CN113269250A - 一种餐盘光盘情况评测方法 - Google Patents
一种餐盘光盘情况评测方法 Download PDFInfo
- Publication number
- CN113269250A CN113269250A CN202110573472.6A CN202110573472A CN113269250A CN 113269250 A CN113269250 A CN 113269250A CN 202110573472 A CN202110573472 A CN 202110573472A CN 113269250 A CN113269250 A CN 113269250A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- bowl
- dish
- evaluating
- condition
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 61
- 230000003287 optical effect Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 235000003166 Opuntia robusta Nutrition 0.000 claims abstract description 14
- 244000218514 Opuntia robusta Species 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims abstract description 14
- 238000013135 deep learning Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 abstract 1
- 235000013305 food Nutrition 0.000 description 6
- 238000013145 classification model Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种餐盘光盘情况评测方法，涉及食堂管理技术领域，包括如下步骤：步骤1、参数设定：建立碗盘库，包括使用的所有碗盘类型；步骤2、模型训练：建立模型，持续训练服务器主机输出对不同碗盘的光盘评测，完成深度学习任务；步骤3、目标检测：获取摄像头拍摄的照片，并确定和提取图像中碗盘x1‑xn的位置信息，其中n为常数；步骤4、回归评测：根据图像中提取的碗盘x1‑xn的位置信息，并根据模型确定每个相应的碗盘类型下的评测连续量zn；步骤5、评测赋分：设定分支权重wi，并根据回归评测的评测连续量计算评测得分G。本申请具有有效评测实际的光盘情况的效果。
Description
技术领域
本申请涉及食堂管理技术领域，特别涉及一种餐盘光盘情况评测方法。
背景技术
目前，“光盘行动”逐渐兴起，且在重要性方面，已被提高至最高层次。尽管社会上光盘节约的理念已经深入人心，但是个别的浪费现象依然存在，需要配套监督措施鼓励大家养成光盘的习惯。
在现有技术中，通常采用直接利用到人工的方式对光盘行为进行评测，并在评测前设定好相应的标准，以人工通过目测以及参照相应的标准进行逐个评测。
但是通过人工的形式不仅消耗大量人力物力，而且易受人为主观性影响，在效率和准确度以及用户体验感上也无法满足需求，进而严重影响到群体在光盘行动上的实施有效力度；与此同时，因无法通过有效方法进行光盘情况评测，影响到结果的准确性，有待改进。
发明内容
有鉴于此，本申请的目的在于提供一种餐盘光盘情况评测方法，以实现有效评测实际的光盘情况的目的。其具体方案如下：
一种餐盘光盘情况评测方法，包括如下步骤：
步骤1、参数设定：建立碗盘库，包括使用的所有碗盘类型；
步骤2、模型训练：建立模型，持续训练服务器主机输出对不同碗盘的光盘评测，完成深度学习任务；
步骤3、目标检测：获取摄像头拍摄的照片，并确定和提取图像中碗盘x1-xn的位置信息，其中n为常数；
步骤4、回归评测：根据图像中提取的碗盘x1-xn的位置信息，并根据模型确定每个相应的碗盘类型下的评测连续量zn；
步骤5、评测赋分：设定分支权重wi，并根据回归评测的评测连续量计算评测得分G，
其中：
zi为对应碗盘类型下的评测连续量。
优选地：在步骤1中，碗盘库的建立方法包括采集应用场景下的图像数据用作训练集数据，且训练集数据的数据集采集的每个碗盘类型的碗盘图片数量不少于1000张。
优选地：在步骤2中，采用目标检测Faster rcnn模型和分类Resnet模型，并持续训练服务器主机。
优选地：在步骤4中，还包括确定在相应碗盘类型的碗盘数量ym，其中m为提取碗盘类型总数。
优选地：在步骤4中，采用分类Resnet模型确定相应碗盘类型的碗盘数量ym。
优选地：在步骤4中，采用目标检测Faster rcnn模型计算输出相应的碗盘xn以及采用分类Resnet模型计算输出与所述碗盘xn对应的评测连续量zn。
优选地：在步骤4中，评测连续量zn的值为0-1。
优选地：在步骤5中，当评测得分G计算得出后，由评测结果展示模块进行展示。
优选地：所述服务器主机连接有人脸识别装置进行人脸识别，并通过评测结果展示模块显示相应的用户数据以及照片，显示时间大于等于3s，并在显示完毕后，显示待检测碗盘的用户使用画面。
通过以上方案可知，本申请提供了一种餐盘光盘情况评测方法，该餐盘光盘情况评测方法具有以下有益效果：
1、通过基于视觉技术进行光盘评测，实现对碗盘中食物剩余情况的有效评测；
2、通过结合深度学习图像算法完成对碗盘食物剩余情况的评定，不仅避免对碗盘进行额外的改造处理，而且便于灵活地根据新的情况进行调整；
3、通过根据检测准确度和效率的依据筛选出合适的图像目标检测算法，并利用图像目标检测算法确定图像中碗盘的具体位置信息，进而对已有图像分类模型进行创新设计，在分类网络中添加回归模块，以基于目标检测模型的输出结果，实现对碗盘评测结果由离散量转连续量输出的目的；
4、通过在不同的食堂安装时避免对设备进行额外调整改造，使得该方法具有极高的可复制性和可推广性；
5、通过采用深度学习算法，进而在使用的过程中，由于用户使用记录在服务器本地积累保存，因此在随着数据量的积累更新时，算法模型可实现跟随优化完善，以实现进一步提升实际光盘情况评测准确率的目的。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请公开的餐盘光盘情况评测方法的流程框图。
具体实施方式
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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
如图1所示，一种餐盘光盘情况评测方法，包括如下步骤：
步骤1、参数设定：建立碗盘库，包括使用的所有碗盘类型；
其中，当碗盘库内总具有24种不同类型的碗盘类型时，采取如下方法进行碗盘库的建立：采集应用场景下的图像数据用作训练集数据，且训练集数据的数据集采集的每个碗盘类型的碗盘图片数量不少于1000张。
步骤2、模型训练：建立模型，持续训练服务器主机输出对不同碗盘的光盘评测，完成深度学习任务；
其中，采用目标检测Faster rcnn模型和分类Resnet模型，并持续训练服务器主机；在目标检测Faster rcnn模型运行时，对摄像头拍摄的照片中的碗盘的位置信息进行获取，并经过人工校正和实际测验调整；在分类Resnet模型运行时，对获取的相应的碗盘的位置信息中的碗盘光盘情况进行评测，并经过人工校正和实际测验调整。
步骤3、目标检测：获取摄像头拍摄的照片，并确定和提取图像中碗盘x1-xn的位置信息，其中n为常数；
其中，若相应的待测人员所采用3个碗盘时，则确定和提取图像中碗盘x1、x2、x3的位置信息，若待测人员采用5个碗盘时，则确定和提取图像中碗盘x1、x2、x3、x4、x5的位置信息。
步骤4、回归评测：根据图像中提取的碗盘x1-xn的位置信息，确定在相应碗盘类型的碗盘数量ym，其中m为提取碗盘类型总数，并根据模型确定每个相应的碗盘类型下的评测连续量zn，评测连续量zn的值为0-1；
其中，采用目标检测Faster rcnn模型计算输出相应的碗盘xn的位置信息，并当待测人员所采用3个碗盘时，则输出提取的碗盘x1、x2、x3的位置信息；进而再采用分类Resnet模型确定相应碗盘类型的碗盘数量ym，若碗盘x1、x2、x3中仅包含一种碗盘类型，则输出y1＝3；且若碗盘x1、x2、x3中包含两种碗盘类型，则输出y1,＝1、y2＝2或y1,＝2、y2＝1；与此同时，在获取相应的碗盘xn的位置信息后，再采用分类Resnet模型计算输出与相应的碗盘xn对应的评测连续量zn，即x1对应获得评测连续量z1，x2对应获得评测连续量z2，x3对应获得评测连续量z3。
步骤5、评测赋分：设定分支权重wi，其中i为对应碗盘类型的编号，并根据回归评测的评测连续量计算评测得分G，并当评测得分G计算得出后，由评测结果展示模块进行展示；
其中：
zi为对应碗盘类型下的评测连续量。
为了提升该方法的实用性，服务器主机连接有人脸识别装置进行人脸识别，并通过评测结果展示模块显示相应的用户数据以及照片，显示时间大于等于3s，并在显示完毕后，显示待检测碗盘的用户使用画面。
综上，本申请通过基于视觉技术进行光盘评测，实现对碗盘中食物剩余情况的有效评测，并通过采用深度学习算法，进而在使用的过程中，由于用户使用记录在服务器本地积累保存，因此在随着数据量的积累更新时，算法模型可实现跟随优化完善，以实现进一步提升实际光盘情况评测准确率的目的。
在评测时，通过结合深度学习图像算法完成对碗盘食物剩余情况的评定，不仅避免对碗盘进行额外的改造处理，而且便于灵活地根据新的情况进行调整；与此同时，通过根据检测准确度和效率的依据筛选出合适的图像目标检测算法，并利用图像目标检测算法确定图像中碗盘的具体位置信息，进而对已有图像分类模型进行创新设计，在分类网络中添加回归模块，以基于目标检测模型的输出结果，实现对碗盘评测结果由离散量转连续量输出的目的；当使用该方法时，由于在不同的食堂安装时避免对设备进行额外调整改造，因此将使得该方法具有极高的可复制性和可推广性。
本申请涉及的“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、方法或设备固有的其它步骤或单元。
需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种餐盘光盘情况评测方法，其特征在于，包括如下步骤：
步骤1、参数设定：建立碗盘库，包括使用的所有碗盘类型；
步骤2、模型训练：建立模型，持续训练服务器主机输出对不同碗盘的光盘评测，完成深度学习任务；
步骤3、目标检测：获取摄像头拍摄的照片，并确定和提取图像中碗盘x1-xn的位置信息，其中n为常数；
步骤4、回归评测：根据图像中提取的碗盘x1-xn的位置信息，并根据模型确定每个相应的碗盘类型下的评测连续量zn；
步骤5、评测赋分：设定分支权重wi，并根据回归评测的评测连续量计算评测得分G，
其中：
zi为对应碗盘类型下的评测连续量。
2.根据权利要求1所述的一种餐盘光盘情况评测方法，其特征在于：在步骤1中，碗盘库的建立方法包括采集应用场景下的图像数据用作训练集数据，且训练集数据的数据集采集的每个碗盘类型的碗盘图片数量不少于1000张。
3.根据权利要求1所述的一种餐盘光盘情况评测方法，其特征在于：在步骤2中，采用目标检测Faster rcnn模型和分类Resnet模型，并持续训练服务器主机。
4.根据权利要求1所述的一种餐盘光盘情况评测方法，其特征在于：在步骤4中，还包括确定在相应碗盘类型的碗盘数量ym，其中m为提取碗盘类型总数。
5.根据权利要求4所述的一种餐盘光盘情况评测方法，其特征在于：在步骤4中，采用分类Resnet模型确定相应碗盘类型的碗盘数量ym。
6.根据权利要求1所述的一种餐盘光盘情况评测方法，其特征在于：在步骤4中，采用目标检测Faster rcnn模型计算输出相应的碗盘xn以及采用分类Resnet模型计算输出与所述碗盘xn对应的评测连续量zn。
7.根据权利要求1所述的一种餐盘光盘情况评测方法，其特征在于：在步骤4中，评测连续量zn的值为0-1。
8.根据权利要求1所述的一种餐盘光盘情况评测方法，其特征在于：在步骤5中，当评测得分G计算得出后，由评测结果展示模块进行展示。
9.根据权利要求8所述的一种餐盘光盘情况评测方法，其特征在于：所述服务器主机连接有人脸识别装置进行人脸识别，并通过评测结果展示模块显示相应的用户数据以及照片，显示时间大于等于3s，并在显示完毕后，显示待检测碗盘的用户使用画面。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110573472.6A CN113269250A (zh) | 2021-05-25 | 2021-05-25 | 一种餐盘光盘情况评测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110573472.6A CN113269250A (zh) | 2021-05-25 | 2021-05-25 | 一种餐盘光盘情况评测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113269250A true CN113269250A (zh) | 2021-08-17 |
Family
ID=77232745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110573472.6A Pending CN113269250A (zh) | 2021-05-25 | 2021-05-25 | 一种餐盘光盘情况评测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113269250A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106934492A (zh) * | 2017-02-24 | 2017-07-07 | 深圳市金立通信设备有限公司 | 一种预测卫生信息的方法及终端 |
| CN109508595A (zh) * | 2017-09-15 | 2019-03-22 | 腾讯科技（深圳）有限公司 | 一种图像识别的方法及相关设备 |
| CN110288259A (zh) * | 2019-07-02 | 2019-09-27 | 重庆迪川科技有限公司 | 一种智慧城市监督服务方法及其平台 |
| CN110633717A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 一种目标检测模型的训练方法和装置 |
| CN111680603A (zh) * | 2020-05-28 | 2020-09-18 | 浙江师范大学 | 一种菜品检测和识别方法 |
| CN111767725A (zh) * | 2020-06-24 | 2020-10-13 | 中国平安财产保险股份有限公司 | 一种基于情感极性分析模型的数据处理方法及装置 |
| WO2020222561A1 (ko) * | 2019-04-29 | 2020-11-05 | 주식회사 누비랩 | 음식 측정 방법, 장치, 및 프로그램 |
| CN112164171A (zh) * | 2020-09-28 | 2021-01-01 | 黄石钧工智能科技有限公司 | 基于人脸识别的按需取餐系统 |
-
2021
- 2021-05-25 CN CN202110573472.6A patent/CN113269250A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106934492A (zh) * | 2017-02-24 | 2017-07-07 | 深圳市金立通信设备有限公司 | 一种预测卫生信息的方法及终端 |
| CN109508595A (zh) * | 2017-09-15 | 2019-03-22 | 腾讯科技（深圳）有限公司 | 一种图像识别的方法及相关设备 |
| CN110633717A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东尚科信息技术有限公司 | 一种目标检测模型的训练方法和装置 |
| WO2020222561A1 (ko) * | 2019-04-29 | 2020-11-05 | 주식회사 누비랩 | 음식 측정 방법, 장치, 및 프로그램 |
| CN110288259A (zh) * | 2019-07-02 | 2019-09-27 | 重庆迪川科技有限公司 | 一种智慧城市监督服务方法及其平台 |
| CN111680603A (zh) * | 2020-05-28 | 2020-09-18 | 浙江师范大学 | 一种菜品检测和识别方法 |
| CN111767725A (zh) * | 2020-06-24 | 2020-10-13 | 中国平安财产保险股份有限公司 | 一种基于情感极性分析模型的数据处理方法及装置 |
| CN112164171A (zh) * | 2020-09-28 | 2021-01-01 | 黄石钧工智能科技有限公司 | 基于人脸识别的按需取餐系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fazenda et al. | Cave acoustics in prehistory: Exploring the association of Palaeolithic visual motifs and acoustic response | |
| US8995823B2 (en) | Method and system for content relevance score determination | |
| Watson et al. | Measurement of visual impairment scales for digital video | |
| CN105491444B (zh) | 一种数据识别处理方法以及装置 | |
| TW200536389A (en) | Intelligent key-frame extraction from a video | |
| CN105893253A (zh) | 应用软件测试方法、测试装置及测试设备 | |
| Wu et al. | Toward a blind quality metric for temporally distorted streaming video | |
| CN103984964B (zh) | 一种试纸条图像识别方法及系统 | |
| WO2018090355A1 (zh) | 图像自动裁剪方法 | |
| Wright et al. | Quantitative versus morphological assessment of liver fibrosis: semi‐quantitative scores are more robust than digital image fibrosis area estimation | |
| CN107948640A (zh) | 视频播放测试方法、装置、电子设备和存储介质 | |
| CN106658119A (zh) | 视频应用测试方法及装置 | |
| CN111046773A (zh) | 一种基于图像技术判定路面积滞水的方法 | |
| CN108271016B (zh) | 视频质量评估方法及装置 | |
| CN106530198B (zh) | 基于参数拟合安全容量的自适应批量隐写方法 | |
| Yegin et al. | Quantitative assessment of liver fibrosis by digital image analysis: Relationship to Ishak staging and elasticity by shear‐wave elastography | |
| CN113269250A (zh) | 一种餐盘光盘情况评测方法 | |
| EP2724496A1 (en) | User terminal device, server device, system and method for assessing quality of media data | |
| CN110580505A (zh) | 一种基于餐盘识别的智慧收银方法 | |
| CN107818473A (zh) | 一种判断忠诚用户的方法及装置 | |
| Hall et al. | The use of guideline images to improve histological estimation of hepatic steatosis | |
| Schwanda-Sosik et al. | Online microsurveys for user experience research | |
| CN108664902B (zh) | 基于深度学习的端到端的视频拷贝检测方法及装置 | |
| CN108074240B (zh) | 识别方法、识别装置、计算机可读存储介质及程序产品 | |
| CN215117557U (zh) | 一种基于机器视觉的光盘评测系统 |
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: 20210817 |
|
| RJ01 | Rejection of invention patent application after publication |