CN108461123A - 一种确定食材选用可行性的方法、装置和烹饪电器 - Google Patents
一种确定食材选用可行性的方法、装置和烹饪电器 Download PDFInfo
- Publication number
- CN108461123A CN108461123A CN201810186554.3A CN201810186554A CN108461123A CN 108461123 A CN108461123 A CN 108461123A CN 201810186554 A CN201810186554 A CN 201810186554A CN 108461123 A CN108461123 A CN 108461123A
- Authority
- CN
- China
- Prior art keywords
- food material
- nutrient
- target food
- evaluation
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Health & Medical Sciences (AREA)
- Nutrition Science (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Preparation And Processing Of Foods (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种确定食材选用可行性的方法、装置、烹饪电器和计算机存储介质,该方法包括:根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应;根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度;如此,能够客观全面地确定食材可选用性。
Description
技术领域
本发明涉及食材选用技术,涉及一种确定食材选用可行性的方法、装置、烹饪电器和计算机存储介质。
背景技术
目前,对于给定的营养评价标准,评价是否选取某种食材时,通常采用简单判断的逻辑,也就是说,评价结果只能为是或否;然而,由于营养具有多个维度(例如可以包括多种营养素),上述这种通过一个确定性指标评价是否选取某种食材的方法,不能实现对食材的营养的综合评估,因而,这种评价方法的客观性和准确性较低。
发明内容
为解决上述技术问题,本发明实施例期望提供一种确定食材选用可行性的方法、装置、烹饪电器和计算机存储介质,旨在解决现有的食材评价方法的客观性和准确性较低的问题。
本发明实施例提供了一种确定食材选用可行性的方法,所述方法包括:
根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;
根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应,i为大于或等于1的整数;
根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
上述方案中,所述根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度,包括:
对所述目标食材的每种营养素的权重进行归一化处理,得出所述目标食材的每种营养素的归一化权重;
根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
上述方案中,所述根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度,包括:
将所述目标食材的各种营养素的归一化权重以模糊矩阵表示,将所述目标食材的各种营养素对各个评价等级的隶属度以模糊矩阵表示;
针对以模糊矩阵表示的所述目标食材的各种营养素的归一化权重、以及以模糊矩阵表示的所述目标食材的各种营养素对各个评价等级的隶属度,进行模糊矩阵的复合运算,得出运算结果,所述运算结果用于表示各个营养评价等级上选用所述目标食材的可行程度。
上述方案中,所述根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重,包括:
将所述目标食材的第j种营养素的含量,除以第j种营养素的预设各级含量标准值的平均值,得出所述目标食材的第j种营养素的权重,j为大于或等于1的整数。
上述方案中,所述根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,包括:
根据所述目标食材的第j种营养素的含量与第j种营养素的预设各级含量标准值的邻近程度,确定所述目标食材的第j种营养素对各个营养评价等级的隶属度,j为大于或等于1的整数。
本发明实施例还提出了一种确定食材选用可行性的装置,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,
所述处理器用于运行所述计算机程序时,执行以下步骤:
根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;
根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应,i为大于或等于1的整数;
根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
上述方案中,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
对所述目标食材的每种营养素的权重进行归一化处理,得出所述目标食材的每种营养素的归一化权重;
根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
上述方案中,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
将所述目标食材的各种营养素的归一化权重以模糊矩阵表示,将所述目标食材的各种营养素对各个评价等级的隶属度以模糊矩阵表示;
