一种基于AI图像分类检测算法的智能对菜系统技术方案

本发明专利技术公开了一种基于AI图像分类检测算法的智能对菜系统，其特征在于：包括监控系统、智能对菜系统、POS系统和用于运行智能对菜系统的边缘机，所述监控系统包括多个用于获取门店对应桌位区域的图片信息的高清摄像头，所述智能对菜系统与监控系统连接，获取监控系统传出的图片信息，并对其进行处理，所述POS系统与智能对菜系统连接，用于接收智能对菜系统反馈的处理信息。本发明专利技术通过智能对菜系统核对上桌的菜品，提高了核菜的效率，改善新员工出现菜品核对错误的情况，通过模型训练单元对智能对菜系统中的AI模型单元中的目标检测模型和分类模型进行训练，保证其精确性。保证其精确性。保证其精确性。

【技术实现步骤摘要】
一种基于AI图像分类检测算法的智能对菜系统


[0001]本专利技术涉及智能对菜
，具体为一种基于AI图像分类检测算法的智能对菜系统。

技术介绍

[0002]在餐饮门店菜品上桌后，为了保障顾客所点菜品能够及时有效上桌，需要服务员逐个菜品人工核对是否上齐，消耗了服务员很大的工作量；如遇到新员工对菜品不熟悉，则核对菜品工作需要长时间来完成，降低服务员工作效率；带来以下痛点：1.核对菜品工作繁琐，为保证门店服务质量需要更多服务员，带来门店人工成本较高；2.新员工对菜品不熟悉，容易出现菜品核对错误的情况；3.服务员花费很多时间在(核对菜品上桌)基础服务上，没有充足时间投入特色服务，间接影响顾客特色服务体验。因此智能对菜系统开始进入设计研发。
[0003]目标检测是计算机视觉以及图像处理领域的一个基本问题，是近些年来理论和应用的研究热点，应用十分广泛，其主要目标是在图像或图像序列中精确定位出各种目标的类别和位置信息。图像分类是计算机视觉领域的热门研究方向之一，也是实现物体检测、人脸识别、姿态等应用的重要基础。图像分类，即给定一幅输入图像，通过某种分类算法来判断该图像所属类别。

