【技术实现步骤摘要】
识别食物种类的方法、系统及装置、冰箱
本申请涉及智能家电领域，具体而言，涉及一种识别食物种类的方法、系统及装置、冰箱。
技术介绍
目前，对冰箱内食物新鲜度的管理、判断食品是否过期等，都依赖用户对冰箱内食物类型的识别；现有技术中，用户在对冰箱内的食品进行识别时，主要通过人眼识别食品类型的方式实现，该种识别方法需要用户自身的参与，浪费用户的时间较多，操作比较复杂，用户体验较差。针对上述问题，目前尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种识别食物种类的方法、系统及装置、冰箱，以至少解决通过在食品上贴上标签来区分食物，导致识别过程复杂，用户体验较差的技术问题。根据本申请实施例的一个方面，提供了一种识别食物种类的方法，包括：获取食物的图像信息；基于深度神经网络的分类器分析食物的图像信息，确定图像信息的预测类别；在预测类别满足预定条件的情况下，基于深度神经网络模型分析信息，识别出食物的种类。可选地，在基于深度神经网络的分类器分析食物的图像信息，确定图像信息的预测类别之前，方...
【技术保护点】
1.一种识别食物种类的方法，其特征在于，包括：/n获取食物的图像信息；/n基于深度神经网络的分类器分析所述食物的图像信息，确定所述图像信息的预测类别；/n在所述预测类别满足预定条件的情况下，基于深度神经网络模型分析所述信息，识别出所述食物的种类。/n
【技术特征摘要】
1.一种识别食物种类的方法，其特征在于，包括：
获取食物的图像信息；
基于深度神经网络的分类器分析所述食物的图像信息，确定所述图像信息的预测类别；
在所述预测类别满足预定条件的情况下，基于深度神经网络模型分析所述信息，识别出所述食物的种类。
2.根据权利要求1所述的方法，其特征在于，在基于深度神经网络的分类器分析所述食物的图像信息，确定所述图像信息的预测类别之前，所述方法还包括：
利用预设的反交叉熵训练方法训练所述深度神经网络模型，获得所述深度神经网络的分类器。
3.根据权利要求2所述的方法，其特征在于，利用预设的反交叉熵训练方法训练所述深度神经网络模型，获得所述深度神经网络的分类器，包括：
将样本训练集合输入到所述深度神经网络中，将反交叉熵作为网络参数的目标函数，并通过最小化平均反交叉熵对所述深度神经网络进行训练；
将训练后的深度神经网络中的输出层的输入取反，将取反后所述输出层的输出作为所述深度神经网络的分类器。
4.根据权利要求1至3中任意一项所述的方法，其特征在于，基于深度神经网络的分类器分析所述食物的图像信息，确定所述图像信息的预测类别，包括：
将所述食物的图像信息输入所述深度神经网络的分类器，利用预设的联合分数阈值输出方法，计算所述图像信息的预测类别。
5.根据权利要求4所述的方法，其特征在于，将所述食物的图像信息输入所述深度神经网络的分类器，利用预设的联合分数阈值输出方法，计算所述图像信息的预测类别，包括：
将所述食物的图像信息输入所述深度神经网络的分类器；
计算得到所述深度神经网络的分类器在所述图像信息上的预测类别。
6.根据权利要求5所述的方法，其特征在于，在计算得到所述深度神经网络的分类器在所述图像信息上的预测类别之后，所述方法还包括：
计算得到所述预测类别的联合分数，该步骤包括：
获取所述深度神经网络的分类器在所述图像信息上的非最大元素熵、预测类别和所述预测类别的置信度；
根据所述非最大元素熵，获取所述深度神经网络的分类器在所述图像信息上的高斯核非最大元素熵；
根据所述高斯核非最大元素熵和所述预测类别的置信度，获取所述预测类别的联合分数。
7.根据权利要求6所述的方法，其特征在于，在根据所述高斯核非最大元素熵和所述预测类别的置信度，获取所述预测类别的联合分数之后，所述方法还包括：
...
【专利技术属性】
技术研发人员：吴少波，易斌，秦萍，许权南，徐洪伟，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。