[发明专利]食材识别方法、识别装置及家电设备

说明书

本发明公开了一种食材识别方法、识别装置及家电设备，所述识别方法包括基于深度学习训练模型识别食材的过程，所述深度学习训练模型采用下述方法获得：根据第一食材训练样本集对深度学习网络进行全层训练，获得基于所述第一食材训练样本集的深度学习基本模型；根据第二食材训练样本集对所述深度学习基本模型中的隐含层的参数进行调整，训练所述深度学习基本模型，获得基于所述第一食材训练样本集和所述第二食材训练样本集的深度学习训练模型。应用本发明，通过调整用于识别食材的深度学习训练模型的训练过程，提高了训练模型的训练速度和识别精度，进而提高了食材识别准确率。

技术领域

本发明属于家用电器控制技术领域，具体地说，是涉及食材识别方法、识别装置及家电设备。

背景技术

随着科学技术的进步和人工智能的快速发展，深度学习算法也越来越多的运用到日常生活中，特别是对于存放食材的家电设备、如冰箱而言，作为厨房使用频率较高的家用电器，其智能化发展是至关重要的，而智能化的最关键问题，就在于对所储存的食材进行自动识别。

公开号为CN107024073A的中国专利申请公开了一种基于深度学习的多传感器智能冰箱控制方法和智能冰箱，并具体公开了：获取向冰箱储藏室内放置食材前一图像与放置食材后的第二图像，基于所述第一图像和第二图像采用视觉检测方法获取待测食材图像，采用预训练好的第一卷积神经网络模型对上述待测食材图像进行识别，得到冰箱储藏室内的待测食材种类。其中，第一卷积神经网络是预训练好的，且并非一成不变，可以在使用过程中重新训练，调整参数。

传统的基于深度学习的神经网络模型的训练，需要使用大量的食材训练样本、花费大量的时间来进行神经网络全层的训练，才能保证所训练出的网络模型的识别精度。但是，对于食材、尤其是新增食材，可供作为训练样本的食材图像较少，采用新增食材训练样本进行网络全层的训练，所得到的网络模型对训练样本数量较少的新增食材的识别精度低，因此，导致食材识别率差，影响了基于食材识别所实现的家电设备智能化控制。

发明内容

本发明的目的在于提供一种食材识别方法和食材识别装置，通过调整用于识别食材的深度学习训练模型的训练过程，提高了训练模型的训练速度和识别精度，进而提高了食材识别准确率。

为实现上述发明目的，本发明提供的食材识别方法采用下述技术方案予以实现：

一种食材识别方法，包括基于深度学习训练模型识别食材的过程，其特征在于，所述深度学习训练模型采用下述方法获得：

根据第一食材训练样本集对深度学习网络进行全层训练，获得基于所述第一食材训练样本集的深度学习基本模型；所述深度学习网络具有输入层、若干层隐含层和输出层；

根据第二食材训练样本集对所述深度学习基本模型中的隐含层的参数进行调整，训练所述深度学习基本模型，获得基于所述第一食材训练样本集和所述第二食材训练样本集的深度学习训练模型。

如上所述的方法，所述根据第二食材训练样本集对所述深度学习基本模型中的隐含层的参数进行调整，训练所述深度学习基本模型，具体包括：

根据所述第二食材训练样本集对所述深度学习基本模型中的一层隐含层的参数进行调整，输入层、输出层及其余隐含层的参数保持不变，训练所述深度学习基本模型。

如上所述的方法，所述隐含层的层数不少于3层，根据所述第二食材训练样本集对所述深度学习基本模型中的第二层隐含层的参数进行调整。

如上所述的方法，所述第一食材训练样本集中的样本数量远大于所述第二食材训练样本集中的样本数量。

如上所述的方法，所述第一食材训练样本集或所述第二食材训练样本集采用下述过程确定：