CN111161838A - 一种适用于学生的合理膳食方法、专家系统及客户端 - Google Patents
一种适用于学生的合理膳食方法、专家系统及客户端 Download PDFInfo
- Publication number
- CN111161838A CN111161838A CN201911318415.2A CN201911318415A CN111161838A CN 111161838 A CN111161838 A CN 111161838A CN 201911318415 A CN201911318415 A CN 201911318415A CN 111161838 A CN111161838 A CN 111161838A
- Authority
- CN
- China
- Prior art keywords
- students
- food
- student
- school
- diet
- 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.)
- Granted
Links
- 235000005911 diet Nutrition 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000037213 diet Effects 0.000 title claims abstract description 64
- 235000013305 food Nutrition 0.000 claims abstract description 239
- 235000012054 meals Nutrition 0.000 claims abstract description 141
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 87
- 235000005686 eating Nutrition 0.000 claims abstract description 82
- 230000003993 interaction Effects 0.000 claims abstract description 72
- 230000037406 food intake Effects 0.000 claims abstract description 51
- 235000012631 food intake Nutrition 0.000 claims abstract description 51
- 235000004251 balanced diet Nutrition 0.000 claims abstract description 24
- 235000016709 nutrition Nutrition 0.000 claims abstract description 22
- 230000035764 nutrition Effects 0.000 claims abstract description 19
- 235000015097 nutrients Nutrition 0.000 claims description 101
- 238000011161 development Methods 0.000 claims description 80
- 239000000463 material Substances 0.000 claims description 59
- 230000003203 everyday effect Effects 0.000 claims description 45
- 150000003839 salts Chemical class 0.000 claims description 23
- 230000000295 complement effect Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 6
- 238000003169 complementation method Methods 0.000 claims description 3
- 235000006694 eating habits Nutrition 0.000 abstract description 4
- 235000021142 long-term diet Nutrition 0.000 abstract description 3
- 235000013336 milk Nutrition 0.000 description 39
- 239000008267 milk Substances 0.000 description 39
- 210000004080 milk Anatomy 0.000 description 39
- 230000008569 process Effects 0.000 description 37
- 235000010469 Glycine max Nutrition 0.000 description 27
- 244000068988 Glycine max Species 0.000 description 27
- 238000010801 machine learning Methods 0.000 description 24
- 235000013311 vegetables Nutrition 0.000 description 24
- 241000251468 Actinopterygii Species 0.000 description 23
- 238000004458 analytical method Methods 0.000 description 23
- 235000019688 fish Nutrition 0.000 description 23
- 244000061456 Solanum tuberosum Species 0.000 description 21
- 235000002595 Solanum tuberosum Nutrition 0.000 description 21
- 235000013339 cereals Nutrition 0.000 description 21
- 235000013601 eggs Nutrition 0.000 description 19
- 235000021186 dishes Nutrition 0.000 description 18
- 235000013399 edible fruits Nutrition 0.000 description 17
- 235000012015 potatoes Nutrition 0.000 description 15
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 14
- 235000021049 nutrient content Nutrition 0.000 description 13
- 235000014571 nuts Nutrition 0.000 description 13
- 244000144977 poultry Species 0.000 description 13
- 235000013594 poultry meat Nutrition 0.000 description 13
- 208000017667 Chronic Disease Diseases 0.000 description 12
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 12
- 230000002354 daily effect Effects 0.000 description 12
- 210000002569 neuron Anatomy 0.000 description 12
- 240000007594 Oryza sativa Species 0.000 description 11
- 235000007164 Oryza sativa Nutrition 0.000 description 11
- 150000001720 carbohydrates Chemical class 0.000 description 11
- 230000000694 effects Effects 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 11
- 108090000623 proteins and genes Proteins 0.000 description 11
- 235000009566 rice Nutrition 0.000 description 11
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 10
- 235000013527 bean curd Nutrition 0.000 description 10
- 235000013372 meat Nutrition 0.000 description 10
- 239000003921 oil Substances 0.000 description 10
- 235000019198 oils Nutrition 0.000 description 10
- 235000021152 breakfast Nutrition 0.000 description 9
- 239000003086 colorant Substances 0.000 description 9
- 235000012680 lutein Nutrition 0.000 description 9
- 229960005375 lutein Drugs 0.000 description 9
- 239000001656 lutein Substances 0.000 description 9
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 description 9
- ORAKUVXRZWMARG-WZLJTJAWSA-N lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C ORAKUVXRZWMARG-WZLJTJAWSA-N 0.000 description 9
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 description 9
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 0.000 description 9
- 230000000378 dietary effect Effects 0.000 description 8
- 210000004185 liver Anatomy 0.000 description 8
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 7
- AUNGANRZJHBGPY-UHFFFAOYSA-N D-Lyxoflavin Natural products OCC(O)C(O)C(O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-UHFFFAOYSA-N 0.000 description 7
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 7
- 229930003451 Vitamin B1 Natural products 0.000 description 7
- 229930003471 Vitamin B2 Natural products 0.000 description 7
- 239000011575 calcium Substances 0.000 description 7
- 229910052791 calcium Inorganic materials 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 235000013312 flour Nutrition 0.000 description 7
