CN108766529A - 一种智能食谱推荐方法及系统 - Google Patents

Abstract

本发明提出的一种智能食谱推荐方法及系统，通过获取食材影像；根据食材影像，智能推荐食谱的技术手段，解决了现有技术只能识别设备中的食材，根据设备中已有的食材进行食谱推荐的局限性，本发明通过识别食材，了解用户的具体需求，更有目的性和针对性向用户推荐食谱。

Description

一种智能食谱推荐方法及系统

技术领域

本发明实施例涉及智能分析技术领域，具体涉及一种智能食谱推荐方法及系统。

背景技术

随着经济水平和生活水平提高，人们对于物质水平的要求越来越高。生活中，人们越来越注重饮食搭配，如何对食品进行合理的营养搭配成为人们的关注焦点。不同的群体应该有不同的饮食搭配，比如老人、小孩、上班族、等各种群体，还需要结合每个人不同的身体状况来进行营养的补充。如专利CN201710892162.4的远程推荐健康食谱的系统及方法等。

现有的一些技术方案和设备，只能识别设备中的食材，根据设备中已有的食材进行推荐，不了解用户的具体需求，缺乏目的性和针对性。也无法根据用户生活习惯和身体状况的改变来进行实时的分析，来合理的调整用户的饮食推荐，不能达到真正的人性化和定制性。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明实施例提供了一种智能食谱推荐方法及系统。

有鉴于此，第一方面，本发明实施例提供一种智能食谱推荐方法，包括：

获取食材影像；

根据食材影像，识别食材属性；

根据食材属性，判断所述食材是否为预选食谱所需食材；

根据判断结果，确定食谱。

根据食材影像，识别食材属性，包括：

将食材影像输入预先构建的食材识别模型，使用Faster R-CNN框架识别食材属性。

所述食材识别模型的构建，包括：

采集食材样本图片；

根据食材属性为所述食材样本图片打入标签；

以打有标签的食材样本图片为训练样本，输入到神经网络进行训练，导出食材识别模型。

所述食材属性包括食材的类别、状态和形态；

所述食材的状态包括生和熟；

所述食材的形态包括整体状、块状、片状、粉碎状或糊状。

根据食材属性对所述食材图片打入标签，包括：根据食材的类别打入类别标签，根据食材的状态打入状态标签，根据食材的形态打入形态标签；

所述根据食材的类别打入类别标签，包括：同一类别的食材打入同一类别标签，不同类别的食材打入不同的类别标签；

所述根据食材的状态打入状态标签，包括：同一状态的食材打入同一状态标签，不同状态的食材打入不同的状态标签。

所述根据食材的形态打入形态标签，包括：同一形态的食材打入同一形态标签，不同形态的食材打入不同的形态标签。

根据判断结果，确定食谱，包括：

若所述食材是预选食谱所需食材，则提示食材正确，食谱不变；

若所述食材不是预选食谱所需食材，则提示食材错误，若放弃使用错误食材，则食谱不变，若继续使用错误食材，则获取错误食材的食材属性，根据错误食材的食材属性查找与错误食材相关的新食谱，将预选食谱更换为所查找的新食谱。

还包括：

获取用餐人数；

根据用餐人数识别所选食材数量是否满足食谱需求，实时提醒正确的食材数量；

提醒所选食材的相克食材，并列出所选食材的营养成分。

提醒所选食材的相克食材，并列出所选食材的营养成分，包括：

将所选食材的属相输入预先构建的食材数据库，输出与所选食材相克的食材，和所选食材的营养成分。

还包括：

获取时间阈值内的食谱清单，计算出时间阈值内摄入的营养总量；

根据所述营养总量，推荐食谱。

可选的，

第二方面，本发明实施例还提供一种智能食谱推荐系统，包括：

摄像模块，用于获取食材影像；

识别模块，用于根据食材影像，识别食材属性；

判断模块，用于根据食材属性，判断所述食材是否为预选食谱所需食材；

确定模块，用于根据判断结果，确定食谱。

相比现有技术，本发明实施例提出的智能食谱推荐方法，通过获取食材影像；根据食材影像，智能推荐食谱的技术手段，解决了现有技术只能识别设备中的食材，根据设备中已有的食材进行食谱推荐的局限性，本发明通过识别食材，了解用户的具体需求，更有目的性和针对性向用户推荐食谱。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一个实施例提供的一种智能食谱推荐方法的流程图；

