CN110287824A - 识别食物的方法及装置 - Google Patents

识别食物的方法及装置 Download PDF

Info

Publication number
CN110287824A
CN110287824A CN201910497518.3A CN201910497518A CN110287824A CN 110287824 A CN110287824 A CN 110287824A CN 201910497518 A CN201910497518 A CN 201910497518A CN 110287824 A CN110287824 A CN 110287824A
Authority
CN
China
Prior art keywords
food
picture
label
target object
preset model
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
Application number
CN201910497518.3A
Other languages
English (en)
Inventor
胡郡郡
徐浩
吴明辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Miaozhen Information Technology Co Ltd
Miaozhen Systems Information Technology Co Ltd
Original Assignee
Miaozhen Systems Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Miaozhen Systems Information Technology Co Ltd filed Critical Miaozhen Systems Information Technology Co Ltd
Priority to CN201910497518.3A priority Critical patent/CN110287824A/zh
Publication of CN110287824A publication Critical patent/CN110287824A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders
    • G06Q30/0637—Approvals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种识别食物的方法及装置，其中，该方法包括：获取待检测食物的图片，将图片作为预设模型的输入，获取与图片对应的输出，其中，该输出为对图片中的食物打设置的标签，例如，该食物的产地，该食物的口味，该食物的新鲜度等，在显示器上显示上述标签，并接收到目标对象指示购买该食物的购买信息，例如，接收到目标对象将要购买该食物的左边的三个；在该购买信息指示的部分食物的标签，与目标对象的历史购买记录中的标签不符合的情况下，发出警示信息，采用上述方案，通过训练出的预设模型完成对食物的识别，避免人眼识别造成的错误识别，同时依据历史购买记录对目标对象的当前购买行为进行提示，避免冲动消费导致的食物浪费。

Description

识别食物的方法及装置
技术领域
本申请涉及但不限于食品安全领域，具体而言，涉及一种识别食物的方法及装置。
背景技术
在相关技术中，人们对食物的品质越来越关注，特别是在生鲜的选择上，比如说水产，肉类，水果，蔬菜等。但是对于大部分人来说很难分辨生鲜的好坏。特别是如今很多不法商家，将劣质产品伪装为好的产品，造成了消费者利益的受损。
针对相关技术中购买食物时容易劣质产品难以被识别的问题，目前还没有有效的解决方案。
发明内容
本申请实施例提供了一种识别食物的方法及装置，以至少解决相关技术中购买食物时容易劣质产品难以被识别的问题。
根据本申请的一个实施例，提供了一种识别食物的方法，包括：获取待检测食物的图片；将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
根据本申请的另一个实施例，还提供了一种识别食物的装置，包括：第一获取模块，用于获取待检测食物的图片；第二获取模块，用于将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；显示模块，用于显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
根据本申请的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本申请的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本申请，获取待检测食物的图片，将图片作为预设模型的输入，获取与图片对应的输出，其中，该输出为对图片中的食物打设置的标签，例如，该食物的产地，该食物的口味，该食物的新鲜度等，在显示器上显示上述标签，并接收到目标对象指示购买该食物的购买信息，例如，接收到目标对象将要购买该食物的左边的三个；在该购买信息指示的部分食物的标签，与目标对象的历史购买记录中的标签不符合的情况下，发出警示信息，采用上述方案，通过训练出的预设模型完成对食物的识别，避免人眼识别造成的错误识别，同时依据历史购买记录对目标对象的当前购买行为进行提示，避免冲动消费导致的食物浪费。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是本申请实施例的一种识别食物的方法的移动终端的硬件结构框图；
图2是根据本申请实施例的识别食物的方法的流程图；
图3是根据本申请另一个实施例的生鲜识别的方法流程图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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。
实施例一
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本申请实施例的一种识别食物的方法的移动终端的硬件结构框图，如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输装置106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块，如本申请实施例中的识别食物的方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端的识别食物的方法，图2是根据本申请实施例的识别食物的方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取待检测食物的图片；
该图片可以由移动终端拍摄，或者由其他摄像设备拍摄后传输至移动终端。该待检测食物可以是一种食物的多个，例如一堆苹果；也可以是多种食物，例如图片左侧为桃子，右侧为苹果；也可以是一种食物的一个，例如图片中只有一条三文鱼，此处仅为举例，不限制图片中的食物的形式。
步骤S204，将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；
该得到输出的计算流程可以由移动终端本地处理，或者上传至云端服务器进行处理。该预设模型可以是通过机器学习训练的，或者深度学习等方式。
步骤S206，显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
在食物为多个时，例如多个苹果，则显示的标签可以是多个，例如每个苹果的产地等信息，目标部分可以为左侧的三个苹果。
在食物为一个时，例如一条三文鱼，则显示的标签可以是一个，目标部分是该条三文鱼的全部。
依据购买信息生成订单后，可以存储至数据库，加入到历史购买记录中。也可以触发后续的支付链接，或者仅生成订单为止，用户和商家完成手递手的支付。
通过上述步骤，获取待检测食物的图片，将图片作为预设模型的输入，获取与图片对应的输出，其中，该输出为对图片中的食物打设置的标签，例如，该食物的产地，该食物的口味，该食物的新鲜度等，在显示器上显示上述标签，并接收到目标对象指示购买该食物的购买信息，例如，接收到目标对象将要购买该食物的左边的三个；在该购买信息指示的部分食物的标签，与目标对象的历史购买记录中的标签不符合的情况下，发出警示信息，采用上述方案，通过训练出的预设模型完成对食物的识别，避免人眼识别造成的错误识别，同时依据历史购买记录对目标对象的当前购买行为进行提示，避免冲动消费导致的食物浪费。
可选地，将所述图片作为预设模型的输入，获取与所述图片对应的输出之前，通过以下方式获取预设模型：获取多组训练样本，其中，每组训练样本包括食物和对应的标签；使用每组训练样本的第一食物作为原始模型的输入，使用与所述第一食物对应的标签对所述原始模型的输出进行监督，直至满足预设条件后确定所述原始模型训练完成，获取所述预设模型。采用该方案，通过监督学习的方式训练原始模型，获得预设模型。原始模型可以是相关技术中的机器学习模型，例如残差模型等。
可选地，将所述图片作为预设模型的输入，获取与所述图片对应的输出之后，依据输出的标签，和所述目标对象的历史购买记录，确定所述待检测食物中的推荐部分，其中，所述历史购买记录是所述目标对象的历次购买的食物对应的标签记录；显示所述推荐部分。采用该方案，依据目标对象的历史购买记录生成推荐部分并显示给用户，例如历史购买中显示用户爱吃甜的，则将食物中的口味甜的部分作为推荐部分，以尽可能的符合用户的喜好。
生成推荐部分时，在输出的标签中，选择存在于历史购买记录的，从而确定推荐部分。
可选地，接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，包括：在所述购买信息指示的待购买部分与所述推荐部分不符合的情况下，显示所述警示信息；在接收到用于指示消除所述警示信息的信号后，生成订单，其中，所述订单中所述待购买部分的比例大于所述推荐部分的比例。相关技术中以用户当前的购买信息为主进行购买，而本方案，在待购买部分与推荐部分不符合时，生成警示信息，以提示用户避免冲动消费，后续订单时可以不完全依据用户的购买信息为主进行购买，可以加入推荐部分，以充分发挥AI的能力。而且在可预见的未来，人工智能AI可能比用户更了解用户喜好，即机器比人类更了解人类。
可选地，在所述食物为生鲜时，所述标签还包括以下至少之一：虫蛀情况，采摘所述生鲜的时长；在所述食物为鱼类时，所述标签还包括掺水情况。采用该方案，针对不同的食物，标签可以进行不同的设置，以表明食物的特征。
下面结合本申请另一个实施例进行说明。
图3是根据本申请另一个实施例的生鲜识别的方法流程图，如图3所示，包括以下步骤：
步骤1:获取生鲜图片。手机应用程序app拍照获取生鲜图片(比如一堆苹果的照片)。
步骤2:识别图像并打标签。基于深度学习图像识别系统将每个目标都检测出来并进行打标签，基于目标标签，去除虫蛀，不新鲜的目标，保留相对更新鲜的目标，至于口味则需要结合用户的实际爱好进行最终选择。比如：每个苹果，打上的标签有：a)产地；b)口味(甜/酸)；c)是否虫蛀；d)采摘距离现在时间；e)新鲜程度。实际打的标签不局限这几种，视实际业务情况而定。
步骤3:基于历史购物记录(已经有的用户信息数据库)，获取用户的爱好。
步骤4，接收用户手动输入的此次需求。
步骤5，显示提醒信息。在检测到用户手动输入此次的需求与用户爱好不符合的情况下，显示提醒信息，例如说用户正常比较喜欢吃甜的，但是这次输入了酸的，这是一个显示提醒。推荐系统需要用更大权重来考虑用户手动输入的信息。
步骤6:接收用户的输入信号，确认是否按照推荐进行购买。
步骤7:加入此次购买记录到用户信息数据库，从而帮助后续的推荐。
采用上述方案，方案实施简单，在需要的时候只需要拍照就可以获取，效率高，门槛低，便于用户使用。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
实施例二
在本实施例中还提供了一种识别食物的装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
根据本申请的另一个实施例，还提供了一种识别食物的装置，包括：
第一获取模块，用于获取待检测食物的图片；
第二获取模块，用于将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；
显示模块，用于显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
通过本申请，获取待检测食物的图片，将图片作为预设模型的输入，获取与图片对应的输出，其中，该输出为对图片中的食物打设置的标签，例如，该食物的产地，该食物的口味，该食物的新鲜度等，在显示器上显示上述标签，并接收到目标对象指示购买该食物的购买信息，例如，接收到目标对象将要购买该食物的左边的三个；在该购买信息指示的部分食物的标签，与目标对象的历史购买记录中的标签不符合的情况下，发出警示信息，采用上述方案，通过训练出的预设模型完成对食物的识别，避免人眼识别造成的错误识别，同时依据历史购买记录对目标对象的当前购买行为进行提示，避免冲动消费导致的食物浪费。
可选地，所述第二获取模块还用于在将所述图片作为预设模型的输入，获取与所述图片对应的输出之前，通过以下方式获取预设模型：获取多组训练样本，其中，每组训练样本包括食物和对应的标签；使用每组训练样本的第一食物作为原始模型的输入，使用与所述第一食物对应的标签对所述原始模型的输出进行监督，直至满足预设条件后确定所述原始模型训练完成，获取所述预设模型。
可选地，所述显示模块在将所述图片作为预设模型的输入，获取与所述图片对应的输出之后，还用于依据输出的标签，和所述目标对象的历史购买记录，确定所述待检测食物中的推荐部分，其中，所述历史购买记录是所述目标对象的历次购买的食物对应的标签记录；以及用于显示所述推荐部分。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例三
本申请的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的程序代码：
S1，获取待检测食物的图片；
S2，将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；
S3，显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本申请的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输装置以及输入输出设备，其中，该传输装置和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取待检测食物的图片；
S2，将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；
S3，显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种识别食物的方法，其特征在于，包括：
获取待检测食物的图片；
将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；
显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
2.根据权利要求1所述的方法，其特征在于，将所述图片作为预设模型的输入，获取与所述图片对应的输出之前，所述方法还包括：通过以下方式获取预设模型：
获取多组训练样本，其中，每组训练样本包括食物和对应的标签；
使用每组训练样本的第一食物作为原始模型的输入，使用与所述第一食物对应的标签对所述原始模型的输出进行监督，直至满足预设条件后确定所述原始模型训练完成，获取所述预设模型。
3.根据权利要求1所述的方法，其特征在于，将所述图片作为预设模型的输入，获取与所述图片对应的输出之后，所述方法还包括：
依据输出的标签，和所述目标对象的历史购买记录，确定所述待检测食物中的推荐部分，其中，所述历史购买记录是所述目标对象的历次购买的食物对应的标签记录；
显示所述推荐部分。
4.根据权利要求3所述的方法，其特征在于，接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，包括：
在所述购买信息指示的待购买部分与所述推荐部分不符合的情况下，显示所述警示信息；
在接收到用于指示消除所述警示信息的信号后，生成订单，其中，所述订单中所述待购买部分的比例大于所述推荐部分的比例。
5.根据权利要求1所述的方法，其特征在于，
在所述食物为生鲜时，所述标签还包括以下至少之一：虫蛀情况，采摘所述生鲜的时长；
在所述食物为鱼类时，所述标签还包括掺水情况。
6.一种识别食物的装置，其特征在于，包括：
第一获取模块，用于获取待检测食物的图片；
第二获取模块，用于将所述图片作为预设模型的输入，获取与所述图片对应的输出，其中，所述输出用于为所述图片中的食物设置标签，所述标签包括以下至少之一：产地，口味，新鲜度；
显示模块，用于显示所述标签，并接收到目标对象指示购买所述食物的购买信息，依据所述购买信息生成订单，其中，在所述购买信息中购买的目标部分与所述目标对象的历史购买记录不符合的情况下，发出警示信息。
7.根据权利要求6所述的装置，其特征在于，所述第二获取模块还用于在将所述图片作为预设模型的输入，获取与所述图片对应的输出之前，通过以下方式获取预设模型：
获取多组训练样本，其中，每组训练样本包括食物和对应的标签；
使用每组训练样本的第一食物作为原始模型的输入，使用与所述第一食物对应的标签对所述原始模型的输出进行监督，直至满足预设条件后确定所述原始模型训练完成，获取所述预设模型。
8.根据权利要求6所述的装置，其特征在于，所述显示模块在将所述图片作为预设模型的输入，获取与所述图片对应的输出之后，还用于依据输出的标签，和所述目标对象的历史购买记录，确定所述待检测食物中的推荐部分，其中，所述历史购买记录是所述目标对象的历次购买的食物对应的标签记录；以及用于显示所述推荐部分。
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
CN201910497518.3A 2019-06-10 2019-06-10 识别食物的方法及装置 Pending CN110287824A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910497518.3A CN110287824A (zh) 2019-06-10 2019-06-10 识别食物的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910497518.3A CN110287824A (zh) 2019-06-10 2019-06-10 识别食物的方法及装置

Publications (1)

Publication Number Publication Date
CN110287824A true CN110287824A (zh) 2019-09-27

Family

ID=68003562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910497518.3A Pending CN110287824A (zh) 2019-06-10 2019-06-10 识别食物的方法及装置

Country Status (1)

Country Link
CN (1) CN110287824A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541380A (zh) * 2020-04-10 2021-03-23 深圳优地科技有限公司 一种物品选取方法、选取装置及终端设备
CN112541381A (zh) * 2020-04-10 2021-03-23 深圳优地科技有限公司 基于机器人的商品采购方法及机器人
CN113723139A (zh) * 2020-05-25 2021-11-30 佛山市顺德区美的电热电器制造有限公司 信息处理方法、装置、服务器及存储介质
CN113724028A (zh) * 2020-05-25 2021-11-30 佛山市顺德区美的电热电器制造有限公司 食品信息显示方法、装置、服务器及存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110145092A1 (en) * 2009-12-13 2011-06-16 AisleBuyer LLC Systems and methods for confirming purchases of products from a retail establishment using a mobile device
CN103927391A (zh) * 2014-04-30 2014-07-16 小米科技有限责任公司 信息处理方法及装置
CN104296852A (zh) * 2014-07-17 2015-01-21 赵肖肖 果蔬商品的自助称量方法及装置
CN104839962A (zh) * 2015-04-28 2015-08-19 百度在线网络技术（北京）有限公司 一种智能钱包及其信息处理方法和装置
CN104867046A (zh) * 2015-05-29 2015-08-26 广东欧珀移动通信有限公司 智能挑物品的方法及装置
CN105824963A (zh) * 2016-03-31 2016-08-03 北京小度信息科技有限公司 订单推荐方法和装置
CN106296318A (zh) * 2015-04-26 2017-01-04 上海墨盾电脑科技有限公司 一种电子商务场景处理方法及系统
CN106340137A (zh) * 2016-11-14 2017-01-18 贵州师范学院 一种基于深度学习的自动称重机及其程序控制方法
CN106408365A (zh) * 2016-08-24 2017-02-15 潘重光 内容推荐方法及装置
CN106504033A (zh) * 2016-12-06 2017-03-15 北京小米移动软件有限公司 信息推送方法及装置
CN106991427A (zh) * 2017-02-10 2017-07-28 海尔优家智能科技（北京）有限公司 果蔬新鲜度的识别方法及装置
CN107084780A (zh) * 2017-05-12 2017-08-22 智锐达仪器科技南通有限公司 一种智能电子秤及相应的称重方法
CN107731278A (zh) * 2017-09-04 2018-02-23 广东数相智能科技有限公司 一种食物识别方法、营养健康分析方法、系统及装置
CN108846314A (zh) * 2018-05-08 2018-11-20 天津大学 一种基于深度学习的食材辨识系统和食材辨识方法
CN109753980A (zh) * 2017-11-03 2019-05-14 虹软科技股份有限公司 一种用于检测的方法和装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110145092A1 (en) * 2009-12-13 2011-06-16 AisleBuyer LLC Systems and methods for confirming purchases of products from a retail establishment using a mobile device
CN103927391A (zh) * 2014-04-30 2014-07-16 小米科技有限责任公司 信息处理方法及装置
CN104296852A (zh) * 2014-07-17 2015-01-21 赵肖肖 果蔬商品的自助称量方法及装置
CN106296318A (zh) * 2015-04-26 2017-01-04 上海墨盾电脑科技有限公司 一种电子商务场景处理方法及系统
CN104839962A (zh) * 2015-04-28 2015-08-19 百度在线网络技术（北京）有限公司 一种智能钱包及其信息处理方法和装置
CN104867046A (zh) * 2015-05-29 2015-08-26 广东欧珀移动通信有限公司 智能挑物品的方法及装置
CN105824963A (zh) * 2016-03-31 2016-08-03 北京小度信息科技有限公司 订单推荐方法和装置
CN106408365A (zh) * 2016-08-24 2017-02-15 潘重光 内容推荐方法及装置
CN106340137A (zh) * 2016-11-14 2017-01-18 贵州师范学院 一种基于深度学习的自动称重机及其程序控制方法
CN106504033A (zh) * 2016-12-06 2017-03-15 北京小米移动软件有限公司 信息推送方法及装置
CN106991427A (zh) * 2017-02-10 2017-07-28 海尔优家智能科技（北京）有限公司 果蔬新鲜度的识别方法及装置
CN107084780A (zh) * 2017-05-12 2017-08-22 智锐达仪器科技南通有限公司 一种智能电子秤及相应的称重方法
CN107731278A (zh) * 2017-09-04 2018-02-23 广东数相智能科技有限公司 一种食物识别方法、营养健康分析方法、系统及装置
CN109753980A (zh) * 2017-11-03 2019-05-14 虹软科技股份有限公司 一种用于检测的方法和装置
CN108846314A (zh) * 2018-05-08 2018-11-20 天津大学 一种基于深度学习的食材辨识系统和食材辨识方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112541380A (zh) * 2020-04-10 2021-03-23 深圳优地科技有限公司 一种物品选取方法、选取装置及终端设备
CN112541381A (zh) * 2020-04-10 2021-03-23 深圳优地科技有限公司 基于机器人的商品采购方法及机器人
CN113723139A (zh) * 2020-05-25 2021-11-30 佛山市顺德区美的电热电器制造有限公司 信息处理方法、装置、服务器及存储介质
CN113724028A (zh) * 2020-05-25 2021-11-30 佛山市顺德区美的电热电器制造有限公司 食品信息显示方法、装置、服务器及存储介质

Similar Documents

Publication Publication Date Title
CN110287824A (zh) 识别食物的方法及装置
KR102236974B1 (ko) 이미지 기반 포장 육류 품질 분류 및 판매 방법, 장치 및 시스템
CN109151378A (zh) 一种外卖食品监控系统
CN109903103B (zh) 一种推荐物品的方法和装置
CN110634552A (zh) 基于物联网操作系统的食谱推送方法和装置
CN107592474A (zh) 一种图像处理方法和装置
CN107798027A (zh) 一种信息热度预测方法、信息推荐方法及装置
CN110674736A (zh) 一种识别食材新鲜度的方法、装置、服务器及存储介质
CN111507216A (zh) 无人值守场景中非法行为的识别方法和装置
CN108302892A (zh) 智能冰箱与基于智能冰箱的信息提醒方法
CN109299894A (zh) 产品配送管理方法、系统及计算机可读存储介质
CN108334606A (zh) 用于智能家居的语音交互方法、装置及服务器
CN110858279A (zh) 食材识别方法及装置
CN110953838B (zh) 一种冰箱内食材采买提示方法、存储介质和冰箱
CN107918798A (zh) 食物处理方法及装置
CN111323551A (zh) 食材新鲜度的提示方法、装置及家电设备
CN109686422A (zh) 一种储存食物的判断方法及装置
CN109492779A (zh) 一种家用电器健康管理方法、装置及家用电器
CN109934658A (zh) 一种数据处理方法、显示方法及计算设备
CN104332022A (zh) 一种防止幼儿进食异物的警报系统及方法
CN107292574A (zh) 食品的供应方法、食品的供应系统
CN110264544A (zh) 图片处理方法和装置、存储介质及电子装置
CN109660582B (zh) 帐号信号的推送方法、装置、存储介质和电子设备
CN110852338A (zh) 用户画像的构建方法及装置
CN111104952A (zh) 识别食物种类的方法、系统及装置、冰箱

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

Application publication date: 20190927

RJ01 Rejection of invention patent application after publication