一种菜品识别方法及系统技术方案

本发明专利技术公开了一种菜品识别方法及系统，该方法包括步骤：S11.获取待识别的菜品图片；S12.将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征；S13.将所述待识别菜品的多个成分特征输入预先训练的单标签分类器得到所述待识别菜品的具体菜名。本发明专利技术对待识别的菜品图片先通过预先训练的多标签分类器可以得到待识别菜品中的食材特征与做法特征，然后通过预先训练的单标签分类器进一步提取食材特征与做法特征相互联系得到所述待识别菜品的具体菜名，使得菜品识别模型更加符合人类的思维方式，提高了菜品识别当中可以获取的信息量以及菜品的识别准确率。

A Method and System of Vegetable Recognition

The invention discloses a dish identification method and system, which comprises steps: S11. Obtaining dish pictures to be recognized; S12. Inputting the dish pictures to be recognized into a pre-trained multi-label classifier to obtain the multi-component features of the dish to be recognized; S13. Inputting the multi-component features of the dish to be recognized into a pre-trained single-label classifier to obtain the dish to be recognized. Specific name of other dishes. The method first obtains the food characteristics and practice features in the dishes to be identified by the pre-trained multi-label classifier, and then further extracts the food characteristics and practice features through the pre-trained single-label classifier to get the specific dish names of the dishes to be identified, which makes the dish recognition model more in line with human thinking mode. It improves the quantity of information that can be obtained and the recognition accuracy of dishes.

【技术实现步骤摘要】
一种菜品识别方法及系统
本专利技术涉及图像处理
，尤其涉及一种菜品识别方法及系统。
技术介绍
菜品，是指各类品种的菜，例如剁椒鱼头、青椒炒肉、白菜炒木耳等等。随着菜品品种的不断增多，人们通过肉眼通常只能辨别出少数品种的菜品。因此，帮助用户进行菜品识别成为了一种需求。而且，菜品识别还可以应用到多种不同的应用场景，例如餐饮店铺的结账流程、智能餐盘对菜品的语音介绍、智能冰箱针对存放的不同菜品的监控等等。菜品识别是一个分类的问题，而从目前的方案来看，处理分类问题的时候，解决的通常思路都是通过直接单标签标记进行单标签分类或者直接多标签进行标记进行多标签分类的方式，而对于直接进行单标签标记的方式是采取直接一对一标记的形式进行，无法获取多个类别进行多标签标记后的内在联系，在菜品识别中就无法获取食材与做法之间的内在联系，这就无法确保菜品是被的准确率，而对于直接多标签进行标记进行多标签分类时模型对于目标检测是的位置标定需要一定的性能消耗，而且也是直接获取多个标签，无法获取多个标签之间的内在联系。公开号为CN106845527A的专利公开了一种菜品识别方法，包括以下步骤：1)获得web请求，服务器相应web请求，获取相应图像；2)保存图像，获取输入数据流，生成图像文件名并保存至磁盘；3)图像预处理，对输入的图像进行尺寸调整和归一化；4)使用预先训练的卷积神经网络进行处理，对图像上的物体进行检测及分类，如果没有检测到菜品则结束，如果检测到菜品，则结合分类结果，输出相应菜品信息。该方法虽然可以对菜品进行识别，但是该方法还是采用单标签标记进行单标签分类的方法实现菜品的识别，无法获取菜品中食材与做法之间的内在联系，因此，该方法还是无法确保菜品识别的准确率。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供了一种菜品识别方法及系统，利用多标签标记然后进行单标签分类来解决菜品识别问题，可以结合菜品中食材与做法的特征与相互联系，大大增强菜品识别的准确率。为了实现以上目的，本专利技术采用以下技术方案：一种菜品识别方法，包括步骤：S1.获取待识别的菜品图片；S2.将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征；S3.将所述待识别菜品的多个成分特征输入预先训练的单标签分类器得到所述待识别菜品的具体菜名。进一步的，所述多标签分类器采用mobilenetv2分类算法；所述单标签分类器采用svm分类算法。进一步的，所述待识别菜品的多个成分特征包括所述待识别菜品的食材特征和做法特征。进一步的，所述单标签分类器是通过所述待识别菜品的具体食材特征和做法特征之间的相互联系得到所述待识别菜品的具体菜名。进一步的，所述步骤S1之后步骤S2之前还包括步骤：对所述待识别的菜品图片进行图像预处理。相应的，还提供一种菜品识别系统，包括：获取模块，用于获取待识别的菜品图片；第一分类模块，用于将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征；第二分类模块，用于将所述待识别菜品的多个成分特征输入预先训练的单标签分类器得到所述待识别菜品的具体菜名。进一步的，所述多标签分类器采用mobilenetv2分类算法；所述单标签分类器采用svm分类算法。进一步的，所述待识别菜品的多个成分特征包括所述待识别菜品的食材特征和做法特征。进一步的，所述单标签分类器是通过所述待识别菜品的具体食材特征和做法特征之间的相互联系得到所述待识别菜品的具体菜名。进一步的，还包括：预处理模块，用于对所述待识别的菜品图片进行图像预处理。与现有技术相比，本专利技术对待识别的菜品图片先通过预先训练的多标签分类器可以得到待识别菜品中的食材特征与做法特征，然后通过预先训练的单标签分类器进一步提取食材特征与做法特征相互联系得到所述待识别菜品的具体菜名，使得菜品识别模型更加符合人类的思维方式，提高了菜品识别当中可以获取的信息量以及菜品的识别准确率。附图说明图1是实施例一提供的一种菜品识别方法流程图；图2是本专利技术mobilenetv2分类器的输出示意图；图3是本专利技术提供的一张待识别的菜品图片；图4是实施例一提供的一种菜品识别系统结构图；图5是实施例二提供的一种菜品识别方法流程图；图6是实施例二提供的一种菜品识别系统结构图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。本专利技术是以菜品识别为研究对象，主要的着力点在于改善菜品识别的方法，提供了一种菜品识别方法及系统，利用多标签标记然后进行单标签分类来解决菜品识别问题，可以结合菜品中食材与做法的特征与相互联系，大大增强菜品识别的准确率。实施例一本实施例提供一种菜品识别方法，如图1所示，包括步骤：S11.获取待识别的菜品图片；S12.将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征；S13.将所述待识别菜品的多个成分特征输入预先训练的单标签分类器得到所述待识别菜品的具体菜名。本实施例的提升多标签分类正确率的方法的执行主体为计算机，所述步骤S11至步骤S13都是计算机中的算法实现软件来完成。所述的算法实现软件为MATLAB。首先，计算机获取待识别的菜品图片，首先将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征。具体的，所述多标签分类器采用mobilenetv2分类算法。具体的，所述待识别菜品的多个成分特征包括所述待识别菜品的食材特征和做法特征。需要说明的是，所述的多标签分类器是通过预先训练样本集得到的，所述的多标签分类器采用的是mobilenetv2分类算法，mobilenetv2是一种轻量化卷积神经网络，该卷积神经网络例如可以包括卷积层、池化层、全连接层和损失层。其中，卷积层可以用于提取图像特征，池化层可以用于对输入的信息进行降采样(downsample)。此外，该卷积神经网络还可以使用各种非线性激活函数(例如ReLU(RectifiedLinearUnits，修正线性单元)函数、Sigmoid函数等)对信息进行非线性计算，如下表所示为mobilenetv2分类算法的网络结构。MobileNCtV2在本专利技术中，对mobilenetv2分类算法的输出进行了一定的修改，将输出定位到n维向量，通过n维向量每一维的取值来对具体的食材和做法进行判断，如图2所示为本专利技术mobilenetv2分类器的输出示意图，这样就得出了待识别菜品的具体的食材特征和做法特征，例如，待识别的菜品图片如图3所示，那么经过预先训练的多标签分类器得到所述待识别菜品的多个成分特征分别为白菜、木耳和炒。识别出待识别菜品的食材特征和做法特征后，就将通过多标签分本文档来自技高网...

【技术保护点】
1.一种菜品识别方法，其特征在于，包括步骤：S1.获取待识别的菜品图片；S2.将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征；S3.将所述待识别菜品的多个成分特征输入预先训练的单标签分类器得到所述待识别菜品的具体菜名。

【技术特征摘要】
1.一种菜品识别方法，其特征在于，包括步骤：S1.获取待识别的菜品图片；S2.将所述待识别的菜品图片输入预先训练的多标签分类器得到所述待识别菜品的多个成分特征；S3.将所述待识别菜品的多个成分特征输入预先训练的单标签分类器得到所述待识别菜品的具体菜名。2.根据权利要求1所述的一种菜品识别方法，其特征在于，所述多标签分类器采用mobilenetv2分类算法；所述单标签分类器采用svm分类算法。3.根据权利要求1所述的一种菜品识别方法，其特征在于，所述待识别菜品的多个成分特征包括所述待识别菜品的食材特征和做法特征。4.根据权利要求3所述的一种菜品识别方法，其特征在于，所述单标签分类器是通过所述待识别菜品的具体食材特征和做法特征之间的相互联系得到所述待识别菜品的具体菜名。5.根据权利要求1所述的一种菜品识别方法，其特征在于，所述步骤S1之后步骤S2之前还包括步骤：对所述待识别的菜品图片进行图像预处理。6.一...

【专利技术属性】
技术研发人员：罗郑楠，
申请(专利权)人：上海斐讯数据通信技术有限公司，
类型：发明
国别省市：上海,31