[发明专利]一种基于机器学习的分析图像中食物营养成分的方法

说明书

本发明公开了一种基于机器学习的分析图像中食物营养成分的方法，步骤1、获取用户上传至服务器中的食物图片信息；步骤2、将获得图片数据输入到预先训练好的食物分类模型中，由食物分类模型甄别图片；步骤3、将食物分类模型输出的结果发送至用户的手机APP中，并由用户确认是不是该类食物；步骤4、如果是该类食物，则用户进行确认并输入食物重量数据；步骤5、如果不是该类食物，用户手动输入食物种类并进行食物重量数据输入，将用户手动输入的种类以及用户上传的图片进行再次的学习；步骤6、结果最终将呈现给用户。与现有技术相比，本发明所用的图片识别网络是利用食物数据集进行专门的训练的，针对于食物图片的识别有较高的准确率。

技术领域

本发明涉及智能数据分析、机器学习、图像分析等技术领域，特别是一种基于机器学习的图像中食物营养成分的方法。

背景技术

营养的均衡是现代社会人们对于生活品质的追求。人们的工作和生活所需的能量来自于食物。而合理的搭配饮食有助于满足日常人们身体对于不同种类营养元素的需求，保持自身的健康状态，还能减少多种疾病尤其是慢性疾病的发生概率。然而日常人们对于食物所含的营养元素的种类及多少只有一个模糊的概念，各类营养元素摄入量的多少将直接影响我们的身体状况，明确食物中营养元素含量的多少成为一个必然需求。

现在的营养分析的APP大多需要自己手动输入所吃的食物的种类，而有些食物在不同的地域又有着不同的名字，这加大了人们对于自己吃的食物种类名称的判断难度，从而影响到人们对与营养的摄入情况的判断。

随着机器学习的成熟，图片识别的技术实现也更加准确、高效以及便捷。

针对目前的食物的营养分析存在的不足以及机器学习方面算法的成熟，帮助人们快捷准确的识别自己日常营养摄入是否合格，是本发明亟待解决的技术问题。

发明内容

基于以上现状，本发明提出了一种基于机器学习的分析图像中食物营养成分的方法，借助于机器识别中图像识别方面的算法，训练了一个针对于食物图像识别的分类算法，实现图像中食物营养成分的分析。

本发明的一种基于机器学习的分析图像中食物营养成分的方法，该方法具体包括以下步骤：

步骤1、用户通过自主开发APP上传食物图片，APP后台获取用户上传至服务器中的食物图片信息；

在服务器上在利用ResNet50网络的预训练模型，采取迁移学习的方式训练得到食物分类模型，之后将获得图片数据输入到预先训练好的食物分类模型中，由食物分类模型甄别图片，分析图片中是哪种食物；

步骤3、将食物分类模型输出的结果发送至用户的手机APP中，并由用户确认是不是该类食物；

步骤4、如果是该类食物，则用户进行确认并输入食物重量数据；

步骤5、如果不是该类食物，用户需要手动输入食物种类并进行食物重量数据输入，食物分类模型甄别将用户手动输入的种类以及用户上传的图片进行再次的学习；

步骤6、检索数据库中的该类食物的营养元素含量并根据食物重量进行计算，结果最终将呈现给用户。

与现有技术相比，本发明具有以下积极效果：

(1)所用的图片识别网络是利用食物数据集进行专门的训练的，针对于食物图片的识别有较高的准确率；

(2)通过用户对判断错误的食物种类提供的新标签进行新的学习，从而实现模型的完善；

(3)基于自己的食物营养素数据库，并与多家医疗机构有相关的合作，保障了本发明的准确性。

附图说明

图1为本发明基于机器学习的分析图像中食物营养成分的方法流程图。

具体实施方式