基于果蔬識(shí)別的熱量測(cè)量技術(shù)研究.pdf

1、隨著人工智能領(lǐng)域的不斷發(fā)展，人們的生活逐步走向智能化，其中圖像識(shí)別技術(shù)在人工智能領(lǐng)域中占據(jù)著重要地位。隨著人們生活水平的提高、食品種類(lèi)的豐富，如何了解自身的膳食結(jié)構(gòu)、營(yíng)養(yǎng)和健康狀況，改善營(yíng)養(yǎng)攝入情況，獲得健康的生活方式成為人們?cè)絹?lái)越重視的問(wèn)題。目前，國(guó)外有針對(duì)西餐的營(yíng)養(yǎng)及熱量測(cè)量系統(tǒng)，但由于中餐的制作工藝復(fù)雜以及食物種類(lèi)繁多，尚未有針對(duì)中餐的營(yíng)養(yǎng)及熱量測(cè)量系統(tǒng)。
　　本文針對(duì)如何測(cè)量中餐攝入營(yíng)養(yǎng)這一問(wèn)題展開(kāi)研究，由于中餐制作流程復(fù)

2、雜，因此本文著重研究中餐原材料果蔬部分的識(shí)別及營(yíng)養(yǎng)測(cè)量，并估算整體熱量及營(yíng)養(yǎng)體系。首先，本文研究果蔬圖像在復(fù)雜環(huán)境及光照不受控的條件下果蔬位置的定位技術(shù)，使用改進(jìn)后的流形排序顯著性檢測(cè)算法，在原有技術(shù)基礎(chǔ)上融合梯度能量及位置信息進(jìn)行果蔬定位;其次，本文將果蔬的顏色特征、輪廓特征及紋理特征進(jìn)行融合，通過(guò)引入TPS變換模型對(duì)SVM分類(lèi)器進(jìn)行改進(jìn)，并使用改進(jìn)后的SVM分類(lèi)器對(duì)融合特征進(jìn)行分類(lèi);本文使用卷積神經(jīng)網(wǎng)絡(luò)和改進(jìn)后的SVM分類(lèi)器對(duì)數(shù)據(jù)集

3、進(jìn)行測(cè)試，實(shí)驗(yàn)結(jié)果表明改進(jìn)后的SVM分類(lèi)器對(duì)小樣本數(shù)據(jù)集的分類(lèi)結(jié)果正確率更高;最后，本文使用拇指測(cè)量法，引入成人大拇指作為比例尺，進(jìn)行果蔬體積的估算獲取果蔬體積數(shù)據(jù)，并通過(guò)中國(guó)食品營(yíng)養(yǎng)網(wǎng)的數(shù)據(jù)庫(kù)獲得果蔬營(yíng)養(yǎng)及熱量信息。
　　基于果蔬識(shí)別的熱量測(cè)量系統(tǒng)可以實(shí)現(xiàn)實(shí)時(shí)檢測(cè)果蔬類(lèi)別，自動(dòng)顯示當(dāng)前果蔬的熱量及營(yíng)養(yǎng)含量，并給出合理的營(yíng)養(yǎng)改善建議。該系統(tǒng)可以令用戶(hù)自行統(tǒng)計(jì)每日攝入的營(yíng)養(yǎng)及熱量，有利于改善人們的膳食結(jié)構(gòu)和健康狀況，具有廣闊的應(yīng)用前