[发明专利]一种基于单阶段目标检测算法的菜品识别方法

说明书

本发明公开一种基于单阶段目标检测算法的菜品识别方法，采集菜品图像数据，将采集的菜品特征数据进行标签检查和标注修改，生成训练数据标签文件；把训练数据标签文件传入单阶段目标检测算法进行训练，保留best权重存于后台，得到菜品特征提取的卷积神经网络模型；调用菜品特征提取的卷积神经网络模型进行特征提取，提取到的特征送到SVM的分类器模型中进行训练分类，得到分类器模型。该卷积神经网络模型用来菜品进行特征提取，进而通过SVM的分类器模型中进行训练分类，得到菜品识别结果，因单阶段目标检测没有显式给出提取候选区域的过程，将特征提取和检测合二为一，可直接得到菜品检测的结果，兼顾了识别速度快和识别精度高的优点。

技术领域

本发明涉及图像识别技术领域，具体是一种基于单阶段目标检测算法的菜品识别方法。

背景技术

随着社会的快速发展，为了体现方便快捷，现阶段大部分的餐厅都采用了自主挑选菜品，排队进行结账。由于结账分为人工计价和自动计价，随着食客人数的增多，人工计价效率低，正确率无法得到保障等缺点就会显露出来。随着人工智能以及移动端互联网的规模急速增长，人们对于“智能化”的需求越来越大，因此近年来出现了一些自动计价方法。在餐饮行业方面，当前越来越多许高校以及大型企业的食堂，引入菜品智能识别与结算设备。

现有的一种RFID餐具智能结算系统，在餐盘的底部内嵌RFID射频芯片，由智能结算台识别餐盘中的RFID芯片编号，计算出菜品的金额，该种方式需要在每个餐盘都内嵌RFID芯片，且该芯片在高温下容易损坏，制造麻烦且不利于盛装热菜，另外还需要将菜品与餐具一一对应，操作复杂。

还有一种方式是基于图像识别技术的菜品识别系统和方法，包括获取模块、图片处理模块、图片识别模块、控制模块和编码生成模块，获取模块包括拍照模块和接收模块，拍照模块用于拍摄照片进行识别，直接利用拍照功能将信息拍摄出来，接收模块用于通过网络接收传输过来的图片，然后进行识别，图片处理模块包括过滤模块、二值化与去噪处理模块和分割模块，所述过滤模块用于过滤具有非法特征的非法图片，所述二值化与去噪处理模块用于去除图片一些无用的边框和边界。该方法使用了传统的图像对比匹配技术，由于餐厅、饭堂做出来的菜品种类繁多，每次烹制完成后的色、香、味、形存在差异，所以对于菜品轮廓、特征、色彩等识别存在较大误差和不可控性，识别的准确率低、速度慢、效率低。

发明内容

本发明提供一种识别精度高，识别速度快的基于单阶段目标检测算法的菜品识别方法。

本发明所述的基于单阶段目标检测算法的菜品识别方法，包括以下步骤：

S1，采集菜品图像数据；

S2,将采集的菜品图像数据进行标签检查和标注修改，生成训练数据标签文件；

S3，把训练数据标签文件传入单阶段目标检测算法进行训练，保留best（最优的）权重存于后台，得到可识别菜品的菜品特征提取的卷积神经网络模型；

S4，调用菜品特征提取的卷积神经网络模型进行特征提取，提取到的特征送到SVM（支持向量机）的分类器模型中进行训练分类，得到分类器模型；

S5，然后即可将待识别的菜品进行识别，系统获取菜品图片后，先传入菜品特征提取的卷积神经网络模型进行特征提取，特征提取后送到我们训练好的SVM（支持向量机）分类器中进行分类，得到菜品识别结果。

所述的基于单阶段目标检测算法的菜品识别方法，将采集到的菜品图像数据利用单阶段目标检测算法训练出菜品特征提取的卷积神经网络模型，该卷积神经网络模型用来菜品进行特征提取，进而通过SVM的分类器模型中进行训练分类，得到菜品识别结果，因单阶段目标检测没有显式给出提取候选区域的过程，将特征提取和检测合二为一，可直接得到菜品检测的结果，在保证检测速度下，对菜品特征进行准确提取和智能检测，兼顾了识别速度快和识别精度高的优点。

附图说明