[发明专利]一种餐盘计费的方法及装置

权利要求书

1.一种餐盘计费的方法，其特征在于，包括：

训练初始计费模型，得到目标计费模型，所述目标计费模型基于卷积神经网络并用于检测图片中的餐盘；

获取待检测的餐盘图片，所述餐盘图片中包括至少一个餐盘；

将所述餐盘图片输入所述目标计费模型，生成餐盘框和每个餐盘框在各个预设的餐盘类别的预测概率，其中，餐盘框的数量与餐盘的数量一致；

对于每个餐盘框，确定各个预设的餐盘类别的预测概率中概率值最大的作为餐盘类别；

根据每个餐盘框对应的餐盘类别，计算总应付费用。

2.根据权利要求1所述的方法，其特征在于，所述训练初始计费模型，得到目标计费模型包括：

获取初始数据集，所述初始数据集覆盖所有预设的餐盘类别；

标注所述初始数据集中每张餐盘图片的每个餐盘的餐盘位置和餐盘类别，得到样本集；

根据所述样本集对初始计费模型进行迭代训练；

判断初始计费模型是否达到预设收敛条件；

若是，则确定最后一次迭代得到的初始计费模型为目标计费模型；若否，则根据本次迭代训练的结果更新初始计费模型的网络参数，并根据所述样本集对初始计费模型进行下一次迭代训练。

3.根据权利要求2所述的方法，其特征在于，所述根据所述样本集对初始计费模型进行迭代训练包括：

根据所述样本集生成先验框和每个先验框在各个预设的餐盘类别的预测概率；

根据每个先验框、每个先验框在各个预设的餐盘类别的预测概率、每个餐盘的餐盘位置和每个餐盘的餐盘类别确定正样本和负样本，所述正样本为满足正样本规则的先验框，所述负样本为所述正样本以外的先验框；

根据预设选取规则去除部分所述负样本，使得正负样本的比例等于预设比例；

根据保留的所述正样本、保留的所述负样本、每个餐盘的餐盘位置和每个餐盘的餐盘类别计算总损失值，所述总损失值包括定位损失值和分类损失值。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述标注所述初始数据集中每张餐盘图片的每个餐盘的餐盘位置和餐盘类别，得到样本集之后，所述根据所述样本集对初始计费模型进行迭代训练之前，所述方法还包括：

对所述样本集进行数据增强，所述数据增强包括随机旋转、随机改变亮度、随机增加高斯噪声、随机高斯模糊中的至少一种。

5.根据权利要求4所述的方法，其特征在于，所述根据每个餐盘框对应的餐盘类别，计算总应付费用之后，所述方法还包括：

当所述总应付费用出错时，重新获取餐盘图片并重新计费。

6.一种餐盘计费的装置，其特征在于，包括：

训练单元，用于训练初始计费模型，得到目标计费模型，所述目标计费模型基于卷积神经网络并用于检测图片中的餐盘；

获取单元，用于获取待检测的餐盘图片，所述餐盘图片中包括至少一个餐盘；

生成单元，用于将所述餐盘图片输入所述目标计费模型，生成餐盘框和每个餐盘框在各个预设的餐盘类别的预测概率，其中，餐盘框的数量与餐盘的数量一致；

确定单元，用于对于每个餐盘框，确定各个预设的餐盘类别的预测概率中概率值最大的作为餐盘类别；

计算单元，用于根据每个餐盘框对应的餐盘类别，计算总应付费用。

7.根据权利要求6所述的装置，其特征在于，所述训练单元包括：

获取模块，用于获取初始数据集，所述初始数据集覆盖所有预设的餐盘类别；

标注模块，用于标注所述初始数据集中每张餐盘图片的每个餐盘的餐盘位置和餐盘类别，得到样本集；

迭代训练模块，用于根据所述样本集对初始计费模型进行迭代训练；

判断模块，用于判断初始计费模型是否达到预设收敛条件；

确定模块，用于当所述判断模块确定初始计费模型达到所述预设收敛条件时，确定最后一次迭代得到的初始计费模型为目标计费模型；

更新模块，用于当所述判断模块确定初始计费模型未达到所述预设收敛条件时，根据本次迭代训练的结果更新初始计费模型的网络参数，并根据所述样本集对初始计费模型进行下一次迭代训练。