[发明专利]一种基于卷积神经网络的多模型对成品菜的识别方法有效
| 申请号： | 201811384497.6 | 申请日： | 2018-11-20 |
| 公开（公告）号： | CN109684922B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 吴健;张久成;王文哲;陆逸飞;吴福理 | 申请（专利权）人： | 浙江大学山东工业技术研究院 |
| 主分类号： | G06V20/68 | 分类号： | G06V20/68;G06V10/764;G06V10/82;G06V10/50;G06V10/774;G06N3/047;G06N3/048;G06N3/0464;G06N3/08 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 277800 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的多模型对成品菜的识别方法，包括：收集成品菜的图像，根据菜品种类进行标签标注；对图像进行白平衡和均衡化处理，得到训练数据集；构建至少两个不同的卷积神经网络模型，用训练数据集分别进行迭代训练，得到训练完成后的卷积神经网络模型；将待测图像分别输入训练完成后的卷积神经网络模型进行识别，每个卷积神经网络模型输出菜品种类中每个类别对应的概率值；用投票算法计算不同卷积神经网络模型输出的同一类别对应的概率值的平均值，选取平均值中的最高值所对应的类别作为识别结果。该识别方法避免了人工选取特征和传统特征度量方法适应性不强的缺点，剔除特征中的冗余信息，利于提升识别的准确性。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 模型 成品 识别 方法 | ||
【主权项】：
1.一种基于卷积神经网络的多模型对成品菜的识别方法，包括以下步骤：(1)收集成品菜的图像，根据菜品种类进行标签标注；(2)对图像进行白平衡和均衡化处理，得到训练数据集；(3)构建至少两个不同的卷积神经网络模型，用步骤(2)得到的训练数据集分别进行迭代训练，得到训练完成后的卷积神经网络模型；所述的卷积神经网络模型包括：特征提取模块，提取待测图像的特征，输出特征图至PCA处理模块和融合分类模块；PCA处理模块，对输入的特征图进行特征信息提取，输出特征信息至融合分类模块；融合分类模块，包括全连接层和分类器，全连接层对输入的特征图和特征信息进行全连接计算，分类器对全连接层的输出进行每个类别对应的概率值的预测计算；(4)将待测图像分别输入训练完成后的卷积神经网络模型进行识别，每个卷积神经网络模型输出菜品种类中每个类别对应的概率值；(5)用投票算法计算不同卷积神经网络模型输出的同一类别对应的概率值的平均值，选取平均值中的最高值所对应的类别作为识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学山东工业技术研究院，未经浙江大学山东工业技术研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811384497.6/，转载请声明来源钻瓜专利网。
