张成涵宇，林钰哲，谭程珂，王俊帆，2，顾烨婷，2，董哲康，2，高明煜，2*

（1.杭州电子科技大学 电子信息学院，杭州 310018；2.浙江省装备电子研究重点实验室（杭州电子科技大学），杭州 310018）

0 引言

随着人工智能等新技术与餐饮行业的结合日益紧密，餐饮行业也逐渐朝着数字化、智能化方向迭代升级［1］，其中智能餐饮系统、餐饮机器人等都是餐饮行业数字化、智能化转型的重要产物。同时，由于餐饮企业的“用工荒”、招人难、人力成本高等问题难以解决，对餐饮企业的服务质量产生了较大的影响，一系列智能产品的诞生能替代部分餐厅服务人员的工作，减少劳动力成本；且为了更好地适应餐饮行业的无人化及智能化需求，加快推进餐饮行业智能化发展刻不容缓。同时，随着人工智能领域的发展，神经网络在菜品识别领域上的应用也越来越广泛。为了更好地完成实际菜品识别的功能，近年研究得到的菜品识别模型准确率正不断提高，并且为了更好地将菜品识别模型应用于实际场景中，也出现了一系列减小模型尺寸、提高识别速度的研究，为本文进一步推动菜品识别模型轻量化的实际应用奠定了基础。

刘丽芳急于将这一结果告诉丈夫彭伟民，一遍接一遍地拨打他的手机号码。彭伟民始终不接。无奈之下的刘丽芳只能给他编发了一条短信。

Kawano 等［2］通过结合传统机器学习的HOG（Histogram of Oriented Gradient）算法以及卷积神经网络（Convolutional Neural Network，CNN）提取菜品图片的图像特征，在其自主创建的日式菜品数据集UEC-Food100 中top-1 准确率达到72.26%。……