CN113130046A - 摄入食物能量的检测方法、装置、计算机设备和存储介质 - Google Patents
摄入食物能量的检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113130046A CN113130046A CN202110442462.9A CN202110442462A CN113130046A CN 113130046 A CN113130046 A CN 113130046A CN 202110442462 A CN202110442462 A CN 202110442462A CN 113130046 A CN113130046 A CN 113130046A
- Authority
- CN
- China
- Prior art keywords
- food
- information
- intake
- determining
- energy
- 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 239
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 61
- 235000012631 food intake Nutrition 0.000 claims abstract description 57
- 230000037406 food intake Effects 0.000 claims abstract description 54
- 230000001055 chewing effect Effects 0.000 claims abstract description 52
- 230000009747 swallowing Effects 0.000 claims abstract description 34
- 230000004927 fusion Effects 0.000 claims description 44
- 235000015219 food category Nutrition 0.000 claims description 13
- 235000019577 caloric intake Nutrition 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 8
- 239000007787 solid Substances 0.000 claims description 8
- 206010061428 decreased appetite Diseases 0.000 claims description 6
- 230000003880 negative regulation of appetite Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000035943 smell Effects 0.000 description 23
- 235000005686 eating Nutrition 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 10
- 235000005911 diet Nutrition 0.000 description 6
- 230000037213 diet Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000036528 appetite Effects 0.000 description 4
- 235000019789 appetite Nutrition 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003183 myoelectrical effect Effects 0.000 description 4
- 230000000152 swallowing effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000238557 Decapoda Species 0.000 description 2
- 241000167880 Hirundinidae Species 0.000 description 2
- 206010020710 Hyperphagia Diseases 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 235000018823 dietary intake Nutrition 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 235000020830 overeating Nutrition 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 230000037221 weight management Effects 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 235000015278 beef Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 235000015111 chews Nutrition 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nutrition Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种摄入食物能量的检测方法、装置、计算机设备和存储介质。该方法包括：获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；根据所述食物种类和所述食物摄入量，确定摄入食物的能量。使用本发明的技术方案，可以实现自动检测用户摄入的食物的能量。
Description
技术领域
本发明实施例涉及智能数据分析技术领域，尤其涉及一种摄入食物能量的检测方法、装置、计算机设备和存储介质。
背景技术
随着生活水平的提高，现代人们的健康意识也不断增强，越来越注重在保证营养的同时，控制饮食摄入的热量，以避免暴饮暴食等不健康的饮食习惯导致的肥胖甚至疾病等问题。
现有的饮食类型和饮食量摄入检测，都需要依赖于一定程度上的用户操作或用户活动，或通过用户对饮食进行称重后，手动输入饮食类型和饮食量，计算用户摄入食物的能量，或通过用户拍摄食物图像，对用户摄入食物的能量进行估算。现有的这种用户摄入食物能量的检测方式，自动化程度不高，用户体验较差。
发明内容
本发明实施例提供一种摄入食物能量的检测方法、装置、计算机设备和存储介质，以实现自动检测用户摄入的食物的能量。
第一方面，本发明实施例提供了一种摄入食物能量的检测方法，该方法包括：
获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
第二方面，本发明实施例还提供了一种摄入食物能量的检测装置，该装置包括：
数据获取模块，用于获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
信息确定模块，用于根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
摄入食物能量确定模块，用于根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的摄入食物能量的检测方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的摄入食物能量的检测方法。
本发明实施例通过获取用户摄入食物时的吞咽信息、咀嚼信息、气味信息或者图像信息等检测信息，根据一项或多项检测信息确定食物种类和摄入量，从而根据食物种类和摄入量确定摄入食物能量。解决了现有技术中用户摄入食物能量的检测方式，自动化程度不高，用户体验较差的问题，实现了自动检测用户摄入的食物的能量。
附图说明
图1是本发明实施例一中的一种摄入食物能量的检测方法的流程图；
图2是本发明实施例二中的一种摄入食物能量的检测方法的流程图；
图3是本发明实施例三中的一种摄入食物能量的检测装置的结构示意图；
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种摄入食物能量的检测方法的流程图，本实施例可适用于在用户进食时，自动检测用户摄入食物的能量的情况，该方法可以由摄入食物能量的检测装置来执行，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中，典型的，可以集成在可穿戴设备中，并与多种不同类型的传感器配合使用。
如图1所示，本发明实施例的技术方案，具体包括如下步骤：
S110、获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息。
其中，摄入食物是用户正在摄入的食物，检测信息是用户在摄入食物过程中检测到的食物相关信息，用于确定食物种类。
咀嚼信息是用户咀嚼摄入食物时的声音信息，在咀嚼过程中，由于食物的破碎、牙齿与食物之间以及牙齿之间的挤压碰撞，会产生咀嚼声音，不同种类、不同质感的食物的咀嚼声音具有一定差异。
气味信息是摄入食物的气味信息，不同种类的食物或者同种食物采用不同类型的烹饪方式，都会产生不同的气味。食物种类是摄入食物所属的种类，例如米饭、面条、牛肉等。
具体的，可以通过声音传感器采集咀嚼信息，通过气味识别传感器采集气味信息，也可以通过集成传感器同时采集咀嚼信息和气味信息。进一步的，由于用户进食时所处环境存在杂音，可以对声音传感器采集的咀嚼信息进行去除噪声的处理。
吞咽信息是用户对摄入食物进行吞咽动作时的相关数据，示例性的，吞咽信息可以是用户的吞咽动作的次数，也可以是用户吞咽时的脸颊肌肉群的肌电信号等，本实施例对此不进行限制。
图像信息是用户进食过程中或进食前拍摄的包含摄入食物的图像，图像信息可以通过微型摄像装置进行采集，由于图像中除摄入食物外，可能还包括用户的隐私信息，可选的，可以对拍摄得到的图像进行特征提取，并将特征数据发送至云端服务器进行食物种类识别，从而在防止隐私泄露的同时，进行食物种类的确定。
S120、根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量。
在本发明实施例中，在用户进食的过程中，根据采集到的摄入食物的咀嚼信息、气味信息、吞咽信息或者图像信息中的一种或多种，确定食物种类，本实施例对信息的数量、类型和具体的确定方式不进行限制。
根据吞咽信息确定摄入食物的摄入量，示例性的，当吞咽信息是用户的吞咽动作的次数时，可以预先根据用户的性别、年龄、体重或者口腔容量大小等因素，确定用户的单次吞咽摄入量，并根据吞咽动作的次数和单次吞咽摄入量，确定食物的摄入量。当吞咽信息是用户吞咽时的脸颊肌肉群的肌电信号或者形变数据时，可以根据吞咽信息生成波动曲线，并根据波动曲线的波峰数量以及峰值，确定食物的摄入量，本实施例对根据吞咽信息确定摄入量的具体实现方式不进行限制。
根据图像信息确定食物摄入量，具体的，可以将图像输入摄入量计算模型中，获取模型输出的摄入量。摄入量计算模型可以为预先根据标注实际摄入量的食物图像，对预设的机器学习模型进行训练得到。还可以对图像进行特征提取，对于一些特征较为突出的食物，可以直接根据图像的特征数据计算摄入量。示例性的，如果当前摄入的食物为虾仁，对拍摄的图像进行特征提取，可以直接确定当前摄入的虾仁数量。
S130、根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
获取摄入食物的食物种类和摄入量之后，即可根据食物种类对应的单位能量值和摄入量，计算摄入食物的能量。
可选的，在计算得到摄入食物的能量之后，还可以采集并记录用户进食的时间、地点以及进食时长等信息，并可以根据用户的吞咽信息、摄入食物的能量以及进食时长等信息，对用户的进食方式进行评估。示例性的，如果用户的摄入食物的能量较高，进食时长较短，则可以判定用户存在暴饮暴食等不健康的饮食方式。还可以根据用户摄入食物的能量、进食的时间、地点、进食时长以及进食方式，生成用户的饮食评估报告，从而使用户了解自己的饮食习惯，并针对性的进行改进。
本实施例的技术方案，通过获取用户摄入食物时的吞咽信息、咀嚼信息、气味信息或者图像信息等检测信息，根据一项或多项检测信息确定食物种类和摄入量，从而根据食物种类和摄入量确定摄入食物能量。解决了现有技术中用户摄入食物能量的检测方式，自动化程度不高，用户体验较差的问题，实现了自动检测用户摄入的食物的能量。
实施例二
图2是本发明实施例二提供的一种摄入食物能量的检测方法的流程图，本发明实施例在上述实施例的基础上，对确定摄入食物的食物种类的过程、确定摄入量的过程进行了进一步的具体化，并加入了在用户的总摄入能量超标时触发食欲抑制操作的步骤。相应的，如图2所示，本发明实施例的技术方案，具体包括如下步骤：
S210、获取用户的标准摄入能量。
获取标准摄入能量的目的在于，可以通过用户已摄入能量和标准摄入能量的比对，判断用户饮食量是否超标。具体的，可以获取用户的体重数据，根据用户的体重计算标准摄入能量。还可以获取用户输入的目标摄入能量作为标准摄入能量。
可选的，还可以通过体重秤或者人体扫描仪等装置，获取用户的身体数据。示例性的，可以通过体重秤获得体重数据，可以通过体脂秤获得体重、体脂数据，可以通过人体扫描仪获得腰围、臀围、腰臀比、3D模型等数据。获取用户身体数据之后，可以生成体重评价报告，对用户进行体重管理的建议。还可以生成体重管理计划，对用户进行饮食建议。
本实施例的方法可以由可穿戴设备执行，该可穿戴设备可以穿戴在脖子或其他躯干区域，该可穿戴设备预先与体重秤或者人体扫描仪等装置建立连接，获取用户的体重数据，从而根据用户的体重计算标准摄入能量。
S220、获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息。
可选的，执行本实施例方法的可穿戴设备可以采用项圈或者安装在衣领上等形式。进一步的，当本实施例应用于辅助用户进行饮食监控或者体重控制等时，可以在可穿戴设备上进行拆除条件的设置，以避免用户为逃避摄入食物的检测而随意拆除可穿戴设备。
本实施例以通过咀嚼信息和气味信息，综合确定食物种类为例，可选的，还可以仅使用咀嚼信息、气味信息或者图像信息中的一种，确定食物种类，或者根据咀嚼信息和图像信息、气味信息或者图像信息，或者咀嚼信息、气味信息和图像信息综合确定食物种类。
示例性的，当通过咀嚼信息确定食物种类时，若确定咀嚼信息，与食物数据库中目标食物种类的预存咀嚼信息相匹配，则确定摄入食物为目标食物种类。
示例性的，可以计算咀嚼信息与各预存咀嚼信息之间的相似度，如果目标食物种类的预存咀嚼信息与摄入食物的咀嚼信息相似度最高，并且该相似度超过预设数值，则说明咀嚼信息与目标食物种类的预存咀嚼信息相匹配。
示例性的，当通过图像信息确定食物种类时，对拍摄得到的图像进行特征提取，并将特征数据发送至云端服务器进行食物种类识别，云端服务器接收到特征数据之后，将该特征数据与食物数据库中各食物种类的特征数据进行比对，若确定该特征数据与食物数据库中目标食物种类的特征数据相匹配，则确定摄入食物为目标食物种类。
在本发明实施例中，吞咽信息可以为肌电信号数据或者体表形变数据，肌电信号数据是肌肉收缩时的电信号，可以通过肌电信号采集板进行采集。体表形变数据是用户吞咽食物时皮肤的形变数据，可以通过压力传感器进行采集。
S230、根据所述吞咽信息，确定摄入食物的食物形态，所述食物形态为液体或者固体。
确定摄入食物为液体或者固体的原因在于，吞咽液体的速度一般要快于吞咽固体的速度，摄入食物的食物形态不同，根据吞咽信息确定食物摄入量的方式也不相同。并且，当食物为液体时，无需进行咀嚼，无法获取咀嚼信息。
S240、对至少两项检测信息进行数据融合，获取融合信息。
数据融合是指将多个传感器的观测数据依据某种准则来进行组合,以获得被测对象的一致性解释或描述。数据融合的原理为，对多个传感器的观测数据分别进行特征提取，提取得到多个特征矢量，对特征矢量分别进行模式识别处理，获取各传感器对被测对象的说明数据，将各传感器的说明数据进行关联，并利用融合算法将各传感器的说明数据进行合成，得到被测对象的一致性解释或描述。
在本发明实施例中，数据融合是指将至少两项检测信息合成成为融合信息的过程。
本实施例以通过咀嚼信息和气味信息综合确定食物种类时，对咀嚼信息和气味信息进行数据融合，并根据融合后的融合信息确定食物种类为例。可选的，还可以不进行数据融合，若确定咀嚼信息和气味信息，分别与食物数据库中目标食物种类的预存咀嚼信息和预存气味信息相匹配，则确定摄入食物为目标食物种类。本实施例对根据咀嚼信息和气味信息综合确定食物种类时的确定方式不进行限制，根据咀嚼信息和图像信息、气味信息或者图像信息，或者咀嚼信息、气味信息和图像信息综合确定食物种类时的确定方式同理。
示例性的，可以分别计算咀嚼信息与各预存咀嚼信息之间的相似度，以及气味信息与各预存气味信息之间的相似度。如果目标食物种类的预存咀嚼信息与摄入食物的咀嚼信息相似度超过第一预设数值，并且目标食物种类的预存气味信息与摄入食物的气味信息相似度超过第二预设数值，则说明咀嚼信息和气味信息与目标食物种类的预存咀嚼信息和预存气味信息相匹配。其中，第一预设数值和第二预设数值可以相同或者不同。
S250、判断是否所述融合信息与食物数据库中目标食物种类的预存融合信息相匹配，如果是，则执行S260，否则执行S2120。
相应的，S250又可以包括：
S251、分别计算所述融合信息与食物数据库中各食物种类的预存融合信息的相似度，并获取相似度最大值。
在本发明实施例中，预先采集大量不同种类食物的咀嚼声音信息和食物气味信息，并分别对各食物的咀嚼声音信息和食物气味信息进行数据融合，并建立食物数据库。食物数据库中存储有大量不同种类食物的照片、单位重量或体积的能量值、单位重量或体积的各营养素含量、咀嚼声音信息、食物气味信息以及融合信息等数据。
分别计算融合信息与食物数据库中各预存融合信息的相似度，如果相似度最大值大于或者等于预设相似度阈值，则相似度最大值对应的目标食物种类的融合信息与摄入食物的融合信息相匹配，可以确定摄入食物的种类为目标食物种类。
可选的，还可以依次计算融合信息与食物数据库中各预存融合信息的相似度，如果确定融合信息与目标食物种类的预存融合信息的相似度大于或者等于预设相似度阈值，则停止继续计算相似度，直接确定目标食物种类的融合信息与摄入食物的融合信息相匹配，摄入食物的种类为目标食物种类。
S252、判断所述相似度最大值是否大于或者等于预设相似度阈值，如果是，则执行S253，否则执行S2120。
S253、确定所述融合信息与所述相似度最大值对应的目标食物种类的预存融合信息相匹配。
S260、确定摄入食物为目标食物种类。
确定摄入食物的食物种类之后，既可以确定摄入食物的食物形态，以及摄入食物的单位重量或者单位体积的能量值。
S270、根据肌电信号数据生成肌电波动曲线，并根据摄入食物的食物形态、所述肌电波动曲线的波峰数量以及峰值，确定摄入量。
本实施例中以根据吞咽信息确定食物摄入量，并且吞咽信息为肌电信号数据时为例，还可以根据体表形变数据确定食物摄入量，或者根据图像信息确定食物摄入量。
具体的，可以通过肌电信号采集板采集肌电信号，并对获取的一系列肌电信号进行插值和拟合，生成肌电波动曲线。
在本发明实施例中，预先设置曲线的不同波峰数量以及不同峰值与摄入量之间的对应关系，液体和固体的对应关系不同。获取肌电波动曲线之后，即可确定摄入食物的波峰数量以及峰值，根据摄入食物的食物形态和预设的对应关系，即可确定摄入量。当摄入食物为液态时，摄入量的表现形式为体积，当摄入食物为固态时，摄入量的表现形式为重量。
S280、根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
根据摄入食物的种类和摄入量，计算摄入食物的能量值，进一步的，还可以计算摄入食物中各营养素的含量。
S290、根据摄入食物的能量计算用户的总摄入能量。
获取摄入食物的能量之后，还可以计算用户在当天累加的总摄入能量。计算用户当天的总摄入能量的目的在于，可以判断用户当天的饮食摄入量是否超标，从而辅助用户进行饮食控制。
S2100、判断所述总摄入能量减去标准摄入能量的差值是否大于或者等于预设能量值，如果是，则执行S2110，否则返回执行S220。
当用户当天的总摄入能量超过标准摄入能量较多时，判定用户饮食摄入量超标，此时可以对用户进行健康提示，还可以触发执行食欲抑制操作。
S2110、触发执行食欲抑制操作。
食欲抑制操作可以是可穿戴设备或者移动终端上与可穿戴设备配套使用的应用软件发出警报，提醒用户饮食摄入量超标。还可以是由气味散发装置散发难闻气味，从而抑制用户食欲。
触发执行食欲抑制操作，可以通过向食欲抑制操作的执行主体发送操作指令来实现。
S2120、结束。
实施例三
图3是本发明实施例三中的一种摄入食物能量的检测装置的结构示意图，该装置包括：数据获取模块310、信息确定模块320以及摄入食物能量确定模块330。其中：
数据获取模块310，用于获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
信息确定模块320，用于根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
摄入食物能量确定模块330，用于根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
本实施例的技术方案，通过获取用户摄入食物时的吞咽信息、咀嚼信息、气味信息或者图像信息等检测信息，根据一项或多项检测信息确定食物种类和摄入量，从而根据食物种类和摄入量确定摄入食物能量。解决了现有技术中用户摄入食物能量的检测方式，自动化程度不高，用户体验较差的问题，实现了自动检测用户摄入的食物的能量。
在上述实施例的基础上，所述信息确定模块320，包括：
第一食物种类确定单元，用于若确定所述检测信息，与食物数据库中目标食物种类的预存检测信息相匹配，则确定摄入食物为目标食物种类。
在上述实施例的基础上，所述装置，还包括：
数据融合模块，用于对至少两项检测信息进行数据融合，获取融合信息；
所述信息确定模块320，包括：
第二食物种类确定单元，用于若确定所述融合信息与食物数据库中目标食物种类的预存融合信息相匹配，则确定摄入食物为目标食物种类。
在上述实施例的基础上，所述第二食物种类确定单元，具体用于：
分别计算所述融合信息与食物数据库中各食物种类的预存融合信息的相似度，并获取相似度最大值；
若所述相似度最大值大于或者等于预设相似度阈值，则确定所述融合信息与所述相似度最大值对应的目标食物种类的预存融合信息相匹配。
在上述实施例的基础上，所述吞咽信息为肌电信号数据或者体表形变数据；
所述信息确定模块320，包括：
肌电信号摄入量确定单元，用于根据肌电信号数据生成肌电波动曲线，并根据所述肌电波动曲线的波峰数量以及峰值，确定摄入量；
体表形变摄入量确定单元，用于根据体表形变数据生成形变波动曲线，并根据所述形变波动曲线的波峰数量以及峰值，确定摄入量。
在上述实施例的基础上，所述装置，还包括：
食物形态确定模块，用于根据所述吞咽信息，确定摄入食物的食物形态，所述食物形态为液体或者固体；
所述信息确定模块320，具体用于：
根据肌电信号数据生成肌电波动曲线，并根据摄入食物的食物形态、所述肌电波动曲线的波峰数量以及峰值，确定摄入量；或者，
根据体表形变数据生成形变波动曲线，并根据摄入食物的食物形态、所述形变波动曲线的波峰数量以及峰值，确定摄入量。
在上述实施例的基础上，所述装置，还包括：
标准摄入能量计算模块，用于获取用户的标准摄入能量；
总摄入能量计算模块，用于根据摄入食物的能量计算用户的总摄入能量；
食欲抑制操作触发模块，用于若确定所述总摄入能量减去标准摄入能量的差值大于或者等于预设能量值，则触发执行食欲抑制操作。
本发明实施例所提供的摄入食物能量的检测装置可执行本发明任意实施例所提供的摄入食物能量的检测方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器70、存储器71、输入装置72和输出装置73；计算机设备中处理器70的数量可以是一个或多个，图4中以一个处理器70为例；计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的摄入食物能量的检测方法对应的模块(例如，摄入食物能量的检测装置中的数据获取模块310、信息确定模块320以及摄入食物能量确定模块330)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的摄入食物能量的检测方法。该方法包括：
获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种摄入食物能量的检测方法，该方法包括：
获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的摄入食物能量的检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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的方法。
值得注意的是，上述摄入食物能量的检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种摄入食物能量的检测方法，其特征在于，包括：
获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
2.根据权利要求1所述的方法，其特征在于，根据所述检测信息中的至少一项，确定摄入食物的食物种类，包括：
若确定所述检测信息，与食物数据库中目标食物种类的预存检测信息相匹配，则确定摄入食物为目标食物种类。
3.根据权利要求1所述的方法，其特征在于，在获取摄入食物的检测信息之后，还包括：
对至少两项检测信息进行数据融合，获取融合信息；
根据所述检测信息中的至少一项，确定摄入食物的食物种类，包括：
若确定所述融合信息与食物数据库中目标食物种类的预存融合信息相匹配，则确定摄入食物为目标食物种类。
4.根据权利要求3所述的方法，其特征在于，确定所述融合信息与食物数据库中目标食物种类的预存融合信息相匹配，包括：
分别计算所述融合信息与食物数据库中各食物种类的预存融合信息的相似度，并获取相似度最大值；
若所述相似度最大值大于或者等于预设相似度阈值，则确定所述融合信息与所述相似度最大值对应的目标食物种类的预存融合信息相匹配。
5.根据权利要求1所述的方法，其特征在于，所述吞咽信息为肌电信号数据或者体表形变数据；
根据所述检测信息中的至少一项，确定食物摄入量，包括：
根据肌电信号数据生成肌电波动曲线，并根据所述肌电波动曲线的波峰数量以及峰值，确定摄入量；或者，
根据体表形变数据生成形变波动曲线，并根据所述形变波动曲线的波峰数量以及峰值，确定摄入量。
6.根据权利要求5所述的方法，其特征在于，在根据所述检测信息中的至少一项，确定摄入食物的食物种类之前，还包括：
根据所述吞咽信息，确定摄入食物的食物形态，所述食物形态为液体或者固体；
根据所述检测信息中的至少一项，确定食物摄入量，还包括：
根据肌电信号数据生成肌电波动曲线，并根据摄入食物的食物形态、所述肌电波动曲线的波峰数量以及峰值，确定摄入量；或者，
根据体表形变数据生成形变波动曲线，并根据摄入食物的食物形态、所述形变波动曲线的波峰数量以及峰值，确定摄入量。
7.根据权利要求1所述的方法，其特征在于，在获取摄入食物的检测信息之前，还包括：
获取用户的标准摄入能量；
在确定摄入食物的能量之后，还包括：
根据摄入食物的能量计算用户的总摄入能量；
若确定所述总摄入能量减去标准摄入能量的差值大于或者等于预设能量值，则触发执行食欲抑制操作。
8.一种摄入食物能量的检测装置，其特征在于，包括：
数据获取模块，用于获取摄入食物的检测信息，所述检测信息包括：咀嚼信息、气味信息、吞咽信息以及图像信息；
信息确定模块，用于根据所述检测信息中的至少一项，确定摄入食物的食物种类以及食物摄入量；
摄入食物能量确定模块，用于根据所述食物种类和所述食物摄入量，确定摄入食物的能量。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的摄入食物能量的检测方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的摄入食物能量的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110442462.9A CN113130046A (zh) | 2021-04-23 | 2021-04-23 | 摄入食物能量的检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110442462.9A CN113130046A (zh) | 2021-04-23 | 2021-04-23 | 摄入食物能量的检测方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113130046A true CN113130046A (zh) | 2021-07-16 |
Family
ID=76779439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110442462.9A Pending CN113130046A (zh) | 2021-04-23 | 2021-04-23 | 摄入食物能量的检测方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113130046A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155936A (zh) * | 2021-11-15 | 2022-03-08 | 珠海格力电器股份有限公司 | 电器设备及其健康饮食监测方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150168365A1 (en) * | 2013-12-18 | 2015-06-18 | Robert A. Connor | Caloric Intake Measuring System using Spectroscopic and 3D Imaging Analysis |
| US20160143582A1 (en) * | 2014-11-22 | 2016-05-26 | Medibotics Llc | Wearable Food Consumption Monitor |
| CN106442461A (zh) * | 2016-09-08 | 2017-02-22 | 常熟理工学院 | 一种基于增强拉曼光谱效应检测双酚a的方法 |
| WO2017132690A1 (en) * | 2016-01-28 | 2017-08-03 | Savor Labs, Inc. | Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback |
| CN107731278A (zh) * | 2017-09-04 | 2018-02-23 | 广东数相智能科技有限公司 | 一种食物识别方法、营养健康分析方法、系统及装置 |
| US10790054B1 (en) * | 2016-12-07 | 2020-09-29 | Medtronic Minimed, Inc. | Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback |
| CN111951928A (zh) * | 2019-05-17 | 2020-11-17 | 奇酷互联网络科技（深圳）有限公司 | 控制卡路里摄入量的方法、移动终端和计算机存储介质 |
-
2021
- 2021-04-23 CN CN202110442462.9A patent/CN113130046A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150168365A1 (en) * | 2013-12-18 | 2015-06-18 | Robert A. Connor | Caloric Intake Measuring System using Spectroscopic and 3D Imaging Analysis |
| US20160143582A1 (en) * | 2014-11-22 | 2016-05-26 | Medibotics Llc | Wearable Food Consumption Monitor |
| WO2017132690A1 (en) * | 2016-01-28 | 2017-08-03 | Savor Labs, Inc. | Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback |
| CN109068983A (zh) * | 2016-01-28 | 2018-12-21 | 克鲁有限公司 | 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备 |
| CN106442461A (zh) * | 2016-09-08 | 2017-02-22 | 常熟理工学院 | 一种基于增强拉曼光谱效应检测双酚a的方法 |
| US10790054B1 (en) * | 2016-12-07 | 2020-09-29 | Medtronic Minimed, Inc. | Method and apparatus for tracking of food intake and other behaviors and providing relevant feedback |
| CN107731278A (zh) * | 2017-09-04 | 2018-02-23 | 广东数相智能科技有限公司 | 一种食物识别方法、营养健康分析方法、系统及装置 |
| CN111951928A (zh) * | 2019-05-17 | 2020-11-17 | 奇酷互联网络科技（深圳）有限公司 | 控制卡路里摄入量的方法、移动终端和计算机存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| DI ROSA AMBRA RITA ET AL.: "Fusion of electronic nose, electronic tongue and computer vision for animal source food authentication and quality assessment - A review", JOURNAL OF FOOD ENGINEERING, 30 April 2017 (2017-04-30), pages 25 - 26 * |
| 武雪梅: "现代实用预防医学", 28 February 2019, 世界图书出版公司, pages: 61 - 62 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155936A (zh) * | 2021-11-15 | 2022-03-08 | 珠海格力电器股份有限公司 | 电器设备及其健康饮食监测方法和系统 |
| CN114155936B (zh) * | 2021-11-15 | 2024-10-18 | 珠海格力电器股份有限公司 | 电器设备及其健康饮食监测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9521829B2 (en) | Livestock identification and monitoring | |
| JP5156030B2 (ja) | 活動の監視および表示 | |
| CN110765972B (zh) | 一种动物的监控方法、装置、电子设备及存储介质 | |
| EP3110310A1 (en) | Mobile animal surveillance and distress monitoring | |
| Roland et al. | Evaluation of a triaxial accelerometer for monitoring selected behaviors in dairy calves | |
| CN105208114A (zh) | 一种提醒的方法及终端 | |
| CN110801216B (zh) | 异常预警方法及相关设备 | |
| CN105528525A (zh) | 一种饮食习惯监测系统与监测方法 | |
| CN113130046A (zh) | 摄入食物能量的检测方法、装置、计算机设备和存储介质 | |
| CN112902321A (zh) | 送风装置的控制方法、送风装置、送风系统及存储介质 | |
| CN109492779B (zh) | 一种家用电器健康管理方法、装置及家用电器 | |
| CN114746949A (zh) | 饮食生活推定装置 | |
| CN113507490A (zh) | 一种多源信息融合的生猪全链条智能监测方法及装置 | |
| CN112419432A (zh) | 冰箱内食物的控制方法和装置、电子设备和存储介质 | |
| CN106650183A (zh) | 一种信息获取方法和装置 | |
| CN115868947A (zh) | 一种奶牛健康预警系统和预警方法 | |
| KR100892612B1 (ko) | 다중 센서를 이용한 식습관 관리 장치 및 그 방법 | |
| CN113598725A (zh) | 可穿戴宠物无线健康监护系统 | |
| CN111264415A (zh) | 动物养殖管理方法及相关产品 | |
| CN112786153B (zh) | 一种老年人的饮食控制方法及系统 | |
| CN115211388B (zh) | 牲畜健康监控方法、装置、存储介质及电子设备 | |
| WO2022230623A1 (ja) | 方法、情報処理装置およびプログラム | |
| JP6984467B2 (ja) | 食事推定プログラム、食事推定方法及び食事推定装置 | |
| CN118266768A (zh) | 饮食参数控制方法、系统、装置、烹饪设备及存储介质 | |
| CN108427980A (zh) | 肉类品质追溯系统 |
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 |