图2为本发明一个实施例提供的一种智能食谱推荐系统的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。

图1为本发明实施例提供的一种智能食谱推荐方法，可以包括：

获取食材影像；

根据食材影像，识别食材属性；

根据食材属性，判断所述食材是否为预选食谱所需食材；

根据判断结果，确定食谱。

根据食材影像，识别食材属性，包括：

将食材影像输入预先构建的食材识别模型，使用Faster R-CNN框架识别食材属性。

所述食材识别模型的构建，包括：

采集食材样本图片；

根据食材属性为所述食材样本图片打入标签；

以打有标签的食材样本图片为训练样本，输入到神经网络进行训练，导出食材识别模型。

所述食材属性包括食材的类别、状态和形态；

所述食材的状态包括生和熟；

所述食材的形态包括整体状、块状、片状、粉碎状或糊状。

根据食材属性对所述食材图片打入标签，包括：根据食材的类别打入类别标签，根据食材的状态打入状态标签，根据食材的形态打入形态标签；

所述根据食材的类别打入类别标签，包括：同一类别的食材打入同一类别标签，不同类别的食材打入不同的类别标签；

所述根据食材的状态打入状态标签，包括：同一状态的食材打入同一状态标签，不同状态的食材打入不同的状态标签。

所述根据食材的形态打入形态标签，包括：同一形态的食材打入同一形态标签，不同形态的食材打入不同的形态标签。

根据判断结果，确定食谱，包括：

若所述食材是预选食谱所需食材，则提示食材正确，食谱不变；

若所述食材不是预选食谱所需食材，则提示食材错误，若放弃使用错误食材，则食谱不变，若继续使用错误食材，则获取错误食材的食材属性，根据错误食材的食材属性查找与错误食材相关的新食谱，将预选食谱更换为所查找的新食谱。

还包括：

获取用餐人数；

根据用餐人数识别所选食材数量是否满足食谱需求，实时提醒正确的食材数量；

提醒所选食材的相克食材，并列出所选食材的营养成分。

提醒所选食材的相克食材，并列出所选食材的营养成分，包括：

将所选食材的属相输入预先构建的食材数据库，输出与所选食材相克的食材，和所选食材的营养成分。

还包括：

获取时间阈值内的食谱清单，计算出时间阈值内摄入的营养总量；

根据所述营养总量，推荐食谱。

可选的，

图2为本发明实施例还提供一种智能食谱推荐系统，可以包括：

摄像模块，用于获取食材影像；

识别模块，用于根据食材影像，识别食材属性；

判断模块，用于根据食材属性，判断所述食材是否为预选食谱所需食材；

确定模块，用于根据判断结果，确定食谱。

所述摄像模块，使用高分辨率摄像设备对用户所放入的食材进行实时的影像采集。

所述识别模块，使用人工智能系统Tensorflow或caffe等深度学习框架，搭建神经网络并提前进行训练生成食材识别模型。

深度学习技术是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。

本发明首先在Google开源的深度学习框架TensorFlow中搭建好一个具有多个隐层的神经网络，本发明选用著名的VGG网络作为本次的神经网络。然后本发明开始采集各种食材的图片。本发明使用高像素的单反相机对各种食材分别进行取样。每种食材的样本量都很大，在上百张。本发明还对各种食材的“生”的状态，“熟”的状态，“整体状”，“片状”，“粉沫状”，“块状”，“糊状”等各种状态都进行了数据的采集，保证了本发明样本足够的丰富性。并对每种样本都打入标签，使后续的训练中计算机可以根据标签学习每种样本。然后本发明导入所有的样本，运行神经网络开始进行样本的训练。在经过一定时间的深度学习后，TensorFlow会导出一个模型。这个模型就是训练后的食材识别模型，后续本发明的智能设备可以根据这个食材识别模型进行检测和识别。只要是经过神经网络训练过的样本食材，都可以在图幅中检测和识别出来。本发明针对“食材”这个特殊样本进行了神经网络的微调，保证了最好的识别效果。使用Faster R-CNN框架保证了识别的速度，多目标的快速精准识别。

所述用Faster R-CNN框架识别包括：

1.将整张图片输进卷积神经网络CNN，得到卷积特征feature map；

2.卷积特征输入到区域生成网络RPN(Region Proposal Networks)，得到候选框的特征信息；

3.对候选框中提取出的特征信息，使用分类器判别是否属于一个特定类；

4.对于属于某一特征信息对应的候选框，用回归器进一步调整其位置。

本发明要解决的技术问题是要在使用者在使用智能设别时通过应用大数据和智能识别技术可以第一时间识别出所选食材，是否是所做菜品的必须食材，并在第一时间提醒用户在用户选择食材错误，并执意要进行烹饪时，应用大数据检索，为用户提供补救措施或者更加符合的菜谱，用应用AI技术，实时提醒用户，并推荐相关的菜谱和解决措施，在烹饪过程中，会根据用户提供的用餐人数，相应识别出所选的食材的数量是否足够，并实时的提醒用户正确的食材数量，提醒用户所选食材是否有相克食材，避免用户因食材相克产生的食物中毒等风险，并实时列出所选食材的营养种类，新鲜程度，防止用户在烹饪过程中放入不新鲜的食材，应用大数据分析和人工智能识别，列出用户家庭在一段时间的摄入的营养、脂肪、热量等，实时提醒用户注意身体健康，并提醒用户应补充的营养或者为了身体健康应该减少食用的食材种类，根据用户一段时间的所列菜谱，应用大数据和人工智能分析，推断用户近期的饮食规律和饮食规范，并推荐一些适合的菜谱，并在用户选用食材时，予以提示和推荐建议，并在烹饪中根据用户近期的摄入营养量，智能推荐部分食材的加入以补充用户的营养平衡，并在烹饪结束后，对用户烹饪过程中选取的食材种类，食材数量，调料种类，烹饪时间，火候大小，予以一定的评分，提高用户的烹饪水平。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明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)执行本发明各个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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (10)

1.一种智能食谱推荐方法，其特征在于，包括：

获取食材影像；

根据食材影像，识别食材属性；

根据食材属性，判断所述食材是否为预选食谱所需食材；

根据判断结果，确定食谱。

2.根据权利要求1所述的智能食谱推荐方法，其特征在于，根据食材影像，识别食材属性，包括：

将食材影像输入预先构建的食材识别模型，使用Faster R-CNN框架识别食材属性。

3.根据权利要求2述的智能食谱推荐方法，其特征在于，所述食材识别模型的构建，包括：

采集食材样本图片；

根据食材属性为所述食材样本图片打入标签；

以打有标签的食材样本图片为训练样本，输入到神经网络进行训练，导出食材识别模型。

4.根据权利要求1-3任一所述的智能食谱推荐方法，其特征在于，所述食材属性包括食材的类别、状态和形态；

所述食材的状态包括生和熟；

所述食材的形态包括整体状、块状、片状、粉碎状或糊状。

5.根据权利要求4所述的智能食谱推荐方法，其特征在于，根据食材属性对所述食材图片打入标签，包括：根据食材的类别打入类别标签，根据食材的状态打入状态标签，根据食材的形态打入形态标签；

所述根据食材的类别打入类别标签，包括：同一类别的食材打入同一类别标签，不同类别的食材打入不同的类别标签；

所述根据食材的状态打入状态标签，包括：同一状态的食材打入同一状态标签，不同状态的食材打入不同的状态标签。

所述根据食材的形态打入形态标签，包括：同一形态的食材打入同一形态标签，不同形态的食材打入不同的形态标签。

6.根据权利要求1所述的智能食谱推荐方法，其特征在于，根据判断结果，确定食谱，包括：

若所述食材是预选食谱所需食材，则提示食材正确，食谱不变；

若所述食材不是预选食谱所需食材，则提示食材错误，若放弃使用错误食材，则食谱不变，若继续使用错误食材，则获取错误食材的食材属性，根据错误食材的食材属性查找与错误食材相关的新食谱，将预选食谱更换为所查找的新食谱。

7.根据权利要求1所述的智能食谱推荐方法，其特征在于，还包括：

获取用餐人数；

根据用餐人数识别所选食材数量是否满足食谱需求，实时提醒正确的食材数量；

提醒所选食材的相克食材，并列出所选食材的营养成分。

8.根据权利要求7所述的智能食谱推荐方法，其特征在于，提醒所选食材的相克食材，并列出所选食材的营养成分，包括：

将所选食材的属相输入预先构建的食材数据库，输出与所选食材相克的食材，和所选食材的营养成分。

9.根据权利要求1所述的智能食谱推荐方法，其特征在于，还包括：

获取时间阈值内的食谱清单，计算出时间阈值内摄入的营养总量；

根据所述营养总量，推荐食谱。

10.一种智能食谱推荐系统，其特征在于，包括：

摄像模块，用于获取食材影像；

识别模块，用于根据食材影像，识别食材属性；

判断模块，用于根据食材属性，判断所述食材是否为预选食谱所需食材；

确定模块，用于根据判断结果，确定食谱。