一种基于图像识别技术的智慧餐饮大屏系统技术方案

本发明专利技术涉及智慧餐饮技术领域，尤其为一种基于图像识别技术的智慧餐饮大屏系统，包括：图像采集模块：用于采集餐厅内图像信息；图像识别模块：用于对采集的图像信息进行处理和识别；数据统计模块：用于根据更新数据统计餐厅用餐数据及顾客消费菜品统计金额数据；状态显示模块：用于通过屏幕显示数据统计模块统计的数据。本发明专利技术通过采集菜品信息及人脸等信息，通过自适应滤波算法降低噪声影响，通过融入SE网络机制的卷积网络，实现浅层细粒度特征与深层高级语义特征的融合，有效提升模型在背景复杂图像中的特征表现力。还通过显示大屏对餐厅内的用餐数据进行统计和显示，便于顾客对就餐做出选择，提升顾客就餐体验感和顾客粘性。提升顾客就餐体验感和顾客粘性。提升顾客就餐体验感和顾客粘性。

【技术实现步骤摘要】
一种基于图像识别技术的智慧餐饮大屏系统


[0001]本专利技术涉及智慧餐饮
，尤其是一种基于图像识别技术的智慧餐饮大屏系统。

技术介绍

[0002]餐饮业不同于商业，又不同于工业，也不同于纯服务业，在现代社会里它属于第三产业，具有生产加工，饮食品零售和劳动服务的综合性。随着我国市场经济的快速发展，餐饮业也随之快速发展，为了满足快节奏的顾客，目前存在多种餐饮系统，通过智能化代替人工的方式实现餐饮的智能化，但是由于就餐环境复杂，导致智能化的准确率不高，影响餐厅经营。且当顾客去餐厅就餐时，习惯于从餐厅门口向内观看判断餐厅内就餐情况，此种判断方法无法准确判断餐厅内就餐情况，或是顾客排队点餐时出现多种菜品售罄的情况，影响顾客的用餐，导致顾客粘性不佳。

