图片的处理方法和装置制造方法及图纸

本发明专利技术公开了一种图片的处理方法和装置。其中，该方法包括：接收上传终端所上传的图片集，其中，图片集为多张包含了食物的食物图片；识别图片集，并对图片集中的每张食物图片进行数据标注，得到训练集和测试集，其中，数据标注包括如下至少之一：分类、画框、注释和标记；使用训练集训练神经网络模型，其中，神经网络模型用于自动识别食物图片中的食物类型，并使用测试集来校正神经网络模型的准确率。本发明专利技术解决了现有技术基于识别到的谷物进行烹饪处理的过程中，由于识别谷物的结果不准确，导致确定的烹饪模式不准确的技术问题。

【技术实现步骤摘要】
图片的处理方法和装置
本专利技术涉及图片处理领域，具体而言，涉及一种图片的处理方法和装置。
技术介绍
人工智能(ArtificialIntelligence)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。其通过了解智能的本质，并生产一种新的能以人类智能想死的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。而在人工智能领域中，数据是不可获取的，可原生的数据往往无法使用，所以需要进行数据标注。在食物识别的领域，尤其在大米识别这一领域，有关于大米图片的数据标注非常稀少，因此难以得到大量的训练数据，进而难以得到准确的识别模型。如果采取人工标注的方式，又会导致成本较高。针对现有技术基于识别到的谷物进行烹饪处理的过程中，由于识别谷物的结果不准确，导致确定的烹饪模式不准确的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种图片的处理方法和装置，以至少解决现有技术基于识别到的谷物进行烹饪处理的过程中，由于识别谷物本文档来自技高网...

【技术保护点】
1.一种图片的处理方法，其特征在于，包括：/n接收上传终端所上传的图片集，其中，所述图片集为多张包含了食物的食物图片；/n识别所述图片集，并对所述图片集中的每张食物图片进行数据标注，得到训练集和测试集，其中，所述数据标注包括如下至少之一：分类、画框、注释和标记；/n使用所述训练集训练神经网络模型，其中，所述神经网络模型用于自动识别食物图片中的食物类型，并使用测试集来校正所述神经网络模型的准确率。/n

【技术特征摘要】
1.一种图片的处理方法，其特征在于，包括：
接收上传终端所上传的图片集，其中，所述图片集为多张包含了食物的食物图片；
识别所述图片集，并对所述图片集中的每张食物图片进行数据标注，得到训练集和测试集，其中，所述数据标注包括如下至少之一：分类、画框、注释和标记；
使用所述训练集训练神经网络模型，其中，所述神经网络模型用于自动识别食物图片中的食物类型，并使用测试集来校正所述神经网络模型的准确率。


2.根据权利要求1所述的方法，其特征在于，在识别出所述食物图片的食物类型的情况下，基于所述食物类型确定食物的特征值，并基于所述食物的特征值生成返回给所述上传终端的烹饪模式，其中，通过烹饪曲线来表征所述烹饪模式中不同阶段的烹饪功能。


3.根据权利要求2所述的方法，其特征在于，在接收上传终端所上传的图片集之前，所述方法还包括：
所述上传终端显示上传界面，其中，所述上传界面包括：提示上传食物图片的上传控件、提示输入食物属性的控件；
所述上传终端显示与所述上传界面上传的食物图片所对应的烹饪模式。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述上传终端的上传行为满足预定条件的情况下，所述上传终端显示激励信息，其中，所述预定条件包括如下至少之一：超过预定数量的食物图片、上传食物图片的次数超过预定次数和上传食物图片的频率超过预定频率。


5.根据权利要求1至4中任意一项所述的方法，其特征在于，在识别所述图片集之后，所述方法还包括：
对所述食物图片进行视觉处理，得到所述食物图片中食物的至少一个特征值；
基于所述至少一个特征值，初步识别出所述食物图片中的食物类型；
校验所述食物图片中的食物类型，在校验成功的情况下，执行对所述图片集中的每张食物图片进行数据标注的步骤。


6.根据权利要求5所述的方法，其特征在于，通过校验所述食物图片中食物的至少一个特征值是否超过预定阈值，如果超过，则确定校验所述食物类型成功。


7.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过所述神经网络模型自动识别食物图片中的食物类型，其中，
通过所述神经网络模型自动识别食物图片中的食物类型的步骤包括：
使用所述神经网络模型提取每张食物图片中包含的食物的图像特征；
基于每张食物图片中包含的食物的图像特征获取所述食物类型。


8.根据权利要求7所述的方法，其特征在于，使用所述神经网络模型提取每张食物图片中包含的食物的图像特征，包括：
通过所述神经网络模型的卷积层中的每个卷积核扫描每张食物图片，得到每张食物图片所包含的食物的特征图层；
通过所述神经网络模型的池化层对所述每张食物图片所包含的食物的特征图层进行去冗余处理；
通过所述神经网络模型的至少一个全连接层将所述去冗余处理后的多个特征图层进行转换，得到所述食物的图像特征。


9.根据权利要求8所述的方法，其特征在于，基于每张食物图片中包含的食物的图像特征确定所述食物类型，包括：通过所述神经网络模型的softmax层分析所述食物的图像特征，得到所述食物类型，其中，所述食物类型包括：食物的种类和特征参数。


10.一种图片的处理装置，其特征在于，包括：
接收模块，用于接收上传终端所上传的图片集，其中，所述图片集为多张包含了食物的食物图片；
第一识别模块，用于识别所述图片集，并对所述图片集中的每张食物图片进行数据标注，得...

【专利技术属性】
技术研发人员：谭齐宁，肖文轩，黄智刚，陈翀，
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