一种冰箱食材管理方法与流程

智能冰箱的远程控制和食物管理方法 #生活技巧# #数码产品使用技巧# #智能设备联网教程#

开始加载图片...

技术简介：
本专利针对传统冰箱食材管理中定位误差大、识别率低的问题，提出通过图像采集与分析技术，结合手部姿态及运动检测，精准判断食材存取状态。方法利用历史图像对比和分类算法模型，有效识别食材变化并更新信息，显著提升管理效率与准确性。
关键词：图像识别,食材管理

本发明实施例涉及食材存储设备控制技术，尤指一种冰箱食材管理方法。

背景技术：

冰箱内部食材识别，目前基本上均采用静态识别的方式，即采集一张图片，通过识别算法对图片内的食材进行识别。该方法不可避免会出现食材堆叠遮挡，食材被大部分遮挡，将无法准确识别。另外一副图像中，对食材进行定位与分类(即目标检测)，不仅有定位误差，也存在分类误差，两则叠加，总体识别准确率不高。

技术实现要素：

本发明实施例提供了一种冰箱食材管理方法，能够消除定位误差，提高识别率。

为解决上述技术问题，本发明实施例采用如下技术方案：

一种冰箱食材管理方法，该方法包括：

采集冰箱内部图像；

检测冰箱内部图像上的手部姿态和手部运动情况；

根据手部姿态和手部运动情况判断冰箱内食材的录入情况。

可选地，采集冰箱内部图像包括：

通过冰箱内预设的摄像头拍摄冰箱内部和/或箱门入口区域处的视频图像。

可选地，检测冰箱内部图像上的手部姿态包括：

从视频图像中获取用于手部姿态检测的目标图像；

将目标图像输入预先训练好的手部姿态检测模型；

通过手部姿态检测模型对目标图像中的图像进行识别；

根据识别结果输出手部姿态。

可选地，从视频图像中获取用于手部姿态检测的目标图像包括：

a、获取拍摄的视频图像中的第i帧图像，并作为图像比较的背景图像；i为正整数，i的初始值为1；

b、将第i帧图像与拍摄的第i+1帧图像相比较；

c、当第i帧图像与第i+1帧图像上相同位置区域的邻域均值的差值小于预设的第一阈值时，确定第i帧图像与第i+1帧图像相同，并将i加1后返回步骤a；当第i帧图像与第i+1帧图像上相同位置区域的邻域均值的差值大于或等于预设的第一阈值时，确定第i帧图像与第i+1帧图像不同，并进入步骤d；

d、将第i+1帧图像作为目标图像。

可选地，手部姿态包括：空手、非空手和无手；

手部运动情况包括：空手移入冰箱、非空手移出冰箱、非空手移入冰箱和空手移出冰箱。

可选地，检测冰箱内部图像上的手部运动情况包括：

基于确定出的视频图像中每一帧图像上的手部姿态，确定出每一帧图像上手部所在区域；

根据视频图像的拍摄顺序以及相邻的两帧图像中手部所在区域的相对位置变化确定手部运动情况。

可选地，根据手部姿态和手部运动情况判断冰箱内食材的录入情况包括：

当手部姿态检测模型输出结果为空手移入冰箱和非空手移出冰箱时，判定从冰箱内取出食材；

当手部姿态检测模型输出结果为非空手移入冰箱和空手移出冰箱时，判定向冰箱内放入食材；

当手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱时，判定冰箱内食材信息未发生变化或冰箱内食材的位置被调整；

当手部姿态检测模型输出结果为非空手移入冰箱和非空手移出冰箱时，判定冰箱内食材信息未发生变化或放入第一食材并取出第二食材。

可选地，该方法还包括：

当手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱，或者为非空手移入冰箱和非空手移出冰箱时，检测历史食材图像与当前冰箱内食材图像是否相同；

当历史食材图像与当前冰箱内食材图像相同时，判定冰箱内食材信息未发生变化；

当历史食材图像与当前冰箱内食材图像不相同，且手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱时，判定冰箱内食材的位置被调整；

