1.一种基于图像识别的冰箱智能控制方法，其特征在于，包括：S101：获取放入冰箱内的待识别食物图像；

S102：构建基于并联AlexNET模型和VGG16模型的特征提取模型，提取待识别食物联合特征；

S103：通过最小冗余最大相关性算法去除所述待识别食物联合特征中的冗余特征，得到待识别食物深度特征；

S104：构建包括线性分离模型和非线性分离模型的改进支持向量机分类器；

S105：对所述改进支持向量机分类器进行训练；

S106：将所述待识别食物深度特征输入至训练后的改进支持向量机分类器；

S107：输出待识别食物类别；

S108：根据所述待识别食物类别，调整所述冰箱的制冷温度；

其中，所述S104具体包括：

S1041：建立所述线性分离模型和所述线性分离模型的目标函数：wxi+b≥1，yi＝1

wxi+b≤‑1，yi＝‑1

其中，yi表示类别标签，当yi＝1时表示特征为正样本标签，当yi＝‑1时表示特征为负样本标签，w表示权重向量，xi表示第i个样本特征向量，b表示偏置参数， 表示所2

述线性分离模型的目标函数，||w||表示超平面法向量的范数的平方；

S1042：引入惩罚项对所述线性模型的目标函数进行改进，得到所述非线性分离模型的目标函数：其中， 表示所述非线性分离模型的目标函数， 表示所述惩罚项，C表示正则化参数，ξi表示第i个特征的分类误差变量；

其中，所述S104还包括：

S1043：通过拉格朗日方程求解所述线性分离模型的目标函数和所述非线性分离模型的目标函数，获取相应目标函数的拉格朗日乘子：其中，L()表示拉格朗日方程，αi表示样本特征i对应的拉格朗日乘子， 表示拉格朗日乘子的正则化项，k表示样本数量；

S1044：结合所述拉格朗日乘子和相对应的属性类别标签，引入基于高斯径向基核函数的线性决策函数和非线性决策函数，输出样本的类别标签：其中，f(x)线性和f(x)非线性分别表示线性决策函数和非线性决策函数输出的样本的类别标签，sign()表示符号函数，αi线性表示所述线性分离模型的目标函数的拉格朗日乘子，αi非线性表示所述非线性分离模型的目标函数的拉格朗日乘子，K(x,xi)表示高斯径向基核函数，σ表示高斯核的带宽参数，x表示输入样本，xi表示第i个样本特征向量即高斯径向基核函数的支持向量，‖x‑xi‖表示所述输入样本与所述支持向量的欧式距离。

2.根据权利要求1所述的基于图像识别的冰箱智能控制方法，其特征在于，在所述S101之后还包括：S101A：对所述待识别食物图像进行预处理，所述预处理包括图像去噪和图像增强。

3.根据权利要求1所述的基于图像识别的冰箱智能控制方法，其特征在于，所述待识别食物联合特征包括AlexNET模型提取的所述待识别食物图像的第一特征集和所述VGG16模型提取的所述待识别食物图像的第二特征集，其中，所述第一特征集和所述第二特征集均包括待识别食物的纹理属性、形状属性、颜色属性、层次结构属性和局部属性。

4.根据权利要求3所述的基于图像识别的冰箱智能控制方法，其特征在于，所述S103具体包括：S1031：根据提取的第i种特征组成特征向量fi：

1 2 3 N

fi＝[fi ,fi ,fi ,…fi]

j

其中，fi表示第i种属性的第j个特征，i＝5，j＝1,2,…,N，N表示每种属性中包括的最大特征个数；

S1032：基于概率分布，建立属性X和属性Y之间的互信息值函数I(X,Y)：其中，p(x,y)表示x特征和y特征的组合分布概率，p1(x)和p2(y)分别表示x特征和y特征的边际分布概率；

S1033：根据所述互信息值函数计算属性Fi和属性Fj之间的第一互信息值：I(Fi；Fj)

其中，I(Fi；Fj)表示属性Fi和属性Fj之间的互信息值；

S1034：获取属性类别标签H，计算属性Fi与所述属性类别标签之间的第二互信息值：I(Fi；H)

其中，I(Fi；H)表示属性Fi和所述属性类别标签之间的互信息值；

S1035：将互信息值小于预设第一互信息值且小于预设第二互信息值的特征保留，得到选定特征集合S；

S1036：设置最小冗余条件minW和最小相关条件minV：其中，|S|表示所述选定特征集合中的特征个数；

S1037：结合冗余条件W和相关条件V，确定特征筛选条件T：S1038：根据所述筛选条件，去除所述待识别食物联合特征中的冗余特征，得到所述待识别食物深度特征。

5.根据权利要求1所述的基于图像识别的冰箱智能控制方法，其特征在于，所述S105具体为：S1051：获取食物样本数据集，对所述改进支持向量机分类器进行训练，直至所述改进支持向量机分类器的分类准确性达到预设分类准确性，其中，食物样本数据集包括Food‑

101数据集、UEC‑Food 256数据集、Food‑5K数据集、ETHZ Food‑101数据集和UNICT‑FD889数据集。

6.根据权利要求1所述的基于图像识别的冰箱智能控制方法，其特征在于，所述S108具体包括：S1081：获取所述待识别食物类别的最佳保存温度；

S1082：将所述冰箱的制冷温度调整至所述最佳保存温度。

7.根据权利要求1所述的基于图像识别的冰箱智能控制方法，其特征在于，还包括：S109：设置更新周期，对所述改进支持向量机分类器进行分类准确性校验。

8.一种基于图像识别的智能冰箱，其特征在于，以执行权利要求1至7中任一项所述的基于图像识别的冰箱智能控制方法。