食材分类拓扑结构的确定方法、装置、设备和介质与流程

本发明涉及数据处理，具体而言，涉及一种食材分类拓扑结构的确定方法、装置、设备和介质。

背景技术：

1、随着科学技术的进步，智能厨电越来越多地进入人们的生活、工作中。而在智能厨电应用过程中，食材的智能识别、分类为其中一项关键工作。例如，食材的可靠识别为确保烹饪器具智能烹饪、冰箱智能存储、清洗设备智能清洗等工作适配性的关键因素。

2、目前，可以通过图像识别确定食材类别，然而，可靠性有待提升。

技术实现思路

1、本发明的目的包括，例如，提供了一种食材分类拓扑结构的确定方法、装置、设备和介质，以至少部分地提升食材分类的可靠性。

2、本发明的实施例可以这样实现：

3、第一方面，提供了一种食材分类拓扑结构的确定方法，包括：

4、对各类别下相应食材的目标食材图像分别进行特征提取，以获得相应食材的特征向量；

5、通过预设处理方式对所述特征向量进行处理，以获得对应的目标特征向量；

6、采用聚类算法对各所述目标特征向量进行聚类分析，以基于聚类得到的数据簇及数据簇之间的层级关系确定食材分类拓扑结构。

7、在可选的实施方式中，所述采用聚类算法对各所述目标特征向量进行聚类分析，以基于聚类得到的数据簇及数据簇之间的层级关系确定食材分类拓扑结构，包括：

8、基于凝聚层次聚类算法以及全链接准则对各所述目标特征向量进行聚类分析，以将满足相似度条件的目标特征向量合并为同一数据簇，直至达到合并停止条件，以获得相应的初始分类拓扑结构；

9、基于所述初始分类拓扑结构确定食材分类拓扑结构。

10、在可选的实施方式中，所述基于所述初始分类拓扑结构确定食材分类拓扑结构，包括：

11、基于数据簇之间的距离差值对所述初始分类拓扑结构中的数据簇数量进行缩减，以基于缩减后的数据簇以及该些数据簇之间的层级关系确定食材分类拓扑结构。

12、在可选的实施方式中，所述方法还包括：

13、基于所述食材分类拓扑结构对应的各数据簇，确定对应的分类模型参数，该分类模型参数指示进行分类所需的分类模型的个数，和/或指示进行分类所需的分类模型的模型复杂度。

14、在可选的实施方式中，所述目标食材图像中食材所占图像区域的面积比例不小于预设面积比例阈值；所述对各类别下相应食材的目标食材图像分别进行特征提取，以获得相应食材的特征向量，包括：

15、将各类别下相应食材的目标食材图像输入预处理模型，所述预处理模型包括patch embedding和编码层；

16、基于patch embedding将所述目标食材图像分割为多个图像块，其中，各所述图像块在所述目标食材图像的长度方向和宽度方向上均添加有与之相邻的图像块边缘部分的图像区域；

17、将各所述图像块分别编码为向量表示并输入编码层，以获得相应食材的特征向量。

18、在可选的实施方式中，所述预处理模型还包括全局平均池化层；

19、所述通过预设处理方式对所述特征向量进行处理，以获得对应的目标特征向量，包括：

20、将所述目标食材图像对应的各所述特征向量输入所述全局平均池化层，对各所述特征向量进行加总并均分至每个所述特征向量，得到表征该目标食材图像中相应食材固有特征分布的特征平均向量；

21、基于所述特征平均向量确定对应的目标特征向量。

22、在可选的实施方式中，所述基于所述特征平均向量确定对应的目标特征向量，包括：

23、对所述特征平均向量进行标准化处理和降维处理，得到对应的目标特征向量。

24、第二方面，本发明提供一种食材分类拓扑结构的确定装置，包括：

25、信息获得模块，用于对各类别下相应食材的目标食材图像分别进行特征提取，以获得相应食材的特征向量；

26、信息处理模块，用于通过预设处理方式对所述特征向量进行处理，以获得对应的目标特征向量；采用聚类算法对各所述目标特征向量进行聚类分析，以基于聚类得到的数据簇及数据簇之间的层级关系确定食材分类拓扑结构。

27、第三方面，本发明提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述实施方式任一项所述的食材分类拓扑结构的确定方法。

28、第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质包括计算机程序，所述计算机程序运行时控制所述计算机可读存储介质所在电子设备执行前述实施方式任一项所述的食材分类拓扑结构的确定方法。

29、本发明实施例的有益效果包括，例如：提供一种食材分类拓扑结构的确定方法、装置、设备和介质，通过对基于先验知识分类得到的各类别下相应食材的目标食材图像分别进行特征提取，基于图像特征处理、聚类分析，得到符合机器视觉对于食材认知逻辑的食材分类拓扑结构，为基于机器视觉进行食材分类提供了依据，从而提升了基于机器视觉进行食材分类的可靠性。

技术特征：

1.一种食材分类拓扑结构的确定方法，其特征在于，包括：

2.根据权利要求1所述的食材分类拓扑结构的确定方法，其特征在于，所述采用聚类算法对各所述目标特征向量进行聚类分析，以基于聚类得到的数据簇及数据簇之间的层级关系确定食材分类拓扑结构，包括：

3.根据权利要求2所述的食材分类拓扑结构的确定方法，其特征在于，所述基于所述初始分类拓扑结构确定食材分类拓扑结构，包括：

4.根据权利要求1至3任意一项所述的食材分类拓扑结构的确定方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的食材分类拓扑结构的确定方法，其特征在于，所述目标食材图像中食材所占图像区域的面积比例不小于预设面积比例阈值；所述对各类别下相应食材的目标食材图像分别进行特征提取，以获得相应食材的特征向量，包括：

6.根据权利要求5所述的食材分类拓扑结构的确定方法，其特征在于，所述预处理模型还包括全局平均池化层；

7.根据权利要求6所述的食材分类拓扑结构的确定方法，其特征在于，所述基于所述特征平均向量确定对应的目标特征向量，包括：

8.一种食材分类拓扑结构的确定装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至7任一项所述的食材分类拓扑结构的确定方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机程序，所述计算机程序运行时控制所述计算机可读存储介质所在电子设备执行权利要求1至7任一项所述的食材分类拓扑结构的确定方法。

技术总结本发明提供一种食材分类拓扑结构的确定方法、装置、设备和介质，涉及数据处理技术领域，方法包括对各类别下相应食材的目标食材图像分别进行特征提取，以获得相应食材的特征向量，对特征向量进行处理以获得对应的目标特征向量，采用聚类算法对各目标特征向量进行聚类分析，以基于聚类得到的数据簇及数据簇之间的层级关系确定食材分类拓扑结构。通过食材分类拓扑结构，为基于机器视觉进行食材分类提供了依据，从而能够提升基于机器视觉进行食材分类的可靠性。技术研发人员：王卓,任富佳受保护的技术使用者：杭州老板电器股份有限公司技术研发日：技术公布日：2024/9/26