中餐主食图像识别研究

王长冬

摘要：作者针对中餐主食图像的识别问题研究提出了一种基于卷积神经网络和迁移学习的方法，完成对共计20类中餐主食接近2万张的图片进行了训练和测试，得到了较为满意的结果。将训练得到的网络模型通过应用框架进行了安卓平台的移植开发，实际应用效果表现良好。

关键词：中餐主食;卷积神经网络;迁移学习;图像识别;安卓平台

1 绪论

近年来图像的分类和识别技术被应用于各个不同领域，如卫生、交通、智能机器人和食品加工等。对图像进行分类和识别的方法很多，其中最常用的为提取图像的颜色、形状、纹理等特征，然后将这些特征输入到机器学习算法中进行分类。对食品图像的分类和识别，在全球学者不同的研究工作中有不同的发现。总体来说，有基于形状的特征和关键点[1-4]，颜色和纹理[5-7]，以及深度学习算法[8-9]。

本论文旨在寻找一种可靠的食物识别方法应用于中餐主食图像识别，并落实于实际应用。根据实际实验条件，识别方法需满足以下条件：小型食物数据集以及可接受的准确率以及为移动平台考虑的低运算成本。基于这三点，最终选择了InceptionV3网络模型进行迁移学习实验，以更快地达到研究目的。

2 卷积神经网络

卷积神经网络是一种深度学习神经网络，它的各个层包含若干个相同神经元的拷贝。它由一个输入层、许多中间层和一个输出层组成。中间层可以包含许多不同的层，如卷积层、池化层和全连接层。……