[发明专利]识别食物种类的方法、系统及装置、冰箱

说明书

本申请公开了一种识别食物种类的方法、系统及装置、冰箱。其中，该方法包括：获取食物的图像信息；基于深度神经网络的分类器分析所述食物的图像信息，确定所述图像信息的预测类别；在所述预测类别满足预定条件的情况下，基于深度神经网络模型学习所述信息，识别出所述食物的种类。本申请解决了通过在食品上贴上标签来区分食物，导致识别过程复杂，用户体验较差的技术问题。

技术领域

本申请涉及智能家电领域，具体而言，涉及一种识别食物种类的方法、系统及装置、冰箱。

背景技术

目前，对冰箱内食物新鲜度的管理、判断食品是否过期等，都依赖用户对冰箱内食物类型的识别；现有技术中，用户在对冰箱内的食品进行识别时，主要通过人眼识别食品类型的方式实现，该种识别方法需要用户自身的参与，浪费用户的时间较多，操作比较复杂，用户体验较差。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种识别食物种类的方法、系统及装置、冰箱，以至少解决通过在食品上贴上标签来区分食物，导致识别过程复杂，用户体验较差的技术问题。

根据本申请实施例的一个方面，提供了一种识别食物种类的方法，包括：获取食物的图像信息；基于深度神经网络的分类器分析食物的图像信息，确定图像信息的预测类别；在预测类别满足预定条件的情况下，基于深度神经网络模型分析信息，识别出食物的种类。

可选地，在基于深度神经网络的分类器分析食物的图像信息，确定图像信息的预测类别之前，方法还包括：利用预设的反交叉熵训练方法训练深度神经网络模型，获得深度神经网络的分类器。

可选地，利用预设的反交叉熵训练方法训练深度神经网络模型，获得深度神经网络的分类器，包括：将样本训练集合输入到深度神经网络中，将反交叉熵作为网络参数的目标函数，并通过最小化平均反交叉熵对深度神经网络进行训练；将训练后的深度神经网络中的输出层的输入取反，将取反后输出层的输出作为深度神经网络的分类器。

可选地，基于深度神经网络的分类器分析食物的图像信息，确定图像信息的预测类别，包括：将食物的图像信息输入深度神经网络的分类器，利用预设的联合分数阈值输出方法，计算图像信息的预测类别。

可选地，将食物的图像信息输入深度神经网络的分类器，利用预设的联合分数阈值输出方法，计算图像信息的预测类别，包括：将食物的图像信息输入深度神经网络的分类器；计算得到深度神经网络的分类器在图像信息上的预测类别。

可选地，在计算得到深度神经网络的分类器在图像信息上的预测类别之后，方法还包括：计算得到预测类别的联合分数，该步骤包括：获取深度神经网络的分类器在图像信息上的非最大元素熵、预测类别和预测类别的置信度；根据非最大元素熵，获取深度神经网络的分类器在图像信息上的高斯核非最大元素熵；根据高斯核非最大元素熵和预测类别的置信度，获取预测类别的联合分数。

可选地，在根据高斯核非最大元素熵和预测类别的置信度，获取预测类别的联合分数之后，方法还包括：判断预测类型的联合分数是否小于等于预设阀值；如果联合分数大于预设阈值，确定图像信息为正常样本，其中，如果图像信息为正常样本，则确定预测类型满足预定条件，输出并返回预测类别。

可选地，如果联合分数小于等于预设阈值，则确定图像信息为对抗样本，其中，如果图像信息为对抗样本，则确定预测类别不满足预定条件，禁止返回预测类别。

可选地，在获取食物的图像信息之后，方法还包括：识别采集到的图像信息；如果图像信息中包含有文字信息，识别文字信息，并基于识别到的文字信息确定食品的种类；如果图像信息中不包含文字信息，或者识别文字信息失败，则执行基于深度神经网络的分类器分析食物的图像信息，确定图像信息的预测类别的步骤。