CN110931109A - 一种饮食情况分析方法及系统 - Google Patents
一种饮食情况分析方法及系统 Download PDFInfo
- Publication number
- CN110931109A CN110931109A CN201911239232.1A CN201911239232A CN110931109A CN 110931109 A CN110931109 A CN 110931109A CN 201911239232 A CN201911239232 A CN 201911239232A CN 110931109 A CN110931109 A CN 110931109A
- Authority
- CN
- China
- Prior art keywords
- dish
- dinner plate
- nutrition
- database
- condition
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 235000005911 diet Nutrition 0.000 title claims abstract description 18
- 230000037213 diet Effects 0.000 title abstract description 11
- 235000003166 Opuntia robusta Nutrition 0.000 claims abstract description 55
- 244000218514 Opuntia robusta Species 0.000 claims abstract description 55
- 235000016709 nutrition Nutrition 0.000 claims abstract description 53
- 230000035764 nutrition Effects 0.000 claims abstract description 53
- 235000013305 food Nutrition 0.000 claims abstract description 22
- 235000006286 nutrient intake Nutrition 0.000 claims abstract description 20
- 235000005686 eating Nutrition 0.000 claims abstract description 16
- 238000011084 recovery Methods 0.000 claims abstract description 9
- 230000026676 system process Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 235000015097 nutrients Nutrition 0.000 claims description 7
- 235000012054 meals Nutrition 0.000 claims description 6
- 235000020931 dietary conditions Nutrition 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 235000006694 eating habits Nutrition 0.000 claims description 2
- 230000000378 dietary effect Effects 0.000 claims 7
- 235000021061 dietary behavior Nutrition 0.000 claims 1
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Nutrition Science (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种饮食情况分析方法,包括以下步骤:就餐者通过标记领取对应唯一ID号的餐盘,在餐盘上放置嵌入有RFID芯片的菜盘;就餐完成后,将用餐后的餐盘放到回收区;回收区内采集就餐者唯一ID号、菜品类型和餐盘图像信息,将餐者唯一ID号、菜品类型和餐盘图像信息传输给主控系统;主控系统根据菜品类型与数据库内菜品进行比对输出菜品营养值列表;主控系统进行图像信息处理,识别餐盘中每个菜盘内食物剩余量,获得就餐情况;将食物剩余量和菜品营养值列表进行比对,确定营养摄入量;存储一段时间的就餐者就餐情况和营养摄入量,对一段时间内的数据进行连续比对,输出一段时间内的就餐情况和营养摄入量情况。本发明实现学生饮食情况分析功能。
Description
技术领域
本发明涉及大数据分析领域,尤其涉及一种饮食情况分析方法及系统。
背景技术
目前大部分学校的中小学生午餐甚至晚餐都是有学校提供套餐,有些学校通过自有食堂提供套餐,有些学校通过外包提供套餐,但学生是否吃完,实现“光盘”,从而保证学生摄入足够的营养,目前还没有相应的办法解决。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,提出一种通实现学生饮食情况分析方法和系统,能让家长或者班主任掌握孩子的营养摄入情况和就餐习惯。
一种饮食情况分析方法,用于对学生就餐者进行统一管理,包括以下步骤:
设置菜品数据库和个人营养数据库,所述菜品数据库包括所有菜品和对应菜品的营养值;不同就餐者有各自唯一的个人营养数据库;
S01:每个菜盘都嵌入菜盘RFID芯片,菜盘RFID芯片编号即对应菜品类型;每个餐盘嵌入餐盘RFID芯片,每个餐盘RFID芯片录入有就餐者唯一ID号;
S02:就餐者通过标记领取对应唯一ID号的餐盘,在餐盘上放置嵌入有RFID芯片的菜盘;
S03:就餐完成后,将用餐后的餐盘放到回收区;回收区内采集就餐者唯一ID号、菜品类型和餐盘图像信息,将餐者唯一ID号、菜品类型和餐盘图像信息传输给主控系统;
S04:主控系统根据菜品类型与数据库内菜品进行比对输出菜品营养值列表;
主控系统进行图像信息处理,识别餐盘中每个菜盘内食物剩余量,获得就餐情况;
将食物剩余量和菜品营养值列表进行比对,确定营养摄入量;
将就餐情况和营养摄入量存入相应ID号的个人营养数据库内;
存储一段时间的就餐者就餐情况和营养摄入量,对一段时间内的数据进行连续比对,输出一段时间内的就餐情况和营养摄入量情况。
可选的,提取对应ID号一段时间内的就餐情况和营养摄入量数据,与当日就餐情况和营养摄入量数据进行比对,获得比对结果,存入相应ID号的个人营养数据库内。
可选的,通过RFID读卡器进行标签识别,通过摄像头采集图像信息,当RFID读卡器读到RFID芯片编号时,向摄像头发送一个触发信号进行图像采集动作。
可选的,图像信息处理方法包括:
采集和扩充图像数据集,对拍摄的餐盘图像进行标定和分类,训练图像识别模型;
将摄像头采集的图像信息输入到训练好的图像识别模型中,识别菜盘内食物剩余量。
可选的,对菜盘的剩余量进行标定训练,将图像信息输入识别菜盘内食物剩余量。
可选的,食物剩余量分析结果包括光盘、半光盘和大量剩余。
可选的,将一段时间内的就餐情况和营养摄入量数据生成营养报表,并发送至远程用户端。
一种饮食情况分析系统,包括:菜盘、餐盘、RFID读卡器、摄像头、主控中心和营养管理服务器;
菜盘,嵌入设有菜品信息的RFID芯片;
餐盘,嵌入设有就餐者唯一ID号的RFID芯片;
RFID读卡器,用于读取RFID信号并解码,将解码数据传输给主控中心;
摄像头,用于采集多个菜盘中各种食品食用情况,并将采集的视频图像信息传输到主控中心;
营养管理服务器,包括菜品数据库和个人营养数据库;
主控中心,用于分析图像信息,以及调取菜品数据库和个人营养数据库并进行比对处理。
远程用户端,包括家长用户端、厨师用户端和班主任用户端。
本发明提供了一种智能检测学生就餐及营养分析的装置。具备以下有益效果:
1、本方法通过将每个学生对应的餐盘和菜盘通过RFID标签进行标记,然后配合RFID读卡器和摄像头对每个学生就餐食用状况采集视频图像信息,接着通过视频图像分析服务器和营养管理服务器对学生就餐状况分析获的每个学生的就餐营养分析报表,从而实现对每个学生摄入营养状况进行监控,保证学生摄入营养均衡和充足,有利于学生正常发育,增强学生身体素质。
2、在个人营养数据库存储1个月或者半年数据甚至更久的数据,进行统一分析,而不是每天分析。对学生的营养情况有一个更加准确的对比数据。同时也可以将当日的就餐情况和营养摄入情况与之前一段时间(一个月或半年等)数据进行对比,实现点到面的时间分析方法。
3、本方法还可以分析荤菜食用情况、青菜叶子食用情况、块状菜食用情况等,让家长可以了解到孩子的就餐习惯。
附图说明
图1是饮食情况分析系统的结构框图。
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例1:
一种饮食情况分析方法,用于对学生就餐者进行统一管理,包括以下步骤:
设置菜品数据库和个人营养数据库,所述菜品数据库包括所有菜品和对应菜品的营养值;不同就餐者有各自唯一的个人营养数据库;
S01:每个菜盘都嵌入菜盘RFID芯片,菜盘RFID芯片编号即对应菜品类型;每个餐盘嵌入餐盘RFID芯片,每个餐盘RFID芯片录入有就餐者唯一ID号;
S02:就餐者通过标记领取对应唯一ID号的餐盘,在餐盘上放置嵌入有RFID芯片的菜盘;
S03:就餐完成后,将用餐后的餐盘放到回收区;回收区内采集就餐者唯一ID号、菜品类型和餐盘图像信息,将餐者唯一ID号、菜品类型和餐盘图像信息传输给主控系统;
通过RFID读卡器进行标签识别,通过摄像头采集图像信息,当RFID读卡器读到RFID芯片编号时,向摄像头发送一个触发信号进行图像采集动作。
S04:主控系统根据菜品类型与数据库内菜品进行比对输出菜品营养值列表;
主控系统进行图像信息处理,识别餐盘中每个菜盘内食物剩余量,获得就餐情况。将食物剩余量和菜品营养值列表进行比对,确定营养摄入量;将就餐情况和营养摄入量存入相应ID号的个人营养数据库内。存储一段时间的就餐者就餐情况和营养摄入量,对一段时间内的数据进行连续比对,输出一段时间内的就餐情况和营养摄入量情况。
也可以提取对应ID号一段时间内的就餐情况和营养摄入量数据,与当日就餐情况和营养摄入量数据进行比对,获得比对结果,存入相应ID号的个人营养数据库内。
其中,图像信息处理方法包括:采集和扩充图像数据集,对拍摄的餐盘图像进行标定和分类,训练图像识别模型,具体的是对菜盘的剩余量进行标定训练。将摄像头采集的图像信息输入到训练好的图像识别模型中,识别菜盘内食物剩余量。将图像信息输入识别菜盘内食物剩余量。食物剩余量分析结果包括光盘、半光盘和大量剩余。
具体的图像识别过程:
步骤1,采集和扩充图像数据集:拍摄的图像信息进行标定和分类,分为训练集和测试集,每个分类采用1000张图片分类;
步骤2,设计卷积神经网络,使用成熟的物体识别网络YOLOV3网络;
步骤3,训练卷积神经网络,将数据集转换成YOLOV3格式,修改训练配置文件中的参数,开始训练,训练steps到50000步停止,得到loss为0.2,物体识别准确率到0.9992;
步骤4,通过训练的得到的权重文件加载到识别网络;
步骤5,识别图像,对于给定任意一幅待识别的餐盘图像,输入到训练好的深度学习模型中,判别餐盘内的菜盘属于光盘、半光盘还是大量剩余。
进一步的,可以将一段时间内的就餐情况和营养摄入量数据生成营养报表,并发送至远程用户端。
本方法在饮食情况分析系统中应用,该系统包括:菜盘、餐盘、RFID读卡器、摄像头、主控中心和营养管理服务器。
菜盘,嵌入设有菜品信息的RFID芯片;餐盘,嵌入设有就餐者唯一ID号的RFID芯片;RFID读卡器,用于读取RFID信号并解码,将解码数据传输给主控中心;摄像头,用于采集多个菜盘中各种食品食用情况,并将采集的视频图像信息传输到主控中心;营养管理服务器,包括菜品数据库和个人营养数据库;主控中心,用于分析图像信息,以及调取菜品数据库和个人营养数据库并进行比对处理;远程用户端,包括家长用户端、厨师用户端和班主任用户端。
实施例2:
如图1:一种饮食情况分析系统,包括:菜盘、餐盘、RFID读卡器、主控中心和营养管理服务器;
菜盘共设有多个,且多个菜盘内侧均嵌入设有菜盘RFID芯片;
餐盘共设有多个,且多个餐盘内侧均嵌入设有餐盘RFID芯片;
RFID读卡器的输出端与主控中心的输入端电性连接,且主控中心还与摄像头双向电性连接,其中,RFID读卡器的输出端的输出端还与摄像头的输入端电性连接。
菜盘RFID芯片和餐盘RFID芯片均为RFID标签,其中,RFID标签由耦合元件及芯片组成,每个RFID标签具有唯一的电子编码,附着在物体上标识目标对象。
RFID标签为被动式RFID标签,被动式RFID标签没有内部供电电源,且被动式RFID标签内部集成电路通过接收到的电磁波进行驱动,其中,电磁波是由RFID读卡器发出的,当标签接收到足够强度的讯号时,可以向RFID读取器发出数据。
RFID标签向RFID读取器发出数据不仅包括ID号,还包括预先存在于RFID标签内EEPROM中的数据信息。
RFID读卡器用于对菜盘内侧的菜盘RFID芯片进行读取编号,且RFID读卡器还用于对餐盘中的餐盘RFID芯片进行识别读取编号。
RFID读卡器通过射频信号自动识别目标对象的RFID标签并获取相关数据,且RFID读卡器识别工作无须人工干预,可工作于各种恶劣环境,其中,RFID读卡器可识别高速运动物体并可同时识别多个标签,操作快捷方便。
摄像头用于采集多个菜盘中各种食品食用情况,并将采集的视频图像信息传输到主控中心中。
主控中心能够实时对摄像头采集的视频图像进行捕捉,自动分析图像内容,检测、跟踪视频中的目标,并结合视频中的目标信息,与预设的规则进行比较获得分析结果,且主控中心具备系统免疫功能,来电自启动和设定恢复功能。
营养管理服务器用于接收主控中心分析获得的分析结果,并依据分析结果与食品营养价值进行比对分析统计生成学生就餐营养分析报表。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种饮食情况分析方法,其特征在于,包括以下步骤:
设置菜品数据库和个人营养数据库,所述菜品数据库包括所有菜品和对应菜品的营养值;不同就餐者有各自唯一的个人营养数据库;
S01:每个菜盘都嵌入菜盘RFID芯片,菜盘RFID芯片编号即对应菜品类型;每个餐盘嵌入餐盘RFID芯片,每个餐盘RFID芯片录入有就餐者唯一ID号;
S02:就餐者通过标记领取对应唯一ID号的餐盘,在餐盘上放置嵌入有RFID芯片的菜盘;
S03:就餐完成后,将用餐后的餐盘放到回收区;回收区内采集就餐者唯一ID号、菜品类型和餐盘图像信息,将餐者唯一ID号、菜品类型和餐盘图像信息传输给主控系统;
S04:主控系统根据菜品类型与数据库内菜品进行比对输出菜品营养值列表;
主控系统进行图像信息处理,识别餐盘中每个菜盘内食物剩余量,获得就餐情况;
将食物剩余量和菜品营养值列表进行比对,确定营养摄入量;
将就餐情况和营养摄入量存入相应ID号的个人营养数据库内;
存储一段时间的就餐者就餐情况和营养摄入量,对一段时间内的数据进行连续比对,输出一段时间内的就餐情况和营养摄入量情况。
2.根据权利要求1所述的饮食情况分析方法,其特征在于,提取对应ID号一段时间内的就餐情况和营养摄入量数据,与当日就餐情况和营养摄入量数据进行比对,获得比对结果,存入相应ID号的个人营养数据库内。
3.根据权利要求1所述的饮食情况分析方法,其特征在于,通过RFID读卡器进行标签识别,通过摄像头采集图像信息,当RFID读卡器读到RFID芯片编号时,向摄像头发送一个触发信号进行图像采集动作。
4.根据权利要求1所述的饮食情况分析方法,其特征在于,图像信息处理方法包括:
采集和扩充图像数据集,对拍摄的餐盘图像进行标定和分类,训练图像识别模型;
将摄像头采集的图像信息输入到训练好的图像识别模型中,识别菜盘内食物剩余量。
5.根据权利要求4所述的饮食情况分析方法,其特征在于,对菜盘的剩余量进行标定训练,将图像信息输入识别菜盘内食物剩余量。
6.根据权利要求5所述的饮食情况分析方法,其特征在于,食物剩余量分析结果包括光盘、半光盘和大量剩余。
7.根据权利要求1所述的饮食情况分析方法,其特征在于,将一段时间内的就餐情况和营养摄入量数据生成营养报表,并发送至远程用户端。
8.根据权利要求1-7任一所述的饮食情况分析方法,其特征在于,用于对学生就餐者进行统一管理。
9.一种饮食情况分析系统,其特征在于,包括:菜盘、餐盘、RFID读卡器、摄像头、主控中心和营养管理服务器;
菜盘,嵌入设有菜品信息的RFID芯片;
餐盘,嵌入设有就餐者唯一ID号的RFID芯片;
RFID读卡器,用于读取RFID信号并解码,将解码数据传输给主控中心;
摄像头,用于采集多个菜盘中各种食品食用情况,并将采集的视频图像信息传输到主控中心;
营养管理服务器,包括菜品数据库和个人营养数据库;
主控中心,用于分析图像信息,以及调取菜品数据库和个人营养数据库并进行比对处理。
10.根据权利要求9所述的饮食情况分析系统,其特征在于,还包括远程用户端,所述远程用户端包括家长用户端、厨师用户端和班主任用户端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239232.1A CN110931109A (zh) | 2019-12-06 | 2019-12-06 | 一种饮食情况分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911239232.1A CN110931109A (zh) | 2019-12-06 | 2019-12-06 | 一种饮食情况分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110931109A true CN110931109A (zh) | 2020-03-27 |
Family
ID=69857958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911239232.1A Pending CN110931109A (zh) | 2019-12-06 | 2019-12-06 | 一种饮食情况分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110931109A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738879A (zh) * | 2020-06-19 | 2020-10-02 | 北京明略软件系统有限公司 | 制作菜品时间预估方法及装置 |
CN111797756A (zh) * | 2020-06-30 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的视频分析方法、设备及介质 |
CN112017756A (zh) * | 2020-09-07 | 2020-12-01 | 神思电子技术股份有限公司 | 一种基于人脸识别自助打餐系统的饮食营养分析方法 |
CN112906513A (zh) * | 2021-02-03 | 2021-06-04 | 拉扎斯网络科技(上海)有限公司 | 就餐资源信息的处理方法、装置及设备 |
CN113688719A (zh) * | 2021-08-23 | 2021-11-23 | 朱福全 | 一种智能餐厨管理系统、其数据处理方法及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109273070A (zh) * | 2018-09-06 | 2019-01-25 | 北京好价网络科技有限公司 | 饮食营养分析系统及方法 |
CN109846303A (zh) * | 2018-11-30 | 2019-06-07 | 广州富港万嘉智能科技有限公司 | 餐盘剩余量自动检测方法、系统、电子设备及存储介质 |
KR102022628B1 (ko) * | 2018-08-17 | 2019-09-18 | 주식회사 휴바이오센트릭 | 토탈 라이프 스타일 개선 디바이스, 방법 및 컴퓨터 프로그램 |
CN110364244A (zh) * | 2019-06-13 | 2019-10-22 | 深圳市科拜斯物联网科技有限公司 | 健康管理的食堂餐饮系统和方法 |
-
2019
- 2019-12-06 CN CN201911239232.1A patent/CN110931109A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102022628B1 (ko) * | 2018-08-17 | 2019-09-18 | 주식회사 휴바이오센트릭 | 토탈 라이프 스타일 개선 디바이스, 방법 및 컴퓨터 프로그램 |
CN109273070A (zh) * | 2018-09-06 | 2019-01-25 | 北京好价网络科技有限公司 | 饮食营养分析系统及方法 |
CN109846303A (zh) * | 2018-11-30 | 2019-06-07 | 广州富港万嘉智能科技有限公司 | 餐盘剩余量自动检测方法、系统、电子设备及存储介质 |
CN110364244A (zh) * | 2019-06-13 | 2019-10-22 | 深圳市科拜斯物联网科技有限公司 | 健康管理的食堂餐饮系统和方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738879A (zh) * | 2020-06-19 | 2020-10-02 | 北京明略软件系统有限公司 | 制作菜品时间预估方法及装置 |
CN111797756A (zh) * | 2020-06-30 | 2020-10-20 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的视频分析方法、设备及介质 |
CN112017756A (zh) * | 2020-09-07 | 2020-12-01 | 神思电子技术股份有限公司 | 一种基于人脸识别自助打餐系统的饮食营养分析方法 |
CN112906513A (zh) * | 2021-02-03 | 2021-06-04 | 拉扎斯网络科技(上海)有限公司 | 就餐资源信息的处理方法、装置及设备 |
CN113688719A (zh) * | 2021-08-23 | 2021-11-23 | 朱福全 | 一种智能餐厨管理系统、其数据处理方法及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110931109A (zh) | 一种饮食情况分析方法及系统 | |
Aguilar et al. | Grab, pay, and eat: Semantic food detection for smart restaurants | |
Ciocca et al. | Food recognition and leftover estimation for daily diet monitoring | |
US9916520B2 (en) | Automated food recognition and nutritional estimation with a personal mobile electronic device | |
CN104269003A (zh) | 一种食物识别方法、装置及系统 | |
US9424495B1 (en) | Digital food imaging analysis: system and method to analyze food consumption | |
CN102538379B (zh) | 一种冰箱食品信息管理装置及方法 | |
CN107084780A (zh) | 一种智能电子秤及相应的称重方法 | |
CN110135957A (zh) | 一种智能餐厅健康饮食的菜品推荐方法、装置及存储介质 | |
EP3734205B1 (en) | Intelligent refrigerator and information reminder method based on intelligent refrigerator | |
WO2023159909A1 (zh) | 一种基于深度学习食物图像识别模型的营养管理方法及系统 | |
Ciocca et al. | State recognition of food images using deep features | |
CN102750539A (zh) | 一种对区域空间人群进行统计的装置及其统计方法 | |
CN109543605A (zh) | 基于卷积神经网络的食物变质管理方法、系统、贮藏设备 | |
Shweta | Intelligent refrigerator using artificial intelligence | |
CN114612897A (zh) | 一种智能果蔬称重打票方法、装置、电子设备及存储介质 | |
EP3449400A1 (en) | A food monitoring system | |
CN211718917U (zh) | 一种供应链食材管理系统 | |
CN106503747A (zh) | 一种图像识别统计分析系统 | |
CN110345706B (zh) | 一种大数据冰柜及操作方法 | |
Sudana et al. | Mobile Application for Identification of Coffee Fruit Maturity using Digital Image Processing | |
CN111340433A (zh) | 一种供应链食材管理系统及方法 | |
US20230178212A1 (en) | Method and system for foodservice with iot-based dietary tracking | |
CN114882973A (zh) | 一种基于标准食品识别的每日营养摄取分析方法及系统 | |
CN111539346A (zh) | 一种食品质量检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |
|
RJ01 | Rejection of invention patent application after publication |