一种基于智能水杯进行液体成分检测的方法及系统与流程

1.本发明涉及智能水杯技术领域，尤其涉及一种基于智能水杯进行液体成分检测的方法及系统。


背景技术：

2.水杯可以用来盛装液体，包括各种各样的饮料，随着人们对生活需求的多样化，其对水杯的功能也提出了多种多样的要求，比如在杯体上设置手把，可以避免用户使用时烫伤；比如设置杯盖，使得位于水杯中的水等液体延缓散热，从而实现保温的目的；水杯的材料可以是塑料、陶瓷或不锈钢等等。目前随着智能化技术的发展，水杯的功能也得到不断地拓展。
3.目前所涉及的智能水杯可以检测或者控制杯体内的温度，获取水量等液体参数，以及实现对于水杯内的液体类别进行有效识别，对于液体的营养成份进行有效地分析，现有智能水杯通过获取智能水杯中的液体成分然后通过云平台来实现对液体成分的分析，但这种分析模式不能针对液体成分进行精细化处理。
4.现有智能水杯中虽然可以通过设置摄像头来拍照实现对待检测液体的拍照功能，也可以借助于处理系统来进行图像分析，但智能水杯中的成像环境和条件存在差异性，使得云计算平台所分析的色度信息差异性较大，使得统一分析的条件和因素存在诸多干扰，且摄像头精度较大，所采集的图像详细较为丰富，直接输入到神经网络模型中会影响到神经网络的处理精度和效率。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，本发明提供了一种基于智能水杯进行液体成分检测的方法及系统，通过色度校正模型为待检测液体匹配核实的光源环境，使得第二色度信息能被云计算平台进行统一处理，将第二色度信息按照预设放大倍数进行切分处理，使得神经网络模型能够更加精细化分析第二色度信息，可是实现客观而准确的预测结果。
6.为了解决上述问题，本发明提出了一种基于智能水杯进行液体成分检测的方法，所述方法包括：基于智能水杯上的摄像头获取待检测液体的第一色度信息；通过所述第一色度信息为所述待检测液体构建色度校正模型；基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源；基于智能水杯上的摄像头获取待检测液体的第二色度信息，并将所述第二色度信息发送到云计算平台；云计算平台对第二色度信息进行按照预设放大倍数进行切分处理，得到若干个切分小图像，对所述若干个切分小图像进行编码处理生成若干个特征图像，将所述若干个特征图像输入到神经网络中进行分析处理得到液体成分分析结果；
云计算平台按照液体成分分析结果为所述智能水杯匹配媒体显示数据，并将所述媒体显示数据发送到智能水杯上；所述智能水杯上的显示模块解析所述媒体显示数据，并在所述智能水杯上显示所述媒体显示数据。
7.所述基于智能水杯上的摄像头获取待检测液体的第一色度信息包括：识别用户基于触控区完成检测项目指令；解析所述检测项目指令，并判断所述检测项目指令是否触发对摄像头的拍照功能；在触发对摄像头的拍照功能时，基于摄像头获取到待检测液体的第一色度信息。
8.所述通过所述第一色度信息为所述待检测液体构建色度校正模型包括：对第一色度信息进行关键区域选取；通过对关键区域选择来分析智能水杯中的光照强度和光均匀度；基于光照强度和光均匀度构建色度校正模型。
9.所述对第一色度信息进行关键区域选取包括：对第一色度信息进行关键点定位，生成每个关键点的标识信息；根据标识信息在第一色度信息对应的深度图像中提取多个关键区域，所述关键区域包括杯体底部区域和杯体周壁区域。
10.所述通过对关键区域选择来分析智能水杯中的光照强度和光均匀度包括：采用retinex算法进行光照强度与均匀度分析。
11.所述基于光照强度和光均匀度构建色度校正模型包括：将基准物在第二色度信息所在环境下的色度与该第一色度信息之间进行求差，然后去差值绝对值；将获得的色度差值绝对值与预设偏差阈值进行对比，在色度差值绝对值大于设定值的情况下，根据基准物所在环境下的色度与色度差值进行色度校正模型构建。
