[发明专利]食物信息的识别方法、装置、设备及存储介质

权利要求书

1.一种食物信息的识别方法，其特征在于，所述识别方法包括：

接收来自终端的食物图像；

采用食物图像分类模型对所述食物图像进行识别以得到所述食物信息；

将所述食物信息发送至所述终端。

2.根据权利要求1所述的识别方法，其特征在于，所述接收来自终端的食物图像，进一步包括：

获取食物图像的分类数据集，所述分类数据集包括训练集、验证集以及测试集；

搭建所述食物图像的初始分类模型；

根据所述分类数据集对所述初始分类模型进行训练以得到所述食物图像分类模型。

3.根据权利要求2所述的识别方法，其特征在于，所述获取食物图像的分类数据集，所述分类数据集包括训练集、验证集以及测试集，进一步包括：

制定预设数量的食物类别；

分别收集预设数量张所述食物类别的图像；

分别获取所述预设数量张所述食物类别的图像的标签信息；

对所述图像的标签信息进行数据清洗以得到所述食物图像的分类数据集；

将所述食物图像的分类数据集进行分类以形成所述训练集、所述验证集以及所述测试集。

4.根据权利要求2所述的识别方法，其特征在于，所述根据所述分类数据集对所述初始分类模型进行训练以得到所述食物图像分类模型，进一步包括：

对所述训练集中的食物图像进行预处理；

采用预处理后的所述食物图像对所述初始分类模型进行参数训练；

采用所述验证集及所述测试集中的食物图像分别对进行参数训练后的所述初始分类模型进行超参数调整和模型验证；

对进行超参数调整和模型验证后的所述初始分类模型进行优化以得到所述食物图像分类模型。

5.根据权利要求4所述的识别方法，其特征在于，所述对所述训练集中的食物图像进行预处理至少包括中心裁剪、随机裁剪、随机长宽比裁剪、上下左右中心裁剪、翻转和旋转以及图像大小变换中的一种或组合。

6.根据权利要求2所述的识别方法，其特征在于，所述食物图像的初始分类模型采用深度卷积神经网络模型。

7.根据权利要求1所述的识别方法，其特征在于，所述食物信息至少包括食物的名称、卡路里信息、脂肪含量、蛋白质含量以及碳水化合物含量的一种或者组合。

8.一种食物信息的识别装置，其特征在于，所述识别装置包括：

接收模块，用于接收来自终端的食物图像；

识别模块，用于采用食物图像分类模型对所述食物图像进行识别以得到所述食物信息；

发送模块，用于将所述食物信息发送至所述终端。

9.一种食物信息的识别设备，其特征在于，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7任意一项所述的食物信息的识别方法的操作。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一可执行指令，所述可执行指令在食物信息的识别设备/装置上运行时，使得食物信息的识别设备/装置执行如权利要求1-7任意一项所述的基食物信息的识别方法的操作。