络模型进行更新。

为达到上述目的，本发明第二方面实施例提出了一种冰箱的食物识别装置，所述冰箱包括图像识别协处理器，所述食物识别装置包括：图像采集模块，所述图像采集模块用于采集食物图像；图像识别模块，所述图像识别模块用于通过所述图像识别协处理器对所述食物图像进行卷积处理以提取所述食物图像的特征图像，并对所述特征图像进行池化处理，以及根据预设的神经网络模型对池化处理后的结果进行识别分类以获取食物的识别结果。

本发明实施例的冰箱的食物识别装置，通过图像采集模块采集食物图像，且使图像识别模块通过图像识别协处理器对食物图像进行卷积处理以提取食物图像的特征图像，并对特征图像进行池化处理，以及根据预设的神经网络模型对池化处理后的结果进行识别分类以获取食物的识别结果。由此，该装置能够通过冰箱内置的图像识别协处理器对采集到的食物图像进行识别分类以获得食物的识别结果，从而无需在云端进行识别，避免了因网络延时而带来的问题，提高了用户体验。

另外，根据本发明上述实施例提出的冰箱的食物识别装置还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述图像采集模块通过高清摄像头或红外摄像头采集食物图像。

在本发明的一个实施例中，所述识别结果包括食物的种类和对应的位置信息。

在本发明的一个实施例中，所述预设的神经网络模型为经过训练的神经网络模型。

在本发明的一个实施例中，所述图像采集模块，还用于：在采集食物图像之前，连接服务器，并通过所述服务器检测所述预设的神经网络模型是否有更新；如果所述预设的神经网络模型有更新，则通过所述服务器下载最新的神经网络模型，以对所述预设的神经网络模型进行更新。

为了实现上述目的，本发明第三方面实施例提出的一种冰箱包括：本发明第二方面实施例的冰箱的食物识别装置。