[发明专利]一种餐盘计费的方法及装置

说明书

本申请实施例公开了一种餐盘计费的方法及装置，可以减少食堂或餐饮店人工计费的情况。本申请实施例方法包括：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。

技术领域

本申请实施例涉及深度学习技术领域，尤其涉及一种餐盘计费的方法及装置。

背景技术

随着社会的不断发展，为了方便就餐，许多人选择在食堂或者餐饮店就餐。

现有技术中，通常是用户自由取餐并排队进行费用结算，由食堂人工完成计费。然而，依靠人工计算顾客的用餐费用，需要耗费大量的人力成本。

发明内容

本申请实施例提供了一种餐盘计费的方法及装置，可以节约人力成本。

本申请实施例第一方面提供了一种餐盘计费的方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，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：