[发明专利]一种基于卷积神经网络的食物识别智能烹饪控制方法

权利要求书

1.一种基于卷积神经网络的食物识别智能烹饪控制方法，其特征在于，包括以下步骤：

S1、建立用于存储食物的原始特征图与食物类别之间的对应关系的ZFnet网络模型，以及，用于存储食物类别与烹饪温度和出风量之间的对应关系的烹饪参数数据库；

S2、采集烹饪器具内食物的实际图像，将所述实际图像输入ZFnet网络模型进行特征提取，得到该食物的实际特征图；

S3、基于Fast R-CNN检测技术对该食物的实际特征图与ZFnet网络模型中的食物的原始特征图进行比较分析，得到该食物所属的食物类别；

S4、基于该食物所属的食物类别在烹饪参数数据库内查找对应的烹饪温度和出风量，并基于所述烹饪温度调节灶具温度、所述出风量调节油烟机出风量。

2.根据权利要求1所述的基于卷积神经网络的食物识别智能烹饪控制方法，其特征在于，步骤S1中，所述ZFnet网络模型包括5层卷积层网络、2层全连接层网络、1层softmax分类层网络。

3.根据权利要求2所述的基于卷积神经网络的食物识别智能烹饪控制方法，其特征在于，步骤S2具体包括：

采集烹饪器具内食物的图像；

利用selective search算法在所述烹饪器具内食物的图像中从上至下提取2000个建议窗口；

将所述烹饪器具内食物的图像输入ZFnet网络模型内，将所述2000个建议窗口映射到ZFnet网络模型的最后一层卷积层网络上；

通过ROI pooling层使每个建议窗口生成预设尺寸的feature map，并将其作为实际特征图。

4.根据权利要求3所述的基于卷积神经网络的食物识别智能烹饪控制方法，其特征在于，步骤S3具体包括：

利用Softmax Loss对所述烹饪器具内食物的实际特征图进行训练，将该实际特征图与ZFnet网络模型中的食物的原始特征图进行匹配度概率分析，挑选出匹配度概率最大的原始特征图；

将上述匹配度概率最大的原始特征图对应的食物种类标定为所述烹饪器具内食物所属的食物类别。

5.根据权利要求1所述的一种基于卷积神经网络的食物识别智能烹饪控制方法，其特征在于，步骤S4中，所述基于所述烹饪温度调节灶具温度具体包括：

通过调节灶具火力大小和/或灶具工作功率大小来响应调节灶具温度的操作。

6.根据权利要求1所述的一种基于卷积神经网络的食物识别智能烹饪控制方法，其特征在于，步骤S4中，所述基于所述出风量调节油烟机出风量具体包括：

通过切换油烟机的不同档位来响应调节油烟机出风量的操作。