CN109508595A

CN109508595A - 一种图像识别的方法及相关设备

Info

Publication number: CN109508595A
Application number: CN201710844628.3A
Authority: CN
Inventors: 郑永森; 朱晓龙; 彭翔; 陈晓畅
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2017-09-15
Filing date: 2017-09-15
Publication date: 2019-03-22
Anticipated expiration: 2037-09-15
Also published as: CN109508595B

Abstract

有本申请实施例公开了一种图像识别的方法及相关设备。本申请实施例方法包括：接收目标客户端发送的目标图像；判断所述目标图像是否包含盛放食物的餐具的图像信息；当所述目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定所述目标图像中餐具的空置概率，所述图像识别模型用于对所述餐具的图像信息进行识别分析，所述图像数据集包含盛放不同食物量的餐具的图像；将所述目标图像中所述餐具的空置概率反馈至目标客户端，以使所述目标客户端显示所述目标图像中所述餐具的空置概率。本申请实施例还提供了一种服务器及终端，用于扩大公益事业的倡导范围，提高适应性。

Description

一种图像识别的方法及相关设备

技术领域

本发明涉及计算机领域，尤其涉及一种图像识别的方法及相关设备。

背景技术

“光盘行动”倡导节约粮食，反对铺张浪费的公益活动，主旨是带动大家珍惜粮食、吃光盘子中的食物，希望大家可以养成生活中珍惜粮食、厉行节约反对浪费的习惯，而即便时至今日，珍惜粮食，节约粮食仍是需要遵守的古老美德之一。

传统的“光盘”宣传是通过在公共场所处粘贴公益标语，例如，粘贴“谁知盘中餐，粒粒皆辛苦”的标语来提倡珍惜粮食，但是，此种方法存在诸多不足：例如，对被宣传对象的素质要求较高；标语宣传粘贴不具备持久性，容易损坏；标语宣传范围受到一定的限制。

传统的方法中也可以通过电视宣传提倡。例如，在电视频道播放相关的珍惜粮食节目来达到提倡珍惜粮食的目的。此种方法不具备普适性，现阶段的年轻人基本上不使用电视，因此电视宣传提倡手段面向对象比较局限。

综上，亟需一种适用性更广的方法来鼓励人们节约粮食，弘扬传统美德。

发明内容

本申请实施例提供了一种图像识别的方法及相关设备，用于扩大公益事业的倡导范围，提高适应性。

第一方面，本申请实施例提供了一种图像识别的方法，包括：

接收目标客户端发送的目标图像；

判断所述目标图像是否包含盛放食物的餐具的图像信息；

当所述目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定所述目标图像中餐具的空置概率，所述图像识别模型用于对所述餐具的图像信息进行识别分析，所述图像数据集包含盛放不同食物量的餐具的图像；

将所述目标图像中所述餐具的空置概率反馈至目标客户端，以使所述目标客户端显示所述目标图像中所述餐具的空置概率。

第二方面，本申请实施例提供了一种图像识别的方法，包括：

获取目标图像；

将所述目标图像向服务器发送，以使所述服务器判断所述目标图像是否包含盛放食物的餐具的图像信息；当所述目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定所述目标图像中餐具的空置概率，所述图像识别模型用于对所述餐具的图像信息进行识别分析，所述图像数据集包含盛放不同食物量的餐具的图像；

接收所述服务器发送的所述目标图像中所述餐具的空置概率；

显示所述目标图像中所述餐具的空置概率。

第三方面，本申请实施例提供了一种终端，包括：

获取模块，用于获取目标图像；

发送模块，用于将获取模块获取的所述目标图像向服务器发送，以使所述服务器判断所述目标图像是否包含盛放食物的餐具的图像信息；当所述目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定所述目标图像中餐具的空置概率，所述图像识别模型用于对所述餐具的图像信息进行识别分析，所述图像数据集包含盛放不同食物量的餐具的图像；

接收模块，用于接收所述服务器发送的所述目标图像中所述餐具的空置概率；

显示模块，用于显示所述接收模块接收的目标图像中所述餐具的空置概率。

第四方面，本申请实施例提供了一种终端，包括：

存储器，用于存储计算机可执行程序代码；

收发器，以及

处理器，与所述存储器和所述收发器耦合；

其中所述程序代码包括指令，当所述处理器执行所述指令时，所述指令使所述终端执行上述第二方面所述的方法。

第五方面，本申请实施例提供了计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。

从以上技术方案可以看出，本申请实施例具有以下优点：

本实施例中，通过目标客户端上传目标图像，该服务器通过图像识别模型判断用户上传的目标图像中盘子的空置概率，然后，目标客户端显示该空置概率，用户通过目标客户端显示的空置概率可以督促用户珍惜粮食，本申请实施例中提供的方法应用于客户端，用户每次进餐后，可以通过客户端将包含目标图像发送至服务器，服务器在判定该目标图像包含餐具的图像信息后，可以通过图像识别模型来确定该餐具的空置概率，并将该餐具的空置概率反馈给客户端，该客户端显示该空置概率，以提醒用户节约粮食，珍惜食物，扩大公益事业倡导的宣传范围，该方法结合当前广大年轻人的生活习惯，适用性更广。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中提供的残差网络的一个结构块的示意图；

图2为本申请实施例中提供的残差网络部分结构示意图；

图3本申请实施例中提供的一种图像识别系统的架构示意图；

图4本申请实施例中提供的目标客户端的界面场景示意图；

图5为申请实施例中提供的图像识别的方法的一个实施例的步骤流程图；

图6为申请实施例中提供的图像识别的方法的另一个实施例的步骤流程图；

图7为申请实施例中提供的目标客户端获取目标图像的场景示意图；

图8为申请实施例中提供的一个场景示意图；

图9为申请实施例中提供的目标客户端显示该第一提示信息，第二提示信息和该空置概率的一个场景示意图；

图10为申请实施例中提供的目标客户端显示该第一提示信息，第二提示信息和该空置概率的另一个场景示意图；

图11为本申请实施例中提供的场景流程示意图；

图12为本申请实施例中提供的一种服务器的一个实施例的结构示意图；

图13为本申请实施例中提供的一种服务器的另一个实施例的结构示意图；

图14为本申请实施例中提供的一种服务器的另一个实施例的结构示意图；

图15为本申请实施例中提供的一种服务器的另一个实施例的结构示意图；

图16为本申请实施例中提供的一种服务器的另一个实施例的结构示意图；

图17为本申请实施例中提供的一种服务器的另一个实施例的结构示意图；

图18为本申请实施例中提供的一种终端的一个实施例的结构示意图；

图19为本申请实施例中提供的一种终端的另一个实施例的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了方便说明，对本申请实施例中涉及的词语进行解释。

深度残差网络模型：深度残差网络(ResNet)用于图像识别的深度残差学习，一个能够用来训练“非常深”的深度网络又十分简洁的框架，在图像分类、对象检测和语义分割等领域均有较好的表现。深度残差网络框架的出现主要为了解决深层网络收敛过程出现的退化问题。退化问题指的是随着神经网络深度的增加，精确度开始饱和，然后会迅速变差。这样的一种退化，并不是过拟合导致的，并且增加更多的层匹配深度模型，会导致更多的训练误差。深度残差网络存在堆叠的非线性层便可以解决退化问题。形式上看，就是用H(X)来表示最优解映射，用x表示输入，但我们让堆叠的非线性层去拟合另一个映射F(X):＝H(X)-X,此时原最优解映射H(X)就可以改写成F(X)+X，我们假设残差映射跟原映射相比更容易被优化。极端情况下，如果一个映射是可优化的，那也会很容易将残差推至0，把残差推至0和把此映射逼近另一个非线性层相比要容易的多。F(X)+X的公式可以通过在前馈网络中做一个“快捷连接”来实现。如图1所示，图1为残差网络的一个结构块的示意图。快捷连接跳过一个或多个层。在该用例中，快捷连接简单的执行自身映射，它们的输出被添加到叠加层的输出中。自身快捷连接既不会添加额外的参数也不会增加计算复杂度。整个网络依然可以用随机梯度下降(SGD)反向传播来做端到端的训练。将残差学习的方式应用到了每一组堆叠层，一个构造块在图1所示，把一个构造块定义成：

y＝F(x,{W_i})+x (1)

此处，x和y分别表示构造块的输入和输出向量，函数F(x,{Wi})表示被将被训练的残差映射。举个例子，在图1中有两层，F＝W₂σ(W₁x)中的σ，σ表示relu，出于简化考虑省略了偏置项。操作F+x是由一个快捷连接进行逐元素的添加得到。公式(1)中介绍的这个快捷连接既没有引入额外的参数和也没有增加计算复杂性。这不仅是在应用中有吸引力，对普通及残差网络的比较中也尤为重要。这样便可以公平的比较参数个数、深度、宽度和计算代价完全一致的简单/残差网络(除了可以忽略不计的逐元素加法运算)公式(1)中x的维度和F必须保持一致，如果不一致(比如改变输入输出的通道数)我们可以在快捷连接上进行一个线性投影Ws来匹配维度：

y＝F(x,{W_i})+W_sx (2)

深度残差网络模型结构：一般情况下，简单普通网络的卷积层的过滤器(filter)大多为Conv3x3，遵循了两个设计原则：对于相同的尺寸的输出特征图谱，每层必须含有相同数量的过滤器。如果特征图谱的尺寸减半，则过滤器的数量必须翻倍，以保持每层的时间复杂度。

深度残差网络模型在简单网络的基础上，插入了快捷连接，将网络转化为其对应的残差版本。当输入输出是相同尺寸的时候，自身捷径(公式(1))。请结合图2进行理解，图2为残差网络部分结构示意图。当输入输出尺寸发生增加时，我们考虑两个策略：快捷连接仍然使用自身映射，对于维度的增加用零来填补空缺。此策略不会引入额外的参数；投影捷径(公式2)被用来匹配尺寸(靠1×1的卷积完成)。对于这两种选项，当快捷连接在两个不同大小的特征图谱上出现时，用跨度为2来处理。

本申请实施例中在图像数据集中训练该深度残差网络模型，该图像数据集包含百万级的对包含不同食物量的盘子的图像。图像的大小可以在【256，480】范围内，随机采样而调整，以便增大规模，通过从一副图像中随机采样或者与每个像素的均值相减的水平抖动，得到224×224大小的图片。并初始化权重，并从零开始训练所有的普通网络和残差网络。

该深度残差网络模型可以大幅降低了训练更深层次神经网络的难度，也使准确率得到显著提升。

本申请实施例中提供的图像识别的方法，应用于一种图像识别系统，请参阅图3和图4进行理解，图3为本申请实施例中的一种图像识别系统的架构示意图，图4为本申请实施例中目标客户端的界面场景示意图。该图像识别系统包括目标客户端301和服务器302。该目标客户端301用于获取目标图像，该目标图像可能为：1、盛放食物的餐具的图像，需要说明的是，该盛放食物的餐具可以为盘子、碗、煲、石锅等等，此处不一一举例，在本申请实施例中该盛放事物的餐具可以以盘子为例进行说明，该盘子的图像可以包括两种，一种是“空盘”的图片，即没有残留食物或者残留食物非常少的图片，另一种是非“空盘”的图片，即有残留食物的图片；2、非盛放事物的餐具的图像，例如，动物，树木等图片。然后，该目标客户端301将该目标图像发送至服务器302。

该服务器302用于接收目标客户端发送的目标图像，然后，判断目标图像是否包含盛放食物的餐具的图像信息，即服务器判断该目标图像中是否包含“盘子”的图像信息，当目标图像包含盘子的图像信息时，通过图像识别模型确定目标图像中餐具的空置概率，图像识别模型通过对大量的包含不同食物量的盘子的图像数据集学习训练得到的模型，然后，服务器302将目标图像中盘子的空置概率反馈至目标客户端301，目标客户端301接收到该服务器302发送的盘子的空置概率，目标客户端101显示目标图像中餐具的空置概率。本申请实施例中，通过目标客户端上传目标图像，该服务器通过图像识别模型判断用户上传的目标图像中盘子的空置概率，然后，目标客户端显示该空置概率，用户通过目标客户端显示的空置概率可以督促用户珍惜粮食，本申请实施例中提供的方法应用于客户端，每次用户进餐后，可以通过客户端将包含餐具的目标图像发送至服务器，服务器在判定该目标图像包含餐具的图像信息后，可以通过图像识别模型来确定该餐具的空置概率，并将该餐具的空置概率反馈给目标客户端，该目标客户端显示该空置概率，以提醒用户节约粮食，珍惜食物，该方法结合当前广大年轻人的生活习惯，适用性更广。

需要说明的是，该空置概率也可以称为“空盘率”。根据等同原则，盘子的空置概率也可以用食物的残留率来表示，例如，当盘子的空置概率为75％时，也可以表示成食物的残留率为25％，这两种表示方式均在本申请的保护范围之内。

下面对本申请实施例中提供的一种图像识别的方法进行详细描述，请参阅图5所示，图5为本申请实施例中提供的图像识别的方法的一个实施例的步骤流程图。本实施例中以服务器执行的方法进行说明。

步骤501、接收目标客户端发送的目标图像。

服务器接收目标客户端发送的请求，该请求中携带目标图像。

步骤502、判断目标图像是否包含盛放食物的餐具的图像信息。

服务器判断该目标图像信息中是否包含盛放食物的餐具的图像信息，本实施例中，该盛放食物的餐具以“盘子”为例进行说明。

具体的，服务器判断该目标图像中是否包含“盘子”的图像信息，在一种可能的实现方式中，服务器可以通过模板匹配的方法来判断该目标图像中是否包含“盘子”的图像信息，例如，在预置模板中包括多种餐具的图像信息，该模板中包括盘子、碗、煲等多种用于盛放食物的餐具的图像模板，而每种图像模板下又包括多个图片信息，以盘子模板为例，该盘子模板下包括多种多样的盘子的图片信息，例如，该盘子模板下包括圆形的盘子，椭圆形的盘子，鱼形的盘子等等，此处不一一举例。该预置模板中的图片信息是不断更新的。服务器在接收到目标图片后，将目标图片与预置模板中的图片信息进行匹配，若该目标图像与该预置模板中的“盘子”的图片信息相匹配，则判定该目标图像中包含“盘子”的图像信息，若该目标图像与该预置模板中没有相匹配的图片信息，则判定该目标图像中未包含“盘子”的图像信息。

在另一种实现方式中，服务器可以通过训练好的识别模型来判定该目标图像中是否包含“盘子”的图像信息。该识别模型通过大量的包含“餐具”的图像数据集进行学习训练得到的，该识别模型可以为神经网络模型、向量机模型、贝叶斯模型等，该识别模型本实施例中只是举例说明，并不造成对本申请的限定性说明。

若目标图像包含盛放事物的餐具的图像信息时，执行步骤503；

若目标图像未包含盛放事物的餐具的图像信息时，执行步骤504；

步骤503、当目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定目标图像中餐具的空置概率，图像数据集包含盛放不同食物量的餐具的图像。

该服务器通过图像识别模型得到识别结果，该识别结果包括该目标图像中餐具的空置概率。例如，该空置概率可以为40％、50％、和75％等等。

该图像识别模型可以为卷积模型，具体的，该卷积模型可以为卷积神经网络模型；优选的，该卷积模型可以为深度残差网络模型，本实施例中，该图像识别模型可以以深度残差网络模型为例进行说明。

卷积模型的物理意义在于可以加权叠加，一个函数在另一个函数上的加权叠加，卷积神经网络在图像处理方面有如下优点：权重共享可以减少网络的训练参数，使网络结构变得更简单，适应性更强。

步骤504、若目标图像未包含盛放食物的餐具的图像信息，则生成第三提示信息，第三提示信息用于指示目标客户端向服务器重新发送包含用于盛放食物的餐具的图像信息。

步骤505、向目标客户端发送第三提示信息。

本实施例中服务器向目标客户端发送该第三提示信息，以使该目标客户端显示该第三提示信息，例如该第三提示信息可以为“这或许不是餐盘”或者“还请拍餐盘啦”，以提示用户需要重新发送餐具的图片。

步骤506、将目标图像中餐具的空置概率反馈至目标客户端，以使目标客户端显示目标图像中餐具的空置概率。

本实施例中，通过目标客户端上传目标图像，该服务器通过图像识别模型判断用户上传的目标图像中盘子的空置概率，然后，目标客户端显示该空置概率，用户通过目标客户端显示的空置概率可以督促用户珍惜粮食，本申请实施例中提供的方法应用于客户端，每次用户进餐后，可以通过客户端将包含餐具的目标图像发送至服务器，服务器在判定该目标图像包含餐具的图像信息后，可以通过图像识别模型来确定该餐具的空置概率，并将该餐具的空置概率反馈给目标客户端，该目标客户端显示该空置概率，以提醒用户节约粮食，珍惜食物，该方法结合当前广大年轻人的生活习惯，适用性更广。

可选的，在上述实施例的基础上，服务器可以判断目标图像中餐具的空置概率是否满足参考范围；若目标图像中餐具的空置概率满足参考范围，则生成第一提示信息，第一提示信息用于指示目标图像中餐具符合空盘的要求。

例如，该参考范围为大于或者等于一个预设值，该预设值为60％，该预设值的设定只是为了方便说明而举的例子，并不造成对本申请的限定性说明。服务器确定餐具的空置概率是否大于预设值，来判断用户用完餐后，判断是否已经达到了“空盘”的要求，该“空盘”是指“盘子”中没有剩余的食物，或者，“盘子”中有很少量的食物残留，若服务器确定的餐具的空置概率大于该预设值，服务器生成第一提示信息，例如该第一提示信息为“已达到空盘”或“已空盘，再接再厉”或“空盘，珍惜粮食，很棒”等等，服务器向该目标客户端反馈第一提示信息，以使目标客户端显示第一提示信息，鼓励用户再接再厉，达到鼓励用户珍惜粮食的目的。

进一步的，判断所述目标图像中所述餐具的空置概率是否满足参考值，得到结果信息；根据所述结果信息确定在所述预设分值的基础上增加或减少分值，得到累计分值；向所述目标客户端发送所述累计分值，以使所述目标客户端显示所述累计分值。

具体的，若目标图像中餐具的空置概率大于或者等于预设值，则确定在预设分值的基础上增加分值，得到第一累计分值；向目标客户端发送第一累计分值，以使目标客户端显示第一累计分值。

例如，该预设分值可以为0分，也可以为100分，本实施例中，该预设分值可以为100为例进行说明，具体的分值本申请实施例中并不限定，若目标图像中餐具的空置概率大于或者等于预设值，也就是说，该空置概率达到了“空盘”的要求，为了鼓励用户，对该目标客户端加相应的分值，例如，该分值可以为10分，在100分的基础上增加10分，第一累计分值为110。

可选的，若目标图像中餐具的空置概率小于预设值，则确定在预设分值的基础上减少分值，得到第二累计分值；将第二累计分值反馈至目标客户端，以使目标客户端显示第二累计分值。

该空置概率没有达到“空盘”的要求，对该目标客户端减少相应的分值，例如，该分值可以为10分，在100分的基础上减少10分，第二累计分值为90。

需要说明的是，无论是增加分值还是减少分值都是累计的，最后得到该目标客户端累计分数。

例如，第一次，满足空盘要求，则该累计分值为100+10＝110分；

第二次，未满足空盘要求，则该累计分值为110-10分＝100分；

第三次，满足空盘要求，则该累计分值为100+10分＝110分；

第四次，满足空盘要求，则该累计分值为110+10分＝120分等等。

当该累计分值分梯度达到预置值时，可以进行不同的激励方式，例如，当累计分数达到200分时，可开通A功能，达到280分时，可开通B功能。在一种可选方式中，在累计分数达到300分时，可以积分兑换小礼品等等，以鼓励用户可约资源，珍惜粮食，此种方式更适合年轻人，扩大该方法的适应范围，弘扬传统美德。

可选的，统计多个客户端的餐具的空置概率的集合，多个客户端包括目标客户端；确定目标客户端发送的目标图像中餐具的空置概率在餐具空置概率的集合中的排列序位；向目标客户端发送排列序位，以使目标客户端显示排列序位。

服务器可以通过多个客户端的餐具的空置概率，该多个客户端可以为全部注册的客户端，也可以为一个用户群的多个客户端，该用户群可以为朋友群等，请结合下表1进行理解。

表1

客户端	空置概率
		客户端A	40％
客户端B	50％
		客户端C	60％
客户端D	70％
		目标客户端	75％

需要说明的是，上表1中的客户端的数量及对应的餐具的空置概率只是为了方便说明，而举的例子，并不造成对本申请的限定性说明。

服务器根据空置概率的数值，对多个客户端进行排序，例如，在上述表1中的例子中，目标客户端对应的空置概率的排列序位为第一位，服务器生成第二提示信息，该第二提示信息用于指示该客户端对应的餐具的空置概率的排列序位。例如，该第二提示信息为“您的空盘率位列第一”或者“您打败了99％的用户”等等，需要说明的是，该第二提示信息的具体内容只是为了说明而举的例子，并不造成对本申请的限定性说明。本申请实施例中，服务器生成第二提示信息，该第二提示信息具体的指示该客户端对应的餐具的空置概率的排列序位，以鼓励用户再接再厉，达到鼓励用户珍惜粮食的目的。

在上述实施例的基础上，请参阅图6所示，图6为本申请实施例中提供的另一个交互实施例的方法步骤示意图。本申请实施例中提供了一种图像识别的方法的另一个实施例，包括：

步骤601、目标客户端获取目标图像。

请结合图7所示，图7为目标客户端获取目标图像的场景示意图。用户进餐完毕后，可以选择实时拍摄餐具图像或者选择已保存的餐具图像。如图7所示，当用户点击“开始拍摄”按钮时，则会出现两种选择模式，一种为“拍照”模式，一种为“从手机相册选择”模式。用户可以根据自身需要进行选择。上传图片之后，可以对已上传的图片的放置位置进行调整，调整好之后，点击“放好了”按钮，目标客户端获取到“盘子”的图像。

步骤602、目标客户端将目标图像向服务器发送。

请结合图8所示，图8为本申请实施例中识别结果的场景示意图。目标客户端的IP为：100.88.64.99，目标客户端调用的端口(port)15001。

目标客户端向服务器发送请求，该请求携带该目标图像。

步骤603、服务器接收目标客户端发送的目标图像，并判断目标图像是否包含盛放食物的餐具的图像信息。

服务器判断该目标图像信息中是否包含盛放食物的餐具的图像信息，在一种可能的实现方式中，服务器可以通过模板匹配的方法来判断该目标图像中是否包含餐具的图像信息；在另一种实现方式中，服务器可以通过训练好的识别模型来判定该目标图像中是否包含“餐具”的图像信息。该识别模型通过大量的包含“餐具”的图像数据集进行学习训练得到的，该识别模型可以为神经网络模型、向量机模型、贝叶斯模型等，该识别模型本实施例中只是举例说明，并不造成对本申请的限定性说明。

步骤604、当目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定目标图像中餐具的空置概率，图像识别模型通过图像数据集学习训练得到的，图像数据集包含盛放不同食物量的餐具的图像。

请结合图8进行理解，图8中服务器通过该图像识别模型得到识别结果，该识别结果包括空置概率。

该服务器通过图像识别模型得到识别结果，该识别结果包括该目标图像中餐具的空置概率。例如，该空置概率可以为40％、50％、75％和0％(空盘)等等。

卷积模型的物理意义在于可以加权叠加，一个函数在另一个函数上的加权叠加，卷积神经网络较一般神经网络在图像处理方面有如下优点：权重共享可以减少网络的训练参数，使神经网络结构变得更简单，适应性更强。

步骤605、判断目标图像中餐具的空置概率是否满足参考范围。

步骤606、若目标图像中餐具的空置概率满足参考范围，则生成第一提示信息，第一提示信息用于指示目标图像中餐具符合空盘的要求。

进一步的，每个客户端对应一个账户，例如，若目标图像中餐具的空置概率大于或者等于参考值，则确定在预设分值的基础上增加分值，得到第一累计分值。对于达到空盘要求的客户端进行奖励积分。

在一种可选的方式中，若目标图像中餐具的空置概率小于参考值，则确定在预设分值的基础上减少分值，得到第二累计分值。本实施例中，可以赏罚分明，对于达到空盘要求的客户端进行奖励积分，对于未达到空盘要求的客户端进行惩罚扣积分。

步骤607、服务器获取多个客户端对应的餐具的空置概率的集合，多个客户端包括目标客户端；确定目标客户端发送的目标图像中餐具的空置概率在餐具的空置概率的集合中的排列序位，生成第二提示信息，该第二提示信息用于指示该目标图像中餐具的空置概率的集合中的排列序位。

步骤608、服务器向目标客户端发送目标图像中餐具的空置概率、第一提示信息和第二提示信息。

步骤609、目标客户端显示该第一提示信息，第二提示信息和目标图像中餐具的空置概率。

请结合图9和图10所示，图9为目标客户端显示该第一提示信息，第二提示信息和该空置概率的一个场景示意图，图10为目标客户端显示该第一提示信息，第二提示信息和该空置概率的另一个场景示意图。

本申请实施例中，通过目标客户端获取目标图像，然后将目标图像发送至服务器，服务器在判定该目标图像包含餐具的图像信息后，可以通过图像识别模型来确定该餐具的空置概率，并将该餐具的空置概率反馈给目标客户端，该目标客户端显示该空置概率，是否达到空盘要求，空盘率在多个用户中的排名等等，以提醒用户节约粮食，珍惜食物，以现代技术手段弘扬中华传统美德。

为了方便理解本申请，下面对本申请应用的场景进行示例说明。请结合图11进行理解，图11为本申请实施例中场景流程示意图。

在一个应用场景中，用户A进餐完后，用手机对剩有非常少量的食物的餐具进行拍照，得到目标图像，让后将该目标图像上传，服务器接收到该目标图像后，首先需要先判定该目标图像是否为“盘子”图像，若是盘子的图像，则会进一步识别，若该目标图像非“盘子”图像，则向目标客户端反馈“拒识”(不会进一步识别空盘率)；当服务器判定该目标图像为“盘子”图像时，则利用已训练好的深度残差网络模型识别“空盘率”(或以食物残留率表示)，若符合光盘，则用户A的账户对应加分奖励，若不符合光盘，则用户A的账户对应扣分惩罚。

需要说明的是，上述服务器所执行的功能和目标客户端所执行的功能可以在集成在同一个设备中完成，该设备为图像识别设备，该图像识别设备用于获取目标图像，判断该目标图像是否包含盛放食物的餐具的图像信息；当该目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型该目标图像中餐具的空置概率，该图像识别模型用于对该餐具的图像信息进行识别分析；显示该目标图像中该餐具的空置概率。

可选的，进一步判断该目标图像中该餐具的空置概率是否满足参考范围；若该目标图像中该餐具的空置概率满足参考范围，则生成第一提示信息，该第一提示信息用于指示该目标图像中该餐具符合空盘的要求；显示该第一提示信息。

进一步的，获取多个客户端对应的餐具的空置概率的集合，该多个客户端包括该目标客户端；确定该目标客户端发送的目标图像中该餐具的空置概率在该餐具空置概率的集合中的排列序位；根据该排列序位生成第二提示信息；显示该第二提示信息。

可选的，若该目标图像未包含盛放食物的餐具的图像信息，则生成第三提示信息，该第三提示信息用于指示重新获取包含用于盛放食物的餐具的图像信息；显示第三提示信息。

进一步的，还可以判断该目标图像中该餐具的空置概率是否满足参考值，得到结果信息；然后，根据该结果信息确定在该预设分值的基础上增加或减少分值，得到累计分值；显示该累计分值。

上面对一种图像识别的方法进行了说明，下面对该方法应用的服务器进行说明，请参阅图12所示，本申请实施例中提供的一种服务器1200的一个实施例包括：

接收模块1201，用于接收目标客户端发送的目标图像；

第一判断模块1202，用于判断接收模块1201接收的目标图像是否包含盛放食物的餐具的图像信息；

图像识别模块1203，用于当判断模块判定目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定目标图像中餐具的空置概率，图像识别模型通过图像数据集学习训练得到的，图像数据集包含盛放不同食物量的餐具的图像；

发送模块1204，用于将图像识别模块1203确定的目标图像中餐具的空置概率反馈至目标客户端，以使目标客户端显示目标图像中餐具的空置概率。

在图12对应的实施例的基础上，请参阅图13所示，本申请实施例中提供的一种服务器1300的一个实施例包括：

还包括第二判断模块1205和第一生成模块1206；

第二判断模块1205，用于判断接收模块1201接收的目标图像中餐具的空置概率是否满足参考范围；

第一生成模块1206，用于当图像识别模块1203确定的目标图像中餐具的空置概率满足参考范围时，生成第一提示信息，第一提示信息用于指示目标图像中餐具符合空盘的要求；

发送模块1204，还用于向客户端反馈第一生成模块1206生成的第一提示信息，以使客户端显示第一提示信息。

在图12对应的实施例的基础上，请参阅图14所示，本申请实施例中提供的一种服务器1400的一个实施例包括：

还包括获取模块1207和确定模块1208；

获取模块1207，用于获取多个客户端对应的餐具的空置概率的集合，多个客户端包括接收模块1201接收的目标客户端；

确定模块1208，用于确定目标客户端发送的图像识别模块1203确定的目标图像中餐具的空置概率在获取模块1207获取的餐具的空置概率的集合中的排列序位；

第三生成模块1211，用于根据确定模块1208确定的排列序位生成第二提示信息，该第二提示信息用于指示目标图像中餐具的空置概率在餐具空置概率的集合中的排列序位；

发送模块1204，还用于向目标客户端发送第三生成模块1211生成的第二提示信息，第二提示信息用于指示排列序位，以使目标客户端显示第二提示信息。

在图12对应的实施例的基础上，请参阅图15所示，本申请实施例中提供的一种服务器1500的一个实施例包括：

还包括第二生成模块1209；

该第二生成模块1209，用于当第一判断模块1202判定目标图像未包含盛放食物的餐具的图像信息时，生成第三提示信息，第三提示信息用于指示目标客户端向服务器重新发送包含用于盛放食物的餐具的图像信息；

发送模块1204，用于向目标客户端发送第三提示信息。

在图12对应的实施例的基础上，请参阅图16所示，本申请实施例中提供的一种服务器1600的一个实施例包括：

还包括第二判断模块1205和分值统计模块1210；

第二判断模块1205，用于判断图像识别模块1203确定的目标图像中餐具的空置概率是否满足参考值，得到结果信息；

分值统计模块1210，用于当第二判断模块1205得到的所述结果信息确定在所述预设分值的基础上增加或减少分值，得到累计分值；

发送模块，还用于向目标客户端发送分值统计模块1210统计的累计分值，以使目标客户端显示累计分值。

进一步的，图12-图16中的装置是以功能模块的形式来呈现。这里的“模块”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，电路，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。在一个简单的实施例中，图12-图16中的服务器可以采用图17所示的形式。图17是本申请实施例提供的一种服务器结构示意图，该服务器1700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器1722和存储器1732，一个或一个以上存储应用程序1742或数据1744的存储介质1730(例如一个或一个以上海量存储设备)。其中，存储器1732和存储介质1730可以是短暂存储或持久存储。存储在存储介质1730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，处理器1722可以设置为与存储介质1730通信，在服务器1700上执行存储介质1730中的一系列指令操作。

服务器1700还可以包括一个或一个以上电源1726，一个或一个以上有线或无线网络接口1750，一个或一个以上输入输出接口1758，和/或，一个或一个以上操作系统1741，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

上述实施例中由服务器所执行的步骤可以基于该图17所示的服务器结构。

该处理器1722，用于使服务器执行上述方法实施例中服务器端所执行的方法。

具体的，网络接口1750，还用于接收目标客户端发送的目标图像。

处理器1722，用于判断目标图像是否包含盛放食物的餐具的图像信息；当目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定目标图像中餐具的空置概率，图像识别模型通过图像数据集学习训练得到的，图像数据集包含盛放不同食物量的餐具的图像；

网络接口1750，还用于将目标图像中餐具的空置概率反馈至目标客户端，以使目标客户端显示目标图像中餐具的空置概率。

可选的，处理器1722，还用于判断目标图像中餐具的空置概率是否满足参考范围；若目标图像中餐具的空置概率满足参考范围，则生成第一提示信息，第一提示信息用于指示目标图像中餐具符合空盘的要求；

网络接口1750，还用于向客户端反馈第一提示信息，以使客户端显示第一提示信息。

可选的，处理器1722，还用于统计多个客户端的餐具空置概率的集合，多个客户端包括目标客户端；确定目标客户端发送的目标图像中餐具的空置概率在餐具空置概率的集合中的排列序位；

网络接口1750，还用于向目标客户端发送第二提示信息，第二提示信息用于指示排列序位，以使目标客户端显示第二提示信息。

处理器1722，还用于若目标图像未包含盛放食物的餐具的图像信息，则生成第三提示信息，第三提示信息用于指示目标客户端向服务器重新发送包含用于盛放食物的餐具的图像信息；

网络接口1750，还用于向目标客户端发送第三提示信息。

可选的，处理器1722，还用于判断目标图像中餐具的空置概率是否大于参考值；若目标图像中餐具的空置概率大于或者等于参考值，则确定在预设分值的基础上增加分值，得到第一累计分值；

网络接口1750，还用于向目标客户端发送第一累计分值，以使目标客户端显示第一累计分值。

可选的，处理器1722，还用于当目标图像中餐具的空置概率小于参考值时，则确定在预设分值的基础上减少分值，得到第二累计分值。

网络接口1750，还用于将第二累计分值反馈至目标客户端，以使目标客户端显示第二累计分值。

本申请实施例又提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述方法实施例中服务器端执行的方法。

上面对该方法应用的服务器进行说明，下面对该方法应用的终端进行说明，请参阅图18所示，本申请实施例提供了一种终端的一个实施例进行说明，该终端为加载上述实施例中的目标客户端的终端。

获取模块1801，用于获取目标图像；

发送模块1802，用于将获取模块1801获取的目标图像向服务器发送，以使服务器判断目标图像是否包含盛放食物的餐具的图像信息；当目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定目标图像中餐具的空置概率，图像识别模型通过图像数据集学习训练得到的，图像数据集包含盛放不同食物量的餐具的图像；

接收模块1803，用于接收服务器发送的目标图像中餐具的空置概率；

显示模块1804，用于显示接收模块1803接收的目标图像中餐具的空置概率。

可选的，接收模块1803，还用于接收服务器发送的第一提示信息，第一提示信息为服务器判定目标图像中餐具的空置概率满足参考范围时，生成的信息，用于指示目标图像中餐具符合空盘的要求；

显示模块1804，还用于显示接收模块1803接收的第一提示信息。

可选的，接收模块1803，还用于接收服务器发送的排列序位，排列序位为服务器统计多个客户端的餐具空置概率的集合后；生成第二提示信息，第二提示信息用于指示目标图像中餐具的空置概率在餐具空置概率的集合中的序位；

显示模块1804，还用于显示接收模块1803接收的第二提示信息。

接收模块1803，用于接收服务器发送的第三提示信息，第三提示信息为服务器判定目标图像未包含盛放食物的餐具的图像信息时，生成的信息，第三提示信息用于指示重新发送包含用于盛放食物的餐具的图像信息；

显示模块1804，用于显示接收模块1803接收的第三提示信息。

接收模块1803，还用于接收服务器发送的第一累计分值，第一累计分值为服务器判定目标图像中餐具的空置概率大于或者等于参考值时，确定的在预设分值的基础上增加分值后得到的；

显示模块1804，还用于显示接收模块1803接收的第一累计分值。

接收模块1803，还用于接收服务器发送的第二累计分值，第二累计分值为服务器判定目标图像中餐具的空置概率小于参考值时，确定的在预设分值的基础上减少分值后得到的；

显示模块1804，还用于显示接收模块1803接收的第二累计分值。

进一步的，图18中的终端是以功能模块的形式来呈现。这里的“模块”可以指特定应用集成电路(application-specific integrated circuit，ASIC)，电路，执行一个或多个软件或固件程序的处理器和存储器，集成逻辑电路，和/或其他可以提供上述功能的器件。在一个简单的实施例中，图18中的终端可以采用图19所示的形式。

如图19所示，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请实施例方法部分。该终端可以为包括手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)该终端为手机为例：

图19示出的是与本申请实施例提供的终端相关的手机的部分结构的框图。参考图19，手机包括：射频(Radio Frequency，RF)电路1910、存储器1920、输入单元1930、显示单元1940、传感器1950、音频电路1960、无线保真(wireless fidelity，WiFi)模块1970、处理器1980、以及电源1990等部件。本领域技术人员可以理解，图19中示出的手机结构并不构成对手机的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图19对手机的各个构成部件进行具体的介绍：

RF电路1910可用于收发信息或通话过程中，信号的接收和发送，特别地，将基站的下行信息接收后，给处理器1980处理；另外，将设计上行的数据发送给基站。通常，RF电路1910包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier，LNA)、双工器等。此外，RF电路1910还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于全球移动通讯系统(GlobalSystem of Mobile communication，GSM)、通用分组无线服务(General Packet RadioService，GPRS)、码分多址(Code Division Multiple Access，CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution，LTE)、电子邮件、短消息服务(Short Messaging Service，SMS)等。

存储器1920可用于存储软件程序以及模块，处理器1980通过运行存储在存储器1920的软件程序以及模块，从而执行手机的各种功能应用以及数据处理。存储器1920可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器1920可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

输入单元1930可用于接收输入的数字或字符信息，以及产生与手机的用户设置以及功能控制有关的键信号输入。具体地，输入单元1930可包括触控面板1931以及其他输入设备1932。触控面板1931，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1931上或在触控面板1931附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板1931可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器1980，并能接收处理器1980发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1931。除了触控面板1931，输入单元1930还可以包括其他输入设备1932。具体地，其他输入设备1932可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

显示单元1940可用于显示由用户输入的信息或提供给用户的信息以及手机的各种菜单。显示单元1940可包括显示面板1941，可选的，可以采用液晶显示器(LiquidCrystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1941。进一步的，触控面板1931可覆盖显示面板1941，当触控面板1931检测到在其上或附近的触摸操作后，传送给处理器1980以确定触摸事件的类型，随后处理器1980根据触摸事件的类型在显示面板1941上提供相应的视觉输出。虽然在图19中，触控面板1931与显示面板1941是作为两个独立的部件来实现手机的输入和输入功能，但是在某些实施例中，可以将触控面板1931与显示面板1941集成而实现手机的输入和输出功能。

手机还可包括至少一种传感器1950，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1941的亮度，接近传感器可在手机移动到耳边时，关闭显示面板1941和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

音频电路1960、扬声器1961，传声器1962可提供用户与手机之间的音频接口。音频电路1960可将接收到的音频数据转换后的电信号，传输到扬声器1961，由扬声器1961转换为声音信号输出；另一方面，传声器1962将收集的声音信号转换为电信号，由音频电路1960接收后转换为音频数据，再将音频数据输出处理器1980处理后，经RF电路1910以发送给比如另一手机，或者将音频数据输出至存储器1920以便进一步处理。

WiFi属于短距离无线传输技术，手机通过WiFi模块1970可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图19示出了WiFi模块1970，但是可以理解的是，其并不属于手机的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

处理器1980是手机的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器1920内的软件程序和/或模块，以及调用存储在存储器1920内的数据，执行手机的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器1980可包括一个或多个处理单元；优选的，处理器1980可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1980中。

手机还包括给各个部件供电的电源1990(比如电池)，优选的，电源可以通过电源管理系统与处理器1980逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管未示出，手机还可以包括摄像头、蓝牙模块等，在此不再赘述。

在本申请实施例中，该终端所包括的处理器1980还具有使该终端执行上述方法实施例中目标客户端所执行的方法。

本申请实施例又提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述方法实施例中目标客户端执行的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims

1.一种图像识别的方法，其特征在于，包括：

接收目标客户端发送的目标图像；

判断所述目标图像是否包含盛放食物的餐具的图像信息；

当所述目标图像包含盛放食物的餐具的图像信息时，通过图像识别模型确定所述目标图像中餐具的空置概率，所述图像识别模型用于对所述餐具的图像信息进行识别分析；

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：判断所述目标图像中所述餐具的空置概率是否满足参考范围；

若所述目标图像中所述餐具的空置概率满足参考范围，则生成第一提示信息，所述第一提示信息用于指示所述目标图像中所述餐具符合空盘的要求；

向所述目标客户端反馈所述第一提示信息，以使目标客户端显示所述第一提示信息。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取多个客户端对应的餐具的空置概率的集合，所述多个客户端包括所述目标客户端；

确定所述目标客户端发送的目标图像中所述餐具的空置概率在所述餐具空置概率的集合中的排列序位；

根据所述排列序位生成第二提示信息；

向所述目标客户端发送第二提示信息，以使所述目标客户端显示所述第二提示信息。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：

若所述目标图像未包含盛放食物的餐具的图像信息，则生成第三提示信息，所述第三提示信息用于指示所述目标客户端向服务器重新发送包含用于盛放食物的餐具的图像信息；

向所述目标客户端发送所述第三提示信息。

5.根据权利要求1所述的方法，其特征在于，所述目标客户端具有对应的预设分值，所述方法还包括：

判断所述目标图像中所述餐具的空置概率是否满足参考值，得到结果信息；

根据所述结果信息确定在所述预设分值的基础上增加或减少分值，得到累计分值；

向所述目标客户端发送所述累计分值，以使所述目标客户端显示所述累计分值。

6.一种图像识别的方法，其特征在于，所述方法包括：

获取目标图像；

判断所述目标图像是否包含盛放食物的餐具的图像信息；

判断所述目标图像中所述餐具的空置概率是否满足参考范围；

若所述目标图像中所述餐具的空置概率满足参考范围，则生成提示信息，所述提示信息用于指示所述目标图像中所述餐具符合空盘的要求；

显示所述目标图像中所述餐具的空置概率和所述提示信息。

7.一种图像识别的方法，其特征在于，包括：

获取目标图像；

显示所述目标图像中所述餐具的空置概率。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

接收所述服务器发送的第一提示信息，所述第一提示信息为所述服务器判定所述目标图像中所述餐具的空置概率满足参考范围时生成的信息，所述第一提示信息用于指示所述目标图像中所述餐具符合空盘的要求；

显示所述第一提示信息。

9.根据权利要求7所述的方法，其特征在于，所述通过图像识别模型确定所述目标图像中餐具的空置概率之后，所述方法还包括：

接收所述服务器发送的第二提示信息，所述第二提示信息为所述服务器获取多个客户端对应的餐具的空置概率的集合后生成的信息，所述第二提示信息用于指示所述目标图像中所述餐具的空置概率在所述餐具的空置概率的集合中的序位；

显示所述第二提示信息。

10.根据权利要求7至9任一项所述的方法，其特征在于，所述方法还包括：

接收服务器发送的第三提示信息，所述第三提示信息为所述服务器判定所述目标图像未包含盛放食物的餐具的图像信息时生成的信息，所述第三提示信息用于指示重新发送包含用于盛放食物的餐具的图像信息；

显示所述第三提示信息。

11.根据权利要求7所述的方法，其特征在于，所述目标客户端具有对应的预设分值，所述方法还包括：

接收所述服务器发送的累计分值，所述累计分值为所述服务器根据所述目标图像中所述餐具的空置概率是否满足参考值，得到结果信息后，根据所述结果信息确定在所述预设分值的基础上增加或减少分值，得到的分值；

显示所述累计分值。

12.一种终端，其特征在于，包括：

获取模块，用于获取目标图像；

13.一种终端，其特征在于，包括：

存储器，用于存储计算机可执行程序代码；

收发器，以及

处理器，与所述存储器和所述收发器耦合；

其中所述程序代码包括指令，当所述处理器执行所述指令时，所述指令使所述终端执行权利要求7至11中任一项所述的方法。

14.一种计算机可读存储介质，其特征在于，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至5中任一项所述的方法。