针对以模糊矩阵表示的所述目标食材的各种营养素的归一化权重、以及以模糊矩阵表示的所述目标食材的各种营养素对各个评价等级的隶属度,进行模糊矩阵的复合运算,得出运算结果,所述运算结果用于表示各个营养评价等级上选用所述目标食材的可行程度。
上述方案中,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
将所述目标食材的第j种营养素的含量,除以第j种营养素的预设各级含量标准值的平均值,得出所述目标食材的第j种营养素的权重,j为大于或等于1的整数。
上述方案中,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
根据所述目标食材的第j种营养素的含量与第j种营养素的预设各级含量标准值的邻近程度,确定所述目标食材的第j种营养素对各个营养评价等级的隶属度,j为大于或等于1的整数。
本发明实施例还提出了一种烹饪电器,所述烹饪电器包括上述任意一种确定食材选用可行性的装置。
本发明实施例还提出了一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任意一种确定食材选用可行性的方法的步骤。
本发明实施例中,根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应;根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度;如此,可以利用隶属度描述食材所属某种营养评价等级的程度,并且可以兼顾评价食材可选用性时客观存在的界限模糊性,使得确定食材选用可行性的方法更加客观科学;另外,在确定食材选用可行性的过程中,综合考虑了各单项营养素所起到的作用。
附图说明
图1为本发明实施例的确定食材选用可行性的方法的流程图;
图2为本发明实施例的确定食材选用可行性的装置的组成结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明实施例中,食材可以具有多种营养素,营养素是指食物中可给人体提供能量、构成机体和组织修复以及具有生理调节功能的化学成分。凡是能维持人体健康以及提供生长、发育和劳动所需要的各种物质称为营养素。营养素包括但不限于:蛋白质、脂类、糖类、维生素、水、无机盐(矿物质)、膳食纤维(纤维素)、非必需营养素等。
需要说明的是,本发明实施例可以基于特定的m种营养素实现,特定的m种营养素可以根据实际需要预先设置,m为大于1的自然数;例如,本发明实施例可以基于碳水化合物、脂肪和蛋白质3种营养素实现。
在上述记载的关于营养素的内容的基础上,提出以下各实施例。
第一实施例
本发明第一实施例提供了一种确定食材选用可行性的方法,图1为本发明实施例的确定食材选用可行性的方法的流程图,如图1所示,该流程可以包括:
步骤101:根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;
可以理解的是,目标食材的每种营养素的含量是公知且固定不变的;在一个示例中,目标食材的每种营养素的含量是在目标食材的质量为标准质量时所确定每种营养素的质量,例如,标准质量可以是100g、200g等。
实际应用中,可以针对每种营养素,预先设置n级含量标准值,n为大于1的整数;这里,每级含量标准值可以与目标食材的每种营养素的含量的单位相同;示例性地,可以针对碳水化合物物设定4级含量标准值,4级含量标准值从小到大依次为100mg、200mg、300mg和400mg。
示例性地,本步骤的一种可选的实施方式为:将所述目标食材的第j种营养素的含量,除以第j种营养素的预设各级含量标准值的平均值,得出所述目标食材的第j种营养素的权重,j为大于或等于1的整数,且,j小于或等于m,m为营养素的种类数。
也就是说,目标食材的每种营养素的权重的计算方式可以用以下公式进行说明:
其中,Wj表示第j种营养素以平均标准为基准的超标指数,即目标食材的第j种营养素的权重;Cj表示目标食材的第j种营养素的含量(即目标食材的第j种营养素的实测浓度);Sj表示目标食材的第j种营养素的预设各级含量标准值的算术平均值。
可选的,在得出目标食材的每种营养素的权重后,还可以对目标食材的每种营养素的权重进行归一化处理,得出所述目标食材的每种营养素的归一化权重。
这里,对目标食材的每种营养素的权重进行归一化处理的公式为:
其中,Vj表示目标食材第j种营养素的归一化权重;
显然,可以看出,目标食材第j种营养素的归一化权重均在0和1之间。
步骤102:根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应,i为大于或等于1的整数,且i小于或等于n。
由于营养具备多维度,存在综合判断的概念,所以这里可以用隶属概念来描述模糊的营养判定,隶属度可以指某事物所属某种标准的程度;对于给定食材A,其5种营养素的含量为[Ax1,Ax2,Ax3,Ax4,Ax5],假如另有食材B,其对应的5种营养素含量为[Bx1,Bx2,Bx3,Bx4,Bx5],达到一定水平时,对A的替换接受程度可以达95%。
隶属度可以用隶属函数进行表示,隶属函数可以使线性函数或非线性函数;在一个典型的示例中,隶属度的取值范围为[0,1]。
可以看出,对于n级含量标准值,需要预先设置与n级含量标准值分别对应的n个营养评价等级。
可选的,可以根据所述目标食材的第j种营养素的含量与第j种营养素的预设各级含量标准值的邻近程度,确定所述目标食材的第j种营养素对各个营养评价等级的隶属度;这里,目标食材的第j种营养素对各个营养评价等级的隶属度之和等于1。
在一个示例中,每种营养素的预设各级含量标准值可以包括:从小到大依次排列的第1级含量标准值至第n级含量标准值。
当目标食材的第j种营养素的含量小于或等于第j种营养素的第1级含量标准值时,确定目标食材的第j种营养素对第1个营养评价等级的隶属度为1,目标食材的第j种营养素对第2个营养评价等级至第n个营养评价等级的隶属度均为0;
例如,目标食材的脂肪的预设各级含量标准值分别为:1.0mg、2.0mg和4.0mg,如果目标食材的脂肪的含量为0.5mg,则确定目标食材的脂肪对第1个营养评价等级的隶属度为1,目标食材的脂肪对第2个营养评价等级至第3个营养评价等级的隶属度均为0。
