首页 > 分享 > 一种基于图像识别的宠物食谱生成方法及相关装置与流程

一种基于图像识别的宠物食谱生成方法及相关装置与流程

萌宠菠菠乐园
2024-11-16 03:14

1.本技术涉及计算机技术领域，尤其涉及一种基于图像识别的宠物食谱生成方法及相关装置。

背景技术：

2.随着时代的发展，饲养宠物成为人们亲近自然的、满足人类的心理需求的爱好之一。饲养宠物可以给人们带来快乐，但也会给人们带来烦恼。如在喂养宠物时需要为宠物提供健康营养的食物。但是，很多人在喂养宠物时，都是从网络上搜索宠物的食谱，这种方式比较单一，不具有针对性。

技术实现要素：

3.本技术实施例提供了一种基于图像识别的宠物食谱生成方法及相关装置，提高宠物食谱的针对性和准确率。
4.本技术第一方面提供了一种基于图像识别的宠物食谱生成方法，包括：
5.获取包含目标宠物的不同部位的至少一张图像，每张图像包括所述目标宠物的至少一个部位；
6.通过预先搭建好的残差网络，对所述每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到所述每张图像的目标特征图；
7.将所述至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过所述第一网络进行多任务分类，得到所述目标宠物的多个特征信息；
8.根据所述目标宠物的多个特征信息，生成所述目标宠物的食谱。
9.本技术第二方面提供了一种基于图像识别的宠物食谱生成装置，所述装置包括获取模块和处理模块，
10.所述获取模块，用于获取包含目标宠物的不同部位的至少一张图像，每张图像包括所述目标宠物的至少一个部位；
11.所述处理模块，用于通过预先搭建好的残差网络，对所述每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到所述每张图像的目标特征图；
12.所述处理模块，还用于将所述至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过所述第一网络进行多任务分类，得到所述目标宠物的多个特征信息；
13.所述处理模块，还用于根据所述目标宠物的多个特征信息，生成所述目标宠物的食谱。
14.本技术第三方面提供了一种基于图像识别的宠物食谱生成的电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被生成由所述处理器执行，以执行一种基于图像识别的宠物食谱生成方法任一项方法中的步骤的指令。
15.本技术第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于
存储计算机程序，所述存储计算机程序被所述处理器执行，以实现一种基于图像识别的宠物食谱生成方法任一项所述的方法。
16.可以看出，上述技术方案中，通过获取包含目标宠物的不同部位的至少一张图像，从而可以通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图，增加了提取的特征的丰富性和全面性，从而使得在将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息时可以更加精准，即多任务分类的结果更加精准。同时，在根据目标宠物的多个特征信息，生成目标宠物的食谱时，提高了宠物食谱的针对性和准确率。
附图说明
17.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.其中：
19.图1a是本技术实施例提供的一种基于图像识别的宠物食谱生成系统的示意图；
20.图1b是本技术实施例提供的又一种基于图像识别的宠物食谱生成系统的示意图；
21.图2是本技术实施例提供的一种基于图像识别的宠物食谱生成方法的流程示意图；
22.图3是本技术实施例提供的一种mmoe网络的示意图；
23.图4是本技术实施例提供的又一种基于图像识别的宠物食谱生成方法的流程示意图；
24.图5为本技术实施例提供的一种基于图像识别的宠物食谱生成装置的示意图；
25.图6为本技术的实施例涉及的硬件运行环境的电子设备结构示意图。
具体实施方式
26.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
27.以下分别进行详细说明。
28.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
29.首先，参见图1a，图1a是本技术实施例提供的一种基于图像识别的宠物食谱生成系统的示意图，基于图像识别的宠物食谱生成系统100可以包括基于图像识别的宠物食谱
生成装置110。该基于图像识别的宠物食谱生成装置110用于处理、存储状态数据等。该基于图像识别的宠物食谱生成系统100可以包括集成式单体设备或者多设备，为方便描述，本技术将基于图像识别的宠物食谱生成系统100统称为电子设备。显然该电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，ue)，移动台(mobile station，ms)，终端设备(terminal device)等等。
30.参见图1b，图1b是本技术实施例提供的又一种基于图像识别的宠物食谱生成系统的示意图。如图1b所示，该通信系统可以包括服务器以及多个电子设备(图1b中仅示出3个)。服务器可以与电子设备进行无线通信。
31.其中，图1a和图1b仅为示意图，并不构成对本技术提供的技术方案的适用场景的限定。
32.参见图2，图2是本技术实施例提供的一种基于图像识别的宠物食谱生成方法的流程示意图。该基于图像识别的宠物食谱生成方法可以应用于电子设备，如图2所示，该方法包括：
33.201、获取包含目标宠物的不同部位的至少一张图像，每张图像包括目标宠物的至少一个部位。
34.其中，至少一张图像可以包括以下至少一项：目标宠物的正面照、掌纹照、左右侧面照、尾巴照、背部照、腹部照，在此不做限制。
35.其中，目标宠物的一个部位可以包括以下一项：目标宠物的眼睛、鼻子、耳朵、嘴、牙齿、背、尾巴、腹部、脚掌、趾甲，在此不做限制。
36.在本技术中，目标宠物的类别不做限制。如目标宠物可以猫、狗、猪、鸭等，在此不做限制。
37.可选的，步骤201，可以包括：显示图像上传界面，图像上传界面包括图像上传区域和图像上传控件；响应于对图像上传控件的上传操作，从图像上传区域获取至少一张图像。
38.其中，图像上传界面还可以包括图像上传提示区域，图像上传提示区域用于显示图像上传提示信息，图像上传提示信息为用户所上传的图像需要满足的预设要求。预设要求例如可以包括以下至少一项：尺寸、分辨率等，在此不做限制。
39.202、通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图。
40.其中，残差网络为卷积神经网络中的一种，容易优化，并且能够通过增加深度来提高准确率，残差网络内部的残差块使用跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
41.可选的，残差网络中的卷积层用于提取每张图像中的多尺度特征，其中，不同尺度的特征反映的特征图不同。具体的，每张图像中的多尺度特征包括目标宠物的至少一个部位的较浅层次的特征图和较深层次的特征图，较浅层次的特征图包括以下至少一项：目标宠物的至少一个部位的毛发颜色信息、毛发直径信息、毛发的长短信息，较深层次的特征图包括以下至少一项：目标宠物的至少一个部位的毛发稀疏程度信息、皮屑残存信息、油脂晕染信息。
42.通过残差网络对每张图像进行特征提取，一方面，可以减少计算成本，并且还可以
缓解深度神经网络中增加深度带来的梯度消失问题。另一方面，可以有效获得每张图像中的多尺度特征，增加了提取的特征的丰富性和全面性，从而使得多任务分类的结果更加精准。
43.可选的，在步骤202之前，本方案还可以包括：对每张图像进行预处理，得到预处理后的每张图像。可以理解的，通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图，可以包括：通过预先搭建好的残差网络，对预处理后的每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图。
44.可选的，对每张图像进行预设处理，得到预处理后的每张图像，可以包括：对每张图像进行图像校正，校正后进行对比度增强处理，得到预处理后的每张图像。其中，图像校正包括图像倾斜校正和/或图像亮度校正。
45.203、将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息。
46.其中，第一网络可以为多任务学习网络，多任务学习网络例如可以为mmoe网络或其他网络，在此不做限制。下面以mmoe网络同时预测两个任务为例，结合图3说明mmoe网络。可以理解的，两个任务即表示可以得到目标宠物的两个特征信息。如图3所示，mmoe网络包括多个专家网络、两个门网络和两个任务网络，即门网络的数量、任务网络的数量与任务数量相同，而专家网络的数量可以根据实际需求设置。且在图3中，门网络1、任务网络1与任务1相对应，门网络2、任务网络2与任务2相对应。每个专家网络可以通过全连接网络对输入的特征进行处理，以从相应的特征维度进行特征提取，全连接网络的层数可以根据实际需求设置。每个门控网络可以采用softmax函数，以针对相应的任务，学习多个专家网络的不同组合模式，即对多个专家网络的输出结果进行自适应加权。每个任务网络可以采用神经网络，输出相应任务的预测结果。
47.示例性的，在图3中，将拼接后的至少一张图像的目标特征图输入到mmoe网络后，可以输出任务1和任务2。
48.其中，一个特征信息包括以下一项：目标宠物的年龄、目标宠物的类别、目标宠物的体重、目标宠物的生理状态。目标宠物的生理状态可以包括以下至少一项：体温、心率、血压、脉搏、血液含氧量等，在此不做限定。
49.204、根据目标宠物的多个特征信息，生成目标宠物的食谱。
50.可选的，步骤204，可以包括：根据目标宠物的多个特征信息确定目标宠物的第一食材信息；获取目标宠物的多个特征信息对应的权重因子，权重因子目标宠物的食谱包含的营养成分的比重大小；根据权重因子从第一食材信息中获取目标食材信息；根据目标食材信息生成目标宠物的食谱。
51.其中，食材信息可以包括以下至少一项：至少一个食材的标识信息、至少一个食材的营养成分、至少一个食材的重量等，在此不做限定。食材的标识信息例如可以为食材的名称、食材的编号等，在此不做限定。可以理解的，同一食材的标识信息、营养成分和重量有关联关系。如第一食材信息可以包括：牛肉、牛肉的营养成分、牛肉的重量、胡萝卜、胡萝卜的营养成分、胡萝卜的重量、猪排、猪排的营养成分、猪排的重量等。
52.其中，在本技术中，权重因子可以为一个或多个，在此不做限制。可以理解的，权重
因子为一个，即多个特征信息对应的一个权重因子；权重因子为多个，即一个特征信息对应一个权重因子。不同的特征信息所对应的权重因子可以不同或相同，在此不做限定。
53.可以看出，上述技术方案中，通过根据目标宠物的多个特征信息确定目标宠物的第一食材信息，从而可以依据目标宠物的食谱包含的营养成分的比重大小从第一食材信息中获取目标食材信息，使得选取的食材更加符合目标宠物的需求，进而可以生成更加具备针对性、准确性的宠物食谱。
54.可选的，根据目标宠物的多个特征信息确定目标宠物的第一食材信息，可以包括：根据目标宠物的多个特征信息，从食材数据库中，获取第二食材信息；获取其他宠物的食材信息，其他宠物的多个特征信息与目标宠物的多个特征信息之间的相似度高于预设阈值；根据第二食材信息和其他宠物的食材信息，确定第一食材信息。
55.本技术中，食材数据库包括至少一个特征信息和食材信息之间的对应关系。其中，根据目标宠物的多个特征信息，从食材数据库中，获取第二食材信息，可以理解为：根据目标宠物的多个特征信息和对应关系，获取第二食材信息。在根据目标宠物的多个特征信息和对应关系，获取第二食材信息时，例如可以包括：从数据库中，确定与目标宠物的多个特征信息匹配的特征信息；根据对应关系，确定与目标宠物的多个特征信息匹配的特征信息所对应的第二食材信息。
56.其中，预设阈值可以预先配置在电子设备中。
57.其中，根据第二食材信息和其他宠物的食材信息，确定第一食材信息，包括：将第二食材信息和其他宠物的食材信息的并集或并集的子集或交集确定为第一食材信息。
58.可以看出，上述技术方案中，通过根据目标宠物的多个特征信息，从食材数据库中，获取第二食材信息，并根据第二食材信息和其他宠物的食材信息，确定第一食材信息，从而实现了利用特征信息相似度高于预设阈值的其他宠物的食材信息来丰富目标宠物的食材，避免了目标宠物的食材过于单一的问题。
59.可选的，根据目标食材信息生成目标宠物的食谱，包括：获取目标宠物对应的状态信息；根据状态信息和目标食材信息生成目标宠物的食谱。
60.其中，状态信息包括以下至少一项：环境信息、地理位置信息、时间信息。环境信息可以包括以下至少一项：室内环境、室外环境。室内环境例如可以包括以下至少一项：室内温度、室内空气湿度、室内分贝信息等。室外环境例如可以包括以下至少一项：室外温度、室外空气湿度、室外分贝信息、室外降水信息、室外降雪信息、室外气压信息、室外空气质量等。时间信息例如可以包括季节信息等。
61.可以看出，上述技术方案中，通过根据状态信息和目标食材信息生成目标宠物的食谱，使得生成的宠物食谱更加精细化，也更加符合宠物的需求。
62.可选的，在根据状态信息和目标食材信息生成目标宠物的食谱之后，本方案还可以包括：从食谱数据库中，获取多份宠物食谱；从多份宠物食谱中确定与目标宠物的食谱相似度高于食谱相似度阈值的宠物食谱；将与目标宠物的食谱相似度高于食谱相似度阈值的宠物食谱推送给用户。即为饲养宠物的用户推送与目标宠物的食谱相似度高于食谱相似度阈值的宠物食谱，丰富了宠物食谱。
63.参见图4，图4是本技术实施例提供的又一种基于图像识别的宠物食谱生成方法的流程示意图。该基于图像识别的宠物食谱生成方法可以应用于电子设备，如图4所示，该方
法包括：
64.401、显示图像上传界面，图像上传界面包括图像上传区域和图像上传控件。
65.其中，关于步骤401，可以参考图2步骤201相关描述，在此不加赘述。
66.402、响应于对图像上传控件的上传操作，从图像上传区域获取至少一张图像。
67.其中，关于步骤402，可以参考图2步骤201相关描述，在此不加赘述。
68.403、通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图。
69.其中，关于步骤403，可以参考图2步骤202相关描述，在此不加赘述。
70.404、将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息。
71.其中，关于步骤404，可以参考图2步骤203相关描述，在此不加赘述。
72.405、根据目标宠物的多个特征信息，生成目标宠物的食谱。
73.其中，关于步骤405，可以参考图2步骤204相关描述，在此不加赘述。
74.可以看出，上述技术方案中，通过从图像上传区域获取至少一张图像，从而可以通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图，增加了提取的特征的丰富性和全面性，从而使得在将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息时可以更加精准，即多任务分类的结果更加精准。同时，在根据目标宠物的多个特征信息，生成目标宠物的食谱时，提高了宠物食谱的针对性和准确率。
75.参见图5，图5为本技术实施例提供的一种基于图像识别的宠物食谱生成装置的示意图。其中，如图5所示，本技术实施例提供的一种基于图像识别的宠物食谱生成装置500包括获取模块501和处理模块502，其中，获取模块501，用于获取包含目标宠物的不同部位的至少一张图像，每张图像包括目标宠物的至少一个部位；处理模块502，用于通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图；处理模块502，还用于将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息；处理模块502，还用于根据目标宠物的多个特征信息，生成目标宠物的食谱。
76.其中，至少一张图像可以包括以下至少一项：目标宠物的正面照、掌纹照、左右侧面照、尾巴照、背部照、腹部照，在此不做限制。
77.其中，目标宠物的一个部位可以包括以下一项：目标宠物的眼睛、鼻子、耳朵、嘴、牙齿、背、尾巴、腹部、脚掌、趾甲，在此不做限制。
78.其中，残差网络为卷积神经网络中的一种，容易优化，并且能够通过增加深度来提高准确率，残差网络内部的残差块使用跳跃连接，缓解了在深度神经网络中增加深度带来的梯度消失问题。
79.可选的，残差网络中的卷积层用于提取每张图像中的多尺度特征，其中，不同尺度的特征反映的特征图不同。具体的，每张图像中的多尺度特征包括目标宠物的至少一个部位的较浅层次的特征图和较深层次的特征图，较浅层次的特征图包括以下至少一项：目标宠物的至少一个部位的毛发颜色信息、毛发直径信息、毛发的长短信息，较深层次的特征图
包括以下至少一项：目标宠物的至少一个部位的毛发稀疏程度信息、皮屑残存信息、油脂晕染信息。
80.通过残差网络对每张图像进行特征提取，一方面，可以减少计算成本，并且还可以缓解深度神经网络中增加深度带来的梯度消失问题。另一方面，可以有效获得每张图像中的多尺度特征，增加了提取的特征的丰富性和全面性，从而使得多任务分类的结果更加精准。
81.可选的，在通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图之前，处理模块502，还用于对每张图像进行预处理，得到预处理后的每张图像。可以理解的，在通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图时，处理模块502，具体用于通过预先搭建好的残差网络，对预处理后的每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图。
82.可选的，对每张图像进行预处理，得到预处理后的每张图像时，处理模块502，具体用于对每张图像进行图像校正，校正后进行对比度增强处理，得到预处理后的每张图像。其中，图像校正包括图像倾斜校正和/或图像亮度校正。
83.其中，第一网络可以为多任务学习网络，多任务学习网络例如可以为mmoe网络或其他网络，在此不做限制。
84.其中，一个特征信息包括以下一项：目标宠物的年龄、目标宠物的类别、目标宠物的体重、目标宠物的生理状态。目标宠物的生理状态可以包括以下至少一项：体温、心率、血压、脉搏、血液含氧量等，在此不做限定。
85.可以看出，上述技术方案中，通过获取包含目标宠物的不同部位的至少一张图像，从而可以通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图，增加了提取的特征的丰富性和全面性，从而使得在将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息时可以更加精准，即多任务分类的结果更加精准。同时，在根据目标宠物的多个特征信息，生成目标宠物的食谱时，提高了宠物食谱的针对性和准确率。
86.可选的，在获取包含目标宠物的不同部位的至少一张图像时，获取模块501，具体用于：
87.显示图像上传界面，图像上传界面包括图像上传区域和图像上传控件；
88.响应于对图像上传控件的上传操作，从图像上传区域获取至少一张图像。
89.其中，图像上传界面还可以包括图像上传提示区域，图像上传提示区域用于显示图像上传提示信息，图像上传提示信息为用户所上传的图像需要满足的预设要求。预设要求例如可以包括以下至少一项：尺寸、分辨率等，在此不做限制。
90.可选的，在根据目标宠物的多个特征信息，生成目标宠物的食谱时，处理模块502，具体用于：
91.根据目标宠物的多个特征信息确定目标宠物的第一食材信息；
92.获取目标宠物的多个特征信息对应的权重因子，权重因子为目标宠物的食谱包含
的营养成分的比重大小；
93.根据权重因子从第一食材信息中获取目标食材信息；
94.根据目标食材信息生成目标宠物的食谱。
95.其中，食材信息可以包括以下至少一项：至少一个食材的标识信息、至少一个食材的营养成分、至少一个食材的重量等，在此不做限定。食材的标识信息例如可以为食材的名称、食材的编号等，在此不做限定。可以理解的，同一食材的标识信息、营养成分和重量有关联关系。如第一食材信息可以包括：牛肉、牛肉的营养成分、牛肉的重量、胡萝卜、胡萝卜的营养成分、胡萝卜的重量、猪排、猪排的营养成分、猪排的重量等。
96.其中，在本技术中，权重因子可以为一个或多个，在此不做限制。可以理解的，权重因子为一个，即多个特征信息对应的一个权重因子；权重因子为多个，即一个特征信息对应一个权重因子。不同的特征信息所对应的权重因子可以不同或相同，在此不做限定。
97.可以看出，上述技术方案中，通过根据目标宠物的多个特征信息确定目标宠物的第一食材信息，从而可以依据目标宠物的食谱包含的营养成分的比重大小从第一食材信息中获取目标食材信息，使得选取的食材更加符合目标宠物的需求，进而可以生成更加具备针对性、准确性的宠物食谱。
98.可选的，在根据目标宠物的多个特征信息确定目标宠物的第一食材信息时，处理模块502，具体用于：
99.根据目标宠物的多个特征信息，从食材数据库中，获取第二食材信息；
100.获取其他宠物的食材信息，其他宠物的多个特征信息与目标宠物的多个特征信息之间的相似度高于预设阈值；
101.根据第二食材信息和其他宠物的食材信息，确定第一食材信息。
102.本技术中，食材数据库包括至少一个特征信息和食材信息之间的对应关系。其中，根据目标宠物的多个特征信息，从食材数据库中，获取第二食材信息，可以理解为：根据目标宠物的多个特征信息和对应关系，获取第二食材信息。在根据目标宠物的多个特征信息和对应关系，获取第二食材信息时，例如可以包括：从数据库中，确定与目标宠物的多个特征信息匹配的特征信息；根据对应关系，确定与目标宠物的多个特征信息匹配的特征信息所对应的第二食材信息。
103.其中，预设阈值可以预先配置在电子设备中。
104.其中，在根据第二食材信息和其他宠物的食材信息，确定第一食材信息时，处理模块502，具体用于将第二食材信息和其他宠物的食材信息的并集或并集的子集或交集确定为第一食材信息。
105.可以看出，上述技术方案中，通过根据目标宠物的多个特征信息，从食材数据库中，获取第二食材信息，并根据第二食材信息和其他宠物的食材信息，确定第一食材信息，从而实现了利用特征信息相似度高于预设阈值的其他宠物的食材信息来丰富目标宠物的食材，避免了目标宠物的食材过于单一的问题。
106.可选的，在根据所述目标食材信息生成所述目标宠物的食谱时，处理模块502，具体用于：
107.获取所述目标宠物对应的状态信息；
108.根据所述状态信息和所述目标食材信息生成所述目标宠物的食谱。
109.其中，状态信息包括以下至少一项：环境信息、地理位置信息、时间信息。环境信息可以包括以下至少一项：室内环境、室外环境。室内环境例如可以包括以下至少一项：室内温度、室内空气湿度、室内分贝信息等。室外环境例如可以包括以下至少一项：室外温度、室外空气湿度、室外分贝信息、室外降水信息、室外降雪信息、室外气压信息、室外空气质量等。时间信息例如可以包括季节信息等。
110.可以看出，上述技术方案中，通过根据状态信息和目标食材信息生成目标宠物的食谱，使得生成的宠物食谱更加精细化，也更加符合宠物的需求。
111.可选的，在根据状态信息和目标食材信息生成目标宠物的食谱之后，获取模块501，还用于从食谱数据库中，获取多份宠物食谱；处理模块502，还用于从多份宠物食谱中确定与目标宠物的食谱相似度高于食谱相似度阈值的宠物食谱；处理模块502，还用于将与目标宠物的食谱相似度高于食谱相似度阈值的宠物食谱推送给用户。即为饲养宠物的用户推送与目标宠物的食谱相似度高于食谱相似度阈值的宠物食谱，丰富了宠物食谱。
112.参见图6，图6为本技术的实施例涉及的硬件运行环境的电子设备结构示意图。
113.本技术实施例提供了一种基于图像识别的宠物食谱生成的电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，以执行包括任一项基于图像识别的宠物食谱生成方法中的步骤的指令。其中，如图6所示，本技术的实施例涉及的硬件运行环境的电子设备可以包括：
114.处理器601，例如cpu。
115.存储器602，可选的，存储器可以为高速ram存储器，也可以是稳定的存储器，例如磁盘存储器。
116.通信接口603，用于实现处理器601和存储器602之间的连接通信。
117.本领域技术人员可以理解，图6中示出的电子设备的结构并不构成对其的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
118.如图6所示，存储器602中可以包括操作系统、网络通信模块以及一个或多个程序。操作系统是管理和控制服务器硬件和软件资源的程序，支持一个或多个程序的运行。网络通信模块用于实现存储器602内部各组件之间的通信，以及与电子设备内部其他硬件和软件之间通信。
119.在图6所示的电子设备中，处理器601用于执行存储器602中一个或多个程序，实现以下步骤：
120.获取包含目标宠物的不同部位的至少一张图像，每张图像包括目标宠物的至少一个部位；
121.通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图；
122.将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息；
123.根据目标宠物的多个特征信息，生成目标宠物的食谱。
124.本技术涉及的电子设备的具体实施可参见上述基于图像识别的宠物食谱生成方法的各实施例，在此不做赘述。
125.本技术还提供了一种计算机可读存储介质，计算机可读存储介质用于存储计算机程序，存储计算机程序被处理器执行，以实现以下步骤：
126.获取包含目标宠物的不同部位的至少一张图像，每张图像包括目标宠物的至少一个部位；
127.通过预先搭建好的残差网络，对每张图像进行特征提取，并且将不同深度的卷积层提取到的特征进行拼接，得到每张图像的目标特征图；
128.将至少一张图像的目标特征图进行拼接，作为第一网络的输入数据，以通过第一网络进行多任务分类，得到目标宠物的多个特征信息；
129.根据目标宠物的多个特征信息，生成目标宠物的食谱。
130.本技术涉及的计算机可读存储介质的具体实施可参见上述基于图像识别的宠物食谱生成方法的各实施例，在此不做赘述。
131.需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应所述知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应所述知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。
132.以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。