一种基于Yolo-EfficientNet双层模型的食物热量测算算法制造技术

本发明专利技术提供一种基于Yolo

【技术实现步骤摘要】
一种基于Yolo
‑
EfficientNet双层模型的食物热量测算算法


[0001]本专利技术涉及计算机视觉
，具体为一种基于Yolo
‑
EfficientNet双层模型的食物热量测算算法。

技术介绍

[0002]随着人工智能和图像处理技术的不断进步，图像识别和图像检测算法被应用于越来越多的场景中，例如，安防系统应用图像检测算法区分出入人群、交通执法系统应用图像识别算法识别违规驾驶行为，等等。其中Yolo算法模型被应用甚广。
[0003]现有技术方案中包括了：基础的人工识别方案：通过使用质量测量工具对食物进行质量测量，并在人工判断食物类别后，通过查询单位食物热量值进行计算，得到食物热量，人工识别方案的最大优势是食物类别识别准确率高，但其缺点非常明显：质量测算流程复杂，且极大程度上依赖质量测量工具，单位食物热量值查询流程复杂，且查询数值权威性、准确性无法保证。
[0004]根据专利文献CN112070077B提供的一种基于深度学习的食物识别方法和装置，该技术方案应用卷积神经网络模型对食物图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Yolo
‑
EfficientNet双层模型的食物热量测算算法，其特征在于：包括以下步骤：S1、首先通过手机拍摄获取待识别图像，将图像输入经过大数据训练的YoloV5模型，进行图像检测，将待识别图像中的每个食物检测出来，得到第一识别图像组；S2、将第一识别图像组中的每个图像输入训练完成的EfficientNetV2分类模型，进行二次分类，增强分类效果、提高食物分类准确率，并得到第二识别图像组；S3、通过调用手机测距接口与摄像头信息，将第二识别图像的检测框大小转换成食物的面积与厚度，进而计算出食物的质量；S4、链接自建的百万级食物营养云数据库获取第二识别图像中食物的单位热量值，根据食物类别，在数据库中匹配食物密度数据，计算得到食物质量M；S5、将计算的热量和食物分类识别结果展示给用户，用户后续根据实际情况进行调整，拍摄图像及调整内容将自动输入服务器存储，作为下一周期模型参数更新的补充训练数据，提供给模型进行自训练强化。2.根据权利要求1所述的一种基于Yolo
‑
EfficientNet双层模型的食物热量测算算法，其特征在于：所述S1步骤中，获取手机拍摄的图像后，并对图像进行base64编码压缩，以利于图像的传输、存储、及处理。3.根据权利要求1所述的一种基于Yolo
‑
EfficientNet双层模型的食物热量测算算法，其特征在于：所述S1步骤中，将base64编码后的图像传入Flask服务，判断是否为string字符串类型编码，如是，使用TurboJPEG对图片进行解码，以匹配模型的输入格式；否则返回错误码，同时部署在Triton分布式服务器上的基于YoloV5的tensorRT模型对图像进行推理，即识别，如有检测结果，则进行后处理；否则返回错误码。4.根据权利要求1所述的一种基于Yolo
‑
EfficientNet双层模型的食物热量测算算法，其特征在于：所述S2步骤中，第一识别图像组中的每个图像输入至fficientNet分类模型前，对图像分别进行置信映射、重叠消除、重复检测消除三步后处理步骤，使得输出图片符合EfficientNet分类模型的标准输入。5.根据权利要求1所述的一种基于Yolo
‑
EfficientNet双...

【专利技术属性】
技术研发人员：曹煜，
申请(专利权)人：上海零咔智能科技有限公司，
类型：发明
国别省市：