当历史食材图像与当前冰箱内食材图像不相同，且手部姿态检测模型输出结果为非空手移入冰箱和非空手移出冰箱时，判定放入第一食材并取出第二食材。

可选地，该方法还包括：

当判定从冰箱内取出食材时，确认手部处于非空手移出冰箱姿态下的任意的第a帧图像中，手部图像区域的食材图像所对应的第三食材，或者确认出进行该非空手移出状态判断时获得的目标图像中的所述第三食材；将第三食材确认为被取出的食材，并对当前冰箱内第三食材的历史位置处的食材进行识别；

当判定向冰箱内放入食材时，确认手部处于非空手移入冰箱姿态下的任意的第b帧图像中，手部图像区域的食材图像所对应的第四食材，或者确认出进行该非空手移入状态判断时获得的背景图像中的第四食材；将第四食材确认为被放入的食材，并对当前冰箱内的第四食材进行识别；

当判定冰箱内食材信息未发生变化时，保持当前冰箱内食材信息不变；

当判定冰箱内食材的位置被调整或判定放入第一食材并取出第二食材时，向用户发出通过用户进行食材信息更新的提醒。

可选地，该方法还包括：通过以下方法对第三食材和第四食材进行识别：

当判定从冰箱内取出食材时，采用预设的图像分割算法截取历史食材图像中与当前冰箱内食材图像不相同的图像区域，标记为第一图像区域，该第一图像区域包含所述第三食材；将截取的所述第一图像区域输入预先训练好的分类算法模型中，以通过所述分类算法模型对所述第一图像区域中的食材进行识别和分类；

当判定向冰箱内放入食材时，截取所述当前冰箱内食材图像中与所述历史食材图像不相同的图像区域，标记为第二图像区域，该第二图像区域包含所述第四食材；将截取的所述第二图像区域输入预先训练好的分类算法模型中，以通过所述分类算法模型对所述第二图像区域中的食材进行识别和分类。

本发明实施例的有益效果可以包括：

1、本发明实施例采集冰箱内部图像；检测冰箱内部图像上的手部姿态和手部运动情况；根据手部姿态和手部运动情况判断冰箱内食材的录入情况。该实施例方案将冰箱内图像目标检测问题，转为目标分类问题，消除了定位误差，提高了识别率。

2、本发明实施例通过冰箱内预设的摄像头拍摄冰箱内部和/或箱门入口区域处的视频图像。该实施例方案基于视频实时处理，使得获取的图片信息量更大，避免了针对单一图片进行处理时因图片拍摄角度或效果不理想而影响食材辨识的准确性。

3、本发明实施例检测冰箱内部图像上的手部姿态包括：从视频图像中获取用于手部姿态检测的目标图像；将目标图像输入预先训练好的手部姿态检测模型；通过手部姿态检测模型对目标图像中的图像进行识别；根据识别结果输出手部姿态。该实施例方案采用预设模型对手部姿态进行识别，减少了冰箱系统进行实时计算的运算量。

4、本发明实施例从视频图像中获取用于手部姿态检测的目标图像包括：

a、获取拍摄的视频图像中的第i帧图像，并作为图像比较的背景图像；i为正整数，i的初始值为1；b、将第i帧图像与拍摄的第i+1帧图像相比较；c、当第i帧图像与第i+1帧图像上相同位置区域的邻域均值的差值小于预设的第一阈值时，确定第i帧图像与第i+1帧图像相同，并将i加1后返回步骤a；当第i帧图像与第i+1帧图像上相同位置区域的邻域均值的差值大于或等于预设的第一阈值时，确定第i帧图像与第i+1帧图像不同，并进入步骤d；d、将第i+1帧图像作为目标图像。该实施例方案通过邻域均值的方法逐帧比较获取目标分类问题的待处理图像，使得获取的待处理图像更准确，提高了识别率。

5、本发明实施例根据手部姿态和手部运动情况判断冰箱内食材的录入情况包括：当手部姿态检测模型输出结果为空手移入冰箱和非空手移出冰箱时，判定从冰箱内取出食材；当手部姿态检测模型输出结果为非空手移入冰箱和空手移出冰箱时，判定向冰箱内放入食材；当手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱时，判定冰箱内食材信息未发生变化或冰箱内食材的位置被调整；当手部姿态检测模型输出结果为非空手移入冰箱和非空手移出冰箱时，判定冰箱内食材信息未发生变化或放入第一食材并取出第二食材。该实施例方案，数据库图片无须固定在冰箱场景下进行训练，且相对于目标检测那样的图像标注工作，大大降低了数据标注/计算量和数据库的构建成本。

附图说明

下面结合附图对本发明做进一步的说明：

图1为本发明实施例的冰箱食材管理方法流程图；

图2为本发明实施例的检测冰箱内部图像上的手部姿态方法流程图；

图3为本发明实施例的检测冰箱内部图像上的手部运动情况方法流程图；

图4为本发明实施例的第一特征点相对于手部来说更靠近冰箱内部时空手向内移动检测方法示意图；

图5为本发明实施例的第一特征点相对于手部来说更靠近冰箱外部时空手向内移动检测方法示意图；

图6为本发明实施例的取出第三食材的操作示意图；

图7为本发明实施例的放入第四食材的操作示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

实施例一

一种冰箱食材管理方法，如图1所示，该方法可以包括s101-s103：

s101、采集冰箱内部图像。

可选地，采集冰箱内部图像可以包括：

通过冰箱内预设的摄像头拍摄冰箱内部和/或箱门入口区域处的视频图像。

在本发明实施例中，可以预先在冰箱内设置一个或多个摄像头，以便对冰箱内部和/或箱门入口区域进行视频拍摄，获取上述的冰箱内部图像，从而通过该冰箱内部图像确认冰箱内的食材的录入情况。

在本发明实施例中，摄像头可以安装在冰箱侧面，水平视场角大于90度(110度～130度为宜)，实时采集冰箱内图像。帧率可以保持在5帧/秒～15帧/秒，帧率过高，需要处理的数据量过大，增加计算负担，帧率过低，动作识别不准确。另外，为了保障图像清晰度建议使用720p图像分辨率。

在本发明实施例中，可以在冰箱一层的左右两侧均设置摄像头，两侧均采用相同的算法处理，即使一层出现遮挡问题，另一侧也可正确识别。另外，当两侧识别，存在两个识别结果时，可以以识别置信度较高者为准。

s102、检测冰箱内部图像上的手部姿态和手部运动情况。

可选地，手部姿态可以包括：空手、非空手和无手；

手部运动情况可以包括：空手移入冰箱、非空手移出冰箱、非空手移入冰箱和空手移出冰箱。

在本发明实施例中，针对用户对冰箱使用的操作习惯进行总结可知，用户在开冰箱后，主要包括空手移入冰箱、非空手移出冰箱、非空手移入冰箱和空手移出冰箱四个手部运动情况，针对手部姿态，主要包括空手、非空手和无手三种姿态。

在本发明实施例中，为了使得对目标分类更准确，可以将手部姿态和手部运动情况检测分开进行。

可选地，如图2所示，检测冰箱内部图像上的手部姿态可以包括s201-s204：

s201、从视频图像中获取用于手部姿态检测的目标图像。

在本发明实施例中，为了实现对手部姿态的准确检测，并且节省冰箱系统的实时计算量，可以先从视频图像中获取用于手部姿态检测的一张或多张目标图像。由于手部姿态从无手到有手、从有手到无手、从空手到非空手、从非空手到空手等多种状态间发生变化时，前后两帧的图像在像素或亮度上会发生较大的变化，因此可以通过相连两帧图像进行邻域均值比较以获知两帧图像是否发生了较大的变化，从而可以初步判断后一帧图像相对于前一帧图像具有产生手部姿态变化的可能性，并将检测出的该帧图像作为目标图像输入预设的手部姿态检测模型进行检测，以提高检测效率和检测准确性。

在本发明实施例中，可以预先从视频图像中获取一张背景图像，并以该背景图像为起始帧，逐次比较每两帧图像之间的变化。并在后一帧图像与背景图像相比，两者之间的邻域均值的差值小于某一预设的阈值时，可以认为两帧图像变化不大，并将该后一帧图像作为背景图像，继续与下一帧进行比较。如果后一帧图像与背景图像相比，两者之间的邻域均值的差值大于或等于某一预设的阈值时，可以认为两帧图像变化较大，则有可能在后一帧图像中具有手部姿态变化，因此可以将该后一帧图像作为目标图像。

在本发明实施例中，该背景图像可以为视频图像的起始帧，也可以是经过过滤后获得的视频图像中间的某一帧。下面将视频图像的起始帧作为背景图像为例来说明本发明实施例的检测手部姿态的具体实施方案。

可选地，从视频图像中获取用于手部姿态检测的目标图像可以包括：

a、获取拍摄的视频图像中的第i帧图像，并作为图像比较的背景图像；i为正整数，i的初始值为1；

b、将第i帧图像与拍摄的第i+1帧图像相比较；

c、当第i帧图像与第i+1帧图像上相同位置区域的邻域均值的差值小于预设的第一阈值时，确定第i帧图像与第i+1帧图像相同，并将i加1后返回步骤a；当第i帧图像与第i+1帧图像上相同位置区域的邻域均值的差值大于或等于预设的第一阈值时，确定第i帧图像与第i+1帧图像不同，并进入步骤d；

d、将第i+1帧图像作为目标图像。

在本发明实施例中，基于5*5邻域变化均值，该第一阈值可以设置为30，当后一帧图像与设置的背景图像的邻域均值的差值小于30时，可以将该后一帧图像作为背景图像，当后一帧图像与设置的背景图像的邻域均值的差值大于或等于30时，可以将该后一帧图像作为目标图像。需要说明的是，该第一阈值可以根据具体应用场景或者光照等条件进行调整，对于其具体数值做限制，即包括但不限于上述的30。

s202、将目标图像输入预先训练好的手部姿态检测模型。

在本发明实施例中，可以预先建立手部姿态检测模型，该手部姿态检测模型为深度神经网络模型，针对该深度神经网络模型可以预先采集大量的手部姿态图像对该模型进行训练，以获得具有手部姿态识别功能的手部姿态检测模型。

s203、通过手部姿态检测模型对目标图像中的图像进行识别。

在本发明实施例中，由于手部姿态检测模型为预先训练好的，因此，该手部姿态检测模型可以对输入的图像进行直接识别。

s204、根据识别结果输出手部姿态。

在本发明实施例中，手部姿态检测模型可以对输入的目标图像进行识别后，直接根据识别结果输出手部姿态。例如，如果目标图像中检测到空手状态的手部姿态，可以输出空手。

在本发明实施例中，上述方案通过预设模型仅检测手部一个目标，而且仅需采用一个小模型，手部与冰箱内食材差异较大，特征明显，保障了识别准确率。

在本发明实施例中，基于上述的手部姿态检测方案，可以进一步检测手部运动情况。

可选地，如图3所示，检测冰箱内部图像上的手部运动情况可以包括s301-s302：

s301、基于确定出的视频图像中每一帧图像上的手部姿态，确定出每一帧图像上手部所在区域。

s302、根据视频图像的拍摄顺序以及相邻的两帧图像中手部所在区域的相对位置变化确定手部运动情况。

在本发明实施例中，根据视频图像的拍摄顺序以及相邻的两帧图像中手部所在区域的相对位置变化确定手部运动情况可以具体通过下述方案实现：基于确定出的视频图像中每一帧图像上的手部姿态，确定出每一帧图像上手部所在区域，并确定出冰箱空间内部的任意一个固定的第一特征点，以及手部所在区域上的任意一个固定的第二特征点；判断第一特征点和第二特征点的相对位置；将视频图像中相邻的每两帧图像上判断出的相对位置相比较；根据每相邻两帧图像之间相对位置的变化趋势确定出第二特征点相对于第一特征点的变化趋势；并根据第二特征点相对于第一特征点的变化趋势确定手部运动情况。

在本发明实施例中，如果设定的第一特征点相对于手部来说更靠近冰箱内部，则当第一特征点和第二特征点的相对位置在缩短时可以确定手部在向冰箱内部移动，如图4所示的空手向内移动示意图所示；当第一特征点和第二特征点的相对位置在延长时可以确定手部在向冰箱外部移动。反之，如果设定的第一特征点相对于手部来说更靠近冰箱外部，例如，手部已处于冰箱内部，而第一特征点设置在冰箱门附近，则第一特征点和第二特征点的相对位置在缩短时可以确定手部在向冰箱外部移动，第一特征点和第二特征点的相对位置在延长时可以确定手部在向冰箱内部移动，如图5所示的空手向内移动示意图所示。

在本发明实施例中，结合前述的手部姿态判断和该步骤的手部移动方向判断，可以准确地确定出空手移入冰箱、非空手移出冰箱、非空手移入冰箱和空手移出冰箱等手部运动情况。另外，对于检测到整个视频资料中均处于无手的姿态时，可以判断用户仅将冰箱门打开，并未向冰箱内伸手进行取放等操作。

s103、根据手部姿态和手部运动情况判断冰箱内食材的录入情况。

可选地，根据手部姿态和手部运动情况判断冰箱内食材的录入情况可以包括以下四种情况：

情况一、当手部姿态检测模型输出结果为空手移入冰箱和非空手移出冰箱时，判定从冰箱内取出食材；

情况二、当手部姿态检测模型输出结果为非空手移入冰箱和空手移出冰箱时，判定向冰箱内放入食材；

情况三、当手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱时，判定冰箱内食材信息未发生变化或冰箱内食材的位置被调整；

情况四、当手部姿态检测模型输出结果为非空手移入冰箱和非空手移出冰箱时，判定冰箱内食材信息未发生变化或放入第一食材并取出第二食材。

在本发明实施例中，针对情况一和情况二的判断比较明确，下一步仅需判断取出的食材是什么或者放入的食材是什么即可。针对情况三和情况四还需要进一步判断属于哪一种情况。

在本发明实施例方案中，可以将冰箱系统中存储的历史食材图像调出，与进行手部操作以后的当前冰箱内食材图像相比较，确定两张图像是否发生变化，从而确定出情况三和情况四中的食材变化情况。具体可以通过以下方案实现。

可选地，该方法还可以包括：

当手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱，或者为非空手移入冰箱和非空手移出冰箱时，检测历史食材图像与当前冰箱内食材图像是否相同；

当历史食材图像与当前冰箱内食材图像相同时，判定冰箱内食材信息未发生变化；

当历史食材图像与当前冰箱内食材图像不相同，且手部姿态检测模型输出结果为空手移入冰箱和空手移出冰箱时，判定冰箱内食材的位置被调整；

当历史食材图像与当前冰箱内食材图像不相同，且手部姿态检测模型输出结果为非空手移入冰箱和非空手移出冰箱时，判定放入第一食材并取出第二食材。

在本发明实施例方案中，该历史食材图像可以是冰箱内存储的上一次冰箱门关上时拍摄的冰箱存储腔内的食材图像，冰箱系统直接调取存储信息便可以获取该历史食材图像。另外，冰箱系统也可以通过无线技术与云存储器或用户终端(例如，手机、ipad、可穿戴设备等)通信，从所述云存储器或用户终端获取上一次冰箱门关上时拍摄的冰箱存储腔内的食材图像。其次，该历史食材图像还可以是当前拍摄的视频图像中最开始的几帧图像(或前述内容中的背景图像)，因为在这几帧图像中，手部尚未对食材进行操作，其食材及其位置还未发生变化，可以作为历史食材图像进行参考。

在本发明实施例中，通过前述方案确定出手部运动情况对应的食材变化情况以后，还可以根据下述方案进一步确定出具体的所取出食材、所放入食材以及所调整食材。

可选地，该方法还可以包括：

当判定从冰箱内取出食材时，确认手部处于非空手移出冰箱姿态下的任意的第a帧图像中，手部图像区域的食材图像所对应的第三食材，或者确认出进行该非空手移出状态判断时获得的目标图像中的所述第三食材；将第三食材确认为被取出的食材，并对当前冰箱内第三食材的历史位置处的食材进行识别；

当判定向冰箱内放入食材时，确认手部处于非空手移入冰箱姿态下的任意的第b帧图像中，手部图像区域的食材图像所对应的第四食材，或者确认出进行该非空手移入状态判断时获得的背景图像中的第四食材；将第四食材确认为被放入的食材，并对当前冰箱内的第四食材进行识别；

当判定冰箱内食材信息未发生变化时，保持当前冰箱内食材信息不变；

当判定冰箱内食材的位置被调整或判定放入第一食材并取出第二食材时，向用户发出通过用户进行食材信息更新的提醒。

实施例二

该实施例与实施例一的区别在于，给出了另一种对第三食材和第四食材进行识别的方法。

可选地，该方法还包括：通过以下方法对第三食材和第四食材进行识别：

采用预设的图像分割算法截取历史食材图像中与当前冰箱内食材图像不相同的图像区域，标记为第一图像区域；并截取当前冰箱内食材图像中的不相同的图像区域，标记为第二图像区域；

将截取的第一图像区域和第二图像区域输入预先训练好的分类算法模型中，以通过分类算法模型对第一图像区域和第二图像区域中的食材进行识别和分类。

在本发明实施例中，如图6所示，针对于取出第三食材的操作，可以分别获取历史食材图像(例如前述的背景图像)和当前取出第三食材以后的冰箱内图像，并分别对该两张图像进行截取，获取两张图像中不相同的图像区域，即上述的第一图像区域和第二图像区域；这时由于当前的冰箱内食材图像相当于从历史食材图像中取走了第三食材，因此，第一图像区域和第二图像区域必然不同，通过预先训练好的分类算法模型对截取的第一图像区域和第二图像区域进行识别可以直接识别出第三食材。另外，也可以仅将截取的第一图像区域(即历史食材图像中包含的还未取走第三食材之前的第三食材所在区域)输入预先训练好的分类算法模型中，因为该第一图像区域包含取走的第三食材的图像，通过分类算法模型对第一图像区域的食材进行识别和分类，并直接识别出第三食材。

在本发明实施例中，如图7所示，针对于放入第四食材的操作，可以分别获取历史食材图像(例如前述的背景图像)和当前放入第四食材以后的冰箱内图像，并分别对该两张图像进行截取，获取两张图像中不相同的图像区域，即上述的第一图像区域和第二图像区域；这时由于当前的冰箱内食材图像相当于在历史食材图像中放入了第四食材，因此，第一图像区域和第二图像区域必然不同，通过预先训练好的分类算法模型对截取的第一图像区域和第二图像区域进行识别可以直接识别出第四食材。另外，也可以仅将截取的第二图像区域(即当前冰箱内食材图像中包含的已经放入第四食材之后的第四食材所在区域)输入预先训练好的分类算法模型中，因为该第二图像区域包含放入的第四食材的图像，通过分类算法模型对第二图像区域的食材进行识别和分类，并直接识别出第四食材。

在本发明实施例中，所述的分类算法模型可以包括但不限于：googlenet模型、vgg16模型或resnet模型。

在本发明实施例中，用来对分类算法模型进行训练的图片无须限定于冰箱场景下的图片，可以在应用于冰箱系统之前预先将分类算法模型训练好，降低了冰箱系统进行标注、计算的数据量，并大大缩减了数据库的构建成本。

实施例三

该实施例与实施例一和实施例二的区别在于，给出了又一种对第三食材和第四食材进行识别的方法。

可选地，该方法还可以包括：通过以下方法对第三食材和第四食材进行识别：

当判定从冰箱内取出食材时，采用预设的图像分割算法截取历史食材图像中与当前冰箱内食材图像不相同的图像区域，标记为第一图像区域，该第一图像区域包含所述第三食材；将截取的所述第一图像区域输入预先训练好的分类算法模型中，以通过所述分类算法模型对所述第一图像区域中的食材进行识别和分类；

当判定向冰箱内放入食材时，截取所述当前冰箱内食材图像中与所述历史食材图像不相同的图像区域，标记为第二图像区域，该第二图像区域包含所述第四食材；将截取的所述第二图像区域输入预先训练好的分类算法模型中，以通过所述分类算法模型对所述第二图像区域中的食材进行识别和分类。

在本发明实施例中，基于前述方案的分析可以，该实施例方案仅将截取的具有第三食材或第四食材的图像放入预先训练好的分类算法模型中进行识别简化了识别过程，提高了识别效率。

虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

网址：一种冰箱食材管理方法与流程 https://www.yuejiaxmz.com/news/view/1459226

相关内容

冰箱及其食材管理方法与流程
冰箱及其食材管理系统和方法与流程
冰箱的食品管理方法、装置和冰箱与流程
一种对冰箱内食物的管理方法和设备与流程
一种冰箱智能食品管理的方法和系统与流程
冰箱内食物的管理方法、管理装置及冰箱与流程
一种冰箱的食材管理方法及冰箱.pdf
智能冰箱及其食品管理方法与流程
冰箱食品管理方法和冰箱与流程
智能冰箱的食物管理方法与流程

随便看看