(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211070147.9 (22)申请日 2022.09.02 (71)申请人 信华信技 术股份有限公司 地址 116085 辽宁省大连市高新 技术产业 园区黄浦路97 7号 (72)发明人 兰勇　王治国　王宪勇　邹伯宜　 王超　 (74)专利代理 机构 长春市盈创中成知识产权代 理事务所(普通 合伙) 22215 专利代理师 柳维军 (51)Int.Cl. G06V 20/50(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/774(2022.01) (54)发明名称 一种基于深度学习技术的一次性餐具套件 检测识别方法 (57)摘要 本发明公开了一种基于深度学习技术的一 次性餐具套件检测识别方法， 包括以下步骤： 步 骤S1： 获取待处理一次性餐具套件图像； 步骤S2： 将获取的图像送入到餐具检测识别模块中进行 数据预处理和餐具检测识别； 步骤S3： 将S2输出 的餐具位置信息送入越界检测模块中， 通过位置 比对判断餐具是否越界； 步骤S4： 将S2输出的餐 具类型信息送入 单根筷子识别模块中， 通过阈值 判定是否存在单根筷子； 步骤S5： 将S2输出的餐 具类型信息送入缺件识别模块中， 通过将阈值和 颜色识别结合方法判定是否缺件； 本发明的有益 效果是， 通过深度学习技术训练餐具检测识别模 型， 并结合阈值判定与颜色识别技术进行一次性 餐具的缺件、 越界和单根筷子的检测识别。 权利要求书2页 说明书5页 附图1页 CN 115424190 A 2022.12.02 CN 115424190 A 1.一种基于深度学习技术的一次性餐具套件检测识别方法， 其特征在于， 包括以下步 骤： 步骤S1： 获取待处 理一次性餐具套件图像； 步骤S2： 将获取的图像送入到餐具检测识别模块中进行 数据预处 理和餐具检测识别； 步骤S3： 将S2输出的餐具位置信息送入越界检测模块中， 通过位置比对判断餐具是否 越界； 步骤S4： 将S2输出的餐具类型信息送入单根筷子识别模块中， 通过阈值判定是否存在 单根筷子； 步骤S5： 将S2输出的餐具类型信息送入缺件识别模块中， 通过将阈值和颜色识别结合 方法判定是否缺件。 2.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述步骤S1中， 将一次性餐具套件置于稳光环境中， 通过相机拍摄生成待处理的 一次性餐具套件图像。 3.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述步骤S2中的餐具检测识别模块中涵盖数据预 处理和餐具检测识别两部 分功 能。 4.根据权利要求3所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述数据预处理： 调节待检测识别图像的亮度和对比度， 使其特征清晰更利于检 测识别， 然后对调整亮度和对比度后的图像进行缩放， 使其大小满足检测识别要求。 5.根据权利要求3所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述餐具检测识别： 将数据预处理后的待检测识别图像送入餐具检测识别模型 中， 输出检测识别到的餐具的位置信息和类型信息 。 6.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述餐具检测识别模型进行餐具位置信息检测和类型信息识别 之前， 所述方法 还包括： 深度学习餐具检测识别模型训练： 采集不同样式的一次性餐具套件图像； 标注图像数 据， 所需标注信息为可以表现餐具位置的矩形框及可以表现餐具位置矩形框类型 的标签； 将标注后的图像数据划分为训练集、 验证集和测试集； 利用所划分的训练集和验证集训练 餐具检测识别模型， 将所述待检测一次性餐具套件图像的测试集输入到所述餐具检测识别 模型中得到检测到的餐具 的位置信息和对应位置的类型信息， 进行模型评估， 最终得到深 度学习餐具检测识别模型。 7.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述步骤S3中的越界检测模块： 将餐具检测识别模块输出的餐具位置信息与规 定的餐具范围进行对比， 餐具位置超出规定的餐具范围， 则判定该餐具越界； 餐具位置在规 定的餐具范围内， 则判定该餐具没有越界； 当检测出的所有餐具均没有越界时， 则越界检测 模块输出没有越界结果， 当存在一个及以上餐具越界时， 则越界检测模块输出存在越界结 果。 8.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述步骤S4中的单根筷子阈值判定方法： 设定单根筷子的判定阈值， 对餐具检测权　利　要　求　书 1/2 页 2 CN 115424190 A 2识别模块最终输出餐具类型置信度信息进行后处理， 即提取餐具 的识别得分信息， 当单根 筷子的识别得分大于前面设定的单根筷子的判定阈值， 则单根筷子识别模块输出存在单根 筷子结果， 否则单根筷子识别模块输出不存在单根筷子结果； 所述步骤S5中的餐具阈值判定方法： 设定阈值为餐具识别结果的判定条件； 对餐具检 测识别模块输出 的餐具类型置信度信息进行后处理， 即提取餐具 的类型得分信息； 设定餐 具类型得分的判定阈值， 当餐具 的类型得分大于对应餐具 的判定阈值时， 则判定存在该类 型餐具， 否则判定不存在该类型餐具。 9.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测识别方法， 其 特征在于， 所述步骤S5中的颜色识别方法： 对步骤S1 中获取的一次性餐具套件图像进行HSV 颜色变换， 得到颜色变换后的图像； 设定每种餐具所属的HSV颜色范围和 像素个数阈值； 在 颜色变换后的图像中， 存在有餐具颜色范围内的像素， 并且在该颜色范围内的像素个数大 于该类型餐具的像素个数阈值， 则判定存在该类型餐具， 否则判定不存在该类型餐具。 10.根据权利要求1所述的一种基于深度学习技术的一次性餐具套件检测 识别方法， 其 特征在于， 所述餐具阈值判定方法以及颜色识别方法的两种 方法返回的结果， 综合判定是 否存在对应类型 的餐具， 当两种方法中的任意一种方法判定存在对应类型 的餐具时， 则最 终判定存在对应类型 的餐具， 当两种 方法都判定不存在对应类型 的餐具时， 则判定不存在 对应类型的餐具， 当餐具图片中缺少勺子、 双根筷子和纸巾三种类型餐具的任意一种时， 餐 具缺件识别模块输出存在缺件的识别结果， 否则输出不存在缺件的识别结果。权　利　要　求　书 2/2 页 3 CN 115424190 A 3