基于深度学习的智能食物识别与营养分析方法，属于图像分析技术领域。其包括以下步骤：1、采集输入数据，对数据进行预处理；2、确定场景中目标的位置和掩码区域，生成密集深度图；3、构建食物三维点云，对三维点云进行去噪，并去除异常点；4、获得三维特征，并对图像提取二维特征并进行权重融合；5、将得到的特征进行拼接，并强化融合后的特征信息；6、回归预测食物重量和热量；7、对模型预测进行优化并验证预测效果。本发明采用2D+3D模态方式的特征融合，对原始图像进行数据增强，提取2D特征，同时生成3D点云，并进行多模态的特征融合对食物热量和重量进行预测，能够帮助消费者准确估算食物的热量、重量等指标，制定科学的饮食方法和建议。
📄 2025107489591
📂 G06V20_68
👤 浙江工业大学
📅 2025-06-06
一种应用于农业机器人采摘的鲜食葡萄检测方法，包括以下步骤：步骤1、将拍摄的葡萄图像数据集的数据加载到模型中，对图像进行马赛克数据增强操作，得到更丰富的数据样本，再进行后续的特征提取操作；步骤2、对预处理后的图像提取特征，生成特征向量；步骤3、对提取的特征进行多尺度融合；步骤4、对网络输出的多尺度特征图进行目标预测并计算损失函数；步骤5、判断训练是否达到最优训练效果，进行新一轮迭代或输出模型结果；步骤6、使用训练后的模型进行目标检测操作，并且使用非最大值抑制的方法，删除多余的预测框。本发明提高复杂场景中鲜食葡萄的识别精度与识别速度。
📄 2024110127676
📂 G06V20_68
👤 浙江工业大学
📅 2024-07-26
本发明公开了一种用于并联机器人的基于主果梗深度的堆叠串类水果抓取优先级确定方法。在并联机器人水果分拣系统下基于Kinect传感器构建堆叠串类水果的立体视觉检测系统，获取堆叠串类水果三维视觉信息，通过设计深度参照物构建预训练数据集，并构建堆叠串类水果的主果梗深度数据集，对数据集进行扩充，增加数据集分布范围。构建主果梗深度集分级模型，增加主果梗深度的特征量。设计多迁移学习训练策略对网络进行训练，对网络进行可视化分析和精度测试，调节参数，多次训练，直到精度满足要求为止，实现堆叠串类水果的深度集分级。最终实现堆叠串类水果抓取优先级的准确确定，为并联机器人实现对堆叠串类水果的准确、快速、无损自动分拣奠定基础。
📄 2019100113110
📂 G06V20_68
👤 江苏大学
📅 2019-01-07
本发明公开一种跨模态注意力机制的食品营养成分含量预测方法及系统，包括：对食品图像样本集标注营养成分及含量，以此对预测模型进行训练；对待测食品图像进行多模态特征提取，对每个模态的特征映射图进行注意力映射，得到权重映射图，将任意一个模态的特征映射图与其他模态的权重映射图进行外积，将外积结果与该模态的特征映射图进行相加，以此进行特征融合；根据融合后的特征图，采用预测模型得到待测食品图像中每种营养成分的含量。通过提取食品图像的多模态特征；同时采用注意力多模态特征融合的方式进行营养成分含量的预测，提升预测精度与速度。
📄 2022100272104
📂 G06V20_68
👤 山东师范大学
📅 2022-01-11
本发明公开了一种用于并联机器人的堆叠串类水果主果梗识别和提取方法。基于Kinect传感器构建该类水果的立体视觉检测系统，获取三维视觉信息，构建数据集，通过图像处理方法增加其分布范围。构建一种卷积神经网络，增加特征量。基于构建的CNN架构改进现有Faster R‑CNN，设计由粗到精和参数分享策略实现Faster R‑CNN的级联，减少背景干扰。设计多迁移学习训练策略对网络进行训练直到精度达标，将满足测试精度要求的已训练的由粗到精级联Faster R‑CNN用于实现并联机器人水果分拣系统中堆叠串类水果的在线主果梗识别和提取，并提高识别和提取的精度和效率，为基于立体视觉的并联机器人实现对堆叠串类水果的准确、快速、无损自动分拣奠定基础。
📄 2018115898646
📂 G06V20_68
👤 江苏大学
📅 2018-12-25
本发明公开了一种基于WGB‑YOLO的目标采摘行中多类火龙果检测方法，包括如下步骤：步骤一、采用深度相机拍摄火龙果RGB图像与深度图像；步骤二、标注图像；步骤三、采用数据增强扩充标注的火龙果数据集，并将其划分出训练集与验证集；步骤四、构建WGB‑YOLO网络模型；步骤五、采用训练集训练WGB‑YOLO网络模型，获得WGB‑YOLO火龙果检测模型；步骤六、采用验证集验证WGB‑YOLO火龙果检测模型的检测精度；步骤七、将符合检测精度要求的WGB‑YOLO火龙果检测模型部署到密植果园果实采摘机器人移动终端系统上，用于检测目标采摘行的多类别火龙果。本发明提高了火龙果多类检测识别方法检测目标采摘行果实的精度，可以区分果实是否为目标采摘行的果实。
📄 2023101916955
📂 G06V20_68
👤 盐城工学院
📅 2023-03-02
本发明公开了一种基于注意力与深度特征融合的食材图像分类模型建立方法，包括采集食材图像数据，包括历史图像数据和待分类图像数据；将压缩激发注意力嵌入到并行的ResNet50网络和DenseNet121网络中，然后由这两个网络组成并行注意力特征提取网络来提取食材图像特征；输入到深度特征融合模块，进一步提取深度食材特征；建立食材图像分类模型，进行分类，得到食材种类。本发明利用特征提取网络嵌入注意力机制，使得提取特征更加关注于食材局部细节，子网特征所具有的食材分类特征更好，同时本发明有效提高分类准确度。特征融合中，极大降低网络参数，对特征进行相加防止网络加深梯度消失，使得食材分类高效快速。
📄 2022103428468
📂 G06V20_68
👤 中南林业科技大学
📅 2022-03-31
本发明涉及大棚种植管理技术领域，尤其涉及一种农业大棚种植作物的视觉检测方法；本发明基于图像处理达标前提下，对分析图像进行图像生长状态识别反馈分析，以了解各个种植作物生长状态，进而通过反馈信息进行合理化管理，以提高种植作物的生长健康，而通过递进式的方式进行区域种植病害危害识别评估分析，以便针对种植作物的病害详情进行针对性的管理，同时对目标区域进行局部治理或整体区域治理，进而降低目标区域种植作物生长风险，而基于种植作物分析正常下的生长健康风险评估管理分析，以便直观的了解到各个种植作物的生长健康情况，以便对种植作物进行合理、有针对性的管理，以提高种植作物的生长健康。
📄 2024118666970
📂 G06V20_68
👤 山东同其万疆科技创新有限公司
📅 2024-12-18
本发明适用于计算机领域，提供了一种食品原料取出识别方法以识别系统，所述方法包括：根据原料取出指令对原料存放件所在第一局域范围的外侧进行检测；当在第一局域范围的外部设定范围内仅检测到取料件的趋向轨迹时，执行对原料存放件的开放动作，所述取料件用于取放原料，所述趋向轨迹用于表征取料件的轨迹指向原料存放件；当进一步检测到取料件的移动轨迹与所述第一局域范围的边缘重合至少一次时，根据取料件的尺寸、原料存放件和原料暂存件之间的距离确定第二局域范围，本申请实施例的技术方案，能够从原料的打开、转移进行完整的识别，保证利用取料件将原料从原料存放件到原料暂存件之间的“无损”转移。
📄 2023109443748
📂 G06V20_68
👤 青岛隆海食品有限公司
📅 2023-07-28
本发明公开了一种基于空间几何和色度学特征的菱角机器视觉选种方法，包括：1）采集菱角图像并分为训练和待测两组；2）基于菱角视觉选种系统的菱角图像视觉处理；3）基于菱角的几何特征和色度学特征参数，建立相应的判别函数，将此结果统计建立几何和色度学特征库；4）获取待检测菱角的特征并且与对应的特征库进行对比，判断出其类型。本发明结合空间几何特征与色度学特征的双重判别，可以有效提高对菱角分类的准确率和效率，并且该方法可操作性强、交互性好以及可移植性强。
📄 2022108363328
📂 G06V20_68
👤 扬州大学江都高端装备工程技术研究所
📅 2022-07-15
本发明公开一种草莓果实重量确定方法、系统、电子设备及介质，涉及数字农业技术领域，该方法包括：获取多个目标草莓的整体图像；应用单阶段目标检测模型对整体图像中的各个目标草莓进行分割，得到多张单个目标草莓的图像；将多张单个目标草莓的图像输入草莓质量估算模型，得到各单个目标草莓的鲜重。本发明能够提高草莓果实重量估算的准确性。
📄 2023112043562
📂 G06V20_68
👤 江西达多科技有限公司
📅 2023-09-19
本发明公开了一种基于3D‑2D特征融合的果实识别定位方法，通过深度摄像头获取到果实的3D点云数据；将预处理后的点云数据转换成张量；采用PointNet++来获取点云的局部、全局特征和结果特征；对获取的2D数据进行预处理，采用卷积神经网络对2D数据进行特征提取；将点云的全局特征和图像的全局特征进行多尺度特征提取，分别通过反卷积层和点卷积转换后，沿通道维度拼接得到不同尺度下的整体特征；接着将图像的结果特征和点云的结果特征与上述的整体特征进行特征融合；将融合特征的训练集作为输入，进行深度学习训练。本发明将点云和图像数据的优势相互补充，对果实进行全方位、多维度的特征提取和分析，能够有效提高果实识别的准确性和可靠性。
📄 2024103314786
📂 G06V20_68
👤 淮阴工学院
📅 2024-03-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台