CN111261259A - 一种控制营养素摄入的方法、系统、后台及显示终端 - Google Patents
一种控制营养素摄入的方法、系统、后台及显示终端 Download PDFInfo
- Publication number
- CN111261259A CN111261259A CN202010029755.XA CN202010029755A CN111261259A CN 111261259 A CN111261259 A CN 111261259A CN 202010029755 A CN202010029755 A CN 202010029755A CN 111261259 A CN111261259 A CN 111261259A
- Authority
- CN
- China
- Prior art keywords
- dish
- food
- intake
- dishes
- type
- 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种控制营养素摄入的方法,包括如下步骤:S1、建立菜品库,并生成对应菜品库中每种菜品的营养标签;S2、获取每位进食者的进食的菜品种类以及进食量;S3、将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;S4、根据统计结果制定递减规划,并对进食者进行针对性提示。并设计出对应的系统、后台以及显示终端,能够精准的获取人均或者每位进食者的每餐摄入的营养素的含量,有利于对减盐限油行动的实际效果的评估,另外,还有能够结合进食者的进餐历史记录以及自身慢性病情况,提出针对性的饮食建议,并进行膳食指导。
Description
技术领域
本发明涉及膳食营养管理技术领域,更具体地说是涉及一种控制营养素摄入的方法、系统、后台及显示终端。
背景技术
随着生活节奏的加快,我国慢性病的患病率在快速上升,而过高的食用盐摄入将引发高血压,高血压又可以造成脑卒中、冠心病等心脑血管疾病的发生,烹调油摄入量过高将导致脂肪囤积,易造成高血脂症和肥胖症,糖尿病也随之而来,因此减盐限油成为预防慢性病的一项有效措施。
为了评估减盐限油措施的实际效果,需要对进食者实际摄入食用盐和烹调油的变化趋势的准确统计,但是,对于人流量较大的就餐场所,例如食堂,很难对进食者人均摄入食用盐和烹调油的量进行准确统计,若依靠人工计算油盐消耗量,结合就餐人数,计算人均油盐摄入量,填写报表进行数据统计,则无法避免的会出现为了迎合相关机构的意图而生成完美报表的情况,或者由于工作人员的失误导致油盐的消耗量统计出现误差,因此现有技术并不能实现对减盐限油措施的效果监测,也就无法根据统计结果指定油盐递减规划。另外,实现膳食营养管理,还需要对其他营养素的摄入情况进行监测,以及对不同个体的进食情况,生成针对性的建议和引导。
因此,如何获取人均油盐等营养素的摄入量,指定油盐等营养素递减规划,以及根据不同个体的进食情况,生成针对性的膳食指导建议,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种控制营养素摄入的方法、系统、后台及显示终端,通过生成菜品的营养标签,获取进食者的实际进食种类和进食量,生成油盐等相关营养素的实际摄入量,进而根据统计结果指定油盐递减规划,并根据进食者的进食情况,针对性的生成膳食指导建议。
为了实现上述目的,本发明采用如下技术方案:
一种控制营养素摄入的方法,包括如下步骤:
S1、建立菜品库,并生成对应菜品库中每种菜品的营养标签;
S2、获取每位进食者的进食的菜品种类以及进食量;
S3、将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
S4、根据统计结果制定递减规划,并对进食者进行针对性提示。
优选的,所述S1包括S11-S15五个具体步骤:
S11、建立菜品库;
S12、向后台录入菜品食材原料的种类和重量;
S13、向后台输入利用所述菜品食材原料制作的菜品份数;
S14、由后台计算制作每份菜品所需的食材原料的重量;
S15、由后台结合中国食物成分表,生成一份菜品的营养标签。
具体的,建立菜品库有利于供餐单位对供应的菜品种类、重量以及营养素含量进行统一的管理,S12-S15是菜品营养标签的生成过程,该过程仅需人工输入已经确定的参数,避免了人工计算重量以及生成营养标签的繁琐过程,由后台结合中国食物成分表生成的营养标签,提高了营养标签的准确度;所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质、食用盐和烹调油的含量。
优选的,所述S2中获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量;提供两种进食者摄入的食物种类和重量的统计方法,避免对供餐单位产生条件限制,有条件进行进食数据采集的供餐单位,可以选择第二种更精确的采集方式,若没有条件进行进食数据采集的供餐单位,则可以选择第一种更为普适,便于操作的方式。
所述第一种方法的具体步骤如下:
获取当餐进食人数和菜品实际销售份数,具体的,当供餐单位为食堂时,提供的菜品的种类和份数是已知且在系统中发布的,未售出的菜品的种类和份数也是已知的,因此实际销售的菜品种类和份数可以通过求差计算直观统计获得;当供餐单位为饭店时,则可以依据点餐的情况进行菜品销售的种类和份数的统计;
对餐厅倾倒剩菜的位置进行监控,获取剩菜图像集;
利用图像识别技术,在当餐发布的菜品种类的范围内识别剩菜图片集中剩菜的菜品类型;
结合人手指的体积,计算每张剩菜图片中全部剩菜的体积,再依据每种菜品剩菜占该张剩菜图片中全部种类菜品剩菜的比重,结合每种完整菜品的已知重量,获取每种菜品剩菜的重量,其中,每种菜品剩菜比重依据该张剩菜图片中全部剩菜的菜品种类平均分配;
将实际销售的菜品的种类和重量与剩菜的种类和数量进行求差运算,获取全部进食者的实际摄入的菜品种类和重量;
根据进食者人数,利用平均值法,计算获得每位进食者的摄入菜品种类和重量。
具体的,所述剩菜图片集中包括单一剩菜图片,以及剩菜混合图片;识别单一剩菜图片时,结合当餐发布的菜品,在菜品包含的食材原料范围中识别食材原料的种类,利用事先训练的机器学习模型识别剩菜的菜品类型;识别剩菜混合图片时,若当餐菜品中每种菜品的食材原料均不同,则根据剩菜混合图片中包含的食材原料种类,推断混合菜品的种类,若当餐菜品中存在不同种类菜品包含同种食材原料时,则假设剩菜混合图片中的剩菜为包含该食材原料的菜品均匀混合而成,事先训练的机器学习模型将输出当餐包含该食材原料的全部菜品类型,利用机器学习模型在食材原料的范围中识别剩菜种类,有利于提高对每次倾倒剩菜的种类的识别效率以及精确度。
具体的,计算剩菜体积时,结合人脸识别技术,对倾倒剩菜的人员进行注册,获取手指具体部位的体积,获取剩菜体积时以注册的手指部位为参照物,便于计算倾倒剩菜的体积。
另外,所述第二种方法的具体步骤如下:
