1.一种基于餐盘形状和颜色的智能结算方法,其特征在于,包括:
通过图像采集装置获取餐盘的图像信息;所述图像信息为动态的视频流;
对所述图像信息进行预处理,获得目标图像;
获取预设餐盘识别模型;
基于所述预设餐盘识别模型对所述目标图像进行识别处理,获得所述餐盘的类别信息;所述类别信息包括:所述餐盘的形状和颜色;
根据所述餐盘的类别信息,结合预设标定价格,获得当前的消费金额。
2.根据权利要求1所述的基于餐盘形状和颜色的智能结算方法,其特征在于,还包括:
获取消费者的人脸信息;
基于所述人脸信息和所述消费金额发送支付请求;
根据所述支付请求从与所述人脸信息关联的支付账号中扣除对应的消费金额,完成结算。
3.根据权利要求1所述的基于餐盘形状和颜色的智能结算方法,其特征在于,所述对所述图像信息进行预处理,获得目标图像包括:
对所述图像信息进行关键帧提取,获得所述目标图像;
所述目标图像为包括餐盘放置稳定图像。
4.根据权利要求1所述的基于餐盘形状和颜色的智能结算方法,其特征在于,所述获取预设餐盘识别模型包括:
采集装有菜品的样本餐盘的数据,所述装有菜品的样本餐盘的数据为样本数据;
对所述样本数据进行预处理,获得预处理数据;
采用所述预处理数据对卷积神经网络进行训练,获得所述预设餐盘识别模型;所述预设餐盘识别模型包括:可用于识别不同类型的餐盘的最优卷积神经网络参数。
5.根据权利要求4所述的基于餐盘形状和颜色的智能结算方法,其特征在于,所述对所述样本数据进行预处理,获得预处理数据包括:
对所述样本数据进行标识;
对经过标识的样本数据进行分类;
对分类后的不同类别样本数据的数量进行判断,若所述不同类别样本数据的数量小于预设值,则对数量小于预设值的类别样本数据进行数据增广,获得所述预处理数据;所述预处理数据包括数量大于或等于预设值的分类后的样本数据。
6.根据权利要求4所述的基于餐盘形状和颜色的智能结算方法,其特征在于,所述采用所述预处理数据对卷积神经网络进行训练,获得所述预设餐盘识别模型包括:
对所述预处理数据进行划分,得到相应的训练集;
将所述训练集转换为预设数据文件格式;
对所述训练集进行均值处理,获得均值数据;
对所述均值数据进行数据增广和白化处理;
设定神经网络模型的网络参数和训练参数;
采用预设方法,将训练数据导入神经网络模型中进行训练,获得所述预设餐盘识别模型;所述训练数据为经过数据增广和白化处理的均值数据。
7.根据权利要求6所述的基于餐盘形状和颜色的智能结算方法,其特征在于,所述预设方法为:随机梯度下降法。
8.一种基于餐盘形状和颜色的智能结算系统,其特征在于,包括:用于放置餐盘的工作台、设置在所述工作台上方以获取餐盘的图像信息的图像采集装置、以及:
预处理模块,所述预处理模块用于对所述图像信息进行预处理,获得目标图像;
第一获取模块,用于获取预设餐盘识别模型;
识别模块,用于基于所述预设餐盘识别模型对所述目标图像进行识别处理,获得所述餐盘的类别信息;所述类别信息包括:所述餐盘的形状和颜色;
计价模块,用于根据所述餐盘的类别信息,结合预设标定价格,获得当前的消费金额。
9.根据权利要求8所述的基于餐盘形状和颜色的智能结算系统,其特征在于,还包括:
第二获取模块,用于获取消费者的人脸信息;
发送模块,用于基于所述人脸信息和所述消费金额发送支付请求;
结算模块,用于根据所述支付请求从与所述人脸信息关联的支付账号中扣除对应的消费金额,完成结算。
10.根据权利要求8所述的基于餐盘形状和颜色的智能结算系统,其特征在于,所述第一获取模块包括:
采集模块,用于采集样本餐盘的样本数据;
子处理模块,用于对所述样本数据进行预处理,获得预处理数据;
训练模块,采用所述预处理数据对卷积神经网络进行训练,获得所述预设餐盘识别模型;所述预设餐盘识别模型包括:可用于识别不同类型的餐盘的最优卷积神经网络参数。