12.所述云计算平台对第二色度信息进行按照预设放大倍数进行切分处理，得到若干个切分小图像包括：通过图像变换、边缘检测、去背景色进行降噪、平滑和色度增强进行彩色图像处理，获得清洁和单一的彩色图像信息；将彩色图像信息按照预设放大倍数切分成若干个切分小图像。
13.所述边缘检测采用canny算子进行边缘检测。
14.所述对所述若干个切分小图像进行编码处理生成若干个特征图像包括：基于神经网络训练好的编码器-解码器模型输出一个与输入图像尺寸一样的输出图像，通过比较输入图像和输出图像之间的相似度，然后通过梯度下降的方法反向传播来训练模型得到若干个特征图像；将所有特征图像进行降维统一处理，使得输入到神经网络中的降维统一图像大小一致。
15.相应的，本发明还提出了一种基于智能水杯进行液体成分检测的系统，所述系统包括：智能水杯，用于基于摄像头获取待检测液体的第一色度信息，通过所述第一色度
信息为所述待检测液体构建色度校正模型；基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源；基于摄像头获取待检测液体的第二色度信息，并将所述第二色度信息发送到云计算平台；接收云计算平台发送的媒体显示数据，并基于显示模块解析所述媒体显示数据，并在所述智能水杯上显示所述媒体显示数据；云计算平台，用于对第二色度信息进行按照预设放大倍数进行切分处理，得到若干个切分小图像，对所述若干个切分小图像进行编码处理生成若干个特征图像，将所述若干个特征图像输入到神经网络中进行分析处理得到液体成分分析结果；按照液体成分分析结果为所述智能水杯匹配媒体显示数据，并将所述媒体显示数据发送到智能水杯上。
16.本发明的智能水杯通过摄像头来获取待检测液体的第一色度信息，从而为智能水杯中的待检测液体匹配出合理的检测光源，从而使得最终所采集的第二色度信息能被云计算平台进行统一处理。色度校正模型可以结合待检测项目匹配一个第二色度信息所在环境下的基准物，该基准物可以为待检测液体按照检测项目匹配出核实的色度，从而使得检测项目可以触发出核实的光源模型，方便第二色度信息的成型检测分析。
17.在led光源的作用下，智能水杯通过摄像头获得待检测液体的第二色度信息，第一色度信息主要是为了触发智能水杯上的led光源来生成检测光源，第二色度信息主要是为了满足云计算平台的分析处理过程，第一色度信息是为了触发智能水杯保障到第二色度信息所需要的检测光源条件，避免第一色度信息被直接输入到云计算平台，由于第一色度信息不是分析条件下的基准物，第一色度信息会导致云计算平台分析的失真，通过校正模型所触发的第二色度信息满足基准物的匹配度，其可以较好的满足云计算平台的处理过程。
18.将第二色度信息即彩色图像信息切分成若干个切分小图像，然后以神经网络中的机器学习模型加以训练，这里通过对切分小图像使得图像要素能进行机器学习模型的训练和输出。在每个特征图像分别按批次输入到特征模型完成特征图像处理后，实现了每个切分小图像得到的特征全部聚集在一起，输入到分类模型，就可以得到的分类结果。
19.智能水杯可以通过摄像头触发对液体检测过程，使得用户可以结合功能选择菜单结合应用环境来选择所需要检测的项目，也减少液体检测过程下的误操作，通过智能水杯所获取的液体成分，使得液体成分可以在云计算平台上通过神经网络模型进行数据分析，并结合液体成分分析结果自适应匹配出媒体结果数据，这些媒体结果数据可以被智能水杯解析出来，使得检测结果可以在智能水杯上以媒体内容互动的方式展示给用户端，其不需要借助于移动终端就可以展示媒体内容，增强了液体检测环境下的科普性和趣味性，从而增强用户的体验感。
附图说明
20.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
21.图1是本发明实施例中的基于智能水杯进行液体成分检测的系统结构示意图；图2是本发明实施例中的智能水杯的结构示意图；图3是本发明实施例中的基于智能水杯进行液体成分检测的方法流程图。
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
