基于机器视觉的菜品智能识别技术研究

发布时间：2022-01-14 01:30

　　目前,随着智能信息化时代的到来,人工智能与传感技术取得了巨大进步,智能机器人的发展从传统的工业机器人逐渐转向服务机器人及教育娱乐机器人等。由于机器生产相比人工作业具有产量稳定、效率高及节省成本等巨大优势,机器取代人工的趋势愈加明显,而机器视觉是帮助机器人感知周围环境,提高机器人的灵活性、适应性及智能化水平的关键因素之一。因此,针对目前人工打菜分量分配不均,效率低下等诸多弊端,使用机器视觉技术研究一种菜品智能识别技术具有十分重要的意义。本文基于机器视觉技术,结合传统图像识别与深度学习图像识别,提出了一种菜品智能识别技术,可以代替人眼实现菜品的识别。系统采用了基于小波变换的改进Canny边缘检测算法进行餐盘的外围轮廓检测及中心点定位,有效解决了噪声干扰等引起的检测定位障碍,并通过相机标定建立了图像坐标系到世界坐标系的坐标系转换模型。针对食物图像特征复杂多变,人工设计特征鲁棒性不强导致传统图像处理技术难以识别的问题,应用深度卷积神经网络图像处理技术进行菜品的识别,在YOLOv3网络模型的基础上进行改进,去除了中小尺度的边界框检测,并使用批再标准化方法对数据进行处理,提高了在小批样本输入情况下... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

候选区域检测法

华南理工大学硕士学位论文别系统，并提出了一种将基于 SIFT 词袋特征、特征融合的多核学习方法，达到了 61.34％的分类了扩展，可识别的食物种类提升到了 85 种。

并提出了一种将基于 SIFT 词袋特征、特征融合的多核学习方法，达到了 61.34％的分了扩展，可识别的食物种类提升到了 85 种。特征统计信息挖掘食品成分之间的空间关系，提高食patial relationships between ingredients using pairwise featfood recognition accuracy

【参考文献】：
期刊论文
[1]基于深度卷积网络的目标检测综述[J]. 吴帅,徐勇,赵东宁.  模式识别与人工智能. 2018(04)
[2]基于SCARA机械手的手眼标定[J]. 万晓峰.  电子世界. 2017(06)
[3]基于区域颜色特征的食物类别识别算法[J]. 丁伟利,李勇,陈瑜.  电子科技. 2016(06)
[4]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[5]基于固定阈值法的声纳信号检测性能研究[J]. 苏冰,王超,刘岩.  数字技术与应用. 2012(09)
[6]机器学习理论研究[J]. 郭亚宁,冯莎莎.  中国科技信息. 2010(14)
[7]人工智能技术发展及应用研究综述[J]. 张妮,徐文尚,王文文.  煤矿机械. 2009(02)
[8]基于Sobel算子的图像边缘检测研究[J]. 袁春兰,熊宗龙,周雪花,彭小辉.  激光与红外. 2009(01)
[9]用Roberts算子进行边缘处理[J]. 王冰.  甘肃科技. 2008(10)
[10]视觉检测系统中的光源照明方法[J]. 闫枫,吴斌.  兵工自动化. 2006(11)

硕士论文
[1]基于小波阈值的图像去噪研究[D]. 欧晓旭.哈尔滨理工大学 2016
[2]抑制斑点噪声的超声图像滤波算法比较研究[D]. 李坚.华南理工大学 2015
[3]摄像机标定方法的研究[D]. 舒娜.南京理工大学 2014
[4]基于机器视觉的工业镜头的设计[D]. 杨康.福建师范大学 2013
[5]嵌入式高清工业相机研究与实现[D]. 蔡金.浙江大学 2013



本文编号：3587538