【技術實現步驟摘要】
本專利技術涉及食品儲存，特別是涉及一種基于人工智能的食物儲存預警方法及系統。
技術介紹
1、隨著現代生活節奏的加快和人們對食品安全及健康的重視，家庭冰箱作為食品儲存的重要設備，其智能化程度逐漸成為消費者關注的焦點。然而，傳統冰箱在食物管理方面存在諸多不足，主要體現在以下幾個方面：
2、1、傳統冰箱通常無法實時監測內部食物的狀態，用戶只能依靠記憶或定期檢查來判斷食物的新鮮度和保質期。這種方式不僅容易導致食物過期或變質，還可能造成不必要的食品浪費。
3、2、用戶在使用冰箱時，往往無法獲得關于食物儲存狀態的準確和及時的信息。例如，食物的存放時間、保質期等信息難以被有效記錄和提醒，導致用戶在使用時缺乏必要的參考。
4、3、冰箱內部的溫度、濕度等環境因素對食物的保鮮效果至關重要。傳統冰箱通常缺乏對這些環境參數的實時監測，無法及時調整運行狀態以適應不同食物的儲存需求。
5、4、由于缺乏有效的管理和提醒機制，家庭中經常出現食品過期、變質的情況，造成了大量的食品浪費。這不僅對家庭經濟造成負擔，也對環境造成了不良影響。
6、因此，亟需一種基于人工智能的食物儲存預警方法，提升冰箱的智能化水平，實現對食物的高效管理，減少食品浪費，保障家庭食品安全。
技術實現思路
1、為了克服現有技術的不足，本專利技術的目的是提供一種基于人工智能的食物儲存預警方法及系統，通過實時獲取和分析冰箱內部食品的圖像及環境數據，能夠智能監測食物新鮮度，及時發出預警，從而有
2、為實現上述目的，本專利技術提供了如下方案：
3、一種基于人工智能的食物儲存預警方法，包括：
4、獲取目標冰箱的內部拍攝圖像、多源傳感信號以及各個食品的放入時間；
5、對所述內部拍攝圖像進行圖像去噪及增強處理，得到預處理圖像；
6、根據所述預處理圖像進行圖像識別，得到各個種類的食品的食品信息；所述食品信息包括：食品種類、食品個數和食品顏色；
7、對所述多源傳感信號進行信號解析，得到溫度信息、濕度信息和氣體信息；
8、將所述放入時間、所述溫度信息、所述濕度信息、所述氣體信息和所述食品信息輸入至預設的食物新鮮度預測模型中，得到預測結果；
9、根據所述預測結果進行預警。
10、優選地，對所述內部拍攝圖像進行圖像去噪及增強處理，得到預處理圖像，包括：
11、對所述內部拍攝圖像進行濾波處理，得到濾波后的圖像；
12、對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像；
13、構建圖像增強窗口，并利用圖像增強窗口遍歷色差平衡后的圖像進行去噪，得到去噪完成的圖像；
14、對去噪完成的圖像進行直方圖均衡化處理，得到所述預處理圖像。
15、優選地，對所述內部拍攝圖像進行濾波處理，得到濾波后的圖像，包括：
16、對所述內部拍攝圖像在多個尺度上進行小波分解，得到對應的小波系數；
17、根據所述內部拍攝圖像的大小和分解尺度構建濾波閾值；
18、利用所述濾波閾值構建圖像濾波模型；
19、利用所述圖像濾波模型對所述內部拍攝圖像進行濾波，得到所述濾波后的圖像。
20、優選地，對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像，包括：
21、計算濾波后的圖像在rgb三個通道的像素均值；其中，所述像素均值計算公式為：其中，d表示像素均值，表示濾波后的圖像在紅色通道的像素均值，表示濾波后的圖像在綠色通道的像素均值，表示濾波后的圖像在藍色通道的像素均值；
22、根據所述像素均值計算每個顏色通道的平衡系數；
23、利用所述平衡系數對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像。
24、優選地，利用所述平衡系數對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像，包括：
25、采用公式對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像；其中，kr表示紅色通道的平衡系數，kg表示綠色通道的平衡系數，kb表示藍色通道的平衡系數，r′表示紅色通道在平衡后的像素值，g′表示綠色通道在平衡后的像素值，b′表示藍色通道在平衡后的像素值，r表示濾波后的圖像在紅色通道的像素值，g表示濾波后的圖像在綠色通道的像素值，b表示濾波后的圖像在藍色通道的像素值。
26、優選地，根據所述預處理圖像進行圖像識別，得到各個種類的食品的食品信息，包括：
27、利用卷積神經網絡對所述預處理圖像進行特征提取，得到不同食品的視覺特征；
28、將所述視覺特征輸入到預設的食品分類模型中，以對圖像中的食品進行分類，得到每種的食品類別；
29、通過圖像分割方法識別所述視覺特征中每種食品的邊界，計算相同類別的食品實例數量來確定每種食品的食品個數；
30、使用顏色直方圖提取方法計算每種食品的主色調，并根據所述主色調確定所述食品顏色；
31、收集識別到的所述食品種類、所述食品個數和所述食品顏色構建食品信息列表。
32、優選地，所述食物新鮮度預測模型的構建方法包括：
33、構建初始卷積神經網絡；所述放入時間、所述溫度信息、所述濕度信息、所述氣體信息和所述食品信息；
34、分別根據樣本放入時間數據集、樣本溫度信息數據集、樣本濕度信息數據集、樣本氣體信息數據集和樣本食品信息數據集對所述初始卷積神經網絡進行訓練，得到訓練好的第一分類器、第二分類器、第三分類器、第四分類器和第五分類器；
35、將訓練好的第一分類器、第二分類器、第三分類器、第四分類器和第五分類器進行級聯，得到分類網絡；
36、在所述分類網絡后連接訓練好的lstm神經網絡，得到cnn-lstm組合神經網絡模型；
37、根據所述cnn-lstm組合神經網絡模型對所述所述放入時間、所述溫度信息、所述濕度信息、所述氣體信息和所述食品信息進行預測，得到所述預測結果。
38、一種基于人工智能的食物儲存預警系統，包括：
39、數據獲取模塊，用于獲取目標冰箱的內部拍攝圖像、多源傳感信號以及各個食品的放入時間；
40、圖像預處理模塊，用于對所述內部拍攝圖像進行圖像去噪及增強處理，得到預處理圖像；
41、圖像識別模塊，用于根據所述預處理圖像進行圖像識別，得到各個種類的食品的食品信息；所述食品信息包括：食品種類、食品個數和食品顏色；
42、信號預處理模塊，用于對所述多源傳感信號進行信號解析，得到溫度信息、濕度信息和氣體信息；
43、預測模塊，用于將所述放入時間、所述溫度信息、所述濕度信息、所述氣體信息和所述食品信息輸入至預設的食物新鮮度預測模型中，得到預測結果；
44、預警模塊，用于根據所述預測結果進行預警。
45、根據本專利技術提本文檔來自技高網...
【技術保護點】
1.一種基于人工智能的食物儲存預警方法，其特征在于，包括：
2.根據權利要求1所述的基于人工智能的食物儲存預警方法，其特征在于，對所述內部拍攝圖像進行圖像去噪及增強處理，得到預處理圖像，包括：
3.根據權利要求2所述的基于人工智能的食物儲存預警方法，其特征在于，對所述內部拍攝圖像進行濾波處理，得到濾波后的圖像，包括：
4.根據權利要求3所述的基于人工智能的食物儲存預警方法，其特征在于，對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像，包括：
5.根據權利要求4所述的基于人工智能的食物儲存預警方法，其特征在于，利用所述平衡系數對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像，包括：
6.根據權利要求1所述的基于人工智能的食物儲存預警方法，其特征在于，根據所述預處理圖像進行圖像識別，得到各個種類的食品的食品信息，包括：
7.根據權利要求1所述的基于人工智能的食物儲存預警方法，其特征在于，所述食物新鮮度預測模型的構建方法包括：
8.一種基于人工智能的食物儲存預警系統，其特征在于，包括：
【技術特征摘要】
1.一種基于人工智能的食物儲存預警方法，其特征在于，包括：
2.根據權利要求1所述的基于人工智能的食物儲存預警方法，其特征在于，對所述內部拍攝圖像進行圖像去噪及增強處理，得到預處理圖像，包括：
3.根據權利要求2所述的基于人工智能的食物儲存預警方法，其特征在于，對所述內部拍攝圖像進行濾波處理，得到濾波后的圖像，包括：
4.根據權利要求3所述的基于人工智能的食物儲存預警方法，其特征在于，對所述濾波后的圖像進行色差平衡，得到色差平衡后的圖像，包括：
...【專利技術屬性】
技術研發人員：陳攀，
申請(專利權)人：閩江師范高等專科學校，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。