- 229910052742 iron Inorganic materials 0.000 description 7
- 229960002477 riboflavin Drugs 0.000 description 7
- 229960003495 thiamine Drugs 0.000 description 7
- DPJRMOMPQZCRJU-UHFFFAOYSA-M thiamine hydrochloride Chemical compound Cl.[Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N DPJRMOMPQZCRJU-UHFFFAOYSA-M 0.000 description 7
- 235000015112 vegetable and seed oil Nutrition 0.000 description 7
- 239000008158 vegetable oil Substances 0.000 description 7
- 235000010374 vitamin B1 Nutrition 0.000 description 7
- 239000011691 vitamin B1 Substances 0.000 description 7
- 235000019164 vitamin B2 Nutrition 0.000 description 7
- 239000011716 vitamin B2 Substances 0.000 description 7
- 239000011701 zinc Substances 0.000 description 7
- 229910052725 zinc Inorganic materials 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 6
- 241000206607 Porphyra umbilicalis Species 0.000 description 6
- 230000009471 action Effects 0.000 description 6
- 244000144972 livestock Species 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 235000015277 pork Nutrition 0.000 description 6
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 5
- 244000046052 Phaseolus vulgaris Species 0.000 description 5
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 5
- 229930003268 Vitamin C Natural products 0.000 description 5
- 229960005069 calcium Drugs 0.000 description 5
- 235000013325 dietary fiber Nutrition 0.000 description 5
- 235000020669 docosahexaenoic acid Nutrition 0.000 description 5
- 235000020673 eicosapentaenoic acid Nutrition 0.000 description 5
- 235000015219 food category Nutrition 0.000 description 5
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 5
- 229960003284 iron Drugs 0.000 description 5
- 235000002639 sodium chloride Nutrition 0.000 description 5
- 235000013555 soy sauce Nutrition 0.000 description 5
- 235000019154 vitamin C Nutrition 0.000 description 5
- 239000011718 vitamin C Substances 0.000 description 5
- 229940045997 vitamin a Drugs 0.000 description 5
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 4
- 241000512259 Ascophyllum nodosum Species 0.000 description 4
- 241000238557 Decapoda Species 0.000 description 4
- 241000233866 Fungi Species 0.000 description 4
- 235000003434 Sesamum indicum Nutrition 0.000 description 4
- 244000040738 Sesamum orientale Species 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000014106 fortified food Nutrition 0.000 description 4
- 235000021022 fresh fruits Nutrition 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 239000011630 iodine Substances 0.000 description 4
- 229910052740 iodine Inorganic materials 0.000 description 4
- 235000013618 yogurt Nutrition 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 241000252335 Acipenser Species 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 2
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 2
- 240000006108 Allium ampeloprasum Species 0.000 description 2
- 241000143060 Americamysis bahia Species 0.000 description 2
- 235000017060 Arachis glabrata Nutrition 0.000 description 2
- 244000105624 Arachis hypogaea Species 0.000 description 2
- 235000010777 Arachis hypogaea Nutrition 0.000 description 2
- 235000018262 Arachis monticola Nutrition 0.000 description 2
- 240000007124 Brassica oleracea Species 0.000 description 2
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 2
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 description 2
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 2
- 241000238366 Cephalopoda Species 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 2
- 241000252230 Ctenopharyngodon idella Species 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 244000017020 Ipomoea batatas Species 0.000 description 2
- 235000002678 Ipomoea batatas Nutrition 0.000 description 2
- 240000007049 Juglans regia Species 0.000 description 2
- 235000009496 Juglans regia Nutrition 0.000 description 2
- 244000070406 Malus silvestris Species 0.000 description 2
- 240000005561 Musa balbisiana Species 0.000 description 2
- 241000237509 Patinopecten sp. Species 0.000 description 2
- 239000006002 Pepper Substances 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 240000003889 Piper guineense Species 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 241000269980 Pleuronectidae Species 0.000 description 2
- 244000088415 Raphanus sativus Species 0.000 description 2
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 2
- 241000277331 Salmonidae Species 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 235000009337 Spinacia oleracea Nutrition 0.000 description 2
- 244000300264 Spinacia oleracea Species 0.000 description 2
- 241001125843 Trichiuridae Species 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 235000021016 apples Nutrition 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 235000021015 bananas Nutrition 0.000 description 2
- 235000015278 beef Nutrition 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 235000008429 bread Nutrition 0.000 description 2
- 239000008162 cooking oil Substances 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 235000013365 dairy product Nutrition 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000015110 jellies Nutrition 0.000 description 2
- 239000008274 jelly Substances 0.000 description 2
- 150000002596 lactones Chemical class 0.000 description 2
- 235000020997 lean meat Nutrition 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000011785 micronutrient Substances 0.000 description 2
