餐盘形状识别方法、装置、设备和计算机可读介质制造方法及图纸

本公开的实施例公开了餐盘形状识别方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取餐盘图像；对餐盘图像进行数据增强处理，以生成增强后餐盘图像集；基于增强后餐盘图像集，对预设的餐盘形状识别网络进行优化，以生成目标餐盘形状识别网络；基于预设餐盘图像和目标餐盘形状识别网络，生成餐盘形状识别结果。该实施方式可以提高餐盘形状识别结果的准确度。识别结果的准确度。识别结果的准确度。

【技术实现步骤摘要】
餐盘形状识别方法、装置、设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及餐盘形状识别方法、装置、设备和计算机可读介质

技术介绍

[0002]餐盘形状识别方法，是用于识别餐盘形状的一项技术。目前，在识别餐盘形状时，通常采用的方式为：在餐盘中植入电子芯片，通过RFID(Radio Frequency Identification，射频识别系统)射频读取芯片编码。从而，在后台识别餐盘形状以及对应的菜品价格，另外，还可以通过预先训练的网络模型，对餐盘图像进行识别，得到餐盘形状信息。
[0003]然而，当采用上述方式进行餐盘形状识别时，经常会存在如下技术问题：
[0004]第一，由于餐盘中植入的电子芯片在高温情况下容易损坏，使得餐盘无法使用，由此，导致增加了餐盘的损耗率；
[0005]第二，由于电子芯片中的信息容易被篡改，使得电子芯片中的信息读取错误，从而，导致餐盘识别结果的准确度降低；
[0006]第三，在利用某一餐盘形状(例如长方形餐盘)的餐盘图像进行模型训练时，需要进行数据增强(即，对餐盘图像进行变换或旋转)等操作，使得在一定程度上使餐盘形状产生变换，由此，导致某一种形状的餐盘图像在变换之后容易偏向于另一种形状的餐盘图像，因此，导致训练的餐盘形状识别模型的准确度不足，从而，导致对餐盘图像的识别的准确度降低。

技术实现思路

[0007]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0008]本公开的一些实施例提出了餐盘形状识别方法、装置、设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0009]第一方面，本公开的一些实施例提供了一种餐盘形状识别方法，该方法包括：获取餐盘图像；对上述餐盘图像进行数据增强处理，以生成增强后餐盘图像集；基于上述增强后餐盘图像集，对预设的餐盘形状识别网络进行优化，以生成目标餐盘形状识别网络；基于预设餐盘图像和上述目标餐盘形状识别网络，生成餐盘形状识别结果。
[0010]第二方面，本公开的一些实施例提供了一种餐盘形状识别装置，该装置包括：获取单元，被配置成获取餐盘图像；数据增强处理单元，被配置成对上述餐盘图像进行数据增强处理，以生成增强后餐盘图像集；优化单元，被配置成基于上述增强后餐盘图像集，对预设的餐盘形状识别网络进行优化，以生成目标餐盘形状识别网络；生成单元，被配置成基于预设餐盘图像和上述目标餐盘形状识别网络，生成餐盘形状识别结果。
[0011]第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0012]第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0013]本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的餐盘形状识别方法，可以降低餐盘的损耗率。具体来说，造成餐盘损耗率较高的原因在于：由于餐盘中植入的电子芯片在高温情况下容易损坏，使得餐盘无法使用，由此，导致增加了餐盘的损耗率。基于此，本公开的一些实施例的餐盘形状识别方法，首先，获取餐盘图像。这里，上述餐盘图像可以是任意一个餐盘图像。然后，对上述餐盘图像进行数据增强处理，以生成增强后餐盘图像集。接着，基于上述增强后餐盘图像集，对预设的餐盘形状识别网络进行优化，以生成目标餐盘形状识别网络。最后，基于预设餐盘图像和上述目标餐盘形状识别网络，生成餐盘形状识别结果。由此，避免了由于餐盘中植入的电子芯片在高温情况下容易损坏，使得餐盘无法使用，由此，导致增加了餐盘的损耗率的情况。进而，可以降低餐盘的损耗率。
附图说明
[0014]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0015]图1是根据本公开的餐盘形状识别方法的一些实施例的流程图；
[0016]图2是根据本公开的餐盘形状识别装置的一些实施例的结构示意图；
[0017]图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
[0018]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0019]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0020]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0021]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0022]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0023]下面将参考附图并结合实施例来详细说明本公开。
[0024]图1示出了根据本公开的餐盘形状识别方法的一些实施例的流程100。该餐盘形状
识别方法，包括以下步骤：
[0025]步骤101，获取餐盘图像。
[0026]在一些实施例中，餐盘形状识别方法的执行主体可以通过有线的方式或者无线的方式获取餐盘图像。其中，上述餐盘图像可以为任意的一个餐盘图像。
[0027]需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
[0028]步骤102，对餐盘图像进行数据增强处理，以生成增强后餐盘图像集。
[0029]在一些实施例中，上述执行主体可以对上述餐盘图像进行数据增强处理，以生成增强后餐盘图像集。
[0030]在一些实施例的一些可选的实现方式中，上述执行主体对餐盘图像进行数据增强处理，以生成增强后餐盘图像集。可以包括以下步骤：
[0031]第一步，对上述餐盘图像进行变换操作，得到变换后餐盘图像集。其中，可以通过预设的变换算法对上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种餐盘形状识别方法，包括：获取餐盘图像；对所述餐盘图像进行数据增强处理，以生成增强后餐盘图像集；基于所述增强后餐盘图像集，对预设的餐盘形状识别网络进行优化，以生成目标餐盘形状识别网络；基于预设餐盘图像和所述目标餐盘形状识别网络，生成餐盘形状识别结果。2.根据权利要求1所述的方法，其中，所述对所述餐盘图像进行数据增强处理，以生成增强后餐盘图像集，包括：对所述餐盘图像进行变换操作，得到变换后餐盘图像集；对所述变换后餐盘图像集中的每个变换后餐盘图像进行随机旋转以生成旋转后餐盘图像组，得到旋转后餐盘图像组集合，其中，所述旋转后餐盘图像组集合中每个旋转后餐盘图像组中的各个餐盘图像对应同一识别标签，各个旋转后餐盘图像组对应不同的识别标签；将预设的实际餐盘图像集中的各个实际餐盘图像添加至所述旋转后餐盘图像组集合，以生成餐盘图像集；将预设的其他类型餐盘图像集中的各个其他类型餐盘图像添加至所述餐盘图像集，以生成所述增强后餐盘图像集。3.根据权利要求1所述的方法，其中，所述基于所述增强后餐盘图像集，对预设的餐盘形状识别网络进行优化，以生成目标餐盘形状识别网络，包括：将所述增强后餐盘图像集输入至所述预设的餐盘形状识别网络，以生成图像特征集；基于所述图像特征集，构建正负样本三元组集合，其中，所述正负样本三元组集合中的每个正负样本三元组包括：一组旋转后餐盘图像组中的一对餐盘图像和另一组旋转后餐盘图像组中的一个餐盘图像；基于所述正负样本三元组集合和预设损失函数，生成图像特征损失值集；确定所述图像特征损失值集中的各个图像特征损失值的平均值；基于所述平均值，确定所述预设的餐盘形状识别网络中参数的梯度值；基于预设的优化器和所述梯度值，对所述预设的餐盘形状识别网络进行参数调整，以生成目标餐盘形状识别网络。4.根据权利要求1
‑
3之一所述的方法，其中，所述基于预设餐盘图像和所述目标餐盘形状识别网络，生成餐盘形状识...

【专利技术属性】
技术研发人员：徐振博，刘柳，韩志林，
申请(专利权)人：杭州食方科技有限公司，
类型：发明
国别省市：