基于图像的中餐菜品分割与识别

发布时间：2023-06-02 22:19

　　食品图像识别是近年来计算机视觉领域的研究热点之一。基于视觉的食品识别技术不仅可以帮助人们快速认识不熟悉的食品,还可以用于饮食偏好分析和推荐、营养成分分析和卡路里测量、饮食健康评估和建议等一系列人工智能应用,具有广泛的应用前景。但是,目前食品识别相关研究大多局限于西餐和日式菜品。中餐菜品种类繁多,并且同一菜品的外形往往呈现多样性,而外形相似的菜品可能分属于不同类别,因此多目标中餐菜品的视觉识别仍然是一个未决的挑战。本文以学校食堂为典型应用场景,研究多目标中餐菜品图像的识别问题。本文研究采用如下技术路线:对于打好菜的食堂托盘图像,首先利用无监督的图像分割算法实现每个中餐菜品区域的提取,再将提取到的目标区域逐个送入深度卷积神经网络进行分类识别。主要工作内容和创新性成果包括如下三个方面。(1)在缺少公开的中餐菜品目标检测大型数据集的情况下,提出了一种传统非学习的、基于局部变分和区域分析的多目标中餐菜品图像分割算法。该分割算法无需训练,能够直接定位和提取菜品目标。输入图像经过引导滤波的预处理后,利用SLIC算法聚类成超像素,然后以超像素为顶点、以超像素之间LAB特征的欧氏距离为边的代价,构建松弛...

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
缩略词表
第1章 绪论
    1.1 课题背景与研究意义
    1.2 菜品图像分割算法发展现状
        1.2.1 西餐和日式菜品图像分割算法发展现状
        1.2.2 中餐菜品图像分割算法发展现状
        1.2.3 存在问题
    1.3 菜品图像识别算法发展现状
        1.3.1 西餐和日式菜品图像识别算法发展现状
        1.3.2 中餐菜品图像识别算法发展现状
        1.3.3 存在问题
    1.4 本文主要贡献与内容组织
        1.4.1 本文主要工作和贡献
        1.4.2 本文内容组织
第2章 中餐菜品分割算法
    2.1 基于图的图像分割理论基础
    2.2 本章提出的中餐菜品图像分割算法
        2.2.1 引导滤波算法
        2.2.2 SLIC超像素聚类
        2.2.3 基于超像素的松弛图模型
        2.2.4 局部变分思想驱动的超像素进一步聚合算法
        2.2.5 区域分析算法
    2.3 实验结果与分析
        2.3.1 基于区域的精度和召回率曲线评估
        2.3.2 基于区域的重合率指标评估
    2.4 本章小结
第3章 中餐菜品识别算法
    3.1 双流卷积神经网络
        3.1.1 全局特征流网络
        3.1.2 局部特征流网络
        3.1.3 跨流连接
    3.2 损失函数
        3.2.1 权重交叉熵损失函数
        3.2.2 成对混淆损失函数
    3.3 实验结果与分析
        3.3.1 数据集介绍和预处理
        3.3.2 模型评估指标
        3.3.3 经典网络测试结果
        3.3.4 提出的双流网络测试结果
        3.3.5 不同的跨流连接方式测试结果
        3.3.6 不同的损失函数测试结果
    3.4 本章小结
第4章 多目标中餐菜品识别算法
    4.1 多目标中餐菜品识别算法框架
    4.2 本校区食堂菜品数据集的构建
    4.3 不同网络在本校区食堂菜品数据集上的实验结果与分析
        4.3.1 数据集划分和实验参数设置
        4.3.2 经典网络实验结果与分析
        4.3.3 提出的双流网络实验结果与分析
    4.4 多目标中餐菜品识别算法演示
    4.5 本章小结
第5章 总结与展望
    5.1 全文总结
    5.2 工作展望
参考文献
个人筒历、攻读硕士学位期间主要的学术成果



本文编号：3828126