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。在一种实施方式中，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。在一种实施方式中，所述肉类样本图像为包括肉质纹理的图像。在一种实施方式中，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。第二方面，本专利技术实施例提供了一种肉类营养成分检测方法，包括：获取待检测肉类图像；利用第一方面的各实施方式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。在一种实施方式中，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。第三方面，本专利技术实施例提供了一种检测模型训练装置，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。在一种实施方式中，所述初始模型包括输入层、隐含层和输出层，所述训练模块包括：处理子模块，用于通过所述输入层对所述训练样本进行归一化处理；提取子模块，用于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：预测子模块，用于基于处理结果，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；计算子模块，用于利用损失函数，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；优化子模块，用于根据损失值，调整优化所述初始模型，得到所述肉类营养成分检测模型。第四方面，本专利技术实施例提供了一种肉类营养成分检测装置，包括：获取模块，用于获取待检测肉类图像；检测模块，用于利用如权利要求7-8任一项所述装置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。在一种实施方式中，还包括：接收模块，用于接收移动终端发送的初始肉类图像；预处理模块，用于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。第五方面，本专利技术实施例提供了一种检测模型训练终端，所述检测模型训练终端的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，所述检测模型训练终端的结构中包括处理器和存储器，所述存储器用于存储支持所述检测模型训练终端执行上述检测模型训练方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述检测模型训练终端还可以包括通信接口，用于与其他设备或通信网络通信。第六方面，本专利技术实施例提供了一种肉类营养成分检测终端，所述肉类营养成分检测终端的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，所述肉类营养成分检测终端的结构中包括处理器和存储器，所述存储器用于存储支持所述肉类营养成分检测终端执行上述肉类营养成分检测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述肉类营养成分检测终端还可以包括通信接口，用于与其他设备或通信网络通信。第七方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储检测模型训练终端及肉类营养成分检测终端所用的计算机软件指令，其包括用于执行上述检测模型训练方法及肉类营养成分检测方法所涉及的程序。上述技术方案中的一个技术方案具有如下优点或有益效果：本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。上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1示出根据本专利技术实施例的检测模型训练方法的流程图。图2示出根据本专利技术实施例的检测模型训练方法的步骤S300的具体流程图。图3示出根据本专利技术实施例的肉类营养成分检测方法的流程图。图4示出根据本专利技术另一实施例的肉类营养成分检测方法的流程图。图5示出根据本专利技术实施例的检测模型训练装置的结构框图。图6示出根据本专利技术实施例的检测模型训练装置的训练模块的结构框图。图7示出根据本专利技术实施例的肉类营养成分检测装置的结构框图。图8示出根据本专利技术另一实施例的肉类营养成分检测装置的结构框图。图9示出根据本专利技术实施例的检测模型训练终端的结构示意图。图1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