CN112256936A - 一种基于多维度指数法的食物分类方法以及系统 - Google Patents
一种基于多维度指数法的食物分类方法以及系统 Download PDFInfo
- Publication number
- CN112256936A CN112256936A CN202011197450.6A CN202011197450A CN112256936A CN 112256936 A CN112256936 A CN 112256936A CN 202011197450 A CN202011197450 A CN 202011197450A CN 112256936 A CN112256936 A CN 112256936A
- Authority
- CN
- China
- Prior art keywords
- food
- group
- nutrient
- cross
- classification
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 788
- 238000000034 method Methods 0.000 title claims abstract description 98
- 235000015097 nutrients Nutrition 0.000 claims abstract description 312
- 238000011156 evaluation Methods 0.000 claims abstract description 150
- 235000012054 meals Nutrition 0.000 claims abstract description 53
- 238000011835 investigation Methods 0.000 claims abstract description 36
- 230000001186 cumulative effect Effects 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 89
- 235000016709 nutrition Nutrition 0.000 claims description 66
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 65
- 239000011707 mineral Substances 0.000 claims description 65
- 235000010755 mineral Nutrition 0.000 claims description 65
- 235000013343 vitamin Nutrition 0.000 claims description 59
- 239000011782 vitamin Substances 0.000 claims description 59
- 229940088594 vitamin Drugs 0.000 claims description 59
- 229930003231 vitamin Natural products 0.000 claims description 59
- 239000004615 ingredient Substances 0.000 claims description 49
- 230000036541 health Effects 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 41
- 150000003722 vitamin derivatives Chemical class 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 29
- 238000013461 design Methods 0.000 claims description 15
- 235000005911 diet Nutrition 0.000 claims description 13
- 238000011157 data evaluation Methods 0.000 claims description 12
- 230000037213 diet Effects 0.000 claims description 12
- 235000021049 nutrient content Nutrition 0.000 claims description 12
- 235000013325 dietary fiber Nutrition 0.000 claims description 11
- 235000012041 food component Nutrition 0.000 claims description 9
- 235000021073 macronutrients Nutrition 0.000 claims description 8
- 239000011785 micronutrient Substances 0.000 claims description 8
- 235000013369 micronutrients Nutrition 0.000 claims description 8
- 235000013311 vegetables Nutrition 0.000 description 14
- 235000013339 cereals Nutrition 0.000 description 13
- 235000010469 Glycine max Nutrition 0.000 description 11
- 244000061456 Solanum tuberosum Species 0.000 description 11
- 235000002595 Solanum tuberosum Nutrition 0.000 description 11
- 235000013399 edible fruits Nutrition 0.000 description 11
- 235000018102 proteins Nutrition 0.000 description 11
- 108090000623 proteins and genes Proteins 0.000 description 11
- 102000004169 proteins and genes Human genes 0.000 description 11
- 239000011734 sodium Substances 0.000 description 11
- 239000003925 fat Substances 0.000 description 10
- 235000019197 fats Nutrition 0.000 description 10
- 235000013336 milk Nutrition 0.000 description 10
- 239000008267 milk Substances 0.000 description 10
- 210000004080 milk Anatomy 0.000 description 10
- 235000006286 nutrient intake Nutrition 0.000 description 10
- 235000012015 potatoes Nutrition 0.000 description 10
- 239000000047 product Substances 0.000 description 10
- 244000068988 Glycine max Species 0.000 description 8
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 8
- 230000035764 nutrition Effects 0.000 description 8
- 235000019007 dietary guidelines Nutrition 0.000 description 6
- 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 5
- 235000013372 meat Nutrition 0.000 description 5
- 229910052708 sodium Inorganic materials 0.000 description 5
- 208000017667 Chronic Disease Diseases 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 4
- 244000046052 Phaseolus vulgaris Species 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 235000012000 cholesterol Nutrition 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 235000013365 dairy product Nutrition 0.000 description 4
- 235000004280 healthy diet Nutrition 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 239000008157 edible vegetable oil Substances 0.000 description 3
- 230000035515 penetration Effects 0.000 description 3
- 235000015277 pork Nutrition 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 2
- 240000003768 Solanum lycopersicum Species 0.000 description 2
- 108010073771 Soybean Proteins Proteins 0.000 description 2
- 239000010775 animal oil Substances 0.000 description 2
- 235000004251 balanced diet Nutrition 0.000 description 2
- 235000013527 bean curd Nutrition 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 235000021458 diet cola Nutrition 0.000 description 2
- 235000018823 dietary intake Nutrition 0.000 description 2
- 235000015872 dietary supplement Nutrition 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000013355 food flavoring agent Nutrition 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 235000019198 oils Nutrition 0.000 description 2
- 235000013594 poultry meat Nutrition 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 235000015112 vegetable and seed oil Nutrition 0.000 description 2
- 239000008158 vegetable oil Substances 0.000 description 2
- 229940045997 vitamin a Drugs 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 235000001759 Citrus maxima Nutrition 0.000 description 1
- 244000276331 Citrus maxima Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 1
- 241000283074 Equus asinus Species 0.000 description 1
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 241001622901 Scomberomorus commerson Species 0.000 description 1
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 244000300264 Spinacia oleracea Species 0.000 description 1
- 235000009337 Spinacia oleracea Nutrition 0.000 description 1
- 229930003268 Vitamin C Natural products 0.000 description 1
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000881 depressing effect Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 235000014106 fortified food Nutrition 0.000 description 1
- 239000003292 glue Substances 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 235000006486 human diet Nutrition 0.000 description 1
- 235000020256 human milk Nutrition 0.000 description 1
- 210000004251 human milk Anatomy 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 239000011572 manganese Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 229960003512 nicotinic acid Drugs 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 235000021048 nutrient requirements Nutrition 0.000 description 1
- 208000030212 nutrition disease Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 235000017924 poor diet Nutrition 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000021003 saturated fats Nutrition 0.000 description 1
- 239000011669 selenium Substances 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 235000013322 soy milk Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 235000019154 vitamin C Nutrition 0.000 description 1
- 239000011718 vitamin C Substances 0.000 description 1
- 239000011701 zinc Substances 0.000 description 1
- 229910052725 zinc Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
Abstract
本发明提供了一种基于多维度指数法的食物分类方法及系统，其包括：S1、建立食物分类目录，给定参照食物组并设定累积营养成分贡献率的目标值，建立膳食调查数据库；S2、获取食物编码以及调查摄入量；S3、得到调查摄入总量；S4、形成n个数据组；S5、将n个数据组内各个食物纳入待确定的跨类参照食物组；S6、完成跨类参照食物组的建立；S7、获得多个分类参照食物组；S8、获取综合营养成分密度指数；S9、获取跨类参照食物组以及分类参照食物组的组内评价结果；S10、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，获取组外评价结果并对食物进行分类。本发明能够适用于现有的绝大部分综合评价方法且对综合评价方法的容错能力高。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于多维度指数法的食物分类方法以及系统。
背景技术
“饮食和营养是在整个生命过程中促进和保持良好健康的重要因素”，这是世界卫生组织(WHO)在《膳食、营养及慢性病预防》报告正文中提出的，与这句话相对的是，“不良饮食是导致很多慢性病风险的主要原因”，目前跟膳食及营养很明确地相关的慢性病包括肥胖、糖尿病、心血管疾病、部分癌症、骨质疏松等，具体参见WHO的报告、中国营养学会等团体发出的相关数据。毋庸置疑的是，通过科学健康的饮食可以减少很多慢性病的发生从而维持身体的健康。
由于以上原因，很多国家都制订了《膳食指南》来引导居民更科学选择食物，以达到保持身体健康目的。《膳食指南》提供了实现健康饮食的路径和方法。同时各个国家的科学家也一直在努力寻找对食物和膳食的科学评价方法，以帮助消费者通过分辨食物的营养属性来做出更健康更合理的食物选择。
对食物进行评价的关键是寻找一个参照物，基于此，目前高知名度的食物评价方法包括：1、推荐量指数方法：以“推荐营养素摄入量”RNI为参照标准。如法国的“营养素密度评分”(nutrient density score,NDS)NDS16和NDS23、美国的“天然富含营养素评分”(naturally nutrient rich score)NNR、澳大利亚的“营养食物指数NFI”(NutritiousFood Index)，都是以各个国家的成人“推荐营养素摄入量”RNI或“推荐膳食摄入量”RDA为参照并进行评价。但是该方法存在下述问题：人的食谱是由多种食物构成的，没有一种食物能够满足人所有的需求(母乳在特定情况下是特例)，这是营养学界的基本共识。基于这个共识，各个国家的膳食指南都强调食物的多样性。例如在《中国居民膳食指南2016》的核心推荐中建议，“平均每天至少摄入12种以上食物，每周25种以上”。而以“推荐膳食摄入量”RDA、“推荐营养素摄入量”RNI或类似的人为制定标准为参照标准的食物评价方法是建立在“一天只吃这一种食物”的假设基础上，而这样的假设在实际生活场景中是罕见的。一般情况下，人每餐通常都会包括几种食物，更何况是一天的时间。食物的互补作用对人的健康饮食非常重要，一种食物某些营养成分的缺乏可以通过另外一种或几种食物补强。如果以人的营养需求为评价标准，就不能忽视了食物的这种互补性。否则其评价结果的指导意义就存在天然缺欠。目前的此类推荐量综合指数评价方法没有体现出这一点，是这种评价标准适用性的重要疑点。同时RDA、RNI等营养素摄入量标准的本质是人体的营养需要量，它们至少提供两方面信息：膳食中每天必须要提供哪些营养成分以及“量”是多少。此处“量”的概念是指“摄入量”或“需求量”，而不是“含量”。以人的“需求量”为标准来评价食物的营养素“含量”，是有概念混淆之嫌。“没有不好的食物，只有不好的膳食”这句业内名言的核心要义就是“量”和“搭配”。任何食物，既然它能够成为我们的食物，它一定能够通过某种烹饪方法并以一定的“供应量”、与某些适当的食物搭配而成为健康膳食的一部分。也就是说任何食物都可以通过调节“供应量”来满足人的“需求量”，使用人的营养素“需求量”理论上无法评价食物营养素“含量”，人的营养素“需求量”的单位是kcal/天、mg/天、ug/天等，而食物营养素“含量”的单位是kcal/100g、mg/100g、ug/100g等。某种食物中营养素“含量”是确定的，而人的营养素“需求量”可能随时变化，二者也不存在某种相关性。而“需求量”和“搭配”则是膳食评价的关键，“搭配”发挥了食物的“互补”作用。另外一个问题是，由于不同的人群的推荐值可能不同，其评价结果应该是多个以对应不同人群，但目前几乎所有以RDA、RNI等为标准的推荐量综合指数评价方法只使用一个人群的推荐值作为评价标准，所得到的结果给所有人群做参考。2、阈值型评分方法：以一组阈值为参照标准，对每项参与食物评价的营养成分含量进行评分，最后依据单项评分计算食物总评分。其中最著名的就是英国食品标准局FSA(UK,Food Standard Agency—FSA)的WXYfm和SSCg3d评价方法。这两种方法都是以100g为单位，对经筛选出来作为评价指标的食物营养成分含量进行评分，其评分的标准是为每种包括在评价方法里的营养成分制定的一组阈值，WXYfm和SSCg3d方法中有些指标的评分范围是0到10分，有些指标的评分范围是0到5分。但是需要说明的是上述阈值评分法也存在下述难以克服的问题：如阈值是人为设定的，不同的设定阈值会产生不同的评分；FSA两种评价方法的阈值也是根据RNI的百分比设定的，而RNI是随能量的需求而变化的，但评价所使用的数据是食物100g营养成分含量数据；而且其评分极差太小，不能充分反映食物营养素含量超大极差的偏态分布特性。实际上，这个评分方式还存在压低高含量营养素的得分的弊端。
也就是说现有的食物综合评价方法的参照标准有很多不合理的地方，消费者根据评价结果不能全面了解所评价的食物，甚至可能被误导。
发明内容
基于此，为解决现有技术存在的不足，特提出了一种基于多维度指数法的食物分类方法。
一种基于多维度指数法的食物分类方法，其特征在于，包括如下步骤：
S1、建立食物分类目录，给定参照食物组并设定所述参照食物组内各个营养成分累积营养成分贡献率的目标值NCCR-A-T-NCN后，通过膳食调查建立覆盖目标区域对应的膳食调查数据库；
S2、基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及调查摄入量；
S3、按照摄入的食物编码FC分类汇总求和每一被调查个体在调查期间各自对应的调查摄入总量；
S4、将参与食物分类的非限制摄入的n种营养成分NCN的含量数据C-NCN以食物编码FC为关键变量分别与步骤S3数据合并形成n个数据组；同时在所有n个数据组中，分别计算每种食物在各自对应的数据组内所贡献的营养成分的调查摄入量IS-all-NCN，并汇总求和得到变量IS-all-NCN-total，然后计算每种食物在各自对应的数据组内对对应的营养成分的调查摄入量贡献率NCCR-NCN；对调查摄入量贡献率NCCR-NCN进行降序排列；
S5、基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T-NCN，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；
S6、再次计算步骤S5中所确定的跨类参照食物组中所有n种营养成分NCN的累积营养成分贡献率，并判断是否都均不低于目标值NCCR-A-T-NCN，是则确定跨类参照食物组符合设计要求，否则重复上述过程直至符合设计要求，进而完成覆盖膳食调查所有区域及人群的跨类参照食物组的建立；
S7、基于所建立食物分类目录对所述跨类参照食物组中食物进行分类以获得多个分类参照食物组；
S8、分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
S9、分别计算跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取跨类参照食物组以及分类参照食物组的组内评价结果；
S10、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组以获取被评价食物跨类参照食物组以及分类参照食物组的组外评价结果，并以组外评价结果进行横向比较，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；同时得到任何被评价食物组外评价结果，并且根据组外评价结果对食物进行分类。
可选的，在其中一个实施例中，所述步骤S1包括：S11、建立食物分类目录并给定相应的计量单位；S12、设定各个营养成分累积营养成分贡献率目标值；S13、确定目标区域，并判断是否有目标区域的膳食调查数据库；是则直接调用所述膳食调查数据库，否则在目标区域进行膳食调查建立膳食调查数据库。
可选的，在其中一个实施例中，所述步骤S9包括：
S91、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分密度指数值CNCDI-Food，其对应的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi，i＝1,2,3…n，n为参照组内食物数量；其中，CNCDI-Vsi为综合维生素密度指数的变量形式，CNCDI-Msi为综合矿物质密度指数的变量形式，CNCDI-ONCsi为综合其他营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCDI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分密度等级CNCDPR-Food，CNCDPR-Food对应的变量形式为CNCDPR-Foodi，：对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S92、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分健康指数值CNCHI-Food，其对应的变量形式为CNCHI-Foodi，其对应的计算公式为：CNCHI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi–CNCDI-RNCsi；
其中，CNCDI-RNCsi为综合限制摄入营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCHI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分健康等级CNCHPR-Food，对应的变量形式为CNCHPR-Foodi对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n；其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
可选的，在其中一个实施例中，所述步骤S9包括：
S91′、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分密度指数评价矩阵，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质以及其他营养成分，其中所述矿物质不包括Na成分；其次，获取贴进度S并计算食物综合营养成分密度指数CNCDI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCDI-Food的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝Si*100；并将跨类、分类参照组以CNCDI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分密度等级CNCDPR-Food，其变量形式为CNCDPR-Foodi，对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S92′、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分健康指数评价矩阵X，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质、限制摄入营养成分以及其他营养成分，所述矿物质不包括Na元素；其次，获取贴进度S并计算食物综合营养成分密度指数CNCHI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCHI-Food的变量形式为CNCHI-Foodi，对应的计算公式为：CNCHI-Foodi＝Si*100；并将跨类、分类参照组以CNCHI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分健康等级CNCHPR-Food，其变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
可选的，在其中一个实施例中，所述步骤S10包括：
S101、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；
S102、分别完成对新的跨类参照食物组以及分类参照食物组的多维度参数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
S103、分别计算新的跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取待评价食物的跨类参照食物组以及分类参照食物组的组外评价结果并且根据组外评价结果对该食物进行分类。
本发明还提供了一种基于多维度指数法的食物分类系统，其包括：
第一数据获取单元，其用于建立食物分类目录，给定参照食物组并设定所述参照食物组内各个营养成分对应的累积营养成分贡献率目标值NCCR-A-T-NCN后，通过膳食调查建立目标区域对应的膳食调查数据库；
第二数据获取单元，其用于基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及调查摄入量；
第三数据获取单元，其用于按照摄入的食物编码FC分类汇总求和每一被调查个体在调查期间各自对应的调查摄入总量；
第一数据计算单元，其用于将参与食物分类的非限制摄入的n种营养成分NCN的含量数据C-NCN以食物编码FC为关键变量分别与步骤S3数据合并形成n个数据组；同时在所有n个数据组中，分别计算每种食物在各自对应的数据组内所贡献的营养成分的调查摄入量IS-all-NCN，并汇总求和得到变量IS-all-NCN-total，然后计算每种食物在各自对应的数据组内对对应的营养成分的调查摄入量贡献率NCCR-NCN；对调查摄入量贡献率NCCR-NCN进行降序排列；
跨类食物组选择单元，其用于基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T-NCN，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；
第二数据计算单元，其用于再次计算所确定的跨类参照食物组中所有n种营养成分NCN的累积营养成分贡献率，并判断是否都均不低于目标值NCCR-A-T-NCN，是则确定跨类参照食物组符合设计要求，否则重复上述过程直至符合设计要求，进而完成覆盖膳食调查所有区域及人群的跨类参照食物组的建立；
分类食物组选择单元，其用于基于所建立食物分类目录对所述跨类参照食物组中食物进行分类以获得多个分类参照食物组；
第三数据计算单元，其用于分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
第一数据评价单元，其用于分别计算跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取跨类参照食物组以及分类参照食物组的组内评价结果；
第二数据评价单元，其用于选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组以获取被评价食物跨类参照食物组以及分类参照食物组的组外评价结果，并以组外评价结果进行横向比较，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；同时得到任何被评价食物组外评价结果，并且根据组外评价结果对食物进行分类。
可选的，在其中一个实施例中，所述第一数据获取单元包括：食物分类目录建立模块，其用于建立食物分类目录并给定相应的食物评价/分类的计量单位；目标设定模块，其用于给定参照食物组，设定各个营养成分累积营养成分贡献率目标值NCCR-A-T-NCN；目标区域确定模块，其用于确定食物评价体系的适用地域范围即目标区域，并判断是否有目标区域的膳食调查数据库；是则直接调用所述膳食调查数据库，否则在目标区域进行膳食调查建立膳食调查数据库。
可选的，在其中一个实施例中，所述第一数据评价单元中各个数据计算过程包括：
T1、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分密度指数值CNCDI-Food，其对应的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi，i＝1,2,3…n，n为参照组内食物数量；其中，CNCDI-Vsi为综合维生素密度指数的变量形式，CNCDI-Msi为综合矿物质密度指数的变量形式，CNCDI-ONCsi为综合其他营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCDI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分密度等级CNCDPR-Food，CNCDPR-Food对应的变量形式为CNCDPR-Foodi，：对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
T2、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分健康指数值CNCHI-Food，其对应的变量形式为CNCHI-Foodi，其对应的计算公式为：CNCHI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi–CNCDI-RNCsi；
其中，CNCDI-RNCsi为综合限制摄入营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCHI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分健康等级CNCHPR-Food，对应的变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n；其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
可选的，在其中一个实施例中，所述第一数据评价单元中各个数据计算过程包括：
S91、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分密度指数评价矩阵，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质以及其他营养成分，其中所述矿物质不包括Na成分；其次，获取贴进度S并计算食物综合营养成分密度指数CNCDI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCDI-Food的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝Si*100；并将跨类、分类参照组以CNCDI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分密度等级CNCDPR-Food，其变量形式为CNCDPR-Foodi，对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S92、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分健康指数评价矩阵X，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质、限制摄入营养成分以及其他营养成分，所述矿物质不包括Na元素；其次，获取贴进度S并计算食物综合营养成分密度指数CNCHI-Food-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCHI-Food-Food的变量形式为CNCHI-Food-Foodi，对应的计算公式为：CNCHI-Foodi＝Si*100；并将跨类、分类参照组以CNCHI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分健康等级CNCHPR-Food，CNCHPR-Foodi对应的变量计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
可选的，在其中一个实施例中，所述第二数据评价单元中各个数据计算过程包括：
选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；
分别完成对新的跨类参照食物组以及分类参照食物组的多维度参数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
分别计算新的跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取待评价食物的跨类参照食物组以及分类参照食物组的组外评价结果并且根据组外评价结果对该食物进行分类。
实施本发明实施例，将具有如下有益效果：
本发明能够适用于现有的绝大部分综合评价方法且对综合评价方法的容错能力高。本发明不仅适用于食物，同时也适用于“营养强化食品”、“特医食品”等与人类营养相关的“特殊食品”的评价。
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一些实施例，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，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中实施所述方法对应的基础步骤流程图；
图2为一个实施例中实施所述步骤S1对应的步骤流程图；
图3为一个实施例中实施所述步骤S2-S6对应的步骤流程图；
图4为一个实施例中实施所述S7对应的步骤流程图；
图5为一个实施例中实施所述S8中获取综合维生素密度指数对应的步骤流程图；
图6为一个实施例中实施所述S8中获取综合矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数对应的步骤流程图；
图7为一个实施例中实施所述S9对应的步骤流程图；
图8为一个实施例中实施所述S10对应的步骤流程图；
图9为一个实施例中实施所述具体实施案例对应的展指图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本发明。可以理解，本发明所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一元件称为第二元件，且类似地，可将第二元件称为第一元件。第一元件和第二元件两者都是元件，但其不是同一元件。
现有很多评价方法都提到食物“营养素密度”(nutrients density,ND)这个概念，但是“营养素密度”没有统一的、大家一直认可的定义，因此本案对“营养素密度”进行了如下明确定义，并且将名称修改为“营养成分密度”(nutritional composition density，NCD)以拓展其应用范围；同时给出多种表达形式，如单位能量NCD/kcal、单位质量NCD/g、单位份量NCD/serving size；同时本案在上述概念的基础上还提出一些新技术名词，具体如下：营养成分密度等级：将一组食物的某一个营养成分的“单位营养成分密度”(能量、质量或份量)转换为百分等级；综合营养成分密度指数：(comprehensive nutritionalcomposition density index,CNCDI)是指利用综合评价方法对食物中多个营养成分的营养成分密度进行综合评价的结果，CNCDI是一个相对值，没有单位；综合营养成分密度等级(comprehensive nutritional composition density pencentile rank,CNCDPR)是指将一组食物的CNCDI转换为对应的百分等级；参照食物组：即一组食物，该组食物的选择依据来源于“膳食调查”的结果；具体的，其分为跨类参照食物组以及分类参照食物组；所述跨类参照食物组以食物对所调查人群膳食营养成分的贡献率为依据构建食物组；所述分类参照食物组将所述跨类参照食物组，按照分类目录进行分组，以获得多组分类后的参照食物组，所述分类目录通过将食物以营养特性进行分类并创建目录。
如图1-图8，在本实施例中，特提出了一种基于多维度指数法的食物分类方法，其特征在于，包括如下步骤：
S1、建立食物分类目录，给定参照食物组并设定所述参照食物组内各个营养成分累积营养成分贡献率的目标值NCCR-A-T-NCN后，通过膳食调查建立目标区域对应的膳食调查数据库；
S2、基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及调查摄入量；
S3、按照摄入的食物编码FC分类汇总求和每一被调查个体在调查期间各自对应的调查摄入总量；
S4、将参与食物分类的非限制摄入的n种营养成分NCN的含量数据C-NCN以食物编码FC为关键变量分别与步骤S3数据合并形成n个数据组；同时在所有n个数据组中，分别计算每种食物在各自对应的数据组内所贡献的营养成分的调查摄入量IS-all-NCN，并汇总求和得到变量IS-all-NCN-total，然后计算每种食物在各自对应的数据组内对对应的营养成分的调查摄入量贡献率NCCR-NCN；对调查摄入量贡献率NCCR-NCN进行降序排列；
S5、基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T-NCN，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；
S6、再次计算步骤S5中所确定的跨类参照食物组中所有n种营养成分NCN的累积营养成分贡献率，并判断是否都均不低于目标值NCCR-A-T-NCN，是则确定跨类参照食物组符合设计要求，否则重复上述过程直至符合设计要求，进而完成覆盖膳食调查所有区域及人群的跨类参照食物组的建立；
S7、基于所建立食物分类目录对所述跨类参照食物组中食物进行分类以获得多个分类参照食物组；
S8、分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
S9、分别计算跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取跨类参照食物组以及分类参照食物组的组内评价结果；
S10、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组以获取被评价食物跨类参照食物组以及分类参照食物组的组外评价结果，并以组外评价结果进行横向比较，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；同时得到任何被评价食物组外评价结果，并且根据组外评价结果对食物进行分类。
其中，在一些具体的实施例中，所述步骤S1包括：
S11、建立食物分类目录并给定相应的食物评价/分类的计量单位；其中，所述食物分类目录以食物营养特性相似性为依据，以非互斥为分类原则进行分类，即一种食物可以根据营养特性分配到不同类别中；如可参考“中国平衡膳食宝塔”进行分类，具体分类如下：谷薯、蔬菜、水果、蛋白质、豆奶、食用油；如可参考“美国《我的餐盘》my plate”进行分类，具体分类如下：谷类、蔬菜、水果、蛋白质、乳制品、油；也可以按照下述实例进行分类即：谷薯、蔬菜、水果、蛋白质食物、豆奶、脂肪；谷薯类又可分为：谷类，薯类，杂豆，及其制品；蔬菜类又可分为：蔬菜，入菜薯类，鲜豆，及其制品；水果类又可分为：水果、部分可生食蔬菜，及其制品；蛋白质食物类又可分为：禽肉、畜肉、蛋、水产品、大豆、高蛋白坚果；豆奶类又可分为：奶、奶制品、大豆、大豆制品、坚果；脂肪类又可分为：植物油、动物油、高脂肪调味品、肥肉；所述计量单位至少包括能量、质量或份量中的任意一种形式，具体按照用户需求选择，例如100Kcal，90Kcal，100g，习惯摄入量，份量、每粒，每包，每块等；其中若以能量为计量单位，由于能量为基础计量单位，因此其不仅可以排除含水量的影响，还能够与“膳食指南”和“DRIs”契合度更好；但对于能量极低或为零的食物或“类食物”(例如：健怡可乐，零度可乐、膳食补充剂)建议使用以质量或份量为计量单位去评价。
S12、给定参照食物组，设定所述参照食物组内各个营养成分累积营养成分贡献率目标值即使得所有营养成分的累积营养成分贡献率相同，即累积营养成分贡献率目标NCCR-A-T-NCN＝T1％；具体数值实际操作时确定即可；所述参照食物组应包括绝大部分常见食物；
S13、确定食物评价体系的适用地域范围即目标区域，并判断是否有目标区域的膳食调查数据库；是则直接调用所述膳食调查数据库，否则在目标区域进行膳食调查建立膳食调查数据库。在一些更具体的实施例中，若目标区域过大，则可以进一步划分若干目标子区域分别进行膳食调查数据统计分析。
其中，在一些具体的实施例中，所述步骤S2包括：
基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及摄入量；其中，通过统计所述膳食调查数据库中调查数据，获取每个被调查个体ID在调查期间摄入的食物名称FN、食物编码FC及其调查摄入量IS-ind，形成表1--“ID vs FC vs FNvs IS-ind”数据表；
表1的表格形式如下表
其中，在一些具体的实施例中，所述步骤S3包括：基于表1数据并按照摄入的食物编码FC分类汇总求和每种食物的对应的所有被调查个体在调查期间的调查摄入量，形成表2即FC vs FN vs IS-all数据表；
表2的表格形式如下表
| 食物编码 | 食物名称 | 调查摄入量 |
| FC | FN | IS-all |
其中，在一些具体的实施例中，所述步骤S4包括：S41、将参与食物分类的非限制摄入的n种营养成分(NCN)含量数据C-NCN以食物编码“FC”为关键变量分别合并到表2中，形成n张表3，FC vs FN vs IS-all vs C-NSN数据表；
表3的表格形式如下表
| 食物编码 | 食物名称 | 调查摄入量 | NCN含量 |
| FC | FN | IS-all | C-NCN |
S42、基于各所述数据组(所有n张数据表)，分别计算数据组中每种食物在该数据组所贡献的营养成分的调查摄入量IS-all-NCN,并对IS-all-NCN汇总求和得到变量IS-all-NCN-total。然后计算每种食物对该表所对应营养成分的调查摄入量贡献率NCCR-NCN，可按如下公式计算NCCR-NCN：即NCCR-NCN＝(IS-all-NCN)/(IS-all-NCN-total)*100％，计算完成后，对NCCR-NCN进行降序排列，形成表4，即FC vs FN vs IS-all vs C-NSN vs IS-all-NCN vs NCCR-NCN数据表；
表4的表格形式如下表
其中，在一些具体的实施例中，所述步骤S5包括：
S51、根据表4，基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；具体操作过程为：根据表4，按营养成分类别以NCCR-NCN从高到低将食物纳入“跨类参照食物组”，直到“累积营养成分贡献率”(NCCR-A-NCN)达到或超过目标值NCCR-A-T-NCN，跳过已经纳入的食物。完成后，使用同样的方法在下一张表4中挑选食物，直到全部n张表4都完成。
其中，在一些具体的实施例中，所述步骤S6包括：应用“表4”，再次计算“跨类参照食物组”对所有n种营养成分的累积营养成分贡献率，判断是否都大于等于目标值NCCR-A-T-NCN；否则重复上述过程进行调整，直至符合设计要求；进而完成膳食调查所有区域及人群的“跨类参照食物组”建立。其中，在一些更具体的实施例中，如果考虑“性别”、“年龄”、“地域”、“季节”因素，则对“膳食调查数据库”数据进行相关分类筛选，依次重复建立“表1”到“表4”的流程，并对“跨类参照食物组”进行检验，如果某季节、某子人群营养成分贡献率没有达标，则分别进行相关食物纳入(重复之前纳入步骤)，以使得在相关时间季节或相关人群(性别、年龄、地域)都能满足“累积营养成分贡献率”的目标。
其中，在一些具体的实施例中，所述步骤S7包括：基于步骤S1中所建立食物分类目录，对所述跨类参照食物组进行分类以获得多个分类参照食物组即每类均为一个分类参照食物组；进而完成跨类参照食物组及分类参照食物组的创建。基于上述内容可以看出同一种食物在本案中可以分入多个分类参照食物组中，即采用非互斥分类标准，设置跨类参照食物组以及分类参照食物组的目的包括：以“跨类参照食物组”为参照，对全品类食物进行综合评价，实现食物跨类比较；同时以“分类参照食物组”为参照，对分类组内食物进行综合评价，实现食物同类比较，其与跨类比较相比，敏感性高。
其中，在一些具体的实施例中，所述步骤S8包括：分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；在一些更具体的实施例中，综合营养成分密度指数以及健康指数并不要求包含全部的营养成分对应的维度；若仅考虑一个维度下的指数计算，例如仅有维生素维度，则所述综合营养成分密度指数可以仅包括维生素维度对应的密度指数以及健康指数；若进一步的，维生素维度下的营养成分仅包含维生素A，则综合营养成分密度等级可以是指维生素A密度等级。
本案以多维度指数为例进行详细说明，同时本案可以利用现有多种方案提出的综合评价方法进行计算，例如Topsis法、秩和比法，以对参照组内食物进行评价，本案参照组内每种食物可以得到一个“跨类组内”评分，一个“分类组内”评分；下述以Topsis法为例进行说明，具体包括如下步骤：
S81、获取综合维生素密度指数，其包括：首先构建维生素评价矩阵X；矩阵X的任意元素记为xij，其表示参照组内食物给定计算单位(如100kcal/100g)下的维生素含量数据，其中，i＝1，2，3···n，j＝1，2，3···m，m为参加评价的维生素数量，n为参照食物组内食物数量；且全部维生素均为正向指标；所述矩阵X的表达式为：
将矩阵X转换为标准化矩阵Z，其中，转换方程的表达式为：
所述标准化矩阵Z的表达式为：
自所述标准化矩阵Z中，选定最优方案Z+、最劣方案Z-，其中，所述最优方案Z+的表达式为：Z+＝(Z+ 1,Z+ 2,Z+ j…,Z+ m)，
为每列数据最大值，对应每种维生素的最大值；最劣方案Z-的表达式为
为每列数据最小值，对应每种维生素的最小值；
分别计算参照组内食物维生素含量数据Zij与最优方案的欧几里得距离以及参照组内食物维生素含量数据Zij与最劣方案的欧几里得距离；其中，各自对应的计算公式分别为：
计算参照组内食物维生素含量数据与最优方案的贴进度Si并获取综合维生素密度指数CNCDI-VS；各自对应的计算公式为：
CNCDI-Vsi＝Si*100；
S82、获取综合矿物质密度指数，其包括：首先构建矿物质评价矩阵X；矩阵X的任意元素记为xij，其表示参照组内食物给定计算单位(如100kcal/100g)下的矿物质含量数据，其中，i＝1，2，3···n，j＝1，2，3···m，m为参加评价的除钠以外矿物质数量，n为参照食物组内食物数量，全部矿物质均为正向指标；所述矩阵X的表达式为：
将矩阵X转换为标准化矩阵Z，其中，转换方程的的表达式为：
所述标准化矩阵Z的表达式为：
自所述标准化矩阵Z中，选定最优方案Z+、最劣方案Z-，其中，所述最优方案Z+的表达式为：Z+＝(Z+ 1,Z+ 2,Z+ j…,Z+ m)，
为每列数据最大值，对应每种矿物质的最大值；最劣方案Z-的表达式为
为每列数据最小值，对应每种矿物质的最小值；
分别计算参照组内食物矿物质含量数据Zij与最优方案的欧几里得距离以及参照组内食物矿物质含量数据Zij与最劣方案的欧几里得距离；其中，各自对应的计算公式分别为：
计算参照组内食物矿物质含量数据与最优方案的贴进度Si并获取综合矿物质密度指数CNCNI-Ms；各自对应的计算公式为：
CNCNI-Msi＝Si*100；
S83、获取综合其他营养成分密度指数，其包括：首先将极小型营养成分数据进行正向化处理，其次构建其他营养成分评价矩阵X；矩阵X的任意元素记为xij，其表示参照组内食物给定计量单位下(100kcal/100g)其他营养成分含量数据经过正向化处理以后的数据，其中，i＝1，2，3···n，j＝1，2，3···m，m为参加评价的除维生素、矿物质、限制摄入营养成分以外营养成分数量，n为参照食物组内食物数量；超量摄入对健康有害的营养成分为负向指标，希望它是越低越好，这样的指标称为“极小型”指标，如胆固醇，其他为正向指标或者极大型指标，例如膳食纤维其含量是越高越好的。所述正向化处理是指将“极小型”指标变成“极大型”指标的过程；所述矩阵X的表达式为：
将矩阵X转换为标准化矩阵Z，其中，转换方程的的表达式为：
所述标准化矩阵Z的表达式为：
自所述标准化矩阵Z中，选定最优方案Z+、最劣方案Z-，其中，所述最优方案Z+的表达式为：Z+＝(Z+ 1,Z+ 2,Z+ j…,Z+ m)，
为每列数据最大值，对应每种其他营养成分的最大值；最劣方案Z-的表达式为
为每列数据最小值，对应每种其他营养成分的最小值；
分别计算参照组内食物其他营养成分含量数据Zij与最优方案的欧几里得距离以及参照组内食物其他营养成分含量数据Zij与最劣方案的欧几里得距离；其中，各自对应的计算公式分别为：
计算参照组内食物其他营养成分含量数据与最优方案的贴进度Si并获取综合其他营养成分密度指数CNCDI-ONCs；各自对应的计算公式为：
CNCDI-ONCsi＝Si*100；
S84、获取综合限制摄入营养成分密度指数，其包括：首先构建限制摄入营养成分评价矩阵X；矩阵X的任意元素记为xij，其表示参照组内食物给定计量单位下(如100kcal/100g)限制摄入营养成分含量数据，其中，i＝1，2，3···n，j＝1，2，3···m，m为参加评价的限制摄入营养成分数量，n为参照食物组内食物数量；全部限制营养成分均为正向指标，所述限制摄入营养成分包括饱和脂肪、糖、钠、酒精，所述矩阵X的表达式为：
将矩阵X转换为标准化矩阵Z，其中，转换方程的的表达式为：
所述标准化矩阵Z的表达式为：
自所述标准化矩阵Z中，选定最优方案Z+、最劣方案Z-，其中，所述最优方案Z+的表达式为：Z+＝(Z+ 1,Z+ 2,Z+ j…,Z+ m)，
为每列数据最大值，对应每种限制摄入营养成分的最大值；最劣方案Z-的表达式为
为每列数据最小值，对应每种限制摄入营养成分的最小值；
分别计算参照组内食物限制摄入营养成分含量数据Zij与最优方案的欧几里得距离以及参照组内食物限制摄入营养成分含量数据Zij与最劣方案的欧几里得距离；其中，各自对应的计算公式分别为：
计算参照组内食物限制摄入营养成分含量与最优方案的贴进度Si并获取综合限制摄入营养成分密度指数CNCDI-RNCs；各自对应的计算公式为：
CNCDI-RNCsi＝Si*100。
在其中一个实施例中，所述步骤S9包括：
S91、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下两种方法任意一种：
S911、首先，计算参照食物组的食物综合营养成分密度指数值CNCDI-Food，其对应的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi；其中，所述公式中，若不考虑某一维度对应的综合营养成分指数，例如综合维生素密度指数CNCDI-Vs，则确定在公式中表示为0即可；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCDI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分密度等级CNCDPR-Food，CNCDPR-Food对应的变量形式为CNCDPR-Foodi，对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S912、首先，构建食物综合营养成分密度指数评价矩阵X，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质以及其他营养成分，其中所述矿物质不包括Na成分，全部为正向指标；其次，获取贴进度S并计算食物综合营养成分密度指数CNCDI-Food，其中，贴进度S的变量形式为Si，所述贴进度Si的计算过程参见步骤S8；食物综合营养成分密度指数CNCDI-Food的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝Si*100；并将跨类、分类参照组以CNCDI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分密度等级CNCDPR-Food，其变量形式为CNCDPR-Foodi，对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S92、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下两种方法中任意一种：
S921、首先，计算参照食物组的食物综合营养成分健康指数值CNCHI-Food，其对应的变量形式为CNCHI-Foodi，其对应的计算公式为：CNCHI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi–CNCDI-RNCsi；
其中，CNCDI-RNCsi为综合限制摄入营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCHI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分健康等级CNCHPR-Food，对应的变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n；其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
S922、首先，构建食物综合营养成分健康指数评价矩阵X，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质、限制摄入营养成分以及其他营养成分，所述矿物质不包括Na元素，限制摄入营养成分为负向指标，其他为正向指标；其次，获取贴进度S并计算食物综合营养成分密度指数CNCHI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCHI-Food的变量形式为CNCHI-Foodi，对应的计算公式为：CNCHI-Foodi＝Si*100；并将跨类、分类参照组以CNCHI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分健康等级CNCHPR-Food，对应的变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
在其中一个实施例中，所述步骤S10实质上是一种插队评价方法，其将被评价食物插入上述参照组中进行评价，此时的参照组可以理解为标尺，以此标尺的标准去量度被评价食物。因此，本案中的参照组内食物具有组内评分及组外(插队)评分，以组外评分参与评价。具体的，所述步骤S10包括如下步骤：
S101、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；
S102、分别完成对新的跨类参照食物组以及分类参照食物组的多维度参数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
S103、分别计算新的跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取待评价食物的跨类参照食物组以及分类参照食物组的组外评价结果并且根据组外评价结果对该食物进行分类。
此外，为解决传统技术在存在的不足，还提出了一种基于多维度等级法的食物推荐系统，其包括：第一数据获取单元，其用于建立食物分类目录，给定参照食物组并设定所述参照食物组内各个营养成分累积营养成分贡献率目标值NCCR-A-T-NCN后，通过膳食调查建立目标区域对应的膳食调查数据库；第二数据获取单元，其用于基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及调查摄入量；第三数据获取单元，其用于按照摄入的食物编码FC分类汇总求和每一被调查个体在调查期间各自对应的调查摄入总量；第一数据计算单元，其用于将参与食物分类的非限制摄入的n种营养成分NCN的含量数据C-NCN以食物编码FC为关键变量分别与步骤S3数据合并形成n个数据组；同时在所有n个数据组中，分别计算每种食物在各自对应的数据组内所贡献的营养成分的调查摄入量IS-all-NCN，并汇总求和得到变量IS-all-NCN-total，然后计算每种食物在各自对应的数据组内对对应的营养成分的调查摄入量贡献率NCCR-NCN；对调查摄入量贡献率NCCR-NCN进行降序排列；跨类食物组选择单元，其用于基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T-NCN，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；第二数据计算单元，其用于再次计算所确定的跨类参照食物组中所有n种营养成分NCN的累积营养成分贡献率，并判断是否都均不低于目标值NCCR-A-T-NCN，是则确定跨类参照食物组符合设计要求，否则重复上述过程直至符合设计要求，进而完成覆盖膳食调查所有区域及人群的跨类参照食物组的建立；分类食物组选择单元，其用于基于所建立食物分类目录对所述跨类参照食物组中食物进行分类以获得多个分类参照食物组；第三数据计算单元，其用于分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；第一数据评价单元，其用于分别计算跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取跨类参照食物组以及分类参照食物组的组内评价结果；第二数据评价单元，其用于选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组以获取被评价食物跨类参照食物组以及分类参照食物组的组外评价结果，并以组外评价结果进行横向比较，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；同时得到任何被评价食物组外评价结果，并且根据组外评价结果对食物进行分类。
其中，在一些具体的实施例中，所述第一数据获取单元包括：
食物分类目录建立模块，其用于建立食物分类目录并给定相应的食物评价/分类的计量单位；其中，所述食物分类目录以食物营养特性相似性为依据，以非互斥为分类原则进行分类，即一种食物可以根据营养特性分配到不同类别中；如可参考“中国平衡膳食宝塔”进行分类，具体分类如下：谷薯、蔬菜、水果、蛋白质、豆奶、食用油；如可参考“美国《我的餐盘》my plate”进行分类，具体分类如下：谷类、蔬菜、水果、蛋白质、乳制品、油；也可以按照下述实例进行分类即：谷薯、蔬菜、水果、蛋白质食物、豆奶、脂肪；谷薯类又可分为：谷类，薯类，杂豆，及其制品；蔬菜类又可分为：蔬菜，入菜薯类，鲜豆，及其制品；水果类又可分为：水果、部分可生食蔬菜，及其制品；蛋白质食物类又可分为：禽、肉、蛋、水产品、大豆、高蛋白坚果；豆奶类又可分为：奶、奶制品、大豆、大豆制品、坚果；脂肪类又可分为：植物油、动物油、高脂肪调味品、肥肉；所述计量单位至少包括能量、质量或份量中的任意一种形式，具体按照用户需求选择，例如100Kcal，90Kcal，100g，习惯摄入量，份量、每粒，每包，每块等；其中若以能量为计量单位，由于能量为基础计量单位，因此其不仅可以排除含水量的影响，还能够与“膳食指南”和“DRIs”契合度更好；但对于能量极低或为零的食物或“类食物”(例如：健怡可乐，零度可乐、膳食补充剂)建议使用以质量或份量为计量单位去评价。目标设定模块，其用于给定参照食物组，设定各个营养成分累积营养成分贡献率目标值，即使得所有营养成分的累积营养成分贡献率目标值相同，即累积营养成分贡献率目标NCCR-A-T-NCN＝T1％；具体数值实际操作时确定即可；所述参照食物组应包括绝大部分常见食物；目标区域确定模块，其用于确定食物评价体系的适用地域范围即目标区域，并判断是否有覆盖目标区域的膳食调查数据库；是则直接调用所述膳食调查数据库，否则在目标区域进行膳食调查建立膳食调查数据库。在一些更具体的实施例中，若目标区域过大，则可以进一步划分若干目标子区域分别进行膳食调查数据统计分析。
进一步的，上述单元内各个数据的计算过程与上述方法所给出的具体实施例内容一致，本处不再赘述。
基于上述设计内容，下面以具体实验例形式对本案的设计方案做进一步说明与验证：由于实施例中跨类参照食物组可以包括六百多种食物，受篇幅所限，不能全部列出；现将实操过程和最后结果总结如下：
第一步：(1)确定食物分类目录：分成谷薯、蛋白质、蔬菜、水果、豆奶、脂肪、其他等七类，其基于原则为非互斥分类法。(2)给定计量单位：100kcal(3)营养计算参考数据：《中国食物成分表》2002、2004、2009；在实际应用时，需要将书中食物营养成分数据转换为100kcal单位能量营养成分密度数据。(4)设定累积营养成分贡献率：全部营养成分的累积营养成分贡献率设定为97.5％；(5)调查区域：中国；(6)所用膳食调查数据库：“中国健康与营养调查”(CHNS)2011年数据；(7)覆盖人群：18-59岁。
第二步：形成表1，以10条记录举例说明如下：
| 个体编码ID | 性别 | 年龄 | 食物编码 | 食物名称 | 调查摄入量 |
| ID-ind | Gender | age | FC | FN | IS-ind |
| 111101002001 | 2 | 47 | 64301 | 柚[文旦] | 250 |
| 111101002001 | 2 | 47 | 81129 | 猪肉(里脊) | 50 |
| 111101002001 | 2 | 47 | 81129 | 猪肉(里脊) | 100 |
| 111101002001 | 2 | 47 | 81129 | 猪肉(里脊) | 100 |
| 111101004001 | 1 | 32 | 45301 | 菠菜[赤根菜] | 150 |
| 111101004001 | 1 | 32 | 31306 | 豆腐(北豆腐) | 50 |
| 111101004001 | 1 | 32 | 31401 | 豆浆 | 200 |
| 111101004001 | 1 | 32 | 31401 | 豆浆 | 200 |
| 111101004001 | 1 | 32 | 43105 | 番茄[西红柿] | 100 |
| 111101004001 | 1 | 32 | 64201 | 柑橘(`X) | 150 |
第三步:形成表4，内容包括表2和表3，以10条记录举例说明如下：
第四步：建立跨类与分类参照食物组，具体结果总结如下：
基于上表，所有参与评价的营养成分的实际累积营养成分贡献率全部大于97.5％。同时由于食用油调查数据缺失，脂肪分类数据准确性有偏差。
则跨类参照食物组的纳入顺序为：宏量营养素、膳食纤维、微量营养素。同类营养成分的纳入次序为随机次序，跳过限制摄入营养成分：钠、胆固醇。
第五步：以下以“蛋白质分类参照食物组”为例介绍S8、S9、S10步骤结果：
其中，评价指标包括：
i.维生素：Va、Vb1、Vb2、尼克酸、Vc、Ve
ii.矿物质：钙、磷、钾、镁、铁、锌、硒、铜、锰
iii.其他营养成分：膳食纤维
iv.限制摄入营养成分：钠、胆固醇
维生素对应的最优、最劣方案：维生素评价矩阵(最劣方案很多种食物都是0，不列举)
矿物质对应的最优、最劣方案：矿物质评价矩阵(最劣方案很多种食物都是0，不列举)
其他营养成分对应的最优、最劣方案：其他营养成分评价矩阵：(最劣方案很多种食物都是0，不列举)
膳食纤维对应的最劣方案：0；最优方案：9.2；最优方案来源：黄豆芽
限制摄入营养成分最优、最劣方案：限制摄入营养成分评价矩阵：(最劣方案很多种食物都是0，不列举)
胆固醇，最劣方案：0；最优方案：526；最优方案来源：猪肾[猪腰子]
钠，最劣方案：0；最优方案：3403；最优方案来源：鲅鱼(咸)[咸马胶]
基于上述内容，结果总结如下：列举综合维生素密度指数TOP10食物。
基于上述内容，结果总结如下：列举综合矿物质密度指数TOP10食物。
基于上述内容，结果总结如下：列举综合其他营养成分密度指数TOP10食物。
基于上述内容，结果总结如下：列举综合限制摄入营养成分密度指数TOP10食物。
基于上述内容，结果总结如下：列举食物综合营养成分密度等级TOP10食物。
基于上述内容，结果总结如下：列举食物综合营养成分健康等级TOP10食物。
基于上述内容，获取组外食物的组外评价：将“驴肉(煮)”插入“蛋白质分类参照食物组”中进行评价，结果见以上表格。
同时上述各个指数数据可通过展指图等图形展示形式进行展示，已完成食物综合评价数据展示过程。
另，上述系统或者方法包括但不限于可以应用到管理食物的系统，食物储存器和食物购买推荐方法、烹饪食谱提供方法以及家居智能领域，如厨房管家机器人等诸多领域中。
基于相同的发明构思，本发明还提出了一种电子设备，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据上述实例中任一项所述的食物推荐方法。
基于相同的发明构思，本发明还提出了一种计算机可读存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行所述的方法。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于多维度指数法的食物分类方法，其特征在于，包括如下步骤：
S1、建立食物分类目录，给定参照食物组并设定所述参照食物组内各个营养成分对应的累积营养成分贡献率的目标值NCCR-A-T-NCN后，通过膳食调查建立目标区域对应的膳食调查数据库；
S2、基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及调查摄入量；
S3、按照摄入的食物编码FC分类汇总求和每一被调查个体在调查期间各自对应的调查摄入总量；
S4、将参与食物分类的非限制摄入的n种营养成分NCN的含量数据C-NCN以食物编码FC为关键变量分别与步骤S3数据合并形成n个数据组；同时在所有n个数据组中，分别计算每种食物在各自对应的数据组内所贡献的营养成分的调查摄入量IS-all-NCN，并汇总求和得到变量IS-all-NCN-total，然后计算每种食物在各自对应的数据组内对对应的营养成分的调查摄入量贡献率NCCR-NCN；并对调查摄入量贡献率NCCR-NCN进行降序排列；
S5、基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T-NCN，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；
S6、再次计算步骤S5中所确定的跨类参照食物组中所有n种营养成分NCN的累积营养成分贡献率，并判断是否都均不低于目标值NCCR-A-T-NCN，是则确定跨类参照食物组符合设计要求，否则重复上述过程直至符合设计要求，进而完成覆盖膳食调查所有区域及人群的跨类参照食物组的建立；
S7、基于所建立食物分类目录对所述跨类参照食物组中食物进行分类以获得多个分类参照食物组；
S8、分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
S9、分别计算跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取跨类参照食物组以及分类参照食物组的组内评价结果；
S10、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组以获取被评价食物跨类参照食物组以及分类参照食物组的组外评价结果，并以组外评价结果进行横向比较，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；同时得到任何被评价食物组外评价结果，并且根据组外评价结果对食物进行分类。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：
S11、建立食物分类目录并给定相应的计量单位；
S12、设定各个营养成分累积营养成分贡献率目标值；
S13、确定目标区域，并判断是否有目标区域的膳食调查数据库；是则直接调用所述膳食调查数据库，否则在目标区域进行膳食调查建立膳食调查数据库。
3.根据权利要求1所述的方法，其特征在于，所述步骤S9包括：
S91、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分密度指数值CNCDI-Food，其对应的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi，i＝1,2,3…n，n为参照组内食物数量；其中，CNCDI-Vsi为综合维生素密度指数的变量形式，CNCDI-Msi为综合矿物质密度指数的变量形式，CNCDI-ONCsi为综合其他营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCDI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分密度等级CNCDPR-Food，CNCDPR-Food对应的变量形式为CNCDPR-Foodi，：对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S92、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分健康指数值CNCHI-Food，其对应的变量形式为CNCHI-Foodi，其对应的计算公式为：CNCHI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi–CNCDI-RNCsi；
其中，CNCDI-RNCsi为综合限制摄入营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCHI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分健康等级CNCHPR-Food，对应的变量形式为CNCHPR-Foodi对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n；其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
4.根据权利要求1所述的方法，其特征在于，所述步骤S9包括：
S91′、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分密度指数评价矩阵，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质以及其他营养成分，其中所述矿物质不包括Na成分；其次，获取贴进度S并计算食物综合营养成分密度指数CNCDI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCDI-Food的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝Si*100；并将跨类、分类参照组以CNCDI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分密度等级CNCDPR-Food，其变量形式为CNCDPR-Foodi，对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
S92′、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分健康指数评价矩阵X，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质、限制摄入营养成分以及其他营养成分，所述矿物质不包括Na元素；其次，获取贴进度S并计算食物综合营养成分密度指数CNCHI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCHI-Food的变量形式为CNCHI-Foodi，对应的计算公式为：CNCHI-Foodi＝Si*100；并将跨类、分类参照组以CNCHI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分健康等级CNCHPR-Food，其变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
5.根据权利要求3或4所述的方法，其特征在于，所述步骤S10包括：
S101、选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；
S102、分别完成对新的跨类参照食物组以及分类参照食物组的多维度参数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
S103、分别计算新的跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取待评价食物的跨类参照食物组以及分类参照食物组的组外评价结果并且根据组外评价结果对该食物进行分类。
6.一种基于多维度指数法的食物分类系统，其包括：
第一数据获取单元，其用于建立食物分类目录，给定参照食物组并设定所述参照食物组内各个营养成分对应的累积营养成分贡献率目标值NCCR-A-T-NCN后，通过膳食调查建立目标区域对应的膳食调查数据库；
第二数据获取单元，其用于基于所述膳食调查数据库，获取每个调查个体调查期间内所摄入的食物编码FC以及调查摄入量；
第三数据获取单元，其用于按照摄入的食物编码FC分类汇总求和每一被调查个体在调查期间各自对应的调查摄入总量；
第一数据计算单元，其用于将参与食物分类的非限制摄入的n种营养成分NCN的含量数据C-NCN以食物编码FC为关键变量分别与步骤S3数据合并形成n个数据组；同时在所有n个数据组中，分别计算每种食物在各自对应的数据组内所贡献的营养成分的调查摄入量IS-all-NCN，并汇总求和得到变量IS-all-NCN-total，然后计算每种食物在各自对应的数据组内对对应的营养成分的调查摄入量贡献率NCCR-NCN；对调查摄入量贡献率NCCR-NCN进行降序排列；
跨类食物组选择单元，其用于基于设定的跨类参照食物组选择策略，将n个数据组内各个食物纳入待确定的跨类参照食物组中，所述跨类参照食物组选择策略包括：按照营养成分类别以NCCR-NCN从高到低将食物纳入跨类参照食物组，直到累积营养成分贡献率NCCR-A-NCN达到或超过目标值NCCR-A-T-NCN，且若该食物已被纳入则不再重复选择；所述营养成分类别包括：宏量营养素、膳食纤维、微量营养素、其他营养成分；
第二数据计算单元，其用于再次计算所确定的跨类参照食物组中所有n种营养成分NCN的累积营养成分贡献率，并判断是否都均不低于目标值NCCR-A-T-NCN，是则确定跨类参照食物组符合设计要求，否则重复上述过程直至符合设计要求，进而完成覆盖膳食调查所有区域及人群的跨类参照食物组的建立；
分类食物组选择单元，其用于基于所建立食物分类目录对所述跨类参照食物组中食物进行分类以获得多个分类参照食物组；
第三数据计算单元，其用于分别完成对跨类参照食物组以及分类参照食物组的多维度指数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
第一数据评价单元，其用于分别计算跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取跨类参照食物组以及分类参照食物组的组内评价结果；
第二数据评价单元，其用于选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组以获取被评价食物跨类参照食物组以及分类参照食物组的组外评价结果，并以组外评价结果进行横向比较，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；同时得到任何被评价食物组外评价结果，并且根据组外评价结果对食物进行分类。
7.根据权利要求6所述的系统，其特征在于，所述第一数据获取单元包括：
食物分类目录建立模块，其用于建立食物分类目录并给定相应的食物评价/分类的计量单位；
目标设定模块，其用于给定参照食物组，设定各个营养成分累积营养成分贡献率目标值NCCR-A-T-NCN；
目标区域确定模块，其用于确定食物评价体系的适用地域范围即目标区域，并判断是否有目标区域的膳食调查数据库；是则直接调用所述膳食调查数据库，否则在目标区域进行膳食调查建立膳食调查数据库。
8.根据权利要求6所述的系统，其特征在于，所述第一数据评价单元中各个数据计算过程包括：
T1、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分密度指数值CNCDI-Food，其对应的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi，i＝1,2,3…n，n为参照组内食物数量；其中，CNCDI-Vsi为综合维生素密度指数的变量形式，CNCDI-Msi为综合矿物质密度指数的变量形式，CNCDI-ONCsi为综合其他营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCDI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分密度等级CNCDPR-Food，CNCDPR-Food对应的变量形式为CNCDPR-Foodi，：对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
T2、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，计算参照食物组的食物综合营养成分健康指数值CNCHI-Food，其对应的变量形式为CNCHI-Foodi，其对应的计算公式为：CNCHI-Foodi＝CNCDI-Vsi+CNCDI-Msi+CNCDI-ONCsi–CNCDI-RNCsi；
其中，CNCDI-RNCsi为综合限制摄入营养成分密度指数的变量形式；
其次，分别将跨类食物参照组和分类食物参照组内的食物，按照各自对应的CNCHI-Food进行降序排列，得到一个跨类参照序列及若干分类参照序列；
最后，计算食物综合营养成分健康等级CNCHPR-Food，对应的变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n；其中，R为所述参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
9.根据权利要求6所述的系统，其特征在于，所述第一数据评价单元中各个数据计算过程包括：
T1′、计算参照食物组的食物综合营养成分密度等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分密度指数评价矩阵，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质以及其他营养成分，其中所述矿物质不包括Na成分；其次，获取贴进度S并计算食物综合营养成分密度指数CNCDI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCDI-Food的变量形式为CNCDI-Foodi，对应的计算公式为：CNCDI-Foodi＝Si*100；并将跨类、分类参照组以CNCDI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分密度等级CNCDPR-Food，其变量形式为CNCDPR-Foodi，对应的计算公式为：CNCDPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n；
T2′、计算参照食物组的食物综合营养成分健康等级，进而获取参照食物组的组内评价结果；具体包括如下方法：
首先，构建食物综合营养成分健康指数评价矩阵X，设定评价指标即其包括参与多维度评价计算过程的维生素、矿物质、限制摄入营养成分以及其他营养成分，所述矿物质不包括Na元素；其次，获取贴进度S并计算食物综合营养成分密度指数CNCHI-Food，其中，贴进度S的变量形式为Si，食物综合营养成分密度指数CNCHI-Food的变量形式为CNCHI-Food-Foodi，对应的计算公式为：CNCHI-Foodi＝Si*100；并将跨类、分类参照组以CNCHI-Food降序排列，得到一个跨类及若干分类参照序列；最后，计算食物综合营养成分健康等级CNCHPR-Food，其变量形式为CNCHPR-Foodi，对应的计算公式为：CNCHPR-Foodi＝100-(100Ri-50)/n，其中，R为参照序列内食物序号，n为参照组内食物数量，i＝1,2,3…n。
10.根据权利要求6所述的系统，其特征在于，所述第二数据评价单元中各个数据计算过程包括：
选定待评价食物并将其插入上述跨类参照食物组以及分类参照食物组，形成新的跨类参照食物组以及分类参照食物组，所述待评价食物包含已归入到跨类参照食物组以及分类参照食物组内的食物；
分别完成对新的跨类参照食物组以及分类参照食物组的多维度参数计算以获取相应维度的综合营养成分密度指数；其中，多维度至少包括维生素、矿物质、其他营养成分以及限制性摄入营养成分中的至少一项维度，即所述综合营养成分密度指数至少包括综合维生素密度指数、矿物质密度指数、其他营养成分密度指数、限制摄入营养成分密度指数中一项指数；
分别计算新的跨类参照食物组以及分类参照食物组的食物综合营养成分密度等级以及食物综合营养成分健康等级，进而获取待评价食物的跨类参照食物组以及分类参照食物组的组外评价结果并且根据组外评价结果对该食物进行分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011197450.6A CN112256936A (zh) | 2020-10-30 | 2020-10-30 | 一种基于多维度指数法的食物分类方法以及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011197450.6A CN112256936A (zh) | 2020-10-30 | 2020-10-30 | 一种基于多维度指数法的食物分类方法以及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112256936A true CN112256936A (zh) | 2021-01-22 |
Family
ID=74267319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011197450.6A Pending CN112256936A (zh) | 2020-10-30 | 2020-10-30 | 一种基于多维度指数法的食物分类方法以及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112256936A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5412560A (en) * | 1991-08-27 | 1995-05-02 | Dine Systems, Inc. | Method for evaluating and analyzing food choices |
| US20080248172A1 (en) * | 2007-04-04 | 2008-10-09 | Conopco, Inc., D/B/A Unilever | Nutritional support for servings |
| US20130108993A1 (en) * | 2011-10-28 | 2013-05-02 | Griffin Hospital | Method and system for scoring a diet |
| CN103888549A (zh) * | 2014-04-19 | 2014-06-25 | 顾坚敏 | 基于云和智能终端的营养与生活管理系统 |
| CN106716426A (zh) * | 2014-10-03 | 2017-05-24 | 雀巢产品技术援助有限公司 | 用于计算、显示、修改和使用个性化营养健康评分的系统和方法 |
| CN110097946A (zh) * | 2019-03-01 | 2019-08-06 | 西安电子科技大学 | 一种基于营养成分分析的饮食推荐方法 |
| CN110797107A (zh) * | 2019-10-30 | 2020-02-14 | 武汉绿安健膳方科技有限公司 | 一种居家膳食营养评价方法 |
-
2020
- 2020-10-30 CN CN202011197450.6A patent/CN112256936A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5412560A (en) * | 1991-08-27 | 1995-05-02 | Dine Systems, Inc. | Method for evaluating and analyzing food choices |
| US20080248172A1 (en) * | 2007-04-04 | 2008-10-09 | Conopco, Inc., D/B/A Unilever | Nutritional support for servings |
| US20130108993A1 (en) * | 2011-10-28 | 2013-05-02 | Griffin Hospital | Method and system for scoring a diet |
| CN103888549A (zh) * | 2014-04-19 | 2014-06-25 | 顾坚敏 | 基于云和智能终端的营养与生活管理系统 |
| CN106716426A (zh) * | 2014-10-03 | 2017-05-24 | 雀巢产品技术援助有限公司 | 用于计算、显示、修改和使用个性化营养健康评分的系统和方法 |
| CN110097946A (zh) * | 2019-03-01 | 2019-08-06 | 西安电子科技大学 | 一种基于营养成分分析的饮食推荐方法 |
| CN110797107A (zh) * | 2019-10-30 | 2020-02-14 | 武汉绿安健膳方科技有限公司 | 一种居家膳食营养评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| CHANTAL JULIA;EMMANUELLE KESSE-GUYOT;MATHILDE TOUVIER;CAROLINE MEJEAN;LEOPOLD FEZEU;SERGE HERCBERG;刘轶群;: "英国食品标准局的营养素度量法在法国食物成分数据库中的应用", 营养健康新观察, no. 01, 15 February 2014 (2014-02-15) * |
| MAZOCCO, L等: "Food Rating Scale in Food Services: From Development to Assessment of a Strategy for Consumer Healthier Choices", 《NUTRIENTS》, vol. 10, no. 9, 14 September 2018 (2018-09-14) * |
| 洪晓敏等: "在外就餐的健康影响及营养评价工具研究进展", 《华南预防医学》, no. 5, 20 October 2020 (2020-10-20) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sotos-Prieto et al. | Design and development of an instrument to measure overall lifestyle habits for epidemiological research: the Mediterranean Lifestyle (MEDLIFE) index | |
| Keding et al. | Dietary patterns and nutritional health of women: the nutrition transition in rural Tanzania | |
| Martin-Prével et al. | Moving forward on choosing a standard operational indicator of women’s dietary diversity | |
| Dyett et al. | Vegan lifestyle behaviors. An exploration of congruence with health-related beliefs and assessed health indices | |
| Garriguet | Diet quality in Canada. | |
| Guenther et al. | Evaluation of the healthy eating index-2005 | |
| Araujo et al. | Independent associations of income and education with nutrient intakes in Brazilian adults: 2008–2009 National Dietary Survey | |
| Maillot et al. | Energy allowances for solid fats and added sugars in nutritionally adequate US diets estimated at 17–33% by a linear programming model | |
| Górska-Warsewicz et al. | Vegetables, potatoes and their products as sources of energy and nutrients to the average diet in Poland | |
| CN111261260B (zh) | 一种膳食推荐系统 | |
| CN111755098A (zh) | 一种平衡膳食数学模型建立方法 | |
| Hanley-Cook et al. | Food biodiversity: Quantifying the unquantifiable in human diets | |
| Lividini et al. | Tracing global flows of bioactive compounds from farm to fork in nutrient balance sheets can help guide intervention towards healthier food supplies | |
| Capling et al. | Relative validity and reliability of a novel diet quality assessment tool for athletes: the Athlete Diet Index | |
| Mejos et al. | Use of linear programming to develop complementary feeding recommendations to improve nutrient adequacy and dietary diversity among breastfed children in the rural Philippines | |
| Yacoub Bach et al. | A sustainability analysis of environmental impact, nutritional quality, and price among six popular diets | |
| Islam et al. | Assessment of nutrient adequacy and associated factors among lactating women of rural Bangladesh using observed intake: Findings from Bangladesh integrated household survey 2018–2019 | |
| Chiplonkar et al. | Statistical model for predicting non-heme iron bioavailability from vegetarian meals | |
| CN112256936A (zh) | 一种基于多维度指数法的食物分类方法以及系统 | |
| Chiplonkar et al. | Predicting bioavailable zinc from lower phytate forms, folic acid and their interactions with zinc in vegetarian meals | |
| US20220171933A1 (en) | Methods and systems for personal recipe generation | |
| Hashmi et al. | Assessing food insecurity trends and determinants by using mix methods in Pakistan: evidence from household pooled data (2005-2014). | |
| Batura | The determinants and impact of long-term child undernutrition: evidence from rural Tanzania | |
| Awad et al. | Econometric analysis of consumer preferences and willingness-to-pay for organic tomatoes in Palestine: Choice experiment method | |
| CN114443918A (zh) | 一种基于参照食物组的食物分类方法及系统 |
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 |