CN111640267A - 一种自助结算方法、装置、存储介质及计算机设备 - Google Patents

Abstract

本申请公开了一种自助结算方法及装置、存储介质、计算机设备，该方法包括：通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；利用训练好的菜品识别模型，识别出所述目标菜品图片对应的目标菜品信息；根据所述目标菜品信息查询目标菜品的菜品价格，并录入所述目标菜品信息以及所述菜品价格；其中，训练所述菜品识别模型所需的菜品样本图片的获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片。本申请解决了现有技术中标定易出错的问题，提高了训练样本的可靠性和质量，从而提升了菜品识别模型的识别准确性以及菜品自助结算的准确性。

Description

一种自助结算方法、装置、存储介质及计算机设备

技术领域

本申请涉及图像处理技术领域，尤其是涉及到一种自助结算方法、装置、存储介质及计算机设备。

背景技术

随着人们生活水平的提高，我国餐饮市场近年来发展迅速。但是，由于竞争激烈、利润逐步透明化及劳动力成本持续走高，使餐饮业商家营业额提升越来越困难。就每一次消费过程中必经的结算步骤来说，餐饮商家答都是服务员人工口算结算金额，或者将点餐菜品输入到收银系统中，收银系统根据菜品价格计算点餐菜品的总价，这种方式效率低下，还容易出现错误。

因此很多餐饮业商家引入了自动结算设备，自动结算设备可以基于点餐菜品的图片利用菜品识别模型自动对点餐菜品进行识别，进而实现结算。但是目前的产品中菜品识别算法模型训练的元数据都来自于工作人员拍摄的照片，通过这种方式获取的元数据存在以下缺点：

(1)拍摄人员拍摄元数据依赖于菜品已制作，在新增菜品的时候或者上菜高峰期会出现等待拍摄完成的过程；(2)拍摄人员需要拍摄特定的角度拍摄，对图片的清晰度和辨识度有很大的要求；(3)拍摄人员还需要记住每道菜的专业输入，对于易混菜不容易操作。

鉴于元数据存在的上述缺点，导致了菜品识别模型的训练样本获取难度大、质量差，进而导致了模型识别效果差、自助结算准确性低。

发明内容

有鉴于此，本申请提供了一种自助结算方法、装置、存储介质及计算机设备，有助于提高自助结算的准确性。

根据本申请的一个方面，提供了一种自助结算方法，所述方法包括：

通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

利用训练好的菜品识别模型，识别出所述目标菜品图片对应的目标菜品信息；

根据所述目标菜品信息查询目标菜品的菜品价格，并录入所述目标菜品信息以及所述菜品价格；

其中，训练所述菜品识别模型所需的菜品样本图片的获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片。

具体地，所述根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片，具体包括：

基于所述菜品订单，确定所述菜品订单对应的所述菜品排产信息，其中，所述菜品订单包括至少一个菜品；

根据所述菜品排产信息，控制摄像头采集至少一个所述菜品对应的菜品图片；

对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的所述菜品样本图片。

具体地，所述菜品排产信息至少包括至少一个所述菜品对应的原材料准备信息、烹饪信息以及成品菜品出菜信息；

所述根据所述菜品排产信息，控制摄像头采集至少一个所述菜品对应的菜品图片，具体包括：

根据所述原材料准备信息、所述烹饪信息以及所述成品菜品出菜信息，确定至少一个所述菜品对应的图片获取信息，其中，所述图片获取信息包括但不限于图片获取位置以及图片获取时间；

基于所述图片获取位置以及所述图片获取时间，控制与所述图片获取位置相应的所述摄像头在所述图片获取时间采集至少一个所述菜品对应的原材料图片、烹饪图片以及成品菜品图片。

具体地，所述对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的菜品样本图片，具体包括：

分别计算所述菜品样本图片中任意两张之间的相似度；

若所述相似度大于相似度阈值，则删除相应的任意两张所述菜品样本图片中的一张；

识别并删除所述菜品样本图片中的模糊图片，得到所述菜品样本图片。

具体地，所述对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的菜品样本图片之后，所述方法还包括：

基于所述菜品样本图片以及所述菜品样本图片中包含菜品的菜品信息，训练所述菜品识别模型。

具体地，所述利用训练好的菜品识别模型，识别出所述目标菜品图片中包含的目标菜品对应的目标菜品信息之后，所述方法还包括：

获取所述菜品识别模型对所述目标菜品图片的识别时长；

若所述识别时长大于识别超时阈值，则利用所述目标菜品图片以及对应的所述目标菜品信息，对所述菜品识别模型进行训练。

具体地，任一所述菜品对应的菜品信息包括但不限于用于表征所述菜品的菜品名称和/或菜品编号。

根据本申请的另一方面，提供了一种自助结算装置，所述装置包括：

目标图片扫描模块，用于通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

目标菜品识别模块，用于利用训练好的菜品识别模型，识别出所述目标菜品图片中包含的目标菜品对应的目标菜品信息；

目标菜品录入模块，用于基于所述目标菜品信息查询所述目标菜品对应的菜品价格，并录入所述目标菜品信息以及所述菜品价格；

图片采集模块，用于执行训练所述菜品识别模型所需的菜品样本图片的获取步骤，所述获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片。

具体地，所述装置还包括：

菜品排产模块，用于基于菜品订单，确定所述菜品订单对应的菜品排产信息，其中，所述菜品订单包括至少一个菜品；

所述图片采集模块，用于根据所述菜品排产信息，控制摄像头采集至少一个所述菜品对应的菜品图片；

样本图片提取模块，用于对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的菜品样本图片。

具体地，所述菜品排产信息至少包括至少一个所述菜品对应的原材料准备信息、烹饪信息以及成品菜品出菜信息；

所述图片采集模块，具体包括：

获取信息确定单元，用于根据所述原材料准备信息、所述烹饪信息以及所述成品菜品出菜信息，确定至少一个所述菜品对应的图片获取信息，其中，所述图片获取信息包括但不限于图片获取位置以及图片获取时间；

图片采集单元，用于基于所述图片获取位置以及所述图片获取时间，控制与所述图片获取位置相应的所述摄像头在所述图片获取时间采集至少一个所述菜品对应的原材料图片、烹饪图片以及成品菜品图片。

具体地，所述样本图片提取模块，具体包括：

相似度计算单元，用于分别计算所述菜品样本图片中任意两张之间的相似度；

相似图片筛选单元，用于若所述相似度大于相似度阈值，则删除相应的任意两张所述菜品样本图片中的一张；

模糊图片筛选单元，用于识别并删除所述菜品样本图片中的模糊图片，得到所述菜品样本图片。

具体地，所述装置还包括：

模型训练模块，用于对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的菜品样本图片之后，基于所述菜品样本图片以及所述菜品样本图片中包含菜品的菜品信息，训练所述菜品识别模型。

具体地，所述装置还包括：

识别时长获取模块，用于利用训练好的菜品识别模型，识别出所述目标菜品图片中包含的目标菜品对应的目标菜品信息之后，获取所述菜品识别模型对所述目标菜品图片的识别时长；

模型优化模块，用于若所述识别时长大于识别超时阈值，则利用所述目标菜品图片以及对应的所述目标菜品信息，对所述菜品识别模型进行训练。

具体地，任一所述菜品对应的菜品信息包括但不限于用于表征所述菜品的菜品名称和/或菜品编号。

依据本申请又一个方面，提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述自助结算方法。

依据本申请再一个方面，提供了一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述自助结算方法。

借由上述技术方案，本申请提供的一种自助结算方法及装置、存储介质、计算机设备，通过预先训练好的菜品识别模型对目标菜品图片进行识别得到目标菜品信息，从而基于目标菜品信息录入菜品价格，其中，菜品识别模型所选用的训练样本是按照菜品订单确定对应的指导菜品制作过程的菜品排产信息，然后基于菜品排产信息，在菜品制作过程中采集订单包含菜品所对应的菜品图片，从而基于菜品图片获取到的。本申请实施例相较于现有技术依赖于已制作菜品进行人工拍摄采集菜品样本图片以及人工进行菜品标定从而训练菜品识别模型，实现菜品识别的方式相比，能够在菜品的制作过程中控制摄像头采集到不同菜品对应的菜品图片，节约了拍摄等待时间，不影响菜品出菜，并且无需对菜品图片进行标定可以直接得出菜品图片对应的菜品信息，解决了现有技术中标定易出错的问题，提高了训练样本的可靠性和质量，从而提升了菜品识别模型的识别准确性以及菜品自助结算的准确性。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

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示出了本申请实施例提供的一种自助结算方法的流程示意图；

图2示出了本申请实施例提供的一种菜品识别模型的训练方法的流程示意图；

图3示出了本申请实施例提供的另一种菜识别模型的训练方法的流程示意图；

图4示出了本申请实施例提供的又一种菜品识别模型的训练方法的流程示意图；

图5示出了本申请实施例提供的一种菜品样本图片的获取装置的结构示意图；

图6示出了本申请实施例提供的另一种菜品样本图片的获取装置的结构示意图。

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。

在本实施例中提供了一种自助结算方法，如图1所示，该方法包括：

步骤101，通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

步骤102，利用训练好的菜品识别模型，识别出目标菜品图片对应的目标菜品信息；

步骤103，根据目标菜品信息查询目标菜品的菜品价格，并录入目标菜品信息以及菜品价格；

其中，训练菜品识别模型所需的菜品样本图片的获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取菜品样本图片。

本申请的上述实施例主要应用于餐饮店铺中的菜品自助结算场景中，顾客自助选择想要的菜品后可以通过预定终端对选择的菜品进行扫描，预定终端可以是手机、平板电脑等移动终端，也可以是餐厅内设置的能够实现图像采集的特定终端，然后基于扫描图片进行菜品识别以及结算，具体来说，通过预定终端扫描得到目标菜品图片之后，利用预先训练好的菜品识别模型进行菜品识别，从而基于识别出的目标菜品查询与之相应的菜品价格，并将识别出的目标菜品信息以及菜品价格录入到自助结账系统中，将目标菜品信息和价格展示给顾客。其中，目标菜品信息可以为菜品名称和/或菜品编号等可以将不同菜品做出区分的信息，以便利用菜品信息查询对应的菜品价格。

需要说明的是，传统的菜品识别模型一般基于服务员或特定人员对成品菜品进行拍照得到的菜品图片进行训练，而本申请中用于训练菜品识别模型的菜品样本图片通过后厨中设置的摄像头自动采集获得，具体来说，当后厨智能系统接收到菜品订单时，系统可以根据菜品订单中包含的需要制作的菜品，对菜品订单进行排产以得到菜品订单对应的菜品排产信息，菜品排产信息可以用于指示后厨的菜品制作流程，另外，菜品排产信息还可以用于指示摄像头的图片采集工作，基于菜品排产信息可以控制摄像头在菜品制作的过程中采集菜品图片，从而通过摄像头可以分别获取到菜品订单中包含的每一个菜品所对应的菜品图片，且菜品图片可以涵盖整个菜品制作过程，例如，后厨设置10台可以转动角度的摄像头，在制作菜品A时，控制1号摄像头在第一角度采集菜品图片，控制2号摄像头在第二角度采集菜品图片，最后，还可以将摄像头采集到的菜品图片进行筛选，对菜品图片进行有效信息提取，从菜品图片中获取到清晰度和辨识度质量较高的菜品样本图片，以便基于菜品样本图片及其对应的菜品信息训练菜品识别模型，为菜品识别以及菜品结算提供技术支撑。

利用上述方法获取到的菜品样本图片，可以实现利用摄像头进行智能图片采集，无需拍摄人员人工拍摄，这种智能的菜品样本图片获取方式，第一，摄像头可以采集菜品制作过程中的菜品图片，无需等待菜品制作结束才能采集菜品图片，即使在上菜高峰期也无需等待，不影响正常上菜，第二，可以基于排产信息控制摄像头的拍摄位置、角度等进行图片采集，并且可以从采集到的菜品图片中进行有效信息的提取，从而获得较高质量的菜品图片，第三，可以基于菜品排产信息确定出摄像头所采集到的菜品图片对应的菜品，不再需要对菜品图片进行菜品标定，解决了易混淆的菜品标定容易出现错误的问题。

通过应用本实施例的技术方案，通过预先训练好的菜品识别模型对目标菜品图片进行识别得到目标菜品信息，从而基于目标菜品信息录入菜品价格，其中，菜品识别模型所选用的训练样本是按照菜品订单确定对应的指导菜品制作过程的菜品排产信息，然后基于菜品排产信息，在菜品制作过程中采集订单包含菜品所对应的菜品图片，从而基于菜品图片获取到的。本申请实施例相较于现有技术依赖于已制作菜品进行人工拍摄采集菜品样本图片以及人工进行菜品标定从而训练菜品识别模型，实现菜品识别的方式相比，能够在菜品的制作过程中控制摄像头采集到不同菜品对应的菜品图片，节约了拍摄等待时间，不影响菜品出菜，并且无需对菜品图片进行标定可以直接得出菜品图片对应的菜品信息，解决了现有技术中标定易出错的问题，提高了训练样本的可靠性和质量，从而提升了菜品识别模型的识别准确性以及菜品自助结算的准确性。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，提供了一种菜品识别模型的训练方法的流程示意图，如图2所示，该方法包括：

步骤201，基于菜品订单，确定菜品订单对应的菜品排产信息，其中，菜品订单包括至少一个菜品。

具体地，菜品排产信息至少包括至少一个菜品对应的原材料准备信息、烹饪信息以及成品菜品出菜信息。

在上述实施例中，菜品排产信息可以包含菜品制作的整个过程，具体可以包括菜品的原材料准备信息，例如原材料备料位置、备料时间等，菜品的烹饪信息，例如用哪个厨具来烹饪、烹饪时间等，成品菜品出菜信息，例如成品菜品盛放位置等等。

步骤202，根据原材料准备信息、烹饪信息以及成品菜品出菜信息，确定至少一个菜品对应的图片获取信息，其中，图片获取信息包括但不限于图片获取位置以及图片获取时间。

在上述实施例中，基于原材料准备信息、烹饪信息以及成品菜品出菜信息，确定出每个菜品对应的图片获取位置以及图片获取时间，例如基于原材料的备料位置以及备料时间，确定菜品备料图片获取位置以及获取时间，以便基于图片获取位置以及图片获取时间控制摄像头工作。

步骤203，基于图片获取位置以及图片获取时间，控制与图片获取位置相应的摄像头在图片获取时间采集至少一个菜品对应的原材料图片、烹饪图片以及成品菜品图片。

在上述实施例中，按照图片获取位置确定能够拍摄到该位置的摄像头，从而在相应的图片获取时间内采集菜品图片，菜品图片至少包括菜品制作过程中的原材料图片、烹饪图片以及成品菜品图片，以确保菜品图片能够包含菜品的更加完整的信息，以便在菜品识别模型可以基于更丰富的例如菜品原材料、菜品烹饪图片以及成品菜品图片信息实现训练，从而使得训练得到的菜品识别模型的识别效果更好。

步骤204，分别计算菜品样本图片中任意两张之间的相似度。

步骤205，若相似度大于相似度阈值，则删除相应的任意两张菜品样本图片中的一张。

步骤206，识别并删除菜品样本图片中的模糊图片，得到菜品样本图片。

步骤207，基于菜品样本图片以及菜品样本图片中包含菜品的菜品信息，训练菜品识别模型。

在步骤204至步骤207中，基于相似度以及清晰度从菜品图片中筛选出菜品样本图片，对于任一菜品对应的菜品图片，分别计算两两之间的相似度，若相似度大于相似度阈值，则删除任意一张，然后再从经过相似度筛选的图片中删除掉其中模糊的图片，从而得到菜品样本图片，另外，对于模糊图片也可以通过图像增强、图像复原和超分辨率重构等技术手段进行修复，得到菜品样本图片，进而利用得到的菜品样本图片以及菜品样本图片中包含菜品的菜品信息，训练菜品识别模型，以使得训练后的菜品识别模型能够基于任意菜品图片识别出相应的菜品信息，其中，菜品样本图片包含的菜品可以基于菜品排产信息来确定。

进一步的，作为上述实施例具体实施方式的细化和扩展，为了完整说明本实施例的具体实施过程，本申请实施例还提供了另一种菜品识别模型的训练方法的流程示意图，如图3所示，该方法包括：

步骤301，通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

步骤302，利用菜品识别模型，识别出目标菜品图片中包含的目标菜品对应的目标菜品信息；

步骤303，基于目标菜品信息查询目标菜品对应的菜品价格，并录入目标菜品信息以及菜品价格。

本申请的上述实施例主要应用于菜品结算场景中，顾客自助选择想要的菜品后可以通过预定终端对选择的菜品进行扫描，预定终端可以是手机、平板电脑等移动终端，也可以是餐厅内设置的能够实现图像采集的特定终端，然后基于扫描图片进行菜品识别以及结算，具体来说，通过预定终端扫描得到目标菜品图片之后，利用预先训练好的菜品识别模型进行菜品识别，从而基于识别出的目标菜品查询与之相应的菜品价格，并将识别出的目标菜品信息以及菜品价格录入到自助结账系统中，将菜品信息和价格展示给顾客。其中，菜品信息可以为菜品名称和/或菜品编号等可以将不同菜品做出区分的信息，以便利用菜品信息查询对应的菜品价格。

步骤304，获取菜品识别模型对目标菜品图片的识别时长；

步骤305，若识别时长大于识别超时阈值，则利用目标菜品图片以及对应的目标菜品信息，对菜品识别模型进行训练。

在步骤304和步骤305中，提供了一种菜品识别模型的优化训练方法，当模型对目标菜品图片的识别时长过长，大于识别超时阈值时，可以认为模型的识别能力还有待提高，此时可以利用目标菜品图片以及目标菜品信息对模型进行优化训练，有助于提升模型对该菜品信息的识别效率。

图4示出了本申请实施例提供的又一种菜品识别模型的训练方法的流程示意图。

步骤1，后厨智能系统接收菜品订单，并确定菜品排产信息；

步骤2，后厨按照菜品排产信息开始制作菜品后启动智能摄像头进行图片捕获；

步骤3，智能摄像头将捕获到的菜品图片发送到后厨智能系统中；

步骤4，后厨智能系统结合排产信息和菜品图片进行结合并提取有效信息，得到菜品样本图片；

步骤5，利用菜品样本图片及其对应的菜品信息，训练菜品识别模型；

步骤6，将训练好的菜品识别模型提供给自助结算系统；

步骤7，利用自助结算系统的识别结果优化菜品识别模型。

进一步的，作为图1方法的具体实现，本申请实施例提供了一种自助结算装置，如图5所示，该装置包括：

目标图片扫描模块51，用于通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

目标菜品识别模块52，用于利用训练好的菜品识别模型，识别出目标菜品图片中包含的目标菜品对应的目标菜品信息；

目标菜品录入模块53，用于基于目标菜品信息查询目标菜品对应的菜品价格，并录入目标菜品信息以及菜品价格；

图片采集模块54，用于执行训练菜品识别模型所需的菜品样本图片的获取步骤，获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取菜品样本图片。

在具体的应用场景中，如图6所示，该装置还包括：

菜品排产模块55，用于基于菜品订单，确定菜品订单对应的菜品排产信息，其中，菜品订单包括至少一个菜品；

图片采集模块54，用于根据菜品排产信息，控制摄像头采集至少一个菜品对应的菜品图片；

样本图片提取模块56，用于对菜品图片进行有效信息提取，得到至少一个菜品对应的菜品样本图片。

具体地，菜品排产信息至少包括至少一个菜品对应的原材料准备信息、烹饪信息以及成品菜品出菜信息；

图片采集模块54，具体包括：

获取信息确定单元541，用于根据原材料准备信息、烹饪信息以及成品菜品出菜信息，确定至少一个菜品对应的图片获取信息，其中，图片获取信息包括但不限于图片获取位置以及图片获取时间；

图片采集单元542，用于基于图片获取位置以及图片获取时间，控制与图片获取位置相应的摄像头在图片获取时间采集至少一个菜品对应的原材料图片、烹饪图片以及成品菜品图片。

具体地，样本图片提取模块56，具体包括：

相似度计算单元561，用于分别计算菜品样本图片中任意两张之间的相似度；

相似图片筛选单元562，用于若相似度大于相似度阈值，则删除相应的任意两张菜品样本图片中的一张；

模糊图片筛选单元563，用于识别并删除菜品样本图片中的模糊图片，得到菜品样本图片。

在具体的应用场景中，如图6所示，该装置还包括：

模型训练模块57，用于对菜品图片进行有效信息提取，得到至少一个菜品对应的菜品样本图片之后，基于菜品样本图片以及菜品样本图片中包含菜品的菜品信息，训练菜品识别模型。

在具体的应用场景中，如图6所示，该装置还包括：

识别时长获取模块58，用于利用训练好的菜品识别模型，识别出目标菜品图片中包含的目标菜品对应的目标菜品信息之后，获取菜品识别模型对目标菜品图片的识别时长；

模型优化模块59，用于若识别时长大于识别超时阈值，则利用目标菜品图片以及对应的目标菜品信息，对菜品识别模型进行训练。

具体地，任一菜品对应的菜品信息包括但不限于用于表征菜品的菜品名称和/或菜品编号。

需要说明的是，本申请实施例提供的一种菜品样本图片的获取装置所涉及各功能单元的其他相应描述，可以参考图1至图4中的对应描述，在此不再赘述。

基于上述如图1至图4所示方法，相应的，本申请实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述如图1至图4所示的菜品样本图片的获取方法。

基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景所述的方法。

基于上述如图1至图4所示的方法，以及图5、图6所示的虚拟装置实施例，为了实现上述目的，本申请实施例还提供了一种计算机设备，具体可以为个人计算机、服务器、网络设备等，该计算机设备包括存储介质和处理器；存储介质，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1至图4所示的菜品样本图片的获取方法。

可选地，该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency，RF)电路，传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等，可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。

本领域技术人员可以理解，本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定，可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。

存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序，支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信，以及与该实体设备中其它硬件和软件之间通信。

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本申请可以借助软件加必要的通用硬件平台的方式来实现，也可以通过硬件实现通过预先训练好的菜品识别模型对目标菜品图片进行识别得到目标菜品信息，从而基于目标菜品信息录入菜品价格，其中，菜品识别模型所选用的训练样本是按照菜品订单确定对应的指导菜品制作过程的菜品排产信息，然后基于菜品排产信息，在菜品制作过程中采集订单包含菜品所对应的菜品图片，从而基于菜品图片获取到的。本申请实施例相较于现有技术依赖于已制作菜品进行人工拍摄采集菜品样本图片以及人工进行菜品标定从而训练菜品识别模型，实现菜品识别的方式相比，能够在菜品的制作过程中控制摄像头采集到不同菜品对应的菜品图片，节约了拍摄等待时间，不影响菜品出菜，并且无需对菜品图片进行标定可以直接得出菜品图片对应的菜品信息，解决了现有技术中标定易出错的问题，提高了训练样本的可靠性和质量，从而提升了菜品识别模型的识别准确性以及菜品自助结算的准确性。

本领域技术人员可以理解附图只是一个优选实施场景的示意图，附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中，也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本申请序号仅仅为了描述，不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景，但是，本申请并非局限于此，任何本领域的技术人员能思之的变化都应落入本申请的保护范围。

Claims (10)

1.一种自助结算方法，其特征在于，所述方法包括：

通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

利用训练好的菜品识别模型，识别出所述目标菜品图片对应的目标菜品信息；

根据所述目标菜品信息查询目标菜品的菜品价格，并录入所述目标菜品信息以及所述菜品价格；

其中，训练所述菜品识别模型所需的菜品样本图片的获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片。

2.根据权利要求1所述的方法，其特征在于，所述根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片，具体包括：

基于所述菜品订单，确定所述菜品订单对应的所述菜品排产信息，其中，所述菜品订单包括至少一个菜品；

根据所述菜品排产信息，控制摄像头采集至少一个所述菜品对应的菜品图片；

对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的所述菜品样本图片。

3.根据权利要求2所述的方法，其特征在于，所述菜品排产信息至少包括至少一个所述菜品对应的原材料准备信息、烹饪信息以及成品菜品出菜信息；

所述根据所述菜品排产信息，控制摄像头采集至少一个所述菜品对应的菜品图片，具体包括：

根据所述原材料准备信息、所述烹饪信息以及所述成品菜品出菜信息，确定至少一个所述菜品对应的图片获取信息，其中，所述图片获取信息包括但不限于图片获取位置以及图片获取时间；

基于所述图片获取位置以及所述图片获取时间，控制与所述图片获取位置相应的所述摄像头在所述图片获取时间采集至少一个所述菜品对应的原材料图片、烹饪图片以及成品菜品图片。

4.根据权利要求3所述的方法，其特征在于，所述对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的菜品样本图片，具体包括：

分别计算所述菜品样本图片中任意两张之间的相似度；

若所述相似度大于相似度阈值，则删除相应的任意两张所述菜品样本图片中的一张；

识别并删除所述菜品样本图片中的模糊图片，得到所述菜品样本图片。

5.根据权利要求1至4中任一项所述的方法，其特征在于，所述对所述菜品图片进行有效信息提取，得到至少一个所述菜品对应的菜品样本图片之后，所述方法还包括：

基于所述菜品样本图片以及所述菜品样本图片中包含菜品的菜品信息，训练所述菜品识别模型。

6.根据权利要求5所述的方法，其特征在于，所述利用训练好的菜品识别模型，识别出所述目标菜品图片中包含的目标菜品对应的目标菜品信息之后，所述方法还包括：

获取所述菜品识别模型对所述目标菜品图片的识别时长；

若所述识别时长大于识别超时阈值，则利用所述目标菜品图片以及对应的所述目标菜品信息，对所述菜品识别模型进行训练。

7.根据权利要求5所述的方法，其特征在于，任一所述菜品对应的菜品信息包括但不限于用于表征所述菜品的菜品名称和/或菜品编号。

8.一种自助结算装置，其特征在于，所述装置包括：

目标图片扫描模块，用于通过预定终端对待识别的菜品进行扫描，得到目标菜品图片；

目标菜品识别模块，用于利用训练好的菜品识别模型，识别出所述目标菜品图片中包含的目标菜品对应的目标菜品信息；

目标菜品录入模块，用于基于所述目标菜品信息查询所述目标菜品对应的菜品价格，并录入所述目标菜品信息以及所述菜品价格；

图片采集模块，用于执行训练所述菜品识别模型所需的菜品样本图片的获取步骤，所述获取步骤包括：根据摄像头采集到的与菜品订单对应的菜品排产信息相关的图片，获取所述菜品样本图片。

9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的自助结算方法。

10.一种计算机设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的自助结算方法。

Images