公开(公告)号：CN117036197B

公开(公告)日：2024-11-05

申请号：CN202311050908.9

申请日：2023-08-18

申请人： 杭州食方科技有限公司

发明人： 徐振博 ,  韩志林 ,  黄龚

IPC分类号： G06T5/70 ,  G06V10/774 ,  G06V10/30 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06T5/60

摘要： 本公开的实施例公开了图像去噪模型生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取生鲜图像集合；从生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合；对目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合；根据噪声原图像集合和目标生鲜图像集合，生成生鲜图像数据集；根据生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合；将目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。该实施方式提高了生鲜识别的准确率和打印生鲜标签的准确率，减少了打印纸张的浪费。

公开(公告)号：CN114202758B

公开(公告)日：2024-08-02

申请号：CN202110106654.2

申请日：2021-01-26

申请人： 杭州食方科技有限公司

发明人： 刘柳 ,  黄龚 ,  韩志林

IPC分类号： G06V20/68 ,  G06V10/764 ,  G06V10/774

摘要： 本公开的实施例公开了食品信息生成方法、装置、电子设备和介质。该方法的一具体实施方式包括：响应于检测到食品图像中存在目标物品，将食品图像输入至食品分类模型；对于候选食品信息组集中的每个候选食品信息组，从候选食品信息组中选择目标候选食品信息包括的候选食品名称作为目标食品信息；对于目标食品信息集中的每个目标食品信息，响应于接收到目标食品信息对应的食品更改信息和子食品图像，将目标食品信息对应的食品更改信息和子食品图像作为训练样本添加至食品分类模型对应的训练样本集中；对食品分类模型进行训练；将目标食品图像输入至所述训练后的食品分类模型中，以生成食品分类信息。该实施方式提高了食品结算的效率。

公开(公告)号：CN117390206B

公开(公告)日：2024-07-19

申请号：CN202311405073.4

申请日：2023-10-26

申请人： 杭州食方科技有限公司

发明人： 徐振博 ,  韩志林 ,  黄龚

IPC分类号： G06F16/51 ,  G06N3/0464 ,  G06N3/098 ,  G06T9/00

摘要： 本公开的实施例公开了生鲜图像存储方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取生鲜图像集；对目标生鲜图像集进行图像分割，得到生鲜前景图像集和生鲜背景图像集；对生鲜前景图像集和对应的生鲜背景图像进行压缩处理，得到比特流数据集；基于比特流数据集，执行以下存储步骤：对比特流数据集进行图像重建处理，得到生鲜重建图像集；对生鲜重建图像集和目标生鲜图像集进行目标识别，得到第一识别结果和第二识别结果；确定保真度；响应于确定保真度大于等于预设保真度阈值，对生鲜重建图像集进行存储。该实施方式在确保生鲜图像的保真度的情况下，对生鲜图像进行编码压缩，可以节省存储资源。

公开(公告)号：CN114758167B

公开(公告)日：2024-04-26

申请号：CN202210163470.4

申请日：2022-02-22

申请人： 北京航空航天大学杭州创新研究院 ,  杭州食方科技有限公司

发明人： 胡海苗 ,  徐振博 ,  黄龚 ,  姜宏旭 ,  李明竹

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06N3/084

摘要： 本发明涉及一种基于自适应对比学习的菜品识别方法，与传统的菜品识别方法不同，基于自适应对比学习的神经网络，无需在线训练，对推理环境要求较低，本发明提出多尺度三元组损失函数，使得神经网络自适应的学习不同尺度差异的损失，从而更好的区分菜品间的细微差异；所述的多尺度三元组损失函数由包括三种边界的三元组损失函数以及一个最大值选择函数组成，可自适应选择三元组损失的边界值；本发明通过自适应对比学习的方式来实现菜品识别的离线推理，不仅不受菜品种类的约束，能够应对类别的实时变化，离线推理还大大降低了菜品识别应用环境的算力要求；本发明通过在反馈过程中引入低相似度样本自动删除，使得菜品识别方法可以长时间稳定运行。

公开(公告)号：CN117710766A

公开(公告)日：2024-03-15

申请号：CN202311684080.2

申请日：2023-12-08

申请人： 杭州食方科技有限公司

发明人： 黄龚 ,  徐振博 ,  孟阿瑾

IPC分类号： G06V10/774 ,  G06V20/70 ,  G06T7/11

摘要： 本公开的实施例公开了餐盘运输方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取餐盘图像；将餐盘图像输入至预先训练的分割掩码信息生成模型中，得到第一分割掩码信息组和第二分割掩码信息组；对第一分割掩码信息组和第二分割掩码信息组进行融合处理，以生成餐盘前景掩码集；生成餐盘前景图像集；将餐盘前景图像集中的餐盘前景图像输入至预先训练的餐盘属性信息生成模型中，以生成餐盘属性信息组，得到餐盘属性信息组集；响应于接收到用户终端发送的属性请求，控制相关联的运输设备将餐盘属性信息组集中、对应属性请求的餐盘属性信息组、对应的餐盘运输至用户终端。该实施方式可以减少运输资源的浪费。

公开(公告)号：CN117036197A

公开(公告)日：2023-11-10

申请号：CN202311050908.9

申请日：2023-08-18

申请人： 杭州食方科技有限公司

发明人： 徐振博 ,  韩志林 ,  黄龚

IPC分类号： G06T5/00 ,  G06V10/774 ,  G06V10/30 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本公开的实施例公开了图像去噪模型生成方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：获取生鲜图像集合；从生鲜图像集合中选择满足预设噪声条件的生鲜图像作为目标图像集合；对目标图像集合进行加噪处理，得到噪声原图像集合和目标生鲜图像集合；根据噪声原图像集合和目标生鲜图像集合，生成生鲜图像数据集；根据生鲜图像数据集和预设初始图像去噪模型集合，生成目标图像去噪模型集合；将目标图像去噪模型集合中满足预设准确率条件的目标图像去噪模型确定为图像去噪模型。该实施方式提高了生鲜识别的准确率和打印生鲜标签的准确率，减少了打印纸张的浪费。

公开(公告)号：CN113810576A

公开(公告)日：2021-12-17

申请号：CN202111067967.8

申请日：2021-09-13

申请人： 杭州食方科技有限公司

发明人： 黄龚

IPC分类号： H04N5/225 ,  H04N7/18 ,  H04L29/08 ,  G01D21/02 ,  F25D29/00 ,  F25D23/12 ,  F25D23/02

摘要： 本发明公开了一种智能食品留样监测系统，包括：云端服务器、至少一个食品留样柜、监测预警平台和移动终端；食品留样柜包括柜体主体，柜体主体表面设置有可开闭的柜门，柜门上设置有门锁、身份识别模块、显示模块和输入模块，柜体主体内部设置有至少一个摄像头和至少一个存放单元，存放单元位于摄像头的拍摄视野内；存放单元内设置有称重模块；监测预警平台包括监测数据管理模块、模拟分析模块、预警模块和事故处理专家系统。由于采用了图像识别技术，能够直接识别存放于密闭容器内留样食品种类，对留样过程采用全程视频记录，对操作人员、环境指标等要素全程把控，确保了留样的精准性和有效性，显著提高了食品安全监管工作效率。

公开(公告)号：CN116503614B

公开(公告)日：2024-07-02

申请号：CN202310489002.0

申请日：2023-04-27

申请人： 杭州食方科技有限公司

发明人： 韩志林 ,  徐振博 ,  黄龚

IPC分类号： G06V10/44 ,  G06V10/774 ,  G06V10/74 ,  G06V10/82

摘要： 本公开的实施例公开了餐盘形状特征提取网络训练方法和餐盘形状信息生成方法。该方法的一具体实施方式包括：生成针对食物图像集的组合食物图像数据集；生成针对餐盘图像集的截取后餐盘图像数据集；将目标组合食物图像数据集与目标截取后餐盘图像数据集组合为待训练图像数据集；将待训练图像数据集输入至初始餐盘形状特征提取网络中，以生成图像特征信息集；根据图像特征损失值集，对初始餐盘形状特征提取网络进行参数优化，得到优化餐盘形状特征提取网络。该实施方式提高了餐盘形状识别的准确率。

公开(公告)号：CN117932043B

公开(公告)日：2024-06-21

申请号：CN202410330812.6

申请日：2024-03-22

申请人： 杭州食方科技有限公司

发明人： 黄龚 ,  孙睿菡 ,  徐振博

IPC分类号： G06F16/332 ,  G06F16/23 ,  G06F16/21

摘要： 本申请的实施例公开了对话风格迁移答复信息显示方法、装置、设备和可读介质。该方法的一具体实施方式包括：采集多模态人物对话数据集；对多模态人物对话数据集进行数据清洗处理；对清洗多模态人物对话数据进行内容标注处理；将所得到的各个标注清洗多模态对话数据确定为标注清洗多模态对话数据集；创建人物对话数据库；对人物对话数据库进行检索；确定待训练数据；对对话风格迁移模型进行训练；将目标需求信息输入至预设大语言模型；将答复信息输入至训练完成的对话风格迁移模型；将对话风格迁移答复信息发送至客户端，以供客户端显示对话风格迁移答复信息。该实施方式提高了显示的文本信息语义表达连贯性，提高了用户体验感。

公开(公告)号：CN114782735B

公开(公告)日：2024-04-26

申请号：CN202210163468.7

申请日：2022-02-22

申请人： 北京航空航天大学杭州创新研究院 ,  杭州食方科技有限公司

发明人： 徐振博 ,  胡海苗 ,  黄龚 ,  姜宏旭 ,  张译丹

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06N3/084

摘要： 本发明一种基于多区域数据增强的菜品识别方法，在传统的菜品识别方法的基础上，对训练的过程中的每一张输入图像进行多区域数据增强；所述多区域增强方法分别由两步完成，第一步将输入图像从水平维度以及竖直维度平均裁剪为四等份，第二步选择每两个相邻的1/4等份分别做数据增强，将上述两步骤产生的四个多区域增强的增强图像用作训练菜品分类神经网络，通过同时计算四个样本的平均距离损失以及分类损失来对神经网络进行协同优化；本发明通过对输入图像做多区域数据增强，使得神经网络对菜品的特征提取鲁棒性更强，降低模型对识别环境变化以及菜品形态变化的敏感程度，提升菜品识别模型在不同环境下的鲁棒性。