23.本发明实施例中所涉及的基于智能水杯进行液体成分检测的方法，所述方法包括：基于智能水杯上的摄像头获取待检测液体的第一色度信息；通过所述第一色度信息为所述待检测液体构建色度校正模型；基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源；基于智能水杯上的摄像头获取待检测液体的第二色度信息，并将所述第二色度信息发送到云计算平台；云计算平台对第二色度信息进行按照预设放大倍数进行切分处理，得到若干个切分小图像，对所述若干个切分小图像进行编码处理生成若干个特征图像，将所述若干个特征图像输入到神经网络中进行分析处理得到液体成分分析结果；云计算平台按照液体成分分析结果为所述智能水杯匹配媒体显示数据，并将所述媒体显示数据发送到智能水杯上；所述智能水杯上的显示模块解析所述媒体显示数据，并在所述智能水杯上显示所述媒体显示数据。
24.该方法中的智能水杯通过摄像头来获取待检测液体的第一色度信息，从而为智能水杯中的待检测液体匹配出合理的检测光源，从而使得最终所采集的第二色度信息能被云计算平台进行统一处理。色度校正模型可以结合待检测项目匹配一个第二色度信息所在环境下的基准物，该基准物可以为待检测液体按照检测项目匹配出核实的色度，从而使得检测项目可以触发出核实的光源模型，方便第二色度信息的成型检测分析。
25.在led光源的作用下，智能水杯通过摄像头获得待检测液体的第二色度信息，第一色度信息主要是为了触发智能水杯上的led光源来生成检测光源，第二色度信息主要是为了满足云计算平台的分析处理过程，第一色度信息是为了触发智能水杯保障到第二色度信息所需要的检测光源条件，避免第一色度信息被直接输入到云计算平台，由于第一色度信息不是分析条件下的基准物，第一色度信息会导致云计算平台分析的失真，通过校正模型所触发的第二色度信息满足基准物的匹配度，其可以较好的满足云计算平台的处理过程。
26.将第二色度信息即彩色图像信息切分成若干个切分小图像，然后以神经网络中的机器学习模型加以训练，这里通过对切分小图像使得图像要素能进行机器学习模型的训练和输出。在每个特征图像分别按批次输入到特征模型完成特征图像处理后，实现了每个切分小图像得到的特征全部聚集在一起，输入到分类模型，就可以得到的分类结果。
27.智能水杯可以通过摄像头触发对液体检测过程，使得用户可以结合功能选择菜单结合应用环境来选择所需要检测的项目，也减少液体检测过程下的误操作，通过智能水杯所获取的液体成分，使得液体成分可以在云计算平台上进行数据分析，并结合液体成分分析结果自适应匹配出媒体结果数据，这些媒体结果数据可以被智能水杯解析出来，使得检测结果可以在智能水杯上以媒体内容互动的方式展示给用户端，其不需要借助于移动终端就可以展示媒体内容，增强了液体检测环境下的科普性和趣味性，从而增强用户的体验感。
28.具体的，图1示出了本发明实施例中的基于智能水杯进行液体成分检测的系统结构示意图，所述系统包括：智能水杯，用于基于摄像头获取待检测液体的第一色度信息，通过所述第一色度
信息为所述待检测液体构建色度校正模型；基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源；基于摄像头获取待检测液体的第二色度信息，并将所述第二色度信息发送到云计算平台；接收云计算平台发送的媒体显示数据，解析所述媒体显示数据，并在所述智能水杯上显示所述媒体显示数据；云计算平台，用于对第二色度信息进行按照预设放大倍数进行切分处理，得到若干个切分小图像，对所述若干个切分小图像进行编码处理生成若干个特征图像，将所述若干个特征图像输入到神经网络中进行分析处理得到液体成分分析结果；按照液体成分分析结果为所述智能水杯匹配媒体显示数据，并将所述媒体显示数据发送到智能水杯上。
