一种菜品留样方法技术

本发明专利技术公开的一种菜品留样方法，判断目标菜品是否在原菜品总库中；在，则与原总库中该类别菜品图片计算相似度值；将大于或等于预设相似度阈值的原总库该类别图片组成第一留样图片组，否则组成第二留样图片组；判断第一留样图片组的数量是否大于零，是则将通过自注意力机制方法提取第一识别特征，否则扩充张数后通过自注意力机制方法提取第一识别特征；判断第二留样图片组的图片数量是否大于零，是则通过互信息方法提取第二识别特征，否则扩充张数后通过互信息方法提取第二识别特征。不在，则扩充张数后分别使用自注意力机制方法提取第一识别特征，和使用互信息方法提取第二识别特征。最后保留两个特征作为该类别菜品识别特征进行存储。进行存储。进行存储。

【技术实现步骤摘要】
一种菜品留样方法


[0001]本专利技术涉及菜品留样
，特别是一种菜品留样方法。

技术介绍

[0002]为了在结算时对菜品进行识别，餐厅或食堂往往有专人负责留样，按照相关的规章制度将每份食品取样后，立即存放到已消毒的留样餐具中，并外部贴上标签，标明留样日期时间、菜品名称，餐次和留样负责人；将贴好标签的留样食品按规定存放在专用的恒温冰箱内冷藏保存，最后登记记录每餐每样留样食品的相关信息。
[0003]目前智能留样方法使用的留样特征是通过加权平均后的单一特征，由于同一菜品在不同餐段做法不同，存在差异，势必会导致丢失较多重要特征信息，使得在结算时菜品识别率较低。

技术实现思路

[0004]本专利技术的目的在于针对现有技术的缺陷，提供一种能够提高菜品识别率的菜品留样方法。
[0005]本专利技术所述的菜品留样方法，包括：
[0006]获取留样的菜品图，根据留样的菜品图获取目标菜品区域图；判断目标菜品区域图的菜品类别是否在原菜品总库类别中；
[0007]如在原菜品总库类别中，则计算目标菜品区域图与原总库中该类别菜品图片间的相似度值；
[0008]将相似度值中大于或等于预设相似度阈值的原总库该类别图片组成第一留样图片组，并判断第一留样图片组的图片数量是否大于零，大于零则将目标菜品区域图加入第一留样图片组并通过自注意力机制方法提取第一识别特征，否则在第一留样图片组中加入扩充预设张数留样的目标菜品区域图，并通过自注意力机制方法提取第一识别特征，完成后清除扩充数据；
>[0009]将相似度值中小于预设相似度阈值的原总库该类别图片组成第二留样图片组，并判断第二留样图片组的图片数量是否大于零，大于零则将目标菜品区域图加入第二留样图片组并通过互信息方法提取第二识别特征，否则在第一留样图片组中加入扩充预设张数留样的目标菜品区域图，并通过互信息方法提取第二识别特征，完成后清除扩充数据；
[0010]将提取到第一识别特征和第二识别特征均作为该类别菜品的留样识别特征存入识别特征库中；
[0011]如不在原菜品总库类别中，则加入扩充预设张数留样的目标菜品区域图，组成留样图片组；
[0012]对留样图片组分别通过注意机制方法和互信息方法提取该类别菜品对应第一识别特征和第二识别特征，并进行存储，完成后清除扩充数据。
[0013]作为本专利技术的一种优选方案，自注意力机制方法提取第一识别特征具体如下：
[0014]设第一留样图片组里有N张留样图片，使用识别网络提取每张图片的特征features
i
(1≤i≤N)，每张图的特征维度为1
×
1536，即features
i
(1
×
1536)；
[0015]将N张图片的特征堆叠后形成一个维度为N
×1×
1536的张量X，并将X进行维度变换，使其变换为维度为N
×
1536的张量；
[0016]使用X作为查询Q、键K和值V的输入，使用自注意力机制公式如下：
[0017][0018]其中，Q，K，V的维度都是N
×
1536，dk表示键的维度，大小为1536，用于缩放相似性得分的标量因子是通过上述公式则可以得到一个维度为1
×
1536的第一识别特征featuresA。
[0019]作为本专利技术的一种优选方案，互信息方法提取第二识别特征具体如下：
[0020]设第二留样图片组里有N张留样图片，使用识别网络提取每张图片的特征featuresi(1≤i≤N)，每张图的特征维度为1
×
1536，即featuresi(1
×
1536)；
[0021]将上提取到的每张图片的特征向量featuresi维度为(1
×
1536)视为随机变量xi，其中i表示第i张图片；
[0022]使用互信息公式计算每张图片之间的互信息值I(xi,xj)，其中i和j分别表示图片的图片对应特征值的索引，公式为：
[0023][0024]其中，p(xi,xj)是图片特征Xi，Xj同时取其中一个值的联合概率，p(xi)和p(xj)分别是图片特征xi和xj的边缘概率分布；
[0025]根据计算的互信息值I(xi,xj)，可以得到一个N
×
N图片特征之间的相关性矩阵M，则Mij表示图片i和j之间的互信息；
[0026]将基于相关性矩阵M中的值进行归一化处理，则可得到每张图片之间的权重，其范围在0～1之间；
[0027]将权重应用于图片的特征向量中，以加权平均的方式融合相关性高的图片特征，具体为将每个特征维度乘以对应图片的权重，并对所有图片的加权特征向量求和，公式为：
[0028][0029]其中weighti是图片i的权重，featuresi维是图片i的特征向量；
[0030]通过上述公式则可以得到一个维度为1
×
1536的第二识别特征featuresB。
[0031]本专利技术的有益效果：
[0032]首先通过判断目标菜品区域图的菜品类别是否在原菜品总库类别中，如在则通过计算目标菜品区域图与原总库中该类别菜品图片间的相似度值，将相似度值中大于或等于预设相似度阈值的原总库该类别图片组成第一留样图片组，将相似度值中小于预设相似度阈值的原总库该类别图片组成第二留样图片组，然后判断第一留样图片组的图片数量是否大于零，大于零则将目标菜品区域图加入第一留样图片组并通过自注意力机制方法提取第
一识别特征，否则在第一留样图片组中加入扩充预设张数留样的目标菜品区域图，并通过自注意力机制方法提取第一识别特征，完成后清除扩充数据；判断第二留样图片组的图片数量是否大于零，大于零则将目标菜品区域图加入第二留样图片组并通过自注意力机制方法提取第二识别特征，否则在第一留样图片组中加入扩充预设张数留样的目标菜品区域图，并通过自注意力机制方法提取第二识别特征，完成后清除扩充数据；并将提取到第一识别特征和第二识别特征均作为该类别菜品留样识别特征存入识别特征库中，其完成一个整体相似度阈值判断、数据扩充与保留两不同特征作为该类别菜品的留样识别特征进行存储，可大大提高了在结算时对各类别菜品的识别率，从而解决由于同一菜品在不同餐段做法不同，存在差异，通过加权平均取得其单一特征，导致丢失较多重要特征信息，所带来菜品识别率低的问题；另外，如不在原菜品总库图中，其通过加入扩充预设张数留样的目标菜品区域图，组成留样图片组，对留样图片组分别通过注意机制方法和互信息方法提取该类别菜品对应第一识别特征和第二识别特征，完成后清除扩充数据，进行数据扩充与保留两不同特征作为该类别菜品的留样识别特征进行存储，进一步提高了在结算时对各类别菜品的识别率。
附图说明
[0033]图1为本专利技术一种菜品留样方法的流程示意图。
具体实施方式
[0034]下面将结合附图，对本专利技术实施例中的技术方案进行清本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种菜品留样方法，其特征在于，包括：获取留样的菜品图，根据留样的菜品图获取目标菜品区域图；判断目标菜品区域图的菜品类别是否在原菜品总库类别中；如在原菜品总库类别中，则计算目标菜品区域图与原总库中该类别菜品图片间的相似度值；将相似度值中大于或等于预设相似度阈值的原总库该类别图片组成第一留样图片组，并判断第一留样图片组的图片数量是否大于零，大于零则将目标菜品区域图加入第一留样图片组并通过自注意力机制方法提取第一识别特征，否则在第一留样图片组中加入扩充预设张数留样的目标菜品区域图，并通过自注意力机制方法提取第一识别特征，完成后清除扩充数据；将相似度值中小于预设相似度阈值的原总库该类别图片组成第二留样图片组，并判断第二留样图片组的图片数量是否大于零，大于零则将目标菜品区域图加入第二留样图片组并通过互信息方法提取第二识别特征，否则在第一留样图片组中加入扩充预设张数留样的目标菜品区域图，并通过互信息方法提取第二识别特征，完成后清除扩充数据；将提取到第一识别特征和第二识别特征均作为该类别菜品的留样识别特征存入识别特征库中；如不在原菜品总库类别中，则加入扩充预设张数留样的目标菜品区域图，组成留样图片组；对留样图片组分别通过注意机制方法和互信息方法提取该类别菜品对应第一识别特征和第二识别特征，并进行存储，完成后清除扩充数据。2.根据权利要求1所述的菜品留样方法，其特征在于，自注意力机制方法提取第一识别特征具体如下：设第一留样图片组里有N张留样图片，使用识别网络提取每张图片的特征(1≤i≤N)，每张图的特征维度为1
×
1536，即 (1
×
1536);将N张图片的特征堆叠后形成一个维度为N
×1×
1536的张量X，并将X进行维度变换，使其变换为维度为N
×
1536的张量；使用X作为查询Q、键K和值V的输入，使用自注意力机制公式如下：其中，Q，K，V的维度都是N
×
1536，d
k
表示键的维度，大小为1536，用于缩放相似性得分的标量因子是；通过上述公式则可以得到一个维度为1
×

【专利技术属性】
技术研发人员：罗立浩，陈晓鹏，赵晓红，
申请(专利权)人：广州市派客朴食信息科技有限责任公司，
类型：发明
国别省市：