一种智能终端上的食物识别方法

摘要

本发明公开了一种在智能终端上的食物识别方法，该方法是基于卷积神经网络方法，包括了训练过程和自动分类过程。训练过程包括如下步骤：首先建立训练样本集，然后根据经典的AlexNet网络构建网络结构模型，再利用开源的Caffe网络框架进行训练网络，并且不断调整初始条件以得到最优的网络结构模型和参数配置；在智能终端上的自动分类过程，将用户拍照的待识别图片作为网络的输入图片，根据在计算机上训练好的网络结构的参数配置好网络对输入图片进行分类，最终给用户展示最优的前10个分类结果。本发明在智能终端实现了食物类型的自动识别，速度快，存储量小，准确率高，用户体验良好。

主权项

一种智能终端上的食物识别方法，其特征在于，包括以下步骤：S1在计算机上进行训练过程：S1.1采集用于训练的食物图片，得到训练图片；按照食物的类别，分别给每个类别的训练图片添加类标签；S1.2构建卷积神经网络模型：所述卷积神经网络模型包括八个阶段，分别为卷积层第一阶段、卷积层第二阶段、卷积层第三阶段、卷积层第四阶段、卷积层第五阶段、全连接层第六阶段、全连接层第七阶段、全连接层第八阶段；S1.3训练卷积神经网络模型：采用开源的Caffe网络框架来训练卷积神经网络模型；S1.4将训练数据分批送入步骤S1.3中Caffe网络进行训练,通过训练可得到当前训练样本集中最佳的分类准确度,此时的网络参数是最终的最优网络结构模型的网络参数；S1.5将S1.4得到的最终的最优网络结构模型的网络参数的配置文件放入智能终端软件的安装包；S1.6在每个类别的训练图片中为每个类别的食物选取样例图片，并放入智能终端软件的安装包；S2在智能终端上的自动分类过程：S2.2将待识别图片作为输入图片，并根据S1.4得到的网络结构模型参数配置测试用的卷积神经网络，对输入图片进行分类。