对进食者进行身份注册,并绑定身份标识,所述身份标识包括但不限于进食者使用的不用颜色或者形状的餐具、进食者的姿态动作特征、进食者的头顶特征、进食者进食时佩戴或附着在衣服上的颜色或者形状不同的标识物;
利用安装在餐桌旁的智能相机拍摄进食者的进餐过程,并获取进餐图片集,所述进餐图片集包括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动作图片,由于每位进食者的进食习惯不同,因此每次入口实际进食的量并不一定等于入口的全部食物重量,将入口动作图片中包含的食物重量与离开口动作图片中包含的食物重量进行求差运算,获取的是进食者每次入口实际摄入量,减少后续机器学习模型的计算量,也保证了获取实际进食量的准确度;
将进餐图片集输入训练完成的机器学习模型,获取识别到的进食的食物种类以及食物重量,其中,通过比对进食工具,监测进食每一口食物的重量,并将当餐该进食者进食的全部食物种类和重量以键值对格式保存在进食档案中,有利于对每位进食者的进食情况进行精确地统计。
优选的,还包括如下步骤:由显示终端显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,并对营养素超标情况进行提示或者警示;第二种为进食者自由点餐,显示终端显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示;第三种为利用人脸识别技术,由显示终端根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示,三种方式可以使进食者根据自身需求进行选择,在满足进食者的进餐口味的同时,保证进食者不同营养素的合理摄入。
优选的,还包括如下步骤:当菜品食材原料变化、厨师变化、油盐含量变化以及食谱变化时,及时更新菜品库,保证菜品库及其营养标签的实时性和有效性。
基于上述方法,设计如下系统:
一种控制营养素摄入的系统,包括:后台;其中,
所述后台包括营养标签生成模块、摄入信息获取模块、营养素摄入统计模块、引导模块;
所述营养标签生成模块用于建立菜品库,并生成对应菜品库中每种菜品的营养标签;
所述摄入信息获取模块用于获取每位进食者进食的菜品种类以及进食量;
所述营养素摄入统计模块用于将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
所述引导模块用于根据统计结果制定递减规划,并对进食者进行针对性提示。
优选的,所述营养标签生成模块包括:菜品库建立单元、食材原料录入单元、制作份数输入单元、重量计算单元以及标签生成单元;其中,
所述菜品库建立单元用于建立菜品库;
所述食材原料录入单元用于录入菜品食材原料的种类和重量;
所述制作份数输入单元用于输入利用所述菜品食材原料制作的菜品份数;
所述重量计算单元用于计算制作每份菜品所需的食材原料的重量;
所述标签生成单元用于结合中国食物成分表,生成一份菜品的营养标签。
具体的,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质的含量。
优选的,所述摄入信息获取模块获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量。
优选的,所述摄入信息获取模块包括销售份数获取单元、剩菜图像集获取单元、剩菜菜品类型识别单元、剩菜重量计算单元、总摄入量计算单元、每位进食者摄入信息获取单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
所述销售份数获取单元用于获取当餐进食人数和菜品实际销售份数;
所述剩菜图像集获取单元用于对餐厅倾倒剩菜的位置进行监控,获取剩菜图像集;
所述剩菜菜品类型识别单元用于利用图像识别技术,在当餐发布的菜品种类的范围内识别剩菜图片集中剩菜的菜品类型;
所述剩菜重量计算单元用于结合人手指的体积,计算每张剩菜图片中全部剩菜的体积,再依据每种菜品剩菜占该张剩菜图片中全部种类菜品剩菜的比重,结合每种完整菜品的已知重量,获取每种菜品剩菜的重量,其中,每种菜品剩菜比重依据该张剩菜图片中全部剩菜的菜品种类平均分配;
所述总摄入量计算单元用于将实际销售的菜品的种类和重量与剩菜的种类和数量进行求差运算,获取全部进食者的实际摄入的菜品种类和重量;
所述每位进食者摄入信息获取单元用于根据进食者人数,利用平均值法,计算获得每位进食者的摄入菜品种类和重量。
优选的,所述剩菜图片集中包括单一剩菜图片,以及剩菜混合图片;识别单一剩菜图片时,结合当餐发布的菜品,在菜品包含的食材原料范围中识别食材原料的种类,利用事先训练的机器学习模型识别剩菜的菜品类型;识别剩菜混合图片时,若当餐菜品中每种菜品的食材原料均不同,则根据剩菜混合图片中包含的食材原料种类,推断混合菜品的种类,若当餐菜品种存在不同种类菜品包含同种食材原料时,则假设剩菜混合图片中的剩菜为包含该食材原料的菜品均匀混合而成,事先训练的机器学习模型将输出当餐包含该食材原料的全部菜品类型。
优选的,所述摄入信息获取模块还包括参照物获取单元;其中,所述参照物获取单元用于在计算剩菜体积时,结合人脸识别技术,对倾倒剩菜的人员进行注册,获取手指具体部位的体积,获取剩菜体积时以注册的手指部位为参照物。
优选的,所述摄入信息获取模块还包括进食者注册单元、进餐图片集获取单元、进食信息识别单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
所述进食者注册单元用于对进食者进行身份注册,并绑定身份标识,所述身份标识包括但不限于进食者使用的不用颜色或者形状的餐具、进食者的姿态动作特征、进食者的头顶特征、进食者进食时佩戴或附着在衣服上的颜色或者形状不同的标识物;
所述进餐图片集获取单元用于利用安装在餐桌旁的智能相机拍摄进食者的进餐过程,并获取进餐图片集,所述进餐图片集包括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动作图片;
所述进食信息识别单元用于将进餐图片集输入训练完成的机器学习模型,获取识别到的进食的食物种类以及食物重量,其中,通过比对进食工具,监测进食每一口食物的重量,并将当餐该进食者进食的全部食物种类和重量以键值对格式保存在进食档案中。
优选的,还包括显示终端;其中,所述显示终端用于显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,通过所述显示终端对营养素超标情况进行提示或者警示;第二种为进食者自由点餐,所述显示终端显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示;第三种为利用人脸识别技术,由所述显示终端根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示。
优选的,所述后台还包括更新模块;其中,所述更新模块用于当菜品食材原料变化、厨师变化、油盐含量变化以及食谱变化时,及时更新菜品库。
一种控制营养素摄入的后台,包括营养标签生成模块、摄入信息获取模块、营养素摄入统计模块、引导模块;其中,
所述营养标签生成模块用于建立菜品库,并生成对应菜品库中每种菜品的营养标签;
所述摄入信息获取模块用于获取每位进食者进食的菜品种类以及进食量;
所述营养素摄入统计模块用于将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
所述引导模块用于根据统计结果指定递减规划,并对进食者进行针对性提示。
优选的,所述营养标签生成模块包括:菜品库建立单元、食材原料录入单元、制作份数输入单元、重量计算单元以及标签生成单元;其中,
所述菜品库建立单元用于建立菜品库;
所述食材原料录入单元用于录入菜品食材原料的种类和重量;
所述制作份数输入单元用于输入利用所述菜品食材原料制作的菜品份数;
所述重量计算单元用于计算制作每份菜品所需的食材原料的重量;
所述标签生成单元用于结合中国食物成分表,生成一份菜品的营养标签。
具体的,菜品库建立单元建立的菜品库,便于供餐单位对供应的菜品种类、重量以及营养素含量进行统一的管理,在营养标签的制作过程,操作者仅通过所述食材原料录入单元以及制作份数输入单元手动输入制作菜品所需的已经确定的参数即可,计算过程以及营养标签的生成分别由重量计算单元、标签生成单元自动生成,避免人工操作的产生的误差,也同时减少了工作人员的工作量,更有利于该方法和系统的普及。
具体的,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质、食用盐、烹调油的含量,有利于对菜品营养素进行全面的把控。
优选的,所述摄入信息获取模块获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量;两种获取每位进食者的进食信息的方式,便于供餐单位根据自身情况进行选择,降低了本发明的推广门槛,有利于普及。
优选的,所述摄入信息获取模块包括销售份数获取单元、剩菜图像集获取单元、剩菜菜品类型识别单元、剩菜重量计算单元、总摄入量计算单元、每位进食者摄入信息获取单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
所述销售份数获取单元用于获取当餐进食人数和菜品实际销售份数,具体的,当供餐单位为食堂时,所述销售份数获取单元根据系统中发布的已知菜品的种类和份数,结合未售出的菜品的种类和份数,通过求差计算获得实际销售的菜品种类和份数;当供餐单位为饭店时,所述销售份数获取单元则可以依据点餐的情况进行菜品销售的种类和份数的统计;
所述剩菜图像集获取单元用于对餐厅倾倒剩菜的位置进行监控,获取剩菜图像集;
所述剩菜菜品类型识别单元用于利用图像识别技术,在当餐发布的菜品种类的范围内识别剩菜图片集中剩菜的菜品类型;
所述剩菜重量计算单元用于结合人手指的体积,计算每张剩菜图片中全部剩菜的体积,再依据每种菜品剩菜占该张剩菜图片中全部种类菜品剩菜的比重,结合每种完整菜品的已知重量,获取每种菜品剩菜的重量,其中,每种菜品剩菜比重依据该张剩菜图片中全部剩菜的菜品种类平均分配;
所述总摄入量计算单元用于将实际销售的菜品的种类和重量与剩菜的种类和数量进行求差运算,获取全部进食者的实际摄入的菜品种类和重量;
所述每位进食者摄入信息获取单元用于根据进食者人数,利用平均值法,计算获得每位进食者的摄入菜品种类和重量。
具体的,所述剩菜图片集中包括单一剩菜图片,以及剩菜混合图片;识别单一剩菜图片时,结合当餐发布的菜品,在菜品包含的食材原料范围中识别食材原料的种类,利用事先训练的机器学习模型识别剩菜的菜品类型;识别剩菜混合图片时,若当餐菜品中每种菜品的食材原料均不同,则根据剩菜混合图片中包含的食材原料种类,推断混合菜品的种类,若当餐菜品种存在不同种类菜品包含同种食材原料时,则假设剩菜混合图片中的剩菜为包含该食材原料的菜品均匀混合而成,事先训练的机器学习模型将输出当餐包含该食材原料的全部菜品类型,利用机器学习模型在食材原料的范围中识别剩菜种类,有利于提高对每次倾倒剩菜的种类和识别效率以及精确度。
优选的,所述摄入信息获取模块还包括参照物获取单元;其中,所述参照物获取单元用于在计算剩菜体积时,结合人脸识别技术,对倾倒剩菜的人员进行注册,获取手指具体部位的体积,获取剩菜体积时以注册的手指部位为参照物,便于计算倾倒剩菜的体积。
优选的,所述摄入信息获取模块还包括进食者注册单元、进餐图片集获取单元、进食信息识别单元;其中,利用第二种方法获取每位进食者进食的菜品种类以及进食量时,
所述进食者注册单元用于对进食者进行身份注册,并绑定身份标识,所述身份标识包括但不限于进食者使用的不用颜色或者形状的餐具、进食者的姿态动作特征、进食者的头顶特征、进食者进食时佩戴或附着在衣服上的颜色或者形状不同的标识物;
所述进餐图片集获取单元用于利用安装在餐桌旁的智能相机拍摄进食者的进餐过程,并获取进餐图片集,所述进餐图片集包括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动作图片;
所述进食信息识别单元用于将进餐图片集输入训练完成的机器学习模型,获取识别到的进食的食物种类以及食物重量,其中,通过比对进食工具,监测进食每一口食物的重量,并将当餐该进食者进食的全部食物种类和重量以键值对格式保存在进食档案中,有利于对每位进食者的进食情况进行精确地统计。
有短的,还包括更新模块;其中,所述更新模块用于当菜品食材原料变化、厨师变化、油盐含量变化以及食谱变化时,及时更新菜品库,保证菜品库及其营养标签的实时性和有效性。
一种控制营养素摄入的显示终端,包括显示屏、摄像头;其中,
所述显示屏用于显示菜品真实图片、营养标签;
所述摄像头用于拍摄进食者面部特征。
优选的,所述显示屏还包括警示区域;其中,所述警示区域用于在点餐过程中,对某种营养素含量超标的菜品给予进食者提示或警示,进而对选取的菜品做出调整。
优选的,显示终端的存在形式包括落地显示器或者点餐平板,便于供餐单位根据自身情况自行选择显示终端的形式,具有普适性。
具体的,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质、食用盐、烹调油的含量,便于进食者对菜品营养素含量全方面的了解。
优选的,所述显示屏用于显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签,便于进食者点餐;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,通过所述警示区域对营养素超标情况进行提示或者警示;第二种为进食者自由点餐,所述显示屏显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示;第三种为利用人脸识别技术,由所述摄像头根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示。
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,本发明提出了一种控制营养素摄入的方法、系统、后台及显示终端,能够精准获取人均摄入的营养素含量,进而评估减盐限油行动的实际效果,另外,通过记录进食者的进餐历史记录以及自身慢性病情况,获取针对性的饮食建议,并进行点餐提示,有利于帮助进食者对自身饮食进行调整。
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为一种控制营养素摄入的方法流程图;
图2为一种控制营养素摄入的系统框图;
图3为一种控制营养素摄入的后台示意图;
图4为一种控制营养素摄入的显示终端示意图。
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,本发明提供了如下方法:
一种控制营养素摄入的方法,包括如下步骤:
S1、建立菜品库,并生成对应菜品库中每种菜品的营养标签;
具体步骤如下:
首先建立一个菜品库,菜品库中包含供餐单位提供的全部菜品的信息和菜品图片;然后,生成菜品库中每种菜品对应的营养标签,营养标签的生成步骤如下:由工作人员向后台分别录入每种菜品食材原料的种类和总的重量,食材原料的总重量由工作人员称量获得;由工作人员向后台输入利用所述菜品食材原料制作的菜品份数;由后台根据录入参数计算制作每份菜品所需的食材原料的重量;最后,由后台结合中国食物成分表,生成每种菜品每份对应的营养标签。例如,供餐单位的工作人员欲制作100份鱼香肉丝,制作鱼香肉丝时使用的食材原料包括:瘦猪肉、胡萝卜、木耳、青椒、油、盐等,用食品称分别称量获取每种食材原料的总重量,并利用供餐单位客户端将制作的鱼香肉丝的总份数以及每种食材原料的名称和总重量分别输入至后台,由后台计算出制作每份鱼香肉丝时使用的各种食材原料的重量,再结合中国食物成分表或者其他类似数据,生成每份鱼香肉丝对应的营养标签;当然,为了更精准的获取每份鱼香肉丝中每种食材原料的用量,也可以由工作人员先试做10份鱼香肉丝,用食品称分别称量获取每种食材原料的总重量,利用供餐单位客户端,将制作鱼香肉丝的份数、每种食材原料的名称和总重量分别传输至后台,由后台计算出每份鱼香肉丝所用的每种食材原料的重量,再结合中国食物成分表或者其他类似数据,生成每份鱼香肉丝对应的营养标签。
其中,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质、食用盐、烹调油的含量。
S2、获取每位进食者的进食的菜品种类以及进食量;
具体的,获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量。
其中,第一种方法的具体步骤如下:
获取当餐进食人数和菜品实际销售份数,具体的,通过计算供给的餐具数量或者利用摄像设备获取进食人数;当供餐单位为食堂时,通过将供餐总份数与未销售份数进行求差运算获取菜品实际销售份数,当供餐单位为饭店时,根据点餐信息获取实际销售份数;
对餐厅倾倒剩菜的位置进行监控,获取剩菜图像集,其中,剩菜图片集中包括单一剩菜图片,以及剩菜混合图片;
利用图像识别技术,在当餐发布的菜品种类的范围内识别剩菜图片集中剩菜的菜品类型,识别单一剩菜图片时,结合当餐发布的菜品,在菜品包含的食材原料范围中识别食材原料的种类,利用事先训练的机器学习模型识别剩菜的菜品类型,即将单一剩菜图片输入至机器学习模型中,机器学习模型的输入层各神经元接收到单一剩菜图片,并将其传递给中间层各神经元,中间层是内部信息处理层,对单一剩菜图片进行处理转换,在菜品食材原料范围内识别出剩菜的菜品类型,并将获得的剩菜的菜品类型传递给输出层,由输出层输出剩菜的菜品类型,例如,当餐发布了土豆牛肉、鱼香肉丝、水煮白菜三种菜品,在三种菜品包含的食材范围内对剩菜图片中剩菜的菜品类型进行检测,若在剩菜图片中检测出土豆,则确定倾倒的剩菜的菜品类型为土豆牛肉;识别剩菜混合图片时,若当餐菜品中每种菜品的食材原料均不同,则根据剩菜混合图片中包含的食材原料种类,推断混合菜品的种类,若当餐菜品中存在不同种类菜品包含同种食材原料时,则假设剩菜混合图片中的剩菜为包含该食材原料的菜品均匀混合而成,事先训练的机器学习模型将输出当餐包含该食材原料的全部菜品类型,例如,当餐菜品种有N种菜品含有同样的食材原料S,当在剩菜混合图片中检测到食材原料S,则假定倾倒的剩菜为N种菜品的混合物,菜品种类的识别过程与识别单一剩菜图片中包含的菜品类型一致;
以人手指的体积为参照物,计算每张剩菜图片中全部剩菜的体积,再依据每种菜品剩菜占该张剩菜图片中全部种类菜品剩菜的比重,结合每种完整菜品的已知重量,获取每种菜品剩菜的重量,其中,每种菜品剩菜比重依据该张剩菜图片中全部剩菜的菜品种类平均分配,例如,假设识别出剩菜图片中菜品种类数为T,则剩菜中每种菜品的体积为1/T,依据剩菜中每种菜品的比重,计算出剩菜中每种菜品的重量;其中,计算剩菜体积时,结合人脸识别技术,通过对倾倒剩菜的人员进行注册,获取注册人员的手指具体部位的体积,例如大拇指的第一关节的体积,获取剩菜体积时以注册的手指部位为参照物;
将实际销售的菜品的种类和重量与剩菜的种类和数量进行求差运算,获取全部进食者的实际摄入的菜品种类和重量;
根据进食者人数,利用平均值法,计算获得每位进食者的摄入菜品种类和重量。
其中,第二种方法的具体步骤如下:
进食者通过用户客户端进行身份注册,并绑定身份标识,所述身份标识包括但不限于进食者使用的不用颜色或者形状的餐具、进食者的姿态动作特征、进食者的头顶特征、进食者进食时佩戴或附着在衣服上的颜色或者形状不同的标识物;
利用安装在餐桌旁的智能相机拍摄进食者的进餐过程,并获取进餐图片集,所述进餐图片集包括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动作图片;
将进餐图片集输入训练完成的机器学习模型,获取识别到的进食的食物种类以及食物重量,其中,通过比对进食工具,监测进食每一口食物的重量,并将当餐该进食者进食的全部食物种类和重量以键值对格式保存在进食档案中。
S3、将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,包括人均实际摄入量和每个人的实际摄入量,获取统计结果;
S4、供应单位以膳食健康营养标准为基础,对食用盐、烹调油、脂肪等营养素的摄入量统计结果进行重点关注,根据统计结果制定油盐等营养素的递减规划,提升菜品供应的健康标准,并对结合进食者的身份信息和历史进食记录,对进食者当餐进行针对性提示。
为了进一步优化上述技术特征,还包括如下步骤:由显示终端显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,并对营养素超标情况进行提示或者警示,例如钠超标的菜品,对高血压病人进行提示;能量超标的菜品对超重人群进行提示;脂肪超标的菜品,对高血脂人群进行提示;第二种为进食者自由点餐,显示终端显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示,提示或者警示内容同第一种场景;第三种为利用人脸识别技术,由显示终端根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示;具体的,营养素是否超标按照一个营养学中的标准人每餐所需的营养素含量来测算,营养学中的标准人三餐的营养素分配比例为3:4:3,其中,标准人为:性别男,轻体力劳动者,身高170,体重60千克。
为了进一步优化上述技术特征,还包括如下步骤:当菜品食材原料变化、厨师变化、油盐含量变化以及食谱变化时,及时更新菜品库。
为了进一步优化上述技术特征,还可以对进食者的食用盐、烹调油、脂肪等营养素的摄入量进行提示并生成当餐或一周的评价指导意见,例如,在家庭场景下,可以利用餐桌上进行进食数据采集的摄像机设备发送提示,或者将提示及评价指导意见发送至进食者的用户客户端;在食堂场景下,进食者在点餐时,通过用户客户端关联的食堂账号,或者落地显示设备,或者餐桌上进行进食数据采集的摄像机设备,获得提示以及所点菜品的营养标签;在饭店场景下,进食者可以通过用户客户端关联饭店的会员账号,或者在点餐后通过扫描餐桌二维码,或者落地设备,或者餐桌上进行进食数据采集的摄像机设备,获得提示以及所点菜品的营养标签。
为了进一步优化上述技术特征,后台结合进食者的历史进食记录,结合当餐营养标签中包含的食材种类,进食者当餐进食的菜品的食材种类的丰富程度进行测量和引导,例如,每人每天食用的食材种类应在12种以上,每周进食的食材种类应在25种以上。
如图2所示,
一种控制营养素摄入的系统,包括:后台1;其中,
后台1包括营养标签生成模块11、摄入信息获取模块12、营养素摄入统计模块13、引导模块14;
营养标签生成模块11用于建立菜品库,并生成对应菜品库中每种菜品的营养标签;
摄入信息获取模块12用于获取每位进食者进食的菜品种类以及进食量;
营养素摄入统计模块13用于将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
引导模块14用于根据统计结果制定递减规划,并对进食者进行针对性提示。
为了进一步优化上述特征,营养标签生成模块11包括:菜品库建立单元、食材原料录入单元、制作份数输入单元、重量计算单元以及标签生成单元;其中,
菜品库建立单元用于建立菜品库;
食材原料录入单元用于录入菜品食材原料的种类和重量;
制作份数输入单元用于输入利用所述菜品食材原料制作的菜品份数;
重量计算单元用于计算制作每份菜品所需的食材原料的重量;
标签生成单元用于结合中国食物成分表,生成一份菜品的营养标签。
为了进一步优化上述技术特征,营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质的含量。
为了进一步优化上述技术特征,摄入信息获取模块12获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量。
为了进一步优化上述技术特征,摄入信息获取模块12包括销售份数获取单元、剩菜图像集获取单元、剩菜菜品类型识别单元、剩菜重量计算单元、总摄入量计算单元、每位进食者摄入信息获取单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
销售份数获取单元用于获取当餐进食人数和菜品实际销售份数;
剩菜图像集获取单元用于对餐厅倾倒剩菜的位置进行监控,获取剩菜图像集;
剩菜菜品类型识别单元用于利用图像识别技术,在当餐发布的菜品种类的范围内识别剩菜图片集中剩菜的菜品类型;
剩菜重量计算单元用于结合人手指的体积,计算每张剩菜图片中全部剩菜的体积,再依据每种菜品剩菜占该张剩菜图片中全部种类菜品剩菜的比重,结合每种完整菜品的已知重量,获取每种菜品剩菜的重量,其中,每种菜品剩菜比重依据该张剩菜图片中全部剩菜的菜品种类平均分配;
总摄入量计算单元用于将实际销售的菜品的种类和重量与剩菜的种类和数量进行求差运算,获取全部进食者的实际摄入的菜品种类和重量;
每位进食者摄入信息获取单元用于根据进食者人数,利用平均值法,计算获得每位进食者的摄入菜品种类和重量。
为了进一步优化上述技术特征,剩菜图片集中包括单一剩菜图片,以及剩菜混合图片;识别单一剩菜图片时,结合当餐发布的菜品,在菜品包含的食材原料范围中识别食材原料的种类,利用事先训练的机器学习模型识别剩菜的菜品类型;识别剩菜混合图片时,若当餐菜品中每种菜品的食材原料均不同,则根据剩菜混合图片中包含的食材原料种类,推断混合菜品的种类,若当餐菜品种存在不同种类菜品包含同种食材原料时,则假设剩菜混合图片中的剩菜为包含该食材原料的菜品均匀混合而成,事先训练的机器学习模型将输出当餐包含该食材原料的全部菜品类型。
为了进一步优化上述技术特征,摄入信息获取模块12还包括参照物获取单元;其中,参照物获取单元用于在计算剩菜体积时,结合人脸识别技术,对倾倒剩菜的人员进行注册,获取手指具体部位的体积,获取剩菜体积时以注册的手指部位为参照物。
为了进一步优化上述技术特征,摄入信息获取模块12还包括进食者注册单元、进餐图片集获取单元、进食信息识别单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
进食者注册单元用于对进食者进行身份注册,并绑定身份标识,所述身份标识包括但不限于进食者使用的不用颜色或者形状的餐具、进食者的姿态动作特征、进食者的头顶特征、进食者进食时佩戴或附着在衣服上的颜色或者形状不同的标识物;
进餐图片集获取单元用于利用安装在餐桌旁的智能相机拍摄进食者的进餐过程,并获取进餐图片集,所述进餐图片集包括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动作图片;
进食信息识别单元用于将进餐图片集输入训练完成的机器学习模型,获取识别到的进食的食物种类以及食物重量,其中,通过比对进食工具,监测进食每一口食物的重量,并将当餐该进食者进食的全部食物种类和重量以键值对格式保存在进食档案中。
为了进一步优化上述技术特征,还包括显示终端2;其中,显示终端2用于显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,通过显示终端2对营养素超标情况进行提示或者警示;第二种为进食者自由点餐,显示终端2显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示;第三种为利用人脸识别技术,由显示终端2根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示。
为了进一步优化上述技术特征,后台1还包括更新模块15;其中,更新模块15用于当菜品食材原料变化、厨师变化、油盐含量变化以及食谱变化时,及时更新菜品库。
如图3所示,一种控制营养素摄入的后台,包括营养标签生成模块11、摄入信息获取模块12、营养素摄入统计模块13、引导模块14;其中,
营养标签生成模块11用于建立菜品库,并生成对应菜品库中每种菜品的营养标签,具体的,营养标签生成模块11包括:菜品库建立单元、食材原料录入单元、制作份数输入单元、重量计算单元以及标签生成单元;其中,菜品库建立单元用于建立菜品库,菜品库中包含供餐单位提供的全部菜品的信息和菜品图片;食材原料录入单元用于录入菜品食材原料的种类和重量;制作份数输入单元用于输入利用所述菜品食材原料制作的菜品份数;重量计算单元用于计算制作每份菜品所需的食材原料的重量;标签生成单元用于结合中国食物成分表,生成一份菜品的营养标签。例如,供餐单位的工作人员欲制作100份鱼香肉丝,制作鱼香肉丝时使用的食材原料包括:瘦猪肉、胡萝卜、木耳、青椒、油、盐等,用食品称分别称量获取每种食材原料的总重量,并利用供餐单位客户端将制作的鱼香肉丝的总份数以及每种食材原料的名称和总重量分别输入至食材原料录入单元和制作份数输入单元,由重量计算单元计算出制作每份鱼香肉丝时使用的各种食材原料的重量,再由标签生成单元结合中国食物成分表或者其他类似数据,生成每份鱼香肉丝对应的营养标签;当然,为了更精准的获取每份鱼香肉丝中每种食材原料的用量,也可以由工作人员先试做10份鱼香肉丝,用食品称分别称量获取每种食材原料的总重量,利用供餐单位客户端,将制作鱼香肉丝的份数、每种食材原料的名称和总重量分别传输至食材原料录入单元和制作份数输入单元,由重量计算单元计算出每份鱼香肉丝所用的每种食材原料的重量,再由标签生成单元结合中国食物成分表或者其他类似数据,生成每份鱼香肉丝对应的营养标签。
其中,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质、食用盐、烹调油的含量。
摄入信息获取模块12用于获取每位进食者进食的菜品种类以及进食量;
具体的,摄入信息获取模块12获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量。
摄入信息获取模块12包括销售份数获取单元、剩菜图像集获取单元、剩菜菜品类型识别单元、剩菜重量计算单元、总摄入量计算单元、每位进食者摄入信息获取单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
销售份数获取单元用于获取当餐进食人数和菜品实际销售份数,具体的,通过计算供给的餐具数量或者利用摄像设备获取进食人数;当供餐单位为食堂时,通过将供餐总份数与未销售份数进行求差运算获取菜品实际销售份数,当供餐单位为饭店时,根据点餐信息获取实际销售份数;
剩菜图像集获取单元用于对餐厅倾倒剩菜的位置进行监控,获取剩菜图像集,其中,剩菜图片集中包括单一剩菜图片,以及剩菜混合图片;
剩菜菜品类型识别单元用于利用图像识别技术,在当餐发布的菜品种类的范围内识别剩菜图片集中剩菜的菜品类型,具体的,识别单一剩菜图片时,结合当餐发布的菜品,在菜品包含的食材原料范围中识别食材原料的种类,利用事先训练的机器学习模型识别剩菜的菜品类型,即将单一剩菜图片输入至机器学习模型中,机器学习模型的输入层各神经元接收到单一剩菜图片,并将其传递给中间层各神经元,中间层是内部信息处理层,对单一剩菜图片进行处理转换,在菜品食材原料范围内识别出剩菜的菜品类型,并将获得的剩菜的菜品类型传递给输出层,由输出层输出剩菜的菜品类型,例如,当餐发布了土豆牛肉、鱼香肉丝、水煮白菜三种菜品,在三种菜品包含的食材范围内对剩菜图片中剩菜的菜品类型进行检测,若在剩菜图片中检测出土豆,则确定倾倒的剩菜的菜品类型为土豆牛肉;识别剩菜混合图片时,若当餐菜品中每种菜品的食材原料均不同,则根据剩菜混合图片中包含的食材原料种类,推断混合菜品的种类,若当餐菜品中存在不同种类菜品包含同种食材原料时,则假设剩菜混合图片中的剩菜为包含该食材原料的菜品均匀混合而成,事先训练的机器学习模型将输出当餐包含该食材原料的全部菜品类型,例如,当餐菜品种有N种菜品含有同样的食材原料S,当在剩菜混合图片中检测到食材原料S,则假定倾倒的剩菜为N种菜品的混合物,菜品种类的识别过程与识别单一剩菜图片中包含的菜品类型一致;
剩菜重量计算单元用于结合人手指的体积,计算每张剩菜图片中全部剩菜的体积,再依据每种菜品剩菜占该张剩菜图片中全部种类菜品剩菜的比重,结合每种完整菜品的已知重量,获取每种菜品剩菜的重量,其中,每种菜品剩菜比重依据该张剩菜图片中全部剩菜的菜品种类平均分配;
总摄入量计算单元用于将实际销售的菜品的种类和重量与剩菜的种类和数量进行求差运算,获取全部进食者的实际摄入的菜品种类和重量;
每位进食者摄入信息获取单元用于根据进食者人数,利用平均值法,计算获得每位进食者的摄入菜品种类和重量。
另外,摄入信息获取模块12还包括参照物获取单元;其中,所述参照物获取单元用于在计算剩菜体积时,结合人脸识别技术,对倾倒剩菜的人员进行注册,获取手指具体部位的体积,获取剩菜体积时以注册的手指部位为参照物。
为了进一步优化上述技术特征,摄入信息获取模块12还包括进食者注册单元、进餐图片集获取单元、进食信息识别单元;其中,利用第一种方法获取每位进食者进食的菜品种类以及进食量时,
进食者注册单元用于对进食者进行身份注册,并绑定身份标识,身份标识包括但不限于进食者使用的不用颜色或者形状的餐具、进食者的姿态动作特征、进食者的头顶特征、进食者进食时佩戴或附着在衣服上的颜色或者形状不同的标识物;
进餐图片集获取单元用于利用安装在餐桌旁的智能相机拍摄进食者的进餐过程,并获取进餐图片集,进餐图片集包括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动作图片;
进食信息识别单元用于将进餐图片集输入训练完成的机器学习模型,获取识别到的进食的食物种类以及食物重量,其中,通过比对进食工具,监测进食每一口食物的重量,并将当餐该进食者进食的全部食物种类和重量以键值对格式保存在进食档案中。
营养素摄入统计模块13用于将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,包括人均实际摄入量和每个人的实际摄入量,获取统计结果;
引导模块14以膳食健康营养标准为基础,对食用盐、烹调油、脂肪等营养素的摄入量统计结果进行重点关注,根据统计结果指定递减规划,并对进食者进行针对性提示。
为了进一步优化上述技术特征,还包括更新模块15;其中,更新模块15用于当菜品食材原料变化、厨师变化、油盐含量变化以及食谱变化时,及时更新菜品库。
如图4所示,一种控制营养素摄入的显示终端,包括显示屏21、摄像头22;其中,
显示屏21用于显示菜品真实图片、营养标签;
摄像头22用于拍摄进食者面部特征。
为了进一步优化上述技术特征,显示屏21还包括警示区域;其中,警示区域用于在点餐过程中,对某种营养素含量超标的菜品给予进食者提示或警示,所述警示区域位于所述显示屏21的任意位置,包括显示屏21的上、下、左、右或者中间。
为了进一步优化上述技术特征,显示终端的存在形式包括落地显示器或者点餐平板。
为了进一步优化上述技术特征,营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质的含量。
为了进一步优化上述技术特征,显示屏21用于显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,通过所述警示区域对营养素超标情况进行提示或者警示;第二种为进食者自由点餐,所述显示屏21显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示;第三种为利用人脸识别技术,由所述摄像头22根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示;具体的,营养素是否超标按照一个营养学中的标准人每餐所需的营养素含量来测算,其中,营养学中的标准人三餐的营养素分配比例为3:4:3,标准人为:性别男,轻体力劳动者,身高170,体重60千克。
为了进一步优化上述技术特征,显示屏21还用于显示对进食者的食用盐、烹调油、脂肪等营养素的摄入量进行提示并生成当餐或一周的评价指导意见。
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)
1.一种控制营养素摄入的方法,其特征在于,包括如下步骤:
S1、建立菜品库,并生成对应菜品库中每种菜品的营养标签;
S2、获取每位进食者的进食的菜品种类以及进食量;
S3、将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
S4、根据统计结果制定递减规划,并对进食者进行针对性提示。
2.根据权利要求1所述的一种控制营养素摄入的方法,其特征在于,所述S1的具体步骤如下:
S11、建立菜品库;
S12、向后台录入菜品食材原料的种类和重量;
S13、向后台输入利用所述菜品食材原料制作的菜品份数;
S14、由后台计算制作每份菜品所需的食材原料的重量;
S15、由后台结合中国食物成分表,生成一份菜品的营养标签。
3.根据权利要求1所述的一种控制营养素摄入的方法,其特征在于,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质的含量。
4.根据权利要求1所述的一种控制营养素摄入的方法,其特征在于,所述S2中获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量。
5.根据权利要求1所述的一种控制营养素摄入的方法,其特征在于,还包括如下步骤:由显示终端显示当餐菜品供给、每个供给菜品的营养标签以及若干菜品组合的总的营养标签;其中,菜品组合包括如下场景:第一种为推出的一个或者几个套餐,形成套餐菜品组合营养标签,并对营养素超标情况进行提示或者警示;第二种为进食者自由点餐,显示终端显示进食者点餐菜品的总的营养标签,并进行营养素超标情况的提示或者警示;第三种为利用人脸识别技术,由显示终端根据进食者面部信息识别进食者身份信息,并调取所述进食者的进餐历史数据,根据进食者进餐历史数据给予针对性的营养素分配提示。
6.一种控制营养素摄入的系统,其特征在于,包括:后台(1);其中,
所述后台(1)包括营养标签生成模块(11)、摄入信息获取模块(12)、营养素摄入统计模块(13)、引导模块(14);
所述营养标签生成模块(11)用于建立菜品库,并生成对应菜品库中每种菜品的营养标签;
所述摄入信息获取模块(12)用于获取每位进食者进食的菜品种类以及进食量;
所述营养素摄入统计模块(13)用于将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
所述引导模块(14)用于根据统计结果制定递减规划,并对进食者进行针对性提示。
7.根据权利要求6所述的一种控制营养素摄入的系统,其特征在于,所述营养标签生成模块(11)包括:菜品库建立单元、食材原料录入单元、制作份数输入单元、重量计算单元以及标签生成单元;其中,
所述菜品库建立单元用于建立菜品库;
所述食材原料录入单元用于录入菜品食材原料的种类和重量;
所述制作份数输入单元用于输入利用所述菜品食材原料制作的菜品份数;
所述重量计算单元用于计算制作每份菜品所需的食材原料的重量;
所述标签生成单元用于结合中国食物成分表,生成一份菜品的营养标签。
8.根据权利要求6所述的一种控制营养素摄入的系统,其特征在于,所述营养标签包括但不限于菜品种类、菜品重量以及钠、脂肪、能量、碳水化合物、蛋白质的含量。
9.根据权利要求6所述的一种控制营养素摄入的系统,其特征在于,所述摄入信息获取模块(12)获取每位进食者的进食的菜品种类以及进食量包括如下两个方法:第一种为获取全部进食者的摄入量,进而获取每位进食者摄入的菜品种类和重量;第二种为利用进食数据采集技术,直接获取每位进食者摄入的菜品种类和重量。
10.一种控制营养素摄入的后台,其特征在于,包括营养标签生成模块(11)、摄入信息获取模块(12)、营养素摄入统计模块(13)、引导模块(14);其中,
所述营养标签生成模块(11)用于建立菜品库,并生成对应菜品库中每种菜品的营养标签;
所述摄入信息获取模块(12)用于获取每位进食者进食的菜品种类以及进食量;
所述营养素摄入统计模块(13)用于将进食者进食的菜品种类对应的营养标签与所述菜品的进食量结合,统计需要控制的营养素的实际摄入量,获取统计结果;
所述引导模块(14)用于根据统计结果指定递减规划,并对进食者进行针对性提示。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010008940 | 2020-01-06 | ||
CN2020100089400 | 2020-01-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111261259A true CN111261259A (zh) | 2020-06-09 |
Family
ID=70948656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010029755.XA Pending CN111261259A (zh) | 2020-01-06 | 2020-01-13 | 一种控制营养素摄入的方法、系统、后台及显示终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111261259A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632935A (zh) * | 2020-12-23 | 2021-04-09 | 广州城市职业学院 | 食品营养标签生成方法、计算机装置和存储介质 |
CN113470785A (zh) * | 2021-06-30 | 2021-10-01 | 上海歆广数据科技有限公司 | 一种用餐营养评估系统及方法 |
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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101785702A (zh) * | 2009-01-23 | 2010-07-28 | 李秀 | 健康信息系统、方法及对应装置、设备及试剂载体 |
CN205451329U (zh) * | 2016-03-22 | 2016-08-10 | 西安鼎顺餐饮科技有限公司 | 餐饮自助称量销售管理系统 |
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 |
CN107491639A (zh) * | 2017-08-10 | 2017-12-19 | 天津市疾病预防控制中心 | 一种基于新媒体的餐饮业营养点餐控制系统 |
CN107493390A (zh) * | 2017-09-01 | 2017-12-19 | 陕西科技大学 | 一种移动设备自动识别热量摄入和消耗的方法、系统 |
CN109979566A (zh) * | 2019-04-03 | 2019-07-05 | 王睿琪 | 餐厅膳食营养管理系统及其方法 |
CN110059654A (zh) * | 2019-04-25 | 2019-07-26 | 台州智必安科技有限责任公司 | 一种基于细粒度识别的菜品自动结算及饮食健康管理方法 |
-
2020
- 2020-01-13 CN CN202010029755.XA patent/CN111261259A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101785702A (zh) * | 2009-01-23 | 2010-07-28 | 李秀 | 健康信息系统、方法及对应装置、设备及试剂载体 |
CN205451329U (zh) * | 2016-03-22 | 2016-08-10 | 西安鼎顺餐饮科技有限公司 | 餐饮自助称量销售管理系统 |
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 |
CN107491639A (zh) * | 2017-08-10 | 2017-12-19 | 天津市疾病预防控制中心 | 一种基于新媒体的餐饮业营养点餐控制系统 |
CN107493390A (zh) * | 2017-09-01 | 2017-12-19 | 陕西科技大学 | 一种移动设备自动识别热量摄入和消耗的方法、系统 |
CN109979566A (zh) * | 2019-04-03 | 2019-07-05 | 王睿琪 | 餐厅膳食营养管理系统及其方法 |
CN110059654A (zh) * | 2019-04-25 | 2019-07-26 | 台州智必安科技有限责任公司 | 一种基于细粒度识别的菜品自动结算及饮食健康管理方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632935A (zh) * | 2020-12-23 | 2021-04-09 | 广州城市职业学院 | 食品营养标签生成方法、计算机装置和存储介质 |
CN112632935B (zh) * | 2020-12-23 | 2024-02-09 | 广州城市职业学院 | 食品营养标签生成方法、计算机装置和存储介质 |
CN113470785A (zh) * | 2021-06-30 | 2021-10-01 | 上海歆广数据科技有限公司 | 一种用餐营养评估系统及方法 |
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 |
---|---|---|
CN111261259A (zh) | 一种控制营养素摄入的方法、系统、后台及显示终端 | |
JP3171825U (ja) | 健康管理機能を具有する電子スケール | |
US9364106B1 (en) | Apparatus and method for identifying, measuring and analyzing food nutritional values and consumer eating behaviors | |
CN104867081B (zh) | 一种智能健康管理系统及方法 | |
US20130273509A1 (en) | Method of Monitoring Nutritional Intake by Image Processing | |
US20140315162A1 (en) | System and methods for monitoring food consumption | |
CN109841270A (zh) | 基于智能设备的膳食营养健康调查评估系统及其实现方法 | |
CN112017756A (zh) | 一种基于人脸识别自助打餐系统的饮食营养分析方法 | |
US11287305B2 (en) | Meal lifecycle management method and system | |
US11823042B2 (en) | System for measuring food weight | |
CN105956676B (zh) | 互动预订餐系统 | |
WO2017092030A1 (zh) | 智能膳食推荐方法、终端及智能膳食推荐云端服务器 | |
CN110718281A (zh) | 平衡膳食评价提示方法、系统、用户端、后台及前端 | |
Chotwanvirat et al. | Feasibility study of an automated carbohydrate estimation system using Thai food images in comparison with estimation by Dietitians | |
EP3837511B1 (en) | A system and a process for delivering optimised meals to patients | |
EP2787459A1 (en) | Method of monitoring nutritional intake by image processing | |
EP3882830A1 (en) | System and method for the quality control of cooked dishes | |
CN115910283A (zh) | 一种营养数据生成方法、装置及相关设备 | |
JP5085817B2 (ja) | サプリメント処方システム | |
Thimmayamma et al. | Dietary assessment as part of nutritional status | |
CN113104265B (zh) | 一种智能食材分装装置、方法和系统 | |
CN106886863A (zh) | 一种用于评价用餐者用餐质量的方法 | |
TWM338984U (en) | Electronic weight scales | |
JP6429344B1 (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
JP2022025958A (ja) | 飲食管理システム、飲食管理方法および飲食管理用プログラム |
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 |