一种冰箱的食材确定方法和系统技术方案

本申请提出一种冰箱的食材确定方法和系统，涉及厨房图像识别技术领域，包括：获取存储腔内的食材图片；根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。

【技术实现步骤摘要】
一种冰箱的食材确定方法和系统
本专利技术涉及厨房图像识别
，具体涉及一种冰箱的食材确定方法和系统。
技术介绍
目前图像识别技术的一个研究方向是神经网络的深度学习算法，通过前期照片训练识别模型参数，应用时，输入拍摄的照片得到识别结果；以往在冰箱上进行食材识别的实际应用时，存在一个问题：需要根据确定的冰箱机型内部构造进行取图训练；例如：在A型冰箱内进行取图训练后，食材放入A冰箱内进行图像识别可达到90%以上的识别率，而将相同的识别模型参数用于B型冰箱，食材放入B冰箱的识别率可能只有70-80%；如想要在B冰箱也达到90%以上的识别率，需要重新在B型冰箱内进行食材数据库的取图并训练，得到适用于B冰箱的食材模型参数。导致此问题的原因主要如下：1.图像畸变；摄像头拍摄的图片会存在一定的畸变效应，视角越大的摄像头拍摄的图片畸变越严重；不同冰箱内摄像头的不同安装方式，导致食材的畸变不同；而且同一冰箱内的不同位置，图片发生的畸变也会不同，为了适应不同位置的畸变，模型参数需要有一定的差异容许性，因而模型参数不会限制的很严密，相对而言会导致误识别率增大；例如：使用冰箱中摄像头拍摄标准黑白方正间隔，拍摄得到的图片中各正方形的黑白框有不同程度的畸变。2.冰箱内部结构差异；拍摄食材进行识别时，会拍摄到冰箱内部腔体的状况，在单台冰箱取图量有限的情况下，进行食材模型训练时，识别算法并不能完全将食材与冰箱背景进行完全区分，而将冰箱结构融为食材特征的一部分保存到了食材模型数据中；使用得到的食材图片在画框取图时，图片边缘的搁架、侧壁等也在框内，在同一冰箱相似的背景下取图，食材本体与边缘背景融为一体，食材模型参数中未完全剔除边缘背景；不同的冰箱，背景存在差异，会导致识别率有所下降。因此，每推出一款冰箱时，为了达到良好的食材识别效果，需要重复进行各食材的取图训练，增加了很大的工作量和适应开发周期，上市初期用户体验不够好。
技术实现思路
本专利技术提供一种冰箱的食材确定方法和系统，可以使得各种冰箱共用食材标准模型参数，提高食材识别率。为了实现上述专利技术目的，本专利技术采取的技术方案如下：一种冰箱的食材确定方法，包括：获取存储腔内的食材图片；根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。优选地，获取预设的畸变参数包括：获取冰箱代码；基于预先建立的冰箱代码与畸变参数的对应关系确定畸变参数。优选地，所述预设的畸变参数存储于冰箱本机的存储器，所述根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片步骤包括：在冰箱本机上进行校正以得到所述食材的无畸变图片并向云端服务器发送所述无畸变图片。优选地，所述冰箱本机上设有预先建立的食材标准模型，所述根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类步骤包括：所述冰箱根据所述食材标准模型对所述无畸变图片进行图像识别确定并返回的食材种类。优选地，所述预设的畸变参数存储在云端服务器上，所述根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片步骤包括：向所述云端服务器发送所述食材图片进行校正以得到所述食材的无畸变图片。优选地，云端服务器设有所述预先建立的食材标准模型，所述根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类步骤包括：所述冰箱接收云服务器根据所述食材标准模型对所述无畸变图片进行图像识别确定并返回的食材种类。优选地，确定所述食材的种类之后还包括：存储所述食材的无畸变图片为标准食材素材图片并进行食材标准模型的图像识别训练。为解决上述技术问题，本专利技术实施例还提供一种冰箱食材确定系统，包括云端服务器和安装在冰箱存储腔内的图像采集装置，所述图像采集装置用于获取存储腔内的食材图片；所述冰箱根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片并向云端服务器发送，或者，所述冰箱将所述食材图片向云端服务器发送，所述云端服务器根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；所述云端服务器根据预先建立的食材标准模型对所述无畸变图片进行图像识别确定并向冰箱返回所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。优选地，所述云端服务器存储所述食材的无畸变图片为标准食材素材图片并进行食材标准模型的图像识别训练。优选地，所述冰箱向云端发送所述食材图片及冰箱代码，所述云端服务器根据与所述冰箱代码相对应的预设畸变参数对所述食材图片进行校正以得到所述食材的物畸变图片。本专利技术和现有技术相比，具有如下有益效果：本专利技术提供的技术方案中，各种机型的冰箱使用相同的标准食材素材图片，并且根据新拍摄的图片不断更新、完善标准食材素材图片，达到更精准的识别效果，并且不同的冰箱使用相同的标准食材素材图片，方便对于食材素材的管理。使用标准食材素材图片，识别时不需兼容冰箱不同地方的畸变状况，识别时有效将食材与冰箱背景区分，排除了冰箱结构对识别准确率的影响。对于新开发的冰箱，可以沿用以往储备的食材素材图片，不需重新训练开发。附图说明图1为本专利技术实施例的冰箱的食材确定方法的流程图；图2为本专利技术实施例的冰箱的食材确定装置的结构示意图；图3为本专利技术实施例的冰箱的食材确定系统的结构示意图。具体实施方式为使本专利技术的专利技术目的、技术方案和有益效果更加清楚明了，下面结合附图对本专利技术的实施例进行说明，需要说明的是，在不冲突的情况下，本申请中的实施例和实施例中的特征可以相互任意组合。实施例一本实施例结合图1说明在冰箱侧执行食材确定方法的流程，包括：S101、获取存储腔内的食材图片；S102、根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；S103、根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。具体的，所述标准食材素材图片可以是从多种不同型号的冰箱获取的。本专利技术实施例在用户摆放食材后，冰箱内的摄像头等图像采集装置拍摄食材图片，保存至冰箱本机的存储器，冰箱本机根据其预设的畸变参数对获得的食材图片进行校正和识别，而且使用食材标准模型进行识别，识别时不需兼容冰箱不同地方的畸变状况，有利于提高识别效果。具体的，在其识别过程中使用的是标准食材素材图片，识别时不需兼容冰箱不同地方的畸变状况，识别时有效将食材与冰箱背景区分，排除了冰箱结构对识别准确率的影响，使不同型号的冰箱使用相同的标准食材素材图片，方便对于食材素材的管理。而且，在新开发冰箱过程中，只要在完成内腔结构设计及摄像头的选型安装后，只需进行畸变参数测定即可，无需对其进行重复取图进行训练，大大减少了学习训练的工作量，可以大大加快新品开发的进度。进一步的，获取畸变参数的步骤包括：获取冰箱代码；基于预先建立的冰箱代码与畸变参数的对应关系确定畸变参数。具体的，所述冰箱代码可以是冰箱的型号，所述畸变参数可以是冰箱生产厂家根据不同的冰箱型号测定，然后由生产厂家设置存储至冰箱本机，因此建立冰箱代码和根据其测定的畸变参数的对应关系来确定本次校正本文档来自技高网...

【技术保护点】
1.一种冰箱的食材确定方法，其特征在于：包括：获取存储腔内的食材图片；根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。

【技术特征摘要】
1.一种冰箱的食材确定方法，其特征在于：包括：获取存储腔内的食材图片；根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。2.如权利要求1所述冰箱的食材确定方法，其特征在于，获取预设的畸变参数包括：获取冰箱代码；基于预先建立的冰箱代码与畸变参数的对应关系确定畸变参数。3.如权利要求1或2所述冰箱的食材确定方法，其特征在于，所述预设的畸变参数存储于冰箱本机的存储器，所述根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片步骤包括：在冰箱本机上进行校正以得到所述食材的无畸变图片并向云端服务器发送所述无畸变图片。4.如权利要求3所述冰箱的食材确定方法，其特征在于，所述冰箱本机上设有预先建立的食材标准模型，所述根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类步骤包括：所述冰箱根据所述食材标准模型对所述无畸变图片进行图像识别确定并返回的食材种类。5.如权利要求1或2所述冰箱的食材确定方法，其特征在于，所述预设的畸变参数存储在云端服务器上，所述根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片步骤包括：向所述云端服务器发送所述食材图片进行校正以得到所述食材的无畸变图片。6.如权利要求5所述冰箱的食材确定方法，其特征在于，云...

【专利技术属性】
技术研发人员：朱泽春，江利腾，魏乃科，朱广，
申请(专利权)人：九阳股份有限公司，
类型：发明
国别省市：山东,37