技术实现思路

[0004]本专利技术的目的在于提供一种基于AI图像分类检测算法的智能对菜系统，通过智能对菜系统核对上桌的菜品，提高了核菜的效率，改善新员工出现菜品核对错误的情况，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于AI图像分类检测算法的智能对菜系统，包括监控系统、智能对菜系统、POS系统和用于运行智能对菜系统的边缘机，所述监控系统包括多个用于获取门店对应桌位区域的图片信息的高清摄像头，所述智能对菜系统与监控系统连接，获取监控系统传出的图片信息，并对其进行处理，所述POS系统与智能对菜系统连接，用于接收智能对菜系统反馈的处理信息。
[0006]优选的，所述智能对菜系统包括AI模型单元、数据集处理单元和模型训练单元，所述AI模型单元用包括目标检测模型和分类模型；
[0007]所述AI模型单元用于对输入的图像进行目标检测和图像分类；所述数据集处理单元使用Lableme标注工具对图像数据进行标注，并输出JSON文件；
[0008]所述模型训练单元用于对AI模型单元进行训练。
[0009]优选的，所述目标检测模型用于对图像进行目标检测，所述目标检测模型采用EfficienDet框架，可以从图像中获取目标的位置、类别和置信度。
[0010]优选的，所述分类模型采用NMS技术，用于从图像中的候选框进行置信度排序和IOU计算，以实现删除图像中某个置信度较低的类别目标框。
[0011]优选的，所述AI模型单元还包括图像分类模块，所述图像分类模块采用SENet(squeeze
‑
and
‑
excitation network)模型，所述SENet的输出层由Softmax函数构成。
[0012]与现有技术相比，本专利技术的有益效果是：
[0013]1、本专利技术提高智能对菜系统实现节约服务员基础服务工作量，增加服务员看台数量，从而降低门店前厅人员配置，达到节省人工目的；同时改善新员工出现菜品核对错误的情况。
[0014]2、本专利技术智能对菜系统中的目标检测模型采用采用EfficienDet,该框架以EfficienNet作为主干网络，将加权双向特征金字塔网络BiFPN作为特征网络，并进行了个层级的特征融合兼顾了模型精度和检测速度，由EfficienDet可以获得图像中目标的位置、类别和置信度。
[0015]3、本专利技术包括图像分类模块，将类别结果“位与”，当分类模型与目标检测模型所预测结果相同且均超过阈值时，才将图像中目标进行判定；EfficienDet模型将图像中的目标类别以及目标所在区域坐标获得，在获得区域坐标后对指定区域进行剪切；图像分类模块采用SENet模型，该模型根据建模特征通道之间的相互依赖关系的方向，采用了一种全新的特征重标定策略，即通过学习的方式来自动获取每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前任务用处不大的特征；
[0016]4、本专利技术包括模型训练单元，以mAP作为模型衡量的指标保证分类模型和目标检测模型的精确。
附图说明
[0017]图1为本专利技术一种基于AI图像分类检测算法的智能对菜系统整体结构框图；
[0018]图2为本专利技术AI模型流程框图；
[0019]图3为本专利技术系统操作界面框图。
[0020]图中：1、监控系统；2、智能对菜系统；3、POS系统。
具体实施方式
[0021]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0023]请参阅图1
‑
3，本专利技术提供一种技术方案：一种基于AI图像分类检测算法的智能对菜系统，包括监控系统1、智能对菜系统2、POS系统3和用于运行智能对菜系统2的边缘机，监控系统1包括多个用于获取门店对应桌位区域的图片信息的高清摄像头，智能对菜系统2与监控系统1连接，获取监控系统1传出的图片信息，并对其进行处理，POS系统3与智能对菜系
统2连接，用于接收智能对菜系统2反馈的处理信息。
[0024]智能对菜系统2包括AI模型单元、数据集处理单元和模型训练单元，AI模型单元用包括目标检测模型和分类模型；
[0025]AI模型单元用于对输入的图像进行目标检测和图像分类；数据集处理单元使用Lableme标注工具对图像数据进行标注，并输出JSON文件；
[0026]模型训练单元用于对AI模型单元进行训练。
[0027]目标检测模型用于对图像进行目标检测，目标检测模型采用EfficienDet框架，可以从图像中获取目标的位置、类别和置信度。
[0028]分类模型采用NMS技术，用于从图像中的候选框进行置信度排序和IOU计算，以实现删除图像中某个置信度较低的类别目标框。
[0029]AI模型单元还包括图像分类模块，图像分类模块采用SENet(squeeze
‑
and
‑
excitation network)模型，SENet的输出层由Softmax函数构成。
[0030]工作原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI图像分类检测算法的智能对菜系统，其特征在于：包括监控系统(1)、智能对菜系统(2)、POS系统(3)和用于运行智能对菜系统(2)的边缘机，所述监控系统(1)包括多个用于获取门店对应桌位区域的图片信息的高清摄像头，所述智能对菜系统(2)与监控系统(1)连接，获取监控系统(1)传出的图片信息，并对其进行处理，所述POS系统(3)与智能对菜系统(2)连接，用于接收智能对菜系统(2)反馈的处理信息。2.根据权利要求1所述的一种基于AI图像分类检测算法的智能对菜系统，其特征在于：所述智能对菜系统(2)包括AI模型单元、数据集处理单元和模型训练单元，所述AI模型单元用包括目标检测模型和分类模型；所述AI模型单元用于对输入的图像进行目标检测和图像分类；所述数据集处理单元使用Lableme标注工具对图像数据进行标注，并输出JSON文件；所述模型训练单元用于...

【专利技术属性】
技术研发人员：陈启达，曹俊慷，
申请(专利权)人：北京优海网络科技有限公司，
类型：发明
国别省市：