基于深度学习的智能食物识别与营养分析方法

基于深度学习的智能食物识别与营养分析方法，属于图像分析技术领域。其包括以下步骤：1、采集输入数据，对数据进行预处理；2、确定场景中目标的位置和掩码区域，生成密集深度图；3、构建食物三维点云，对三维点云进行去噪，并去除异常点；4、获得三维特征，并对图像提取二维特征并进行权重融合；5、将得到的特征进行拼接，并强化融合后的特征信息；6、回归预测食物重量和热量；7、对模型预测进行优化并验证预测效果。本发明采用2D+3D模态方式的特征融合，对原始图像进行数据增强，提取2D特征，同时生成3D点云，并进行多模态的特征融合对食物热量和重量进行预测，能够帮助消费者准确估算食物的热量、重量等指标，制定科学的饮食方法和建议。