【技术实现步骤摘要】
一种实时的披萨成熟度估计算法
本专利技术属于计算机视觉领域,是深度学习在计算机视觉中的一项重要应用,尤其是涉及到披萨成熟度估计算法技术背景披萨是一种由特殊的酱汁和馅料,做成的具有意大利风味的食品,但其实这种食品已经超越语言与文化的障碍,成为全球通行的小吃,受到各国消费者的喜爱。而且制作相对简单,尤其是在烤箱出现以后。但是由于面饼的厚度,馅料的数量以及披萨的大小不同,导致不同的披萨的烘焙时间不尽相同,而且烤箱在加热后不便观察。这就给烹饪者判断披萨的成熟度带来了极大的困扰针对这一问题,我们提出了一种基于深度学习的披萨成熟度估计算法,通过安装在烤箱内部的耐高温摄像头捕获烤箱内披萨的状态,然后使用深度学习算法对图像进行处理,将图里后的图像通过统计学的方法计算其“糊度”,从而可以实时估算出披萨的成熟度。相比其他成熟度估计算法,本算法需要更少训练数据,实现实时的披萨成熟度估计。
技术实现思路
本专利技术提出了一种一种实时的披萨成熟度估计算法。该方法结合深度学习算法和统计学方法,用尽可能少的训练数据达到对披萨成熟度估计的目的。其技术解决方案是:步骤1),采集披萨从进烤箱到成熟整个过程的图像,每个披萨会得到一组照片,定义每组的第一张图像为该组的基准图像;步骤2),标注采集到的图像中披萨的位置。并将标注好的数据按照3:1的比例分成训练集和测试集。步骤3),构建并训练基于PoolNet的显著性检测网络。步骤4),将显著性检测网络检测的结果作为前景掩码与原图融合,去除背景;< ...
【技术保护点】
1.一种实时的披萨成熟度估计算法,所述方法包括:/n步骤1),采集披萨从进烤箱到成熟整个过程的图像,每30s采集一次,每个披萨会得到一组照片,定义每组的第一张图像为该组的基准图像;/n步骤2),标注采集到的图像中披萨的位置。并将标注好的数据按照3:1的比例分成训练集和测试集。/n步骤3),构建基于PoolNet的显著性检测网络,然后将步骤2)中标注好的数据增强后送入网络进行训练,通过观察损失函数和测试集上的交并比来终止训练。/n步骤4),用训练好的显著性检测网络来检测训练集中的披萨位置,将检测的结果作为前景掩码与原图融合,去除背景;/n步骤5),将步骤4)中融合后的图像以每组的基准图像为基准进行归一化;/n步骤6),将步骤5)中得到的每组的基准图像使用SLIC算法进行超像素分割;并将该分割应用到整组图像中;/n步骤7),将步骤6)基准超像素图像分别与得到的超像素图像做欧氏距离度量。/n步骤8),欧氏距离大于阈值u的表示该点已经褐变。统计褐变的点的数量。欧氏距离大于阈值v的表示该点已经糊化。统计糊化的点的数量。/n步骤9),将每组褐变、糊化点进行曲线拟合,去掉其中的离群值,然后求均值得到 ...
【技术特征摘要】 【专利技术属性】
1.一种实时的披萨成熟度估计算法,所述方法包括:
步骤1),采集披萨从进烤箱到成熟整个过程的图像,每30s采集一次,每个披萨会得到一组照片,定义每组的第一张图像为该组的基准图像;
步骤2),标注采集到的图像中披萨的位置。并将标注好的数据按照3:1的比例分成训练集和测试集。
步骤3),构建基于PoolNet的显著性检测网络,然后将步骤2)中标注好的数据增强后送入网络进行训练,通过观察损失函数和测试集上的交并比来终止训练。
步骤4),用训练好的显著性检测网络来检测训练集中的披萨位置,将检测的结果作为前景掩码与原图融合,去除背景;
步骤5),将步骤4)中融合后的图像以每组的基准图像为基准进行归一化;
步骤6),将步骤5)中得到的每组的基准图像使用SLIC算法进行超像素分割;并将该分割应用到整组图像中;
步骤7),将步骤6)基准超像素图像分别与得到的超像素图像做欧氏距离度量。
步骤8),欧氏距离大于阈值u的表示该点已经褐变。统计褐变的点的数量。欧氏距离大于阈值v的表示该点已经糊化。统计糊化的点的数量。
步骤9),将每组褐变、糊化点进行曲线拟合,去掉其中的离群值,然后求均值得到成熟度曲线。
步骤10),将测试集中图像先经过显著性检测网络去除背景,然后超像素分割后与当前组的基准图片进行距离度量,计算大于阈值u、v的点的数量,进而得到其在成熟度曲线中的位置,就可以得到该图像中披萨的成熟度以及糊化报警。
技术研发人员:李宗民,李亚传,李冠林,黄睿,白云,肖倩,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东;37
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。