餐具污染状态分析方法及分析器与流程

学习基本面分析和技术分析方法 #生活技巧# #个人理财技巧# #股票基金教程#

1.本发明涉及餐具污染识别技术领域，尤其是一种餐具污染状态分析方法、分析餐具污染状态的深度神经网络的训练方法、计算机可读存储介质及餐具污染状态分析器。

背景技术：

2.在现实生活中，无论是普通家庭还是饮食企业都离不开餐具的使用，人们使用的餐具肉眼看似干净，实际上可能会有灰尘、油渍残留、洗洁精残留、手指印等。现有技术大多采用检测试纸进行检测，过程复杂，需要专业人员才能进行检测，成本高，效率低，并且对大量餐具通常是采用抽样检测，无法对每件餐具进行检测。

技术实现要素：

3.本发明要解决的技术问题是：如何快速、准确地分辨餐具表面是否洁净。
4.本发明第一方面公开了一种分析餐具污染状态的深度神经网络的训练方法，方法包括如下步骤：
5.a.对清洁餐具和脏污餐具分别执行下述样本获取步骤，从而分别获得学习样本，每次样本获取步骤包括如下s1和s2，
6.——s1.在紫外光照射的状态下拍摄餐具图像；
7.——s2.以餐具图像作为输入信号，以该餐具是清洁餐具还是脏污餐具作为输出信号，构成供深度神经网络进行餐具污染状态分析训练的一组学习样本；
8.b.采用多组学习样本对深度神经网络进行餐具污染状态分析训练，直至该深度神经网络具备根据餐具图像判断餐具是清洁餐具还是脏污餐具的能力。
9.优选地，深度神经网络具备根据餐具图像判断餐具是清洁餐具还是脏污餐具的能力的判断条件包括：所述判断的准确率达到预定标准。
10.优选地，在执行步骤s1之前开启紫外光灯。
11.优选地，步骤s1是在暗室环境下进行的。
12.本发明的第二方面公开了一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时能够实现上述的对分析餐具污染状态的深度神经网络的训练方法。
13.本发明的第三方面公开了一种餐具污染状态分析方法，包括步骤p：在紫外光照射的状态下拍摄餐具图像，将餐具图像输入到已训练好的深度神经网络，由该深度神经网络判断餐具是清洁餐具还是脏污餐具。
14.优选地，深度神经网络是通过上述的对分析餐具污染状态的深度神经网络的训练方法训练得到的。
15.本发明的第四方面公开了一种计算机可读存储介质，其存储有计算机程序，计算机程序被处理器执行时能够实现上述的餐具污染状态分析方法。
16.本发明的第五方面公开了一种餐具污染状态分析器，包括用于拍摄餐具图像的取像装置，包括控制取像装置进行拍摄的处理器，还包括为取像装置提供紫外光取像环境的
紫外环境提供模块，还包括上述计算机可读存储介质，该计算机可读存储介质上的计算机程序可被处理器执行。
17.与现有技术相比，本发明实施例具有以下有益效果：
18.餐具上的某些污渍，如油渍残留、洗洁精残留、手指印在肉眼观察下不明显，但在紫外光照射下会呈现出荧光等特别的图像效果，将这些具有特别的图像效果的图像标记为不洁净的餐具的图像，将清洁餐具的图像(标记为洁净)和脏污餐具的图像(标记为不洁净)一起给到深度神经网络进行训练，即可得到能判断餐具是否洁净的深度神经网络。使用者只需把餐具放入餐具污染状态分析器，餐具污染状态分析器通过预先已训练好的深度神经网络实现餐具污染状态分析的方法，就可以直接输出餐具是否洁净的判断结果，能快速、准确地分辨餐具表面是否洁净。
19.说明书附图
20.图1是该餐具污染状态分析器的结构框图；
21.图2是餐具污染分析方法的总体流程图；
22.图3是对分析餐具污染状态的深度神经网络的训练方法的总体流程图。
具体实施方式
23.实施例一
24.智能厨房中的餐具存储区或者需要使用餐具的其他区域设有能对餐具污染状态进行分析的餐具污染状态分析器。餐具污染状态分析器如图1所示，包括用于容置餐具的拍摄区以及将餐具放入到拍摄区的餐具放入装置。餐具污染状态分析器的控制模块分别连接取像装置、紫外环境提供模块以及感光模块。餐具污染状态分析器本身具有可封闭区域或者被遮挡而形成光强较弱的暗室环境，控制模块控制作为感光模块的光感传感器感应环境的光强来确认拍摄区处于暗室环境，暗室环境的具体光强范围根据场景不同选择不同的值。优选地，取像装置包括滤光片和具备拍摄荧光能力的摄像头。
25.采用该餐具污染状态分析器进行餐具污染分析的过程如图2所示，详述如下。
26.(1)控制模块控制感光模块感应拍摄区的光强，在感应到拍摄区处于暗室环境的状态下，控制模块控制作为紫外环境提供模块的紫外光灯打开，为拍摄区提供紫外光源从而为取像装置提供紫外光取像环境。
27.(2)步骤p：控制模块控制摄像头对放入到拍摄区的餐具进行拍摄得到餐具图像，其中被污染的餐具会显示为荧光图像，控制模块从摄像头接收餐具图像，采用餐具污染状态分析方法将餐具图像输入到已训练好的深度神经网络，由该深度神经网络据此判断餐具是清洁餐具还是脏污餐具。
28.优选地，感光模块感应到拍摄区非暗室环境则控制模块不控制进行拍摄。
29.步骤p中用到已训练好的深度神经网络具体是能实现图像分类及识别的卷积神经网络，为了让深度神经网络具备判断餐具是清洁餐具还是脏污餐具的能力，即根据餐具图像判断餐具是清洁餐具还是脏污餐具的准确率达到预定标准，如准确率在98％以上，需要采用多组清洁餐具和多组脏污餐具的学习样本对分析餐具污染状态的深度神经网络进行训练。
30.上述深度神经网络的训练方法如图3所示，每组学习样本获取步骤如下：
31.a.对清洁餐具和对脏污餐具，分别执行下述样本获取步骤，从而分别获得学习样本，每次样本获取步骤包括如下s1和s2，
32.——s1.在紫外光照射的状态下拍摄餐具图像；
33.——s2.以步骤s1拍摄得到的餐具图像作为输入信号，以该餐具是清洁餐具还是脏污餐具作为输出信号，构成供深度神经网络进行餐具污染状态分析训练的一组学习样本；
34.b.采用各组学习样本对深度神经网络进行餐具污染状态分析训练，直至该深度神经网络具备根据餐具图像判断餐具是清洁餐具还是脏污餐具的能力。
35.优选地，在执行步骤s1之前开启紫外光灯并且确保在暗室环境下执行步骤s1。
36.将清洁餐具图像和脏污餐具图像一起给到深度神经网络进行训练，即可得到能判断餐具处于清洁状态还是有脏污状态的深度神经网络。通过利用已训练好的深度神经网络来进行餐具污染状态分析的方法，用餐具污染状态分析器的紫外光灯或者其他能提供紫外光照射环境的紫外环境提供模块为摄像头提供紫外光取像环境，餐具污染状态分析器的摄像头在紫外光照射的状态下拍摄餐具图像，只需由经过训练的深度神经网络判断拍摄得到的图像是否为脏污餐具图像，即可分析出餐具是否处于脏污的状态，从而能快速清晰地分辨餐具表面是否干净。
37.本实施例中，控制模块包括相互连接的计算机可读存储介质和处理器，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述的餐具污染状态分析方法、对分析餐具污染状态的深度神经网络的训练方法。
38.实施例二
39.本实施例中，餐具污染状态分析器的拍摄区由实施例一中的半封闭式改为开放式的，由智能厨房中的餐具存储区或者需要使用餐具的其他区域自身为摄像头提供暗室环境。其中，采用该餐具污染状态分析器进行餐具污染分析的过程与实施例一相同，在此不再赘述。

网址：餐具污染状态分析方法及分析器与流程 https://www.yuejiaxmz.com/news/view/851834

相关内容

中国一次性餐具市场产销需求与竞争态势分析
2024厨具行业市场深度分析及发展机遇分析
一种烹饪器具的消费者使用习惯日志系统及数据分析方法与流程
生态环保材料行业现状及前景分析2024
废旧电器行业市场现状及前景分析2022
2020再制造产业发展现状及趋势分析
2023年餐饮行业发展趋势及现状分析
生活污水循环利用及处理工艺分析
2024厨具行业市场发展现状及供需格局分析
多模态数据融合与分析

随便看看