1.一种基于YOLOv8的菜品碳排放量的计算方法，其特征在于，所述方法包括如下步骤：步骤1、收集菜品图像和菜品配料相关信息的历史数据，构建菜品图像数据集；

步骤2、基于YOLOv8算法构建目标检测识别模型，利用菜品图像数据集训练目标检测识别模型，并采用总损失函数优化目标检测识别模型，得到训练好的目标检测识别模型；

步骤3、利用训练好的目标检测识别模型，结合任意菜品图像得到最终预测结果，通过最终预测结果得到用餐前、后菜品配料的检测面积，利用用餐前、后菜品配料的检测面积和最终预测结果通过计算得到用餐前、后餐盘中菜品配料的重量，基于所述用餐前、后餐盘中菜品配料的重量，通过碳排放量计算模型计算得出浪费菜品的碳排放百分比；

在所述步骤2中，基于YOLOv8算法构建目标检测识别模型，利用菜品图像数据集训练目标检测识别模型，并采用总损失函数优化目标检测识别模型，得到训练好的目标检测识别模型，具体步骤如下：将菜品图像数据集分为训练数据集、测试数据集和验证数据集；

基于YOLOv8算法模型，结合训练数据集训练获得目标检测识别模型；

将训练数据集输入目标检测识别模型，得到预测结果，过程包含如下关系式：；

其中， 表示目标检测识别模型的权重参数， 表示任意菜品图像， 表示预测结果，表示检测头模块， 表示颈部模块， 表示基准模块， 表示目标检测识别模型；

利用预测结果和真实标签构建总损失函数，并通过最小化损失以优化目标检测识别模型，得到优化后的目标检测识别模型；

将验证数据集输入优化后的目标检测识别模型进行验证，利用测试数据集评估优化后的目标检测识别模型的性能，评估通过，得到训练好的目标检测识别模型；

总损失函数由类别分类损失、边框回归损失和Wise‑IoU 损失所构建而成；

边框回归损失：

；

；

其中， 表示边框回归损失， 表示第 个预测值， 表示第 个预测值，表示预测目标在第 个预测值时对应的全局最优解， 表示预测目标在第 个预测值时对应的全局最优解；

类别分类损失：

；

其中， 表示类别分类损失， 表示预测框和真实框的交并比， 表示类别预测概率， 和 均表示超参数；

Wise‑IoU 损失：

；

；

；

其中， 表示Wise‑IoU损失， 表示真实框和预测框的重叠程度， 和 均表示参数， 表示离群度， 表示y轴坐标真值标签， 表示距离度量， 表示1与的差值， 表示预测结果的x轴坐标， 表示x轴左边真值标签， 表示预测框宽度，表示预测框高度；

总损失函数：

；

其中， 表示总损失；

在所述步骤3中，利用训练好的目标检测识别模型，结合任意菜品图像得到最终预测结果，通过最终预测结果得到用餐前、后菜品配料的检测面积，具体步骤如下：将任意菜品图像输入训练好的目标检测识别模型，得到最终预测结果，过程存在如下关系式：；

其中， 表示最终预测结果， 表示训练好的目标检测识别模型， 表示训练好的目标检测识别模型的权重参数；

最终预测结果包含预测框坐标和各菜品及配料分类结果，基于预测框坐标计算获得用餐前、后菜品配料的检测面积；

利用用餐前、后菜品配料的检测面积和最终预测结果通过计算得到用餐前、后餐盘中菜品配料的重量，过程中存在的关系式为：；

其中， 表示用餐前菜品配料的检测面积， 表示用餐后菜品配料的检测面积， 表示菜品高度， 表示用餐前餐盘中菜品配料的重量， 表示用餐后餐盘中菜品配料的重量， 表示配料的密度；

基于所述用餐前、后餐盘中菜品配料的重量，通过碳排放量计算模型计算得出浪费菜品的碳排放百分比，具体步骤如下：通过碳排放量计算模型计算得到配料的碳排放因子，计算公式如下：；

其中， 表示配料的碳排放因子， 表示配料在运输过程中产生的总碳排放量，表示配料的重量在运输菜品总重量的占比， 表示配料在冷藏过程中设备的碳排放量，表示配料冷藏时间在设备每月运行时间的占比， 表示烹饪配料的碳排放量， 表示每位学生对配料的消费量在配料的重量的占比；

通过配料的碳排放因子，结合用餐前、后餐盘中菜品配料的重量，计算得到用餐前、后的菜品碳排放总量，最后得出浪费菜品的碳排放百分比，过程中的计算关系式如下：;

其中， 表示用餐前的菜品碳排放总量， 表示用餐后的菜品碳排放总量， 表示浪费菜品的碳排放百分比。

2.根据权利要求1所述的基于YOLOv8的菜品碳排放量的计算方法，其特征在于，在所述步骤1中，收集菜品图像和菜品配料相关信息的历史数据，构建菜品图像数据集，菜品图像数据集的表达式为：；

其中， 表示菜品图像数据集， 表示菜品图像， 表示菜品图像标签信息， 表示菜品图像数据总数量。

3.基于YOLOv8的菜品碳排放量的计算系统，其特征在于，所述系统应用如上述权利要求1至2任意一项所述的基于YOLOv8的菜品碳排放量的计算方法，所述系统包括：数据集构成模块，用于收集菜品图像和菜品配料相关信息的历史数据，构建菜品图像数据集；

模型训练模块，用于基于YOLOv8算法构建目标检测识别模型，利用菜品图像数据集训练目标检测识别模型，并采用总损失函数优化目标检测识别模型，得到训练好的目标检测识别模型；

计算模块，用于利用训练好的目标检测识别模型，结合任意菜品图像得到最终预测结果，通过最终预测结果得到用餐前、后菜品配料的检测面积，利用用餐前、后菜品配料的检测面积和最终预测结果通过计算得到用餐前、后餐盘中菜品配料的重量，基于所述用餐前、后餐盘中菜品配料的重量，通过碳排放量计算模型计算得出浪费菜品的碳排放百分比。