CN113688719A - 一种智能餐厨管理系统、其数据处理方法及介质 - Google Patents
一种智能餐厨管理系统、其数据处理方法及介质 Download PDFInfo
- Publication number
- CN113688719A CN113688719A CN202110968818.2A CN202110968818A CN113688719A CN 113688719 A CN113688719 A CN 113688719A CN 202110968818 A CN202110968818 A CN 202110968818A CN 113688719 A CN113688719 A CN 113688719A
- Authority
- CN
- China
- Prior art keywords
- diner
- kitchen
- image
- optical disc
- information
- 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
- 238000003672 processing method Methods 0.000 title claims description 13
- 230000003287 optical effect Effects 0.000 claims abstract description 75
- 238000005303 weighing Methods 0.000 claims abstract description 35
- 235000013305 food Nutrition 0.000 claims abstract description 32
- 238000005516 engineering process Methods 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 235000012054 meals Nutrition 0.000 claims abstract description 25
- 235000016709 nutrition Nutrition 0.000 claims abstract description 24
- 230000035764 nutrition Effects 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000036541 health Effects 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 9
- 235000006694 eating habits Nutrition 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 239000010806 kitchen waste Substances 0.000 claims description 56
- 244000218514 Opuntia robusta Species 0.000 claims description 27
- 235000003166 Opuntia robusta Nutrition 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 235000005686 eating Nutrition 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000009471 action Effects 0.000 abstract description 12
- 230000007613 environmental effect Effects 0.000 abstract description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 abstract description 5
- 229910052799 carbon Inorganic materials 0.000 abstract description 5
- 235000021186 dishes Nutrition 0.000 description 12
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 240000008042 Zea mays Species 0.000 description 3
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 3
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 235000005822 corn Nutrition 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000021158 dinner Nutrition 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 235000014347 soups Nutrition 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 1
- 240000008384 Capsicum annuum var. annuum Species 0.000 description 1
- 241000238557 Decapoda Species 0.000 description 1
- 239000004278 EU approved seasoning Substances 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000019688 fish Nutrition 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000005417 food ingredient Substances 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 239000010794 food waste Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000000926 separation method Methods 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
Images
Classifications
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能餐厨管理系统,包括:智能点单模块根据用餐者的人脸识别信息统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;营养分析模块对用餐者的点餐信息进行餐品营养分析;光盘识别模块采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;大数据分析模块根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。该系统将光盘行动由原有意识宣传层面有效转化为可衡量、可记录、可追溯、可落地的行动,从而提升用餐者的环保意识,减少碳排放,优化和降低餐厅管理的成本。
Description
技术领域
本发明涉及智能餐厨管理技术领域,具体涉及一种智能餐厨管理系统、其数据处理方法及介质。
背景技术
在目前的企业或事业单位职员、学生食堂内,以及以盈利为目的的餐厅中,自助、套餐、窗口是较为常见的三种传统点餐模式。其中:自助模式:服务员按份打菜并放在窗口,顾客根据自己的喜好按份拿菜,并盛放在托盘上选好菜后,集中在收银台由收银员人工核算整单总价;套餐模式:在规定的套餐中选择菜品,并由服务员打菜备餐,由收银员按不同套餐价格结算;窗口模式:就餐者在多个窗口排队选菜,并由服务员打菜,选完菜后由服务员计算总额,提醒就餐者结算。
上述三种点餐模式下,大多采用人工结算,由此存在结算不准确,缺乏对餐品销售、后厨管理、餐后厨余等相关信息进行分析的功能,对餐后光盘的判断目前也仅限于用餐者拍照自行上传微信小程序等方法,无法实现数据持续有效准确的记录、衡量和判断,也无法真正实现厉行节约和低碳环保的目标。
近两年市场上出现有基于RFID射频技术开发的自助结算系统,但是该系统在实际应用时,需要将餐厅中的传统碗碟更换为具有RFID射频的碗碟,因此在现有餐厅中存在RFID技术操作比较繁琐,每一道菜品需要操作人员进行RFID设备写入芯片,并读取,对操作人员的要求较高,操作过程复杂;RFID设备及含有射频芯片碗碟的需求量大,成本高,破损率高;而且不耐高温,容易被酸、碱调料腐蚀;RFID设备在现场管理中,存在结算的盲点,即所有结账需要同学自觉进行;在学校实际操作中,需要不断加强疏导管理,产生较高的额外成本。
发明内容
针对现有技术中的不足,本发明实施例提供的一种智能餐厨管理系统、其数据处理方法及介质,结合人脸识别技术、光盘识别技术和大数据分析,提升用餐者的环保意识,减少碳排放,优化和降低餐厅管理的成本。
第一方面,本发明实施例提供的一种智能餐厨管理系统,包括:人脸识别模块、智能点单模块、营养分析模块、光盘识别模块和大数据分析模块,
所述人脸识别模块用于采集和识别用餐者的人脸图像;
所述智能点单模块用于根据用餐者的人脸识别信息统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;
所述营养分析模块用于对用餐者的点餐信息进行餐品营养分析,根据个人健康管理信息提供餐品推荐和消耗类比数据参考;
所述光盘识别模块采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;
所述大数据分析模块根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。
第二方面,本发明实施例提供的一种智能餐厨管理系统的数据处理方法,包括以下步骤:
采集并识别用餐者的人脸图像;
根据用餐者的人脸图像统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;
对用餐者的点餐信息进行餐品营养分析,根据个人健康管理信息提供餐品推荐和消耗类比数据参考;
采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;
根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。
第三方面,本发明实施例提供的一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法步骤。
本发明的有益效果:
本发明实施例提供的一种智能餐厨管理系统、其数据处理方法及介质,通过人脸识别技术获取用餐者的信息,根据用餐者的信息获取其点餐相关信息,在用餐后对剩余的厨余物的克重进行识别,将光盘行动由原有意识宣传层面有效转化为可衡量、可记录、可追溯、可分析的行为和操作,助力光盘行动落在实处,提升用餐者的环保意识,减少碳排放,降低餐厅管理的成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明第一实施例所提供的一种智能餐厨管理系统的结构框图;
图2示出了本发明另一实施例所提供的一种智能餐厨管理系统的数据处理方法的流程图。
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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明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发明。如在本发明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。
还应当进一步理解,本发明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。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,示出了本发明第一实施例所提供的一种智能餐厨管理系统的结构框图,该系统包括:人脸识别模块、智能点单模块、营养分析模块、光盘识别模块和大数据分析模块,所述人脸识别模块用于采集和识别用餐者的人脸图像;所述智能点单模块用于根据用餐者的人脸识别信息统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;所述营养分析模块用于对用餐者的点餐信息进行餐品营养分析,根据个人健康管理信息提供餐品推荐和消耗类比数据参考;所述光盘识别模块采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;所述大数据分析模块根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。
其中,人脸识别模块采集用餐者的人脸图像,便于在后台记录该用餐者的基本信息和点餐信息,可以根据人脸图像统计该用餐者的所有行为数据;本模块采用人脸离线识别SDK技术,实现本地化的人脸信息储存和对比识别,最大限度确保数据的安全性和稳定性;该模块功能也可采用二维码或就餐卡形式实现。通过智能点单模块,用餐者可以自助点餐,也可以通过小程序预定餐品。智能点单模块获取用餐者的点餐信息、统计消费信息和结算信息,获取热销菜品、推荐菜单、满意度指数等后厨管理优化信息。营养分析模块根据用餐者的点餐信息,分析餐品中所含的蛋白质、碳水化合物、脂肪和卡路里数据等,营养分析模块获取个人健康管理信息,根据个人健康管理信息提供餐品推荐和消耗类比数据参考。光盘识别模块通过多种技术结合判断是否光盘,判断结果更加准确。大数据分析模块对点餐信息进行分析得到餐品的销售情况和后厨管理优化方案,对用餐者的用餐信息进行分析得到关于用餐者的用餐的相关信息,根据光盘分析数据进行分析得到光盘的相关信息。将光盘行动由原有意识宣传层面有效转化为可衡量、可记录、可追溯、可分析的行为和操作,助力光盘行动落在实处。
在本发明的另一实施例中,光盘识别模块还包括智能称重单元,所述智能称重单元包括人脸检测子单元、厨余称重子单元和分析子单元,所述人脸检测子单元用于采集倾倒厨余物的用餐者的人脸图像,所述厨余称重子单元在每次称重时先复位清零后再对该用餐者的厨余物进行称重,所述分析子单元用于根据倾倒厨余物的用餐者的人脸图像获取点餐用餐者的点餐信息,根据点餐信息、厨余物的重量和餐品的厨余物阈值分析出是否为光盘。餐品的厨余物阈值根据互联网营养膳食数据库并结合不同区域的厨余物特征值进行设定。厨余称重子单元在每次称重之前会进行复位清零,这样可以保证称重的重量是本次的厨余物的重量,并且对厨余物进行准确测量,能精确到1克-100千克范围。例如:用餐者A在点餐时点的菜品包括玉米排骨汤、青椒肉丝、炒土豆丝和米饭,用餐者A在倾倒厨余物时,人脸检测子单元检测到人脸图像,根据人脸图像去获取用户的点餐信息,分析子单元根据菜品判断剩下的玉米核和排骨的骨头等厨余物,根据互联网营养膳食数据库设定好的玉米排骨汤的厨余物阈值是50~60克,另外3种餐品的厨余物阈值合计为10克,若在称重时得到的厨余物重量为70克,智能称重单元判定用餐者A此次是光盘;若在称重时得到的厨余物重量为85克,智能称重单元判定用餐者A此次不是光盘。
光盘识别模块还包括图像获取单元,所述图像获取单元用于获取餐盘和餐盘内的厨余物拍摄的图像,得到餐盘图像和厨余物图像。智能称重单元还包括超声波测距子单元,所述超声波测距子单元用于检测用餐者倾倒厨余物是否倾倒完毕。超声波测距子单元通过超声波发射信号和接收信号的时间差来判断是否有人在倾倒厨余物,超声波测距子单元可以对近距离0.1m~1.4m距离内的人体进行检测,当发现这个距离内有遮挡物/障碍物,则判断为厨余物倾倒未结束,在超声波测距子单元近距离0.1m~1.4m范围内无障碍物时间超过3秒或以上,则判断倾倒动作结束。智能称重单元结合人脸检测子单元和超声波测距子单元对用餐者倾倒厨余物进行检测,能准确检测用餐者倾倒厨余物是否倾倒完毕。
光盘识别模块还包括智能图像识别单元,所述智能图像识别单元对用餐者倾倒的餐盘图像分区,将提取出的餐盘中厨余物图像与点餐时的餐品图像进行比较,根据厨余物所占分区的比例、厨余物的颜色和大小变化来判断是否为光盘。智能图像识别单元识别出餐盘中的厨余物的方法包括:先对获取的用餐者倾倒的餐盘图像采用引导滤波进行预处理,在采用SLIC超像素聚类做初始分割并以超像素为基础构建图模型,利用局部变分的思想进一步聚合超像素使之形成不同的区域,最后利用区域分析的方法提取属于厨余物的区域,把不属于厨余物的区域统一归类为背景,得到最终的分割结果,即得到厨余物。引导滤波具有良好的边缘保护和噪声移除特性,当实用倾倒的餐盘图像作为引导图像时,能够模糊每个盘子内的所有食品成分,同时保证每个盘子的边缘信息仍然存在。引导滤波有利于图像的后续处理补正,能形成更加贴合餐品整体边缘的超像素。由于餐品特征变化大,基于像素点提取的低阶特征会导致分割结果产生很多噪点,分割完整性差。超像素是特征相似的相邻像素点的集合,是图像的高阶特征表示,采用超像素代替像素点,能捕获更加丰富的餐品高阶特征,使分割的边缘更加平滑、分割的结果更加完整。利用局部变分的思想进一步聚合超像素使之形成不同的区域,对形成的不同区域采用区域分析的方法进行前景和背景区域划分。区域分析方法具体包括:区域形状分析、包含关系检测、区域分裂、区域合并、矩形度分析和孤立区域判定,经过这几个步骤能有效地从倾倒的厨余物图像中提取出各种厨余物的图像,根据厨余物所占分区的比例、厨余物的颜色和大小的变化来判断是否为光盘。
光盘识别模块包括人工智能识别单元,所述人工智能识别单元基于谷歌开源的深度学习工具包Tensorflow Object Detection API,并对多线程,读取视频流;多进程,加载物体识别模型进行部分结构微调,达到食品和厨余物识别的功能,训练平台采用百度AIStudio;在此基础上,我们开发了基于深度学习的厨余物识别模型,开发了移动端、后端应用系统,并通过软硬件结合的形式进行部署。
首先,盛载菜品食物的碗盘器具基本是圆形的,因此对餐盘图像去噪后用霍夫圆变换实现对菜品碗盘位置的检测,实现碗盘分离。霍夫变换是图像处理中的一种特征提取技术,该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。其次,厨余物识别将厨余物分为谷物/肉类/鱼虾/蛋奶/水果蔬菜/其它等六种类型,每个分类通过收集实验餐厅上千张图片,并通过图像增广处理来扩大每一分类的菜品的数据集,也减少了在实际环境下光线等环境因素对识别效果的影响。由神经网络(Tensorflow Object Detection API)进行训练;光盘预测判断主要分为四步:第一步:配置预测环境;第二步:预处理预测图像,对预测图片进行裁剪和缩放,调整大小为[3,224,224];,通过预训练词向量模型对文本进行转换,处理为索引集结果;第三步:加载预测模型并将预测文本放入模型进行预测;第四步:输出光盘预测结果,确定结果所属类别;若神经网络得到的预测判断结果与智能图像识别单元或智能称重单元的判断结果不同,则判定为识别错误或有待确认的图像,将该图像输入错题进一步训练神经网络。
在本发明另一实施例中,系统还包括后勤管理模块,所述后勤管理模块用于记录原料的进货信息、统计销售数据、热销菜品和成本数据。后勤管理模块记录原料的进货信息,可以做到食品溯源,让用餐者放心食用,统计餐品消费类别,早中晚的销售情况,各个时间段的销售情况,根据销售情况可以了解热销菜品和计算成本数据,有利于餐厅管理。
本发明实施例提供的一种智能餐厨管理系统,通过人脸识别技术获取用餐者的信息,根据用餐者的信息获取其点餐相关信息,在用餐后对剩余的厨余物的多少进行识别,将光盘行动由原有意识宣传层面有效转化为可衡量、可记录、可追溯、可分析的行为和操作,助力光盘行动落在实处,提升用餐者的环保意识,减少碳排放,降低餐厅管理的成本。
在上述的第一实施例中,提供了一种智能餐厨管理系统,与之相对应的,本申请还提供一种智能餐厨管理系统的数据处理方法。请参考图2,其为本发明第另一实施例提供的一种智能餐厨管理系统的数据处理方法的流程图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图2所示,示出了本发明另一实施例提供的一种智能餐厨管理系统的数据处理方法的流程图,包括以下步骤:
采集并识别用餐者的人脸图像;
根据用餐者的人脸图像统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;
对用餐者的点餐信息进行餐品营养分析,根据个人健康管理信息提供餐品推荐和消耗类比数据参考;
采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;
根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。
其中,采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘具体包括:
采集倾倒厨余物的用餐者的人脸图像;
在每次称重时先复位清零后再对此次的厨余物进行称重;
根据倾倒厨余物的用餐者的人脸图像获取点餐用餐者的点餐信息,根据点餐信息、厨余物的重量和预先设定餐品的厨余物阈值分析出是否为光盘,得到第一判断结果;
对用餐者倾倒的餐盘图像分区,将餐盘中厨余物与点餐时的餐品图像进行比较,根据厨余物所占分区的比例、厨余物的颜色和大小来判断是否为光盘,得到第二判断结果;
采用卷积神经网络对用餐者倾倒的餐盘图像及餐盘中的厨余物进行识别,判断是否为光盘,得到第三判断结果,并将第三判断结果分别与第一判断结果和第二判断结果进行比较,若第三判断结果与第一判断结果或第二判断结果不同,则判定为识别错误或有待确认的图像,将该图像输入错题集中进一步训练。
以上,为本发明第二实施例提供的一种智能餐厨管理系统的数据处理方法的实施例说明。
本发明提供的一种智能餐厨管理系统的数据处理方法与上述一种智能餐厨管理系统出于相同的发明构思,具有相同的有益效果,此处不再赘述。
在本发明还提供一种计算机可读存储介质的实施例,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
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,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种智能餐厨管理系统,其特征在于,包括:人脸识别模块、智能点单模块、营养分析模块、光盘识别模块和大数据分析模块,
所述人脸识别模块用于采集和识别用餐者的人脸图像;
所述智能点单模块用于根据用餐者的人脸识别信息统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;
所述营养分析模块用于对用餐者的点餐信息进行餐品营养分析,根据个人健康管理信息提供餐品推荐和消耗类比数据参考;
所述光盘识别模块采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;
所述大数据分析模块根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。
2.如权利要求1所述的系统,其特征在于,所述光盘识别模块包括智能称重单元,所述智能称重单元包括人脸检测子单元、厨余称重子单元和分析子单元,所述人脸检测子单元用于采集倾倒厨余物的用餐者的人脸图像,所述厨余称重子单元在每次称重时先复位清零后再对此次的厨余物进行称重,所述分析子单元用于根据倾倒厨余物的用餐者的人脸图像获取点餐用餐者的点餐信息,根据点餐信息、厨余物的重量和餐品的厨余物阈值综合分析出是否为光盘。
3.如权利要求2所述的系统,其特征在于,所述光盘识别模块还包括图像获取单元,所述图像获取单元用于获取餐盘和餐盘内的厨余物拍摄的图像,得到餐盘图像和厨余物图像。
4.如权利要求2或3所述的系统,其特征在于,所述智能称重单元还包括超声波测距子单元,所述超声波测距子单元用于检测用餐者倾倒厨余物是否倾倒完毕。
5.如权利要求4所述的系统,其特征在于,所述光盘识别模块还包括智能图像识别单元,所述智能图像识别单元对用餐者倾倒的餐盘图像分区,将提取出的餐盘中厨余物图像与点餐时的餐品图像进行比较,根据厨余物所占分区的比例、厨余物的颜色和大小变化来判断是否为光盘。
6.如权利要求5所述的系统,其特征在于,所述光盘识别模块包括人工智能识别单元,所述人工智能识别单元采用卷积神经网络对用餐者倾倒的餐盘图像及餐盘中的厨余物图像进行识别,判断是否为光盘,并将判断结果分别与智能图像识别单元和智能称重单元的判断结果进行比较,若神经网络得到的判断结果与智能图像识别单元或智能称重单元的判断结果不同,则判定为识别错误或有待确认的图像,将该图像输入错题进行进一步训练神经网络。
7.如权利要求1所述的系统,其特征在于,所述系统还包括后勤管理模块,所述后勤管理模块用于记录原料的进货信息、统计销售数据、热销菜品和成本数据。
8.一种智能餐厨管理系统的数据处理方法,其特征在于,包括以下步骤:
采集并识别用餐者的人脸图像;
根据用餐者的人脸图像统计点餐信息、管理用餐者的信息、餐品预定信息、消费信息及后厨管理优化;
对用餐者的点餐信息进行餐品营养分析,根据个人健康管理信息提供餐品推荐和消耗类比数据参考;
采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘;
根据点餐信息分析餐品销售情况和后厨管理优化方案,根据用餐信息分析用餐者的用餐习惯、营养健康和满意度评价,根据光盘数据分析光盘餐品的种类、光盘的人数、用餐人数和用餐时段。
9.如权利要求8所述的方法,其特征在于,所述采用智能称重技术、智能图像识别和人工智能识别技术来判断是否光盘具体包括:
采集倾倒厨余物的用餐者的人脸图像;
在每次称重时先复位清零后再对该用餐者的厨余物进行称重;
根据倾倒厨余物的用餐者的人脸图像获取点餐用餐者的点餐信息,根据点餐信息、厨余物的重量和餐品的厨余物阈值分析出是否为光盘,得到第一判断结果;
对用餐者倾倒的餐盘图像分区,将提取出的餐盘中厨余物图像与点餐时的餐品图像进行比较,根据厨余物所占分区的比例、厨余物的颜色和大小变化来判断是否为光盘,得到第二判断结果;
采用卷积神经网络对用餐者倾倒的餐盘图像及餐盘中的厨余物图像进行识别,判断是否为光盘,得到第三判断结果,并将第三判断结果分别与第一判断结果和第二判断结果进行比较,若第三判断结果与第一判断结果或第二判断结果不同,则判定为识别错误或有待确认的图像,将该图像输入错题进一步训练神经网络。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行权利要求8-9任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110968818.2A CN113688719A (zh) | 2021-08-23 | 2021-08-23 | 一种智能餐厨管理系统、其数据处理方法及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110968818.2A CN113688719A (zh) | 2021-08-23 | 2021-08-23 | 一种智能餐厨管理系统、其数据处理方法及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113688719A true CN113688719A (zh) | 2021-11-23 |
Family
ID=78581998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110968818.2A Pending CN113688719A (zh) | 2021-08-23 | 2021-08-23 | 一种智能餐厨管理系统、其数据处理方法及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113688719A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115147A (zh) * | 2022-08-30 | 2022-09-27 | 深圳鸿博智成科技有限公司 | 一种基于人工智能的营养餐运输管理系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689455A (zh) * | 2019-09-04 | 2020-01-14 | 国家电网公司高级培训中心 | 一种智慧餐盘和智慧餐盘系统 |
CN110931109A (zh) * | 2019-12-06 | 2020-03-27 | 杭州雄伟科技开发股份有限公司 | 一种饮食情况分析方法及系统 |
CN111261259A (zh) * | 2020-01-06 | 2020-06-09 | 王睿琪 | 一种控制营养素摄入的方法、系统、后台及显示终端 |
CN111666893A (zh) * | 2020-06-08 | 2020-09-15 | 上海明略人工智能(集团)有限公司 | 一种点餐处理方法及装置 |
CN112289407A (zh) * | 2020-09-27 | 2021-01-29 | 深圳市科拜斯物联网科技有限公司 | 基于健康管理的餐饮管理的方法、系统、装置和存储介质 |
CN112329866A (zh) * | 2020-11-10 | 2021-02-05 | 青岛市疾病预防控制中心(青岛市预防医学研究院) | 一种餐厅智能健康点餐系统及方法 |
CN112700352A (zh) * | 2020-12-31 | 2021-04-23 | 珠海市远利网讯科技发展有限公司 | 一种智慧餐厅的自助管理系统及方法 |
CN113032460A (zh) * | 2021-03-24 | 2021-06-25 | 中国长江电力股份有限公司 | 一种全过程数据分析的食堂点餐备餐系统及数据分析方法 |
-
2021
- 2021-08-23 CN CN202110968818.2A patent/CN113688719A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689455A (zh) * | 2019-09-04 | 2020-01-14 | 国家电网公司高级培训中心 | 一种智慧餐盘和智慧餐盘系统 |
CN110931109A (zh) * | 2019-12-06 | 2020-03-27 | 杭州雄伟科技开发股份有限公司 | 一种饮食情况分析方法及系统 |
CN111261259A (zh) * | 2020-01-06 | 2020-06-09 | 王睿琪 | 一种控制营养素摄入的方法、系统、后台及显示终端 |
CN111666893A (zh) * | 2020-06-08 | 2020-09-15 | 上海明略人工智能(集团)有限公司 | 一种点餐处理方法及装置 |
CN112289407A (zh) * | 2020-09-27 | 2021-01-29 | 深圳市科拜斯物联网科技有限公司 | 基于健康管理的餐饮管理的方法、系统、装置和存储介质 |
CN112329866A (zh) * | 2020-11-10 | 2021-02-05 | 青岛市疾病预防控制中心(青岛市预防医学研究院) | 一种餐厅智能健康点餐系统及方法 |
CN112700352A (zh) * | 2020-12-31 | 2021-04-23 | 珠海市远利网讯科技发展有限公司 | 一种智慧餐厅的自助管理系统及方法 |
CN113032460A (zh) * | 2021-03-24 | 2021-06-25 | 中国长江电力股份有限公司 | 一种全过程数据分析的食堂点餐备餐系统及数据分析方法 |
Non-Patent Citations (1)
Title |
---|
苏国炀: "基于图像的中餐菜品分割与识别", 《中国优秀硕士学位论文全文数据库 工程科技I辑》, 31 January 2020 (2020-01-31), pages 29 - 51 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115147A (zh) * | 2022-08-30 | 2022-09-27 | 深圳鸿博智成科技有限公司 | 一种基于人工智能的营养餐运输管理系统及方法 |
CN115115147B (zh) * | 2022-08-30 | 2022-12-02 | 深圳鸿博智成科技有限公司 | 一种基于人工智能的营养餐运输管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aguilar et al. | Grab, pay, and eat: Semantic food detection for smart restaurants | |
He et al. | DietCam: multiview food recognition using a multikernel SVM | |
Kong et al. | DietCam: Automatic dietary assessment with mobile camera phones | |
US20160063692A1 (en) | Automated Food Recognition and Nutritional Estimation With a Personal Mobile Electronic Device | |
CN110059654A (zh) | 一种基于细粒度识别的菜品自动结算及饮食健康管理方法 | |
CN104269003A (zh) | 一种食物识别方法、装置及系统 | |
Bruno et al. | A survey on automated food monitoring and dietary management systems | |
Aslan et al. | Benchmarking algorithms for food localization and semantic segmentation | |
CN111080493B (zh) | 一种菜品信息识别方法、装置及菜品自助结算系统 | |
US11823042B2 (en) | System for measuring food weight | |
Mariappan et al. | Personal dietary assessment using mobile devices | |
CN112329866A (zh) | 一种餐厅智能健康点餐系统及方法 | |
Rahmana et al. | A new texture feature for improved food recognition accuracy in a mobile phone based dietary assessment system | |
CN116168804B (zh) | 一种基于his系统的病患膳食推荐系统与方法 | |
CN113688719A (zh) | 一种智能餐厨管理系统、其数据处理方法及介质 | |
Poply et al. | Refined image segmentation for calorie estimation of multiple-dish food items | |
Pouladzadeh et al. | Intelligent SVM based food intake measurement system | |
KR102326540B1 (ko) | 음식 영상을 이용한 영양관리 및 질병관리 방법 | |
CN110675021A (zh) | 一种厨余垃圾处理方法和装置 | |
US20210397648A1 (en) | A method and system for classifying food items | |
RU2724797C1 (ru) | Кассовая система и способ для идентификации блюд на подносе | |
US11562338B2 (en) | Automated point of sale systems and methods | |
EP3964793A1 (en) | Food measurement method, device, and program | |
CN115516519A (zh) | 用于视觉感知的基于层次的对象识别的方法和装置 | |
CN111415328B (zh) | 物品分析数据确定方法、装置、电子设备 |
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 |