模型获得方法、装置和设备制造方法及图纸

本申请实施例提供一种模型获得方法、装置和设备，所述方法包括：获取第一图像；对所述第一图像进行目标检测，获得所述第一图像中一个或多个目标对象的目标区域范围；检测所述目标区域范围是否为空集；若所述目标区域范围不为空集，基于所述目标区域范围和所述第一图像，获得第二图像；将多个所述第二图像作为样本输入预设模型中进行训练，获得图像识别模型，所述图像识别模型包括所述第二图像与目标对象的标注之间的映射关系。的标注之间的映射关系。的标注之间的映射关系。

【技术实现步骤摘要】
模型获得方法、装置和设备


[0001]本申请涉及人工智能
，特别涉及一种模型获得方法、装置和设备。

技术介绍

[0002]快餐店，例如大食堂、便利店、智选饭堂等，以其菜品种类繁多、取餐速度较快等优点，深受人们的欢迎。在实际购餐中，消费者在众多种类的菜品中选择所需的菜品，然后取餐到收银台支付相应的价钱，完成交易。因此，在购餐过程中，对菜品的识别，是影响结算的主要因素之一。
[0003]现有的快餐店中，通常采用人工识别菜品，由收银人员依靠眼睛识别消费者所选菜品，然后计算总价格并结算，这样不仅消耗人力，结算速度缓慢，而且还存在人为误差，易导致价格结算出错，特别在工作繁忙或工作时间较久情况下，收银人员由于劳累或个人原因而导致价格结算的出错率明显增加。
[0004]还有，申请人发现现有方法中，要求菜品必须盛放于该预设餐具中，该预设餐具需要具备预设的形状或边缘等特征，才能够实现对菜品的识别，而对于不断更新的餐具形状或不规则形状的餐具，该现有方法无法适用，使用范围受限。

技术实现思路

[0005]本申请提供了一种模型获得方法、装置和设备，无需菜品必须盛放于预设餐具中，也能够识别菜品，并以其对应的图像作为样本，训练得到图像识别模型，适用范围更广。
[0006]第一方面，本申请提供了一种模型获得方法，包括：
[0007]获取第一图像；
[0008]对所述第一图像进行目标检测，获得所述第一图像中一个或多个目标对象的目标区域范围；
[0009]检测所述目标区域范围是否为空集；
[0010]若所述目标区域范围不为空集，基于所述目标区域范围和所述第一图像，获得第二图像；
[0011]将多个所述第二图像作为样本输入预设模型中进行训练，获得图像识别模型，所述图像识别模型包括所述第二图像与目标对象的标注之间的映射关系。
[0012]第二方面，本申请提供了一种模型获得装置，包括：
[0013]图像获取模块，用于获取第一图像；
[0014]目标检测模块，用于对所述第一图像进行目标检测，获得所述第一图像中一个或多个目标对象的目标区域范围；
[0015]空集检测模块，用于检测所述目标区域范围是否为空集；
[0016]图像处理模块，用于若所述目标区域范围不为空集，基于所述目标区域范围和所述第一图像，获得第二图像；
[0017]模型获得模块，用于将多个所述第二图像作为样本输入预设模型中进行训练，获
得图像识别模型，所述图像识别模型包括所述第二图像与目标对象的标注之间的映射关系。
[0018]第三方面，本申请提供了一种模型获得设备，包括：
[0019]一个或多个处理器；存储器；以及一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行以下步骤：
[0020]获取第一图像；
[0021]对所述第一图像进行目标检测，获得所述第一图像中一个或多个目标对象的目标区域范围；
[0022]检测所述目标区域范围是否为空集；
[0023]若所述目标区域范围不为空集，基于所述目标区域范围和所述第一图像，获得第二图像；
[0024]将多个所述第二图像作为样本输入预设模型中进行训练，获得图像识别模型，所述图像识别模型包括所述第二图像与目标对象的标注之间的映射关系。
[0025]第四方面，本申请提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行如第一方面所述的方法。
[0026]第五方面，本申请提供一种计算机程序，当所述计算机程序被计算机执行时，用于执行第一方面所述的方法。
[0027]在一种可能的设计中，第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
附图说明
[0028]图1为本申请图像识别方法一个实施例的方法示意图；
[0029]图2为本申请图像识别方法一个实施例的流程示意图；
[0030]图3A为本申请图像识别方法一个实施例中对图像进行纹理检测的方法示意图；
[0031]图3B为本申请图像识别方法一个实施例中对图像灰度处理后得到的图像；
[0032]图3C为本申请图像识别方法一个实施例中对图像边缘检测处理后得到的图像；
[0033]图3D为本申请图像识别方法一个实施例中对图像闭运算处理后得到的图像；
[0034]图3E为本申请图像识别方法一个实施例中对图像腐蚀处理后得到的图像；
[0035]图3F为本申请图像识别方法一个实施例中对图像轮廓提取处理并填充后得到的图像；
[0036]图3G为本申请图像识别方法一个实施例中对图像二进制处理后得到的图像；
[0037]图3H为本申请图像识别方法一个实施例中目标对象的第二区域范围的图像示意图；
[0038]图4(a)和4(b)为本申请模型获得方法一个实施例的方法示意图；
[0039]图5为本申请模型获得方法一个实施例的流程示意图；
[0040]图6为本申请订单更正方法一个实施例的方法示意图；
[0041]图7A为本申请订单更正方法一个实施例的流程示意图；
[0042]图7B为本申请订单更正方法一个实施例的交互界面的订单显示示意图；
[0043]图7C为本申请订单更正方法一个实施例的交互界面的菜品纠错显示示意图；
[0044]图7D为本申请订单更正方法一个实施例的交互界面的菜品改价显示示意图；
[0045]图8为本申请图像识别装置一个实施例的结构示意图；
[0046]图9为本申请图像识别装置一个实施例中识别模块的结构示意图；
[0047]图10为本申请图像识别装置一个实施例中范围确定模块的结构示意图；
[0048]图11为本申请图像识别装置一个实施例中差异值检测模块的结构示意图；
[0049]图12为本申请模型获得装置一个实施例的结构示意图；
[0050]图13为本申请模型获得装置一个实施例中目标检测模块的结构示意图；
[0051]图14为本申请订单更正装置一个实施例的结构示意图；
[0052]图15为本申请订单更正装置一个实施例中标注获得模块的结构示意图；
[0053]图16为本申请订单更正装置一个实施例中订单获取模块的结构示意图；
[0054]图17为本申请电子设备一个实施例的结构示意图。
[0055]图18为本申请模型获得设备一个实施例的结构示意图。
[0056]图19为本申请订单更正设备一个实施例的结构示意图。
具体实施方式
[0057]本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释，而非旨在限定本申请。
[0058]现有的快餐店中，通常采用人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型获得方法，其特征在于，包括：获取第一图像；对所述第一图像进行目标检测，获得所述第一图像中一个或多个目标对象的目标区域范围；检测所述目标区域范围是否为空集；若所述目标区域范围不为空集，基于所述目标区域范围和所述第一图像，获得第二图像；将多个所述第二图像作为样本输入预设模型中进行训练，获得图像识别模型，所述图像识别模型包括所述第二图像与目标对象的标注之间的映射关系。2.根据权利要求1所述的方法，其特征在于，所述对所述第一图像进行目标检测，获得所述第一图像中一个或多个目标对象的目标区域范围，包括：基于预设第一模式对所述第一图像进行目标检测，获得一个或多个目标对象的第一区域范围；基于预设第二模式对所述第一图像进行目标检测，获得一个或多个目标对象的第二区域范围；基于所述第一区域范围和所述第二区域范围，确定所述目标区域范围。3.根据权利要求2所述的方法，其特征在于，所述基于预设第二模式对所述第一图像进行目标检测，获得一个或多个目标对象的第二区域范围，包括：基于预设第二模式，在所述第一图像中除所述第一区域范围外的区域进行目标检测，获得所述第二区域范围。4.根据权利要求2所述的方法，其特征在于，所述基于所述第一区域范围和所述第二区域范围，确定所述目标区域范围，包括：检测所述第一区域范围与所述第二区域范围之间的重叠度；确定所述重叠度低于预设比例的第二区域范围；将所述第一区域范围和所述重叠度低于预设比例的第二区域范围进行合并，获得目标区域范围。5.根据权利要求1所述的方法，其特征在于，所述基于所述目标区域范围和所述第一图像，获得第二图像，包括：基于所述目标区域范围对所述第一图像进行裁剪，获得所述二图像。6.根...

【专利技术属性】
技术研发人员：任来仪，
申请(专利权)人：广东智源机器人科技有限公司，
类型：发明
国别省市：