CN108932265A - 饮食信息建议系统及其饮食信息建议方法 - Google Patents

Abstract

一种饮食信息建议系统及其饮食信息建议方法，其中饮食信息建议系统至少包括比对平台、数据库及安装于使用者终端的应用程序。数据库储存大量预先建置的神经元，每一个神经元分别包含图片及对应的名称。使用者于进行饮食时，通过使用者终端撷取食物的照片，并藉由应用程序连接比对平台并上传所撷取的照片。比对平台将照片与数据库中大量的神经元进行模糊比对，以识别照片中的食物并回传相关数据至使用者终端。并且，比对平台进一步依据识别出的食物产生对应使用者的饮食建议，并一并回传至使用者终端。本发明可令使用者方便且快速地取得食物的相关数据，并且取得系统针对使用者自身所给出的饮食建议的技术功效，而有助于使用者对于饮食的管控。

Description

饮食信息建议系统及其饮食信息建议方法

技术领域

本发明涉及一种建议系统及建议方法，尤其是涉及一种饮食信息建议系统及其饮食信息建议方法。

背景技术

近年来，人民的生活水平提高，一般大众对于健康越来越重视，不但健身的风潮盛起，对于饮食也越来越讲究(例如要求有机食材，或是于用餐时记录餐点的热量等)。

然而，不同的餐厅对于餐点有不同的管理制度，绝大部分的餐厅并不会提供餐点的相关信息(例如餐点的份量、热量等等)，因此，对于需要对饮食做管控的消费者来说，相当不方便。

承上所述，部分消费者有自己预先设定的健身/瘦身目标，而在摄取了过多的热量后，必须要调整未来的饮食方式或是健身计划，否则将无法达到上述目标。然而，于现有技术中，并没有一套有效的系统或方法，可以协助消费者快速且方便地实现上述目的，实为可惜。

发明内容

本发明的主要目的，在于提供一种饮食信息建议系统及其饮食信息建议方法，可供使用者通过食物的照片而直接取得食物的相关数据，并且取得系统针对使用者所产生并提供的饮食建议。

为了达成上述目的，本发明提供的饮食信息建议系统包括：

一数据库，储存预先建置的多个神经元，其中各该神经元分别包含一图片及对应的一名称；

一比对平台，连接该数据库；

一应用程序，安装于一使用者终端，该使用者终端藉由通过执行该应用程序与该比对平台建立联机，并且该应用程序将该使用者终端所撷取一食物的一照片上传至该比对平台；

其中，该比对平台将该照片与该数据库中的该多个神经元进行模糊比对，以产生一比对结果并回传至该应用程序，其中该比对结果至少包含该食物的名称；

其中，该比对平台依据该食物的名称查询该数据库以取得该食物对应的一食物数据，并回传该食物数据至该应用程序，并且该比对平台由该数据库中取得该应用程序的账号所对应的一使用者数据，依据该使用者数据及该食物数据产生一饮食建议并回传至该应用程序。

如上所述，其中该使用者数据至少包括一使用者的一当前健身计划，该比对平台由该数据库中取得该使用者数据后，依据该使用者数据及该食物数据产生一未来健身计划并回传至该应用程序。

如上所述，其中更包括一深度学习系统，连接该比对平台及该数据库，该深度学习系统对上传至该数据库的多个图片设定名称，并且依据所设定的名称对该多个图片进行分类，以建置该多个神经元。

如上所述，其中该比对平台于判断该比对结果正确时，将该照片及该比对结果传送至该深度学习系统，以由该深度学习系统根据该照片及该比对结果更新该数据库中的该多个神经元。

如上所述，其中该比对平台于判断该比对结果错误时，由该应用程序接收外部输入的一正确名称，并将该照片及该正确名称传送至该深度学习系统，以由该深度学习系统根据该照片及该正确名称更新该数据库中的该多个神经元。

如上所述，其中该比对平台依据该照片中的一食物影像的形状、色彩、表皮状态、尺寸大小、烹调方式及配料的至少其中之一执行一或多次的模糊比对，并获得一或多个模糊比对结果，其中该比对结果包括依据该一或多个模糊比对结果产生的一或多个名称，以及各个名称的可能性百分比。

如上所述，其中该比对平台对该照片进行一过滤处理以去除不必要信息，并且于该照片中包含一文字影像时，该比对平台对该文字影像进行文字辨识并产生一文字辨识结果，并且同时依据该一或多个模糊比对结果及该文字辨识结果产生该比对结果。

如上所述，其中该比对平台对该照片进行一过滤处理以去除一食物影像以外的不必要信息，并且于该照片中包含多笔食物影像时，该比对平台对该多笔食物影像进行切割，并且对各该食物影像分别进行模糊比对并且分别产生对应的该比对结果。

如上所述，其中该应用程序将该使用者终端的一GPS定位信息上传至该比对平台，该比对平台依据该GPS定位信息查询该数据库以获取该使用者终端所在的一店家的一店家数据，并且依据该店家数据过滤该数据库中的该多个神经元后，再将该照片与过滤后的该多个神经元进行模糊比对。

如上所述，其中该比对平台依据该照片中的该食物的名称及该店家数据共同查询该数据库，以取得该食物于该店家中所对应的该食物数据，并回传该食物数据至该应用程序。

如上所述，其中该比对平台记录该食物于该店家中的一销售状态。

为了达成上述目的，本发明提供的饮食信息建议方法运用于由一数据库、一比对平台及安装于一使用者终端的一应用程序所构成的一饮食信息建议系统，该饮食信息建议方法包括：

a)该应用程序将该使用者终端所撷取的一食物的一照片上传至该比对平台；

b)该比对平台将该照片与该数据库中预先建置的多个神经元进行模糊比对，以产生一比对结果并回传至该应用程序，其中各该神经元分别包含一图片及对应的一名称，该比对结果至少包含该食物的名称；

c)该比对平台依据该食物的名称查询该数据库以取得该食物对应的一食物数据，并且回传该食物数据至该应用程序；

d)该比对平台依据该应用程序的账号查询该数据库以取得对应的一使用者数据；及

e)依据该使用者数据及该食物数据产生一饮食建议并回传至该应用程序。

如上所述，其中该使用者数据至少包括一使用者的一当前健身计划，并且该饮食信息建议方法更包括一步骤f：步骤d后，依据该使用者数据及该食物数据产生一未来健身计划并回传至该应用程序。

如上所述，其中该饮食信息建议系统更包括一深度学习系统，并且该饮食信息建议方法更包括下列步骤：

g)于该应用程序判断该比对结果是否正确；

h)于判断该比对结果正确时，该比对平台将该照片及该比对结果传送至该深度学习系统；

i)步骤h后，由该深度学习系统根据该照片及该比对结果更新该数据库中的该多个神经元；

j)于判断该比对结果错误时，由该应用程序接收外部输入的一正确名称并上传至该比对平台；

k)步骤j后，该比对平台将该照片及该正确名称传送至该深度学习系统；及

l)步骤k后，由该深度学习系统根据该照片及该正确名称更新该数据库中的该多个神经元。

如上所述，其中该步骤b是依据该照片中的一食物影像的形状、色彩、表皮状态、尺寸大小、烹调方式及配料的至少其中之一执行一或多次的模糊比对，并获得一或多个模糊比对结果，其中该比对结果包括依据该一或多个模糊比对结果产生的一或多个名称，以及各个名称的可能性百分比。

如上所述，其中更包括下列步骤：

m1)步骤a后，该比对平台对该照片进行一过滤处理，以去除不必要信息；

m2)于判断该照片中具有单一笔该食物影像时，依据该食物影像执行步骤b；及

m3)于判断该照片中具有多笔该食物影像时，对该多笔食物影像进行切割，并且依据各该食物影像分别执行步骤b。

如上所述，其中更包括下列步骤：

n1)步骤a后，该比对平台对该照片进行一过滤处理，以去除该食物影像以外的不必要信息；

n2)于判断该照片中不具有一文字影像时，依据该食物影像执行步骤b；及

n3)于判断该照片中具有该文字影像时，对该文字影像进行文字辨识并产生一文字辨识结果，并依据该食物影像执行步骤b；

其中，该步骤b是同时依据该一或多个模糊比对结果及该文字辨识结果产生该比对结果。

如上所述，其中更包括下列步骤：

a1)该应用程序将该使用者终端的一GPS定位信息上传至该比对平台；

a2)该比对平台依据该GPS定位信息查询该数据库，以获取该使用者终端所在的一店家的一店家数据；

a3)依据该店家数据过滤该数据库中的该多个神经元；

其中，该步骤b是将该照片与过滤后的该多个神经元进行模糊比对。

如上所述，其中步骤c是依据该照片中的该食物的名称及该店家数据共同查询该数据库，以获取该食物于该店家中所对应的该食物数据，并回传该食物数据至该应用程序。

如上所述，其中更包括一步骤o：该比对平台记录该食物于该店家中的一销售状态。

本发明相对于现有技术，可达到令使用者方便且快速地取得食物的相关数据，并且取得系统针对使用者自身所给出的饮食建议的技术功效，而有助于使用者对于饮食的管控。

附图说明

图1为本发明的第一具体实施例的饮食信息建议系统架构图；

图2为本发明的第一具体实施例的数据库示意图；

图3为本发明的第一具体实施例的神经元建置流程图；

图4为本发明的第一具体实施例的饮食信息建议流程图；

图5A为本发明的第一具体实施例的使用示意图；

图5B为本发明的第一具体实施例的显示示意图；

图6为本发明的第一具体实施例的神经元更新流程图；

图7为本发明的第一具体实施例的照片处理流程图；

图8为本发明的第二具体实施例的照片处理流程图；

图9为本发明的第二具体实施例的饮食信息建议流程图；

图10为本发明的第二具体实施例的饮食信息建议系统架构图。

其中，附图标记：

1…比对平台；

2…数据库；

21…神经元；

22…食物数据；

23…使用者数据；

24…店家数据；

3…深度学习系统；

4…使用者终端；

40…应用程序；

41…屏幕；

5…食物；

6…社群平台；

7…健身中心平台；

S10～S14…建置步骤；

S20～S32…建议步骤；

S40～S52…更新步骤；

S60～S68、S70～S78…处理步骤；

S90～S108…建议步骤。

具体实施方式

本发明的一较佳实施例，配合图式，详细说明如下。

本发明公开了一种饮食信息建议系统(下面简称为建议系统)，主要用以接收使用者上传的食物的照片，并且经过比对分析后，提供使用者所食用的食物的相关信息，并且针对各使用者给出饮食建议。由此，有利于使用者进行饮食管控。

参阅图1，为本发明的第一具体实施例的饮食信息建议系统架构图。如图1所示，本发明的建议系统至少包括比对平台1、数据库2及应用程序40，其中比对平台1连接数据库2，而应用程序40主要是安装并执行于使用者所持有的使用者终端4。

本发明中，应用程序40为建议系统的开发者所提供，使用者可下载应用程序40并安装于使用者终端4中。由此，使用者终端4可通过应用程序40的执行来与比对平台1建立联机。

于一实施例中，使用者可操作使用者终端4，以通过使用者终端4的相机镜头(图未标示)撷取食物的照片，并且藉由应用程序40将照片上传至比对平台1。本发明中，比对平台1会对应用程序40所上传的照片进行比对辨识，以辨识出照片中的食物为何，并且进一步回传食物的相关信息至应用程序40。藉此，应用程序40可通过使用者终端4的屏幕来显示上述相关信息，以供使用者进行查看。

请同时参阅图2，为本发明的第一具体实施例的数据库示意图。如图2所示，数据库2中至少储存有预先建置的多个神经元(neuron)21，其中各个神经元21分别包含一张图片以及图片所对应的名称。

具体地，建议系统还包括深度学习系统3，连接比对平台1及数据库2。于一实施例中，深度学习系统3是对上传至数据库2的所有图片分别设定对应的名称，并且再依据所设定的名称对各个图片进行分类，以建置所述的多个神经元21。

本实施例中，数据库2中的图片主要为各种食物的图片，例如牛排、猪排、橘子、香蕉、苹果、香菇、胡萝卜、红酒、白酒等。深度学习系统3于进行上述的分类动作时，可依据各个图片的名称进行分类，或是依据各个图片的种类进行分类(例如肉类、水果类、蔬菜类、饮料类等)，不加以限定。

本发明中，比对平台1从应用程序40接收了上述照片后，主要是将照片与数据库2中的多个神经元21进行模糊比对。并且，于模糊比对完成后，比对平台1产生比对结果，并将比对结果回传至应用程序40。本实施例中，所述比对结果至少包含所述照片中的食物的名称。由此，应用程序40可通过使用者终端4的屏幕显示比对结果，以供使用者了解照片中的食物为何，并且使用者可以进一步判断比对平台1的比对结果是否正确。上述模糊比对为本技术领域中的现有技术，于此不再赘述。

本发明中，比对平台1可进一步依据模糊比对所得的食物的名称来查询数据库2，以由数据库2中取得所述食物的食物数据22，并且将食物数据22回传至应用程序40。藉此，应用程序40可通过使用者终端4的屏幕显示食物数据22，以供使用者了解所述食物的相关信息。于一实施例中，所述食物数据22可例如为照片中的食物的份量、热量、营养素等，但不以此为限。

于另一实施例中，使用者于使用者终端4上执行应用程序40后，需进一步登入使用者的账号(例如输入使用者的账号与密码)。并且，应用程序40于确认使用者的账号正确后，再建立使用者终端4与比对平台1的联机。

于本实施例中，比对平台1还可于由应用程序40取得使用者的账号，并且依据所述账号查询数据库2，以由数据库2中取得使用者所对应的使用者数据23。本实施例中，所述使用者数据23可例如为使用者的年龄、身高、体重、血压、体脂肪等。藉此，比对平台1可于模糊比对完成后，依据所述使用者数据23及食物数据22共同产生饮食建议，并且将饮食建议回传至应用程序40。

承上，应用程序40可通过使用者终端4的屏幕显示上述饮食建议，以供使用者了解并调整接下来的饮食方式。例如，比对平台1可通过上述饮食建议提醒使用者饮用无糖饮料、可以加点的附餐选项、今日可摄取的剩余热量等，但不以此为限。

值得一提的是，所述使用者数据23可进一步记录使用者的当前健身计划(例如预计运动的日期、每次运动的项目及时间等)。于本实施例中，比对平台1还可于取得所述使用者数据23后，依据所述使用者数据23及食物数据22共同产生未来健身计划，并且将未来健身计划回传至应用程序40。

于本实施例中，比对平台1是依据食物数据22判断使用者目前摄取的食物份量与热量是否会影响使用者的健身/瘦身目标，并且于判断为是时，调整使用者数据23中的当前健身计划，以产生所述未来健身计划。藉此，应用程序40可通过使用者终端4的屏幕显示所述未来健身计划，以协助使用者藉由接下来的运动消耗食用了所述食物所增加的卡路里。

通过上述技术手段，当使用者不小心摄取过多的热量而可能无法达到预先设定的健身/瘦身目标时，本发明的建议系统可藉由对健身计划的自动修正，降低饮食对使用者所造成的影响。举例来说，当使用者摄取的热量超过标准时，比对平台1可于所述当前健身计划中增加运动日期、延长运动时间、或是改善运动项目，以产生所述未来健身计划。藉此，可以有效增加使用者于未来一段时间内可藉由健身而消耗的卡路里。

续请参阅图3，为本发明的第一具体实施例的神经元建置流程图。本发明是由建议系统的开发者上传大量的图片至数据库2中(步骤S10)，具体地，所述图片主要为各种类型的食物的图片。接着，由深度学习系统3对数据库2中的图片设定对应的名称(即，图片中的食物的名称)(步骤S12)，并且依据所设定的名称对图片进行分类，以建置数据库2中的多个神经元21(步骤S14)。

于一实施例中，深度学习系统3可通过已知的图像辨识算法对数据库2中的图片进行辨识，以获得图片中的食物的名称。于另一实施例中，深度学习系统3可接受管理人员的操控，并由管理人员直接设定数据库2中的图片的名称。接着，再由深度学习系统3依据该些图片以及图片的名称来进行学习，以利比对平台1进行后续的模糊比对。

参阅图4，为本发明的第一具体实施例的饮食信息建议流程图。本发明进一步公开了一种饮食信息建议方法(下面简称为建议方法)，主要运用于如图1所示的建议系统。

如图4所示，要实现本发明的建议方法，首先使用者需于使用者终端4内安装并执行应用程序40，并且于吃饭时通过使用者终端4的相机镜头(图未标示)拍摄食物的照片(步骤S20)，再通过应用程序40将照片上传至比对平台1(步骤S22)。

比对平台1从应用程序40接收照片后，将照片与数据库2中预先建置完成的多个神经元21进行模糊比对(步骤S24)。并且，比对平台1于比对完成后产生比对结果，再将比对结果回传至应用程序40(步骤S26)，其中，比对结果至少包括照片中的食物的名称。进而，应用程序40可将比对结果显示于使用者终端4的屏幕上，以供使用者查看。

于回传了比对结果后，比对平台1可自动执行下述动作，或是于接收使用者通过应用程序40所发出的触发信号后，执行下述动作，以提供进一步的详细信息至应用程序40，以供使用者查看。

具体地，比对平台1可依据所述食物的名称查询数据库2，以于数据库2中取得所述食物(例如牛排、苹果等)对应的食物数据22，并且回传所取得的食物数据22至应用程序40(步骤S28)。进而，应用程序40可将食物数据22显示于使用者终端4的屏幕上，以供使用者查看。于本实施例中，所述食物数据22可例如为所述食物的份量、热量、营养素等。

另外，比对平台1还可于联机时，从应用程序40取得使用者登入应用程序40所使用的账号，并依据所述账号查询数据库2，以取得对应所述账号的使用者数据23(步骤S30)。接着，比对平台1依据使用者数据23及所述食物数据22产生给使用者的饮食建议，并且回传饮食建议至应用程序40(步骤S32)。进而，应用程序40可将饮食建议显示于使用者终端4的屏幕上，以供使用者查看。

于一实施例中，使用者数据23可包括使用者的当前健身计划。比对平台1还可依据所述使用者数据23及所述食物数据22产生给使用者的未来健身计划，并且回传未来健身计划至应用程序40(步骤S32)。进而，应用程序40可将未来健身计划显示于使用者终端4的屏幕上，以供使用者查看。

参阅图5A及图5B，分别为本发明的第一具体实施例的使用示意图及显示示意图。如图5A所示，当使用者在吃饭时，可先通过使用者终端4拍摄食物5的照片，并且通过应用程序40将照片上传至比对平台1进行模糊比对。本实施例中，所述食物5是以牛排为例，但不加以限定。

接着，如图5B所示，比对平台1完成模糊比对后，可选择性地回复前述的比对结果、食物数据22、饮食建议及未来健身计划至应用程序40，并显示于使用者终端4的屏幕41上，以供使用者查看。于本实施例中，比对结果包含食物5的名称：“牛排”；食物数据22包括食物5的数量(如6盎司)及热量(如228kcal)；饮食建议为：“今日热量已超标，建议停止进食”；未来健身计划为：“建议于用餐完毕后骑自行车1.5小时”。上述仅为本发明的一个具体实施例，但不以此为限。

参阅图6，为本发明的第一具体实施例的神经元更新流程图。本发明的数据库2中已预先建置大量的神经元21，在对使用者上传的照片进行模糊比对并得到比对结果后，本发明的建议系统进一步依据比对结果更新数据库2中的神经元21，以提高模糊比对的准确率。经实验发现，若数据库2中预先建置的神经元21的数量充足，则使用者于使用本发明的建议系统的前期，模糊比对的准确率约为75％。并且，经过长期使用并持续更新数据库2，相同使用者于一年后使用本发明的建议系统，其模糊比对的准确率约可提高至97％。

如图6所示，首先，应用程序40从比对平台1接收照片的比对结果，并将比对结果显示于使用者终端4的屏幕41上(步骤S40)。接着，由应用程序40或使用者判断比对结果是否正确(步骤S42)，即，比对结果中的名称是否与实际的食物5相符。于一实施例中，使用者可操作使用者终端4上的使用者接口(例如按键或触控屏幕等)，以进行比对结果正确或错误的回馈动作。

若比对结果正确，则应用程序40回馈正确信号至比对平台1。藉此，比对平台1直接将所述照片及比对结果传送至深度学习系统3(步骤S44)，并且，由深度学习系统3根据所述照片及比对结果来更新数据库2中的多个神经元21(步骤S46)。具体地，深度学习系统3是依据照片及比对结果来建置新的神经元21，并且储存至数据库2的对应分类文件夹中。

若比对结果错误，则应用程序40回馈错误信号至比对平台1。于本实施例中，应用程序40可接收使用者通过使用者终端4的使用者接口所输入的正确名称(步骤S48)，并且将所述正确名称上传至比对平台1(步骤S50)。本实施例中，比对平台1是将所述照片及使用者输入的正确名称传送至深度学习系统3(步骤S52)，并由深度学习系统3根据所述照片及所述正确名称来更新数据库2中的多个神经元21(步骤S46)。

并且，若比对结果错误，则比对平台1可在取得了上述正确名称后，再依据所述正确名称重新取得并提供前述的食物数据22、饮食建议及未来健身计划等信息。通过图6所示的技术方案，使用者可在模糊比对的结果错误时，通过更正食物的名称来避免接收错误的信息，并且通过持续训练神经元21来提高比对平台1的辨识准确率。

值得一提的是，于一实施例中，比对平台1是对所述照片进行一或多次的模糊比对，以产生一或多次对应的模糊比对结果，并且再依据一或多次的模糊比对结果来统计产生最终的比对结果。其中，所述比对结果为依据一或多个模糊比对结果所产生的一或多个名称，以及各个名称的可能性百分比。具体地，比对平台1可依据照片中的食物影像的形状、色彩、表皮状态、尺寸大小、烹调方式及配料等参数的至少其中之一来执行一或多次的模糊比对，并获得一或多个模糊比对结果。

举例来说，比对平台1依据食物影像的形状进行第一模糊比对并得到第一模糊比对结果为“橘子”、依据食物影像的色彩进行第二模糊比对并得到第二模糊比对结果为“橘子”、依据食物影像的表皮状态进行第三模糊比对并得到第三模糊比对结果为“橘子”、依据食物影像的尺寸大小进行第四模糊比对并得到第四模糊比对结果为“苹果”，并依据食物影像的烹调方式进行第五模糊比对并得到第五模糊比对结果为“橘子”。

于上述例子中，由于五个模糊比对结果中有四个显示照片中的食物5为橘子，而有一个显示照片中的食物5为苹果，因此，比对平台1统计产生的最终的比对结果可例如为：“80％为橘子、20％为苹果”。上述仅为本发明的其中一个实施例，不应以此为限。

续请参阅图7，为本发明的第一具体实施例的照片处理流程图。于一些情况下，使用者所拍摄的照片中可能包含食物5以外的物体(例如桌面、盘子等)，或是单一张照片中可能同时包含多种食物5。本发明的建议系统可通过图7所示的流程对照片进行前处理，以提高比对平台1的辨识准确率。

具体地，首先比对平台1接收应用程序40上传的照片(步骤S60)，接着对照片进行过滤处理，以去除照片中除了食物影像以外的不必要信息(步骤S62)。本实施例中，比对平台1可通过已知的影像辨识算法来分析照片中的食物影像以及不必要信息，所述的不必要信息为食物以外的影像，例如人物、桌面、盘子、餐具等，不加以限定。

接着，比对平台1进一步判断照片中是否具有多笔食物影像(步骤S64)。具体地，比对平台1可通过已知的影像辨识算法来分析照片，以判断照片中具有单一笔食物影像，或是同时具有多笔食物影像。

若判断照片中不具有多笔食物影像，则比对平台1直接对照片中的食物影像进行如图4的步骤S24所述的模糊比对(步骤S66)。若判断照片中具有多笔食物影像，则比对平台1先对照片中的多笔食物影像进行切割，以得到多笔食物影像，并且对多笔食物影像分别进行图4的步骤S24所述的模糊比对(步骤S68)。

举例来说，若照片中包含两笔食物影像(例如主菜的牛排及配菜的花椰菜)，则比对平台1会于切割后，依据牛排的影像执行第一模糊比对，并且再依据花椰菜的影像执行第二模糊比对。并且，该些模糊比对动作可为依序执行或同时执行，不加以限定。

通过上述技术手段，本发明的建议系统可依据单一照片中的多个食物5给出对应的多个食物数据22，并且综合多个食物数据22给出整合后的饮食建议及未来健身计划。由此，使用者不需针对多个食物5来分别拍摄并上传多张照片，相当便利。

参阅图8，为本发明的第二具体实施例的照片处理流程图。本实施例中，比对平台1在对照片进行过滤处理时，除了上述食物影像外，还可保留部分或全部的文字影像(例如菜单中的餐点名称)，以提高比对平台1的辨识准确率。

具体地，比对平台1先接收应用程序40上传的照片(步骤S70)，接着对照片进行过滤处理，以去除照片中的不必要信息(步骤S72)。本实施例中，所述的不必要信息为食物以及文字以外的影像，但不加以限定。接着，比对平台1进一步判断照片中是否具有文字影像(步骤S74)。具体地，比对平台1可通过已知的影像辨识算法来分析照片，以判断照片中除了所述食物影像以外，是否同时具有文字影像。

若判断照片中不具有文字影像，则比对平台1直接对照片中的食物影像进行如图4的步骤S24所述的模糊比对(步骤S76)。若判断照片中具有至少一笔文字影像，则比对平台1先对照片中的文字影像进行文字辨识并产生文字辨识结果(步骤S78)，并且再依据照片中的食物影像执行图4的步骤S24所述的模糊比对(步骤S76)。

本实施例中，比对平台1于步骤S76中可依据食物影像的形状、色彩、表皮状态等参数执行多次的模糊比对动作并产生多笔的模糊比对结果。并且，比对平台1是同时依据所述多笔模糊比对结果以及所述文字辨识结果来共同产生最终的比对结果。由此，可有效提升照片中食物的辨识准确率。

参阅图9，为本发明的第二具体实施例的饮食信息建议流程图。于图4所示的第一具体实施例中，比对平台1是将应用程序40上传的照片与数据库2中的所有神经元21进行模糊比对，以产生比对结果。于图9的实施例中，比对平台1先对数据库2中的神经元21进行过滤以降低比对数量后，再进行模糊比对。由此，可提高辨识准确率，并降低建议系统的工作负载量。

本实施例中，使用者是先操作使用者终端4以撷取食物5的照片(步骤S90)，并且通过使用者终端4的定位模块(图未标示)取得使用者终端4的GPS定位信息(步骤S92)。接着，通过应用程序40将所述照片及GPS定位信息上传至比对平台1(步骤S94)。接着，于执行模糊比对前，比对平台1先依据所接收的GPS定位信息查询数据库2，以获取使用者终端4目前所在位置的相关数据。

具体地，本实施例是假定使用者目前位于贩卖食物的店家之中，而比对平台1是根据GPS定位信息从数据库2中取得如图2所示的店家数据24(步骤S96)。并且，比对平台1再依据店家数据24来过滤数据库2中的多个神经元21(步骤S98)。具体地，比对平台1是于数据库2中过滤使用者所在的店家没有贩卖的食物所对应的神经元21。

举例来说，若比对平台1依据所述GPS定位信息取得对应的店家数据24，并且店家数据24显示使用者目前位于水果行，则经过上述步骤S98后，比对平台1可仅保留数据库2中属于水果类别的神经元21，并过滤其他类别(例如肉类、酒类等)的神经元21。

接着，比对平台1将所述照片与过滤后的多个神经元21进行模糊比对(步骤S100)，并且于模糊比对后产生比对结果，再回传比对结果至应用程序40(步骤S102)。相同地，所述比对结果至少需包含所述照片中的食物5的名称。

于本实施例中，比对平台1还依据食物5的名称以及店家数据24共同查询数据库2，以获取所述食物5于所述店家中所对应的食物数据22，并且再回传所获取的食物数据22至应用程序40(步骤S104)。

具体来说，不同的店家对于相同的食物可能会有不同的份量或烹调方式。例如，A店家的牛排是8盎司的沙朗牛排加上玫瑰盐，B店家的牛排则是6盎司的牛小排佐黑胡椒酱，虽然两者都是牛排，但所得的食物数据22将会不同(例如两者的份量及热量皆不同)。本实施例中比对平台1同时依据食物5的名称及店家数据24来查询数据库2，可令所得的食物数据22更为贴近使用者实际食用的食物5。

同样地，于本实施例中，比对平台1可由应用程序40取得使用者的账号，依据所述账号查询数据库2以取得对应的使用者数据23，并且再依据使用者数据23及所述食物数据22产生给使用者的饮食建议与未来健身计划，并且回传至应用程序40(步骤S106)。

值得一提的是，本实施例中，建议系统可通过上述食物数据22及店家数据24判断使用者在哪个店家点了哪一种食物5。因此，比对平台1还可进一步记录所述食物5于所述店家中的销售状态(步骤S108)。由此，建议系统的开发者可进一步将上述销售状态反馈给各个店家，以令各个店家了解店内的各种食物(各种餐点)的销售情形。

续请参阅图10，为本发明的第二具体实施例的饮食信息建议系统架构图。与图1所示的建议系统的差异在于，本实施例中，建议系统进一步包括连接比对平台1的社群平台6与健身中心平台7。

于本实施例中，比对平台1可以在完成模糊比对、取得了照片中的食物5所对应的食物数据22，并且计算产生了上述饮食建议及未来健身计划后，自动填入使用者于社群平台6及/或健身中心平台7的账号，以达到自动分享的效果。例如，比对平台1可自动于使用者的社群平台6(例如FACEBOOK、Google+等)的账号分享所述照片及所述食物数据22。再例如，比对平台1可自动于使用者的健身中心平台7的账号登录所述未来健身计划。

通过本发明的建议系统及建议方法，可令使用者快速地取得食物的相关数据，并且获得系统针对使用者所给出的饮食建议与健身计划，而有助于使用者对于饮食的管控。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明权利要求的保护范围。

Claims (20)

1.一种饮食信息建议系统，其特征在于，包括：

一数据库，储存预先建置的多个神经元，其中各该神经元分别包含一图片及对应的一名称；

一比对平台，连接该数据库；

一应用程序，安装于一使用者终端，该使用者终端通过执行该应用程序与该比对平台建立联机，并且该应用程序将该使用者终端所撷取一食物的一照片上传至该比对平台；

其中，该比对平台将该照片与该数据库中的该多个神经元进行模糊比对，以产生一比对结果并回传至该应用程序，其中该比对结果至少包含该食物的名称；

其中，该比对平台依据该食物的名称查询该数据库以取得该食物对应的一食物数据，并回传该食物数据至该应用程序，并且该比对平台由该数据库中取得该应用程序的账号所对应的一使用者数据，依据该使用者数据及该食物数据产生一饮食建议并回传至该应用程序。

2.根据权利要求1所述的饮食信息建议系统，其特征在于，该使用者数据至少包括一使用者的一当前健身计划，该比对平台由该数据库中取得该使用者数据后，依据该使用者数据及该食物数据产生一未来健身计划并回传至该应用程序。

3.根据权利要求1所述的饮食信息建议系统，其特征在于，更包括一深度学习系统，连接该比对平台及该数据库，该深度学习系统对上传至该数据库的多个图片设定名称，并且依据所设定的名称对该多个图片进行分类，以建置该多个神经元。

4.根据权利要求3所述的饮食信息建议系统，其特征在于，该比对平台于判断该比对结果正确时，将该照片及该比对结果传送至该深度学习系统，以由该深度学习系统根据该照片及该比对结果更新该数据库中的该多个神经元。

5.根据权利要求4所述的饮食信息建议系统，其特征在于，该比对平台于判断该比对结果错误时，由该应用程序接收外部输入的一正确名称，并将该照片及该正确名称传送至该深度学习系统，以由该深度学习系统根据该照片及该正确名称更新该数据库中的该多个神经元。

6.根据权利要求3所述的饮食信息建议系统，其特征在于，该比对平台依据该照片中的一食物影像的形状、色彩、表皮状态、尺寸大小、烹调方式及配料的至少其中之一执行一或多次的模糊比对，并获得一或多个模糊比对结果，其中该比对结果包括依据该一或多个模糊比对结果产生的一或多个名称，以及各个名称的可能性百分比。

7.根据权利要求6所述的饮食信息建议系统，其特征在于，该比对平台对该照片进行一过滤处理以去除不必要信息，并且于该照片中包含一文字影像时，该比对平台对该文字影像进行文字辨识并产生一文字辨识结果，并且同时依据该一或多个模糊比对结果及该文字辨识结果产生该比对结果。

8.根据权利要求3所述的饮食信息建议系统，其特征在于，该比对平台对该照片进行一过滤处理以去除一食物影像以外的不必要信息，并且于该照片中包含多笔食物影像时，该比对平台对该多笔食物影像进行切割，并且对各该食物影像分别进行模糊比对并且分别产生对应的该比对结果。

9.根据权利要求3所述的饮食信息建议系统，其特征在于，该应用程序将该使用者终端的一GPS定位信息上传至该比对平台，该比对平台依据该GPS定位信息查询该数据库以获取该使用者终端所在的一店家的一店家数据，并且依据该店家数据过滤该数据库中的该多个神经元后，再将该照片与过滤后的该多个神经元进行模糊比对。

10.根据权利要求9所述的饮食信息建议系统，其特征在于，该比对平台依据该照片中的该食物的名称及该店家数据共同查询该数据库，以取得该食物于该店家中所对应的该食物数据，并回传该食物数据至该应用程序。

11.根据权利要求9所述的饮食信息建议系统，其特征在于，该比对平台记录该食物于该店家中的一销售状态。

12.一种饮食信息建议方法，其特征在于，该饮食信息建议方法运用于由一数据库、一比对平台及安装于一使用者终端的一应用程序所构成的一饮食信息建议系统，该饮食信息建议方法包括：

a)该应用程序将该使用者终端所撷取的一食物的一照片上传至该比对平台；

b)该比对平台将该照片与该数据库中预先建置的多个神经元进行模糊比对，以产生一比对结果并回传至该应用程序，其中各该神经元分别包含一图片及对应的一名称，该比对结果至少包含该食物的名称；

c)该比对平台依据该食物的名称查询该数据库以取得该食物对应的一食物数据，并且回传该食物数据至该应用程序；

d)该比对平台依据该应用程序的账号查询该数据库以取得对应的一使用者数据；及

e)依据该使用者数据及该食物数据产生一饮食建议并回传至该应用程序。

13.根据权利要求12所述的饮食信息建议方法，其特征在于，该使用者数据至少包括一使用者的一当前健身计划，并且该饮食信息建议方法更包括一步骤f：步骤d后，依据该使用者数据及该食物数据产生一未来健身计划并回传至该应用程序。

14.根据权利要求12所述的饮食信息建议方法，其特征在于，该饮食信息建议系统更包括一深度学习系统，并且该饮食信息建议方法更包括下列步骤：

g)于该应用程序判断该比对结果是否正确；

h)于判断该比对结果正确时，该比对平台将该照片及该比对结果传送至该深度学习系统；

i)步骤h后，由该深度学习系统根据该照片及该比对结果更新该数据库中的该多个神经元；

j)于判断该比对结果错误时，由该应用程序接收外部输入的一正确名称并上传至该比对平台；

k)步骤j后，该比对平台将该照片及该正确名称传送至该深度学习系统；及

l)步骤k后，由该深度学习系统根据该照片及该正确名称更新该数据库中的该多个神经元。

15.根据权利要求12所述的饮食信息建议方法，其特征在于，该步骤b是依据该照片中的一食物影像的形状、色彩、表皮状态、尺寸大小、烹调方式及配料的至少其中之一执行一或多次的模糊比对，并获得一或多个模糊比对结果，其中该比对结果包括依据该一或多个模糊比对结果产生的一或多个名称，以及各个名称的可能性百分比。

16.根据权利要求15所述的饮食信息建议方法，其特征在于，更包括下列步骤：

m1)步骤a后，该比对平台对该照片进行一过滤处理，以去除不必要信息；

m2)于判断该照片中具有单一笔该食物影像时，依据该食物影像执行步骤b；及

m3)于判断该照片中具有多笔该食物影像时，对该多笔食物影像进行切割，并且依据各该食物影像分别执行步骤b。

17.根据权利要求15所述的饮食信息建议方法，其特征在于，更包括下列步骤：

n1)步骤a后，该比对平台对该照片进行一过滤处理，以去除该食物影像以外的不必要信息；

n2)于判断该照片中不具有一文字影像时，依据该食物影像执行步骤b；及

n3)于判断该照片中具有该文字影像时，对该文字影像进行文字辨识并产生一文字辨识结果，并依据该食物影像执行步骤b；

其中，该步骤b是同时依据该一或多个模糊比对结果及该文字辨识结果产生该比对结果。

18.根据权利要求12所述的饮食信息建议方法，其特征在于，更包括下列步骤：

a1)该应用程序将该使用者终端的一GPS定位信息上传至该比对平台；

a2)该比对平台依据该GPS定位信息查询该数据库，以获取该使用者终端所在的一店家的一店家数据；

a3)依据该店家数据过滤该数据库中的该多个神经元；

其中，该步骤b是将该照片与过滤后的该多个神经元进行模糊比对。

19.根据权利要求18所述的饮食信息建议方法，其特征在于，步骤c是依据该照片中的该食物的名称及该店家数据共同查询该数据库，以获取该食物于该店家中所对应的该食物数据，并回传该食物数据至该应用程序。

20.根据权利要求19所述的饮食信息建议方法，其特征在于，更包括一步骤o：该比对平台记录该食物于该店家中的一销售状态。