[发明专利]一种冰箱的食材确定方法和系统

说明书

本申请提出一种冰箱的食材确定方法和系统，涉及厨房图像识别技术领域，包括：获取存储腔内的食材图片；根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。

技术领域

本发明涉及厨房图像识别技术领域，具体涉及一种冰箱的食材确定方法和系统。

背景技术

目前图像识别技术的一个研究方向是神经网络的深度学习算法，通过前期照片训练识别模型参数，应用时，输入拍摄的照片得到识别结果；以往在冰箱上进行食材识别的实际应用时，存在一个问题：需要根据确定的冰箱机型内部构造进行取图训练；例如：在A型冰箱内进行取图训练后，食材放入A冰箱内进行图像识别可达到90%以上的识别率，而将相同的识别模型参数用于B型冰箱，食材放入B冰箱的识别率可能只有70-80%；如想要在B冰箱也达到90%以上的识别率，需要重新在B型冰箱内进行食材数据库的取图并训练，得到适用于B冰箱的食材模型参数。

导致此问题的原因主要如下：

1. 图像畸变；摄像头拍摄的图片会存在一定的畸变效应，视角越大的摄像头拍摄的图片畸变越严重；不同冰箱内摄像头的不同安装方式，导致食材的畸变不同；而且同一冰箱内的不同位置，图片发生的畸变也会不同，为了适应不同位置的畸变，模型参数需要有一定的差异容许性，因而模型参数不会限制的很严密，相对而言会导致误识别率增大；

例如：使用冰箱中摄像头拍摄标准黑白方正间隔，拍摄得到的图片中各正方形的黑白框有不同程度的畸变。

2. 冰箱内部结构差异；拍摄食材进行识别时，会拍摄到冰箱内部腔体的状况，在单台冰箱取图量有限的情况下，进行食材模型训练时，识别算法并不能完全将食材与冰箱背景进行完全区分，而将冰箱结构融为食材特征的一部分保存到了食材模型数据中；

使用得到的食材图片在画框取图时，图片边缘的搁架、侧壁等也在框内，在同一冰箱相似的背景下取图，食材本体与边缘背景融为一体，食材模型参数中未完全剔除边缘背景；不同的冰箱，背景存在差异，会导致识别率有所下降。

因此，每推出一款冰箱时，为了达到良好的食材识别效果，需要重复进行各食材的取图训练，增加了很大的工作量和适应开发周期，上市初期用户体验不够好。

发明内容

本发明提供一种冰箱的食材确定方法和系统，可以使得各种冰箱共用食材标准模型参数，提高食材识别率。

为了实现上述发明目的，本发明采取的技术方案如下：

一种冰箱的食材确定方法，包括：

获取存储腔内的食材图片；

根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片；

根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类；

其中，所述食材标准模型为通过标准食材素材图片进行图像识别训练获得。

优选地，获取预设的畸变参数包括：

获取冰箱代码；

基于预先建立的冰箱代码与畸变参数的对应关系确定畸变参数。

优选地，所述预设的畸变参数存储于冰箱本机的存储器，所述根据预设的畸变参数对所述食材图片进行校正以得到所述食材的无畸变图片步骤包括：

在冰箱本机上进行校正以得到所述食材的无畸变图片并向云端服务器发送所述无畸变图片。

优选地，所述冰箱本机上设有预先建立的食材标准模型，所述根据预先建立的食材标准模型对所述无畸变图片进行图像识别以确定所述食材的种类步骤包括：