技术实现思路

[0003]本专利技术的目的是通过提出一种基于图像识别技术的智慧餐饮大屏系统，以解决上述
技术介绍
中提出的缺陷。
[0004]本专利技术采用的技术方案如下：
[0005]提供一种基于图像识别技术的智慧餐饮大屏系统，包括：
[0006]图像采集模块：用于采集餐厅内图像信息；
[0007]图像识别模块：用于对采集的图像信息进行处理和识别；
[0008]数据统计模块：用于根据更新数据统计餐厅用餐数据及顾客消费菜品统计金额数据；
[0009]状态显示模块：用于通过屏幕显示数据统计模块统计的数据。
[0010]作为本专利技术的一种优选技术方案：还包括：
[0011]信息管理模块：用于管理餐厅信息、餐厅内菜品信息及工作人员信息；
[0012]反馈管理模块：用于管理顾客的反馈意见并进行处理。
[0013]作为本专利技术的一种优选技术方案：所述图像采集模块采集的图像信息包括菜品图像、人脸图像、二维码图像及条形码图像。
[0014]作为本专利技术的一种优选技术方案：所述图像识别模块对采集图像信息进行处理具体为对图像的滤波处理，所述滤波处理采用自适应滤波算法与低通滤波结合的方式，对采集的图像数据进行降噪处理。
[0015]作为本专利技术的一种优选技术方案：所述滤波处理具体如下：
[0016]建立如下的滤波模型：
[0017][0018]其中，n为常数，w(d,g)为滤波核，f(x+d,y+g)为滤波前的图像坐标，h(x,y)为滤波模型，d和g分别为坐标变化量；
[0019]图像处于三维空间f(i,j,l)中，三维空间中某一点的坐标为(m,n,t)，该点边缘噪声阈值为K，图像中像素点数量为M，则经过低通滤波算法降噪处理后的图像为：
[0020][0021]其中，h
′
(m,n,t)为处理后的噪声图像；
[0022]采用自适应滤波算法对其进行优化：
[0023][0024]其中，H(i,j)为自适应滤波后的图像，D1为实际噪声，D0为理想噪声，(i,j)为随机一点，且
[0025]对采集的图像采用上述方式去噪获取滤波后的图像分辨率如下：
[0026][0027]其中，图像大小为E
×
T，灰度值为μ，系数为σ，噪声的方差为v2。
[0028]作为本专利技术的一种优选技术方案：所述图像识别模块中对图像进行识别时，通过融入SE网络机制的卷积网络对滤波后的图像进行特征提取，并将提取后的图像特征向量放入全连接层进行特征降维，全连接层后接Softmax激活函数进行图像的预测和识别。
[0029]作为本专利技术的一种优选技术方案：所述特征提取具体如下：
[0030]设卷积得到的特征图大小为W
×
H
×
C，和分别表示特征图的宽和长，C表示通道数；对特征图在空间维度W
×
H上进行压缩得到向量1
×1×
C，即通过一个全局平均池化得到通道级的全局特征，压缩模块的公式为：
[0031][0032]其中，z表示压缩操作输出特征图，u表示输入特征图，F1表示压缩函数；
[0033]对全局特征进行激励操作，通过两个全连接层学习特征通道之间的相关性，进行权重分配，生成通道权重维度为，激励模块的公式为：
[0034]s＝F
z
(z,W)＝σ(g(z,W))＝σ(W2δ(W1,z))
[0035]其中，s表示激励操作生成的权重，δ表示ReLU函数，σ表示sigmoid函数，F2表示激励函数，r表示压缩比例；
[0036]将得到的各通道权重值与原特征图对应通道的二维矩阵相乘，得到最终特征输出：
[0037][0038]其中，表示SE模块输出的特征图，表示元素相乘，F3表示乘积函数。
[0039]作为本专利技术的一种优选技术方案：所述图像识别模块对于识别成功的菜品，显示识别菜品的菜价和营养信息。
[0040]作为本专利技术的一种优选技术方案：所述图像识别模块还连接支付系统，通过扫描识别人脸图像、二维码图像和条形码图像进行支付。
[0041]作为本专利技术的一种优选技术方案：所述数据统计模块统计的餐厅用餐数据包括餐厅收支数据、餐厅用餐人数、菜品消耗、剩余数量。
[0042]本专利技术提供的基于图像识别技术的智慧餐饮大屏系统，与现有技术相比，其有益效果有：
[0043]本专利技术通过采集菜品信息及人脸等信息，通过自适应滤波算法降低噪声影响，通过融入SE网络机制的卷积网络，实现浅层细粒度特征与深层高级语义特征的融合，有效提升模型在背景复杂图像中的特征表现力；自动识别显示菜品价格和营养信息，并对餐厅用餐数据进行统计，根据采集的人脸等图像信息连接支付系统进行自动识别支付，还通过显示大屏对餐厅内的用餐数据进行统计和显示，便于顾客对就餐做出选择，提升顾客就餐体验感和顾客粘性。
附图说明
[0044]图1为本专利技术优选实施例的系统框图。
[0045]图中各个标记的意义为：100、图像采集模块；200、图像识别模块；300、数据统计模块；400、状态显示模块；500、信息管理模块；600、反馈管理模块。
具体实施方式
[0046]需要说明的是，在不冲突的情况下，本实施例中的实施例及实施例中的特征可以相互组合，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。
[0047]参照图1，本专利技术优选实施例提供了一种基于图像识别技术的智慧餐饮大屏系统，包括：
[0048]图像采集模块100：用于采集餐厅内图像信息；
[0049]图像识别模块200：用于对采集的图像信息进行处理和识别；
[0050]数据统计模块300：用于根据更新数据统计餐厅用餐数据及顾客消费菜品统计金额数据；
[0051]状态显示模块400：用于通过屏幕显示数据统计模块300统计的数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别技术的智慧餐饮大屏系统，其特征在于：包括：图像采集模块(100)：用于采集餐厅内图像信息；图像识别模块(200)：用于对采集的图像信息进行处理和识别；数据统计模块(300)：用于根据更新数据统计餐厅用餐数据及顾客消费菜品统计金额数据；状态显示模块(400)：用于通过屏幕显示数据统计模块(300)统计的数据。2.根据权利要求1所述的基于图像识别技术的智慧餐饮大屏系统，其特征在于：还包括：信息管理模块(500)：用于管理餐厅信息、餐厅内菜品信息及工作人员信息；反馈管理模块(600)：用于管理顾客的反馈意见并进行处理。3.根据权利要求1所述的基于图像识别技术的智慧餐饮大屏系统，其特征在于：所述图像采集模块(100)采集的图像信息包括菜品图像、人脸图像、二维码图像及条形码图像。4.根据权利要求1所述的基于图像识别技术的智慧餐饮大屏系统，其特征在于：所述图像识别模块(200)对采集图像信息进行处理具体为对图像的滤波处理，所述滤波处理采用自适应滤波算法与低通滤波结合的方式，对采集的图像数据进行降噪处理。5.根据权利要求4所述的基于图像识别技术的智慧餐饮大屏系统，其特征在于：所述滤波处理具体如下：建立如下的滤波模型：其中，n为常数，w(d,g)为滤波核，f(x+d,y+g)为滤波前的图像坐标，h(x,y)为滤波模型，d和g分别为坐标变化量；图像处于三维空间f(i,j,l)中，三维空间中某一点的坐标为(m,n,t)，该点边缘噪声阈值为K，图像中像素点数量为M，则经过低通滤波算法降噪处理后的图像为：其中，h
′
(m,n,t)为处理后的噪声图像；采用自适应滤波算法对其进行优化：其中，H(i,j)为自适应滤波后的图像，D1为实际噪声，D0为理想噪声，(i,j)为随机一点，且对采集的图像采用上述方式去噪获取滤波后的图像分辨率如下：
其中，图像大小为E
×
T，灰度值为μ，系数为σ，噪声的方差为v...

【专利技术属性】
技术研发人员：孙志成，
申请(专利权)人：广州上善餐饮企业管理有限公司，
类型：发明
国别省市：