检测模型训练及肉类营养成分检测的方法和装置制造方法及图纸

本发明专利技术实施例提出一种检测模型训练及肉类营养成分检测的方法和装置，检测模型训练方法包括：获取多个肉类样本的营养成分信息和肉类样本图像；将每个肉类样本图像与对应的营养成分信息关联，构建训练样本；利用多个训练样本对初始模型进行训练，得到肉类营养成分检测模型，肉类营养成分检测模型用于从待检测肉类图像中检测出肉类的营养成分。肉类营养成分检测的方法包括：获取待检测肉类图像；利用肉类营养成分检测模型对待检测肉类图像进行检测，以得到待检测肉类图像中的肉类的营养成分。本发明专利技术实施例由于利用具有营养成分信息和肉类样本图像的训练样本训练模型，因此能够实现不利用专业检测工具，基于图片即可快速检测出肉类的营养成分含量。

【技术实现步骤摘要】
检测模型训练及肉类营养成分检测的方法和装置
本专利技术涉及食品检测
，尤其涉及一种检测模型训练及肉类营养成分检测的方法和装置。
技术介绍
肉类的营养成分鉴定通常需要采用理化鉴定的方式。理化鉴定主要是通过对肉类进行取样并利用检测仪器进行检测，从而测定出肉中各种营养物质的含量，以进一步对肉类进行鉴定。但是这种方式不仅需要花费的时间较长，且需要有专门的检测设备才能够实现肉类营养成分的检测。然而对于一般消费者而言，在日常肉类购买过程中无法采用上述方式实现快速的肉类营养成分检测。进而导致消费者无法实现根据个人对肉类营养成分的含量需求，进行肉类食物的挑选购买。
技术实现思路
本专利技术实施例提供一种检测模型训练及肉类营养成分检测的方法和装置，以解决现有技术中的一个或多个技术问题。第一方面，本专利技术实施例提供了一种检测模型训练方法，包括：获取多个肉类样本的营养成分信息和肉类样本图像；将每个肉类样本图像与对应的营养成分信息关联，构建训练样本；利用多个所述训练样本对初始模型进行训练，得到肉类营养成分检测本文档来自技高网...

【技术保护点】
1.一种检测模型训练方法，其特征在于，包括：/n获取多个肉类样本的营养成分信息和肉类样本图像；/n将每个肉类样本图像与对应的营养成分信息关联，构建训练样本；/n利用多个所述训练样本对初始模型进行训练，得到肉类营养成分检测模型，所述肉类营养成分检测模型用于从待检测肉类图像中检测出肉类的营养成分。/n

【技术特征摘要】
1.一种检测模型训练方法，其特征在于，包括：
获取多个肉类样本的营养成分信息和肉类样本图像；
将每个肉类样本图像与对应的营养成分信息关联，构建训练样本；
利用多个所述训练样本对初始模型进行训练，得到肉类营养成分检测模型，所述肉类营养成分检测模型用于从待检测肉类图像中检测出肉类的营养成分。


2.根据权利要求1所述的方法，其特征在于，所述营养成分信息包括蛋白质含量、脂肪含量、含糖量、维生素含量以及稀有元素含量中的至少一种信息。


3.根据权利要求1所述的方法，其特征在于，所述肉类样本图像为包括肉质纹理的图像。


4.根据权利要求1所述的方法，其特征在于，所述初始模型包括输入层、隐含层和输出层，利用多个所述训练样本对初始模型进行训练，得到肉类营养成分检测模型，包括：
通过所述输入层对所述训练样本进行归一化处理；
通过所述隐含层从归一化处理后的训练样本的肉类样本图像中提取肉质纹理特征和肉质颜色特征，并对提取的肉质纹理特征和肉质颜色特征进行处理；
基于处理结果，通过所述输出层得到所述训练样本的肉类样本图像的营养成分预测结果；
利用损失函数，对营养成分预测结果和营养成分信息中的营养成分真值进行损失值计算；
根据损失值，调整优化所述初始模型，得到所述肉类营养成分检测模型。


5.一种肉类营养成分检测方法，其特征在于，包括：
获取待检测肉类图像；
利用如权利要求1-4任一项所述方法得到的肉类营养成分检测模型对所述待检测肉类图像进行检测，以得到所述待检测肉类图像中的肉类的营养成分。


6.根据权利要求5所述的方法，其特征在于，获取肉类图像之前，还包括：
接收移动终端发送的初始肉类图像；
对所述初始肉类图像进行预处理，得到所述待检测肉类图像。


7.一种检测模型训练装置，其特征在于，包括：
获取模块，用于获取多个肉类样本的营养成分信息和肉类样本图像；
构建模块，用于将每个肉类样本图像与对应的营养成分信息关联，构建训练样本；
训练模块，用于利用多个所述训练样本对初始模...

【专利技术属性】
技术研发人员：林成龙，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11