29.该系统中的智能水杯通过摄像头来获取待检测液体的第一色度信息，从而为智能水杯中的待检测液体匹配出合理的检测光源，从而使得最终所采集的第二色度信息能被云计算平台进行统一处理。色度校正模型可以结合待检测项目匹配一个第二色度信息所在环境下的基准物，该基准物可以为待检测液体按照检测项目匹配出核实的色度，从而使得检测项目可以触发出核实的光源模型，方便第二色度信息的成型检测分析。
30.在led光源的作用下，智能水杯通过摄像头获得待检测液体的第二色度信息，第一色度信息主要是为了触发智能水杯上的led光源来生成检测光源，第二色度信息主要是为了满足云计算平台的分析处理过程，第一色度信息是为了触发智能水杯保障到第二色度信息所需要的检测光源条件，避免第一色度信息被直接输入到云计算平台，由于第一色度信息不是分析条件下的基准物，第一色度信息会导致云计算平台分析的失真，通过校正模型所触发的第二色度信息满足基准物的匹配度，其可以较好的满足云计算平台的处理过程。
31.将第二色度信息即彩色图像信息切分成若干个切分小图像，然后以神经网络中的机器学习模型加以训练，这里通过对切分小图像使得图像要素能进行机器学习模型的训练和输出。在每个特征图像分别按批次输入到特征模型完成特征图像处理后，实现了每个切分小图像得到的特征全部聚集在一起，输入到分类模型，就可以得到的分类结果。
32.智能水杯可以通过摄像头触发对液体检测过程，使得用户可以结合功能选择菜单结合应用环境来选择所需要检测的项目，也减少液体检测过程下的误操作，通过智能水杯所获取的液体成分，使得液体成分可以在云计算平台上进行数据分析，并结合液体成分分析结果自适应匹配出媒体结果数据，这些媒体结果数据可以被智能水杯解析出来，使得检测结果可以在智能水杯上以媒体内容互动的方式展示给用户端，其不需要借助于移动终端就可以展示媒体内容，增强了液体检测环境下的科普性和趣味性，从而增强用户的体验感。
33.具体的，图2示出了本发明实施例中的智能水杯的结构示意图，该智能水杯包括：摄像头，用于获取待检测液体的第一色度信息和第二色度信息，第一色度信息由用户触控触控区来触发完成，第二色度信息通过第一角度信息为所述待检测液体构建色度校正模型，然后基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源，再获取待检测液体的第二色度信息；触控区，智能水杯上设置有触控区，用户在将待检测液体装入到智能水杯上时，其可以触发智能水杯上的检测菜单选择项，该检测菜单选择项可以结合智能水杯的检测项目来设置，其可以针对不同的液体检测应用环境或者具体检测成分来完成检测菜单选择项的设置；处理模块，用于通过所述第一色度信息为所述待检测液体构建色度校正模型，以
及基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源；led光源，用于为所述待检测液体匹配检测光源；通信模块，用于将所述第二色度信息发送到云计算平台；以及接收云计算平台所发送的媒体结果数据；存储模块，用于存储第二色度信息所在环境下的基准物，该基准物可以为待检测液体按照检测项目匹配出核实的色度，从而使得检测项目可以触发出核实的光源模型，方便第二色度信息的成型检测分析；显示模块，用于解析所述媒体显示数据，并在所述智能水杯上显示所述媒体显示数据。
34.具体的，图3示出了本发明实施例中的基于智能水杯进行液体成分检测的方法流程图，具体包括以下步骤：s301、基于智能水杯上的摄像头获取待检测液体的第一色度信息；智能水杯上设置有触控区，用户在将待检测液体装入到智能水杯上时，其可以触发智能水杯上的检测菜单选择项，该检测菜单选择项可以结合智能水杯的检测项目来设置，其可以针对不同的液体检测应用环境或者具体检测成分来完成检测菜单选择项的设置。
35.智能水杯在识别到用户基于触控区完成检测项目指令后，解析所述检测项目指令，并判断所述检测项目指令是否触发对摄像头的拍照功能，从而使得摄像头可以获取到待检测液体的第一色度信息。
36.s302、通过所述第一色度信息为所述待检测液体构建色度校正模型；由于第一色度信息可以反应出智能水杯盛有待检测液体的图像信息，但图像信息是否能满足云计算平台的分析处理，其需要考虑对待检测液体构建色度校正模型，从而使得最终所采集的第二色度信息能被云计算平台进行统一处理。
37.色度校正模型可以结合待检测项目匹配一个第二色度信息所在环境下的基准物，该基准物可以为待检测液体按照检测项目匹配出核实的色度，从而使得检测项目可以触发出核实的光源模型，方便第二色度信息的成型检测分析。
38.具体的，在获取到第一色度信息之后，其首先对第一色度信息进行关键区域选取，通过对关键区域选择来分析智能水杯中的光照强度和光均匀度是否符合要求，对于智能水杯的光照过高或者过低均会造成噪音信息占比过高，严重干扰待检测液体的识别，这里需要调整光照条件或者拍摄设备的曝光时间、感光度等设置。光均匀度同样对数据准确度有影响，如果光照不均匀极易造成不同组拍摄条件产生较大差异，严重情况单次拍摄过程中智能水杯的不同位置色度信息也可能具有较大偏差，因此这里需要结合第一色度信息来调整整个智能水杯中的光源条件。
39.这里对关键区域进行选取，包括对第一色度信息进行关键点定位，生成每个关键点的标识信息；根据标识信息在第一色度信息对应的深度图像中提取多个关键区域，关键区域包括杯体底部区域和杯体周壁区域。本发明实施例中的关键点定位时，所定位到的关键点通常有多个，这些关键点按照智能水杯的杯体轮廓进行分布，因此，上述定位出的关键点通常是有顺序的多个点，用于表征智能水杯的轮廓，且在智能水杯的轮廓位置，关键点相对密集，进而可以便于对关键区域进行区分。需要说明的是，这里每个关键区域的关键点可
以通过标识信息进行区分，例如，标识信息排序在1～8的点可以表示杯体底部区域的关键点等等，具体的排序方式可以根据实际使用情况进行设置，本发明实施例对此不进行限制。
40.在对第一色度信息上的关键区域进行检测判断，即判断第一色度信息上的关键区域是否符合检测标准，这些标准包括关键区域的图像像素大小、光照强度值和光均匀度程度。这里针对关键区域上的第一色度信息进行检测，检测包含待检测液体的色度分量，构建目标检测标准与色度分量之间的标准曲线，然后根据目标检测标准和包含该目标检测标准的待检测液体的属性选择第二色度信息所在环境下的基准物。
41.需要说明的是，这里进行光照强度判断和光均度判断时，可以采用retinex算法进行光照强度与均匀度分析。
42.具体实施过程中，将基准物在第二色度信息所在环境下的色度与该第一色度信息之间进行求差，然后去差值绝对值；将获得的色度差值绝对值与预设偏差阈值进行对比，在色度差值绝对值大于设定值的情况下，根据基准物所在环境下的色度与色度差值进行色度校正模型构建，即根据将基准物在第一环境下的第一色度信息校正到第二环境下的色度的校正路径，构建色度校正模型。
43.通过色度校正模型的建立，是为了进行实现对智能水杯中检测光源的校正，以随时随地进行水质检测，通过色度校正模型将采集的检测样本色度校正到第二色度信息所在环境下的色度，保证云平台分析的准确性。
44.s303、基于所构建的色度校正模型触发led光源为所述待检测液体匹配检测光源；需要说明的是，色度校正模型中基于光照强度来校正整个智能水杯中的色度信息，并基于采集的检测样本色度来校正到第二速度信息所在环境下的色度，从而触发智能水杯上的led光源按照色度校正模型为待检测液体匹配所对应的检测光源，从而保障到摄像头所采集的第二色度信息能够满足分析处理要求。
45.s304、基于智能水杯上的摄像头获取待检测液体的第二色度信息，并将所述第二色度信息发送到云计算平台；在led光源的作用下，智能水杯通过摄像头获得待检测液体的第二色度信息，第一色度信息主要是为了触发智能水杯上的led光源来生成检测光源，第二色度信息主要是为了满足云计算平台的分析处理过程，第一色度信息是为了触发智能水杯保障到第二色度信息所需要的检测光源条件，避免第一色度信息被直接输入到云计算平台，由于第一色度信息不是分析条件下的基准物，第一色度信息会导致云计算平台分析的失真，通过校正模型所触发的第二色度信息满足基准物的匹配度，其可以较好的满足云计算平台的处理过程。
