CN115759155B - 一种基于校园团餐机的计费方法与装置 - Google Patents
一种基于校园团餐机的计费方法与装置 Download PDFInfo
- Publication number
- CN115759155B CN115759155B CN202211470400.XA CN202211470400A CN115759155B CN 115759155 B CN115759155 B CN 115759155B CN 202211470400 A CN202211470400 A CN 202211470400A CN 115759155 B CN115759155 B CN 115759155B
- Authority
- CN
- China
- Prior art keywords
- dishes
- dish
- student
- weight
- charging
- 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 29
- 235000012054 meals Nutrition 0.000 title claims abstract description 27
- 235000004280 healthy diet Nutrition 0.000 claims abstract description 24
- 235000021186 dishes Nutrition 0.000 claims description 178
- 241000209094 Oryza Species 0.000 claims description 70
- 235000007164 Oryza sativa Nutrition 0.000 claims description 70
- 235000009566 rice Nutrition 0.000 claims description 70
- 235000016709 nutrition Nutrition 0.000 claims description 20
- 235000003166 Opuntia robusta Nutrition 0.000 claims description 17
- 244000218514 Opuntia robusta Species 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000035764 nutrition Effects 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 14
- 238000005303 weighing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 229940088594 vitamin Drugs 0.000 claims description 8
- 229930003231 vitamin Natural products 0.000 claims description 8
- 235000013343 vitamin Nutrition 0.000 claims description 8
- 239000011782 vitamin Substances 0.000 claims description 8
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims description 6
- 229920002472 Starch Polymers 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 229910052708 sodium Inorganic materials 0.000 claims description 6
- 235000015424 sodium Nutrition 0.000 claims description 6
- 239000011734 sodium Substances 0.000 claims description 6
- 235000019698 starch Nutrition 0.000 claims description 6
- 239000008107 starch Substances 0.000 claims description 6
- 150000003722 vitamin derivatives Chemical class 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 235000018102 proteins Nutrition 0.000 claims description 3
- 102000004169 proteins and genes Human genes 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 claims 1
- 235000005911 diet Nutrition 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000001680 brushing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种基于校园团餐机的计费方法与装置，属于计费设备技术领域，具体包括：获取学生打取的菜品的图像，并根据菜品的图像确定所述菜品的种类，并根据菜品的种类确定所述菜品的单价；获取菜品的重量，并根据菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果；读取学生的指纹，基于学生的指纹确定学生的身份，当IC卡对应的学生身份与学生的身份一致时，基于计费结果进行计费；根据学生的身份、菜品的种类、菜品的重量，向学生输出健康饮食建议，从而进一步提升了计费的准确性以及便捷性。
Description
技术领域
本发明属于计费设备技术领域，具体涉及一种基于校园团餐机的计费方法与装置。
背景技术
为了实现对校园餐饮的统一化管理，在校园食堂往往会设置多个校园团餐机，从而实现对餐饮计费以及收费统计的统一化管理，但是一般都需要手动输入，导致有时错误输入从而导致的收费过多或者过少，不仅不够准确，而且极易发生纠纷。
为了解决手动输入的问题，在中国授权公告号CN105938553B发明专利《一种食堂餐盘自动计费方法及系统》中提出了一种食堂餐盘自动计费方法及系统，该系统包括图像获取模块，用于获取餐盘图像，检测模块，用于检测餐盘图像，识别模块，用于识别餐盘图像，计费模块，用于根据图像信息进行价格计费，从而实现了全自动计费的方式，来替代传统食堂的IC卡人工计费，计算准确，极大地提高了食堂的工作效率，但是存在以下技术问题：
1、无法根据菜品的重量进行计费，导致计费的准确率不高；
2、无法解决IC卡盗刷的技术问题，在其它的校园团餐机往往采用固定限额的方式，当大于固定限额的时候，再采用密码验证的方式解决IC卡盗刷的问题，但是不仅不方便而且存在由于忘记密码导致消费失败的问题；
3、无法根据菜品的重量和种类，输出改进建议，从而存在饮食结构不健康导致学生影响不良或者过剩的技术问题。
基于上述技术问题，需要设计一种基于校园团餐机的计费方法与装置。
发明内容
为了解决上述技术问题，本发明提供了本发明的目的是提供一种基于校园团餐机的计费方法与装置。
为了解决上述技术问题，本发明第一方面提供了一种基于校园团餐机的计费方法，包括：
S11获取学生打取的菜品的图像，并根据所述菜品的图像确定所述菜品的种类，并根据所述菜品的种类确定所述菜品的单价；
S12获取所述菜品的重量，并根据所述菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果；
S13读取所述学生的指纹，基于所述学生的指纹确定所述学生的身份，当IC卡对应的学生身份与所述学生的身份一致时，基于所述计费结果进行计费；
S14根据所述学生的身份、所述菜品的种类、所述菜品的重量，向所述学生输出健康饮食建议。
通过首先对菜品的图像进行解析，得到菜品的种类以及单价，并基于菜品的重量、菜品的种类以及单价得到计费结果，然后根据学生的指纹识别得到的学生的身份以及IC卡对应的学生身份一致时，进行计费，并根据学生的身份、菜品的种类、菜品的重量，输出健康饮食建议，从而解决了原来的未能根据菜品的重量、学生的身份识别较为复杂、未能输出健康饮食建议导致的计量不准确、操作复杂、无法提供健康饮食建议的技术问题，从而可以使得计费结果变得更加的准确和便捷，同时也保证了持卡消费时的安全性，并提升了饮食的健康效果。
通过采用图像识别的方式确定菜品的种类以及单价，从而可以较为简单便捷的实现对菜品的识别和认定，并且减少了由于记忆错误或者输入错误导致的计量错误，并且进一步节省了大量的时间。
通过基于菜品的质量得到计费结果，从而进一步提升了计费的准确性和一致性，提升了学生的菜品计费满意度。
通过采用指纹识别的方式对学生的身份进行验证，从而在不需要过多的操作复杂度的基础上，实现了对学生的身份的准确识别，防止了IC卡被盗刷以及需要输入密码带来的操作复杂以及效率较低的问题。
通过根据学生的身份、以及菜品的识别结果，输出健康饮食建议，从而进一步促使学生能够实现健康饮食，也能促进学生合理的营养摄入种类和摄入量，促进学生身体的健康发展。
进一步的技术方案在于，确定菜品的种类的具体步骤为：
S21提取所述菜品的图像，对所述菜品的图像进行HOG特征提取得到菜品HOG特征，并基于所述HOG特征确定所述菜品的种类是否属于米饭类，若否，则进入步骤S22；
S22提取所述菜品的图像，并对所述菜品的图像进行滤波处理得到滤波菜品图像；
S23将所述滤波菜品图像送入到基于Faster RCNN算法的餐盘识别模型对所述菜品的图像中的餐盘种类进行识别，并得到餐盘识别结果；
S24基于所述餐盘识别结果，对所述滤波菜品图像进行背景信息滤除，得到识别菜品图像，并将所述识别菜品图像传输至基于ResNet算法的菜品识别模型中，得到所述菜品的种类。
由于米饭类中的炒饭和米饭容易被误识别，因此必须首先通过HOG特征的提取确认不不属于米饭类，从而在识别之前通过简单的判断，提升了菜品识别的准确性，同时也没有造成过多的资源和时间占用。
通过首先采用Faster RCNN首先识别得到餐盘识别结果，从而可以根据餐盘的实际情况进行重量的计算以及为菜品识别区域的划分奠定了基础，进一步提升了菜品识别的准确性。
通过首先将背景信息滤除后，再采用菜品识别模型进行菜品的种类的识别，进一步提升了菜品的种类的识别的准确性，并且也进一步排除了边缘因素对识别结果的影响。
进一步的技术方案在于，对所述Faster RCNN算法的学习率进行自适应调整，其中自适应调整函数为：
其中K1为权值，其取值范围在0到1之间，K2为权值，取值范围大于1，t为第t次迭代，η(t)为第t次迭代时的学习率，E(t)为第t次迭代时的误差。
通过对学习率的自适应调整，既保证了模型的效率，也提升了模型的稳定性。
进一步的技术方案在于，当所述菜品的种类属于米饭类时，基于炒饭识别模型对所述菜品的种类进行确定，其中所述炒饭识别模型的具体步骤为：
S31基于所述HOG特征确定所述HOG米饭类型，其中所述HOG米饭类型包括炒饭或者白米饭；
S32提取所述菜品的图像，并对所述菜品的图像进行滤波处理得到滤波菜品图像；
S33将所述滤波菜品图像送入到基于Faster RCNN算法的餐盘识别模型对所述菜品的图像中的餐盘种类进行识别，并得到餐盘识别结果；
S34基于所述餐盘识别结果，对所述滤波菜品图像进行背景信息滤除，得到识别菜品图像，并将所述识别菜品图像传输至基于ResNet算法的菜品识别模型中，确定所述米饭类型,其中所述米饭类型包括炒饭或者白米饭；
S35当且仅当所述HOG米饭类型和米饭类型均为白米饭时，输出白米饭识别结果，否则则为炒饭结果。
通过首先根据HOG特征得到HOG米饭类型，并根据菜品识别模型得到米饭类型，从而可以根据两种的识别结果确认得到米饭的类型，进一步提升了米饭的识别的可靠性和准确性，也避免了由于米饭类识别结果错误带来的计费不准确的问题。
进一步的技术方案在于，获取菜品的重量的具体步骤为：
S41基于所述餐盘识别结果，得到所述餐盘的重量；
S42将所述菜品放置于重量测量模块，得到菜品称重重量；
S43基于所述菜品称重重量于所述餐盘的重量获取菜品的重量。
进一步的技术方案在于，所述学生的身份包括所述学生的年龄、性别、体重；
进一步的技术方案在于，输出健康饮食建议的具体步骤为：
S51基于所述学生年龄、性别、体重构建所述学生身份特征；
S52提取所述菜品的种类、所述菜品的重量，并基于所述菜品的种类和所述菜品的重量得到所述菜品的菜品营养含量，所述菜品营养含量包括维生素含量、蛋白质含量、淀粉含量、钠含量；
S53基于所述学生特征，得到所述学生所需的学生营养含量，所述学生营养含量包括维生素、蛋白质、淀粉、钠，并根据所述学生营养含量与所述菜品营养含量输出健康饮食建议。
进一步的技术方案在于，所述学生身份特征的计算公式为：
其中N、X、W、J分别为年龄、性别、体重、基础需求量，X的取值为0或者1，其中0为女生，1为男生，W的单位为Kg，K3、K4、K5为常数。
另一方面，本发明提供了一种基于校园团餐机的计费装置，采用上述的一种基于校园团餐机的计费方法，包括指纹识别模块，图像识别模块，称重模块，IC卡读取模块，计费模块；
其中所述指纹识别模块负责读取所述学生的指纹，基于所述学生的指纹确定所述学生的身份；
所述图像识别模块负责获取学生打取的菜品的图像，并根据所述菜品的图像确定所述菜品的种类，并根据所述菜品的种类确定所述菜品的单价；
所述称重模块负责获取所述菜品的重量；
所述IC卡读取模块负责读取IC卡对应的学生身份；
所述计费模块负责根据所述菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果，当IC卡对应的学生身份与所述学生的身份一致时，基于所述计费结果进行计费，并根据所述学生的身份、所述菜品的种类、所述菜品的重量，向所述学生输出健康饮食建议。
