CN109543605A - 基于卷积神经网络的食物变质管理方法、系统、贮藏设备 - Google Patents
基于卷积神经网络的食物变质管理方法、系统、贮藏设备 Download PDFInfo
- Publication number
- CN109543605A CN109543605A CN201811393601.8A CN201811393601A CN109543605A CN 109543605 A CN109543605 A CN 109543605A CN 201811393601 A CN201811393601 A CN 201811393601A CN 109543605 A CN109543605 A CN 109543605A
- Authority
- CN
- China
- Prior art keywords
- food
- convolutional neural
- neural networks
- spoilage
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于卷积神经网络的食物变质管理方法、系统、贮藏设备,方法如下:获取食物图像信息;通过训练好的卷积神经网络模型对所述食物图像进行识别处理;根据所述食物图像信息识别食物是否变质;若所述食物变质时,发出提示信息,基于卷积神经网络的食物变质管理系统,包括:图像获取模块,用于获取食物图像信息;识别模块,用于根据所述食物图像信息识别食物是否变质,所述识别模块为训练好的卷积神经网络模型。提示模块,用于在所述食物变质时,发出提示信息。本发明能够实时自动监测变质食物,自动发出提醒,方便用户及时处理,有效防止贮藏环境污染,最大化的保障食物的贮藏质量,为用户营造健康干净的贮藏环境。
Description
技术领域
本发明涉及家用电器领域,具体的涉及一种基于卷积神经网络的食物变质管理方法、系统、贮藏设备。
背景技术
随着人们生活水平的不断提高,人们日常生活中对食物储存设备的需求也越来越多人们对饮食方面的质量追求也在不断提升,由于冰箱中经常放各种食品,包括青菜、肉类、零食、饮料等,食品放久了会发生变质,甚至会腐烂,尤其是肉类食品,用户有时不会注意到食物是否腐烂,不小心吃了这些食品会对健康造成影响,而且腐烂的食品会滋生细菌,对冰箱环境产生污染,贮藏质量有待提高。
发明内容
本发明的目的在于克服现有技术中因缺乏对贮藏装置的管理,容易导致食物变质,也不能及时发现变质食物并处理,贮藏质量不高的技术问题,提供一种基于卷积神经网络的食物变质管理方法、系统、贮藏设备。
为实现上述目的,本发明采用的技术方案如下:一种基于卷积神经网络的食物变质管理方法,所述方法包括:
获取食物图像信息;
通过训练好的卷积神经网络模型对所述食物图像进行识别处理;
根据所述食物图像信息识别食物是否变质;
若所述食物变质时,发出提示信息。
进一步的,对不同食物的正常情况和变质情况进行图像采集,以获得卷积神经网络模型的训练数据。
进一步的,将训练好的卷积神经网络模型写入芯片中。
进一步的,通过对食物图像进行卷积处理以提取食物图像的特征图像,并对特征图像进行池化处理后进行分类识别食物是否变质。
进一步的,还包括获取食物位置信息,在所述食物变质时,获取对应的食物位置信息。
进一步的,还包括检测食物环境质量,根据检测结果二次判断食物是否变质。
一种基于卷积神经网络的食物变质管理系统,包括
图像获取模块,用于获取食物图像信息;
识别模块,用于根据所述食物图像信息识别食物是否变质,所述识别模块为训练好的卷积神经网络模型。
提示模块,用于在所述食物变质时,发出提示信息。
进一步的,还包括位置获取模块,所述位置获取模块用于在所述食物变质时,获取对应的食物位置信息。
一种食物贮藏设备,包括图像采集装置,还包括上述的基于卷积神经网络的食物变质管理系统,
所述图像采集装置,用于采集食物图像信息,并向基于卷积神经网络的食物变质管理发送食物图像信息;
所述基于卷积神经网络的食物变质管理系统,根据所述食物图像信息识别食物是否变质,在所述食物变质时,发出提示信息。
进一步的,所述图像采集装置包括设置于所述食物贮藏设备内的摄像头。
进一步的,还包括位置采集装置,所述位置采集装置包括设置于所述食物贮藏设备内的摄像头、位置传感器。
进一步的,还包括环境监测装置,所述环境监测装置包括设置于所述食物贮藏设备内的空气质量传感器。
进一步的,所述食物贮藏设备包括冰箱、冰柜、保温箱。
由上述对本发明的描述可知,与现有技术相比,本发明提供的一种基于卷积神经网络的食物变质管理方法、系统、贮藏设备,获取食物图像信息;通过训练好的卷积神经网络模型对所述食物图像进行识别处理;根据所述食物图像信息识别食物是否变质;若所述食物变质时,发出提示信息,能够实时自动监测变质食物,自动发出提醒,方便用户及时处理,有效防止贮藏环境污染,最大化的保障食物的贮藏质量,为用户营造健康干净的贮藏环境。
附图说明
图1为本发明实施例一基于卷积神经网络的食物变质管理方法流程图;
图2为本发明实施例一基于卷积神经网络的食物变质管理方法具体流程图;
图3为本发明实施例一基于卷积神经网络的食物变质管理系统框图;
图4为本发明实施例一食物贮藏设备结构框图;
图5为本发明实施例二基于卷积神经网络的食物变质管理方法流程图;
图6为本发明实施例二基于卷积神经网络的食物变质管理系统框图;
图7为本发明实施例二食物贮藏设备结构框图;
图8为本发明实施例三基于卷积神经网络的食物变质管理方法流程图;
图9为本发明实施例三基于卷积神经网络的食物变质管理系统框图;
图10为本发明实施例三食物贮藏设备结构框图。
具体实施方式
以下将结合本发明实施例中的附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。
具体实施例一:
如图1、图2所示,一种基于卷积神经网络的食物变质管理方法,包括以下步骤:
S101:获取食物图像信息;
S102:通过训练好的卷积神经网络模型对所述食物图像进行识别处理;
S103:根据所述食物图像信息识别食物是否变质;
S104:若所述食物变质时,发出提示信息。
本实施例以冰箱为例,进行说明,先对卷积神经网络模型进行训练,首先收集训练数据,可以通过实验室做实验和用户自行反馈两种渠道进行数据的采集,利用实验数据,对日常食用的多种不同食物的正常情况和腐烂情况进行图像信息的采集,获得食物原始训练数据,另一方面,用户也可以自行将日常食用的菜类,肉类拍照上传至服务器,可以得到用户提供的真实数据用于训练和测试算法模型,
将收集到的原始图像数据样本进行预处理,将样本矩阵输入卷积神经网络,进行训练。卷积神经网络模型主要由五个部分组成:输入层、卷积层、池化层、全连接层、softmax层、具体来说,输入的图像首先经过第一个卷积层,通过卷积操作,得到卷积特征图(Feature Map),卷积特征图再经过池化层,进行池化操作,池化的目的是进行降维度,减少冗余特征。其中卷积层和池化层可以有多种不同的组合,具体的层次和网络深度可以根据实际效果进行选取。经过多层卷积和池化操作,得到的图像特征输入全连接层,进行激活,全连接层也可以有多层,最后由softmax层输出分类结果,
卷积神经网络本质上是由多个BP神经网络组成的,因此在训练神经网络时,使用BP反向传播算法进行训练,具体来说,输入的样本向量可以表示为X=(x1,x2,x3…xn),对应的类别为Y=(y1,y2…ym),初始化的权重矩阵为W。我们利用BP反向传播算法进行训练神经网络,神经元的激活函数选择ReLu(线性修正单元),因为ReLu函数求梯度简单,收敛较快。每一次计算实际输出与期望输出的误差损失,根据损失结果进行反向传播,更新每一层的权重矩阵W。当算法收敛时,最终得到稳定的权重W,算法训练完成,保存最终的神经网络模型,用于决策。最后将训练好的模型写入冰箱本地智能芯片,作为数据实时分析处理的中枢。
卷积神经网络模型训练完之后对冰箱中的食物进行识别,判断是否有变质,通过摄像头,实时采集食物图像信息,并作预处理,然后输入冰箱智能芯片中的卷积神经网络模型,进行图像分析,判断食物是否发生变质,若食物正常,则不做处理,若食物发生变质,则进行提醒,可连入冰箱的报警控制系统进行报警,提醒用户及时处理。
本实施例还提供了一种基于卷积神经网络的食物变质管理系统,如图3所示,包括图像获取模块1、识别模块2、提示模块3,所述图像获取模块1获取食物图像信息;所述识别模块2根据所述食物图像信息识别食物是否变质,该识别模块为训练好的卷积神经网络模型,所述提示模块3在所述食物变质时,发出提示信息。
本实施还提供了一种食物贮藏设备,所述食物贮藏设备包括冰箱、冰柜、保温箱,本实施例以冰箱为例,如图4所示,包括图像采集装置100,还包括上述的基于卷积神经网络的食物变质管理系统200,所述图像采集装置100采集食物图像信息,并向基于卷积神经网络的食物变质管理系统200发送食物图像信息,所述图像采集装置100为设置于所述食物贮藏设备内的摄像头,所述基于卷积神经网络的食物变质管理系统200根据所述食物图像信息识别食物是否变质,在所述食物变质时,发出提示信息,可连入冰箱的报警控制系统进行报警,提醒用户及时处理。
具体实施例二:
本实施例的基于卷积神经网络的食物变质管理方法与具体实施例一的区别在于,还包括检测食物环境质量,根据检测结果二次判断食物是否变质,如图5所示,包括以下步骤:
S201:获取食物图像信息;
S202:通过训练好的卷积神经网络模型对所述食物图像进行识别处理;
S203:根据所述食物图像信息识别食物是否变质;
S204:检测食物环境质量,根据检测结果二次判断食物是否变质;
S205:若所述食物变质时,发出提示信息。
通过空气质量传感器检测冰箱内的食物环境质量,若冰箱内的食物环境质量差是,则判断食物变质,且食物变质可能较为严重。
如图6所示,本实施例的基于卷积神经网络的食物变质管理系统与具体实施例一的区别在于,还包括食物环境质量检测模块4,用于检测食物环境质量,根据检测结果二次判断食物是否变质,
如图7所示,本实施例的贮藏设备与具体实施例一的区别在于还包括环境质量检测装置300,所述环境监测装置300为设置于所述食物贮藏设备内的空气质量传感器。
具体实施例三:
本实施例的基于卷积神经网络的食物变质管理方法与具体实施例一或具体实施例二的区别在于,还包括获取食物位置信息,在所述食物变质时,获取对应的食物位置信息,如图8所示,包括以下步骤:
S301:获取食物图像信息;
S302:通过训练好的卷积神经网络模型对所述食物图像进行识别处理;
S303:根据所述食物图像信息识别食物是否变质;
S304:检测食物环境质量,根据检测结果二次判断食物是否变质;
S305:若所述食物变质时,发出提示信息;
S306:获取食物位置信息,在所述食物变质时,获取对应的食物位置信息。
通过摄像头或位置传感器获取变质食物对应的食物位置信息,方便用户及时处理。
如图9所示,本实施例的基于卷积神经网络的食物变质管理系统与具体实施例一或具体实施例二的区别在于,还包括位置获取模块5,所述位置获取模块用于在所述食物变质时,获取对应的食物位置信息。
如图10所示,本实施例的贮藏设备与具体实施例一的区别在于还包括位置采集装置400,所述位置采集装置400为设置于所述食物贮藏设备内的摄像头或位置传感器。
由上述对本发明的描述可知,与现有技术相比,本发明提供的一种基于卷积神经网络的食物变质管理方法、系统、贮藏设备,获取食物图像信息;通过训练好的卷积神经网络模型对所述食物图像进行识别处理;根据所述食物图像信息识别食物是否变质;若所述食物变质时,发出提示信息,能够实时自动监测变质食物,自动发出提醒,方便用户及时处理,有效防止贮藏环境污染,最大化的保障食物的贮藏质量。为用户营造健康干净的贮藏环境。
上述仅为本发明的若干具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (13)
1.一种基于卷积神经网络的食物变质管理方法,其特征在于,所述方法包括:
获取食物图像信息;
通过训练好的卷积神经网络模型对所述食物图像进行识别处理;
根据所述食物图像信息识别食物是否变质;
若所述食物变质时,发出提示信息。
2.根据权利要求1所述的基于卷积神经网络的食物变质管理方法,其特征在于:对不同食物的正常情况和变质情况进行图像采集,以获得卷积神经网络模型的训练数据。
3.根据权利要求1所述的基于卷积神经网络的食物变质管理方法,其特征在于:将训练好的卷积神经网络模型写入芯片中。
4.根据权利要求1所述的基于卷积神经网络的食物变质管理方法,其特征在于:通过对食物图像进行卷积处理以提取食物图像的特征图像,并对特征图像进行池化处理后进行分类识别食物是否变质。
5.根据权利要求1所述的基于卷积神经网络的食物变质管理方法,其特征在于:还包括获取食物位置信息,在所述食物变质时,获取对应的食物位置信息。
6.根据权利要求1-5任意一项所述的基于卷积神经网络的食物变质管理方法,其特征在于:还包括检测食物环境质量,根据检测结果二次判断食物是否变质。
7.一种基于卷积神经网络的食物变质管理系统,其特征在于:包括
图像获取模块,用于获取食物图像信息;
识别模块,用于根据所述食物图像信息识别食物是否变质,所述识别模块为训练好的卷积神经网络模型。
提示模块,用于在所述食物变质时,发出提示信息。
8.根据权利要求7所述的基于卷积神经网络的食物变质管理系统,其特征在于:还包括位置获取模块,所述位置获取模块用于在所述食物变质时,获取对应的食物位置信息。
9.一种食物贮藏设备,其特征在于:包括图像采集装置,还包括权利要求7或8所述的基于卷积神经网络的食物变质管理系统,
所述图像采集装置,用于采集食物图像信息,并向基于卷积神经网络的食物变质管理发送食物图像信息;
所述基于卷积神经网络的食物变质管理系统,根据所述食物图像信息识别食物是否变质,在所述食物变质时,发出提示信息。
10.根据权利要求9所述的食物贮藏设备,其特征在于:所述图像采集装置包括设置于所述食物贮藏设备内的摄像头。
11.根据权利要求9所述的食物贮藏设备,其特征在于:还包括位置采集装置,所述位置采集装置包括设置于所述食物贮藏设备内的摄像头、位置传感器。
12.根据权利要求9-11任意一项所述的食物贮藏设备,其特征在于:还包括环境监测装置,所述环境监测装置包括设置于所述食物贮藏设备内的空气质量传感器。
13.根据权利要求9所述的食物贮藏设备,其特征在于:所述食物贮藏设备包括冰箱、冰柜、保温箱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811393601.8A CN109543605A (zh) | 2018-11-21 | 2018-11-21 | 基于卷积神经网络的食物变质管理方法、系统、贮藏设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811393601.8A CN109543605A (zh) | 2018-11-21 | 2018-11-21 | 基于卷积神经网络的食物变质管理方法、系统、贮藏设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109543605A true CN109543605A (zh) | 2019-03-29 |
Family
ID=65848907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811393601.8A Pending CN109543605A (zh) | 2018-11-21 | 2018-11-21 | 基于卷积神经网络的食物变质管理方法、系统、贮藏设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543605A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674736A (zh) * | 2019-09-23 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种识别食材新鲜度的方法、装置、服务器及存储介质 |
CN111000448A (zh) * | 2019-12-02 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种食物变质的检测方法及烹饪器具 |
CN111043830A (zh) * | 2019-12-23 | 2020-04-21 | 四川虹美智能科技有限公司 | 冰箱及检测冰箱内食物的变质情况的方法 |
CN111709913A (zh) * | 2020-05-21 | 2020-09-25 | 四川虹美智能科技有限公司 | 冰箱内变质食品检测方法、装置及系统 |
CN111879772B (zh) * | 2020-07-28 | 2021-11-05 | 食安慧(深圳)科技股份有限公司 | 一种基于大数据的食品安全智慧管理方法与系统 |
CN114707612A (zh) * | 2022-04-22 | 2022-07-05 | 珠海格力电器股份有限公司 | 食物管理方法、食物管理系统及食物贮藏设备 |
CN114958579A (zh) * | 2022-05-30 | 2022-08-30 | 重庆电子工程职业学院 | 用于特殊人群的霉菌检测灯 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105423695A (zh) * | 2015-12-10 | 2016-03-23 | 黄信开 | 一种自动监测食物新鲜程度的智能冰箱 |
CN206450004U (zh) * | 2016-11-21 | 2017-08-29 | 合肥达米尼电气科技有限公司 | 一种智能冰箱的远程控制系统 |
CN107133650A (zh) * | 2017-05-10 | 2017-09-05 | 合肥华凌股份有限公司 | 冰箱的食物识别方法、装置及冰箱 |
CN107178962A (zh) * | 2017-05-16 | 2017-09-19 | 合肥华凌股份有限公司 | 气味检测装置、食物存放容器及气味检测的方法 |
CN107918798A (zh) * | 2017-10-31 | 2018-04-17 | 珠海格力电器股份有限公司 | 食物处理方法及装置 |
CN108224894A (zh) * | 2018-01-08 | 2018-06-29 | 合肥美的智能科技有限公司 | 基于深度学习的食材新鲜度识别方法、装置、冰箱和介质 |
CN108256571A (zh) * | 2018-01-16 | 2018-07-06 | 佛山市顺德区中山大学研究院 | 一种基于卷积神经网络的中餐食物识别方法 |
-
2018
- 2018-11-21 CN CN201811393601.8A patent/CN109543605A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105423695A (zh) * | 2015-12-10 | 2016-03-23 | 黄信开 | 一种自动监测食物新鲜程度的智能冰箱 |
CN206450004U (zh) * | 2016-11-21 | 2017-08-29 | 合肥达米尼电气科技有限公司 | 一种智能冰箱的远程控制系统 |
CN107133650A (zh) * | 2017-05-10 | 2017-09-05 | 合肥华凌股份有限公司 | 冰箱的食物识别方法、装置及冰箱 |
CN107178962A (zh) * | 2017-05-16 | 2017-09-19 | 合肥华凌股份有限公司 | 气味检测装置、食物存放容器及气味检测的方法 |
CN107918798A (zh) * | 2017-10-31 | 2018-04-17 | 珠海格力电器股份有限公司 | 食物处理方法及装置 |
CN108224894A (zh) * | 2018-01-08 | 2018-06-29 | 合肥美的智能科技有限公司 | 基于深度学习的食材新鲜度识别方法、装置、冰箱和介质 |
CN108256571A (zh) * | 2018-01-16 | 2018-07-06 | 佛山市顺德区中山大学研究院 | 一种基于卷积神经网络的中餐食物识别方法 |
Non-Patent Citations (2)
Title |
---|
胡欣星 等: "基于51单片机的智能食物变质报警器的设计与实现", 《重庆文理学院学报》 * |
谢文英: "《健康生活智慧百科 在家吃饭的生活智慧》", 31 January 2016 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110674736A (zh) * | 2019-09-23 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种识别食材新鲜度的方法、装置、服务器及存储介质 |
CN111000448A (zh) * | 2019-12-02 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种食物变质的检测方法及烹饪器具 |
CN111043830A (zh) * | 2019-12-23 | 2020-04-21 | 四川虹美智能科技有限公司 | 冰箱及检测冰箱内食物的变质情况的方法 |
CN111709913A (zh) * | 2020-05-21 | 2020-09-25 | 四川虹美智能科技有限公司 | 冰箱内变质食品检测方法、装置及系统 |
CN111709913B (zh) * | 2020-05-21 | 2023-04-18 | 四川虹美智能科技有限公司 | 冰箱内变质食品检测方法、装置及系统 |
CN111879772B (zh) * | 2020-07-28 | 2021-11-05 | 食安慧(深圳)科技股份有限公司 | 一种基于大数据的食品安全智慧管理方法与系统 |
CN114707612A (zh) * | 2022-04-22 | 2022-07-05 | 珠海格力电器股份有限公司 | 食物管理方法、食物管理系统及食物贮藏设备 |
CN114958579A (zh) * | 2022-05-30 | 2022-08-30 | 重庆电子工程职业学院 | 用于特殊人群的霉菌检测灯 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543605A (zh) | 基于卷积神经网络的食物变质管理方法、系统、贮藏设备 | |
Aguilar et al. | Grab, pay, and eat: Semantic food detection for smart restaurants | |
CN108510488B (zh) | 基于残差网络的输送带四种损伤检测方法 | |
CN111879772B (zh) | 一种基于大数据的食品安全智慧管理方法与系统 | |
CN106844614A (zh) | 一种户型图功能区域快速识别系统 | |
CN109631486A (zh) | 一种食物监控方法、冰箱及具有存储功能的装置 | |
CN108846314A (zh) | 一种基于深度学习的食材辨识系统和食材辨识方法 | |
CN110133202A (zh) | 一种智能厨房的食材监测新鲜度的方法及装置 | |
WO2012094569A2 (en) | Health monitoring system | |
CN106874948A (zh) | 一种黑臭水自动识别与评估方法 | |
CN108734184A (zh) | 一种对敏感图像进行分析的方法及装置 | |
CN109886555A (zh) | 食品安全的监测方法及装置 | |
Ghasemi-Varnamkhasti et al. | Application of image analysis combined with computational expert approaches for shrimp freshness evaluation | |
CN110931109A (zh) | 一种饮食情况分析方法及系统 | |
CN105606779A (zh) | 基于电子鼻的鱼类新鲜度检测系统及方法 | |
CN108288495A (zh) | 一种膳食管理系统及方法 | |
CN109102304A (zh) | 智能餐饮安全预警溯源协管系统 | |
Shweta | Intelligent refrigerator using artificial intelligence | |
CN110310737A (zh) | 一种中医体质养生的智能移动终端 | |
CN111323551A (zh) | 食材新鲜度的提示方法、装置及家电设备 | |
Wijaya et al. | Seafood quality detection using electronic nose and machine learning algorithms with hyperparameter optimization | |
CN111260199A (zh) | 一种人工智能感官评价食品风味系统及其构建方法 | |
Lumogdang et al. | Supervised machine learning approach for pork meat freshness identification | |
CN117274899A (zh) | 基于可见光和红外光图像特征融合的仓储隐患检测方法 | |
CN116580832A (zh) | 基于视频数据的老年痴呆症辅助诊断系统及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |