CN111738879A - 制作菜品时间预估方法及装置 - Google Patents
制作菜品时间预估方法及装置 Download PDFInfo
- Publication number
- CN111738879A CN111738879A CN202010569025.9A CN202010569025A CN111738879A CN 111738879 A CN111738879 A CN 111738879A CN 202010569025 A CN202010569025 A CN 202010569025A CN 111738879 A CN111738879 A CN 111738879A
- Authority
- CN
- China
- Prior art keywords
- dish
- time
- dishes
- identification model
- dining table
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 235000012054 meals Nutrition 0.000 claims abstract description 34
- 230000009471 action Effects 0.000 claims abstract description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000020595 eating behavior Effects 0.000 claims 1
- 235000021186 dishes Nutrition 0.000 description 52
- 238000010586 diagram Methods 0.000 description 6
- 235000013305 food Nutrition 0.000 description 5
- 235000013311 vegetables Nutrition 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000016213 coffee Nutrition 0.000 description 1
- 235000013353 coffee beverage Nutrition 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 235000011850 desserts Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000012046 side dish Nutrition 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的制作菜品时间预估方法及装置,所述方法包括:获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在餐桌上,并获取下一道菜品的制作时长;当获取到指定菜品出现在餐桌上后,每隔预定时长通过菜品余量识别模型识别指定菜品的菜品剩余量;通过进食动作识别模型识别顾客进餐频率;根据菜品剩余量及顾客进餐频率计算剩余菜品进餐完成时间;当指定菜品的剩余菜品进餐完成时间与下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。通过摄像头获取顾客的进餐情况,使用算法准确预估每道餐品食用时间,结合下一道菜品的制作时间,合理调整后厨制作时间,解决了人工观察时间预估不精准、容易遗漏的问题。
Description
技术领域
本发明涉及制作菜品时间预估领域,具体而言,涉及一种制作菜品时间预估方法及装置。
背景技术
一顿正式的西餐,菜序复杂,讲究颇多。西餐一般可以分为头盘、汤、副菜、主菜、蔬菜类菜肴、甜品以及咖啡。西餐就餐过程中,顾客吃完一道菜后服务生才会上下一道菜,这样既不会所有菜一起上把桌子塞得满满当当,也不会因为菜品放置变冷,而使得食客失去品尝的动力。
西餐服务中有个很关键的点,就是服务生要观察每个人吃菜的快慢,服务员一般会在客人吃到还剩四分之一时下单炒制下一道菜肴。
现有技术中,主要依靠服务员的观察去调整菜品制作时间与出餐时间,服务人员不仅要观察顾客的就餐情况,还要掌握下道餐品的制作时间,对服务人员的工作经验、观察能力要求较高。并且,当服务人员负责服务多个顾客时,极易造成疏漏,导致菜品制作过早或过晚,影响顾客就餐体验。
发明内容
本发明的目的包括,例如,提供了一种制作菜品时间预估方法及装置,其能够解决西餐上菜时间严重依靠人工观察,时间预估不精准的问题。
本发明的实施例可以这样实现:
第一方面,本发明实施例提供了一种制作菜品时间预估方法,包括:
获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在所述餐桌上,并获取下一道菜品的制作时长;
当获取到所述指定菜品出现在所述餐桌上的信息后,每隔预定时长通过菜品余量识别模型识别所述指定菜品的菜品剩余量;
通过进食动作识别模型识别顾客进餐频率;
根据所述菜品剩余量及所述顾客进餐频率计算剩余菜品进餐完成时间;
当所述指定菜品的剩余菜品进餐完成时间与所述下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。
在可选的实施方式中,获取餐桌上的图像,通过菜品识别模型识别到所述下一道菜品出现在所述餐桌上时,将所述下一道菜品作为新的指定菜品。
在可选的实施方式中,获取餐厅餐具图像、菜品图像、菜品余量图像;
将所述餐厅餐具图像、所述菜品图像、所述菜品余量图像输入卷积神经网络进行学习,得到所述菜品余量识别模型。
在可选的实施方式中,使用图像识别技术识别顾客的手部区域及嘴部区域;
将预定时间内,所述手部区域位于所述嘴部区域预定距离范围内的次数作为进餐频率。
在可选的实施方式中,当所述菜品剩余量低于第二阈值时,发出撤菜提示信息。
第二方面,本发明实施例提供了一种制作菜品时间预估装置,包括:
获取模块,用于获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在所述餐桌上,并获取下一道菜品的制作时长;
处理模块,用于当获取到所述指定菜品出现在所述餐桌上的信息后,每隔预定时长通过菜品余量识别模型识别所述指定菜品的菜品剩余量;
以及还用于通过进食动作识别模型识别顾客进餐频率;
以及还用于根据所述菜品剩余量及所述顾客进餐频率计算剩余菜品进餐完成时间;
以及还用于当所述指定菜品的剩余菜品进餐完成时间与所述下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。
在可选的实施方式中,所述处理模块,还用于获取餐桌上的图像,通过菜品识别模型识别到所述下一道菜品出现在所述餐桌上时,将所述下一道菜品作为新的指定菜品。
在可选的实施方式中,所述获取模块,还用于获取餐厅餐具图像、菜品图像、菜品余量图像;
所述处理模块,还用于将所述餐厅餐具图像、所述菜品图像、所述菜品余量图像输入卷积神经网络进行学习,得到所述菜品余量识别模型。
在可选的实施方式中,所述处理模块,还用于使用图像识别技术识别顾客的手部区域及嘴部区域;
以及还用于将预定时间内,所述手部区域位于所述嘴部区域预定距离范围内的次数作为进餐频率。
在可选的实施方式中,所述处理模块,还用于当所述菜品剩余量低于第二阈值时,发出撤菜提示信息。
本发明实施例的有益效果包括,例如:通过菜品识别模型识别指定菜品是否出现在餐桌上,并获取下一道菜品的制作时长,当获取到指定菜品出现在所述餐桌上后,通过菜品余量识别模型识别指定菜品的菜品剩余量,根据菜品剩余量及顾客进餐频率计算剩余菜品进餐完成时间,当指定菜品的剩余菜品进餐完成时间与下一道菜品的制作时长比较接近时,发出制作下一道菜品提示信息;避免了当服务人员负责服务多个顾客时出现的疏漏,导致菜品制作过早或过晚,提升了顾客就餐体验,解决了西餐上菜时间严重依靠人工观察,时间预估不精准的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种制作菜品时间预估方法的流程示意图。
图2为本发明实施例提供的另一种制作菜品时间预估方法的流程示意图。
图3为本发明实施例提供的一种制作菜品时间预估装置的功能模块图。
图标:100-制作菜品时间预估装置;110-获取模块;120-处理模块。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,在不冲突的情况下,本发明的实施例中的特征可以相互结合。
针对现有预估西餐菜式上菜时间严重依靠人工观察,时间预估不精准的问题,提出了一种基于计算机视觉技术自动预估制作菜品时间的方法。
请参考图1,为本发明实施例提供的一种制作菜品时间预估方法的流程示意图。
步骤101,获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在餐桌上,并获取下一道菜品的制作时长。
步骤102,当获取到指定菜品出现在餐桌上的信息后,每隔预定时长通过菜品余量识别模型识别指定菜品的菜品剩余量。
步骤103,通过进食动作识别模型识别顾客进餐频率。
步骤104,根据菜品剩余量及顾客进餐频率计算剩余菜品进餐完成时间。
步骤105,当指定菜品的剩余菜品进餐完成时间与下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。
在本实施例中,首先获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在餐桌上,并获取下一道菜品的制作时长;当获取到指定菜品出现在餐桌上后,每隔预定时长通过菜品余量识别模型识别指定菜品的菜品剩余量;然后通过进食动作识别模型识别顾客进餐频率;根据菜品剩余量及顾客进餐频率计算剩余菜品进餐完成时间;最后当指定菜品的剩余菜品进餐完成时间与下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。通过摄像头获取顾客的进餐情况,使用算法更准确的预估每道餐品食用时间,结合下一道菜品的制作时间,合理调整后厨制作时间,解决了原有人工观察,时间预估不精准、容易遗漏的问题。
请参考图2,为本发明实施例提供的另一种制作菜品时间预估方法的流程示意图。
需要说明的是,本实施例所提供的制作菜品时间预估方法,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。
步骤101,获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在餐桌上,并获取下一道菜品的制作时长。
针对餐厅餐具及菜品建立菜品识别模型,将大量的餐厅餐具图像及大量装有不同量菜品的图像输入卷积神经网络进行学习,得到所述菜品识别模型。
当顾客点餐后,将点餐信息与对应的餐桌号进行关联,该点餐信息包括顾客所点的菜品,然后将顾客所点的菜品根据上餐顺序进行排列,此时后厨制作第一道菜品。
第一道菜品即为指定菜品,每隔指定时长,如1分钟,调取与指定餐桌对应的摄像头的图像,通过菜品识别模型,识别指定菜品是否出现在餐桌上,并调取下一道菜品的制作时长。
步骤102,当获取到指定菜品出现在餐桌上的信息后,每隔预定时长通过菜品余量识别模型识别指定菜品的菜品剩余量。
获取餐厅餐具图像、菜品图像、菜品余量图像;将大量的餐厅餐具图像、菜品图像及不同分量的菜品余量图像输入卷积神经网络进行学习,得到所述菜品余量识别模型。
当获取到指定菜品出现在餐桌上的信息后,每隔指定时长,如1分钟,调取与指定餐桌对应的摄像头的图像,获取到指定菜品的余量的图像,通过菜品余量识别模型识别指定菜品的菜品剩余量。
步骤103,通过进食动作识别模型识别顾客进餐频率。
需要说明的是,步骤103包括两个子步骤,本步骤中未提及之处将在其子步骤中进行详细的阐述。
子步骤103-1,使用图像识别技术识别顾客的手部区域及嘴部区域。
子步骤103-2,将预定时间内,手部区域位于嘴部区域预定距离范围内的次数作为进餐频率。
当顾客的手部区域位于嘴部区域预定距离范围内,视为顾客正在进行一次进食动作;本发明实施例将预定时间内,手部区域位于嘴部区域预定距离范围内的次数作为进餐频率;如一分钟内,顾客的手部区域位于嘴部区域预定距离范围内次数。
步骤104,根据菜品剩余量及顾客进餐频率计算剩余菜品进餐完成时间。
获取系统中预存储的每次进餐的平均量,进餐频率乘以平均量即为每分钟顾客的进食量;再根据所述菜品剩余量及每分钟顾客的进食量即可计算出剩余菜品进餐完成时间。
需要说明的是,当菜品剩余量低于第二阈值时,发出撤菜提示信息,以提醒服务人员进行撤盘并上下一道菜品。
步骤105,指定菜品的剩余菜品进餐完成时间与下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。
在一种优选的实施例中,第一阈值为一分钟;第一阈值也可以为其他值,视具体情况而定,在此不做限制。
例如,当计算出指定菜品的剩余菜品进餐完成时间为5分钟,而下一道菜品的制作时长的制作时长为4分钟,那么在剩余菜品进餐完成时间为5分钟的时候,就发出制作下一道菜品提示信息,以通知后厨开始制作下一道菜品。
步骤106,获取餐桌上的图像,通过菜品识别模型识别到下一道菜品出现在餐桌上时,将下一道菜品作为新的指定菜品。
调取摄像头的图像,结合顾客所点的菜品的上餐顺序,当菜品识别模型识别到下一道菜品出现在餐桌上时,将下一道菜品作为新的指定菜品。
综上所述,本发明实施例提供的制作菜品时间预估方法,所述方法包括:获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在餐桌上,并获取下一道菜品的制作时长;当获取到指定菜品出现在餐桌上后,每隔预定时长通过菜品余量识别模型识别指定菜品的菜品剩余量;通过进食动作识别模型识别顾客进餐频率;根据菜品剩余量及顾客进餐频率计算剩余菜品进餐完成时间;当指定菜品的剩余菜品进餐完成时间与下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。通过摄像头获取顾客的进餐情况,使用算法更准确的预估每道餐品食用时间,结合下一道菜品的制作时间,合理调整后厨制作时间,解决了原有人工观察,时间预估不精准、容易遗漏的问题。
请参照图3,为本发明实施例所提供的一种制作菜品时间预估装置的功能模块示意图。其基本原理及产生的技术效果与前述方法实施例相同,为简要描述,本实施例中未提及部分,可参考前述方法实施例中的相应内容。制作菜品时间预估装置100用于执行图1及图2所述的制作菜品时间预估方法,其包括获取模块110及处理模块120。
可以理解的,在一种实施例中,通过获取模块110执行步骤101。
可以理解的,在一种实施例中,通过处理模块120骤102、骤103、骤104及骤105。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种制作菜品时间预估方法,其特征在于,包括:
获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在所述餐桌上,并获取下一道菜品的制作时长;
当获取到所述指定菜品出现在所述餐桌上的信息后,每隔预定时长通过菜品余量识别模型识别所述指定菜品的菜品剩余量;
通过进食动作识别模型识别顾客进餐频率;
根据所述菜品剩余量及所述顾客进餐频率计算剩余菜品进餐完成时间;
当所述指定菜品的剩余菜品进餐完成时间与所述下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。
2.根据权利要求1所述的方法,其特征在于,还包括:
获取餐桌上的图像,通过菜品识别模型识别到所述下一道菜品出现在所述餐桌上时,将所述下一道菜品作为新的指定菜品。
3.根据权利要求1所述的方法,其特征在于,构建所述菜品余量识别模型的方式为:
获取餐厅餐具图像、菜品图像、菜品余量图像;
将所述餐厅餐具图像、所述菜品图像、所述菜品余量图像输入卷积神经网络进行学习,得到所述菜品余量识别模型。
4.根据权利要求1所述的方法,其特征在于,通过进食动作识别模型识别顾客进餐频率的步骤,包括:
使用图像识别技术识别顾客的手部区域及嘴部区域;
将预定时间内,所述手部区域位于所述嘴部区域预定距离范围内的次数作为进餐频率。
5.根据权利要求1所述的方法,其特征在于,
当所述菜品剩余量低于第二阈值时,发出撤菜提示信息。
6.一种制作菜品时间预估装置,其特征在于,包括:
获取模块,用于获取餐桌上的图像,通过菜品识别模型识别指定菜品是否出现在所述餐桌上,并获取下一道菜品的制作时长;
处理模块,用于当获取到所述指定菜品出现在所述餐桌上的信息后,每隔预定时长通过菜品余量识别模型识别所述指定菜品的菜品剩余量;
以及还用于通过进食动作识别模型识别顾客进餐频率;
以及还用于根据所述菜品剩余量及所述顾客进餐频率计算剩余菜品进餐完成时间;
以及还用于当所述指定菜品的剩余菜品进餐完成时间与所述下一道菜品的制作时长之间的差值小于第一阈值时,发出制作下一道菜品提示信息。
7.根据权利要求6所述的装置,其特征在于,
所述处理模块,还用于获取餐桌上的图像,通过菜品识别模型识别到所述下一道菜品出现在所述餐桌上时,将所述下一道菜品作为新的指定菜品。
8.根据权利要求6所述的装置,其特征在于,
所述获取模块,还用于获取餐厅餐具图像、菜品图像、菜品余量图像;
所述处理模块,还用于将所述餐厅餐具图像、所述菜品图像、所述菜品余量图像输入卷积神经网络进行学习,得到所述菜品余量识别模型。
9.根据权利要求6所述的装置,其特征在于,
所述处理模块,还用于使用图像识别技术识别顾客的手部区域及嘴部区域;
以及还用于将预定时间内,所述手部区域位于所述嘴部区域预定距离范围内的次数作为进餐频率。
10.根据权利要求6所述的装置,其特征在于,
所述处理模块,还用于当所述菜品剩余量低于第二阈值时,发出撤菜提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010569025.9A CN111738879A (zh) | 2020-06-19 | 2020-06-19 | 制作菜品时间预估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010569025.9A CN111738879A (zh) | 2020-06-19 | 2020-06-19 | 制作菜品时间预估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111738879A true CN111738879A (zh) | 2020-10-02 |
Family
ID=72651907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010569025.9A Pending CN111738879A (zh) | 2020-06-19 | 2020-06-19 | 制作菜品时间预估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738879A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711993A (zh) * | 2020-12-18 | 2021-04-27 | 青岛小鸟看看科技有限公司 | 基于智能投影的信息采集方法、系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150206259A1 (en) * | 2014-01-23 | 2015-07-23 | Toshiba Tec Kabushiki Kaisha | Dish remaining amount detection apparatus and dish remaining amount detection method |
US20150371317A1 (en) * | 2014-06-24 | 2015-12-24 | International Business Machines Corporation | Smart Order Management |
CN105572420A (zh) * | 2014-11-07 | 2016-05-11 | 中国移动通信集团公司 | 一种获取进食速度的方法及装置 |
JP2018033624A (ja) * | 2016-08-30 | 2018-03-08 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
CN109558010A (zh) * | 2018-12-03 | 2019-04-02 | 温州中佣科技有限公司 | 一种基于虚拟技术的儿童就餐互动系统 |
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 |
CN110062183A (zh) * | 2019-05-01 | 2019-07-26 | 王睿琪 | 获取进食数据的方法、装置、服务器、存储介质及系统 |
CN110569759A (zh) * | 2019-08-26 | 2019-12-13 | 王睿琪 | 一种获取个体进食数据的方法、系统、服务端及前端 |
CN110931109A (zh) * | 2019-12-06 | 2020-03-27 | 杭州雄伟科技开发股份有限公司 | 一种饮食情况分析方法及系统 |
-
2020
- 2020-06-19 CN CN202010569025.9A patent/CN111738879A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150206259A1 (en) * | 2014-01-23 | 2015-07-23 | Toshiba Tec Kabushiki Kaisha | Dish remaining amount detection apparatus and dish remaining amount detection method |
US20150371317A1 (en) * | 2014-06-24 | 2015-12-24 | International Business Machines Corporation | Smart Order Management |
CN105572420A (zh) * | 2014-11-07 | 2016-05-11 | 中国移动通信集团公司 | 一种获取进食速度的方法及装置 |
JP2018033624A (ja) * | 2016-08-30 | 2018-03-08 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
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 |
CN109558010A (zh) * | 2018-12-03 | 2019-04-02 | 温州中佣科技有限公司 | 一种基于虚拟技术的儿童就餐互动系统 |
CN110062183A (zh) * | 2019-05-01 | 2019-07-26 | 王睿琪 | 获取进食数据的方法、装置、服务器、存储介质及系统 |
CN110569759A (zh) * | 2019-08-26 | 2019-12-13 | 王睿琪 | 一种获取个体进食数据的方法、系统、服务端及前端 |
CN110931109A (zh) * | 2019-12-06 | 2020-03-27 | 杭州雄伟科技开发股份有限公司 | 一种饮食情况分析方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711993A (zh) * | 2020-12-18 | 2021-04-27 | 青岛小鸟看看科技有限公司 | 基于智能投影的信息采集方法、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11669557B2 (en) | Iterative image search algorithm informed by continuous human-machine input feedback | |
US20170316488A1 (en) | Systems and Methods of Food Management | |
CN105844445B (zh) | 信息提供方法、服务器以及信息提供系统 | |
WO2018126728A1 (zh) | 配餐方法及装置 | |
JP2015138452A (ja) | 料理残量検出装置及びプログラム | |
US20200159750A1 (en) | System for measuring food weight | |
CN109064296A (zh) | 一种辅助加餐的方法、装置和系统 | |
CN109214956B (zh) | 餐品推送方法及装置 | |
CN110858279A (zh) | 食材识别方法及装置 | |
CN112182355A (zh) | 用于食谱推荐的方法、装置和智能终端 | |
CN108172273A (zh) | 一种基于访客的冰箱食材推荐方法 | |
CN111738879A (zh) | 制作菜品时间预估方法及装置 | |
CN109934658A (zh) | 一种数据处理方法、显示方法及计算设备 | |
CN110806697B (zh) | 基于智能家居操作系统的提示方式的确定方法及装置 | |
CN111145048A (zh) | 一种菜谱的制作方法和装置 | |
CN114519512A (zh) | 数据处理方法、装置、可读存储介质及电子设备 | |
CN111985985B (zh) | 门店信息的提取方法及装置、存储介质、电子装置 | |
CN112394149B (zh) | 食材成熟度检测提示的方法及装置、厨电设备 | |
CN110762943B (zh) | 物品的展示方法、装置以及家电设备 | |
CN106327681B (zh) | 销售点装置及销售点系统 | |
CN113154785A (zh) | 食物提醒方法、冰箱、计算机可读存储介质 | |
CN117078278B (zh) | 高原食品制备标签处理方法及设备 | |
CN109190031A (zh) | 餐厅推荐方法、电子装置及计算机可读存储介质 | |
CN111603050A (zh) | 一种炒菜机控制方法、装置、存储介质及炒菜机 | |
JP7188848B1 (ja) | 情報処理装置、情報処理方法および情報処理プログラム |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210813 Address after: 200030 unit 5b06, floor 5, building 2, No. 277, Longlan Road, Xuhui District, Shanghai Applicant after: Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co.,Ltd. Address before: A1002, 10th floor, building 1, yard 1, Zhongguancun East Road, Haidian District, Beijing Applicant before: BEIJING MININGLAMP SOFTWARE SYSTEM Co.,Ltd. |
|
TA01 | Transfer of patent application right |