CN112530076B - 健康管理的食堂餐饮系统和方法 - Google Patents
健康管理的食堂餐饮系统和方法 Download PDFInfo
- Publication number
- CN112530076B CN112530076B CN202011331652.5A CN202011331652A CN112530076B CN 112530076 B CN112530076 B CN 112530076B CN 202011331652 A CN202011331652 A CN 202011331652A CN 112530076 B CN112530076 B CN 112530076B
- Authority
- CN
- China
- Prior art keywords
- dining
- dining table
- target
- numbers
- taking
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000036541 health Effects 0.000 title claims abstract description 40
- 235000012054 meals Nutrition 0.000 claims abstract description 63
- 235000013305 food Nutrition 0.000 claims abstract description 44
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000001939 inductive effect Effects 0.000 claims 1
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 97
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C11/00—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere
- G07C2011/04—Arrangements, systems or apparatus for checking, e.g. the occurrence of a condition, not provided for elsewhere related to queuing systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明实施例公开了一种健康管理的食堂餐饮方法,通过获取就餐区域中各个目标餐桌的餐桌信息;根据各个目标餐桌的餐品当前重量与餐桌人数的比例值的大小,对目标餐桌按照由小到大的顺序进行排序编号,得到每个目标餐桌对应的餐桌编号;将各个目标餐桌的餐桌信息输入到预设的用餐时长预测模型中,确定各个餐桌编号对应的第一用餐时长;获取取号编号;将前N个餐桌编号对应的第一用餐时长分别与取号编号进行对应关联,确定每个取号编号对应的排队时长。顾客根据排队时长可以合理安排自己的等待时间,提升了用户体验,实现了对排队时间的健康管理,进而有利于提高食堂的客户量。此外,还提供了一种健康管理的食堂餐饮系统。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种健康管理的食堂餐饮方法和系统。
背景技术
随着生活水平的不断提高,人们越来越多的去食堂就餐。由于人们的用餐时段大致为同一时间段,也即就餐高峰时段,大多数食堂的就餐位置紧张,此时,用户可能需在门口拿号排队,顾客只能看到前方的排位号人数,无法知道预计要等待的时间。一方面,顾客往往会因为前方人数较多,失去耐心,放弃排号,降低了食堂的客户量。另一方面,就餐排队的时间段,对用户来说是一种时间浪费。
因此,需要提供一种健康管理的食堂餐饮方法,方便顾客根据排队时长合理安排自己的等耐时间。
发明内容
基于此,有必要针对上述问题,提出一种健康管理的食堂餐饮系统和方法、以提升用户就餐体验和食堂的客户量,实现了对排队时间的健康管理。
一种健康管理的食堂餐饮方法,所述方法用于实现对排队时间的健康管理,所述方法包括:获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,所述目标餐桌为菜已上齐的餐桌;根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号,所述餐桌编号的数量为M个,M为自然数;将各个目标餐桌的所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第一用餐时长,其中,所述预设的用餐时长预测模型是基于历史餐桌信息及历史用餐时长训练得到的;获取取号编号,所述取号编号的数量为N个,N为自然数;当N小于或者等于M时,将前N个所述餐桌编号对应的第一用餐时长分别与所述取号编号进行对应关联,确定每个所述取号编号对应的排队时长。
在一个实施例中,在所述获取取号编号之后,还包括:当N大于M且小于2M时,继续执行获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号的步骤,选取前N减M个所述餐桌编号;将后N减M个所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第二用餐时长;将后N减M个所述第二用餐时长与所述前M中的第1个至第N减M个所述取号编号对应的所述第一用餐时长进行求和计算,得到所述后N减M个所述取号编号对应的第三用餐时长;将前M个所述餐桌编号对应的第一用餐时长确定为前M个所述取号编号对应的排队时长;将后N减M个所述取号编号对应的第三用餐时长确定为所述后N减M个所述取号编号对应的排队时长。
在一个实施例中,在所述获取取号编号之后,还包括:当N大于或者等于2M时,确定所述后N减2M个所述取号编号的排队时长为预设时间。
在一个实施例中,所述餐桌设置有重量感应器,所述重量感应器用于感应所述餐桌的餐品放置范围内的餐品的重量;所述获取就餐区域中各个目标餐桌的餐桌信息,包括:获取所述重量感应器感应到的所述目标餐桌的餐品当前重量;从点餐系统获取所述目标餐桌最近保存的餐桌人数。
在一个实施例中,所述方法还包括:确定所述餐桌人数中的各个顾客的类别,所述类别包括成人和老人;当所述目标餐桌中存在类别为老人的顾客时,则将所述餐桌编号对应的第一用餐时长加上预设时长的结果作为与所述餐桌编号对应的所述取号编号的排队时长。
在一个实施例中,所述预设的用餐时长预测模型为基于机器学习的线性模型,具体为:Y=a+bX,其中,Y为餐桌信息对应的排队时长,X为餐品当前重量与餐桌人数的比例值,a和b均为用餐时长预测模型中的系数,通过多个历史餐桌信息及历史用餐时长进行拟合得出。
在一个实施例中,所述方法还包括:获取所述取号编号对应的排队时长和实际排队时长;当所述实际排队时长与所述取号编号对应的排队时长之间的差值超过预设差值范围时,将所述实际排队时长作为新的历史用餐时长,对所述预设的用餐时长预测模型进行更新。
一种健康管理的食堂餐饮系统,所述系统包括:
第一获取模块,用于获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,所述目标餐桌为菜已上齐的餐桌;
编号模块,用于根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号,所述餐桌编号的数量为M个,M为自然数;
预测模块,用于将各个目标餐桌的所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第一用餐时长,其中,所述预设的用餐时长预测模型是基于历史餐桌信息及历史用餐时长训练得到的;
第二获取模块,用于获取取号编号,所述取号编号的数量为N个,N为自然数;
第一确定模块,用于当N小于或者等于M时,将前N个所述餐桌编号对应的第一用餐时长分别与所述取号编号进行对应关联,确定每个所述取号编号对应的排队时长。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
第三确定模块,用于当N大于或者等于2M时,确定所述后N减2M个所述取号编号的排队时长为预设时间。
在一个实施例中,第一获取模块包括:
第一获取单元,用于获取所述重量感应器感应到的所述目标餐桌的餐品当前重量;
第二获取单元,用于从点餐系统获取所述目标餐桌最近保存的餐桌人数。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
第四确定模块,用于确定所述餐桌人数中的各个顾客的类别,所述类别包括成人和老人;
计算模块,用于当所述目标餐桌中存在类别为老人的顾客时,则将所述餐桌编号对应的第一用餐时长加上预设时长的结果作为与所述餐桌编号对应的所述取号编号的排队时长。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
第三获取模块,用于获取所述取号编号对应的排队时长和实际排队时长;
更新模块,用于当所述实际排队时长与所述取号编号对应的排队时长之间的差值超过预设差值范围时,将所述实际排队时长作为新的历史用餐时长,对所述预设的用餐时长预测模型进行更新。
上述健康管理的食堂餐饮系统和方法,通过获取就餐区域中各个目标餐桌的餐桌信息;根据各个目标餐桌的餐品当前重量与餐桌人数的比例值的大小,对目标餐桌按照由小到大的顺序进行排序编号,得到每个目标餐桌对应的餐桌编号;将各个目标餐桌的餐桌信息输入到预设的用餐时长预测模型中,确定各个餐桌编号对应的第一用餐时长;获取取号编号;将前N个餐桌编号对应的第一用餐时长分别与取号编号进行对应关联,确定每个取号编号对应的排队时长,建立了餐桌编号与取号编号的关联关系,因而只需要计算各个餐桌编号对应的用餐时长,即可确定相应的取号编号的排队时长,计算简单准确。顾客根据排队时长可以合理安排自己的等待时间,提升了用户体验,实现了对排队时间的健康管理,进而有利于提高食堂的客户量。
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为一个实施例中健康管理的食堂餐饮方法的流程图;
图2为另一个实施例中健康管理的食堂餐饮方法的流程图;
图3为一个实施例中目标餐桌的餐桌信息获取方法的流程图;
图4为又一个实施例中健康管理的食堂餐饮方法的流程图;
图5为再一个实施例中健康管理的食堂餐饮方法的流程图;
图6为一个实施例中健康管理的食堂餐饮系统的结构框图;
图7为一个实施例中计算机设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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。
如图1所示,在一个实施例中,提供了一种健康管理的食堂餐饮方法,该方法用于实现对排队时间的健康管理。本申请的食堂可以不只是单纯的食堂,也可以是餐厅这类的提供饮食服务的地方。该健康管理的食堂餐饮方法既可以应用于终端,也可以应用于服务器,本实施例以应用于服务器举例说明。该健康管理的食堂餐饮方法具体包括以下步骤:
步骤102,获取就餐区域中各个目标餐桌的餐桌信息,餐桌信息包括餐品当前重量和餐桌人数,目标餐桌为菜已上齐的餐桌。
可选地,在第一个顾客取号排队时,通过点餐系统确定菜已上齐的餐桌的餐桌人数,并通过重量感应装置获取餐品当前重量。餐品当前重量是指在目标餐桌上放置的产品的当前重量,可以是包含餐具、饮品在内的所有餐品的重量,也可以是菜品的重量,也即就餐顾客实际需要食用的餐品重量。作为本实施例的优选,将菜品的重量作为餐品当前重量,以保证后续排队时间预估的准确性。具体地,将所有餐品放置在重量感应装置的感应范围内确定菜品和餐具的总重量,然后减去餐具的重量即可得到菜品的重量。通常,食堂的点餐系统中儿童顾客不算在餐桌人数里。对于老人顾客,由于其就餐速度慢于成人,对于该目标餐桌的用餐时长的计算方法,在后面实施例中进行说明。
步骤104,根据各个目标餐桌的餐品当前重量与餐桌人数的比例值的大小,对目标餐桌按照由小到大的顺序进行排序编号,得到每个目标餐桌对应的餐桌编号,餐桌编号的数量为M个,M为自然数。
具体地,按照餐品当前重量与餐桌人数的比例值的大小的顺序对各个目标餐桌进行排序编号。例如,A、B、C和D这4个目标餐桌的餐桌信息分别为{8kg,7人}、{5kg,9人}、{4kg,3人}、{4kg,2人},对应的比例值按照由小到大的顺序为B、A、C和D,则A、B、C和D这4个目标餐桌的餐桌编号分别是2、1、3和4。可以理解地,用餐时长与餐品当前重量呈正相关,用餐时长与餐桌人数呈负相关,因此,餐品当前重量越小且餐桌人数越多,则用餐时长越短。因此,本实施例中通过计算餐品当前重量与餐桌人数的比例值,能够进一步增强该比例值与用餐时长之间的正相关的关系,同时根据比例值由小到大的顺序进行排序,也即是根据用餐时长由短到长的顺序进行排序编号,以便后续基于该编号顺序,建立餐桌编号与排队用户取号的关联。
步骤106,将各个目标餐桌的餐桌信息输入到预设的用餐时长预测模型中,确定各个餐桌编号对应的第一用餐时长,其中,预设的用餐时长预测模型是基于历史餐桌信息及历史用餐时长训练得到的。
其中,预设的用餐时长预测模型是指根据餐桌信息中的餐品当前重量与餐桌人数直接计算该目标餐桌的用餐时长的机器学习模型,可以基于历史餐桌信息和对应的历史用餐时长进行训练学习得到,即将历史餐桌信息和历史用餐时长作为样本进行训练,学习历史用餐信息与用餐时长的关系,调整该用餐时长预测模型的参数,进而得到该用餐时长预测模型的参数,以便后续直接基于该用餐时长预测模型的参数快速准确计算用餐时长。本实施例中,通过该用餐时长预测模型计算各个餐桌编号对应的第一用餐时长。
步骤108,获取取号编号,取号编号的数量为N个,N为自然数。
具体地,点餐系统在第一个顾客取号排队时,自动给排队的顾客一个取号编号。例如,有10桌顾客在排队,则对应的取号编号可以是1、2、3……10。可以理解地,通过确定取号编号,从而方便根据取号编号与餐桌编号的顺序,建立对应关系。
步骤110,当N小于或者等于M时,将前N个餐桌编号对应的第一用餐时长分别与取号编号进行对应关联,确定每个取号编号对应的排队时长。
具体地,当N小于M时,也即排队的顾客桌数少于就餐顾客的桌数,此时,只需要从M个餐桌编号中取出N个餐桌编号,并分别将该N个餐桌编号对应的第一用餐时长与取号编号对应关联,实现了将餐桌编号的第一用餐时长作为与餐桌编号对应的取号编号的排队时长。如表一所示,为餐桌编号、第一用餐时长、取号编号及排队时长的关联关系。由表一可以看出,餐桌编号对应的第一用餐时长作为与之对应的取号编号对应的排队时长,是符合实际排队时长计算逻辑的,具有排队时间预测的合理性,保证了排队时间预测的准确性。因此,通过建立餐桌编号与取号编号的关联关系,只需要计算各个餐桌编号对应的用餐时长,即可确定相应的取号编号的排队时长,计算简单准确。且顾客根据排队时长可以合理安排自己的等待时间,提升了用户体验,实现了对排队时间的健康管理,进而有利于提高食堂的客户量。
表一餐桌编号、第一用餐时长、取号编号及排队时长的关联关系
上述健康管理的食堂餐饮方法,通过获取就餐区域中各个目标餐桌的餐桌信息;根据各个目标餐桌的餐品当前重量与餐桌人数的比例值的大小,对目标餐桌按照由小到大的顺序进行排序编号,得到每个目标餐桌对应的餐桌编号;将各个目标餐桌的餐桌信息输入到预设的用餐时长预测模型中,确定各个餐桌编号对应的第一用餐时长;获取取号编号;将前N个餐桌编号对应的第一用餐时长分别与取号编号进行对应关联,确定每个取号编号对应的排队时长,建立了餐桌编号与取号编号的关联关系,因而只需要计算各个餐桌编号对应的用餐时长,即可确定相应的取号编号的排队时长,计算简单准确。顾客根据排队时长可以合理安排自己的等待时间,提升了用户体验,实现了对排队时间的健康管理,进而有利于提高食堂的客户量。
如图2所示,在一个实施例中,在获取取号编号之后,还包括:
步骤112,当N大于M且小于2M时,继续执行获取就餐区域中各个目标餐桌的餐桌信息,餐桌信息包括餐品当前重量和餐桌人数,根据各个目标餐桌的餐品当前重量与餐桌人数的比例值的大小,对目标餐桌按照由小到大的顺序进行排序编号,得到每个目标餐桌对应的餐桌编号的步骤,选取前N减M个餐桌编号;
步骤114,将后N减M个餐桌信息输入到预设的用餐时长预测模型中,确定各个餐桌编号对应的第二用餐时长;
步骤116,将后N减M个第二用餐时长与前M中的第1个至第N减M个取号编号对应的第一用餐时长进行求和计算,得到后N减M个取号编号对应的第三用餐时长;
步骤118,将前M个餐桌编号对应的第一用餐时长确定为前M个取号编号对应的排队时长;
步骤120,将后N减M个取号编号对应的第三用餐时长确定为后N减M个取号编号对应的排队时长。
在这个实施例中,若N大于M且小于2M时,也即排队的顾客桌数大于就餐顾客的桌数且小于2倍的就餐桌数,因此,前M个取号编号的顾客的排队时长分别对应于M个餐桌编号的就餐顾客的第一用餐时长。剩余的后N减M个取号编号的排队的顾客,也即第M+1至第N个取号编号的顾客的排队时长确定过程为:将前M个取号编号的排队顾客的餐桌信息继续进行排序编号,选取前N减M个餐桌编号,将后N减M个餐桌信息输入到预设的用餐时长预测模型中,确定各个餐桌编号对应的第二用餐时长,将后N减M个第二用餐时长与前M中的第1个至第N减M个取号编号对应的第一用餐时长进行求和计算,得到后N减M个取号编号对应的第三用餐时长,因此,后N减M个取号编号对应的第三用餐时长确定为后N减M个取号编号对应的排队时长。继续以步骤104中的A、B、C和D这4个目标餐桌为例进行说明,其对应的餐桌编号为2、1、3和4,对应的第一用餐时长为0.15h,0.1h,0.2h,0.22h,对于取号编号为1、2、3、4、5和6,前4个取号编号对应的排队时长为餐桌编号分别为1、2、3和4对应的第一用餐时长,也即0.1h,0.15h,0.2h,0.22h。由于还有两个取号编号(5和6)的排队时长需要预测,则此时,需要从前4个取号编号中选取餐桌信息靠前的2个取号编号(例如餐桌编号为2和3),并计算其第二用餐时长(0.13h和0.14h),因此,取号编号为5的第三用餐时长即为0.13+0.15=0.28h,取号编号为6的第三用餐时长即为0.2+0.14=0.34h。因此,6个取号编号对应的排队时长分比为:0.1h,0.15h,0.2h,0.22h,0.28h,0.34h。可以理解地,在排队时间预测过程中,取号编号的顺序与排队时长的大小是一致的。且顾客在排队时长小于用餐时长的情况下,体验相对高于排队时长大于用餐时长,因此,为了尽可能减少第N+1至第M个取号编号的排队时长,从M中取号编号中选取餐桌编号,根据其第一用餐时长确定第N+1至第M个取号编号的排队时长,保证了排队时间预测的准确性和合理性。
在一个实施例中,在获取取号编号之后,还包括:
当N大于或者等于2M时,确定后N减2M个取号编号的排队时长为预设时间。
在这个实施例中,若N大于或者等于2M时,也即排队的顾客桌数大于2倍的就餐桌数,也即N-2M个取号编号的顾客需要排队两轮,显然排队时长相对较长,为了减少排队时间预测计算的繁琐性和提高计算效率,在这种情况下,可以直接将N减2M个取号编号的排队时长设置为一个预设时间,如1h、1.1h等,方便用户根据该预设时间合理安排自己的等待时间,或者更换食堂,提升用户体验。进一步地,为了提高食堂的客户量和用户体验,还可以向后N减2M个取号编号的顾客发送赠送小礼品的提示信息。
如图3所示,在一个实施例中,餐桌设置有重量感应器,重量感应器用于感应餐桌的餐品放置范围内的餐品的重量;获取就餐区域中各个目标餐桌的餐桌信息,包括:
步骤102A,获取重量感应器感应到的目标餐桌的餐品当前重量;
步骤102B,从点餐系统获取目标餐桌最近保存的餐桌人数。
在这个实施例中,重量感应器用于检测餐品放置范围内的餐品的重量,并将重量上传至服务器,从而服务器获取到目标餐桌的餐品当前重量。用户可以通过扫描食堂二维码进入到点餐小程序进行点餐,并填写餐桌人数,如此,服务器可以从点餐系统获取到目标餐桌最近保存的餐桌人数作为目标餐桌的餐桌人数。
如图4所示,在一个实施例中,该方法还包括:
步骤122,确定餐桌人数中的各个顾客的类别,类别包括成人和老人;
步骤124,当目标餐桌中存在类别为老人的顾客时,则将餐桌编号对应的第一用餐时长加上预设时长的结果作为与餐桌编号对应的取号编号的排队时长。
在这个实施例中,考虑到不同类别顾客的用餐速度差距明显,例如,老人的顾客,其用餐速度慢于成人,因此,对于目标餐桌中存在类别为老人的顾客时,则将餐桌编号对应的第一用餐时长加上预设时长,也即在第一用餐时长的基础上增加预设时长,例如,该预设时长可以是0.07h,能够进一步提高排队时间预测的准确性和合理性。
进一步地,还可以继续对顾客类别进行细化,例如,基于顾客的性别等设置不同的预设时长等。
在一个实施例中,预设的用餐时长预测模型为基于机器学习的线性模型,具体为:Y=a+bX,其中,Y为餐桌信息对应的排队时长,X为餐品当前重量与餐桌人数的比例值,a和b均为用餐时长预测模型中的系数,通过多个历史餐桌信息及历史用餐时长进行拟合得出。
在这个实施例中,预设的用餐时长预测模型为基于机器学习的线性模型。可选地,通过爬虫技术获取多个历史餐桌信息及历史用餐时长,并将历史餐桌信息中的餐品当前重量与餐桌人数的比例值作为自变量,历史用餐时长作为因变量,进行线性函数的拟合计算,得到用餐时长预测模型中的系数。例如,Y=0.01+0.25X,某一目标餐桌的餐桌信息分别为{4kg,2人},对应的比例值为2,即X=2,则与该目标餐桌的餐桌编号对应的取餐编号的排队时长为0.01+0.25×2=0.51h。
如图5所示,在一个实施例中,该方法还包括:
步骤126,获取取号编号对应的排队时长和实际排队时长;
步骤128,当实际排队时长与取号编号对应的排队时长之间的差值超过预设差值范围时,将实际排队时长作为新的历史用餐时长,对预设的用餐时长预测模型进行更新。
在这个实施例中,服务器获取多个取号编号对应的排队时长和实际排队时长,当实际排队时长与取号编号对应的排队时长之间的差值超过预设差值范围时,即预测的排队时间存在偏差时,则将实际排队时长作为新的历史用餐时长对预设的用餐时长预测模型的参数如a和b进行校正,保证预设的用餐时长预测模型的准确性,进而保证排队时间预测的准确性。
如图6所示,在一个实施例中,提出了一种健康管理的食堂餐饮系统,所述装置包括:
第一获取模块602,用于获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,所述目标餐桌为菜已上齐的餐桌;
编号模块604,用于根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号,所述餐桌编号的数量为M个,M为自然数;
预测模块606,用于将各个目标餐桌的所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第一用餐时长,其中,所述预设的用餐时长预测模型是基于历史餐桌信息及历史用餐时长训练得到的;
第二获取模块608,用于获取取号编号,所述取号编号的数量为N个,N为自然数;
第一确定模块610,用于当N小于或者等于M时,将前N个所述餐桌编号对应的第一用餐时长分别与所述取号编号进行对应关联,确定每个所述取号编号对应的排队时长。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
选取模块,用于当N大于M且小于2M时,继续执行获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号的步骤,选取前N减M个所述餐桌编号;
第二确定模块,用于将后N减M个所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第二用餐时长;
将后N减M个所述第二用餐时长与所述前M中的第1个至第N减M个所述取号编号对应的所述第一用餐时长进行求和计算,得到所述后N减M个所述取号编号对应的第三用餐时长;
将前M个所述餐桌编号对应的第一用餐时长确定为前M个所述取号编号对应的排队时长;
将后N减M个所述取号编号对应的第三用餐时长确定为所述后N减M个所述取号编号对应的排队时长。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
第三确定模块,用于当N大于或者等于2M时,确定所述后N减2M个所述取号编号的排队时长为预设时间。
在一个实施例中,第一获取模块包括:
第一获取单元,用于获取所述重量感应器感应到的所述目标餐桌的餐品当前重量;
第二获取单元,用于从点餐系统获取所述目标餐桌最近保存的餐桌人数。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
第四确定模块,用于确定所述餐桌人数中的各个顾客的类别,所述类别包括成人和老人;
计算模块,用于当所述目标餐桌中存在类别为老人的顾客时,则将所述餐桌编号对应的第一用餐时长加上预设时长的结果作为与所述餐桌编号对应的所述取号编号的排队时长。
在一个实施例中,该健康管理的食堂餐饮系统还包括:
第三获取模块,用于获取所述取号编号对应的排队时长和实际排队时长;
更新模块,用于当所述实际排队时长与所述取号编号对应的排队时长之间的差值超过预设差值范围时,将所述实际排队时长作为新的历史用餐时长,对所述预设的用餐时长预测模型进行更新。
图7示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器,所述服务器包括但不限于高性能计算机和高性能计算机集群。如图7所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现健康管理的食堂餐饮方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行健康管理的食堂餐饮方法。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的健康管理的食堂餐饮方法可以实现为一种计算机程序的形式,计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成健康管理的食堂餐饮系统的各个程序模板。比如,第一获取模块602,编号模块604,预测模块606,第二获取模块608,第一确定模块610。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
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 (9)
1.一种健康管理的食堂餐饮方法,所述方法用于实现对排队时间的健康管理,其特征在于,所述方法包括:
获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,所述目标餐桌为菜已上齐的餐桌,餐桌设置有重量感应器,所述重量感应器用于感应所述餐桌的餐品放置范围内的餐品的重量;
根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号,所述餐桌编号的数量为M个,M为自然数;
将各个目标餐桌的所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第一用餐时长,其中,所述预设的用餐时长预测模型是基于历史餐桌信息及历史用餐时长训练得到的,所述预设的用餐时长预测模型为基于机器学习的线性模型,具体为:Y=a+bX,其中,Y为餐桌信息对应的排队时长,X为餐品当前重量与餐桌人数的比例值,a和b均为用餐时长预测模型中的系数,通过多个历史餐桌信息及历史用餐时长进行拟合得出;
获取取号编号,所述取号编号的数量为N个,N为自然数;
当N小于或者等于M时,将前N个所述餐桌编号对应的第一用餐时长分别与所述取号编号进行对应关联,确定每个所述取号编号对应的排队时长。
2.根据权利要求1所述的健康管理的食堂餐饮方法,其特征在于,在所述获取取号编号之后,还包括:
当N大于M且小于2M时,继续执行获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号的步骤,选取前N减M个所述餐桌编号;
将后N减M个所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第二用餐时长;
将后N减M个所述第二用餐时长与所述前M中的第1个至第N减M个所述取号编号对应的所述第一用餐时长进行求和计算,得到所述后N减M个所述取号编号对应的第三用餐时长;
将前M个所述餐桌编号对应的第一用餐时长确定为前M个所述取号编号对应的排队时长;
将后N减M个所述取号编号对应的第三用餐时长确定为所述后N减M个所述取号编号对应的排队时长。
3.根据权利要求1所述的健康管理的食堂餐饮方法,其特征在于,在所述获取取号编号之后,还包括:
当N大于或者等于2M时,确定所述后N减2M个所述取号编号的排队时长为预设时间。
4.根据权利要求1所述的健康管理的食堂餐饮方法,其特征在于,所述获取就餐区域中各个目标餐桌的餐桌信息,包括:
获取所述重量感应器感应到的所述目标餐桌的餐品当前重量;
从点餐系统获取所述目标餐桌最近保存的餐桌人数。
5.根据权利要求1所述的健康管理的食堂餐饮方法,所述方法还包括:
确定所述餐桌人数中的各个顾客的类别,所述类别包括成人和老人;
当所述目标餐桌中存在类别为老人的顾客时,则将所述餐桌编号对应的第一用餐时长加上预设时长的结果作为与所述餐桌编号对应的所述取号编号的排队时长。
6.根据权利要求1所述的健康管理的食堂餐饮方法,其特征在于,所述方法还包括:
获取所述取号编号对应的排队时长和实际排队时长;
当所述实际排队时长与所述取号编号对应的排队时长之间的差值超过预设差值范围时,将所述实际排队时长作为新的历史用餐时长,对所述预设的用餐时长预测模型进行更新。
7.一种健康管理的食堂餐饮系统,其特征在于,所述健康管理的食堂餐饮系统包括:
第一获取模块,用于获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,所述目标餐桌为菜已上齐的餐桌,餐桌设置有重量感应器,所述重量感应器用于感应所述餐桌的餐品放置范围内的餐品的重量;
编号模块,用于根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号,所述餐桌编号的数量为M个,M为自然数;
预测模块,用于将各个目标餐桌的所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第一用餐时长,其中,所述预设的用餐时长预测模型是基于历史餐桌信息及历史用餐时长训练得到的,所述预设的用餐时长预测模型为基于机器学习的线性模型,具体为:Y=a+bX,其中,Y为餐桌信息对应的排队时长,X为餐品当前重量与餐桌人数的比例值,a和b均为用餐时长预测模型中的系数,通过多个历史餐桌信息及历史用餐时长进行拟合得出;
第二获取模块,用于获取取号编号,所述取号编号的数量为N个,N为自然数;
第一确定模块,用于当N小于或者等于M时,将前N个所述餐桌编号对应的第一用餐时长分别与所述取号编号进行对应关联,确定每个所述取号编号对应的排队时长。
8.根据权利要求7所述的健康管理的食堂餐饮系统,其特征在于,所述系统还包括:
选取模块,用于当N大于M且小于2M时,继续执行获取就餐区域中各个目标餐桌的餐桌信息,所述餐桌信息包括餐品当前重量和餐桌人数,根据各个目标餐桌的所述餐品当前重量与所述餐桌人数的比例值的大小,对所述目标餐桌按照由小到大的顺序进行排序编号,得到每个所述目标餐桌对应的餐桌编号的步骤,选取前N减M个所述餐桌编号;
第二确定模块,用于将后N减M个所述餐桌信息输入到预设的用餐时长预测模型中,确定各个所述餐桌编号对应的第二用餐时长;
将后N减M个所述第二用餐时长与所述前M中的第1个至第N减M个所述取号编号对应的所述第一用餐时长进行求和计算,得到所述后N减M个所述取号编号对应的第三用餐时长;
将前M个所述餐桌编号对应的第一用餐时长确定为前M个所述取号编号对应的排队时长;
将后N减M个所述取号编号对应的第三用餐时长确定为所述后N减M个所述取号编号对应的排队时长。
9.根据权利要求7所述的健康管理的食堂餐饮系统,其特征在于,所述第一获取模块包括:
第一获取单元,用于获取所述重量感应器感应到的所述目标餐桌的餐品当前重量;
第二获取单元,用于从点餐系统获取所述目标餐桌最近保存的餐桌人数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331652.5A CN112530076B (zh) | 2020-11-24 | 2020-11-24 | 健康管理的食堂餐饮系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331652.5A CN112530076B (zh) | 2020-11-24 | 2020-11-24 | 健康管理的食堂餐饮系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112530076A CN112530076A (zh) | 2021-03-19 |
CN112530076B true CN112530076B (zh) | 2021-07-27 |
Family
ID=74992999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011331652.5A Active CN112530076B (zh) | 2020-11-24 | 2020-11-24 | 健康管理的食堂餐饮系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112530076B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673757B (zh) * | 2021-08-17 | 2022-02-25 | 杭州企智互联科技有限公司 | 智慧食堂就餐规律预测方法及装置 |
CN114051057B (zh) * | 2021-11-01 | 2023-11-03 | 北京百度网讯科技有限公司 | 云设备排队时长的确定方法、装置、电子设备和介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034291A (zh) * | 2009-09-24 | 2011-04-27 | 维鹏信息技术(上海)有限公司 | 一种基于移动终端的排队提示控制方法及控制装置 |
CN102479400A (zh) * | 2010-11-24 | 2012-05-30 | 王军 | 一种用餐排队系统 |
CN107424020A (zh) * | 2017-09-14 | 2017-12-01 | 尹国和 | 一种用于餐厅的智能服务系统及实现方法 |
CN108364178A (zh) * | 2018-02-01 | 2018-08-03 | 吉首大学 | 一种称重式自助餐厅无人量贩装置及其控制方法 |
CN108614449A (zh) * | 2018-03-20 | 2018-10-02 | 郭树军 | 基于人工智能的智慧清洁能源餐厅的控制方法 |
CN109345315A (zh) * | 2018-10-18 | 2019-02-15 | 美味不用等(上海)信息科技股份有限公司 | 客户就餐体验评估模型的创建方法和评估方法 |
CN109493254A (zh) * | 2018-09-30 | 2019-03-19 | 口碑(上海)信息技术有限公司 | 一种菜品制作排序与催菜方法、装置以及菜品处理系统 |
CN109785010A (zh) * | 2019-02-22 | 2019-05-21 | 刘强 | 一种快餐店点餐系统 |
CN109816126A (zh) * | 2019-01-04 | 2019-05-28 | 口碑(上海)信息技术有限公司 | 订餐信息的处理方法、装置及系统 |
KR20190075648A (ko) * | 2017-12-21 | 2019-07-01 | 한밭대학교 산학협력단 | 영양 및 건강관리 핀테크 서비스 시스템 |
CN110111475A (zh) * | 2019-05-08 | 2019-08-09 | 深圳春沐源控股有限公司 | 就餐方法、计算机可读存储介质和就餐管理系统 |
CN111428944A (zh) * | 2020-04-26 | 2020-07-17 | 陈霄 | 基于大数据的餐饮行业管理系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2354990A1 (en) * | 2001-08-10 | 2003-02-10 | Ibm Canada Limited-Ibm Canada Limitee | Method and apparatus for fine dining queuing |
CN111191804A (zh) * | 2018-11-15 | 2020-05-22 | 北京京东尚科信息技术有限公司 | 生成餐厅服务任务信息的方法、系统、设备及存储介质 |
CN109948949A (zh) * | 2019-03-29 | 2019-06-28 | 深圳春沐源控股有限公司 | 餐厅叫号方法、装置、服务器及存储介质 |
-
2020
- 2020-11-24 CN CN202011331652.5A patent/CN112530076B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034291A (zh) * | 2009-09-24 | 2011-04-27 | 维鹏信息技术(上海)有限公司 | 一种基于移动终端的排队提示控制方法及控制装置 |
CN102479400A (zh) * | 2010-11-24 | 2012-05-30 | 王军 | 一种用餐排队系统 |
CN107424020A (zh) * | 2017-09-14 | 2017-12-01 | 尹国和 | 一种用于餐厅的智能服务系统及实现方法 |
KR20190075648A (ko) * | 2017-12-21 | 2019-07-01 | 한밭대학교 산학협력단 | 영양 및 건강관리 핀테크 서비스 시스템 |
CN108364178A (zh) * | 2018-02-01 | 2018-08-03 | 吉首大学 | 一种称重式自助餐厅无人量贩装置及其控制方法 |
CN108614449A (zh) * | 2018-03-20 | 2018-10-02 | 郭树军 | 基于人工智能的智慧清洁能源餐厅的控制方法 |
CN109493254A (zh) * | 2018-09-30 | 2019-03-19 | 口碑(上海)信息技术有限公司 | 一种菜品制作排序与催菜方法、装置以及菜品处理系统 |
CN109345315A (zh) * | 2018-10-18 | 2019-02-15 | 美味不用等(上海)信息科技股份有限公司 | 客户就餐体验评估模型的创建方法和评估方法 |
CN109816126A (zh) * | 2019-01-04 | 2019-05-28 | 口碑(上海)信息技术有限公司 | 订餐信息的处理方法、装置及系统 |
CN109785010A (zh) * | 2019-02-22 | 2019-05-21 | 刘强 | 一种快餐店点餐系统 |
CN110111475A (zh) * | 2019-05-08 | 2019-08-09 | 深圳春沐源控股有限公司 | 就餐方法、计算机可读存储介质和就餐管理系统 |
CN111428944A (zh) * | 2020-04-26 | 2020-07-17 | 陈霄 | 基于大数据的餐饮行业管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112530076A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112530076B (zh) | 健康管理的食堂餐饮系统和方法 | |
TWI480829B (zh) | 料理食譜資訊提供裝置、料理食譜資訊提供方法、電腦程式產品、及資訊記錄媒體 | |
CN108769159A (zh) | 一种电子菜谱智能推荐方法 | |
US11823042B2 (en) | System for measuring food weight | |
JP2016009211A (ja) | ユーザ嗜好に合わせたワイン自動選定システム | |
JP2015510646A5 (zh) | ||
JP2015194807A (ja) | 栄養管理システム及び栄養管理プログラム | |
CN107968814B (zh) | 一种就餐地点的推荐方法、服务器及移动终端 | |
CN106339579B (zh) | 一种移动健康与医疗的饮食控制方法 | |
JP6413508B2 (ja) | 情報推薦プログラム及び情報処理装置 | |
CN110349647A (zh) | 饮食管理方法、系统、电子设备及存储介质 | |
CN107230131A (zh) | 一种菜品推荐方法、装置及系统 | |
CN110555750A (zh) | 用餐人数预测方法、装置、电子设备及可读存储介质 | |
CN111666893A (zh) | 一种点餐处理方法及装置 | |
JP6211683B2 (ja) | 購買履歴分類システム及び購買履歴分類方法 | |
CN112902406A (zh) | 参数设置方法、设备及计算机可读存储介质 | |
KR102326540B1 (ko) | 음식 영상을 이용한 영양관리 및 질병관리 방법 | |
CN107833339B (zh) | 确定排位时长的方法、装置及电子设备 | |
US20220319667A1 (en) | An apparatus and method for providing dietary recommendation | |
KR20150016046A (ko) | 식사 정보 기록 방법 및 시스템 | |
US20140122527A1 (en) | Sensitivity retrieval apparatus, method and program | |
JP2006085459A (ja) | 調理情報提供システム | |
US11727070B2 (en) | On-line system and method for searching recipes for meal planning | |
CN116664255B (zh) | 基于人工智能的店铺推荐方法和系统 | |
KR20200113564A (ko) | Nfc 태그 칩 활용 식사량 정보 수집 및 평가 처리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |