CN110335094A - 一种点餐机的智能提示方法与系统 - Google Patents
一种点餐机的智能提示方法与系统 Download PDFInfo
- Publication number
- CN110335094A CN110335094A CN201910642696.0A CN201910642696A CN110335094A CN 110335094 A CN110335094 A CN 110335094A CN 201910642696 A CN201910642696 A CN 201910642696A CN 110335094 A CN110335094 A CN 110335094A
- Authority
- CN
- China
- Prior art keywords
- customer
- food materials
- ordering
- vegetable
- appetite
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 235000013305 food Nutrition 0.000 claims abstract description 103
- 239000000463 material Substances 0.000 claims abstract description 87
- 230000036528 appetite Effects 0.000 claims abstract description 58
- 235000019789 appetite Nutrition 0.000 claims abstract description 58
- 239000002699 waste material Substances 0.000 claims abstract description 12
- 230000007812 deficiency Effects 0.000 claims abstract description 7
- 235000013311 vegetables Nutrition 0.000 claims description 70
- 238000012417 linear regression Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 210000000577 adipose tissue Anatomy 0.000 claims description 7
- 238000012217 deletion Methods 0.000 claims description 7
- 230000037430 deletion Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 210000000476 body water Anatomy 0.000 claims description 3
- 210000000988 bone and bone Anatomy 0.000 claims description 3
- 210000003205 muscle Anatomy 0.000 claims description 3
- 239000000706 filtrate Substances 0.000 claims description 2
- 241000287828 Gallus gallus Species 0.000 description 8
- 235000013330 chicken meat Nutrition 0.000 description 8
- 235000012054 meals Nutrition 0.000 description 4
- 235000011888 snacks Nutrition 0.000 description 3
- 240000006108 Allium ampeloprasum Species 0.000 description 2
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 2
- 241000272525 Anas platyrhynchos Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 235000021185 dessert Nutrition 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000005686 eating Nutrition 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 235000021266 loss of appetite Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种点餐机的智能提示方法与系统。点餐机安装有图像采集装置，座位上安装有传感器，用于获取顾客的生物属性信息；根据所述顾客生物属性信息，推测所述顾客的正常食量；根据顾客已经点餐的数量和每道菜的食材量，获取已点的总共食材；计算所有顾客总食量与总共食材量的比值，判断点餐数量是否足够；若点餐数量不足，根据所述已点食材，推荐搭配食材或者加量食材；若点餐数量超出顾客食量，提醒顾客可能造成浪费，并推荐应该如何去除重复品类的菜色。本发明可以根据顾客信息推断适量的食物，避免顾客点餐出现明显的食量不足或者点餐过量造成浪费，并能根据食量不足和点餐过量进行针对性的食物增加或者去除的推荐。有效的满足了顾客需求，也节约了食物。
Description
技术领域
本发明涉及计算机应用技术领域，尤其涉及一种点餐机的智能提示方法与系统。
背景技术
随着科技的发展，现在去餐馆吃饭的时候，点餐过程都是机器辅助实现自动化的，可以减少服务员的很多劳动。一般人们就坐之后，就可以在餐桌上通过自动点餐机点餐，完成之后，会有服务员送餐过来。当前的点餐机在点餐过程中，并不会考虑顾客点餐数量是否足够，或者点餐数量是否超出客人的食用量，造成浪费等问题。即使能对超出食用量进行提醒，目前对点餐机也无法给出更具体的解决方案来进行超出部分的最优化处理。本发明针对以上问题，提供更好的解决方法。
发明内容
本发明提供了一种点餐机的智能提示方法，主要包括以下步骤：
点餐机安装有图像采集装置，座位上安装有传感器，用于获取顾客的生物属性信息；
根据所述顾客生物属性信息，推测所述顾客的正常食量。
根据顾客已经点餐的数量和每道菜的食材量，获取已点食材；
计算所有顾客总食量与总共食材量的比值，判断点餐数量是否足够；
若点餐数量不足，根据所述已点食材，推荐搭配食材或者加量食材；
若点餐数量超出顾客食量，提醒顾客可能造成浪费，并推荐应该如何去除重复品类的菜色。
进一步可选地，如上所述的方法中，所述点餐机安装有图像采集装置，座位上安装有传感器，用于获取顾客的生物属性信息，主要包括：
通过采集顾客的身体、人脸与装扮，采用openvc图像识别软件，结合图像识别算法，识别顾客年龄、性别、身高；
座位上安装有ito膜或电极片材料的传感器，用于测量顾客体脂，获得顾客体重，以及他的人体脂肪百分比、人体水分百分比、人体肌肉百分比、骨骼重量等人体成分；
进一步可选地，如上所述的方法中，所述根据所述顾客生物属性信息，推测所述顾客的正常食量，主要包括：
通过获取所述顾客生物属性信息，统计大量所述顾客的食量，并对应到他的生物属性特征上，形成标注好的模型数据，用于训练线性回归模型；
根据所述线性回归模型，通过顾客生物属性信息，预测顾客正常食量。
进一步可选地，如上所述的方法中，所述获取点菜数量和每道菜的食材量，计算所有顾客总食量与总共食材量的比值，判断点餐数量是否足够，主要包括：
当顾客完成点餐，系统统计点菜数量，并根据每道菜的名称获取所述菜的食材量，将所有食材汇总，计算本次点餐食材的总量；
根据获取的顾客生物属性特征，推测每一个顾客的所述正常食量，汇总所有顾客的所述正常食量的总量；
比较所述点餐食材的总量是否大于所述正常食量的总量；
判断点餐数量是否足够。
进一步可选地，如上所述的方法中，所述若点餐数量不足，根据所述已点食材，推荐搭配食材或者加量食材，主要包括：
根据已点食材，获取所述食材中，食材重量少于预设阈值的菜品。根据所述菜品的同类别菜品，获取食材量更大的菜品，进行同类别菜品的推荐；
或者，根据已点食材，获取食材的关联食材，进行不同类别的菜品推荐。其中，所述关联食材是指，通过关联规则或者协同过滤，获取顾客点第一菜品后，经常还会继续点的第二菜品；根据菜品之间的关联，为顾客推荐互补性的菜品；
或者，根据所述已点食材，对食材类别进行排序，获取顾客口味类别，为顾客推荐合适顾客口味的菜品；
点餐机对顾客进行点餐提示。
进一步可选地，如上所述的方法中，所述点餐机对顾客进行点餐提示，主要包括：
系统提示顾客点餐数量可能会不够吃，询问是否增加食材量；
若是，让顾客选择是进行同类别菜品的推荐，还是为顾客推荐互补性的菜品，还是为顾客推荐合适顾客口味的菜品；
若否，按照顾客的需求进行下单。
进一步可选地，如上所述的方法中，所述若点餐数量超出顾客食量，提醒顾客可能造成浪费，并推荐应该如何去除重复品类的菜色，主要包括：
若点餐数量超出所有顾客的正常食量的总和，并且超过了预设的阈值，则点餐机提示顾客，点餐过多，可能会造成金钱和食物的浪费；
询问顾客是否减少点餐量，
若是，分析已点菜品中是否存在多种重复的品类，将重复品类展现给顾客，提示顾客进行重复品类菜品的删除；
若菜品中不存在多种重复品类，根据所述顾客生物属性，获取不适合当前顾客食用的食物，提示顾客，进行不适合菜品的删除。
本发明公开了一种点餐机的智能提示系统，所述系统包括：
顾客信息获取模块，用于根据顾客的外部信息和生物属性信息获取，推断顾客的食量；
已点菜品与顾客食量匹配模块，用于判断所点的菜品是否足够满足所有顾客的食量；
点餐不足时的推荐模块，用于在点餐不足时，推荐合适的菜品；
点餐过量时的删除模块，用于在点餐过量时，提醒顾客，并推荐删除的菜品。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明可以根据顾客信息推断适量的食物，避免顾客点餐出现明显的食量不足或者点餐过量造成浪费，并能根据食量不足和点餐过量进行针对性的食物增加或者去除的推荐。有效的满足了顾客需求，也节约了食物。
附图说明
图1为本发明的一种点餐机的智能提示方法实施例的流程图；
图2为本发明的一种点餐机的智能提示系统实施例的结构图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的点餐机的智能提示方法的流程图。如图1所示，本实施例的点餐机的智能提示方法，具体可以包括如下步骤：
步骤101，点餐机安装有图像采集装置，座位上安装有传感器，用于获取顾客的生物属性信息。
通过采集顾客的身体、人脸与装扮，采用openvc图像识别软件，结合图像识别算法，识别顾客年龄、性别、身高；图像识别装置识别顾客就坐之前的身高，识别顾客的人脸和穿着，根据人脸和装扮，判断年龄和性别。
以人脸判别为例，为了识别人脸，需要收集足够多的要识别的人的人脸图像。收集好之后，选择适合人脸识别的机器学习算法，通过算法来学习收集的数据，从而训练出一个模型并保存，下次进来一帧图像，通过算法对模型里的参数进行匹配识别。人脸识别机器学习算法有很多，如SVM（支持向量机），ANN（人工神经网络）还有最常用的是基于特征脸的算法。OpenCV提供了CV::Algorithm类，类中有基于特征脸的（PCA 主成分分析）、Fisher脸（LDA 线性判别分析）和LPBH（局部二值模式直方图）。
训练好模型之后，一般是把模型保存下来，以免下次重复训练。直接加载模型即可。下一步就是人脸识别。同样，opencv把识别算法集成在FaceRecognizer类中，调用FaceRecognizer::predict() 就可以识别。
同样的道理，可以通过训练顾客的穿着数据，训练和判别一个人的性别和年龄，这些识别方法可以通过不同的训练数据而实现识别目的的不同，并且有开源软件可以调用，在此不再赘述。一个人的食量多少，很大的因素来源于他的年龄、性别、身高等因素，当然也包括身体内在的一些因素。
座位上安装有ito膜或电极片材料的传感器，用于测量顾客体脂，获得顾客体重，以及他的人体脂肪百分比、人体水分百分比、人体肌肉百分比、骨骼重量等人体成分；座位具有类似体脂秤一样功能的设备，能够对顾客的体重和体脂特征进行分析。因为一个人具有一定的体型，大多数情况都是由于其饮食习惯造成的。所以，上述顾客生物属性特征，能够很好的为顾客的食量预测，提供数据分析的基础。
步骤102，根据顾客生物属性信息，推测顾客的正常食量。
通过获取所述顾客生物属性信息，以及所述顾客在餐厅用餐过程中已经发生的，对应的实际食量，训练线性回归模型；
根据所述线性回归模型，通过顾客生物属性信息，预测顾客正常食量；虽然具有相同生物属性特征的顾客，不一定就具有严格相同的食量。但是如果从多人统计的综合角度，这种统计就具有大数据意义上的科学性。本发明通过统计大量顾客的食量，并对应到他的生物属性特征上，形成的模型，可以很好的预测一个人的食量。例如，如果模型的训练数据中，有一百个120斤左右的成年男人的食量是2斤左右的食材。那么可以预测，下一个120斤左右的成年男人的食量也是2斤左右。基于一般意义的模型，可以很好的区别其他顾客，例如一个5岁的小孩的食量只有0.5斤。通过这些生物基本属性信息，基本上可以预测一个人的食量，通过将整桌的个人食量相加，就能预测整桌顾客需要的食材总量。
步骤103，获取点菜数量和每道菜的食材量，计算所有顾客总食量与总共食材量的比值，判断点餐数量是否足够。
当顾客完成点餐，系统统计点菜数量，并根据每道菜的名称获取所述菜的食材量，将所有食材汇总，计算本次点餐食材的总量；可以在顾客点完餐，准下单的时候进行食材总量计算，也可以每点一道菜，就进行一次食材的计算。
根据获取的顾客生物属性特征，推测每一个顾客的所述正常食量，汇总所有顾客的所述正常食量的总量；汇总所有人的正常食量，能够比预测单个人的食量更近精准，因为一个人可能会有个人的因素，例如突然胃口不好或者节食等，而多个人的食量预测，则会把这些个人因素互相抵消。例如一个顾客想节食、一个顾客想加餐。最后，使总量预测更近精准。
比较所述点餐食材的总量是否大于所述正常食量的总量；
判断点餐数量是否足够。例如，10个人预测应该需要总共20斤的食材总量，但是他们只点了10斤，与经过历史数据训练好的模型的预测结果不符。而且超出了一定的相差量幅度。因此需要进行下一步的提醒。
步骤104，若点餐数量不足，根据已点食材，推荐搭配食材或者加量食材。
点餐系统提示顾客点餐数量可能会不够吃，询问是否增加食材量；
若否，按顾客坚持的需求进行下单。
若是，让顾客选择是进行同类别菜品的推荐，还是为顾客推荐互补性的菜品，还是为顾客推荐合适顾客口味的菜品；
推荐方法主要包括以下三种方法：
根据已点食材，获取所述食材中，食材重量少于预设阈值的菜品。根据所述菜品的同类别菜品，获取食材量更大的菜品，进行同类别菜品的推荐；例如，因为有些顾客只喜欢吃某些品类的食物，所以同类别的菜品推荐是一种推荐方式。例如顾客点了半只鸡，但是菜单上实际上还有整只鸡的，于是点菜机根据需要的加餐量，推荐顾客点一整只鸡。或者因为鸡与鸭属于同一类别的菜品，而鸡与甜点属于不同的菜品。所以，也可以给顾客推荐鸭相关的食材。单品类的加餐方式，经常是通过算法无法计算出来的，因此它也是一种重要的推荐方式。
或者，根据已点食材，获取食材的关联食材，进行不同类别的菜品推荐。其中，所述关联食材是指，通过关联规则或者协同过滤，获取顾客点第一菜品后，经常还会继续点的第二菜品；根据菜品之间的关联，为顾客推荐互补性的菜品；协同过滤算法通过计算顾客已经点的菜品中的相似度，计算顾客之间的相似度。然后针对当前顾客，推荐与当前顾客最相似的其他顾客点了，但是当前顾客还没有点的菜。
这样的方式，可以为顾客，补充互补性的菜品。有利于顾客食用更多美食。
或者，根据所述已点食材，对食材类别进行排序，获取顾客口味类别，为顾客推荐合适顾客口味的菜品；这种推荐方法，例如，在已点的菜品中，有80%都是辣的，说明顾客喜欢吃辣，给顾客继续推荐带有辣味的菜品。
步骤105，所述若点餐数量超出顾客食量，提醒顾客可能造成浪费，并推荐应该如何去除重复品类的菜色，主要包括：
若点餐数量超出所有顾客的正常食量的总和，并且超过了预设的阈值，则点餐机提示顾客，点餐过多，可能会造成金钱和食物的浪费；
询问顾客是否减少点餐量，
若是，分析已点菜品中是否存在多种重复的品类，将重复品类展现给顾客，提示顾客进行重复品类菜品的删除；重复菜品是指，例如鸡这个品类，顾客即点了盐焗鸡又点了白切鸡。这种情况的品类，是首选的可以进行菜品删除的情况。
若菜品中不存在多种重复品类，根据所述顾客生物属性，获取不适合当前顾客食用的食物，提示顾客，进行不适合菜品的删除。
不适合顾客食用的意思是，例如顾客里面有很多孕妇，而孕妇是不能吃韭菜的，而已点的菜品里有很多道韭菜，则可以提醒顾客进行删除。
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可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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的方法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (8)
1.一种点餐机的智能提示方法，其特征在于，所述方法包括：
点餐机安装有图像采集装置，座位上安装有传感器，用于获取顾客的生物属性信息；
根据所述顾客生物属性信息，推测所述顾客的正常食量；
根据顾客已经点餐的数量和每道菜的食材量，获取已点的总共食材；
计算所有顾客总食量与总共食材量的比值，判断点餐数量是否足够；
若点餐数量不足，根据所述已点食材，推荐搭配食材或者加量食材；
若点餐数量超出顾客食量，提醒顾客可能造成浪费，并推荐应该如何去除重复品类的菜色。
2.根据权利要求1所述的方法，其中，所述点餐机安装有图像采集装置，座位上安装有传感器，用于获取顾客的生物属性信息，主要包括：
通过采集顾客的身体、人脸与装扮，采用openvc图像识别软件，结合图像识别算法，识别顾客年龄、性别、身高；
座位上安装有ito膜或电极片材料的传感器，用于测量顾客体脂，获得顾客体重，以及他的人体脂肪百分比、人体水分百分比、人体肌肉百分比、骨骼重量等人体成分。
3.根据权利要求1所述的方法，其中，所述根据所述顾客生物属性信息，推测所述顾客的正常食量，主要包括：
通过获取所述顾客生物属性信息，统计大量所述顾客的食量，并对应到他的生物属性特征上，形成标注好的模型数据，用于训练线性回归模型；
根据所述线性回归模型，通过顾客生物属性信息，预测顾客正常食量。
4.根据权利要求1所述的方法，其中，所述获取点菜数量和每道菜的食材量，计算所有顾客总食量与总共食材量的比值，判断点餐数量是否足够，主要包括：
当顾客完成点餐，系统统计点菜数量，并根据每道菜的名称获取所述菜的食材量，将所有食材汇总，计算本次点餐食材的总量；
根据获取的顾客生物属性特征，推测每一个顾客的所述正常食量，汇总所有顾客的所述正常食量的总量；
比较所述点餐食材的总量是否大于所述正常食量的总量；
判断点餐数量是否足够。
5.根据权利要求1所述的方法，其中，所述若点餐数量不足，根据所述已点食材，推荐搭配食材或者加量食材，主要包括：
根据已点食材，获取所述食材中，食材重量少于预设阈值的菜品；根据所述菜品的同类别菜品，获取食材量更大的菜品，进行同类别菜品的推荐；
或者，根据已点食材，获取食材的关联食材，进行不同类别的菜品推荐；其中，所述关联食材是指，通过关联规则或者协同过滤，获取顾客点第一菜品后，经常还会继续点的第二菜品；根据菜品之间的关联，为顾客推荐互补性的菜品；
或者，根据所述已点食材，对食材类别进行排序，获取顾客口味类别，为顾客推荐合适顾客口味的菜品；
点餐机对顾客进行点餐提示。
6.根据权利要求6所述的方法，其中，所述点餐机对顾客进行点餐提示，主要包括：
系统提示顾客点餐数量可能会不够吃，询问是否增加食材量；
若是，让顾客选择是进行同类别菜品的推荐，还是为顾客推荐互补性的菜品，还是为顾客推荐合适顾客口味的菜品；
若否，按照顾客的需求进行下单。
7.根据权利要求1所述的方法，其中，所述若点餐数量超出顾客食量，提醒顾客可能造成浪费，并推荐应该如何去除重复品类的菜色，主要包括：
若点餐数量超出所有顾客的正常食量的总和，并且超过了预设的阈值，则点餐机提示顾客，点餐过多，可能会造成金钱和食物的浪费；
询问顾客是否减少点餐量，
若是，分析已点菜品中是否存在多种重复的品类，将重复品类展现给顾客，提示顾客进行重复品类菜品的删除；
若菜品中不存在多种重复品类，根据所述顾客生物属性，获取不适合当前顾客食用的食物，提示顾客，进行不适合菜品的删除。
8.一种点餐机的智能提示系统，其特征在于，所述系统包括：
顾客信息获取模块，用于根据顾客的外部信息和生物属性信息获取，推断顾客的食量；
已点菜品与顾客食量匹配模块，用于判断所点的菜品是否足够满足所有顾客的食量；
点餐不足时的推荐模块，用于在点餐不足时，推荐合适的菜品；
点餐过量时的删除模块，用于在点餐过量时，提醒顾客，并推荐删除的菜品。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910642696.0A CN110335094A (zh) | 2019-07-16 | 2019-07-16 | 一种点餐机的智能提示方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910642696.0A CN110335094A (zh) | 2019-07-16 | 2019-07-16 | 一种点餐机的智能提示方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110335094A true CN110335094A (zh) | 2019-10-15 |
Family
ID=68145315
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910642696.0A Withdrawn CN110335094A (zh) | 2019-07-16 | 2019-07-16 | 一种点餐机的智能提示方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110335094A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112884510A (zh) * | 2021-02-10 | 2021-06-01 | 深兰科技（上海）有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
| CN113554478A (zh) * | 2020-04-24 | 2021-10-26 | 杭州晨熹多媒体科技有限公司 | 选座方法及装置、电子设备和存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901443A (zh) * | 2009-05-26 | 2010-12-01 | 魏星 | 选酒配菜系统、选酒配菜方法 |
| CN104021506A (zh) * | 2014-06-24 | 2014-09-03 | 河海大学常州校区 | 一种基于人脸识别技术的智能餐厅点餐管理系统及方法 |
| CN104299180A (zh) * | 2014-09-25 | 2015-01-21 | 惠州Tcl移动通信有限公司 | 基于电子设备的健康食谱的选择方法和电子设备 |
| CN107153972A (zh) * | 2017-05-10 | 2017-09-12 | 王鹏飞 | 一种面向用户营养评价的菜单可视化点菜系统 |
| CN107229816A (zh) * | 2017-04-10 | 2017-10-03 | 中国农业科学院农业信息研究所 | 一种营养点餐系统 |
| CN107390877A (zh) * | 2017-08-01 | 2017-11-24 | 深圳市益廷科技有限公司 | 一种酒店自助点餐方法 |
| CN107945058A (zh) * | 2017-11-08 | 2018-04-20 | 北京轻生活时代科技发展有限责任公司 | 一种智能点餐管理系统 |
| CN109035633A (zh) * | 2018-07-11 | 2018-12-18 | 上海国兆电子科技有限公司 | 一种基于图像识别的菜单推送方法及系统 |
| CN111666893A (zh) * | 2020-06-08 | 2020-09-15 | 上海明略人工智能(集团)有限公司 | 一种点餐处理方法及装置 |
-
2019
- 2019-07-16 CN CN201910642696.0A patent/CN110335094A/zh not_active Withdrawn
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901443A (zh) * | 2009-05-26 | 2010-12-01 | 魏星 | 选酒配菜系统、选酒配菜方法 |
| CN104021506A (zh) * | 2014-06-24 | 2014-09-03 | 河海大学常州校区 | 一种基于人脸识别技术的智能餐厅点餐管理系统及方法 |
| CN104299180A (zh) * | 2014-09-25 | 2015-01-21 | 惠州Tcl移动通信有限公司 | 基于电子设备的健康食谱的选择方法和电子设备 |
| CN107229816A (zh) * | 2017-04-10 | 2017-10-03 | 中国农业科学院农业信息研究所 | 一种营养点餐系统 |
| CN107153972A (zh) * | 2017-05-10 | 2017-09-12 | 王鹏飞 | 一种面向用户营养评价的菜单可视化点菜系统 |
| CN107390877A (zh) * | 2017-08-01 | 2017-11-24 | 深圳市益廷科技有限公司 | 一种酒店自助点餐方法 |
| CN107945058A (zh) * | 2017-11-08 | 2018-04-20 | 北京轻生活时代科技发展有限责任公司 | 一种智能点餐管理系统 |
| CN109035633A (zh) * | 2018-07-11 | 2018-12-18 | 上海国兆电子科技有限公司 | 一种基于图像识别的菜单推送方法及系统 |
| CN111666893A (zh) * | 2020-06-08 | 2020-09-15 | 上海明略人工智能(集团)有限公司 | 一种点餐处理方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554478A (zh) * | 2020-04-24 | 2021-10-26 | 杭州晨熹多媒体科技有限公司 | 选座方法及装置、电子设备和存储介质 |
| CN112884510A (zh) * | 2021-02-10 | 2021-06-01 | 深兰科技（上海）有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
| CN112884510B (zh) * | 2021-02-10 | 2024-06-07 | 深兰机器人(上海)有限公司 | 信息推送方法、装置、设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aguilar et al. | Grab, pay, and eat: Semantic food detection for smart restaurants | |
| US9916520B2 (en) | Automated food recognition and nutritional estimation with a personal mobile electronic device | |
| US20120179665A1 (en) | Health monitoring system | |
| CN107658001B (zh) | 一种家庭用油健康管理方法和系统 | |
| CN108133055A (zh) | 智能服饰存储装置及基于其的存储、推荐方法与装置 | |
| CN110706822B (zh) | 基于逻辑回归模型和决策树模型的健康管理方法 | |
| CN110335094A (zh) | 一种点餐机的智能提示方法与系统 | |
| CN110135646B (zh) | 一种餐厅预估快速上菜的方法、装置及存储介质 | |
| TW201901598A (zh) | 飲食資訊建議系統及其飲食資訊建議方法 | |
| CN111261260A (zh) | 一种膳食推荐系统 | |
| CN111666893A (zh) | 一种点餐处理方法及装置 | |
| CN110379487A (zh) | 营养方案管理系统 | |
| Poply et al. | Refined image segmentation for calorie estimation of multiple-dish food items | |
| CN115910284A (zh) | 就餐推荐方法、装置、电子设备及存储介质 | |
| CN110349358B (zh) | 基于健康管理的餐饮结算方法、装置、终端及可读介质 | |
| CN116130058A (zh) | 一种基于智慧饮食的食谱推荐方法 | |
| CN115131783A (zh) | 基于机器视觉的用户饮食营养成分信息自主感知方法 | |
| US20210287275A1 (en) | Value based commodity selection | |
| CN112037888B (zh) | 生理健康特征数据的监控方法、装置、设备及存储介质 | |
| KR20210075955A (ko) | 음식 영상을 이용한 영양관리 및 질병관리 방법 | |
| CN115516519A (zh) | 用于视觉感知的基于层次的对象识别的方法和装置 | |
| CN112489815A (zh) | 一种抑郁症情绪监测方法、装置及可读存储介质 | |
| CN109643408A (zh) | 激励程序中的智能对等者分组 | |
| Minija et al. | Image processing based Classification and Segmentation using LVS based Multi-Kernel SVM | |
| JP6403825B1 (ja) | 情報提供装置及びプログラム |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191015 |