文章详情

摘要

针对食堂菜品识别中的目标检测与分类问题，提出一种基于计算机视觉的融合算法。在YOLOv7模型环境下对自建食堂菜品数据集进行训练，并采用多种数据增强与组合增强方式评估模型性能。随后引入Real-ESRGAN对图像数据进行去噪与超分辨率重建，以提升输入图像的清晰度与特征质量。在包含10 000张图像的自建数据集上的实验结果表明：与未使用Real-ESRGAN预处理的原始YOLOv7方法相比，融合Real-ESRGAN的改进模型在mAP@0.5指标上提升约5%，在更严格的mAP@0.5:0.95指标上也提升约3%。其中，高清×2条件下性能最优，mAP@0.5达到0.98，mAP@0.5:0.95约为0.70。结果表明，该方法能有效提升菜品识别精度，具有良好的泛化性能与应用潜力。

关键词

YOLOv7；Real-ESRGAN；图像识别；算法优化

参考文献

1. [1] 徐悦.基于深度学习的中餐菜品图像识别算法研究 [D].西安：西京学院，2022.
2. [2] 李磊. 基于深度学习的中式菜品识别方法研究 [D].南京：南京信息工程大学，2021.
3. [3] 张璐璐，何文雪．基于深度学习的果蔬自动识别称重系统 [J].自动化与仪器仪表，2022（6）：103-107.
4. [4] 闵巍庆，刘林虎，刘宇昕，等．食品图像识别方法综述 [J].计算机学报，2022，45（3）：542-566.
5. [5] 李伟哲.基于神经网络模型的超市自助结账果蔬识别系统 [D].西安：西安建筑科技大学，2021.
6. [6] 江明.基于深度学习的图像超分辨率轻量级算法研究 [D].赣州：江西理工大学，2022.
7. [7] 任静静.基于卷积神经网络的图像模糊去除 [D].合肥：安徽大学，2017.
8. [8] 马文齐.基于深度学习的浮游生物图像超分辨率重建研究 [D].济南：山东师范大学，2022.
9. [9] 宋智伟，黄新波，纪超，等．基于Flexible YOLOv7的输电线路绝缘子缺陷检测和故障预警方法 [J].高电压技术：2023，49（12）：5084-5094.
10. [10] 赵元龙，单玉刚，袁杰．改进YOLOv7与DeepSORT的佩戴口罩行人跟踪 [J].计算机工程与应用，2023，59（6）：221-230.
11. [11] 谭晓，刁逸超，陈新建，等．面向高度近视条纹损伤的深监督特征聚合网络 [J].中国图象图形学报，2022，27（3）：961-972.

基金项目

安徽省高校科研（自然科学类）重点项目（2024AH050526）；安徽商贸职业技术学院自然科学研究一般项目（2025KYZ01）

作者简介

侯婷婷（1988—），女，汉族，河南焦作人，助教，硕士研究生，研究方向：数学建模、随机过程。