当目标食材的第j种营养素的含量大于或等于第j种营养素的第n级含量标准值时,确定目标食材的第j种营养素对第n个营养评价等级的隶属度为1,目标食材的第j种营养素对第1个营养评价等级至第n-1个营养评价等级的隶属度均为0;
例如,目标食材的蛋白质的预设各级含量标准值分别为:200mg、300mg和500mg,如果目标食材的蛋白质的含量为800mg,则确定目标食材的脂肪对第3个营养评价等级的隶属度为1,目标食材的脂肪对第1个营养评价等级至第2个营养评价等级的隶属度均为0。
当目标食材的第j种营养素的含量大于第j种营养素的第1级含量标准值,且小于第j种营养素的第n级含量标准值时,首先,在第j种营养素的各级含量标准值中,确定与目标食材的第j种营养素的含量最接近的两级含量标准值,所确定出的两级含量标准值从小到大分别记为D0和D1,
然后,可以根据以下公式确定目标食材的第j种营养素对D0所属营养评价等级和D1所属营养评价等级的隶属度:
其中,Cj表示目标食材的第j种营养素的含量,Y0表示目标食材的第j种营养素对D0所属营养评价等级的隶属度,Y1表示目标食材的第j种营养素对D1所属营养评价等级的隶属度。
最后,确定目标食材的第j种营养素对其余营养评价等级的隶属度均为0。
例如,目标食材的蛋白质的预设各级含量标准值分别为:200mg、300mg和500mg,如果目标食材的蛋白质的含量为420mg,则根据以上公式,可以确定目标食材的脂肪对第2个营养评价等级的隶属度为0.4,目标食材的脂肪对第3个营养评价等级的隶属度为0.6,目标食材的脂肪对第1个营养评价等级的隶属度均为0。
在另一个示例中,如果n等于2,即,只有两个营养评价等级时,将第j种营养素的预设两级含量标准值分别记为X0和X1,将目标食材的第j种营养素的含量记为X;
如果X0<X<X1,则目标食材的第j种营养素对X0所属营养评价等级的隶属度Y0以及目标食材的第j种营养素对X1所属营养评价等级的隶属度Y1分别为:
如果X≥X1,则目标食材的第j种营养素对X0所属营养评价等级的隶属度Y0等于0,目标食材的第j种营养素对X0所属营养评价等级的隶属度Y1等于1。
如果X≤X0,则目标食材的第j种营养素对X0所属营养评价等级的隶属度Y0等于1,目标食材的第j种营养素对X0所属营养评价等级的隶属度Y1等于0。
需要说明的是,本发明实施例中,并不对步骤101和步骤102的执行顺序进行限定,例如,两者可以同时执行,或者,步骤101可以在步骤102之前执行,也可以在步骤102之后执行。
步骤103:根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
可选的,可以根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
可选的,可以将所述目标食材的各种营养素的归一化权重以模糊矩阵表示,将所述目标食材的各种营养素对各个评价等级的隶属度以模糊矩阵表示;
针对以模糊矩阵表示的所述目标食材的各种营养素的归一化权重、以及以模糊矩阵表示的所述目标食材的各种营养素对各个评价等级的隶属度,进行模糊矩阵的复合运算,得出运算结果,所述运算结果用于表示各个营养评价等级上选用所述目标食材的可行程度。
这里,模糊矩阵的复合运算,同一般矩阵乘法相似,不同的是:将矩阵乘法中的两数相乘“·”改为取其中小者为“积”,运算符可以记为“∧”;将矩阵乘法中的两数相加“+”改为取其中大者为“和”,运算符可以记为“∨”。
可以理解的是,目标食材的各种营养素的归一化权重的取值在0和1之间,且目标食材的每种营养素对各个评价等级的隶属度均在0和1之间,这样,便于实现模糊矩阵的复合运算。
也就是说,可以构建第一模糊矩阵,第一模糊矩阵是大小为1*m的矩阵,第一模糊矩阵的第1行第j列的元素为目标食材的第j种营养素的归一化权重;还可以构建第二模糊矩阵,第二模糊矩阵是大小为m*n的矩阵,第二模糊矩阵的第j行第i列的元素为目标食材的第j种营养素对第i个营养评价等级的隶属度。
在得到第一模糊矩阵和第二模糊矩阵之后,对第一模糊矩阵和第二模糊矩阵进行复合运算得到一个大小为1*n的矩阵,在这个大小为1*n的矩阵中,第i列的元素表示第i个营养评价等级上选用目标食材的可行程度。
模糊数学理论是近年来发展起来的科学,配餐中食物根据热量和营养价值作为替换依据,具备很高的模糊性,因此也可以通过上述记载的模糊矩阵的复合运算的方式对营养进行综合评估,打破以往仅用一个确定性指标的方法,实现更客观、科学地对食材可选用性进行评价
实际应用中,步骤101至步骤103均可以由处理器实现。
应用本发明实施例的确定食材选用可行性的方法时,具有以下优点:第一,可以利用隶属度描述食材所属某种营养评价等级的程度,并且可以兼顾评价食材可选用性时客观存在的界限模糊性,使得确定食材选用可行性的方法更加客观科学;第二,在确定食材选用可行性的过程中,综合考虑了各单项营养素所起到的作用;具体地,综合考虑了各单项营养素在评价食材总体可用性中的作用;例如,针对每种营养素,可以设置对应的权重。
第二实施例
为了能够更加体现本发明的目的,在本发明第一实施例的基础上,进行进一步的举例说明。
本发明实施例中,确定食材可用性的方法可以用以下算法模型来描述:
利用食材的营养评价等级对食材可选用性进行评价,在营养评价等级中的等级数可以记为n,即有n个等级;假设某种食材有m个评价因素(营养素),m个评价因素(营养素)中的第j个评价因素(营养素)可以记为uj,j=1,2…m。每个评价因素有n个营养评价等级,这n个营养评价等级的第i个营养评价等级可以记为Vi,i=1,2,…n。在一个示例中,n个营养评价等级可以依次记为I、II、III、IV、V等。
各个评价因素的各个营养评价等级可以用表1进行表示。
表1
表1反映了各营养素与营养评价等级之间的关系,这种关系用隶属度表示,是一种模糊关系;也就是说,表1中,Rji表示第j个评价因素(营养素)对第i个营养评价等级的隶属度(第j个评价因素可能为第i个营养评价等级的概率),各个评价因素的各个营养评价等级还可以用模糊矩阵R表示,
可以理解的是,各种营养素所起到的作用是不同的,那么各种营养在确定食材可选用性中的地位也不相同,在此基础上,可以根据目标食材,设置各种营养素的权重,示例性地,目标食材的各种营养素的权重之和为1。
这里,可以用矩阵A表示目标食材的各种营养素的权重,也就是说,
A=(a1 … am)
其中,aj表示目标食材的第j种营养素的权重,示例性地,
可以看出,矩阵A和矩阵R是两个模糊矩阵,因此,可以针对矩阵A和矩阵R,通过模糊矩阵的复合运算,得到矩阵B,即有B=A·R,其中,“.”表示模糊矩阵的复合运算。
这里,矩阵B的各元素可以分别表示各个营养评价等级上选用目标食材的可行程度(即食材的某评价中属于各个营养评价等级的程度)。
例如,矩阵B可以表示为:B=(b1 … bn),在矩阵B中,在第1个营养评价等级上选用目标食材的可行程度为b1,在第1个营养评价等级上选用目标食材的可行程度为b2,以此类推,可以根据矩阵B,综合评价各个营养评价等级上选用目标食材的可行程度。
下面通过一个具体的应用实施例说明本发明的确定食材可用性的方法。
在该应用实施例中,m等于3,3种营养素(评价因素)分别为碳水化合物、脂肪和蛋白质;n等于5,5个营养评价等级分别记为I、II、III、IV、V。
根据每种营养素的各营养等级对应的含量标准值(每种营养素的预设各级含量标准值)、以及目标食材的各种营养素的实际含量可以得出表2。
表2
表2中的各数值的单位可以是mg;可以看出,表2中,说明了碳水化合物对应的预设第1级含量标准值至预设第5级含量标准值分别为20mg、50mg、100mg、200mg、400mg;脂肪对应的预设第1级含量标准值至预设第5级含量标准值分别为0.5mg、1.0mg、2.0mg、5.0mg、10.0mg;蛋白质对应的预设第1级含量标准值至预设第5级含量标准值分别为50mg、100mg、200mg、500mg、1000mg;目标食材的碳水化合物、脂肪和蛋白质的实际含量分别为38mg、0.7mg和14mg。
之后,可以根据本发明第一实施例的记载内容得出目标食材的每种营养素对各个营养评价等级的隶属度,以脂肪为例,目标食材的含量为0.7,与目标食材的脂肪含量相邻的两级含量标准值分别为X0=0.5(I级)和X1=1.0(II级),可以得出:目标食材的脂肪对第1个营养评价等级(I级)的隶属度YI为:
目标食材的脂肪对第2个营养评价等级(III级)的隶属度YII级为:
也就是说,单独针对脂肪而言,目标食材属于第1个营养评价等级的隶属度为60%,目标食材属于第2个营养评价等级的隶属度为40%。显然,单独针对脂肪而言,目标食材不可能被划归到第3个营养评价等级至第5个营养评价等级,故目标食材属于第3个营养评价等级至第5个营养评价等级的隶属度均为0。
同理,可以得出目标食材的碳水化合物对各个营养评价等级的隶属度、以及目标食材的蛋白质对各个营养评价等级的隶属度。利用目标食材的各种营养素对各个营养评价等级的隶属度可以构造大小为3*5的模糊矩阵R,
这里,还可以根据本发明第一实施例的记载内容得出目标食材的各种营养素的归一化权重。
具体地,根据本发明第一实施例的记载内容,对碳水化合物而言,预设的5级含量标准值的算术平均值为:154,通过表2可以看出,数值154介于第3营养评价等级和第4个营养评价等级之间,同理,脂肪的预设的5级含量标准值的算术平均值为3.7,蛋白质的预设的5级含量标准值的算术平均值为370。
目标食材的碳水化合物的权重为0.25,目标食材的脂肪权重为0.19,目标食材的蛋白质的权重为0.05。
根据上述记载的目标食材的各种营养素的归一化权重的计算公式,可以得出:目标食材的碳水化合物的归一化权重为0.52,目标食材的脂肪的归一化权重为0.40,目标食材的蛋白质的归一化权重为0.08。
本实施例中,目标食材的各种营养素的归一化权重的计算过程可以用表3进行说明。
项目 | I | II | III | IV | V | Cj | Sj | Wj | Vj |
碳水化合物 | 20 | 50 | 100 | 200 | 400 | 38 | 154 | 0.25 | 0.52 |
脂肪 | 0.5 | 1.0 | 2.0 | 5.0 | 10.0 | 0.7 | 3.7 | 0.19 | 0.40 |
蛋白质 | 50 | 100 | 200 | 500 | 1000 | 14 | 370 | 0.04 | 0.08 |
表3
表3中,Cj对应的一列分别表示目标食材的碳水化合物、脂肪和蛋白质的含量(即目标食材的第j种营养素的实测浓度),Sj对应的一列分别表示目标食材的碳水化合物、脂肪和蛋白质的预设各级含量标准值的算术平均值,Wj对应的一列分别表示目标食材的碳水化合物、脂肪和蛋白质的权重,Vj对应的一列分别表示目标食材的碳水化合物、脂肪和蛋白质的归一化权重。
利用目标食材的碳水化合物、脂肪和蛋白质的归一化权重,可以构建一个大小为1*3的矩阵A,A=(0.52,0.40,0.08)。
可以针对矩阵A和矩阵R,通过模糊矩阵的复合运算,得到矩阵B,即有B=A·R,根据上述记载的模糊矩阵的复合运算方式,矩阵B的第一列元素b1等于(0.52∧0.40)∨(0.40∧0.60)∨(0.08∧1.0),由于“∧”表示取其中小者为“积”,“∨”表示取其中大者为“和”,因而b1=0.40∨0.40∨0.08=0.4;
同理,矩阵B的第二列元素b2等于0.52,矩阵B的第三列元素b3、第四列元素b4和第五列元素b5均等于0,则有:
B=(0.4,0.52,0,0,0)
可以看出,对目标食材的可选用性的综合评价结果包括:第1个营养评价等级上选用目标食材的可行程度为0.4,第2个营养评价等级上选用目标食材的可行程度为0.52,第3个营养评价等级至第5个营养评价等级上选用目标食材的可行程度均为0。
第三实施例
在前述实施例提出的确定食材选用可行性的方法的基础上,本发明第三实施例提供了一种确定食材选用可行性的装置。
图2为本发明实施例的确定食材选用可行性的装置的组成结构示意图,如图2所示,该装置20包括处理器201和用于存储能够在处理器上运行的计算机程序的存储器202;其中,
所述处理器用于运行所述计算机程序时,执行以下步骤:
根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;
根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应,i为大于或等于1的整数;
根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
在实际应用中,上述存储器202可以是易失性存储器(volatile memory),例如随机存取存储器(RAM,Random-Access Memory);或者非易失性存储器(non-volatilememory),例如只读存储器(ROM,Read-Only Memory),快闪存储器(flash memory),硬盘(HDD,Hard Disk Drive)或固态硬盘(SSD,Solid-State Drive);或者上述种类的存储器的组合,并向处理器201提供指令和数据。
上述处理器201可以为特定用途集成电路(ASIC,Application SpecificIntegrated Circuit)、数字信号处理器(DSP,Digital Signal Processor)、数字信号处理装置(DSPD,Digital Signal Processing Device)、可编程逻辑装置(PLD,ProgrammableLogic Device)、现场可编程门阵列(FPGA,Field Programmable Gate Array)、中央处理器(CPU,Central Processing Unit)、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述第二处理器功能的电子器件还可以为其它,本发明实施例不作具体限定。
示例性地,所述处理器201具体用于运行所述计算机程序时,执行以下步骤:
对所述目标食材的每种营养素的权重进行归一化处理,得出所述目标食材的每种营养素的归一化权重;
根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
示例性地,所述处理器201具体用于运行所述计算机程序时,执行以下步骤:
将所述目标食材的各种营养素的归一化权重以模糊矩阵表示,将所述目标食材的各种营养素对各个评价等级的隶属度以模糊矩阵表示;
针对以模糊矩阵表示的所述目标食材的各种营养素的归一化权重、以及以模糊矩阵表示的所述目标食材的各种营养素对各个评价等级的隶属度,进行模糊矩阵的复合运算,得出运算结果,所述运算结果用于表示各个营养评价等级上选用所述目标食材的可行程度。
示例性地,所述处理器201具体用于运行所述计算机程序时,执行以下步骤:
将所述目标食材的第j种营养素的含量,除以第j种营养素的预设各级含量标准值的平均值,得出所述目标食材的第j种营养素的权重,j为大于或等于1的整数。
示例性地,所述处理器201具体用于运行所述计算机程序时,执行以下步骤:
根据所述目标食材的第j种营养素的含量与第j种营养素的预设各级含量标准值的邻近程度,确定所述目标食材的第j种营养素对各个营养评价等级的隶属度,j为大于或等于1的整数。
第四实施例
本发明第四实施例提供了一种烹饪电器,该烹饪电器包括第三实施例中的任意一种确定食材选用可行性的装置。
第五实施例
基于与前述实施例相同的技术构思,本发明第五实施例提供了一种计算机可读介质;前述实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器执行本实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
具体来讲,本实施例中的一种确定食材选用可行性的方法对应的计算机程序指令可以被存储在光盘,硬盘,U盘等存储介质上,当存储介质中的与一种确定食材选用可行性的方法对应的计算机程序指令被一电子设备读取或被执行时,导致所述至少一个处理器执行本发明前述实施例的任意一种确定食材选用可行性的方法所述的步骤。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (12)
1.一种确定食材选用可行性的方法,其特征在于,所述方法包括:
根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;
根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应,i为大于或等于1的整数;
根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度,包括:
对所述目标食材的每种营养素的权重进行归一化处理,得出所述目标食材的每种营养素的归一化权重;
根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度,包括:
将所述目标食材的各种营养素的归一化权重以模糊矩阵表示,将所述目标食材的各种营养素对各个评价等级的隶属度以模糊矩阵表示;
针对以模糊矩阵表示的所述目标食材的各种营养素的归一化权重、以及以模糊矩阵表示的所述目标食材的各种营养素对各个评价等级的隶属度,进行模糊矩阵的复合运算,得出运算结果,所述运算结果用于表示各个营养评价等级上选用所述目标食材的可行程度。
4.根据权利要求1所述的方法,其特征在于,所述根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重,包括:
将所述目标食材的第j种营养素的含量,除以第j种营养素的预设各级含量标准值的平均值,得出所述目标食材的第j种营养素的权重,j为大于或等于1的整数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,包括:
根据所述目标食材的第j种营养素的含量与第j种营养素的预设各级含量标准值的邻近程度,确定所述目标食材的第j种营养素对各个营养评价等级的隶属度,j为大于或等于1的整数。
6.一种确定食材选用可行性的装置,其特征在于,所述装置包括:处理器和用于存储能够在处理器上运行的计算机程序的存储器;其中,
所述处理器用于运行所述计算机程序时,执行以下步骤:
根据目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值的平均值,确定所述目标食材的每种营养素的权重;
根据所述目标食材的每种营养素的含量、以及所述每种营养素的预设各级含量标准值,确定所述目标食材的每种营养素对各个营养评价等级的隶属度,其中,第i个营养评价等级与预设第i级含量标准值对应,i为大于或等于1的整数;
根据所述目标食材的每种营养素的权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
7.根据权利要求6所述的装置,其特征在于,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
对所述目标食材的每种营养素的权重进行归一化处理,得出所述目标食材的每种营养素的归一化权重;
根据所述目标食材的每种营养素的归一化权重、以及所述目标食材的每种营养素对各个评价等级的隶属度,确定出各个营养评价等级上选用所述目标食材的可行程度。
8.根据权利要求7所述的装置,其特征在于,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
将所述目标食材的各种营养素的归一化权重以模糊矩阵表示,将所述目标食材的各种营养素对各个评价等级的隶属度以模糊矩阵表示;
针对以模糊矩阵表示的所述目标食材的各种营养素的归一化权重、以及以模糊矩阵表示的所述目标食材的各种营养素对各个评价等级的隶属度,进行模糊矩阵的复合运算,得出运算结果,所述运算结果用于表示各个营养评价等级上选用所述目标食材的可行程度。
9.根据权利要求6所述的装置,其特征在于,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
将所述目标食材的第j种营养素的含量,除以第j种营养素的预设各级含量标准值的平均值,得出所述目标食材的第j种营养素的权重,j为大于或等于1的整数。
10.根据权利要求6所述的装置,其特征在于,所述处理器具体用于运行所述计算机程序时,执行以下步骤:
根据所述目标食材的第j种营养素的含量与第j种营养素的预设各级含量标准值的邻近程度,确定所述目标食材的第j种营养素对各个营养评价等级的隶属度,j为大于或等于1的整数。
11.一种烹饪电器,其特征在于,所述烹饪电器包括权利要求6至10任一项所述的确定食材选用可行性的装置。
12.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810186554.3A CN108461123A (zh) | 2018-03-07 | 2018-03-07 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
PCT/CN2018/122848 WO2019169930A1 (zh) | 2018-03-07 | 2018-12-21 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810186554.3A CN108461123A (zh) | 2018-03-07 | 2018-03-07 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108461123A true CN108461123A (zh) | 2018-08-28 |
Family
ID=63216515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810186554.3A Pending CN108461123A (zh) | 2018-03-07 | 2018-03-07 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108461123A (zh) |
WO (1) | WO2019169930A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019169930A1 (zh) * | 2018-03-07 | 2019-09-12 | 美的集团股份有限公司 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
CN112309544A (zh) * | 2019-08-02 | 2021-02-02 | 广东美的白色家电技术创新中心有限公司 | 食谱替换处理方法及装置 |
CN116864023A (zh) * | 2023-07-14 | 2023-10-10 | 上海福贝宠物用品股份有限公司 | 一种基于大数据分析的宠食配方分析方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040023189A1 (en) * | 2002-07-30 | 2004-02-05 | Bateman Kevin John | System and method for displaying a nutritional program |
CN105677852A (zh) * | 2016-01-07 | 2016-06-15 | 陕西师范大学 | 一种个性化健康饮食推荐服务方法 |
CN106096237A (zh) * | 2016-05-31 | 2016-11-09 | 点击率(北京)科技有限公司 | 一种智能推荐健康饮食的方法及装置 |
CN106296521A (zh) * | 2016-08-08 | 2017-01-04 | 统安易(北京)科技有限公司 | 基于营养评估的儿童配餐系统 |
CN107680652A (zh) * | 2017-09-13 | 2018-02-09 | 天津大学 | 一种基于机器学习的营养饮食推荐及评价方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002230174A (ja) * | 2001-02-01 | 2002-08-16 | Ajinomoto Co Inc | 栄養評価方法及びその装置並びに栄養評価システム |
JP3730938B2 (ja) * | 2002-06-10 | 2006-01-05 | シダックス株式会社 | 食事評価システム |
CN1967550A (zh) * | 2006-11-22 | 2007-05-23 | 中国疾病预防控制中心营养与食品安全所 | 便携式营养查询计算评价装置及其查询计算评价方法 |
CN102253926A (zh) * | 2011-05-13 | 2011-11-23 | 泸州品创科技有限公司 | 定量评判酿酒母糟品质的方法 |
CN102707024B (zh) * | 2012-05-04 | 2015-07-22 | 中国水产科学研究院南海水产研究所 | 基于肌肉中蛋白和酶类的罗非鱼片品质评价模型构建方法 |
CN103530496A (zh) * | 2012-07-04 | 2014-01-22 | 中粮营养健康研究院有限公司 | 食物营养价值评分系统及方法 |
CN105069278A (zh) * | 2015-07-14 | 2015-11-18 | 安徽农业大学 | 一种微生物发酵后菜籽粕品质的模糊综合评价的方法 |
CN107657140A (zh) * | 2016-07-23 | 2018-02-02 | 东北林业大学 | 一种猴头菇品质监测体系的构建方法 |
CN106845112A (zh) * | 2017-01-19 | 2017-06-13 | 中国地质科学院水文地质环境地质研究所 | 一种地下水质量综合评价方法 |
CN108461123A (zh) * | 2018-03-07 | 2018-08-28 | 美的集团股份有限公司 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
-
2018
- 2018-03-07 CN CN201810186554.3A patent/CN108461123A/zh active Pending
- 2018-12-21 WO PCT/CN2018/122848 patent/WO2019169930A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040023189A1 (en) * | 2002-07-30 | 2004-02-05 | Bateman Kevin John | System and method for displaying a nutritional program |
CN105677852A (zh) * | 2016-01-07 | 2016-06-15 | 陕西师范大学 | 一种个性化健康饮食推荐服务方法 |
CN106096237A (zh) * | 2016-05-31 | 2016-11-09 | 点击率(北京)科技有限公司 | 一种智能推荐健康饮食的方法及装置 |
CN106296521A (zh) * | 2016-08-08 | 2017-01-04 | 统安易(北京)科技有限公司 | 基于营养评估的儿童配餐系统 |
CN107680652A (zh) * | 2017-09-13 | 2018-02-09 | 天津大学 | 一种基于机器学习的营养饮食推荐及评价方法 |
Non-Patent Citations (3)
Title |
---|
李玉珍等: "模糊数学评价法在食品感官评价中的应用", 《中国酿造》 * |
杨章华: "模糊数学在食品质量评定中的应用", 《中国调味品》 * |
郭爱明,郭耀邦: "层次分析法(AHP)确定食品质量指标权重", 《食品科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019169930A1 (zh) * | 2018-03-07 | 2019-09-12 | 美的集团股份有限公司 | 一种确定食材选用可行性的方法、装置和烹饪电器 |
CN112309544A (zh) * | 2019-08-02 | 2021-02-02 | 广东美的白色家电技术创新中心有限公司 | 食谱替换处理方法及装置 |
CN116864023A (zh) * | 2023-07-14 | 2023-10-10 | 上海福贝宠物用品股份有限公司 | 一种基于大数据分析的宠食配方分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2019169930A1 (zh) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tallentire et al. | Artificial selection for improved energy efficiency is reaching its limits in broiler chickens | |
Farina et al. | Modification of the RothC model for simulations of soil organic C dynamics in dryland regions | |
CN108461123A (zh) | 一种确定食材选用可行性的方法、装置和烹饪电器 | |
Malik et al. | Engineering properties of sunflower seed: Effect of dehulling and moisture content | |
Ghazanfari et al. | Thin-layer drying of flax fiber: II. Modeling drying process using semi-theoretical and empirical models | |
Weiss‐Schneeweiss et al. | Genome size evolution in holoparasitic Orobanche (Orobanchaceae) and related genera | |
Conrad et al. | Healthy diets can create environmental trade-offs, depending on how diet quality is measured | |
Ma et al. | Development and evaluation of the RZWQM‐CROPGRO hybrid model for soybean production | |
Le et al. | Evaluating carbon sequestration for conservation agriculture and tillage systems in Cambodia using the EPIC model | |
Kaewpila et al. | Development of methane conversion factor models for Zebu beef cattle fed low‐quality crop residues and by‐products in tropical regions | |
Abdelghany et al. | Exploring the phenotypic stability of soybean seed compositions using multi-trait stability index approach | |
Janjai et al. | Measurement and modeling of moisture sorption isotherm of litchi (Litchi Chinensis Sonn.) | |
Lees et al. | Variability and typical error in the kinematics and kinetics of the maximal instep kick in soccer | |
Alemayhu et al. | Shelf-life prediction of edible cotton, peanut and soybean seed oils using an empirical model based on standard quality tests | |
Carr et al. | Temporal variations of water productivity in irrigated corn: An analysis of factors influencing yield and water use across central Nebraska | |
Bora et al. | Image processing analysis to track colour changes on apple and correlate to moisture content in drying stages | |
Zarei et al. | A mechanical method of determining seed-hardness in pomegranate | |
Al-Mahasneh et al. | Fuzzy and conventional modeling of open sun drying kinetics for roasted green wheat | |
Huseinovic et al. | Does diet intervention in line with nutrition recommendations affect dietary carbon footprint? Results from a weight loss trial among lactating women | |
Yang et al. | Residual soil nitrogen in soil landscapes of Canada as affected by land use practices and agricultural policy scenarios | |
Cazzato et al. | Forage yield and quality of emmer (Triticum dicoccum Schübler) and spelt (Triticum spelta L.) as affected by harvest period and nitrogen fertilization | |
Sawicka et al. | The effect of effective microorganisms on the quality of potato chips and french fries | |
Niedbała et al. | Application of artificial neural network sensitivity analysis to identify key determinants of harvesting date and yield of soybean (Glycine max [L.] Merrill) cultivar Augusta | |
Qi et al. | Discrete element‐based calibration of simulation parameters of Cyperus esculentus L.(tiger nut) planted in sandy soil | |
Leão et al. | Nutritional intake and training load of professional female football players during a mid-season microcycle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |