基于卷积神经网络的智能冰箱果蔬图像识别系统及方法与流程

本申请涉及智能识别领域，且更为具体地，涉及一种基于卷积神经网络的智能冰箱果蔬图像识别系统及方法。

背景技术：

1、冰箱人们的日常生活中扮演着重要的角色。具体来说，冰箱通过低温环境延长食品的保鲜期，减缓食材腐败速度，帮助人们更长时间地保存食物，减少食材浪费。同时，冰箱提供了有序的储存空间，使人们能够有效地组织和存放各种食材和食品，方便日常取用。随着人工智能技术的飞速发展，基于卷积神经网络的图像识别技术已经广泛应用于各个领域。在智能家居领域，智能冰箱作为家庭中不可或缺的一部分，其功能也在不断地升级。

2、在传统的冰箱中，用户需要手动检查并识别冰箱中的食物，这不仅耗时而且效率低下。因此，期待一种优化的智能冰箱果蔬图像识别系统及方法，以使得智能冰箱能帮助用户更好地利用食材、减少食材浪费。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于卷积神经网络的智能冰箱果蔬图像识别系统及方法，其通过利用图像处理技术和基于深度学习算法的人工智能技术，从果蔬图像中提取与学习图像的多维度语义特征，并将这种多维度语义特征信息进行交互与融合，以形成完整的关于果蔬类别的综合表述特征，从而实现智能化地识别果蔬类别。这样，通过果蔬识别功能，智能冰箱可以帮助用户快速识别冰箱中存放的果蔬种类，方便用户了解食材库存情况，并帮助用户合理安排食材的使用顺序，减少食材浪费，从而提升食材管理的智能化水平，帮助用户更好地利用食材、减少食材浪费，同时也促进了食品安全意识和健康饮食的实践。

2、根据本申请的一个方面，提供了一种基于卷积神经网络的智能冰箱果蔬图像识别方法，其包括：

3、获取待分析果蔬图像；

4、计算所述待分析果蔬图像的梯度方向直方图；

5、计算所述待分析果蔬图像的颜色梯度直方图；

6、对所述待分析果蔬图像、所述待分析果蔬图像的梯度方向直方图和所述待分析果蔬图像的梯度方向直方图进行图像语义特征提取以得到校正后果蔬图像语义特征图、果蔬梯度语义特征图和果蔬颜色语义特征图；

7、基于所述校正后果蔬图像语义特征图、所述果蔬梯度语义特征图和所述果蔬颜色语义特征图之间的特征交互信息来确定果蔬识别结果。

8、根据本申请的另一个方面，提供了一种基于卷积神经网络的智能冰箱果蔬图像识别系统，其包括：

9、图像获取模块，用于获取待分析果蔬图像；

10、梯度方向直方图计算模块，用于计算所述待分析果蔬图像的梯度方向直方图；

11、颜色梯度直方图模块，用于计算所述待分析果蔬图像的颜色梯度直方图；

12、图像语义特征提取模块，用于对所述待分析果蔬图像、所述待分析果蔬图像的梯度方向直方图和所述待分析果蔬图像的梯度方向直方图进行图像语义特征提取以得到校正后果蔬图像语义特征图、果蔬梯度语义特征图和果蔬颜色语义特征图；

13、识别结果生成模块，用于基于所述校正后果蔬图像语义特征图、所述果蔬梯度语义特征图和所述果蔬颜色语义特征图之间的特征交互信息来确定果蔬识别结果。

14、与现有技术相比，本申请提供的一种基于卷积神经网络的智能冰箱果蔬图像识别系统及方法，其通过利用图像处理技术和基于深度学习算法的人工智能技术，从果蔬图像中提取与学习图像的多维度语义特征，并将这种多维度语义特征信息进行交互与融合，以形成完整的关于果蔬类别的综合表述特征，从而实现智能化地识别果蔬类别。这样，通过果蔬识别功能，智能冰箱可以帮助用户快速识别冰箱中存放的果蔬种类，方便用户了解食材库存情况，并帮助用户合理安排食材的使用顺序，减少食材浪费，从而提升食材管理的智能化水平，帮助用户更好地利用食材、减少食材浪费，同时也促进了食品安全意识和健康饮食的实践。

技术特征：

1.一种基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，包括：

2.根据权利要求1所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，计算所述待分析果蔬图像的颜色梯度直方图，包括：

3.根据权利要求2所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，对所述待分析果蔬图像、所述待分析果蔬图像的梯度方向直方图和所述待分析果蔬图像的梯度方向直方图进行图像语义特征提取以得到校正后果蔬图像语义特征图、果蔬梯度语义特征图和果蔬颜色语义特征图，包括：

4.根据权利要求3所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，利用深度学习网络模型对所述分析果蔬图像、所述待分析果蔬图像的梯度方向直方图和所述待分析果蔬图像的梯度方向直方图进行特征提取以得到果蔬图像语义特征图、所述果蔬梯度语义特征图和所述果蔬颜色语义特征图，包括：

5.根据权利要求4所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，使用非线性响应补偿器对所述果蔬图像语义特征图进行处理以得到所述校正后果蔬图像语义特征图，包括：

6.根据权利要求5所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，基于所述校正后果蔬图像语义特征图、所述果蔬梯度语义特征图和所述果蔬颜色语义特征图之间的特征交互信息来确定果蔬识别结果，包括：

7.根据权利要求6所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，将所述校正后果蔬图像语义特征图、所述果蔬梯度语义特征图和所述果蔬颜色语义特征图通过多通道特征交融网络以得到果蔬多通道图像语义融合特征图，包括：

8.根据权利要求7所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，还包括训练步骤：对所述基于卷积神经网络模型的图像特征提取器、所述非线性响应补偿器、所述多通道特征交融网络和所述基于分类函数的果蔬识别判决器进行训练。

9.根据权利要求8所述的基于卷积神经网络的智能冰箱果蔬图像识别方法，其特征在于，所述训练步骤，包括：

10.一种基于卷积神经网络的智能冰箱果蔬图像识别系统，其特征在于，包括：

技术总结
本申请公开了一种基于卷积神经网络的智能冰箱果蔬图像识别系统及方法，其通过利用图像处理技术和基于深度学习算法的人工智能技术，从果蔬图像中提取与学习图像的多维度语义特征，并将这种多维度语义特征信息进行交互与融合，以形成完整的关于果蔬类别的综合表述特征，从而实现智能化地识别果蔬类别。这样，通过果蔬识别功能，智能冰箱可以帮助用户快速识别冰箱中存放的果蔬种类，方便用户了解食材库存情况，并帮助用户合理安排食材的使用顺序，减少食材浪费，从而提升食材管理的智能化水平，帮助用户更好地利用食材、减少食材浪费，同时也促进了食品安全意识和健康饮食的实践。

技术研发人员：陈越鹏,毛斌君,程忠祥,王伟
受保护的技术使用者：宁波惠康工业科技股份有限公司
技术研发日：
技术公布日：2024/8/20