[发明专利]基于注意力机制和集成学习的冰箱食材检测方法及装置

说明书

本发明提供了一种基于注意力机制和集成学习的冰箱食材检测方法及装置。其方法包括：获得训练完备后的冰箱食材检测集成模型，所述冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，所述第一冰箱食材检测模型包括联合注意力机制模块；获取待检测冰箱食材图像，并基于所述冰箱食材检测集成模型对所述待检测冰箱食材图像进行检测，获得所述待检测冰箱食材图像的检测结果。本发明通过设置冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，且第一冰箱食材检测模型包括联合注意力机制模块，可增强特征的表达能力，提高冰箱食材检测集成模型的检测精度和准确性。

技术领域

本发明涉及智能冰箱食材检测技术领域，具体涉及一种基于注意力机制和集成学习的冰箱食材检测方法及装置。

背景技术

随着物联网、大数据、人工智能的发展以及经济的快速增长和人类生活水平的提高，在智能家居领域，冰箱果蔬识别与分类的应用研究受到了越来越多的重视。智能冰箱不仅能够实现温湿度的自动控制，还能实现果蔬等食材的智能化管理，包括食材的数量与种类、保鲜周期以及合理的膳食搭配。果蔬自动识别技术作为一项新兴技术，应用前景广泛，对于该领域的相关研究也具有重要的意义。并且近些年来深度学习方法也更广泛地应用于图像领域。

与传统的辅助检测方法相比，深度学习的方法通过对大量样本进行训练学习，提取的图像特征能够更好地表征数据集的本质信息，适用于目标的检测。且在智能冰箱检测领域，已经有一些深度学习算法应用于食材检测，并且进展顺利。专利CN110966833A公开了一种检测冰箱内食材信息的方法及冰箱，其公开了通过BP神经网络、支持向量机(SVM)、Adaboost中的任意一种模型对冰箱食材信息进行检测。其存在以下技术问题：仅通过单一的识别模型对冰箱食材进行检测，检测准确性较低。

因此，急需提供一种基于注意力机制和集成学习的冰箱食材检测方法及装置，用以解决现有技术中存在的对冰箱食材进行检测的监测准确性较低的技术问题。

发明内容

有鉴于此，有必要提供一种基于注意力机制和集成学习的冰箱食材检测方法及装置，用以解决现有技术中存在的对冰箱食材进行检测的监测准确性较低的技术问题。

一方面，本发明提供了一种基于注意力机制和集成学习的冰箱食材检测方法，包括：

获得训练完备后的冰箱食材检测集成模型，所述冰箱食材检测集成模型包括模型结构不相同的第一冰箱食材检测模型和第二冰箱食材检测模型，所述第一冰箱食材检测模型包括联合注意力机制模块；

获取待检测冰箱食材图像，并基于所述冰箱食材检测集成模型对所述待检测冰箱食材图像进行检测，获得所述待检测冰箱食材图像的检测结果。

在一些可能的实现方式中，所述第一冰箱食材检测模型为YOLOv5s模型，所述第二冰箱食材检测模型为EfficientDet模型。

在一些可能的实现方式中，所述联合注意力机制模块包括改进通道注意力机制子模块、改进空间注意力机制子模块以及联合子模块；

所述改进通道注意力机制子模块包括依次连接的通道残差单元、通道池化层、通道卷积层、第一通道激活函数、通道全连接层、第二通道激活函数以及通道特征加权层，所述通道池化层包括并行的通道平均池化层以及通道最大池化层；

所述改进空间注意力机制子模块包括依次连接的空间残差单元、空间池化层、空间卷积层、第一空间激活函数、空间全连接层、第二空间激活函数以及空间特征加权层，所述空间池化层包括并行的全局平均池化层以及全局最大池化层；

所述联合子模块包括联合卷积层，所述联合卷积层用于对所述通道特征加权层的输出和所述空间特征加权层的输出进行卷积操作，获得联合注意力特征图。