CN113299367A - 基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质 - Google Patents
基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质 Download PDFInfo
- Publication number
- CN113299367A CN113299367A CN202010108698.4A CN202010108698A CN113299367A CN 113299367 A CN113299367 A CN 113299367A CN 202010108698 A CN202010108698 A CN 202010108698A CN 113299367 A CN113299367 A CN 113299367A
- Authority
- CN
- China
- Prior art keywords
- refrigerator
- food material
- user
- acquiring
- recommendation method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 235000013305 food Nutrition 0.000 claims abstract description 183
- 239000000463 material Substances 0.000 claims abstract description 183
- 238000004590 computer program Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 description 14
- 238000013527 convolutional neural network Methods 0.000 description 11
- 235000000832 Ayote Nutrition 0.000 description 7
- 235000009854 Cucurbita moschata Nutrition 0.000 description 7
- 240000001980 Cucurbita pepo Species 0.000 description 7
- 235000009804 Cucurbita pepo subsp pepo Nutrition 0.000 description 7
- 235000015136 pumpkin Nutrition 0.000 description 7
- 230000006399 behavior Effects 0.000 description 6
- 238000005303 weighing Methods 0.000 description 6
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 5
- 240000007087 Apium graveolens Species 0.000 description 5
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 5
- 235000010591 Appio Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 4
- 240000003768 Solanum lycopersicum Species 0.000 description 4
- 244000061456 Solanum tuberosum Species 0.000 description 4
- 235000002595 Solanum tuberosum Nutrition 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000036632 reaction speed Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000012631 food intake Nutrition 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 230000000007 visual effect Effects 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2500/00—Problems to be solved
- F25D2500/06—Stock management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Nutrition Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- Computational Linguistics (AREA)
- Cold Air Circulating Systems And Constructional Details In Refrigerators (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及智能家居技术领域,公开了一种基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质,所述菜谱推荐方法包括:获取所述冰箱内的食材消耗情况;获取可穿戴设备发送的用户特征数据;根据所述食材消耗情况和所述用户特征数据生成推荐菜谱。本申请能够根据用户的实际情况向用户推荐菜谱,提高了菜谱推荐的准确性和智能性。
Description
技术领域
本申请涉及智能家居技术领域,尤其涉及一种基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质。
背景技术
目前饮食在人们日常生活中占据重要地位,在很大程度上决定着人们的身体健康水平,人们越来越注意养生和健康饮食。但是大部分人们由于专业知识有限,不能科学合理地安排饮食,同时由于人们对同一种食材有着不同的吸收率所以会导致不同的食用效果,例如在食用某一种食材后,有些人因为吸收率较好,所以可能导致血糖急剧升高,这样容易造成健康隐患。
因此,如何实现根据用户的实际情况向用户准确地推荐菜谱成为亟待解决的问题。
发明内容
本申请提供了一种基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质,以根据用户的实际情况向用户推荐菜谱,提高了菜谱推荐的准确性和智能性。
第一方面,本申请提供了一种基于冰箱的菜谱推荐方法,所述方法包括:
获取所述冰箱内的食材消耗情况;
获取可穿戴设备发送的用户特征数据;
根据所述食材消耗情况和所述用户特征数据生成推荐菜谱。
第二方面,本申请还提供了一种冰箱,所述冰箱包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如上述的菜谱推荐方法。
第三方面,本申请还提供了一种菜谱推荐系统所述系统包括:冰箱和带屏设备,所述冰箱与带屏设备通信连接;
所述冰箱用于实现如上述的菜谱推荐方法,以生成推荐菜谱;
所述带屏设备用于接收并显示所述推荐菜谱。
第四方面,本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现如上述的菜谱推荐方法。
本申请公开了一种基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质,通过获取所述冰箱内的食材消耗情况和可穿戴设备发送的用户特征数据,并根据所述食材消耗情况和所述用户特征数据得到用户的实际情况,最后根据用户的实际情况向用户推荐菜谱,提高了菜谱推荐的准确性和智能性。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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。
图1是本申请提供的一种基于冰箱的菜谱推荐方法的流程示意图;
图2为图1中获取所述冰箱内的食材消耗情况的一种子流程示意流程图;
图3为图1中获取所述冰箱内的食材消耗情况的另一种子流程示意流程图;
图4是本申请提供的基于冰箱的菜谱推荐方法的一使用场景示意图;
图5是本申请的实施例提供的一种冰箱的结构示意性框图;
图6是本申请的实施例提供的菜谱推荐系统的一使用场景示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
本申请的实施例提供了一种基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质。其中,该菜谱推荐方法可应用于冰箱,该冰箱可以是压缩式电冰箱、吸收式电冰箱、电磁振动式冰箱等。
可以理解的,该菜谱推荐方法也可应用于终端设备或服务器中,该终端设备可以是手机、平板电脑、笔记本电脑、台式电脑、智能电视、冰箱等电子设备;该服务器可以为单台的服务器,也可以为由多台服务器组成的服务器集群。具体地,由终端设备或服务器作为执行主体,承担计算和处理任务并生成控制指令,再将控制指令发送至冰箱,以控制冰箱执行相应步骤。
以下以该菜谱推荐方法应用于冰箱为例进行解释说明。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参阅图1,图1是本申请实施例提供的一种基于冰箱的菜谱推荐方法的流程示意流程图。
如图1所示,该菜谱推荐方法,具体包括:步骤S101至步骤S103。
步骤S101、获取所述冰箱内的食材消耗情况。
当获取到所述冰箱的冰箱门的开启状态时,根据所述开启状态获取所述冰箱内的食材信息,所述食材信息包括食材种类信息,根据所述食材信息确定所述冰箱内的食材消耗情况。
在一些实施例中,所述冰箱的冰箱门处设置有门控开关,该门控开关根据所述冰箱门的开关而连通或断开,以检测所述冰箱门的开关状态,其中,该门控开关可以是微动开关或接近开关。在另一些实施例中,所述冰箱的冰箱门处安装有红外传感装置,该红外传感装置包括红外发射器和红外接收器,用于检测所述冰箱的冰箱门的开关状态。该红外发射器用于发射特定频率的红外光,当所述箱门开启时,红外接收器接收不到红外光信号或者接收的红外光信号较弱;当所述冰箱门关闭时,红外接收器接收的红外光信号较强。根据所述红外传感器接收红外光信号的强度以确定所述冰箱门的开关情况。
在一些实施例中,所述冰箱内设有标签读取器,如图2所示,所述获取所述冰箱内的食材消耗情况,具体包括步骤S21和步骤S22。
步骤S21、获取所述标签读取器读取的冰箱内的食材信息。
具体地,当用户向冰箱内放置带有食材标签的食材时,标签读取器即会读取该食材标签,从而得到冰箱内放置的食材信息,食材标签可以是RFID标签,对应的标签读取器也可以是RFID标签读取器。
在一些实施例中,所述获取所述标签读取器读取的冰箱内的食材信息,具体包括以下步骤:
获取所述冰箱的冰箱门的开启状态,根据所述开启状态调用所述标签读取器获取冰箱内的食材信息。
示例性地,标签读取器的启闭还可以通过电控的方式直接控制。例如,冰箱门内设置有开关,当冰箱门打开时,开关自动闭合,标签读取器与电源接通,标签读取器开启,读取用户从冰箱中取出或放入冰箱内的食材标签。当冰箱门关闭时,开关自动断开,标签读取器与电源断开,标签读取器关闭。对标签读取器的启闭进行控制,降低标签读取器以及冰箱的能耗。
在一些实施例中,用户每次从冰箱中取出食材使用后,可以自行更改食材标签内容,以使标签读取器读取到的食材信息能够随用户每次使用进行更改,提高数据准确率。在具体实施过程中,还可以通过外部的显示设备读取食材标签,以获得该食材标签对应的食材信息,并将该食材信息在所述显示设备上显示。用户可在所述显示设备上修改和/或确定食材标签对应的食材信息,以提高数据精确度。例如,冰箱中一蘑菇的食材标签中记录该蘑菇的质量为500g,当用户从冰箱中取出该蘑菇并拿走了200g蘑菇,用户可通过显示设备将该蘑菇食材标签中的质量修改为300g。
在一些实施例中,冰箱内还可以设置重量感应器,根据所述重量感应器称量得到的食材重量对该食材的食材标签对应的食材信息进行修改,以提高数据的准确率。在具体实施过程中,所述冰箱内可以设置有一食材称量位,重量感应器用于称量放置在食材称量位上的食材重量。当用户从冰箱中取出食材再放回时,可以将放回的食材先放置在食材称量位上进行称重,根据所述重量感应器称量得到的食材重量对该食材的食材标签对应的食材信息进行修改,提高数据准确度。
步骤S22、根据所述食材信息确定所述冰箱内的食材消耗情况。
在一些实施例中,根据食材信息中的食材种类信息确定所述冰箱内的食材消耗情况。在具体实施过程中,所述标签读取器读取一次冰箱内的食材信息就会生成一张食材信息表,所述食材信息表中记录了食材种类信息。例如表1为历史食材信息表,表2为当前食材信息表,根据表1和表2可确定冰箱内消耗了芹菜。
序号 | 食材种类 |
1 | 西红柿 |
2 | 土豆 |
3 | 芹菜 |
表1历史食材信息表
序号 | 食材种类 |
1 | 西红柿 |
2 | 土豆 |
表2当前食材信息表
在一些实施例中,所述食材信息包括食材种类信息和食材质量信息,根据所述标签读取器读取到的冰箱内的当前的食材信息和历史的食材信息,确定当前的食材信息中食材质量和历史的食材信息中食材质量的差值,根据所述差值确定所述冰箱内的食材消耗情况。在具体实施过程中,所述标签读取器读取一次冰箱内的食材信息就会生成一张食材信息表,所述食材信息表包括食材种类和各食材种类对应的食材质量。例如表3为历史食材信息表,表4为当前食材信息表,根据表3和表4可确定消耗了芹菜200g。
序号 | 食材种类 | 食材质量(g) |
1 | 西红柿 | 400 |
2 | 土豆 | 500 |
3 | 芹菜 | 400 |
表3历史食材信息表
序号 | 食材种类 | 食材质量(g) |
1 | 西红柿 | 400 |
2 | 土豆 | 500 |
3 | 芹菜 | 200 |
表4当前食材信息表
在一些实施例中,所述冰箱内设有拍摄装置,如图3所示,所述获取所述冰箱内的食材消耗情况,具体包括步骤S31和步骤S32。
步骤S31、获取所述冰箱的冰箱门的开启状态,根据所述开启状态调用所述拍摄装置采集用户拿取食材的视频数据。
一般而言,冰箱的冰箱门打开时,用户正处于从冰箱中拿取食材或者往冰箱中放置食材的动作状态。当冰箱的冰箱门打开时,可以控制所述拍摄装置进行拍摄以采集用户拿取食材的视频数据。
在一些实施例中,拍摄装置可以安装在冰箱的内壁区域和/或冰箱门上。需要说明的是,通过在冰箱的内壁区域和/或冰箱门上安装的至少一个拍摄装置可以拍摄到包含用户手部的视频数据。可以理解的是,所述拍摄装置也可以安装在冰箱内部的其他区域或者冰箱的外部,只要所述拍摄装置能够拍摄包含用户手部的视频数据即可,不代表对本申请的限制。
在一些实施例中,所述拍摄装置包括摄像头,该摄像头可以是普通2D摄像头,当然也可以是其他摄像头,比如深度摄像头。
示例性地,拍摄装置的拍摄还可以通过电控的方式直接控制。例如,冰箱门内设置有开关,当冰箱门打开时,开关自动闭合,拍摄装置与电源接通,拍摄装置开启,拍摄包含用户手部的视频数据。当冰箱门关闭时,开关自动断开,拍摄装置与电源断开,拍摄装置关闭。对拍摄装置的启闭进行控制,降低拍摄装置以及冰箱的能耗。
其中,所述包含用户手部的视频数据包括用户拿取食材的视频数据和/或放入食材的视频数据。需要说明的是,用户拿取食材的视频数据为用户手部拿着食材从冰箱伸出的过程。基于预先训练的行为识别模型,对所述包括用户手部的视频数据进行动作识别,并保留用户手部拿着食材从冰箱伸出的动作过程,得到所述用户拿取食材的视频数据。该行为识别模型可以为多层卷积神经网络模型、深度残差网络模型、对抗神经网络模型、混合神经网络模型和26自由度手部模型等。
在一些实施例中,行为识别模型为多层卷积神经网络模型。其中,多层卷积神经网络包括输入层、多个卷积、池化层、默认框层、行为分类层和输出层,该默认框层用于根据多个卷积层选择默认框的长宽比,通过默认框层可以得到的每一帧视频数据的手部特征向量;行为分类层用于对每一帧视频数据的手部特征向量进行动作分类,以确定用户拿取食材的每一帧视频数据;输出层用于输出用户拿取食材的每一帧视频数据,以得到用户拿取食材的视频数据。
在一些实施例中,预先训练的行为识别模型可以保存在所述冰箱的处理器中,以提高数据处理速度和模型的反应速度,提高交互速度,以提高视频数据的识别速度。
步骤S32、根据所述视频数据确定所述冰箱内的食材消耗情况。
通过所述用户拿取食材的视频数据确定用户拿取的食材种类,根据用户拿取的食材种类确定所述冰箱内的食材消耗情况。
在一些实施例中,所述根据所述视频数据确定所述冰箱内的食材消耗情况,具体包括以下步骤:
从所述视频数据中截取至少一帧图像数据;
将至少一帧所述图像数据输入预先训练的食材识别模型,确定所述用户拿取的食材种类。
具体地,从用户拿取食材的视频数据中截取至少一帧图像数据;将至少一帧所述图像数据输入预先训练的食材识别模型,确定所述用户拿取的食材种类。其中,该食材识别模型为深度学习的卷积神经网络,将截取至少一帧图像数据输入预设的卷积神经网络,可以确定用户拿取的食材种类。
在一实施例中,将训练样本输入到深度学习的卷积神经网络中,利用深度学习框架caffe,对深度学习的卷积神经网络进行训练,可以获得训练好的卷积神经网络。其中,训练样本为各种类型的食材图像,包括各种类型的蔬菜、水果、肉类等食物的图像,通过训练好的卷积神经网络检测所述图像数据,可以确定用户拿取的食材种类。
进一步地,卷积神经网络包括预处理子层、特征识别子层和输出层,通过预处理子层,对图像数据进行预处理,得到经过预处理后的图像数据;基于特征提取子层,对经过预处理后的图像数据进行特征识别,得到用户拿取的食材种类。其中,预处理子层用于对目标图像进行预处理,预处理的过程包括平滑去噪、腐蚀、膨胀等。同时,也要根据检测方法对图像数据进一步加工,例如边缘检测、灰度变化、斑点检测、深度检测等。特征提取子层用于对经过预处理后的图像数据进行特征识别,以确定图像数据中的食材种类,其中,所识别的食材特征可以是食材形状、食材颜色、食材花纹等。输出层用于输出识别出的目标食材,该输出的食材种类可以是一个或者多个。通过卷积神经网络识别用户拿取的食材种类,可以提高识别的准确度。
在一些实施例中,所述食材识别模型可以保存在所述冰箱的处理器中,以提高数据处理速度和模型的反应速度,提高交互速度,以提高食材的识别速度。
可以理解的是,也可以采用其他适当的图像识别方法来确定所述用户拿取的食材种类,例如,在截取至少一帧图像数据之后,可以采用诸如尺度不变特征变换算法、基于角点的图像特征提取与匹配算法、基于局部特征的图像匹配与识别、基于视觉信息的图像特征提取算法等各种不同的方法,对图至少一帧像数据进行处理,以确定所述用户拿取的目标食材,本申请不作具体限定。
步骤S102、获取可穿戴设备发送的用户特征数据。
具体地,所述冰箱与用户的可穿戴设备通信互联,以获取所述可穿戴设备发送的用户特征数据,所述可穿戴设备包括智能手表、手环、项链、手链等。
在一些实施例中,所述获取可穿戴设备发送的用户特征数据,具体包括以下步骤:
确定用户对应的用户身份;
根据所述用户身份获取所述用户身份对应的穿戴设备发送的用户特征数据。
在一些实施例中,所述冰箱设有拍摄装置和/或指纹获取装置,所述拍摄装置和/或指纹获取装置用于获取人脸图像数据和/或指纹数据。
在一些实施例中,所述确定用户对应的用户身份,具体包括以下步骤:
获取当前开启冰箱的用户对应的人脸图像数据和/或指纹数据,根据所述人脸图像数据和/或指纹数据,确认用户对应的用户身份。
在一些实施例中,所述冰箱设有拍摄装置,通过调用拍摄模块获取当前开启冰箱的用户对应的人脸图像数据。在另一些实施例中,所述冰箱设有指纹获取装置,通过调用所述指纹获取装置获取当前开启冰箱的用户对应的指纹数据。还有的实施例中,所述冰箱设有拍摄装置和指纹获取装置,通过调用拍摄模块获取当前开启冰箱的用户对应的人脸图像数据和通过调用所述指纹获取装置获取当前开启冰箱的用户对应的指纹数据。
在一些实施例中,所述冰箱的处理器中保存有人脸识别模型。具体地,获取当前开启冰箱的用户对应的人脸图像数据后通过调取所述人脸识别模型对所述人脸图像数据进行人脸识别以确定用户对应的用户身份。在另一些实施例中,所述冰箱设有指纹识别装置。具体地,获取当前开启冰箱的用户对应的指纹数据后通过调用所述指纹识别装置对所述指纹数据进行指纹识别,以确定用户对应的用户身份。还有的实施例中,所述冰箱设有人脸识别模型和指纹识别装置,通过将获取到的人脸图像数据和指纹数据分别进行人脸识别和指纹识别以确定用户对应的用户身份,使提高用户身份识别的准确率。
步骤S103、根据所述食材消耗情况和所述用户特征数据生成推荐菜谱。
根据所述食材消耗情况获取用户对应的用户特征数据,根据所述用户特征数据得到用户的实际情况,最后根据用户的实际情况向用户推荐菜谱,提高了菜谱推荐的准确性和智能性。
在一些实施例中,所述用户特征数据包括用户在预设时间内的体征变化数据,所述预设时间可根据实际情况由用户自行设置,在此不做任何限定。通过用户在预设时间内的体征变化数据确定用户对食材的吸收率,以确定用户是否适合使用该食材。示例性地,若用户不适合使用该食材,则不推荐相关食材的菜谱,或者推荐需要较少该食材的菜谱。
在一些实施例中,所述根据所述食材消耗情况和所述用户特征数据生成推荐菜谱,具体包括以下步骤:
根据所述食材消耗情况和所述体征变化数据生成推荐菜谱。
示例性地,所述体征变化数据包括血糖变化数据。例如,确定用户从冰箱内拿取了南瓜,同时在用户在预设时间段内的体征变化数据中,发现用户的血糖变化数据有着较大波动,血糖有着较大的升高,超出了血糖正常水平,因此可推断出该用户不太适合大量食用南瓜,故向用户推荐不含南瓜的食谱或者推荐需要较少南瓜的食谱。
在一些实施例中,如图4所示,若获取到用户的用户特征数据发生较大波动时,可向于所述冰箱通信互联的带屏设备发送信息,以确定该用户是否食用了某食材。在具体实施过程中,当确定用户从冰箱中拿取了南瓜,同时在获取到该用户的用户特征数据发送较大波动时,向于所述冰箱通信互联的带屏设备,如用户的手机、iPad、电脑、手环、手表等,发送消息,确定用户是否某时间段食用了南瓜。用户可在所述带屏设备上,确定是否在某时间段食用了南瓜,提高了对用户实际情况判断的准确率,同时也提高了菜谱推荐的智能性和准确性。
在一些实施例中,所述冰箱包括显示装置,所述显示装置包括显示屏,其中该显示屏可以是普通的LCD显示屏,当然也可以是其他显示屏,比如CRT显示屏。在具体的实施例中,冰箱生成了关于用户的推荐菜谱后,可以在所述显示装置上显示所述推荐菜谱,以供用户查看。
在一些实施例中,所述冰箱与其他的带屏设备建立通信,具体地,冰箱可以通过物联网、蓝牙、WIFI等方式与带屏设备连接,进行数据传输。所述带屏设备可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理、油烟机和穿戴式设备等带屏设备。在具体的实施例中,冰箱生成了关于用户的推荐菜谱后,将所述推荐菜谱发送至带屏设备,使所述带屏设备显示所述推荐菜谱,以方便用户查看所述推荐菜谱。
上述实施例提供的一种基于冰箱的菜谱推荐方法,通过获取所述冰箱内的食材消耗情况和可穿戴设备发送的用户特征数据,并根据所述食材消耗情况和所述用户特征数据得到用户的实际情况,最后根据用户的实际情况向用户推荐菜谱,提高了菜谱推荐的准确性和智能性。
请参阅图5,图5是本申请的实施例提供的一种冰箱的结构示意性框图。
如图5所示,该冰箱200包括通过系统总线201连接的处理器202、存储器203和通信接口204,其中,存储器203可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种菜谱推荐方法。
处理器202用于提供计算和控制能力,支撑整个冰箱的运行。
存储器203为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种菜谱推荐方法。
该通信接口204用于通信。本领域技术人员可以理解,图5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冰箱的限定,具体的冰箱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。
应当理解的是,该总线201比如为I2C(Inter-integrated Circuit)总线,存储器203可以是Flash芯片、只读存储器(ROM,Read-Only Memory)磁盘、光盘、U盘或移动硬盘等,处理器202可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
获取所述冰箱内的食材消耗情况;
获取可穿戴设备发送的用户特征数据;
根据所述食材消耗情况和所述用户特征数据生成推荐菜谱。
在一个实施例中,所述处理器在实现时,用于实现:
在一个实施例中,所述冰箱内设有标签读取器,所述处理器在实现所述获取所述冰箱内的食材消耗情况时,用于实现:
获取所述标签读取器读取的冰箱内的食材信息;
根据所述食材信息确定所述冰箱内的食材消耗情况。
在一个实施例中,所述处理器在实现所述获取所述标签读取器读取的冰箱内的食材信息时,用于实现:
获取所述冰箱的冰箱门的开启状态,根据所述开启状态调用所述标签读取器获取冰箱内的食材信息。
在一个实施例中,所述冰箱内设有拍摄装置,所述处理器在实现所述获取所述冰箱内的食材消耗情况时,用于实现:
获取所述冰箱的冰箱门的开启状态,根据所述开启状态调用所述拍摄装置采集用户拿取食材的视频数据;
根据所述视频数据确定所述冰箱内的食材消耗情况。
在一个实施例中,所述处理器在实现所述根据所述视频数据确定所述冰箱内的食材消耗情况时,用于实现:
从所述视频数据中截取至少一帧图像数据;
将至少一帧所述图像数据输入预先训练的食材识别模型,确定所述用户拿取的食材种类;
根据所述食材种类确定所述冰箱内的食材消耗情况。
在一个实施例中,所述冰箱设有拍摄装置和/或指纹获取装置,所述处理器在实现所述菜谱推荐方法时,还用于实现:
获取当前开启冰箱的用户对应的人脸图像数据和/或指纹数据,根据所述人脸图像数据和/或指纹数据,确认用户对应的用户身份;
根据所述用户身份获取所述用户身份对应的穿戴设备发送的用户特征数据。
在一个实施例中,所述用户特征数据包括用户在预设时间内的体征变化数据,所述处理器在实现所述根据所述食材消耗情况和所述用户特征数据生成推荐菜谱时,用于实现:
根据所述食材消耗情况和所述体征变化数据生成推荐菜谱。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的冰箱的具体工作过程,可以参考前述基于冰箱的菜谱推荐方法实施例中的对应过程,在此不再赘述。
上述实施例提供的一种冰箱,通过获取所述冰箱内的食材消耗情况和可穿戴设备发送的用户特征数据,并根据所述食材消耗情况和所述用户特征数据得到用户的实际情况,最后根据用户的实际情况向用户推荐菜谱,提高了菜谱推荐的准确性和智能性。
请参阅图6,图6是本申请的实施例提供的菜谱推荐系统的一使用场景示意图。以下将结合图6,对本申请实施例中的菜谱推荐系统进行说明。
如图6所示,该菜谱推荐系统300包括通过冰箱301和带屏设备302,冰箱301和带屏设备302设有信号传输装置,并两者建立通信互联,具体地,带屏设备302可以通过物联网、蓝牙、WIFI等方式与冰箱301连接。
冰箱301用于获取所述冰箱内的食材消耗情况和可穿戴设备发送的用户特征数据,然后根据所述食材消耗情况和所述用户特征数据得到用户的实际情况,并根据用户的实际情况生成推荐菜谱,最后将所述推荐菜谱发送至通信互联的带屏设备302。
带屏设备302可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理、油烟机和穿戴式设备等带屏设备。
带屏设备302用于接收并显示冰箱301发送的推荐菜谱。
上述实施例提供的一种菜谱推荐系统,包括冰箱和与冰箱通信互联的带屏设备,冰箱通过获取所述冰箱内的食材消耗情况和可穿戴设备发送的用户特征数据生成推荐菜谱,并将所述推荐菜谱发送至通信互联的带屏设备;所述带屏设备接收并显示所述推荐菜谱,该菜谱推荐系统提高了菜谱推荐的准确性和智能性。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的方法可参照本申请中基于冰箱的菜谱推荐方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的冰箱的内部存储单元,例如所述冰箱的硬盘或内存。所述计算机可读存储介质也可以是所述冰箱的外部存储设备,例如所述冰箱上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于冰箱的菜谱推荐方法,其特征在于,包括:
获取所述冰箱内的食材消耗情况;
获取可穿戴设备发送的用户特征数据;
根据所述食材消耗情况和所述用户特征数据生成推荐菜谱。
2.如权利要求1所述的菜谱推荐方法,其特征在于,所述冰箱内设有标签读取器,所述获取所述冰箱内的食材消耗情况,包括:
获取所述标签读取器读取的冰箱内的食材信息;
根据所述食材信息确定所述冰箱内的食材消耗情况。
3.如权利要求2所述的菜谱推荐方法,其特征在于,所述获取所述标签读取器读取的冰箱内的食材信息,包括:
获取所述冰箱的冰箱门的开启状态,根据所述开启状态调用所述标签读取器获取冰箱内的食材信息。
4.如权利要求1所述的菜谱推荐方法,其特征在于,所述冰箱内设有拍摄装置,所述获取所述冰箱内的食材消耗情况,包括:
获取所述冰箱的冰箱门的开启状态,根据所述开启状态调用所述拍摄装置采集用户拿取食材的视频数据;
根据所述视频数据确定所述冰箱内的食材消耗情况。
5.如权利要求4所述的菜谱推荐方法,其特征在于,所述根据所述视频数据确定所述冰箱内的食材消耗情况,包括:
从所述视频数据中截取至少一帧图像数据;
将至少一帧所述图像数据输入预先训练的食材识别模型,确定所述用户拿取的食材种类;
根据所述食材种类确定所述冰箱内的食材消耗情况。
6.如权利要求1所述的菜谱推荐方法,其特征在于,所述冰箱设有拍摄装置和/或指纹获取装置;
所述方法,还包括:
获取当前开启冰箱的用户对应的人脸图像数据和/或指纹数据,根据所述人脸图像数据和/或指纹数据,确认用户对应的用户身份;
所述获取可穿戴设备发送的用户特征数据,包括:
根据所述用户身份获取所述用户身份对应的穿戴设备发送的用户特征数据。
7.如权利要求1所述的菜谱推荐方法,其特征在于,所述用户特征数据包括用户在预设时间内的体征变化数据;
所述根据所述食材消耗情况和所述用户特征数据生成推荐菜谱,包括:
根据所述食材消耗情况和所述体征变化数据生成推荐菜谱。
8.一种冰箱,其特征在于,所述冰箱包括存储器和处理器;
所述存储器用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的菜谱推荐方法。
9.一种菜谱推荐系统,其特征在于,所述系统包括:冰箱和带屏设备,所述冰箱与带屏设备通信连接;
所述冰箱用于实现如权利要求1至7中任一项所述的菜谱推荐方法,以生成推荐菜谱;
所述带屏设备用于接收并显示所述推荐菜谱。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的菜谱推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010108698.4A CN113299367A (zh) | 2020-02-21 | 2020-02-21 | 基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010108698.4A CN113299367A (zh) | 2020-02-21 | 2020-02-21 | 基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113299367A true CN113299367A (zh) | 2021-08-24 |
Family
ID=77317549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010108698.4A Pending CN113299367A (zh) | 2020-02-21 | 2020-02-21 | 基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113299367A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113983754A (zh) * | 2021-10-13 | 2022-01-28 | 青岛海尔电冰箱有限公司 | 夹子组件、菜谱推荐方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040035123A1 (en) * | 2002-08-23 | 2004-02-26 | Samsung Electronics Co., Ltd. | User-interactive refrigerator and control method thereof |
CN204478714U (zh) * | 2014-12-31 | 2015-07-15 | 合肥华凌股份有限公司 | 冰箱 |
CN105205323A (zh) * | 2015-09-19 | 2015-12-30 | 深圳市前海安测信息技术有限公司 | 基于用户体征数据的健康饮食指导系统及方法 |
CN107062794A (zh) * | 2017-03-29 | 2017-08-18 | 青岛海尔股份有限公司 | 智能冰箱,其控制方法及控制系统 |
-
2020
- 2020-02-21 CN CN202010108698.4A patent/CN113299367A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040035123A1 (en) * | 2002-08-23 | 2004-02-26 | Samsung Electronics Co., Ltd. | User-interactive refrigerator and control method thereof |
CN204478714U (zh) * | 2014-12-31 | 2015-07-15 | 合肥华凌股份有限公司 | 冰箱 |
CN105205323A (zh) * | 2015-09-19 | 2015-12-30 | 深圳市前海安测信息技术有限公司 | 基于用户体征数据的健康饮食指导系统及方法 |
CN107062794A (zh) * | 2017-03-29 | 2017-08-18 | 青岛海尔股份有限公司 | 智能冰箱,其控制方法及控制系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113983754A (zh) * | 2021-10-13 | 2022-01-28 | 青岛海尔电冰箱有限公司 | 夹子组件、菜谱推荐方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220359058A1 (en) | Meal service management system and operating method therefor | |
US10803315B2 (en) | Electronic device and method for processing information associated with food | |
US20120055718A1 (en) | Electronic scale for recording health administration data | |
US20130105565A1 (en) | Nutritional Information System | |
CN108664829A (zh) | 用于提供与图像中对象有关的信息的设备 | |
KR20170060972A (ko) | 사용자 단말 장치 및 그 제어 방법 | |
CN111080493B (zh) | 一种菜品信息识别方法、装置及菜品自助结算系统 | |
CN108766528B (zh) | 一种饮食管理系统及其构建方法、一种食材管理方法 | |
CN112970026B (zh) | 一种估算物体参数的方法以及电子设备 | |
CN108302892A (zh) | 智能冰箱与基于智能冰箱的信息提醒方法 | |
CN111222569A (zh) | 识别食物的方法、装置、电子设备及介质 | |
CN113063261B (zh) | 冰箱控制方法、冰箱及计算机可读存储介质 | |
CN113299367A (zh) | 基于冰箱的菜谱推荐方法、冰箱、菜谱推荐系统及介质 | |
KR102120092B1 (ko) | 인공 지능을 이용하는 쇼핑 카트 및 상품 인식 방법 | |
CN107729144B (zh) | 应用控制方法、装置、存储介质及电子设备 | |
Bostanci et al. | A neuro fuzzy embedded agent approach towards the development of an intelligent refrigerator | |
KR20190048922A (ko) | 스마트 테이블 및 스마트 테이블의 제어방법 | |
KR101691477B1 (ko) | 영수증 판독을 통한 구매정보 관리 시스템 | |
CN112766020A (zh) | 带屏装置识别方法、带屏装置、菜谱推荐系统及存储介质 | |
CN114556444A (zh) | 联合模型的训练方法和对象信息处理方法、装置及系统 | |
CN113239780A (zh) | 食材的确定方法、装置、电子设备、冰箱及存储介质 | |
Chopde et al. | Smart kitchen management using IOT technology | |
JP2021168062A (ja) | 情報処理装置及びプログラム | |
CN113473901A (zh) | 行动支持系统及行动支持方法 | |
CN116452881B (zh) | 食品营养价值检测方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210824 |