CN113435642A - 食用策略的确定方法及装置、存储介质、电子装置 - Google Patents

Abstract

本发明公开了一种食用策略的确定方法及装置、存储介质、电子装置，其中，上述方法包括：采集目标食品的数据信息，其中，数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；将数据信息输入到食品模型中，以得到目标食品的预测食用时间段，其中，食品模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食品的数据信息，以及食品的数据信息对应的食用时间段；在满足预设条件的情况下，根据预测食用时间段向目标对象确定目标食品的食用策略，解决了相关技术中，无法根据待食用的目标食品的数据信息为目标对象确定相应的食用策略等问题。

Description

食用策略的确定方法及装置、存储介质、电子装置

技术领域

本发明涉及通信领域，具体而言，涉及一种食用策略的确定方法及装置、存储介质、电子装置。

背景技术

目前，对于冰箱保鲜行为(包括食品最佳食用时间和用户饮食习惯)的预测，都是基于机器本机的。受机器控制器ROM(Read-only Memory，只读存储器，简称ROM)和存储器容量的限制，存储数据量有限，不能分析出食品的最佳食用时间，不能及时的为用户推荐出最佳的饮食搭配。此外，相关技术的冰箱保鲜行为仅是基于一段时间数据，不能在最佳的时间点为用户推荐出食品最合理的食用时间和搭配方式，并且相关预测算法没有结合用户实际的餐饮习惯，不切合用户，当用户的饮食行为改变时，预测算法也无法根据实际变量进行自动修复与调整。

针对相关技术中，无法根据待食用的目标食品的数据信息为目标对象确定相应的食用策略等问题，尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种食用策略的确定方法及装置、存储介质、电子装置，以至少解决相关技术中，无法根据待食用的目标食品的数据信息为目标对象确定相应的食用策略等问题。

根据本发明的一个实施例，提供了一种食用策略的确定方法，包括：采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

在一个示例性的实施例中，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略，包括：获取所述目标对象的饮食列表，其中，所述饮食列表用于指示根据目标对象的历史食用记录，且所述历史食用记录用于指示不同食品的食用时间段；从所述饮食列表中获取所述目标食品对应的目标食用时间段；在所述预测食用时间段小于所述目标食用时间段的情况下，指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

在一个示例性的实施例中，从所述饮食列表中获取所述目标食品对应的目标食用时间段之后，所述方法还包括：在所述预测食用时间段大于所述目标食用时间段的情况下，指示所述目标对象在所述目标食用时间段内处理完所述目标食品。

在一个示例性的实施例中，上述方法还包括：确定从所述饮食列表中未获取所述目标食品对应的目标食用时间段；指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

在一个示例性的实施例中，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法包括：接收目标对象对应的终端发送的指示信息，其中，所述指示信息用于指示所述终端在目标时间段内允许接收推送信息，所述推送信息用于向所述目标对象推送所述食用策略；在所述目标时间段内，向所述终端发送所述食用策略。

在一个示例性的实施例中，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法还包括：获取所述目标食品在多个时间周期的质量，其中，所述多个时间周期的时间位于所述保质期之前；对所述多个时间周期的质量加权计算，以确定所述目标食品的最佳食用时间。

在一个示例性的实施例中，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法还包括：获取所述目标对象食用目标食品的实际时间；在所述实际时间与所述预测食用时间段的第一边界值不一致的情况下，将所述实际时间和所述预测食用时间段的第二边界值所组成的时间集合作为所述目标食品的食用时间段，其中，所述预测食用时间段包括：所述第一边界值和所述第二边界值。

根据本发明的另一个实施例，还提供了一种食用策略的确定装置，包括：采集模块，用于采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；预测模块，用于将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；确定模块，用于在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

在一个示例性的实施例中，上述确定模块，用于获取所述目标对象的饮食列表，其中，所述饮食列表用于指示根据目标对象的历史食用记录，且所述历史食用记录用于指示不同食品的食用时间段；从所述饮食列表中获取所述目标食品对应的目标食用时间段；在所述预测食用时间段小于所述目标食用时间段的情况下，指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

在一个示例性的实施例中，上述确定模块，还用于在所述预测食用时间段大于所述目标食用时间段的情况下，指示所述目标对象在所述目标食用时间段内处理完所述目标食品。

在一个示例性的实施例中，上述确定模块，还用于确定从所述饮食列表中未获取所述目标食品对应的目标食用时间段；指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

在一个示例性的实施例中，上述装置还包括：指示模块，用于接收目标对象对应的终端发送的指示信息，其中，所述指示信息用于指示所述终端在目标时间段内允许接收推送信息，所述推送信息用于向所述目标对象推送所述食用策略；在所述目标时间段内，向所述终端发送所述食用策略。

在一个示例性的实施例中，上述装置还包括：质量模块，用于获取所述目标食品在多个时间周期的质量，其中，所述多个时间周期的时间位于所述保质期之前；对所述多个时间周期的质量加权计算，以确定所述目标食品的最佳食用时间。

在一个示例性的实施例中，在上述装置还包括：比较模块，用于获取所述目标对象食用目标食品的实际时间；在所述实际时间与所述预测食用时间段的第一边界值不一致的情况下，将所述实际时间和所述预测食用时间段的第二边界值所组成的时间集合作为所述目标食品的食用时间段，其中，所述预测食用时间段包括：所述第一边界值和所述第二边界值。

根据本发明的又一个实施例，还提供了一种计算机可读的存储介质，所述计算机可读的存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，采集目标食品的数据信息，其中，数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；将数据信息输入到食品模型中，以得到目标食品的预测食用时间段，其中，食品模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食品的数据信息，以及食品的数据信息对应的食用时间段；在满足预设条件的情况下，根据预测食用时间段向目标对象确定目标食品的食用策略，即通过食品模型对目标食品的数据信息进行分析，进而确定出目标对象对于目标食品的待执行的食用策略，采用上述技术方案，解决了相关技术中，无法根据待食用的目标食品的数据信息为目标对象确定相应的食用策略等问题，通过建立的食品模型实现对于目标对象的饮食行为的预测，进而确保目标对象可以在保证健康饮食行为的情况下，对目标食品进行搭配食用，使得目标对象的饮食行为更加科学，避免了设备本身的硬件条件对于食用策略的影响。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种食用策略的确定方法的云平台的硬件结构框图；

图2是根据本发明实施例的食用策略的确定方法的流程图；

图3是本发明可选实施例的基于智能设备确定食用策略的流程示意图；

图4是本发明可选实施例的食品模型的构建示意图；

图5是本发明可选实施例的确定最佳食用时间的流程示意图；

图6是根据本发明实施例的一种食用策略的确定装置的结构框图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

本申请实施例所提供的方法实施例可以在计算机终端，云平台或者类似的运算装置中执行。以运行在云平台上为例，图1是本发明实施例的一种食用策略的确定方法的云平台的硬件结构框图。如图1所示，云平台可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，在一个示例性实施例中，上述云平台还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述云平台的结构造成限定。例如，云平台还可包括比图1中所示更多或者更少的组件，或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。

存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的食用策略的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至云平台。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。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括云平台的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。

在本实施例中提供了一种食用策略的确定方法，应用于上述云平台，图2是根据本发明实施例的食用策略的确定方法的流程图，该流程包括如下步骤：

步骤S202，采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；

步骤S204，将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；

步骤S206，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

通过上述技术方案，采集目标食品的数据信息，其中，数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；将数据信息输入到食品模型中，以得到目标食品的预测食用时间段，其中，食品模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食品的数据信息，以及食品的数据信息对应的食用时间段；在满足预设条件的情况下，根据预测食用时间段向目标对象确定目标食品的食用策略，即通过食品模型对目标食品的数据信息进行分析，进而确定出目标对象对于目标食品的待执行的食用策略，采用上述技术方案，解决了相关技术中，无法根据待食用的目标食品的数据信息为目标对象确定相应的食用策略等问题，通过建立的食品模型实现对于目标对象的饮食行为的预测，进而确保目标对象可以在保证健康饮食行为的情况下，对目标食品进行搭配食用，使得目标对象的饮食行为更加科学，避免了设备本身的硬件条件对于食用策略的影响。

在一个示例性的实施例中，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略，包括：获取所述目标对象的饮食列表，其中，所述饮食列表用于指示根据目标对象的历史食用记录，且所述历史食用记录用于指示不同食品的食用时间段；从所述饮食列表中获取所述目标食品对应的目标食用时间段；在所述预测食用时间段小于所述目标食用时间段的情况下，指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

简而言之，为了更好的实现对不同目标食品的食用策略的推荐，通过对云平台中存储的目标对象的历史食用记录进行处理，将历史食用记录中的食品品类与食用时间提取出来，并一一对应不同食品对应的食用时间，确定出每一个食品的食用时间段，继而根据存储食品的家电设备向云平台传输的目标对象的历史食用记录，确定出关于该家电设备的目标对象的饮食列表，进而将食品模型预测出的目标食品的预测食用时间段与饮食列表的目标食用时间段进行匹配，在预测食用时间段小于目标食用时间段的情况下，指示目标对象在预测食用时间段内处理完目标食品，以使预测食用时间段更加符合目标对象的食用习惯。

需要说明的是，当目标对象同时绑定了多个用于存储食品的家电设备时，只要当前设备可以将目标对象对于食品的历史使用数据上传云平台，基于历史食用记录确定的用于预测目标对象下一次食用目标食品的食品模型，将会包含当前设备，使得食品模型可以覆盖目标对象的较多的饮食方式。

在一个示例性的实施例中，从所述饮食列表中获取所述目标食品对应的目标食用时间段之后，所述方法还包括：在所述预测食用时间段大于所述目标食用时间段的情况下，指示所述目标对象在所述目标食用时间段内处理完所述目标食品。

可以理解的是，当预测食用时间段大于目标食用时间段时，说明目标对象的饮食习惯发生了改变，或者当前家电设备对应的历史食用记录中包含多个目标对象的食用记录，此时，为了保证目标对象饮食方式的一致性，指示目标对象在饮食列表中匹配出的目标食用时间段内处理完所述目标食品。

在一个示例性的实施例中，上述方法还包括：确定从所述饮食列表中未获取所述目标食品对应的目标食用时间段；指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

简而言之，在确定从饮食列表中未获取目标食品对应的目标食用时间段时，说明建立当前食品模型时使用的历史食用记录未包括目标食品的历史食用记录，进而在食品模型预测出目标食品的预测食用时间段后，推荐目标对象在预测食用时间段内处理完目标食品。

在一个示例性的实施例中，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法包括：接收目标对象对应的终端发送的指示信息，其中，所述指示信息用于指示所述终端在目标时间段内允许接收推送信息，所述推送信息用于向所述目标对象推送所述食用策略；在所述目标时间段内，向所述终端发送所述食用策略。

例如，目标对象不可能在24小时都接收食用策略，并依据食用策略进行目标食品的食用，因此，需要根据目标对象设定的可推送时间段进行食用策略的推送，使得通过食用模型确定出的食用策略可以被目标对象成功的获取，减少了非推送时间推送信息对于目标对象的打扰。

在一个示例性的实施例中，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法还包括：获取所述目标食品在多个时间周期的质量，其中，所述多个时间周期的时间位于所述保质期之前；对所述多个时间周期的质量加权计算，以确定所述目标食品的最佳食用时间。

例如，当前需要对冰箱中的食品的最佳食用时间进行确定时，统计前n天该时段内的食品保鲜数据，得到食品的最佳食用时间。将冰箱动态调节到最适温度，根据确定的食品的最佳食用时间结合用户前n天的饮食习惯，为用户推荐出最合理的食品搭配。

在一个示例性的实施例中，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法还包括：获取所述目标对象食用目标食品的实际时间；在所述实际时间与所述预测食用时间段的第一边界值不一致的情况下，将所述实际时间和所述预测食用时间段的第二边界值所组成的时间集合作为所述目标食品的食用时间段，其中，所述预测食用时间段包括：所述第一边界值和所述第二边界值。

为了保证食品模型预测的准确性，当目标对象食用目标食品的实际时间超出预测食用时间段的边界最大值(即第一边界值)，此时，将当实际时间作为该食品之后预测的预测食用时间段的边界最大值，结合预测食用时间段的边界最小值(即第二边界值)对目标食品的食用时间段的时间集合进行更新，使得食品模型可以根据实际情况进行灵活调整与修正。

为了更好的理解上述食用策略的确定方法的过程，以下结合可选实施例对上述食用策略的确定方法流程进行说明，但不用于限定本发明实施例的技术方案。

在一种可选的实现方式中，提出了一种食用策略的确定方法，图3为本发明可选实施例的基于智能设备确定食用策略的流程示意图，具体包含以下步骤：

步骤S302：提取食品初始数据，根据RFID(radio Frequency Identification，射频识别，简称RFID)技术提取食品的初始数据，对携带食品数据信息的记录媒体(如电子标签或射频卡)进行读写。

步骤S304：建立食品模型，如图4所示为本发明可选实施例的食品模型的构建示意图。

例如，当前需要对冰箱中的食品的食用进行预测时，基于云端服务器上存储的历史用户饮食数据、运用常用的建模工具简历，针对当前冰箱建立食品模型，进一步的，根据冰箱的食品模型预测下一次的饮食方式，当得到下一次实际的饮食数据之后，会根据实际值不断修正建立好的饮食模型，并且饮食行为会进入历史食用记录的数据库，用来进行对食品模型的优化。

步骤S306：预测食品最佳食用时间，确定用户(相当于本发明实施例中的目标对象)的饮食习惯，根据用户饮食习惯在食品最佳食用时间为用户推荐出最合理的食品搭配，如图5所示，为本发明可选实施例的确定最佳食用时间的流程示意图。

例如，当前需要对冰箱中的食品的最佳食用时间进行确定时，统计前n天该时段内的食品保鲜数据，得到食品的最佳食用时间。将冰箱动态调节到最适温度，根据确定的食品的最佳食用时间结合用户前n天的饮食习惯，为用户推荐出最合理的食品搭配。

需要说明的是，上述食品模型可以构于云平台中，也可以构建在其他可以与设备进行数据交互的服务器中，本发明对此不做过多限定。

本发明可选实施例，在食用策略的确定时，基于云端大数据实现，不受历史食用记录数据量的限制，计算时可覆盖全部的饮食数据；所涉及到算法模型可以根据实际的结果不断就行模型的优化和修正；在时段预测的基础上对食品食用时间进行加权计算，可细化预测到具体食用的时间点。没有结合用户的饮食习惯情况，在相应的时段内，不能推荐出合理的饮食搭配，减轻了设备终端的存储与运算压力，在食品最佳食用时间为用户推荐出最合适的食品搭配，提升了用户体验，进而实现更加准确的预测目标食品的食用时间。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，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，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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。

在本实施例中还提供了一种食用策略的确定装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6是根据本发明实施例的一种食用策略的确定装置的结构框图；如图6所示，包括：

采集模块62，用于采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；

预测模块64，用于将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；

确定模块66，用于在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

通过上述技术方案，采集目标食品的数据信息，其中，数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；将数据信息输入到食品模型中，以得到目标食品的预测食用时间段，其中，食品模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食品的数据信息，以及食品的数据信息对应的食用时间段；在满足预设条件的情况下，根据预测食用时间段向目标对象确定目标食品的食用策略，即通过食品模型对目标食品的数据信息进行分析，进而确定出目标对象对于目标食品的待执行的食用策略，采用上述技术方案，解决了相关技术中，无法根据待食用的目标食品的数据信息为目标对象确定相应的食用策略等问题，通过建立的食品模型实现对于目标对象的饮食行为的预测，进而确保目标对象可以在保证健康饮食行为的情况下，对目标食品进行搭配食用，使得目标对象的饮食行为更加科学，避免了设备本身的硬件条件对于食用策略的影响。

在一个示例性的实施例中，上述确定模块，用于获取所述目标对象的饮食列表，其中，所述饮食列表用于指示根据目标对象的历史食用记录，且所述历史食用记录用于指示不同食品的食用时间段；从所述饮食列表中获取所述目标食品对应的目标食用时间段；在所述预测食用时间段小于所述目标食用时间段的情况下，指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

简而言之，为了更好的实现对不同目标食品的食用策略的推荐，通过对云平台中存储的目标对象的历史食用记录进行处理，将历史食用记录中的食品品类与食用时间提取出来，并一一对应不同食品对应的食用时间，确定出每一个食品的食用时间段，继而根据存储食品的家电设备向云平台传输的目标对象的历史食用记录，确定出关于该家电设备的目标对象的饮食列表，进而将食品模型预测出的目标食品的预测食用时间段与饮食列表的目标食用时间段进行匹配，在预测食用时间段小于目标食用时间段的情况下，指示目标对象在预测食用时间段内处理完目标食品，以使预测食用时间段更加符合目标对象的食用习惯。

需要说明的是，当目标对象同时绑定了多个用于存储食品的家电设备时，只要当前设备可以将目标对象对于食品的历史使用数据上传云平台，基于历史食用记录确定的用于预测目标对象下一次食用目标食品的食品模型，将会包含当前设备，使得食品模型可以覆盖目标对象的较多的饮食方式。

在一个示例性的实施例中，上述确定模块，还用于在所述预测食用时间段大于所述目标食用时间段的情况下，指示所述目标对象在所述目标食用时间段内处理完所述目标食品。

可以理解的是，当预测食用时间段大于目标食用时间段时，说明目标对象的饮食习惯发生了改变，或者当前家电设备对应的历史食用记录中包含多个目标对象的食用记录，此时，为了保证目标对象饮食方式的一致性，指示目标对象在饮食列表中匹配出的目标食用时间段内处理完所述目标食品。

在一个示例性的实施例中，上述确定模块，还用于确定从所述饮食列表中未获取所述目标食品对应的目标食用时间段；指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

简而言之，在确定从饮食列表中未获取目标食品对应的目标食用时间段时，说明建立当前食品模型时使用的历史食用记录未包括目标食品的历史食用记录，进而在食品模型预测出目标食品的预测食用时间段后，推荐目标对象在预测食用时间段内处理完目标食品。

在一个示例性的实施例中，上述装置还包括：指示模块，用于接收目标对象对应的终端发送的指示信息，其中，所述指示信息用于指示所述终端在目标时间段内允许接收推送信息，所述推送信息用于向所述目标对象推送所述食用策略；在所述目标时间段内，向所述终端发送所述食用策略。

例如，目标对象不可能在24小时都接收食用策略，并依据食用策略进行目标食品的食用，因此，需要根据目标对象设定的可推送时间段进行食用策略的推送，使得通过食用模型确定出的食用策略可以被目标对象成功的获取，减少了非推送时间推送信息对于目标对象的打扰。

在一个示例性的实施例中，上述装置还包括：质量模块，用于获取所述目标食品在多个时间周期的质量，其中，所述多个时间周期的时间位于所述保质期之前；对所述多个时间周期的质量加权计算，以确定所述目标食品的最佳食用时间。

例如，当前需要对冰箱中的食品的最佳食用时间进行确定时，统计前n天该时段内的食品保鲜数据，得到食品的最佳食用时间。将冰箱动态调节到最适温度，根据确定的食品的最佳食用时间结合用户前n天的饮食习惯，为用户推荐出最合理的食品搭配。

在一个示例性的实施例中，在上述装置还包括：比较模块，用于获取所述目标对象食用目标食品的实际时间；在所述实际时间与所述预测食用时间段的第一边界值不一致的情况下，将所述实际时间和所述预测食用时间段的第二边界值所组成的时间集合作为所述目标食品的食用时间段，其中，所述预测食用时间段包括：所述第一边界值和所述第二边界值。

为了保证食品模型预测的准确性，当目标对象食用目标食品的实际时间超出预测食用时间段的边界最大值(即第一边界值)，此时，将当实际时间作为该食品之后预测的预测食用时间段的边界最大值，结合预测食用时间段的边界最小值(即第二边界值)对目标食品的食用时间段的时间集合进行更新，使得食品模型可以根据实际情况进行灵活调整与修正。

本发明的实施例还提供了一种存储介质，该存储介质包括存储的程序，其中，上述程序运行时执行上述任一项的方法。

在一个示例性实施例中，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；

S2，将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；

S3，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

在一个示例性实施例中，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

在一个示例性实施例中，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；

S2，将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；

S3，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

在一个示例性实施例中，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，在一个示例性实施例中，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种食用策略的确定方法，其特征在于，包括：

采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；

将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；

在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

2.根据权利要求1所述的食用策略的确定方法，其特征在于，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略，包括：

获取所述目标对象的饮食列表，其中，所述饮食列表用于指示根据目标对象的历史食用记录，且所述历史食用记录用于指示不同食品的食用时间段；

从所述饮食列表中获取所述目标食品对应的目标食用时间段；

在所述预测食用时间段小于所述目标食用时间段的情况下，指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

3.根据权利要求2所述的食用策略的确定方法，其特征在于，从所述饮食列表中获取所述目标食品对应的目标食用时间段之后，所述方法还包括：

在所述预测食用时间段大于所述目标食用时间段的情况下，指示所述目标对象在所述目标食用时间段内处理完所述目标食品。

4.根据权利要求2所述的食用策略的确定方法，其特征在于，所述方法还包括：

确定从所述饮食列表中未获取所述目标食品对应的目标食用时间段；

指示所述目标对象在所述预测食用时间段内处理完所述目标食品。

5.根据权利要求1所述的食用策略的确定方法，其特征在于，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法包括：

接收目标对象对应的终端发送的指示信息，其中，所述指示信息用于指示所述终端在目标时间段内允许接收推送信息，所述推送信息用于向所述目标对象推送所述食用策略；

在所述目标时间段内，向所述终端发送所述食用策略。

6.根据权利要求1所述的食用策略的确定方法，其特征在于，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法还包括：

获取所述目标食品在多个时间周期的质量，其中，所述多个时间周期的时间位于所述保质期之前；

对所述多个时间周期的质量加权计算，以确定所述目标食品的最佳食用时间。

7.根据权利要求1所述的食用策略的确定方法，其特征在于，在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略之后，所述方法还包括：

获取所述目标对象食用目标食品的实际时间；

在所述实际时间与所述预测食用时间段的第一边界值不一致的情况下，将所述实际时间和所述预测食用时间段的第二边界值所组成的时间集合作为所述目标食品的食用时间段，其中，所述预测食用时间段包括：所述第一边界值和所述第二边界值。

8.一种食用策略的确定装置，其特征在于，包括：

采集模块，用于采集目标食品的数据信息，其中，所述数据信息包含以下至少之一：目标食品的保质期、目标食品的营养成分表；

预测模块，用于将所述数据信息输入到食品模型中，以得到所述目标食品的预测食用时间段，其中，所述食品模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食品的数据信息，以及所述食品的数据信息对应的食用时间段；

确定模块，用于在满足预设条件的情况下，根据所述预测食用时间段向目标对象确定所述目标食品的食用策略。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至7任一项中所述的方法。

Images