基于图像语义分割的菜品浪费度检测

摘要：

对菜品浪费进行检测可以帮助餐馆调整菜单结构,做到从源头上减少浪费.提出一种基于语义分割技术的菜品浪费度检测方法,使用 Swin Transformer和 UperNet作为分割框架,并在 UperNet 的基础上进行了改进,即在 UperNet的双线性插值层之前增加了一层转置卷积,改进的模型在测试集上的菜品图像分割平均交并比可以达到 93.30％;同时根据菜品食用前后分割面积比的统计信息制定了浪费度等级,将菜品浪费程度划分为严重浪费、很浪费、一般浪费、轻度浪费和无浪费 5 个等级,并在测试集 1782 个菜品样本上进行了检测,浪费度等级的识别准确率可以达到 95.12％.所给出的方法可望用于餐饮浪费的检测和管理中.

关键词：菜品、图像、语义分割、深度学习、浪费度等级

所属期刊栏目：45

分类号：TP399(计算技术、计算机技术)

资助基金：教育部中国高校产学研创新基金2021DZ005

在线出版日期：2023-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：189-200