- 235000013369 micronutrients Nutrition 0.000 description 2
- 235000020232 peanut Nutrition 0.000 description 2
- 235000021395 porridge Nutrition 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 235000015598 salt intake Nutrition 0.000 description 2
- 230000036186 satiety Effects 0.000 description 2
- 235000019627 satiety Nutrition 0.000 description 2
- 235000020637 scallop Nutrition 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- 235000014347 soups Nutrition 0.000 description 2
- 235000020238 sunflower seed Nutrition 0.000 description 2
- 235000020630 vitamin A rich food Nutrition 0.000 description 2
- 235000020632 vitamin C rich food Nutrition 0.000 description 2
- 235000020234 walnut Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001107116 Castanospermum australe Species 0.000 description 1
- 235000021279 black bean Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 244000013123 dwarf bean Species 0.000 description 1
- 230000002641 glycemic effect Effects 0.000 description 1
- 235000005955 light diet Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000019629 palatability Nutrition 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 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
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)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种适用于学生的合理膳食方法、系统、专家系统及客户端,包括如下步骤:根据学生餐营养标准确定进食的基础数据;按照配餐程序生成带量食谱;对所述带量食谱进行核查,和/或提供食物同值替换的方案;对学生进行身份注册,获取学生基础信息数据;记录学生就餐情况;获取学生实际进食情况;对学生进行膳食指导,以及通过人工智能专家系统实现与家长互动,给家长提供膳食指导并接收家长发送的反馈信息,学校或者供餐单位根据学生的实际情况,进行供餐调整。有利于在保证学生在平衡膳食的基础上满足自身的饮食习惯,以及家校就餐互补,实现学生长期的膳食平衡。
Description
技术领域
本发明涉及膳食营养管理和人工智能技术领域,更具体地说是涉及一种适用于学生的合理膳食方法、系统、专家系统及客户端。
背景技术
膳食平衡对处于发育阶段的学生至关重要,但是大多数学生和家长对平衡膳食的要求并不了解,而令每个学校都配备具备过硬的专业能力且工作态度认真的营养师,是很难实现的,况且学校资源有限,营养师很难记住每位学生的进食历史数据,因此也无法针对性的对未达到膳食平衡的学生进行平衡膳食指导;主管部门虽然推出配餐的操作流程和固定周期的膳食平衡菜谱,但是由于每个季节应季蔬菜种类不同,或者由于学生基数庞大而导致口味难以统一等一系列随机因素,导致学校或供餐单位无法保证完全按照食谱提供配餐,而自定义的配餐无法保证符合平衡膳食的要求;另外,学生并非三餐都在学校进食,家校交叉进餐的情况较多,而家长又很难准确的了解学生在校的进食情况,并且由于家长不具备体系化的营养学知识,因此无法长期的跟踪学生的在校进食情况,进而无法实现家校互补的膳食模式,很难保证学生膳食平衡。
因此,如何根据不同发育阶段、不同基础信息数据的学生进行体系化、个性化的进行食谱推荐,并准确记录学生进食历史数据,给家长推送膳食平衡的指导意见以及接收家长关于孩子实际需求的反馈,实现家校互补的膳食模式,保证学生达到平衡膳食的要求,是本领域技术人员亟待解决的事情。
发明内容
有鉴于此,本发明提供了一种适用于学生的合理膳食方法、系统、专家系统及客户端,通过确定学生进食的基础数据以及学生的实际情况,结合历史数据,按照配餐程序生成带量食谱,并提供食物同值互换方案,以期将推荐食谱和自定义食谱结合,保证学生在平衡膳食的基础上满足自身的饮食习惯;另外,通过人工智能专家系统与家长的交互,进行平衡膳食指导以及学生实际需求的反馈,以期通过家校就餐互补,实现学生长期的膳食平衡。
为了实现上述目的,本发明采用如下技术方案:
一种平衡膳食指导方法,包括如下步骤:
S1、根据学生餐营养标准确定进食的基础数据;
S2、根据基础数据以及学生的实际情况,结合历史数据,按照配餐程序生成带量食谱;
S3、对所述带量食谱进行核查,和/或提供食物同值互换的方案。
优选的,所述S1确定的基础数据包括以下任意一种或多种:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
优选的,所述发育阶段的划分方式包括:依据学生的年龄段进行划分,或者依据学生的具体发育情况进行划分。根据年龄段对学生的发育阶段进行划分,主要划分为以下四个阶段:6-8岁、9-11岁、12-14岁、15-17岁,该种划分方式具有普适性,且便于操作,但是由于同一个年龄段的学生的发育情况不同,如果单一使用年龄段对发育阶段进行划分,不符合实际情况,因此为了满足不同学生的实际发育需求,学校可以选择根据学生的发育情况进行更加符合实际的划分。
优选的,所述能量及营养素包括:总能量、蛋白质、脂肪供能比、碳水化合物供能比、钙、铁、锌、碘、维生素A、叶黄素、维生素B1、维生素B2、维生素C、膳食纤维、DHA以及EPA。所述能量和营养素为人体每天所必需的,因此为了达到平衡膳食的要求,必须确定上述能量及营养素的供给量。
优选的,每人每天早餐、午餐、晚餐提供的能量及营养素分别占全天总量的 25%-30%、35%-40%、30%-35%。确定三餐提供的能量及营养素占比,有利于学校或供餐单位对学生三餐进行合理配餐,也便于在家校互补就餐环节,为家长配餐提供依据。
优选的,进食的食物种类包括:谷薯类,蔬菜水果类,鱼禽肉蛋类,奶类、大豆类及坚果,植物油,盐;且在一定时间段内进食的食物种类不少于最小种类数值,或者在一定时间段内进食某种食物种类的次数不少于最小次数值。其中,谷薯类包括:米、面、杂粮、杂豆及薯类;大豆类包括:黄豆、青豆、黑豆。
优选的,每人每天油和食盐摄入量不超过最大限值。每人每天油的摄入量不超过30g,食盐的摄入量不超过6g,其中食盐包括酱油和其他食物中的食盐,限制油和食盐的摄入,饮食清淡有利于学生身体发育以及保持身体健康。
优选的,每日三餐均应干稀搭配。易于学生消化,同时增强食物的适口性。
优选的,所述基础数据还包括各种营养素对应的富含该营养素的食物种类,便于学校或供餐单位进行选择。
优选的,所述S2包括S21-S23三个具体步骤:
S21、根据学生在校进食的餐次、学生的性别和发育阶段,确定能量及营养素供应目标;
S22、根据学生在校进食的餐次以及能量及营养素供应目标,确定进餐食物的食物种类或者具体食材,以及每种食物种类或者具体食材的数量;
S23、根据所述食物种类或者具体食材及其数量,按照三餐分配比例,生成带量食谱。
优选的,所述能量及营养素供应目标包括以下任意一种:各个发育阶段不同性别的学生每人每天能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量及营养素供给量。
优选的,所述带量食谱包括餐次、菜品名称、菜品包含的各种食材名称及重量、以及各个发育阶段对应不同食材的进食量。由于每个发育阶段对应的食材的重量的需求不同,设置带量食谱便于学校食堂直观的按照菜谱进行配餐。
优选的,所述S22中,根据学生在校进食的餐次以及能量及营养素供应目标,以及根据输入的具体食材,按照所述能量及营养素供应目标和食物种类数量的要求,并参照食材营养素成分表,计算所述带量食谱中包含每种具体食材的数量。
优选的,所述S3核查的具体过程为依据食材营养素成分表,计算带量食谱提供的能量及营养素含量,并与能量及营养素供应目标进行比较。以便确定编制的食谱的科学合理性。其中,各种食物提供的实际能量或营养素计算公式为:实际能量或营养素=各种食物实际用量×食部×能量或营养素含量÷10000。
优选的,所述同值食物替换方案为在符合能量及营养素供应目标的前提下,对带量食谱中的食材在相同食物种类范围内替换,以满足食物种类多样性的要求,便于学生根据自身的饮食习惯进行选择,同时保证每日摄入的能量和营养素符合膳食平衡的要求。
优选的,还包括根据各发育阶段就餐人数以及带量食谱中针对各发育阶段的食物种类和数量,确定各类食物的总供应量,便于学校食堂进行食材统计及采购。
优选的,还包括如下步骤:
录入就餐学生的学生基础信息;结合就餐学生的学生基础信息,对采用所述带量食谱就餐的学生进行膳食指导。根据学生的实际身体健康状况,进行针对性的指导和提示,有利于提高学生的身体健康状况。
优选的,所述学生基础信息包括:就餐学生的年龄、性别、身高、体重、活动强度以及慢性病情况。
优选的,所述膳食指导为根据各个就餐学生的学生基础信息情况,针对性的对需要慎食的菜品种类进行提示。
基于上述方法,设计如下系统:
一种平衡膳食指导系统,包括:后台;其中,
所述后台包括基础数据确定模块、食谱生成模块、核查模块;
所述基础数据确定模块用于根据学生餐营养标准确定进食的基础数据;
所述食谱生成模块用于根据基础数据以及学生的实际情况,确定配餐程序生成带量食谱;
所述核查模块用于对所述带量食谱进行核查,和/或提供食物同值互换的方案。
优选的,所述基础数据确定模块所确定的基础数据包括以下任意一种或多种:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
优选的,所述发育阶段的划分方式包括:依据学生的年龄段进行划分,或者依据学生的具体发育情况进行划分。
优选的,所述能量及营养素包括:总能量、蛋白质、脂肪供能比、碳水化合物供能比、钙、铁、锌、碘、维生素A、叶黄素、维生素B1、维生素B2、维生素C、膳食纤维、DHA以及EPA。23、根据权利要求20所述的一种平衡膳食指导系统,其特征在于,每人每天早餐、午餐、晚餐提供的能量及营养素分别占全天总量的 25%-30%、35%-40%、30%-35%。
优选的,每人每天进食的食物种类包括:谷薯类,蔬菜水果类,鱼禽肉蛋类,奶类、大豆类及坚果,植物油,盐;且在一定时间段内进食的食物种类不少于最小种类数值,或者在一定时间段内进食某种食物种类的次数不少于最小次数值。
优选的,每人每天油和食盐摄入量不超过最大限值。
优选的,所述基础数据还包括各种营养素对应的富含该营养素的食物种类。
优选的,所述食谱生成模块包括供应目标确定单元、综合食材确定单元、三餐分配单元;其中,
所述供应目标确定单元用于根据学生在校进食的餐次、学生的性别和发育阶段,确定能量及营养素供应目标;
所述综合食材确定单元用于根据学生在校进食的餐次以及能量及营养素供应目标,确定进餐食物的食物种类或者具体食材,以及每种食物种类或者具体食材的数量;
所述三餐分配单元用于根据所述食物种类或者具体食材及其数量,按照三餐分配比例,生成带量食谱。
优选的,所述能量及营养素供应目标包括以下任意一种:各个发育阶段不同性别的学生每人每天能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量及营养素供给量。
优选的,所述带量食谱包括餐次、菜品名称、菜品包含的各种食材名称及重量、以及各个发育阶段对应不同食材的进食量。
优选的,所述综合食材确定单元用于根据学生在校进食的餐次以及能量及营养素供应目标,以及根据输入具体食材,按照所述能量及营养素供应目标和食物种类数量的要求,并参照食材营养素成分表,计算所述带量食谱中包含每种具体食材的数量。
优选的,所述核查模块用于依据食材营养素成分表,计算带量食谱提供的能量及营养素含量,并与能量及营养素供应目标进行比较。
优选的,所述同值食物替换为在符合能量及营养素供应目标的前提下,对带量食谱中的食材在相同食物种类范围内替换,以满足食物种类多样性的要求。
优选的,所述后台还包括总供应量统计模块,所述总供应量统计模块用于根据各发育阶段就餐人数以及带量食谱中针对各发育阶段的食物种类和数量,确定各类食物的总供应量。
优选的,还包括学生客户端;其中,
所述后台还包括膳食指导模块;
所述学生客户端用于录入就餐学生的学生基础信息;
所述膳食指导模块用于结合就餐学生的学生基础信息,对采用所述带量食谱就餐的学生进行膳食指导。
优选的,所述学生基础信息包括:就餐学生的年龄、性别、身高、体重、活动强度以及慢性病情况。
优选的,所述膳食指导为根据各个就餐学生的学生基础信息情况,针对性的对需要慎食的菜品种类进行提示。
一种家校就餐互补方法,包括如下步骤:
进行学生身份注册,获取学生基础信息数据;
记录学生就餐情况;
获取学生实际进食情况;
通过人工智能专家系统实现与家长互动,向家长提供针对性指导意见;以及 /或者,通过人工智能专家系统将家长的需求反馈给学校,由学校根据学生的实际情况,进行供餐的调整。
优选的,所述学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度、慢性病情况以及学生的个体身份标识。
优选的,所述学生基础信息数据由学生通过学生客户端录入,所述客户端包括但不限于智能手机,便于操作,且便于学生根据实际情况的变化进行及时调整和修改。
优选的,所述学生的就餐情况包括学生进食的餐次,以及所述餐次学校的配餐情况。
优选的,所述学生的就餐情况由学校或供餐单位通过学校或供餐单位客户端录入。
优选的,获取学生实际进食情况的方法为利用前端进行进食数据采集,获取学生实际进食情况,利用该方法能够获取学生实际进食情况,避免因学生挑食等因素而造成的进食数据记录错误,造成膳食平衡的假象。
优选的,所述获取学生实际进食情况的方法的具体步骤如下:
拍摄学生的进食过程,获取图片集;将所述图片集输入机器学习模型,获取输出的识别结果。
优选的,所述图片集包括进食分析图片集和/或学生身份识别图片集;其中,所述学生身份图片集根据学生绑定的个体身份标识进行整合。
优选的,所述个体身份标识包括但不限于学生使用的不同颜色或者形状的餐具、学生的姿态动作特征、学生的头顶特征、学生进食时佩戴或附着在衣服上的颜色或形状不同的标识物,便于确定学生的具体个体身份。
优选的,所述图片集中每组数据都包含学生的一个完整的进食过程,其中包括一个入口动作图片和一个离开口的动作图片。
优选的,所述机器学习模型采用神经网络算法,因此所述机器学习模型在训练完成后能够根据输入的图片集,识别并输出食物种类和重量和/或学生的身份信息,输出的识别结果为键值对格式信息。
具体的机器学习模型的训练过程为:将进食分析图片集样本和/或学生身份识别图片集样本输入至神经网络中,输入层各个神经元负责接收输入的进食分析图片集样本和/或学生身份识别图片集样本,并将其传递给中间层各神经元,中间层是内部信息处理层,负责处理变换进食分析图片集样本和/或学生身份识别图片集样本为食物种类及数量和/或学生的身份信息,将输出的食物种类及数量和/或进食者的身份信息与样本期望输出的食物种类及数量和/或学生的身份信息进行比对,结果吻合则完成训练,结果不吻合,则将误差反馈给神经网络进行调试,并重复上述过程,不断修改中间层的权值参数,直至输出的食物种类及数量和/或学生的身份信息与样本期望输出的食物种类及数量和/或学生的身份信息吻合,则完成该神经网络的训练,获得一个训练完成的机器学习模型,该过程在服务端完成。
将实际场景的进食分析图片集和/或学生身份识别图片集输入到训练完成的机器学习模型的输入层,输入层各个神经元负责接收输入的进食分析图片集和/ 或学生身份识别图片集,并将其传递给中间层各神经元,中间层处理并由输出层输出食物种类及数量和/或学生的身份信息。
优选的,所述人工智能专家系统具备人机互动功能,所述人工互动方式包括语音互动、文本互动;借助语义理解LUIS实现语言智能,因此利用LUIS分析家长通过家长客户端发送的对话或者句子,提取特定于家校就餐互补的实际意向和实体,所述人工智能专家系统根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见。
具体的,所述人工智能专家系统可以通过微软云服务提供的Azure Bot创建人工智能专家系统,利用LUIS添加自然语言处理,让人工智能专家系统能够理解自然语言、了解拼写错误、使用语音和识别用户的意向;利用QnA Maker回答问题,添加营养学知识库,以更自然的聊天形式回答用户的提问;利用Dispatch工具管理多个模型,例如在使用LUIS和QnAMaker与人工智能专家系统进行聊天的过程中,人工智能专家系统能够明智的确定何时使用哪个模型。
优选的,所述人工智能专家系统还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
优选的,所述人工智能专家系统给出的指导意见通过即时通信工具将实时指导意见发送给家长,所述即时通信工具包括但不限于短信、微信、自主开发的程序,便于家长根据实际情况进行选择。
优选的,所述人工智能专家系统将与所述家长客户端的互动记录保存,并完善特定学生的学生基础信息数据。
优选的,所述人工智能专家系统将互动记录中家长的实际需求反馈给学校客户端,学校根据所述学校客户端接收到的家长的实际需求,结合学生的实际情况,进行供餐的及时调整。
优选的,所述学生基础信息数据由家长客户端、学生客户端进行实时更新,或者由人工智能专家系统根据与家长交互过程获取的信息进行实时更新。
基于上述方法,设计如下系统:
一种家校就餐互补系统,包括:人工智能专家系统、前端、学生客户端、学校或供餐单位客户端、家长客户端;其中,
所述学生客户端用于进行学生身份注册,获取学生基础信息数据;
所述学校或供餐单位客户端用于记录学生就餐情况;
所述前端用于获取学生实际进食情况;
所述人工智能专家系统用于所述学校或供餐单位客户端与所述家长客户端互动,向所述家长客户端提供针对性指导意见;以及/或者将家长的需求通过所述家长客户端反馈给所述学校或供餐单位客户端,由学校或供餐单位根据学生的实际情况,进行供餐的调整。
优选的,所述学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度、慢性病情况以及学生的个体身份标识。
优选的,所述学生基础信息数据由学生通过所述学生客户端录入。
优选的,所述学生的就餐情况包括学生进食的餐次,以及所述餐次学校的配餐情况。
优选的,所述学生的就餐情况由学校或供餐单位通过所述学校或供餐单位客户端录入。
优选的,获取学生实际进食情况的方法为利用所述前端进行进食数据采集,获取学生实际进食情况。
优选的,所述前端包括图片集获取单元、识别单元;获取学生实际进食情况的方法时,
所述图片集获取单元用于拍摄学生的进食过程,获取图片集;
所述识别单元用于将所述图片集输入机器学习模型,获取输出的识别结果。
优选的,所述图片集包括进食分析图片集和/或学生身份识别图片集;其中,所述学生身份图片集根据学生绑定的个体身份标识进行整合。
优选的,所述个体身份标识包括但不限于学生使用的不同颜色或者形状的餐具、学生的姿态动作特征、学生的头顶特征、学生进食时佩戴或附着在衣服上的颜色或形状不同的标识物。
优选的,所述图片集中每组数据都包含学生的一个完整的进食过程,其中包括一个入口动作图片和一个离开口的动作图片。
优选的,所述机器学习模型采用神经网络算法,因此所述机器学习模型在训练完成后能够根据输入的图片集,识别并输出食物种类和重量和/或学生的身份信息,输出的识别结果为键值对格式信息。
优选的,所述人工智能专家系统具备人机互动功能,所述人工互动方式包括语音互动、文本互动;借助语义理解LUIS实现语言智能,因此利用LUIS分析家长通过所述家长客户端发送的对话或者句子,提取特定于家校就餐互补的实际意向和实体,所述人工智能专家系统根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见。
优选的,所述人工智能专家系统还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
优选的,所述人工智能专家系统给出的指导意见通过即时通信工具将实时指导意见发送给家长,所述即时通信工具包括但不限于短信、微信、自主开发的程序。
优选的,所述人工智能专家系统还用于将与所述家长客户端的互动记录保存,并完善特定学生的学生基础信息数据。
优选的,所述人工智能专家系统用于将互动记录中家长的实际需求反馈给所述学校或供餐单位客户端,学校根据所述学校或供餐单位客户端接收到的家长的实际需求,结合学生的实际情况,进行供餐的及时调整。
优选的,所述学生基础信息数据由所述家长客户端、所述学生客户端进行实时更新,或者由所述人工智能专家系统根据与家长交互过程获取的信息进行实时更新。
一种家校就餐互补人工智能专家系统,包括互动模块、需求反馈模块、供餐调整模块;其中,
所述互动模块用于与家长互动,获取针对性指导意见;
所述需求反馈模块用于将家长的需求反馈给学校;
所述供餐调整模块用于根据学生的实际情况,进行供餐的调整。
优选的,所述互动模块支持的互动方式包括语音互动和文本互动,根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见。
优选的,还包括语言理解模块,所述语言理解模块借助语言理解LUIS实现语言智能,主要利用LUIS分析家长通过家长客户端发送的对话或者句子,提取家长在家校就餐互补方向的实际意向或者实体词语,进而理解家长的需求。
优选的,所述互动模块还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
优选的,互动模块给出的指导意见通过即时通信工具将实时指导意见发送给家长,所述即时通信工具包括但不限于短信、微信、自主开发的程序;指导意见包括但不限于对学生实际进食情况、学校带量食谱内容、对家长的膳食指导。
优选的,还包括互动记录模块,所述互动记录模块用于将与所述家长客户端的互动记录保存,并完善特定学生的学生基础信息数据。
优选的,还包括信息更新模块,所述信息更新模块用于根据与家长交互过程获取的信息对学生基础信息数据进行实时更新。
一种家校就餐互补客户端,包括学生客户端、家长客户端、学校或供餐单位客户端;其中,
所述学生客户端用于进行学生身份注册以及学生基础信息数据的实时更新;
所述家长客户端用于与人工智能专家系统进行互动,获取针对性指导信息,并进行需求反馈;
所述学校或供餐单位客户端用于记录学生就餐情况,并接收需求反馈。
优选的,所述所述学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度以及慢性病情况。
优选的,所述学生的就餐情况包括学生进食的餐次,以及所述餐次学校的配餐情况。
优选的,所述家长客户端与所述人工智能专家系统的互动方式包括语音互动和文本互动,家长同过所述家长客户端上传语音对话或者文字。
优选的,所述家长客户端用于接收人工智能专家系统反馈的针对性指导意见,所述针对性指导信息包括但不限于学生实际进食情况、学校带量食谱内容以及家校互补的膳食指导信息。
优选的,所述家长客户端还用于对所述学生基础信息数据的实时更新。
本发明具有以下有益效果:
经由上述的技术方案可知,基于现有技术,本发明提出了适用于学生的合理膳食方法、系统、专家系统及客户端,将推荐食谱和自定义食谱结合,保证学生在平衡膳食的基础上满足自身的饮食习惯;另外,通过人工智能专家系统与家长的交互,进行平衡膳食指导以及学生实际需求的反馈,有利于家校就餐互补,实现学生长期的膳食平衡。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据提供的附图获得其他的附图。
图1为适用于学生的合理膳食方法流程图;
图2为一种平衡膳食指导方法流程图;
图3为一种家校就餐互补的方法流程图;
图4为适用于学生的合理膳食系统框图;
图5为一种平衡膳食指导系统框图;
图6为一种家校就餐互补的系统框图;
图7为一种家校就餐互补人工智能专家系统结构示意图。
具体实施方式
下面将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。基于发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种适用于学生的合理膳食方法,
包括如下具体步骤:
(1)根据学生餐营养标准确定进食的基础数据;
具体的,参照《学生餐营养指南》对基础数据进行确定,基础数据包括:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
将不同发育阶段按照学生的年龄段进行划分,或者依据学生的具体发育情况进行划分;具体的,按照学生的年龄段进行划分时,参照《学生餐营养指南》将学生划分为以下四个年龄段:6岁-8岁、9岁-11岁、12岁-14岁、15岁-17岁;由于不同学生的发育情况有所区别,因此各个学校也可以根据具体情况进行划分。
其中,处于发育阶段学生所需的能量及营养素包括:总能量、蛋白质、脂肪供能比、碳水化合物供能比、钙、铁、锌、碘、维生素A、叶黄素、维生素B1、维生素B2、维生素C、膳食纤维、DHA以及EPA;脂肪供能比应占总能量的20%-30%,碳水化合物供能比应占总能量的50%-65%,总能量供给量应达到《学生餐营养指南》规定的标准值的90%-110%,蛋白质供给量应达到《学生餐营养指南》规定标准值的80%-120%。另外,每人每天早餐、午餐、晚餐提供的能量及营养素分别占全天总量的25%-30%、35%-40%、30%-35%。
食物种类包括:谷薯类,鱼禽肉蛋类,奶、大豆类及坚果,植物油,盐;每位学生每日三餐均应提供谷薯类,鱼禽肉蛋类,奶、大豆类及坚果四类食物;其中,谷薯类包括米、面、杂粮、杂豆及薯类,可以使用杂粮或薯类部分替代米或者面,令多种主食交替提供,避免长期单一进食同种主食;蔬菜水果类包括蔬菜类和水果类,每天至少提供4种新鲜水果,若只提供午餐,则应在午餐时提供至少3种新鲜蔬菜,且一半以上为深绿色、红色、橙色等深色蔬菜,以达到每日叶黄素的推荐量,还应提供菌藻类食物,例如:每周食用1-2次海带、紫菜等富含碘的食物,但应该避免野菜和野生菌的使用,每天至少提供一种新鲜水果,且在午餐时提供,对于每日水果进食不足的量可以根据学校的实际情况进行补充,例如走读学校,学生可在家庭补充,全日制学校,学生可在晚餐补充;鱼禽肉蛋类包括畜禽肉类、鱼虾类以及蛋类,优先选择水产类或禽类进食,畜类以瘦肉为主,减少肥肉的供应,水产类中鱼类的食用应考虑其安全性,选择刺少且易于取肉的鱼类进食,并做成可安全食用的菜品,例如鱼丸、鱼饼,每周提供一次动物肝脏,每人每次进食量为20g-25g,蛋类可每日三餐均匀分配,也可集中于某一餐次提供;奶、大豆类及坚果包括奶及奶制品、大豆类及其制品、坚果,每人每天平均提供至少300g的牛奶或者相当量的奶制品,例如酸奶,奶类的选择应查看营养标签,选择按照国家标准规定的蛋白质含量在2.9g以上的奶类,并且不能用含乳饮料代替,奶及奶制品应在早餐或者课间餐提供,每天每人提供大豆或者大豆制品,例如黄豆、豆干、豆腐、腐竹、豆腐脑等,每人每天提供10g坚果,可以在课间餐与奶类一起提供。
每位学生每天进食的食物种类不少于12种,每周进食的食物种类不少于25种。
为了进一步优化上述技术方案,每人每天烹调油的摄入量不超过30g;控制食用盐的摄入,包括酱油和其他事物的食用盐在内,提供的食用盐不超过每人每天6g。
为了进一步优化上述技术方案,每人三餐应干稀搭配,有益帮助消化,增加饱腹感,同时补充水分,例如,早餐可以稀饭搭配鸡蛋,或者牛奶搭配面包,午餐和晚餐至少保证两菜一汤等。
为了进一步优化上述技术方案,还应该推荐营养素含量丰富的食物供学校或者供餐单位参考,例如,富含钙的食物:虾皮、奶及奶制品、芝麻等;富含铁的食物:黑木耳、紫菜、芝麻酱、动物肝脏等;富含锌的食物:扇贝、鱿鱼、香菇等;富含碘的食物:海带、紫菜等;富含维生素A的食物:动物肝脏、蛋类、深色蔬菜和水果等;富含叶黄素的食物:韭菜、菠菜等;富含维生素B1的食物:葵花子仁、辣椒、黄豆等;富含维生素B2的食物:猪肝、核桃、花生仁、鸡蛋等;富含DHA的食物:金枪鱼、鳟鱼等;富含EPA的食物:大西洋鲟、大比目鱼等;富含维生素C的食物:深绿色的新鲜蔬菜和水果等。另外,如果日常食物提供的营养素不能满足学生生长发育的需求,鼓励使用微量营养素强化食物,例如碘盐、强化酱油或者强化植物油等。
(2)根据基础数据以及学生的实际情况,结合进食历史数据,按照配餐程序生成带量食谱;
具体的,根据学生在校进食的餐次、学生的性别和发育阶段,确定能量及营养素供应目标,以6-8岁男孩为例,若提供三餐,那么总能量为1770kcal,蛋白质 50g,脂肪占总能量的20%-30%,碳水化合物占总能量的50%-65%,如果只提供午餐,那么能量为708kcal,蛋白质为20g,脂肪占能量的20%-30%,碳水化合物占能量的50%-65%;
根据学生在校进食的餐次以及能量及营养素供应目标,确定进餐食物的食物种类或者具体食材,以及每种食物种类或者具体食材的数量;以6-8岁的孩子为例:若提供三餐,那么一天所需谷薯类为25g-300g,蔬菜类为300g-350g,如果只提供午餐,那么所需谷薯类为100g-120g,蔬菜类为120g-140g。
根据所述食物种类或者具体食材及其数量,按照三餐分配比例,生成带量食谱。
其中,营养素供应目标为各个发育阶段不同性别的学生每人每天能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量及营养素供给量;带量食谱包括餐次、菜品名称、菜品包含的各种食材名称及重量、以及各个发育阶段对应不同食材的进食量。
带量食谱中每种具体食材的数量根据学生在校进食的餐次以及能量及营养素供应目标,以及根据输入的具体食材,按照所述能量及营养素供应目标和食物种类数量的要求,并参照食材营养素成分表进行计算。
(3)对所述带量食谱进行核查,和/或提供食物同值替换的方案;
对带量食谱进行核查,具体过程为依据食材营养素成分表,计算带量食谱提供的能量及营养素含量,并与能量及营养素供应目标进行比较,以确定编制的带量食谱是否科学合理,不必严格要求每份营养餐食谱的能量和各类营养素均于标准保持严格一致,保持一段时间的平衡即可。
具体的,各种食物提供的实际能量或营养素计算:实际能量或营养素=各种食物实际用量×食部×能量或营养素含量÷10000。比如,午餐食谱中大米用了 200g,大米实际提供的能量(Kcal)=200×100×345÷10000=690Kcal。当然,食谱提供的总能量或营养素,就是所有食物提供的能量或营养素全部加起来。
为了进一步优化上述技术方案,提供食物同值替换方案,例如:能量含量相当于50g大米、面的谷薯类有350g鲜玉米、190g生红薯等;可食部相当于100g的蔬菜有105g白萝卜、115g甘蓝等;可食部相当于100g的水果有130g的苹果、170g 香蕉等;可食部相当于50g鱼肉的鱼虾类有85g的草鱼、65g的带鱼等;蛋白质含量相当于50g瘦猪肉的禽畜肉的有50g生瘦猪肉、50g生瘦牛肉等;蛋白质含量相当于50g干黄豆的大豆制品有350g内酯豆腐,80g豆腐丝等;蛋白质含量相当于100g鲜牛奶的奶类有100g酸奶、15g奶粉等。
为了进一步优化上述技术方案,还包括确定各个年龄段就餐人数及各类食物的量,各年龄段各类食物的量=各年龄段就餐人数×某事物实际用量;
为了进一步优化上述技术方案,还应确定总年龄段就餐总人数及各类食物的总量,即对计算出的各年龄段就餐人数及各类食物的量求和。
(4)对学生进行身份注册,获取学生基础信息数据;
学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度、慢性病情况以及学生的个体身份标识,由学生通过学生客户端录入。
(5)记录学生就餐情况;
由学校或供餐单位录入,具体的,就餐情况包括,学生进食的餐次以及所述餐次学校的配餐情况。
(6)获取学生实际进食情况;
具体的,拍摄学生的进食过程,获取图片集;将所述图片集输入机器学习模型,获取输出的识别结果。
图片集包括进食分析图片集和/或学生身份识别图片集;其中,所述学生身份图片集根据学生绑定的个体身份标识进行整合;图片集中每组数据都包含学生的一个完整的进食过程,其中包括一个入口动作图片和一个离开口的动作图片;个体身份标识包括但不限于学生使用的不同颜色或者形状的餐具、学生的姿态动作特征、学生的头顶特征、学生进食时佩戴或附着在衣服上的颜色或形状不同的标识物。
机器学习模型采用神经网络算法,因此所述机器学习模型在训练完成后能够根据输入的图片集,识别并输出进食者身份和/或食物种类和重量,输出的识别结果为键值对格式信息。
具体的机器学习模型的训练过程为:将进食分析图片集样本和/或学生身份识别图片集样本输入至神经网络中,输入层各个神经元负责接收输入的进食分析图片集样本和/或学生身份识别图片集样本,并将其传递给中间层各神经元,中间层是内部信息处理层,负责处理变换进食分析图片集样本和/或学生身份识别图片集样本为食物种类及数量和/或学生的身份信息,将输出的食物种类及数量和/或进食者的身份信息与样本期望输出的食物种类及数量和/或学生的身份信息进行比对,结果吻合则完成训练,结果不吻合,则将误差反馈给神经网络进行调试,并重复上述过程,不断修改中间层的权值参数,直至输出的食物种类及数量和/或学生的身份信息与样本期望输出的食物种类及数量和/或学生的身份信息吻合,则完成该神经网络的训练,获得一个训练完成的机器学习模型,该过程在服务端完成。
将实际场景的进食分析图片集和/或学生身份识别图片集输入到训练完成的机器学习模型的输入层,输入层各个神经元负责接收输入的进食分析图片集和/ 或学生身份识别图片集,并将其传递给中间层各神经元,中间层处理并由输出层输出食物种类及数量和/或学生的身份信息。
(7)对学生进行膳食指导,以及通过人工智能专家系统实现与家长互动,向家长提供针对性指导意见,以及/或者通过人工智能专家系统将家长的需求反馈给学校,由学校或者供餐单位根据学生的实际情况,进行供餐调整。
具体的,对学生进行膳食指导时,将膳食指导信息发送至学生客户端,结合特定学生的特定身体情况,进行针对性指导,例如,依据个体录入系统的身体体检结果,血压高的,提示少吃含钠高的菜品,血脂高的,慎吃脂肪含量高的,有糖尿病的慎吃升糖指数比较高的菜品。
为了进一步优化上述技术方案,人工智能专家系统可以通过微软云服务提供的Azure Bot创建人工智能专家系统,利用LUIS添加自然语言处理,让人工智能专家系统能够理解自然语言、了解拼写错误、使用语音和识别用户的意向;利用QnA Maker回答问题,添加营养学知识库,以更自然的聊天形式回答用户的提问;利用Dispatch工具管理多个模型,例如在使用LUIS和QnA Maker与人工智能专家系统进行聊天的过程中,人工智能专家系统能够明智的确定何时使用哪个模型。
人工智能专家系统具备人机互动功能,所述人工互动方式包括语音互动、文本互动;借助语义理解LUIS实现语言智能,因此利用LUIS分析家长通过家长客户端发送的对话或者句子,提取特定于家校就餐互补的实际意向和实体,所述人工智能专家系统根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见;人工智能专家系统还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
为了进一步优化上述技术方案,人工智能专家系统给出的指导意见通过即时通信工具将实时指导意见发送给家长,所述即时通信工具包括但不限于短信、微信、自主开发的程序。
为了进一步优化上述技术方案,人工智能专家系统将与所述家长客户端的互动记录保存,并完善特定学生的学生基础信息数据。
为了进一步优化上述技术方案,人工智能专家系统将互动记录中家长的实际需求反馈给学校客户端,学校根据所述学校客户端接收到的家长的实际需求,结合学生的实际情况,进行供餐的及时调整。
为了进一步优化上述技术方案,所述学生基础信息数据由家长客户端、学生客户端进行实时更新,或者由人工智能专家系统根据与家长交互过程获取的信息进行实时更新。
如图4所示,基于上述方法,设计如下系统:
一种适用于学生的合理膳食系统,包括后台1、人工智能专家系统2、学生客户端31、家长客户端32、学校或供餐单位客户端33以及前端4;其中,
后台1根据确定的进食基础数据生成适合不同发育阶段不同性别学生的带量食谱,并根据学生基础信息给予学生针对性膳食指导;学校或供餐单位33根据带量食谱进行供餐,并将学生的供餐记录传输给人工智能专家系统2;前端4用于采集学生实际进食情况,并将学生实际进食情况传输给人工智能专家系统2;人工智能专家系统2根据学生基础信息、就餐记录、实际进食情况给予家长膳食指导,所述膳食指导通过即时通信工具将实时指导意见发送给家长,所述即时通信工具包括但不限于短信、微信、自主开发的程序,家长通过家长客户端32将学生的实际情况反馈给人工智能专家系统2,并由人工智能专家系统2将反馈结果发送给学校或供餐单位客户端33,学校或供餐单位根据反馈结果进行供餐调整。
另外,人工智能专家系统2将保存与家长客户端32的互动信息,并根据互动信息及时更新学生基础信息。
如图2所示,
一种平衡膳食指导方法,包括如下步骤:
S1、根据学生餐营养标准确定进食的基础数据;
具体的,参照《学生餐营养指南》对基础数据进行确定,基础数据包括:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
将不同发育阶段按照学生的年龄段进行划分,或者依据学生的具体发育情况进行划分;具体的,按照学生的年龄段进行划分时,参照《学生餐营养指南》将学生划分为以下四个年龄段:6岁-8岁、9岁-11岁、12岁-14岁、15岁-17岁;由于不同学生的发育情况有所区别,因此各个学校也可以根据具体情况进行划分。
其中,处于发育阶段学生所需的能量及营养素包括:总能量、蛋白质、脂肪供能比、碳水化合物供能比、钙、铁、锌、碘、维生素A、叶黄素、维生素B1、维生素B2、维生素C、膳食纤维、DHA以及EPA;脂肪供能比应占总能量的20%-30%,碳水化合物供能比应占总能量的50%-65%,总能量供给量应达到《学生餐营养指南》规定的标准值的90%-110%,蛋白质供给量应达到《学生餐营养指南》规定标准值的80%-120%。另外,每人每天早餐、午餐、晚餐提供的能量及营养素分别占全天总量的25%-30%、35%-40%、30%-35%。
食物种类包括:谷薯类,鱼禽肉蛋类,奶、大豆类及坚果,植物油,盐;每位学生每日三餐均应提供谷薯类,鱼禽肉蛋类,奶、大豆类及坚果四类食物;其中,谷薯类包括米、面、杂粮、杂豆及薯类,可以使用杂粮或薯类部分替代米或者面,令多种主食交替提供,避免长期单一进食同种主食;蔬菜水果类包括蔬菜类和水果类,每天至少提供4种新鲜水果,若只提供午餐,则应在午餐时提供至少3种新鲜蔬菜,且一半以上为深绿色、红色、橙色等深色蔬菜,以达到每日叶黄素的推荐量,还应提供菌藻类食物,例如:每周食用1-2次海带、紫菜等富含碘的食物,但应该避免野菜和野生菌的使用,每天至少提供一种新鲜水果,且在午餐时提供,对于每日水果进食不足的量可以根据学校的实际情况进行补充,例如走读学校,学生可在家庭补充,全日制学校,学生可在晚餐补充;鱼禽肉蛋类包括畜禽肉类、鱼虾类以及蛋类,优先选择水产类或禽类进食,畜类以瘦肉为主,减少肥肉的供应,水产类中鱼类的食用应考虑其安全性,选择刺少且易于取肉的鱼类进食,并做成可安全食用的菜品,例如鱼丸、鱼饼,每周提供一次动物肝脏,每人每次进食量为20g-25g,蛋类可每日三餐均匀分配,也可集中于某一餐次提供;奶、大豆类及坚果包括奶及奶制品、大豆类及其制品、坚果,每人每天平均提供至少300g的牛奶或者相当量的奶制品,例如酸奶,奶类的选择应查看营养标签,选择按照国家标准规定的蛋白质含量在2.9g以上的奶类,并且不能用含乳饮料代替,奶及奶制品应在早餐或者课间餐提供,每天每人提供大豆或者大豆制品,例如黄豆、豆干、豆腐、腐竹、豆腐脑等,每人每天提供10g坚果,可以在课间餐与奶类一起提供。
每位学生每天进食的食物种类不少于12种,每周进食的食物种类不少于25种。
为了进一步优化上述技术方案,每人每天烹调油的摄入量不超过30g;控制食用盐的摄入,包括酱油和其他事物的食用盐在内,提供的食用盐不超过每人每天6g。
为了进一步优化上述技术方案,每人三餐应干稀搭配,有益帮助消化,增加饱腹感,同时补充水分,例如,早餐可以稀饭搭配鸡蛋,或者牛奶搭配面包,午餐和晚餐至少保证两菜一汤等。
为了进一步优化上述技术方案,还应该推荐营养素含量丰富的食物供学校或者供餐单位参考,例如,富含钙的食物:虾皮、奶及奶制品、芝麻等;富含铁的食物:黑木耳、紫菜、芝麻酱、动物肝脏等;富含锌的食物:扇贝、鱿鱼、香菇等;富含碘的食物:海带、紫菜等;富含维生素A的食物:动物肝脏、蛋类、深色蔬菜和水果等;富含叶黄素的食物:韭菜、菠菜等;富含维生素B1的食物:葵花子仁、辣椒、黄豆等;富含维生素B2的食物:猪肝、核桃、花生仁、鸡蛋等;富含DHA的食物:金枪鱼、鳟鱼等;富含EPA的食物:大西洋鲟、大比目鱼等;富含维生素C的食物:深绿色的新鲜蔬菜和水果等。另外,如果日常食物提供的营养素不能满足学生生长发育的需求,鼓励使用微量营养素强化食物,例如碘盐、强化酱油或者强化植物油等。
S2、根据基础数据以及学生的实际情况,结合历史数据,按照配餐程序生成带量食谱;
具体的,根据学生在校进食的餐次、学生的性别和发育阶段,确定能量及营养素供应目标,以6-8岁男孩为例,若提供三餐,那么总能量为1770kcal,蛋白质 50g,脂肪占总能量的20%-30%,碳水化合物占总能量的50%-65%,如果只提供午餐,那么能量为708kcal,蛋白质为20g,脂肪占能量的20%-30%,碳水化合物占能量的50%-65%;
根据学生在校进食的餐次以及能量及营养素供应目标,确定进餐食物的食物种类或者具体食材,以及每种食物种类或者具体食材的数量;以6-8岁的孩子为例:若提供三餐,那么一天所需谷薯类为25g-300g,蔬菜类为300g-350g,如果只提供午餐,那么所需谷薯类为100g-120g,蔬菜类为120g-140g。
根据所述食物种类或者具体食材及其数量,按照三餐分配比例,生成带量食谱。
其中,营养素供应目标为各个发育阶段不同性别的学生每人每天能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量及营养素供给量;带量食谱包括餐次、菜品名称、菜品包含的各种食材名称及重量、以及各个发育阶段对应不同食材的进食量。
带量食谱中每种具体食材的数量根据学生在校进食的餐次以及能量及营养素供应目标,以及根据输入的具体食材,按照所述能量及营养素供应目标和食物种类数量的要求,并参照食材营养素成分表进行计算。
S3、对所述带量食谱进行核查,和/或提供食物同值互换的方案。
对带量食谱进行核查,具体过程为依据食材营养素成分表,计算带量食谱提供的能量及营养素含量,并与能量及营养素供应目标进行比较,以确定编制的带量食谱是否科学合理,不必严格要求每份营养餐食谱的能量和各类营养素均于标准保持严格一致,保持一段时间的平衡即可。
具体的,各种食物提供的实际能量或营养素计算:实际能量或营养素=各种食物实际用量×食部×能量或营养素含量÷10000。比如,午餐食谱中大米用了 200g,大米实际提供的能量(Kcal)=200×100×345÷10000=690Kcal。当然,食谱提供的总能量或营养素,就是所有食物提供的能量或营养素全部加起来。
为了进一步优化上述技术方案,提供食物同值替换方案,例如:能量含量相当于50g大米、面的谷薯类有350g鲜玉米、190g生红薯等;可食部相当于100g的蔬菜有105g白萝卜、115g甘蓝等;可食部相当于100g的水果有130g的苹果、170g 香蕉等;可食部相当于50g鱼肉的鱼虾类有85g的草鱼、65g的带鱼等;蛋白质含量相当于50g瘦猪肉的禽畜肉的有50g生瘦猪肉、50g生瘦牛肉等;蛋白质含量相当于50g干黄豆的大豆制品有350g内酯豆腐,80g豆腐丝等;蛋白质含量相当于100g鲜牛奶的奶类有100g酸奶、15g奶粉等。
为了进一步优化上述技术方案,还包括确定各个年龄段就餐人数及各类食物的量,各年龄段各类食物的量=各年龄段就餐人数×某事物实际用量;
为了进一步优化上述技术方案,还应确定总年龄段就餐总人数及各类食物的总量,即对计算出的各年龄段就餐人数及各类食物的量求和。
S4、录入就餐学生的学生基础信息;
学生基础信息包括:就餐学生的年龄、性别、身高、体重、活动强度以及慢性病情况,由学生通过学生客户端自行录入,并根据实际情况随时进行更改。
S5、结合就餐学生的学生基础信息,对采用所述带量食谱就餐的学生进行膳食指导。
例如,依据学生录入系统的慢性病情况,血压高的,提示少吃含钠高的菜品,血脂高的,慎吃脂肪含量高的,有糖尿病的慎吃升糖指数比较高的菜品。
如图5所示,基于上述方案,设计出如下系统:
一种平衡膳食指导系统,包括:后台1;其中,
后台1包括基础数据确定模块11、食谱生成模块12、核查模块13;
基础数据确定模块11用于根据学生餐营养标准确定进食的基础数据;
食谱生成模块12用于根据基础数据以及学生的实际情况,确定配餐程序生成带量食谱;
核查模块13用于对所述带量食谱进行核查,和/或提供食物同值互换的方案。
基础数据确定模块11所确定的基础数据包括:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
发育阶段的划分方式包括:依据学生的年龄段进行划分,或者依据学生的具体发育情况进行划分。
能量及营养素包括:总能量、蛋白质、脂肪供能比、碳水化合物供能比、钙、铁、锌、碘、维生素A、叶黄素、维生素B1、维生素B2、维生素C、膳食纤维、 DHA以及EPA。
每人每天早餐、午餐、晚餐提供的能量及营养素分别占全天总量的25%-30%、35%-40%、30%-35%。
每人每天进食的食物种类包括:谷薯类,蔬菜水果类,鱼禽肉蛋类,奶类、大豆类及坚果,植物油,盐;且在一定时间段内进食的食物种类不少于最小种类数值,或者在一定时间段内进食某种食物种类的次数不少于最小次数值。
每人每天油和食盐摄入量不超过最大限值。
基础数据还包括各种营养素对应的富含该营养素的食物种类。
食谱生成模块12包括供应目标确定单元、综合食材确定单元、三餐分配单元;其中,
供应目标确定单元用于根据学生在校进食的餐次、学生的性别和发育阶段,确定能量及营养素供应目标;
综合食材确定单元用于根据学生在校进食的餐次以及能量及营养素供应目标,确定进餐食物的食物种类或者具体食材,以及每种食物种类或者具体食材的数量;
三餐分配单元用于根据所述食物种类或者具体食材及其数量,按照三餐分配比例,生成带量食谱。
能量及营养素供应目标包括以下任意一种:各个发育阶段不同性别的学生每人每天能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量及营养素供给量。
带量食谱包括餐次、菜品名称、菜品包含的各种食材名称及重量、以及各个发育阶段对应不同食材的进食量。
综合食材确定单元用于根据学生在校进食的餐次以及能量及营养素供应目标,以及根据输入具体食材,按照所述能量及营养素供应目标和食物种类数量的要求,并参照食材营养素成分表,计算所述带量食谱中包含每种具体食材的数量。
核查模块13用于依据食材营养素成分表,计算带量食谱提供的能量及营养素含量,并与能量及营养素供应目标进行比较。
同值食物替换为在符合能量及营养素供应目标的前提下,对带量食谱中的食材在相同食物种类范围内替换,以满足食物种类多样性的要求。
后台1还包括总供应量统计模块14,总供应量统计模块14用于根据各发育阶段就餐人数以及带量食谱中针对各发育阶段的食物种类和数量,确定各类食物的总供应量。
还包括学生客户端31;其中,
后台1还包括膳食指导模块15;
学生客户端31用于录入就餐学生的学生基础信息;
膳食指导模块15用于结合就餐学生的学生基础信息,对采用带量食谱就餐的学生进行膳食指导。
学生基础信息包括:就餐学生的年龄、性别、身高、体重、活动强度以及慢性病情况。
膳食指导为根据各个就餐学生的学生基础信息情况,针对性的对需要慎食的菜品种类进行提示。
如图3所示,
一种家校就餐互补方法,包括如下步骤:
进行学生身份注册,获取学生基础信息数据;
学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度、慢性病情况以及学生的个体身份标识,由学生通过学生客户端录入。
记录学生就餐情况;
由学校或供餐单位录入,具体的,就餐情况包括,学生进食的餐次以及该餐次学校的配餐情况。
获取学生实际进食情况;
具体的,拍摄学生的进食过程,获取图片集;将图片集输入机器学习模型,获取输出的识别结果。
图片集包括进食分析图片集和/或学生身份识别图片集;其中,所述学生身份图片集根据学生绑定的个体身份标识进行整合;图片集中每组数据都包含学生的一个完整的进食过程,其中包括一个入口动作图片和一个离开口的动作图片;个体身份标识包括但不限于学生使用的不同颜色或者形状的餐具、学生的姿态动作特征、学生的头顶特征、学生进食时佩戴或附着在衣服上的颜色或形状不同的标识物。
机器学习模型采用神经网络算法,因此所述机器学习模型在训练完成后能够根据输入的图片集,识别并输出进食者身份和/或食物种类和重量,输出的识别结果为键值对格式信息。
具体的机器学习模型的训练过程为:将进食分析图片集样本和/或学生身份识别图片集样本输入至神经网络中,输入层各个神经元负责接收输入的进食分析图片集样本和/或学生身份识别图片集样本,并将其传递给中间层各神经元,中间层是内部信息处理层,负责处理变换进食分析图片集样本和/或学生身份识别图片集样本为食物种类及数量和/或学生的身份信息,将输出的食物种类及数量和/或进食者的身份信息与样本期望输出的食物种类及数量和/或学生的身份信息进行比对,结果吻合则完成训练,结果不吻合,则将误差反馈给神经网络进行调试,并重复上述过程,不断修改中间层的权值参数,直至输出的食物种类及数量和/或学生的身份信息与样本期望输出的食物种类及数量和/或学生的身份信息吻合,则完成该神经网络的训练,获得一个训练完成的机器学习模型,该过程在服务端完成。
将实际场景的进食分析图片集和/或学生身份识别图片集输入到训练完成的机器学习模型的输入层,输入层各个神经元负责接收输入的进食分析图片集和/ 或学生身份识别图片集,并将其传递给中间层各神经元,中间层处理并由输出层输出食物种类及数量和/或学生的身份信息。
通过人工智能专家系统实现与家长互动,向家长提供针对性指导意见;以及 /或者,通过人工智能专家系统将家长的需求反馈给学校,由学校根据学生的实际情况,进行供餐的调整。
为了进一步优化上述技术方案,人工智能专家系统可以通过微软云服务提供的Azure Bot创建人工智能专家系统,利用LUIS添加自然语言处理,让人工智能专家系统能够理解自然语言、了解拼写错误、使用语音和识别用户的意向;利用QnA Maker回答问题,添加营养学知识库,以更自然的聊天形式回答用户的提问;利用Dispatch工具管理多个模型,例如在使用LUIS和QnA Maker与人工智能专家系统进行聊天的过程中,人工智能专家系统能够明智的确定何时使用哪个模型。
人工智能专家系统具备人机互动功能,所述人工互动方式包括语音互动、文本互动;借助语义理解LUIS实现语言智能,因此利用LUIS分析家长通过家长客户端发送的对话或者句子,提取特定于家校就餐互补的实际意向和实体,所述人工智能专家系统根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见;人工智能专家系统还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
为了进一步优化上述技术方案,人工智能专家系统给出的指导意见通过即时通信工具将实时指导意见发送给家长,所述即时通信工具包括但不限于短信、微信、自主开发的程序。
为了进一步优化上述技术方案,人工智能专家系统将与所述家长客户端的互动记录保存,并完善特定学生的学生基础信息数据。
为了进一步优化上述技术方案,人工智能专家系统将互动记录中家长的实际需求反馈给学校客户端,学校根据所述学校客户端接收到的家长的实际需求,结合学生的实际情况,进行供餐的及时调整。
为了进一步优化上述技术方案,所述学生基础信息数据由家长客户端、学生客户端进行实时更新,或者由人工智能专家系统根据与家长交互过程获取的信息进行实时更新。
如图6所示,
一种家校就餐互补系统,包括:人工智能专家系统2、前端4、学生客户端31、学校或供餐单位客户端33、家长客户端32;其中,
学生客户端31用于进行学生身份注册,获取学生基础信息数据;
学校或供餐单位客户端33用于记录学生就餐情况;
前端4用于获取学生实际进食情况;
人工智能专家系统2用于学校或供餐单位客户端33与家长客户端32互动,向家长客户端32提供针对性指导意见;以及/或者将家长的需求通过家长客户端32 反馈给学校或供餐单位客户端33,由学校或供餐单位根据学生的实际情况,进行供餐的调整。
为了进一步优化上述技术方案,所述学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度、慢性病情况以及学生的个体身份标识。
为了进一步优化上述技术方案,所述学生基础信息数据由学生通过学生客户端31录入。
为了进一步优化上述技术方案,学生的就餐情况包括学生进食的餐次,以及该餐次学校的配餐情况。
为了进一步优化上述技术方案,学生的就餐情况由学校或供餐单位通过学校或供餐单位客户端33录入。
为了进一步优化上述技术方案,获取学生实际进食情况的方法为利用前端4 进行进食数据采集,获取学生实际进食情况。
为了进一步优化上述技术方案,前端4包括图片集获取单元、识别单元;获取学生实际进食情况的方法时,
图片集获取单元用于拍摄学生的进食过程,获取图片集;
识别单元用于将所述图片集输入机器学习模型,获取输出的识别结果。
为了进一步优化上述技术方案,图片集包括进食分析图片集和/或学生身份识别图片集;其中,所述学生身份图片集根据学生绑定的个体身份标识进行整合。
为了进一步优化上述技术方案,个体身份标识包括但不限于学生使用的不同颜色或者形状的餐具、学生的姿态动作特征、学生的头顶特征、学生进食时佩戴或附着在衣服上的颜色或形状不同的标识物。
为了进一步优化上述技术方案,图片集中每组数据都包含学生的一个完整的进食过程,其中包括一个入口动作图片和一个离开口的动作图片。
为了进一步优化上述技术方案,机器学习模型采用神经网络算法,因此机器学习模型在训练完成后能够根据输入的图片集,识别并输出食物种类和重量和/ 或学生的身份信息,输出的识别结果为键值对格式信息。
为了进一步优化上述技术方案,人工智能专家系统2具备人机互动功能,人工互动方式包括语音互动、文本互动;借助语义理解LUIS实现语言智能,因此利用LUIS分析家长通过所述家长客户端32发送的对话或者句子,提取特定于家校就餐互补的实际意向和实体,所述人工智能专家系统2根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见。
为了进一步优化上述技术方案,人工智能专家系统2还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
为了进一步优化上述技术方案,人工智能专家系统2给出的指导意见通过即时通信工具将实时指导意见发送给家长,即时通信工具包括但不限于短信、微信、自主开发的程序。
为了进一步优化上述技术方案,人工智能专家系统2还用于将与家长客户端 32的互动记录保存,并完善特定学生的学生基础信息数据。
为了进一步优化上述技术方案,人工智能专家系统2用于将互动记录中家长的实际需求反馈给学校或供餐单位客户端33,学校根据学校或供餐单位客户端33 接收到的家长的实际需求,结合学生的实际情况,进行供餐的及时调整。
为了进一步优化上述技术方案,学生基础信息数据由家长客户端32、学生客户端31进行实时更新,或者由人工智能专家系统2根据与家长交互过程获取的信息进行实时更新。
如图7所示,
一种家校就餐互补人工智能专家系统,包括互动模块21、需求反馈模块22、供餐调整模块23;其中,
互动模块21用于与家长互动,获取针对性指导意见;
需求反馈模块22用于将家长的需求反馈给学校;
供餐调整模块23用于根据学生的实际情况,进行供餐的调整。
为了进一步优化上述技术方案,互动模块21支持的互动方式包括语音互动和文本互动,根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见。
为了进一步优化上述技术方案,还包括语言理解模块24,语言理解模块24借助语言理解LUIS实现语言智能,主要利用LUIS分析家长通过家长客户端32发送的对话或者句子,提取家长在家校就餐互补方向的实际意向或者实体词语,进而理解家长的需求。
为了进一步优化上述技术方案,互动模块21还可以根据学生基础信息数据以及学生实际进食情况,主动提出针对性的指导意见。
为了进一步优化上述技术方案,互动模块21给出的指导意见通过即时通信工具将实时指导意见发送给家长,即时通信工具包括但不限于短信、微信、自主开发的程序;指导意见包括但不限于对学生实际进食情况、学校带量食谱内容、对家长的膳食指导。
为了进一步优化上述技术方案,还包括互动记录模块21,互动记录模块21用于将与家长客户端32的互动记录保存,并完善特定学生的学生基础信息数据。
为了进一步优化上述技术方案,还包括信息更新模块25,信息更新模块25用于根据与家长交互过程获取的信息对学生基础信息数据进行实时更新。
本发明还包括提出一种家校就餐互补客户端,包括学生客户端31、家长客户端32、学校或供餐单位客户端33;其中,
学生客户端31用于进行学生身份注册以及学生基础信息数据的实时更新;
家长客户端32用于与人工智能专家系统进行互动,获取针对性指导信息,并进行需求反馈;
学校或供餐单位客户端33用于记录学生就餐情况,并接收需求反馈。
具体的,学生基础信息数据包括但不限于学生的进食历史数据、年龄、性别、身高、体重、活动强度以及慢性病情况。
学生的就餐情况包括学生进食的餐次,以及该餐次学校的配餐情况。
为了进一步优化上述技术方案,家长客户端32与人工智能专家系统2的互动方式包括语音互动和文本互动,家长同过家长客户端32上传语音对话或者文字。
为了进一步优化上述技术方案,家长客户端32用于接收人工智能专家系统2 反馈的针对性指导意见,针对性指导信息包括但不限于学生实际进食情况、学校带量食谱内容以及家校互补的膳食指导信息。
为了进一步优化上述技术方案,家长客户端32还用于对学生基础信息数据的实时更新。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种平衡膳食指导方法,其特征在于,包括如下步骤:
S1、根据学生餐营养标准确定进食的基础数据;
S2、根据基础数据以及学生的实际情况,结合历史数据,按照配餐程序生成带量食谱;
S3、对所述带量食谱进行核查,和/或提供食物同值互换的方案。
2.根据权利要求1所述的一种平衡膳食指导方法,其特征在于,所述S1确定的基础数据包括以下任意一种或多种:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
3.根据权利要求2所述的一种平衡膳食指导方法,其特征在于,所述发育阶段的划分方式包括:依据学生的年龄段进行划分,或者依据学生的具体发育情况进行划分。
4.根据权利要求1所述的一种平衡膳食指导方法,其特征在于,所述S2的具体步骤如下:
S21、根据学生在校进食的餐次、学生的性别和发育阶段,确定能量及营养素供应目标;
S22、根据学生在校进食的餐次以及能量及营养素供应目标,确定进餐食物的食物种类或者具体食材,以及每种食物种类或者具体食材的数量;
S23、根据所述食物种类或者具体食材及其数量,按照三餐分配比例,生成带量食谱。
5.一种平衡膳食指导系统,其特征在于,包括:后台(1);其中,
所述后台(1)包括基础数据确定模块(11)、食谱生成模块(12)、核查模块(13);
所述基础数据确定模块(11)用于根据学生餐营养标准确定进食的基础数据;
所述食谱生成模块(12)用于根据基础数据以及学生的实际情况,确定配餐程序生成带量食谱;
所述核查模块(13)用于对所述带量食谱进行核查,和/或提供食物同值互换的方案。
6.根据权利要求5所述的一种平衡膳食指导系统,其特征在于,所述基础数据确定模块(11)所确定的基础数据包括以下任意一种或多种:各个发育阶段不同性别的学生每人每天所需的能量及营养素供给量、各个发育阶段不同性别的学生每人每天三餐分别所需的能量和营养素供给量、各个发育阶段不同性别的学生进食的食物种类及数量、各个发育阶段不同性别的学生每人每天进食的油盐含量。
7.一种家校就餐互补方法,其特征在于,包括如下步骤:
进行学生身份注册,获取学生基础信息数据;
记录学生就餐情况;
获取学生实际进食情况;
通过人工智能专家系统实现与家长互动,向家长提供针对性指导意见;以及/或者,通过人工智能专家系统将家长的需求反馈给学校,由学校根据学生的实际情况,进行供餐的调整。
8.根据权利要求7所述的一种家校就餐互补方法,其特征在于,所述人工智能专家系统具备人机互动功能,所述人工互动方式包括语音互动、文本互动;借助语义理解LUIS实现语言智能,因此利用LUIS分析家长通过家长客户端发送的对话或者句子,提取特定于家校就餐互补的实际意向和实体,所述人工智能专家系统根据家长的需求、学生基础信息数据以及学生实际进食情况给出针对性的指导意见。
9.一种家校就餐互补系统,其特征在于,包括:人工智能专家系统(2)、前端(4)、学生客户端(31)、学校或供餐单位客户端(33)、家长客户端(32);其中,
所述学生客户端(31)用于进行学生身份注册,获取学生基础信息数据;
所述学校或供餐单位客户端(33)用于记录学生就餐情况;
所述前端(4)用于获取学生实际进食情况;
所述人工智能专家系统(2)用于所述学校或供餐单位客户端(33)与所述家长客户端(32)互动,向所述家长客户端(32)提供针对性指导意见;以及/或者将家长的需求通过所述家长客户端(32)反馈给所述学校或供餐单位客户端(33),由学校或供餐单位根据学生的实际情况,进行供餐的调整。
10.一种家校就餐互补人工智能专家系统,其特征在于,包括互动模块(21)、需求反馈模块(22)、供餐调整模块(23);其中,
所述互动模块(21)用于与家长互动,获取针对性指导意见;
所述需求反馈模块(22)用于将家长的需求反馈给学校;
所述供餐调整模块(23)用于根据学生的实际情况,进行供餐的调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911318415.2A CN111161838B (zh) | 2019-12-19 | 2019-12-19 | 一种适用于学生的合理膳食方法及指导系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911318415.2A CN111161838B (zh) | 2019-12-19 | 2019-12-19 | 一种适用于学生的合理膳食方法及指导系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111161838A true CN111161838A (zh) | 2020-05-15 |
CN111161838B CN111161838B (zh) | 2024-04-12 |
Family
ID=70557417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911318415.2A Active CN111161838B (zh) | 2019-12-19 | 2019-12-19 | 一种适用于学生的合理膳食方法及指导系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111161838B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111755098A (zh) * | 2020-06-15 | 2020-10-09 | 江南大学 | 一种平衡膳食数学模型建立方法 |
CN111785351A (zh) * | 2020-07-27 | 2020-10-16 | 王睿琪 | 一种就餐时提示取菜重量的系统及其方法和装置 |
CN112837784A (zh) * | 2021-02-03 | 2021-05-25 | 贵州科测信息技术有限责任公司 | 中小学生体检大数据分析管理系统 |
CN113240557A (zh) * | 2021-04-15 | 2021-08-10 | 王睿琪 | 一种家校联动学生健康保障系统 |
CN116383474A (zh) * | 2022-12-14 | 2023-07-04 | 杭州心芽信息科技有限公司 | 一种一周合理膳食食材智能搭配推荐系统 |
CN116895365A (zh) * | 2023-09-11 | 2023-10-17 | 北京康爱医疗科技股份有限公司 | 基于自然语言处理进行肿瘤患者营养筛查的方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866954A (zh) * | 2015-04-27 | 2015-08-26 | 天津师范大学 | 基于智能信息处理终端居民膳食均衡量化分析方法及系统 |
CN106296520A (zh) * | 2016-08-04 | 2017-01-04 | 山西精英科技股份有限公司 | 一种学生健康信息管理系统 |
CN107833617A (zh) * | 2017-11-28 | 2018-03-23 | 威海海洋职业学院 | 一种大学生一日营养食谱编制方法 |
CN109102860A (zh) * | 2018-08-02 | 2018-12-28 | 青岛大学 | 一种基于微信平台的鲁菜营养式点餐方法 |
CN109524084A (zh) * | 2018-11-01 | 2019-03-26 | 广州仁生健康科技有限公司 | 一种针对个人健康管理的智能营养配餐系统及方法 |
CN110223759A (zh) * | 2019-06-13 | 2019-09-10 | 上海智美颜和医疗美容门诊部有限公司 | 一种膳食管理系统及方法 |
-
2019
- 2019-12-19 CN CN201911318415.2A patent/CN111161838B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104866954A (zh) * | 2015-04-27 | 2015-08-26 | 天津师范大学 | 基于智能信息处理终端居民膳食均衡量化分析方法及系统 |
CN106296520A (zh) * | 2016-08-04 | 2017-01-04 | 山西精英科技股份有限公司 | 一种学生健康信息管理系统 |
CN107833617A (zh) * | 2017-11-28 | 2018-03-23 | 威海海洋职业学院 | 一种大学生一日营养食谱编制方法 |
CN109102860A (zh) * | 2018-08-02 | 2018-12-28 | 青岛大学 | 一种基于微信平台的鲁菜营养式点餐方法 |
CN109524084A (zh) * | 2018-11-01 | 2019-03-26 | 广州仁生健康科技有限公司 | 一种针对个人健康管理的智能营养配餐系统及方法 |
CN110223759A (zh) * | 2019-06-13 | 2019-09-10 | 上海智美颜和医疗美容门诊部有限公司 | 一种膳食管理系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111755098A (zh) * | 2020-06-15 | 2020-10-09 | 江南大学 | 一种平衡膳食数学模型建立方法 |
CN111785351A (zh) * | 2020-07-27 | 2020-10-16 | 王睿琪 | 一种就餐时提示取菜重量的系统及其方法和装置 |
CN112837784A (zh) * | 2021-02-03 | 2021-05-25 | 贵州科测信息技术有限责任公司 | 中小学生体检大数据分析管理系统 |
CN113240557A (zh) * | 2021-04-15 | 2021-08-10 | 王睿琪 | 一种家校联动学生健康保障系统 |
CN116383474A (zh) * | 2022-12-14 | 2023-07-04 | 杭州心芽信息科技有限公司 | 一种一周合理膳食食材智能搭配推荐系统 |
CN116895365A (zh) * | 2023-09-11 | 2023-10-17 | 北京康爱医疗科技股份有限公司 | 基于自然语言处理进行肿瘤患者营养筛查的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111161838B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111161838B (zh) | 一种适用于学生的合理膳食方法及指导系统 | |
De Vries-Ten Have et al. | Protein intake adequacy among Nigerian infants, children, adolescents and women and protein quality of commonly consumed foods | |
Schösler et al. | Can we cut out the meat of the dish? Constructing consumer-oriented pathways towards meat substitution | |
US20110202359A1 (en) | System and method for determining a nutritional value of a food item | |
Lawrie | Proteins as Human Food: Proceedings of the Sixteenth Easter School in Agricultural Science, University of Nottingham, 1969 | |
CN111261260B (zh) | 一种膳食推荐系统 | |
CN112348692A (zh) | 一种基于消费者健康所需各营养素需求量的订单农业系统 | |
Miele | Changing passions for food in Europe | |
Glushkov | Use of linear optimization model in defining the new standards for the preparation of food for servicemen in preparation for participation in peacekeeping operations | |
US10217376B2 (en) | Nutritional value of food | |
Safavi et al. | Development of food-based dietary guidelines for Iran: a preliminary report | |
Stathers et al. | Everything you ever wanted to know about sweetpotato: Reaching agents of change ToT manual. 2: Orange-fleshed sweetpotato and nutrition. | |
Netto Rangel et al. | Sensory evaluation of cakes prepared with orange-fleshed sweet potato flour (Ipomoea batatas L.) | |
Leighton | Nutrient and sensory quality of orange-fleshed sweet potato | |
Foytik | Devising and using a computerized diet: An exploratory study | |
CN113744840A (zh) | 基于集中供餐环境实现个性化即时营养评价及指导的系统及其方法 | |
CN112885430A (zh) | 一种适用于营养智能管理系统的餐单智能生成方法 | |
Nsele | The effect of seasonal food variety and dietary diversity on the nutritional status of a rural community in KZN | |
CN115798684A (zh) | 一种面向校园智慧食堂的多阶段营养配餐方法和系统 | |
Contreras et al. | Acceptability of Native Darag Chicken Menu Variations | |
Modi | The nutritional quality of traditional and modified traditional foods in KwaZulu-Natal. | |
Prasetyo | Training on Diverse, Nutritious, Balanced, and Safe Menus Based on Local Food in Surakarta | |
CN111528469A (zh) | 一种居民一般膳食营养食谱的实现方法 | |
Puspita et al. | Mackerel Tuna Fish Nugget as a New Innovation to Fishery Product in Kandangsemangkon Village | |
Morekhanova et al. | Quality of food consumption as a condition for ensuring food security at the household level. |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |