[发明专利]一种食物成分识别方法

权利要求书

1.一种食物成分识别方法，其特征在于，包括以下步骤：

1)在开源食物图像数据集上收集图像，并在网络上爬取额外部分的食物作为对开源食物图像数据集的补充，得到初始数据集S0，包括食物名称和对应的食物图像；

2)对初始数据集S0中的食物图像进行处理，得到数据集S1；所述处理为：采用BayesianMatting的方法，将食物主体从原图像中剥离出来，在将背景填充白色后，获得新的保留食物主体的图像；

所述步骤2)中对图像使用Bayesian Matting将食物主体从原图像中剥离出来的过程如下：

确定前景F的位置并赋予透明度值α；透明度值α取像素点(x,y)附近N个窗口α的均值，前景像素值f_pixels取像素点(x,y)附近N个窗口前景的均值，前景像素权重f_weights等于α²乘以高斯权重Gaussian Weights后扁平化的结果；

3)对数据集S1，以食物主体为中心，先裁剪成128*128大小的图像，然后经过旋转、翻转、缩放、裁切操作中的一种或多种，完成数据集S1的扩充，得到最终的数据库S2；

4)对数据库S2，以训练集80％，测试集20％的比例划分，建立卷积神经网络，训练得到最终的深度学习模型；

所述卷积神经网络包括卷积层和间隔卷积层；

所述卷积神经网络具体如下：

第一层为卷积层Conv Layer，核大小为5*5，步长为1，具有16个通道，激活函数为ReLU；

第二层为卷积层Conv Layer，核大小为5*5，步长为1，具有16个通道，激活函数为ReLU；

第三层为间隔卷积层Gap Conv Layer，核大小为1*1，步长为2，具有32个通道，激活函数为ReLU；

第四层为卷积层Conv Layer，核大小为5*5，步长为1，具有32个通道，激活函数为ReLU；

第五层为卷积层Conv Layer，核大小为5*5，步长为1，具有32个通道，激活函数为ReLU；

第六层为间隔卷积层Gap Conv Layer，核大小为1*1，步长为2，具有64个通道，激活函数为ReLU；

第七层为卷积层Conv Layer，核大小为3*3，步长为1，具有64个通道，激活函数为ReLU；

第八层为池化层Pooling Layer，采用Average Pooling，过滤器大小为2*2，步长为2，具有128个通道，激活函数为ReLU；

第九层为卷积层Conv Layer，核大小为3*3，步长为1，具有128个通道，激活函数为ReLU；

第十层为卷积层Conv Layer，核大小为3*3，步长为1，具有128个通道，激活函数为ReLU；

第十一层为池化层Pooling Layer，采用Average Pooling，过滤器大小为3*3，步长为3，具有128个通道，激活函数为ReLU；

5)采用步骤4)中的模型进行食物名称识别，根据识别结果确定食物成分。

2.根据权利要求1所述的食物成分识别方法，其特征在于，所述卷积神经网络中间隔卷积层的核大小为1*1，步长为2。