46.s305、云计算平台对第二色度信息进行按照预设放大倍数进行切分处理，得到若干个切分小图像；具体的，在智能水杯中按照基准物的色度进行拍摄，得到第二色度信息，该色度信息可以是彩色图像信息，然后对获得的彩色图像信息进行处理，保证后续色度提取便捷性。这里的预设放大倍数的取值范围一般在10-50之间。
47.具体实施过程中，通过图像变换、边缘检测、去背景色进行降噪、平滑和色度增强进行彩色图像处理，获得清洁和单一的彩色图像信息。例如，进行边缘检测时，采用canny算子进行边缘检测，图像中的边缘主要有以下几种类型：细线型边缘、突变型边缘和渐变型边缘，其中突变型边缘可检测一阶微分极值点、二阶微分过0点，细线型边缘可检测一阶微分
过0点，二阶微分极值点，而渐变型边缘较难检测，二阶微分信息略多于一阶微分。通过canny算子获得边缘检测图像后，在此基础上进行通过中值滤波降噪平滑算法改善图像质量。然后在处理后的彩色图像信息汇总进行色度提取，获得待检测液体的第二色度信息。
48.由于第二色度信息是在盛有待检测液体的智能水杯中拍摄得到的，第二色度信息中会存在一些图像信息的干扰，比如智能水杯本身会作为待检测液体的背景色存在于第二色度信息中，这里需要结合智能水杯的杯体结构，完成对智能水杯所具有的背景色进行去除，使得整个彩色图像信息所具有的信息更加纯正，便于整体的分析。
49.本发明实施例中的第二色度信息具有高分辨率图像，其整个彩色图像信息容量较大，如果直接用第二色度信息进行数据处理回造成数据处理量过大，使得整个神经网络中的机器学习无法实现，这里将第二色度信息即彩色图像信息切分成若干个切分小图像，然后以神经网络中的机器学习模型加以训练，这里通过对切分小图像使得图像要素能进行机器学习模型的训练和输出。
50.s306、对所述若干个切分小图像进行编码处理生成若干个特征图像，将所述若干个特征图像输入到神经网络中进行分析处理得到液体成分分析结果；具体实施过程中，每个切分小图像按批次输入到特征模型中进行特征处理，然后将每个切分小图像得到的特征全部聚集在一起。本发明实施例中的特征模型是基于神经网络训练好的编码器-解码器模型进行处理，这里通过神经网络训练好的编码器将每个切分小图像生成特征图像，这里神经网络中的解码器不参与解码过程，使得特征图像可以作为神经网络的输入参数量从而实现对液体成分的图像分析过程。
51.具体实施过程中，基于神经网络训练好的编码器-解码器模型输出一个与输入图像尺寸一样的输出图像，通过比较输入图像和输出图像之间的相似度，然后通过梯度下降的方法反向传播来训练模型，使得模型的输入图像与输出图像尽可能相同，从而得到若干个特征图像。在基于神经网络训练好编码器-解码器模型后，本发明实施例中解码器部分不参与工作，使得其通过编码器就可以得到了特征模型所需要的特征图像。按照预设放大倍数对第二色度信息进行切分处理所得到的切分小图像非常多，所有的切分小图像不可能一次性输入到神经网络模型中，这里通过神经网络模型的编码器来生成的特征图像相当于压缩了切分小图像，每个特征图像相对于每个切分小图像就变小了，这样就可以全部将切分的小图像输入到特征模型后统一聚集起来，然后再输入到后面的模型成为可能。
52.需要说明的是，在对所述若干个切分小图像进行编码处理生成若干个特征图像之后，还需要将所有特征图像进行降维统一处理，使得输入到神经网络中的降维统一图像大小一致。
53.在每个特征图像分别按批次输入到特征模型完成特征图像处理后，实现了每个切分小图像得到的特征全部聚集在一起，这里将提取的特征图像经过降维统一模型后，得到尺寸相同的特征特性后，输入到分类模型，就可以得到的分类结果。这里通过对特征系统进行降维统一处理之后，使得输出到分类模型的输入大小是一致的，实现数据在数量上的统一，方便神经网络进行训练处理过程。
54.本发明实施例中的神经网络模型包括多个串联的残差层、降维层及输出层；其中，残差层包括多个尺度的卷积核、针对各尺度的卷积核用于对该尺度的卷积核输出的特征图像进行融合的1
