一种基于图像处理的“光盘”识别方法

本发明涉及图像处理，特别是涉及一种基于图像处理的“光盘”识别方法。

背景技术：

1、通过引入一种高效的数字化的识别方法来评价“光盘”效果，促进人们的节约意识是非常有必要的。基于此，为了保障“光盘行动”的长远实施，研究一种基于图像处理的“光盘”识别方法具有十分重要的意义。

技术实现思路

1、本发明的目的是为解决上述不足之处而提供一种基于图像处理的“光盘”识别方法。

2、本发明所采用的技术方案是：一种基于图像处理的“光盘”识别方法，包括以下步骤：

3、步骤s1、通过照相机从餐盘的正上方拍照获得带有残余食物的餐盘图像，照相机镜头在餐具上的投影处于餐具的中心点；

4、步骤s2、重复步骤s1获得相同型号餐盘上带有不同残余食物的多张餐盘图像，对每张餐盘图像分别进行预处理并制作成数据集；

5、步骤s3、通过深度学习算法识别图像中的餐盘及其残余食物，得到餐盘及其残余食物种类和位置；

6、步骤s4、建立基于卷积神经网络的网络模型，使用经过步骤s3处理的数据集进行训练获得训练好的基于卷积神经网络的网络模型；

7、步骤s5:通过步骤s1获得待识别的餐盘图像，经过步骤s2的预处理后再经过步骤s3的深度学习算法识别图像中的餐盘及其残余食物后输入到训练完成的基于卷积神经网络的网络模型中识别，获得待识别的餐盘图像是否“光盘”和残余食物的占比数值。

8、步骤s2中对图像进行预处理包括以下步骤：

9、步骤s21:对餐具图像进行灰度转化并计算其最大灰度值；

10、步骤s22:将餐具图像大小处理为400*300像素；

11、步骤s23:将餐具图像上下部分以水平中轴线为中心进行垂直镜像处理；

12、步骤s24:将餐具图像进行中值滤波获得新像素值；

13、步骤s25：将餐具图像进行canny算子边缘检测获得餐具和残余食物边缘。步骤s3具体包括如下步骤：

14、步骤s31：利用深度学习算法faster-rcnn中的特征提取网络vgg16对经过预处理的带有不同残余食物的餐盘图像进行特征提取产生特征图；

15、步骤s32：将产生的特征图传入深度学习算法faster-rcnn中的rpn网络产生目标框，利用全连接层对每个目标框做二分类和位置修正，输出精确的目标框作为建议框；

16、步骤s33：采用roi pooling使用最大值池化将特征图上roi固定为设定大小的特征图；

17、步骤s34：对特征图的候选区域进行分类和回归，得到餐盘及其残余食物种类和位置。

18、步骤s4具体包括如下步骤

19、步骤s41：将数据集中的图像经过步骤s3处理后，按照9：1的比例分为训练数据集和测试数据集；

20、步骤s42：将训练数据集输入到基于卷积神经网络的网络模型光盘”识别模型resnet101中进行训练；

21、步骤s43：得到训练好的基于卷积神经网络的网络模型“光盘”识别模型resnet101并用测试数据集检验。

22、步骤s5具体包括如下内容

23、步骤s51：通过步骤s1获得待识别的餐盘图像，经过步骤s2的预处理后再经过

24、步骤s3的深度学习算法识别图像中的餐盘及其残余食物获得待识别的餐盘图像中餐盘及其残余食物种类和位置；

25、步骤s52：人工设置残余食物相对餐盘的剩余占比并设置阈值；

26、步骤s53：通过训练好的基于卷积神经网络的网络模型“光盘”识别模型resnet101对经过步骤s51处理的待识别的餐盘图像进行识别，输出是否“光盘”和残余食物的占比数值。

27、本发明的有益效果是：本发明能够快速准确的识别餐盘是否光盘，如果不是光盘，还能够输出残余食物的占比数值。

技术特征：

1.一种基于图像处理的“光盘”识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于图像处理的“光盘”识别方法，其特征在于，步骤s2中对图像进行预处理包括以下步骤：

3.根据权利要求1所述的一种基于图像处理的“光盘”识别方法，其特征在于，步骤s3具体包括如下步骤：

4.根据权利要求1所述的一种基于图像处理的“光盘”识别方法，其特征在于，步骤s4具体包括如下步骤

5.根据权利要求4所述的一种基于图像处理的“光盘”识别方法，其特征在于，步骤s5具体包括如下内容

技术总结
本发明涉及图像处理技术领域，特别是涉及一种基于图像处理的“光盘”识别方法。一种基于图像处理的“光盘”识别方法，包括以下步骤：通过照相机从餐盘的正上方拍照获得带有残余食物的餐盘图像；获得相同型号餐盘上带有不同残余食物的多张餐盘图像，对每张餐盘图像分别进行预处理并制作成数据集；通过深度学习算法识别图像中的餐盘及其残余食物，得到餐盘及其残余食物种类和位置；建立基于卷积神经网络的网络模型，使用数据集进行训练获得训练好的基于卷积神经网络的网络模型；通过深度学习算法识别图像中的餐盘及其残余食物后输入到训练完成的基于卷积神经网络的网络模型中识别，获得待识别的餐盘图像是否“光盘”和残余食物的占比数值。

技术研发人员：丁洁,武霁,丁冰,郑德智
受保护的技术使用者：太原理工大学
技术研发日：
技术公布日：2024/3/4