[发明专利]用于识别果蔬的方法和装置

权利要求书

1.一种用于识别果蔬的方法，包括：

获取待识别图像；

将所述待识别图像输入预先训练的果蔬识别模型，得到第一识别结果，其中，所述第一识别结果包括所述待识别图像中存在指定的果蔬类别集合中的果蔬类别下的水果或蔬菜的概率和不存在果蔬的概率，所述果蔬识别模型用于表征图像与第一识别结果之间的对应关系；

基于所得的第一识别结果生成第二识别结果，并输出所述第二识别结果。

2.根据权利要求1所述的方法，其中，所述果蔬识别模型是通过对预设的卷积神经网络进行训练得到的，其中，所述卷积神经网络包括卷积层、池化层、全连接层和损失层，所述卷积层用于进行分组卷积。

3.根据权利要求2所述的方法，其中，所述果蔬识别模型是通过以下训练步骤训练得到的：

获取预置的样本图像集合和与所述样本图像集合中的每个样本图像对应的标签，其中，所述样本图像集合中存在显示有水果或蔬菜的样本图像；

利用机器学习方法，基于所述样本图像集合、所述样本图像集合中的每个样本图像所对应的标签、预设的分类损失函数和反向传播算法对所述卷积神经网络进行训练，得到果蔬识别模型。

4.根据权利要求1所述的方法，其中，所述基于所得的第一识别结果生成第二识别结果，包括：

确定所述待识别图像中不存在果蔬的概率是否为所得的第一识别结果中的最大概率；

若不是最大概率，则按照数值大小，从所述待识别图像中存在所述果蔬类别集合中的果蔬类别下的水果或蔬菜的概率中选取概率，并将选取出的概率和该概率所对应的果蔬类别的名称生成第二识别结果。

5.根据权利要求4所述的方法，其中，所述按照数值大小，从所述待识别图像中存在所述果蔬类别集合中的果蔬类别下的水果或蔬菜的概率中选取概率，包括：

按照数值由大到小的顺序，对所述待识别图像中存在所述果蔬类别集合中的果蔬类别下的水果或蔬菜的概率进行排序，得到概率序列；

从所述概率序列的首部开始选取预置数目个概率。

6.根据权利要求4所述的方法，其中，所述按照数值大小，从所述待识别图像中存在所述果蔬类别集合中的果蔬类别下的水果或蔬菜的概率中选取概率，还包括：

从所述待识别图像中存在所述果蔬类别集合中的果蔬类别下的水果或蔬菜的概率中选取不小于概率阈值的概率。

7.根据权利要求4所述的方法，其中，所述基于所得的第一识别结果生成第二识别结果，还包括：

若是最大概率，则生成用于指示所述待识别图像中不存在果蔬的文本信息，将所述文本信息和所述待识别图像中不存在果蔬的概率生成第二识别结果。

8.根据权利要求1所述的方法，其中，所述方法还包括：

将所述待识别图像作为新的样本图像进行存储。

9.一种用于识别果蔬的装置，包括：

获取单元，配置用于获取待识别图像；

识别单元，配置用于将所述待识别图像输入预先训练的果蔬识别模型，得到第一识别结果，其中，所述第一识别结果包括所述待识别图像中存在指定的果蔬类别集合中的果蔬类别下的水果或蔬菜的概率和不存在果蔬的概率，所述果蔬识别模型用于表征图像与第一识别结果之间的对应关系；

输出单元，配置用于基于所得的第一识别结果生成第二识别结果，并输出所述第二识别结果。

10.根据权利要求9所述的装置，其中，所述果蔬识别模型是通过对预设的卷积神经网络进行训练得到的，其中，所述卷积神经网络包括卷积层、池化层、全连接层和损失层，所述卷积层用于进行分组卷积。