×
1卷积核、用于对各1
×
1卷积核输出的特征图像进行连接的concat层和激
活函数层；降维层用于对最后一个残差层输出的特征图像进行通道降维处理；输出层包括卷积层和dropout层。
55.本发明实施例中采用包括多个尺度的卷积核、针对各尺度的卷积核用于对该尺度的卷积核输出的特征图像进行融合的1
×
1卷积核、用于对各1
×
1卷积核输出的特征图像进行连接的concat层和激活函数层组成的残差层，替换常规的神经网络模型中的一维卷积层。采用多个尺度的卷积核，能够有效提取第二色度信息的特征数据，然后针对各尺度的卷积核利用1
×
1卷积核进行融合，在与常规的一维卷积层的效果接近情况下，可以达到近似通道数分之一的计算量和参数量，即大幅度的减少了计算量和参数量，并且引入残差结构，在模型训练过程中能够有效进行梯度传递。
56.s307、云计算平台按照液体成分分析结果为所述智能水杯匹配媒体显示数据，并将所述媒体显示数据发送到智能水杯上；需要说明的是，这里按照液体成分分析结果为智能水杯匹配媒体显示数据，其可以按照液体成分分析结果中的关键词进行匹配媒体显示数据，而这些媒体显示数据其与液体成分分析结果存在一系列的映射关系，媒体显示数据与液体成分分析结果存在相对于的解释关系，使得用户可以通过媒体显示数据了解到液体成分分析结果。
57.具体实施过程中，基于液体成分分析结果生成搜索请求，所述搜索请求包括液体成分关键词；获取所述液体成分关键词在各所述维度下的媒体显示数据集合；基于液体成分分析结果从媒体显示数据集合中匹配出近似度最高的媒体显示数据。
58.s308、所述智能水杯上的显示模块解析所述媒体显示数据，并在所述智能水杯上显示所述媒体显示数据。
59.该方法通过摄像头触发对液体检测过程，使得用户可以结合功能选择菜单结合应用环境来选择所需要检测的项目，也减少液体检测过程下的误操作，通过智能水杯所获取的液体成分，使得液体成分可以在云计算平台上通过神经网络模型进行数据分析，并结合液体成分分析结果自适应匹配出媒体结果数据，这些媒体结果数据可以被智能水杯解析出来，使得检测结果可以在智能水杯上以媒体内容互动的方式展示给用户端，其不需要借助于移动终端就可以展示媒体内容，增强了液体检测环境下的科普性和趣味性，从而增强用户的体验感。
60.本技术实施例还提供了一种计算机存储介质，该计算机可读存储介质中存储有指令，当其在计算机或处理器上运行时，使得计算机或处理器执行上述任一个实施例所述方法中的一个或多个步骤。上述装置的各组成模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在所述计算机可读取存储介质中，基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机产品存储在计算机可读存储介质中。
61.上述计算机可读存储介质可以是前述实施例所述的设备的内部存储单元，例如硬盘或内存。上述计算机可读存储介质也可以是上述设备的外部存储设备，例如配备的插接式硬盘，智能存储卡（smart media card， smc），安全数字（securedigital，sd）卡，闪存卡（flashcard）等。进一步地，上述计算机可读存储介质还可以既包括上述设备的内部存储单元也包括外部存储设备。上述计算机可读存储介质用于存储上述计算机程序以及上述设备所需的其他程序和数据。上述计算机可读存储介质还可以用于暂时地存储已经输出或者将
要输出的数据。
62.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可通过计算机程序来指令相关的硬件来完成，该计算机的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可存储程序代码的介质。
63.以上对本发明实施例进行了详细介绍，本文中采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。