另一方面，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于校园团餐机的计费方法。
另一方面，本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种基于校园团餐机的计费方法。
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种基于校园团餐机的计费方法的流程图；
图2是实施例1中的确定菜品的种类的具体步骤的流程图；
图3是实施例1中的炒饭识别模型的具体步骤的流程图；
图4是实施例1中的获取菜品的重量的具体步骤的流程图；
图5是实施例1中的输出健康饮食建议的具体步骤的流程图；
图6是根据实施例2的一种基于校园团餐机的计费装置的框架图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于校园团餐机的计费方法，包括：
S11获取学生打取的菜品的图像，并根据所述菜品的图像确定所述菜品的种类，并根据所述菜品的种类确定所述菜品的单价；
具体的举个例子，通过图像识别算法对所述菜品的图像进行解析，得到菜品的种类，根据菜品的单价数据库得到所述菜品的种类对应的菜品的单价。
S12获取所述菜品的重量，并根据所述菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果；
具体的举个例子，若菜品的种类为鱼香肉丝，菜品的单价为50元/kg,菜品的重量为200g，则计费结果为10元。
S13读取所述学生的指纹，基于所述学生的指纹确定所述学生的身份，当IC卡对应的学生身份与所述学生的身份一致时，基于所述计费结果进行计费；
S14根据所述学生的身份、所述菜品的种类、所述菜品的重量，向所述学生输出健康饮食建议。
具体的举个例子，若学生的身份为男性，15周岁，体重70Kg，则根据其需要的摄入维生素以及热量的情况，根据菜品的种类以及对应的重量，得到菜品维生素含量以及菜品热量，针对性的输出结果。
通过首先对菜品的图像进行解析，得到菜品的种类以及单价，并基于菜品的重量、菜品的种类以及单价得到计费结果，然后根据学生的指纹识别得到的学生的身份以及IC卡对应的学生身份一致时，进行计费，并根据学生的身份、菜品的种类、菜品的重量，输出健康饮食建议，从而解决了原来的未能根据菜品的重量、学生的身份识别较为复杂、未能输出健康饮食建议导致的计量不准确、操作复杂、无法提供健康饮食建议的技术问题，从而可以使得计费结果变得更加的准确和便捷，同时也保证了持卡消费时的安全性，并提升了饮食的健康效果。
通过采用图像识别的方式确定菜品的种类以及单价，从而可以较为简单便捷的实现对菜品的识别和认定，并且减少了由于记忆错误或者输入错误导致的计量错误，并且进一步节省了大量的时间。
通过基于菜品的质量得到计费结果，从而进一步提升了计费的准确性和一致性，提升了学生的菜品计费满意度。
通过采用指纹识别的方式对学生的身份进行验证，从而在不需要过多的操作复杂度的基础上，实现了对学生的身份的准确识别，防止了IC卡被盗刷以及需要输入密码带来的操作复杂以及效率较低的问题。
通过根据学生的身份、以及菜品的识别结果，输出健康饮食建议，从而进一步促使学生能够实现健康饮食，也能促进学生合理的营养摄入种类和摄入量，促进学生身体的健康发展。
在另外一种可能的实施例中，如图2所示，确定菜品的种类的具体步骤为：
S21提取所述菜品的图像，对所述菜品的图像进行HOG特征提取得到菜品HOG特征，并基于所述HOG特征确定所述菜品的种类是否属于米饭类，若否，则进入步骤S22；
S22提取所述菜品的图像，并对所述菜品的图像进行滤波处理得到滤波菜品图像；
S23将所述滤波菜品图像送入到基于Faster RCNN算法的餐盘识别模型对所述菜品的图像中的餐盘种类进行识别，并得到餐盘识别结果；
S24基于所述餐盘识别结果，对所述滤波菜品图像进行背景信息滤除，得到识别菜品图像，并将所述识别菜品图像传输至基于ResNet算法的菜品识别模型中，得到所述菜品的种类。
由于米饭类中的炒饭和米饭容易被误识别，因此必须首先通过HOG特征的提取确认不不属于米饭类，从而在识别之前通过简单的判断，提升了菜品识别的准确性，同时也没有造成过多的资源和时间占用。
通过首先采用Faster RCNN首先识别得到餐盘识别结果，从而可以根据餐盘的实际情况进行重量的计算以及为菜品识别区域的划分奠定了基础，进一步提升了菜品识别的准确性。
通过首先将背景信息滤除后，再采用菜品识别模型进行菜品的种类的识别，进一步提升了菜品的种类的识别的准确性，并且也进一步排除了边缘因素对识别结果的影响。
在另外一种可能的实施例中，对所述Faster RCNN算法的学习率进行自适应调整，其中自适应调整函数为：
其中K1为权值，其取值范围在0到1之间，K2为权值，取值范围大于1，t为第t次迭代，η(t)为第t次迭代时的学习率，E(t)为第t次迭代时的误差。
通过对学习率的自适应调整，既保证了模型的效率，也提升了模型的稳定性。
在另外一种可能的实施例中，如图3所示，当所述菜品的种类属于米饭类时，基于炒饭识别模型对所述菜品的种类进行确定，其中所述炒饭识别模型的具体步骤为：
S31基于所述HOG特征确定所述HOG米饭类型，其中所述HOG米饭类型包括炒饭或者白米饭；
S32提取所述菜品的图像，并对所述菜品的图像进行滤波处理得到滤波菜品图像；
S33将所述滤波菜品图像送入到基于Faster RCNN算法的餐盘识别模型对所述菜品的图像中的餐盘种类进行识别，并得到餐盘识别结果；
S34基于所述餐盘识别结果，对所述滤波菜品图像进行背景信息滤除，得到识别菜品图像，并将所述识别菜品图像传输至基于ResNet算法的菜品识别模型中，确定所述米饭类型,其中所述米饭类型包括炒饭或者白米饭；
S35当且仅当所述HOG米饭类型和米饭类型均为白米饭时，输出白米饭识别结果，否则则为炒饭结果。
通过首先根据HOG特征得到HOG米饭类型，并根据菜品识别模型得到米饭类型，从而可以根据两种的识别结果确认得到米饭的类型，进一步提升了米饭的识别的可靠性和准确性，也避免了由于米饭类识别结果错误带来的计费不准确的问题。
在另外一种可能的实施例中，如图4所示，获取菜品的重量的具体步骤为：
S41基于所述餐盘识别结果，得到所述餐盘的重量；
S42将所述菜品放置于重量测量模块，得到菜品称重重量；
S43基于所述菜品称重重量于所述餐盘的重量获取菜品的重量。
在另外一种可能的实施例中，所述学生的身份包括所述学生的年龄、性别、体重；
在另外一种可能的实施例中，如图5所示，输出健康饮食建议的具体步骤为：
S51基于所述学生年龄、性别、体重构建所述学生身份特征；
S52提取所述菜品的种类、所述菜品的重量，并基于所述菜品的种类和所述菜品的重量得到所述菜品的菜品营养含量，所述菜品营养含量包括维生素含量、蛋白质含量、淀粉含量、钠含量；
S53基于所述学生特征，得到所述学生所需的学生营养含量，所述学生营养含量包括维生素、蛋白质、淀粉、钠，并根据所述学生营养含量与所述菜品营养含量输出健康饮食建议。
在另外一种可能的实施例中，所述学生身份特征的计算公式为：
其中N、X、W、J分别为年龄、性别、体重、基础需求量，X的取值为0或者1，其中0为女生，1为男生，W的单位为Kg，K3、K4、K5为常数。
实施例2
如图5所示，本发明提供了一种基于校园团餐机的计费装置，采用上述的一种基于校园团餐机的计费方法，包括指纹识别模块，图像识别模块，称重模块，IC卡读取模块，计费模块；
其中所述指纹识别模块负责读取所述学生的指纹，基于所述学生的指纹确定所述学生的身份；
所述图像识别模块负责获取学生打取的菜品的图像，并根据所述菜品的图像确定所述菜品的种类，并根据所述菜品的种类确定所述菜品的单价；
所述称重模块负责获取所述菜品的重量；
所述IC卡读取模块负责读取IC卡对应的学生身份；
所述计费模块负责根据所述菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果，当IC卡对应的学生身份与所述学生的身份一致时，基于所述计费结果进行计费，并根据所述学生的身份、所述菜品的种类、所述菜品的重量，向所述学生输出健康饮食建议。
实施例3
本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于校园团餐机的计费方法。
实施例4
本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种基于校园团餐机的计费方法。
在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。
在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
Claims (7)
1.一种校园团餐机的计费方法，其特征在于，具体包括：
S11基于红外测温装置对学生打取的菜品进行温度测量，获取学生打取的菜品的图像，并根据所述菜品的图像确定所述菜品的种类，并根据所述菜品的种类确定所述菜品的单价；
确定菜品的种类的具体步骤为：
S21 提取所述菜品的图像，对所述菜品的图像进行HOG特征提取得到菜品HOG特征，并基于所述HOG特征确定所述菜品的种类是否属于米饭类，若否，则进入步骤S22;
S22提取所述菜品的图像，并对所述菜品的图像进行滤波处理得到滤波菜品图像;
S23将所述滤波菜品图像送入到基于Faster RCNN算法的餐盘识别模型对所述菜品的图像中的餐盘种类进行识别，并得到餐盘识别结果；
S24基于所述餐盘识别结果，对所述滤波菜品图像进行背景信息滤除，得到识别菜品图像，并将所述识别菜品图像传输至基于ResNet算法的菜品识别模型中，得到所述菜品的种类；
对所述Faster RCNN算法的学习率进行自适应调整，其中自适应调整函数为：其中K1为权值，其取值范围在0到1之间，K2为权值，取值范围大于1，t为第t次迭代，/>为第t次迭代时的学习率，第t次迭代时的误差；
当所述菜品的种类属于米饭类时，基于炒饭识别模型对所述菜品的种类进行确定，其中所述炒饭识别模型的具体步骤为：
S31基于所述HOG特征确定HOG米饭类型，其中所述HOG米饭类型包括炒饭或者白米饭；
S32提取所述菜品的图像，并对所述菜品的图像进行滤波处理得到滤波菜品图像;
S33将所述滤波菜品图像送入到基于Faster RCNN算法的餐盘识别模型对所述菜品的图像中的餐盘种类进行识别，并得到餐盘识别结果；
S34基于所述餐盘识别结果，对所述滤波菜品图像进行背景信息滤除，得到识别菜品图像，并将所述识别菜品图像传输至基于ResNet算法的菜品识别模型中，确定所述米饭类型,其中所述米饭类型包括炒饭或者白米饭；
S35当且仅当所述HOG米饭类型和米饭类型均为白米饭时，输出白米饭识别结果，否则则为炒饭结果；
S12获取所述菜品的重量，并根据所述菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果，并将所述菜品的种类、菜品的单价、菜品的重量、菜品的温度、菜品的总价均进行显示，并通过语音的方式进行菜品的总价、菜品的温度、菜品的种类的提醒；
S13读取所述学生的指纹，基于所述学生的指纹确定所述学生的身份，当IC卡对应的学生身份与所述学生的身份一致时，基于所述计费结果进行计费；
S14根据所述学生的身份、所述菜品的种类、所述菜品的重量，向所述学生输出健康饮食建议。
2.如权利要求1所述的校园团餐机的计费方法，其特征在于，获取菜品的重量的具体步骤为：
S41基于所述餐盘识别结果，得到所述餐盘的重量；
S42将所述菜品放置于重量测量模块，得到菜品称重重量；
S43基于所述菜品称重重量于所述餐盘的重量获取菜品的重量。
3.如权利要求1所述的校园团餐机的计费方法，其特征在于，所述学生的身份包括所述学生的年龄、性别、体重。
4.如权利要求1所述的校园团餐机的计费方法，其特征在于，输出健康饮食建议的具体步骤为：
S51基于学生年龄、性别、体重构建学生身份特征；
S52提取所述菜品的种类、所述菜品的重量，并基于所述菜品的种类和所述菜品的重量得到所述菜品的菜品营养含量，所述菜品营养含量包括维生素含量、蛋白质含量、淀粉含量、钠含量；
S53基于学生身份特征，得到所述学生所需的学生营养含量，所述学生营养含量包括维生素、蛋白质、淀粉、钠，并根据所述学生营养含量与所述菜品营养含量输出健康饮食建议。
5.如权利要求4所述的校园团餐机的计费方法，其特征在于，所述学生身份特征的计算公式为：其中N、X、W、J分别为年龄、性别、体重、基础需求量，X的取值为0或者1，其中0为女生，1为男生，W的单位为Kg，K3、K4、K5为常数。
6.一种校园团餐机，采用权利要求1-5任意一项所述的一种校园团餐机的计费方法，包括显示模块，红外模块，语音模块，指纹识别模块，图像识别模块，称重模块，IC卡读取模块，计费模块；
其中所述显示模块负责进行菜品的种类、菜品的单价、菜品的重量、菜品的温度、菜品的总价的显示；
所述红外模块负责获取所述菜品的温度；
所述语音模块负责通过语音的方式进行菜品的总价、菜品的温度、菜品的种类的提醒；
所述指纹识别模块负责读取所述学生的指纹，基于所述学生的指纹确定所述学生的身份；
所述图像识别模块负责根据菜品的图像确定菜品的种类，并根据菜品的种类确定菜品的单价；
所述称重模块负责获取所述菜品的重量；
所述IC卡读取模块负责读取IC卡对应的学生身份；
所述计费模块负责根据所述菜品的种类、菜品的单价、菜品的重量进行计费得到计费结果，当IC卡对应的学生身份与所述学生的身份一致时，基于所述计费结果进行计费，并根据所述学生的身份、所述菜品的种类、所述菜品的重量，向所述学生输出健康饮食建议。
7.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-5任意一项所述的一种校园团餐机的计费方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211470400.XA CN115759155B (zh) | 2022-11-23 | 2022-11-23 | 一种基于校园团餐机的计费方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211470400.XA CN115759155B (zh) | 2022-11-23 | 2022-11-23 | 一种基于校园团餐机的计费方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115759155A CN115759155A (zh) | 2023-03-07 |
| CN115759155B true CN115759155B (zh) | 2024-04-23 |
Family
ID=85335454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211470400.XA Active CN115759155B (zh) | 2022-11-23 | 2022-11-23 | 一种基于校园团餐机的计费方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115759155B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815780A (zh) * | 2016-12-30 | 2017-06-09 | 南京信息工程大学 | 一种能够根据种类和重量计费的智能餐饮系统 |
| CN109686000A (zh) * | 2019-01-31 | 2019-04-26 | 郭昊然 | 无人快餐售卖机 |
| CN110059654A (zh) * | 2019-04-25 | 2019-07-26 | 台州智必安科技有限责任公司 | 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 |
| CN110349358A (zh) * | 2019-06-13 | 2019-10-18 | 深圳市科拜斯物联网科技有限公司 | 基于健康管理的餐饮结算方法、装置、终端及可读介质 |
| CN111144864A (zh) * | 2019-12-27 | 2020-05-12 | 珠海优特智厨科技有限公司 | 餐饮结算方法、餐饮结算装置及存储介质 |
| DE102019106057A1 (de) * | 2019-03-10 | 2020-09-10 | Whysk GmbH | Verfahren, Vorrichtung zur Datenverarbeitung und Haltevorrichtung zur Klassierung von Lebensmitteln |
| CN214253361U (zh) * | 2021-02-03 | 2021-09-21 | 广东蜂云智膳科技有限公司 | 一种基于rfid和电子秤的智能计量选餐设备 |
| CN114638613A (zh) * | 2022-03-04 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 基于身份识别的菜品结算处理方法及装置 |
| CN114638588A (zh) * | 2022-03-14 | 2022-06-17 | 黄峰 | 一种学校食堂智能结算与用餐信息管理系统及其管理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022077348A1 (zh) * | 2020-10-15 | 2022-04-21 | 京东方科技集团股份有限公司 | 食物体积、热量计算方法、电子装置、电子设备和存储介质 |
-
2022
- 2022-11-23 CN CN202211470400.XA patent/CN115759155B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106815780A (zh) * | 2016-12-30 | 2017-06-09 | 南京信息工程大学 | 一种能够根据种类和重量计费的智能餐饮系统 |
| CN109686000A (zh) * | 2019-01-31 | 2019-04-26 | 郭昊然 | 无人快餐售卖机 |
| DE102019106057A1 (de) * | 2019-03-10 | 2020-09-10 | Whysk GmbH | Verfahren, Vorrichtung zur Datenverarbeitung und Haltevorrichtung zur Klassierung von Lebensmitteln |
| CN110059654A (zh) * | 2019-04-25 | 2019-07-26 | 台州智必安科技有限责任公司 | 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 |
| CN110349358A (zh) * | 2019-06-13 | 2019-10-18 | 深圳市科拜斯物联网科技有限公司 | 基于健康管理的餐饮结算方法、装置、终端及可读介质 |
| CN111144864A (zh) * | 2019-12-27 | 2020-05-12 | 珠海优特智厨科技有限公司 | 餐饮结算方法、餐饮结算装置及存储介质 |
| CN214253361U (zh) * | 2021-02-03 | 2021-09-21 | 广东蜂云智膳科技有限公司 | 一种基于rfid和电子秤的智能计量选餐设备 |
| CN114638613A (zh) * | 2022-03-04 | 2022-06-17 | 支付宝(杭州)信息技术有限公司 | 基于身份识别的菜品结算处理方法及装置 |
| CN114638588A (zh) * | 2022-03-14 | 2022-06-17 | 黄峰 | 一种学校食堂智能结算与用餐信息管理系统及其管理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115759155A (zh) | 2023-03-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12080403B2 (en) | Meal service management system and operating method therefor | |
| CN110378420A (zh) | 一种图像检测方法、装置及计算机可读存储介质 | |
| CN104778374A (zh) | 一种基于图像处理识别方法的自动膳食评估装置 | |
| CN106934018A (zh) | 一种基于协同过滤的医生推荐系统 | |
| US20040247177A1 (en) | Image processing | |
| CN110210286A (zh) | 基于眼底图像的异常识别方法、装置、设备及存储介质 | |
| CN109697719A (zh) | 一种图像质量评估方法、装置及计算机可读存储介质 | |
| CN108364047A (zh) | 电子价签、电子价签系统及数据处理方法 | |
| CN108766528B (zh) | 一种饮食管理系统及其构建方法、一种食材管理方法 | |
| CN109308773A (zh) | 一种自动识别商品类别并进行数据处理的智能电子秤 | |
| Seok et al. | Automated classification system for bone age X-ray images | |
| WO2023246352A1 (zh) | 健康数据管理方法、装置、电子设备和可读存储介质 | |
| KR20180005016A (ko) | 스마트패드 기반 섭취칼로리 계측시스템 | |
| CN108960271A (zh) | 一种基于图像识别的餐饮收货诚信规范方法 | |
| CN107403216A (zh) | 一种识别码生成及验证方法及装置 | |
| CN115759155B (zh) | 一种基于校园团餐机的计费方法与装置 | |
| Fang et al. | The use of co-occurrence patterns in single image based food portion estimation | |
| CN111414930B (zh) | 深度学习模型训练方法及装置、电子设备及存储介质 | |
| CN107658021A (zh) | 营养状态评估方法和装置 | |
| CN207182917U (zh) | 营养状态评估装置 | |
| CN101587511A (zh) | 一种计算机辅助考试系统中简答题的判分方法 | |
| CN114882973A (zh) | 一种基于标准食品识别的每日营养摄取分析方法及系统 | |
| KR20220145006A (ko) | 인공지능을 이용한 식이 순응도 평가 시스템 | |
| KR20200123069A (ko) | 급식관리 시스템 및 이의 운영방법 | |
| CN111860263A (zh) | 信息录入方法、装置及计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |