基于深度学习的食品营养成分智能检测方法

本申请涉及食品营养成分检测领域，公开了一种基于深度学习的食品营养成分智能检测方法。该方法包括：采集多种类型的食品样本并进行数据标注，建立食品样本数据；其中，食品样本包括食品类型、品牌、产地及食品图像；对食品样本数据进行预处理；构建基于对抗掩蔽增强的营养成分预测模型，引入对比学习增强机制和对抗掩蔽生成的语义信息进行模型的迭代训练，采用反向传播算法计算模型预测结果与实际营养成分标注值之间的误差，并更新模型参数；采集被检测食品的图像并进行图像预处理后输入至训练好的所述营养成分预测模型，输出食品所含主要营养成分的估计值。以此方式，本申请实现了食品营养成分的高效、准确、无损检测。