随着人口老龄化步伐加快以及人民生活水平的提高,越来越多的中国人开始关注饮食健康,尤其是独居老人,因此一个可以每天监测和分析饮食情况的家庭服务机器人很有必要。通过对用户饮食的监测和分析,可以为疾病诊断和饮食习惯管理提供有价值的信息。鉴于此,为了解决老年人的饮食质量评估问题,本文设计了可以监测和分析用户饮食信息的基于机器视觉的用户饮食智能感知服务机器人。首先,为实现服务机器人对用户饮食的监测,先后提出了基于改进VGGNet的单一菜品分类识别算法和基于YOLOv5的多菜品识别算法。其次,为了获取用户的饮食信息,提出了基于视觉的营养成分自主感知算法,建立了人健康饮食成分摄入需求标准,标定了菜品食材营养成分信息,识别并记录了用户饮食行为,统计了每日用户饮食信息。最后,为了分析用户饮食信息开发了用户饮食信息智能感知系统,并集成到服务机器人平台,实现了在服务机器人平台上原型系统的测试。本文主要研究内容如下:1)首先,针对单一菜品的识别提出了基于改进VGGNet的单一菜品分类识别算法;然后,在公开的中式菜品数据集Chinese Food Net的基础上自建了中式菜品识别分类数据集CFNet-232;最后,得到该算法在自建数据集上进行测试的平均识别准确率为86.13%,并与其他4种网络模型比较,测试集的Top-1、Top-5准确率均高于其他4种网络模型,表明基于改进VGGNet的单一菜品分类识别算法的识别分类准确性优于比较算法。考虑到实际的家庭用餐环境以及要求算法实时检测和轻量化,提出了基于YOLOv5的多菜品识别算法,得到该算法的识别准确率为89.70%。2)为了获取用户的饮食信息,提出了基于视觉的营养成分自主感知算法,以实现对用户摄入的营养成分信息自主感知。为了方便定量分析营养成分,基于此算法建立了人健康饮食成分摄入需求标准,标定了菜品食材营养成分信息,识别并记录了用户饮食行为,统计了每日用户饮食信息。3)针对所提出的用户饮食信息智能感知方法搭建了家庭服务机器人平台,并集成以上算法,实现了在服务机器人平台的用户饮食信息智能感知系统测试。系统性能测试结果表明,系统平均营养成分感知准确率为90.1%,响应时间小于6ms,速度大于18fps,具有良好的鲁棒性。