CN116417114B - 一种基于全生命周期的学生健康饮食管理系统 - Google Patents
一种基于全生命周期的学生健康饮食管理系统 Download PDFInfo
- Publication number
- CN116417114B CN116417114B CN202310659121.6A CN202310659121A CN116417114B CN 116417114 B CN116417114 B CN 116417114B CN 202310659121 A CN202310659121 A CN 202310659121A CN 116417114 B CN116417114 B CN 116417114B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- student
- students
- diet
- 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
- 235000004280 healthy diet Nutrition 0.000 title claims abstract description 11
- 235000012054 meals Nutrition 0.000 claims abstract description 133
- 235000005911 diet Nutrition 0.000 claims abstract description 125
- 230000037213 diet Effects 0.000 claims abstract description 117
- 235000016709 nutrition Nutrition 0.000 claims abstract description 109
- 230000035764 nutrition Effects 0.000 claims abstract description 87
- 238000007726 management method Methods 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 51
- 238000011161 development Methods 0.000 claims abstract description 29
- 210000000577 adipose tissue Anatomy 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 230000037406 food intake Effects 0.000 claims abstract description 17
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 16
- 239000004615 ingredient Substances 0.000 claims abstract description 8
- 235000013305 food Nutrition 0.000 claims description 51
- 239000000463 material Substances 0.000 claims description 25
- 235000015097 nutrients Nutrition 0.000 claims description 25
- 230000036541 health Effects 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 16
- 230000007246 mechanism Effects 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 15
- 235000012631 food intake Nutrition 0.000 claims description 13
- 230000002354 daily effect Effects 0.000 claims description 8
- 230000003050 macronutrient Effects 0.000 claims description 8
- 235000021073 macronutrients Nutrition 0.000 claims description 8
- 239000011785 micronutrient Substances 0.000 claims description 8
- 235000013369 micronutrients Nutrition 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 235000015219 food category Nutrition 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 235000018823 dietary intake Nutrition 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 235000006286 nutrient intake Nutrition 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010411 cooking Methods 0.000 claims description 3
- 230000009849 deactivation Effects 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 235000019640 taste Nutrition 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 2
- 238000012550 audit Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 2
- 235000021186 dishes Nutrition 0.000 description 40
- 230000000378 dietary effect Effects 0.000 description 8
- 235000014633 carbohydrates Nutrition 0.000 description 7
- 150000001720 carbohydrates Chemical class 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 235000004251 balanced diet Nutrition 0.000 description 3
- 239000011575 calcium Substances 0.000 description 3
- 229910052791 calcium Inorganic materials 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 2
- 241000533950 Leucojum Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 240000003768 Solanum lycopersicum Species 0.000 description 2
- 229930003268 Vitamin C Natural products 0.000 description 2
- 235000008429 bread Nutrition 0.000 description 2
- 235000013330 chicken meat Nutrition 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 235000020627 health maintaining nutrition Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 244000144977 poultry Species 0.000 description 2
- 235000013594 poultry meat Nutrition 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 210000001835 viscera Anatomy 0.000 description 2
- 235000019154 vitamin C Nutrition 0.000 description 2
- 239000011718 vitamin C Substances 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 240000001592 Amaranthus caudatus Species 0.000 description 1
- 235000009328 Amaranthus caudatus Nutrition 0.000 description 1
- 240000007087 Apium graveolens Species 0.000 description 1
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 description 1
- 235000010591 Appio Nutrition 0.000 description 1
- 208000006770 Ascorbic Acid Deficiency Diseases 0.000 description 1
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 1
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 1
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 1
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 241001672694 Citrus reticulata Species 0.000 description 1
- 244000000626 Daucus carota Species 0.000 description 1
- 235000002767 Daucus carota Nutrition 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 206010018276 Gingival bleeding Diseases 0.000 description 1
- 208000024283 Gingival haemorrhages Diseases 0.000 description 1
- 206010018291 Gingival swelling Diseases 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000008436 Ipomoea aquatica Species 0.000 description 1
- 235000019004 Ipomoea aquatica Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000237502 Ostreidae Species 0.000 description 1
- 241000237509 Patinopecten sp. Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 206010072610 Skeletal dysplasia Diseases 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 235000009337 Spinacia oleracea Nutrition 0.000 description 1
- 244000300264 Spinacia oleracea Species 0.000 description 1
- 208000010011 Vitamin A Deficiency Diseases 0.000 description 1
- 206010047623 Vitamin C deficiency Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 235000012735 amaranth Nutrition 0.000 description 1
- 239000004178 amaranth Substances 0.000 description 1
- 230000004596 appetite loss Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 235000012716 cod liver oil Nutrition 0.000 description 1
- 239000003026 cod liver oil Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000004300 dark adaptation Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 206010061428 decreased appetite Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 208000002925 dental caries Diseases 0.000 description 1
- 235000005118 dietary health Nutrition 0.000 description 1
- 235000020785 dietary preference Nutrition 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 235000019680 high-energy food Nutrition 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 208000033065 inborn errors of immunity Diseases 0.000 description 1
- 235000020997 lean meat Nutrition 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000036630 mental development Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000018343 nutrient deficiency Nutrition 0.000 description 1
- 235000020636 oyster Nutrition 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 208000028529 primary immunodeficiency disease Diseases 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 235000020989 red meat Nutrition 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 235000020637 scallop Nutrition 0.000 description 1
- 208000010233 scurvy Diseases 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 239000011573 trace mineral Substances 0.000 description 1
- 235000013619 trace mineral Nutrition 0.000 description 1
- 229940045997 vitamin a Drugs 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- 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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Nutrition Science (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于全生命周期的学生健康饮食管理系统,包括订餐模块、菜谱管理模块及AI营养师模块,其中,AI营养师模块包括膳食种类分析模块、膳食结构摄入数据分析模块、合理膳食建议模块、合理膳食优化模块及合理膳食推荐模块。本发明使得家长可以从APP家长入口帮孩子点餐,点餐过程有AI营养师全程呵护,从而可以通过大数据分析根据上周的历史摄入结合当前的体脂数据、本周的运动情况、本周的课程情况及身体健康发展趋势为孩子推荐合理的套餐建议,同时在点餐过程中也会实时根据家长给孩子点餐的菜品营养成分进行分析,从而使得家长可以让孩子吃到既好吃又营养的菜品。
Description
技术领域
本发明涉及饮食管理技术领域,具体来说,涉及一种基于全生命周期的学生健康饮食管理系统。
背景技术
随着人们生活水平的不断提高,饮食条件也在不断的提高,而在饮食条件不断提高的过程中饮食均衡也越来越受到人们的重视,均衡饮食是指选择多种类和适当分量的食物,从而能够提供各种营养素和恰当热量去维持身体组织的生长,进而可以有效地增强人们的抵抗力。均衡饮食能够使得人们的身体正常运作,有助于抵抗疾病,此外,人们还需要在每个阶段都重视护脑及健脑,因为脑部在生长发育时必须给予充分营养才能使之健康发育,因此,饮食均衡对于人们的健康成长至关重要。
专利公布文本CN101038656B公开了一种健康饮食控制系统,包括服务器、复数个客户端和复数个身份识别卡,服务器与复数个客户端通过数据线联接;客户端还设有健康控制装置,客户端的数据存储器设有饮食标准值,饮食标准值包括最大值和最小值,健康控制装置将用户选择的用膳信息与饮食标准值逐项对比,当超出最大饮食标准值时,会生成“过量”警告信息提醒用户,当低于最小饮食标准值时,会生成“过低”警告信息提醒用户。虽然通过与标准值对比达到了控制饮食健康的目的,但未考虑个体差异,未对标准值进行动态管理。
专利公布文本CN102034032B公开了一种智能化健康营养食谱配餐系统及其应用方式,由计算机主机和从机的点选机等设备组成;主机运行适合各类人群的系列健康营养食谱和营养搭配识别认可纠错的“专家系统”等软件,能使顾客以点选机及多媒体方式点选所需的各种食谱,如果点选的主副类食谱搭配不合理影响营养功效,“专家系统”即可识别纠错更改,从而达到顾客点选食品便捷和促进饮食健康的目的。引入“专家系统”对食谱进行分析调整,但未考虑饮食周期因素,饮食健康管理需要进行周期性控制,持续对饮食结构进行调整。
对于在校期的青少年学生来说其正处于身心发展的关键时期,是青少年一生中生长发育最快的阶段,同时在学校学习的过程中往往需要进行大量的脑力活动及适当的体育运动,从而使得他们对营养的需求较高,需要补充充足的营养来满足青少年学生在生理、心理及智力等一系列变化的需求,因此,做好青少年学生的营养配餐对青少年健康成长至关重要。同时,根据教育部制定的多部文件要求学校需要配备专兼职营养师来负责学生的膳食营养及健康管理,而在实际的实行过程中,往往学校的营养师人员数量较少,服务学校和学生的数量较多,从而使得仅靠线下管理学生的膳食营养成本高且效率低,迫切需要线上AI营养师辅助学生就餐,因此,本发明提出了一种基于全生命周期的学生健康饮食管理系统。
发明内容
针对相关技术中的问题,本发明提出一种基于全生命周期的学生健康饮食管理系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种基于全生命周期的学生健康饮食管理系统,该基于全生命周期的学生健康饮食管理系统包括订餐模块、菜谱管理模块及AI营养师模块;
其中,订餐模块用于家长为孩子在学校未来一周各个餐次的菜品进行提前预定;
菜谱管理模块用于对菜品套餐从创建到发布,再到营养成分的展示;
AI营养师模块包括膳食种类分析模块、膳食结构摄入数据分析模块、合理膳食建议模块、合理膳食优化模块及合理膳食推荐模块;
膳食种类分析模块用于根据家长的订餐记录对孩子一周就餐菜品的食材种类进行分析;
膳食结构摄入数据分析模块用于通过分析学生历史订餐数据结合历史订餐周期的营养膳食结构及营养素的摄入数据,依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况;
合理膳食建议模块用于根据学生上周就餐菜品的食材种类结合营养摄入数据为其推荐本周就餐的初始菜品组合,还用于实时根据家长给孩子点餐的菜品营养成分进行分析;
合理膳食优化模块用于根据学生当前的体脂数据、本周的运动情况及本周的课程情况利用预先构建的学生饮食偏好模型为其推荐适合的饮食方案,并根据推荐的饮食方案对本周就餐的初始菜品组合进行优化调整;
合理膳食推荐模块用于利用基于注意力机制的预测模型结合学生上周的就餐数据预测学生的身体健康发展趋势,并根据学生的身体健康发展趋势对更新优化后的初始菜品组合进行进一步优化调整,并将进一步优化调整后的菜品组合方案推荐给家长。
进一步的,订餐模块包括人员管理模块、餐卡管理模块、点餐缴费管理模块、统计查询模块及报表服务模块;
其中,人员管理模块用于实现学生的信息导入,包含能识别学生信息的唯一标识;
餐卡管理模块用于实现学生在餐企的开卡及注销业务;
点餐缴费管理模块用于对学生在学校的菜品进行发布和管理,家长为学生在学校未来一周各个餐次的菜品提前点餐并进行支付;
统计查询模块用于查看学生的所有的订餐记录;
报表服务模块用于提供数据的报表服务实现餐企与学校的自动对账。
进一步的,菜谱管理模块包括食材创建审核管理模块、菜品营养管理模块及营养配比模块;
其中,食材创建审核管理模块用于管理完善餐企发布的营养套餐的食材信息;
菜品营养管理模块用于管理菜品的创建、修改及停用,维护菜品的菜品名称、编码、口味、烹饪方法、投料表和菜品营养成分属性;
营养配比模块用于针对学生就餐的菜品进行营养配比诊断,使得学生的就餐菜品符合营养搭配。
进一步的,膳食种类分析模块包括订餐记录获取模块、实际食物种类摄入分析模块及食物种类摄入对比模块;
订餐记录获取模块用于获取学生在学校内一周的订餐记录;
实际食物种类摄入分析模块用于根据获取的订餐记录分析学生在学校内一周的实际食物摄入种类;
食物种类摄入对比模块用于将学生一周的实际食物摄入种类与标准的食物摄入种类进行比对分析。
进一步的,膳食结构摄入数据分析模块包括历史订餐数据获取模块、营养数据摄入分析模块及营养摄入情况分析模块;
其中,历史订餐数据获取模块用于获取学生的历史订餐数据;
营养数据摄入分析模块用于通过分析历史订餐数据得到学生历史订餐周期的营养膳食结构及营养素的摄入数据;
营养摄入情况分析模块用于依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况。
进一步的,营养摄入情况分析模块在依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况时包括:
获取学生的基本信息及学生餐的标准数据,其中,基本信息包括地区、学校、身高、体重、年龄、性别、血糖及民族;
将学校每天每周每月的营养摄入量与标准数据中同性别及年龄段的学生营养素标准区间范围进行比对,分析学生宏量营养素以及微量营养素是否合理,当学生每天摄入的宏量营养素及微量营养素均属于营养素标准区间范围内则营养情况摄入合理,否则为不合理。
进一步的,合理膳食优化模块包括优化数据获取模块、饮食偏好模型构建模块、饮食方案推荐模块及初始菜品组合优化调整模块;
优化数据获取模块用于获取学生当前的体脂数据、本周的运动情况及本周的课程情况;
饮食偏好模型构建模块用于利用机器学习算法结合历史数据构建学生饮食偏好模型;
饮食方案推荐模块用于利用构建的学生饮食偏好模型结合学生当前的体脂数据、本周的运动情况及本周的课程情况为其推荐适合的饮食方案;
初始菜品组合优化调整模块用于根据推荐的饮食方案对学生本周就餐的初始菜品组合进行优化调整。
进一步的,饮食方案推荐模块在利用构建的学生饮食偏好模型结合学生当前的体脂数据、本周的运动情况及本周的课程情况为其推荐适合的饮食方案时包括:
获取学生的基本信息,并计算该学生的身体质量指数和体脂百分比,分析得到学生当前的体脂数据;
获取学生本周的课程数据及校园活动信息,并分析得到该学生本周的运动情况及课程情况;
将学生当前的体脂数据、本周的运动情况及课程情况输入构建的学生饮食偏好模型,并利用学生饮食偏好模型为该学生推荐对应的饮食方案。
进一步的,合理膳食推荐模块包括就餐数据获取模块、预测模型构建模块、健康发展趋势分析模块及菜品组合推荐模块;
其中,就餐数据获取模块用于获取学生上周就餐菜品的食材种类数据及营养摄入数据;
预测模型构建模块用于构建基于注意力机制的预测模型,并利用该预测模型结合学生上周的就餐数据输出与之对应的身体预测数据;
健康发展趋势分析模块用于分析学生当前的身体数据和身体预测数据,得到该学生的身体健康发展趋势;
菜品组合推荐模块用于根据学生的身体健康发展趋势对更新优化后的初始菜品组合进行进一步优化调整,并将进一步优化调整后的菜品组合方案推荐给家长。
进一步的,预测模型构建模块在构建基于注意力机制的预测模型,并利用该预测模型结合学生上周的就餐数据输出与之对应的身体预测数据时包括:
对获取的学生上周就餐数据和身体数据进行预处理,并从预处理后的就餐数据中提取适合学习的变量特征信息;
初始化设置长短期记忆网络模型的超参,并利用长短期记忆网络自动编码器对时间序列进行编码,得到状态向量,同时利用长短期记忆网络自动解码器进行解码;
向卷积网络中输入与预测时间相关的学生上周就餐数据和身体数据的关键节点以自动学习权重,并利用全连接层进行降维处理;
再次利用全连接层对通过关键节点的长短期记忆网络自动编码器的输出结果进行再次降维处理,并将得到的注意力特征加入长短期记忆网络自动解码器为预测提供历史信息,同时利用历史数据进行训练,得到基于注意力机制的预测模型;
利用基于注意力机制的预测模型结合学生上周的就餐数据输出与之对应的身体预测数据。
本发明的有益效果为:
1)本发明使得家长可以从APP家长入口帮孩子点餐,点餐过程有AI营养师全程呵护,从而可以通过大数据分析根据上周的历史摄入结合当前的体脂数据、本周的运动情况、本周的课程情况及身体健康发展趋势为孩子推荐合理的套餐建议,同时在点餐过程中也会实时根据家长给孩子点餐的菜品营养成分进行分析,从而使得家长可以让孩子吃到既好吃又营养的菜品。
2)本发明不仅可以做到对发布套餐和菜品的数字化管理,为餐企制作适合学校孩子的营养套餐提供数据基础,而且还可以通过AI营养师线上实现学校学生预定营养套餐的精准推荐和实时干预,从而可以满足青少年学生在生理、心理及智力等一系列变化过程中的营养需求,使得其可以健康成长,同时AI营养师可以定期根据学生的膳食情况自动生成营养日报、周报及学期报,并以数字化的形式跟踪指导学生在学校场景和家庭场景的饮食。
3)本发明不仅可以在合理膳食建议模块的作用下根据学生上周就餐菜品的食材种类及营养摄入数据为其推荐本周就餐的初始菜品组合,而且还可以在合理膳食优化模块的作用下根据学生当前的体脂数据、本周的运动情况及本周的课程情况利用预先构建的学生饮食偏好模型为其推荐适合的饮食方案,并根据推荐的饮食方案对本周就餐的初始菜品组合进行优化调整,同时还可以在合理膳食推荐模块的作用下利用基于注意力机制的预测模型结合学生上周的就餐数据预测学生的身体健康发展趋势,并根据学生的身体健康发展趋势对菜品组合进行进一步优化调整,从而可以为学生针对性的精确推荐营养套餐,可以更好地满足于不同学生的健康饮食需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是根据本发明实施例的一种基于全生命周期的学生健康饮食管理系统的结构框图;
图2是根据本发明实施例的一种基于全生命周期的学生健康饮食管理系统中膳食种类分析模块的结构框图;
图3是根据本发明实施例的一种基于全生命周期的学生健康饮食管理系统中膳食结构摄入数据分析模块的结构框图;
图4是根据本发明实施例的一种基于全生命周期的学生健康饮食管理系统中合理膳食优化模块的结构框图;
图5是根据本发明实施例的一种基于全生命周期的学生健康饮食管理系统中合理膳食推荐模块的结构框图。
图中:
1、订餐模块;11、人员管理模块;12、餐卡管理模块;13、点餐缴费管理模块;14、统计查询模块;15、报表服务模块;2、菜谱管理模块;21、食材创建审核管理模块;22、菜品营养管理模块;23、营养配比模块;3、AI营养师模块;31、膳食种类分析模块;311、订餐记录获取模块;312、实际食物种类摄入分析模块;313、食物种类摄入对比模块;32、膳食结构摄入数据分析模块;321、历史订餐数据获取模块;322、营养数据摄入分析模块;323、营养摄入情况分析模块;33、合理膳食建议模块;34、合理膳食优化模块;341、优化数据获取模块;342、饮食偏好模型构建模块;343、饮食方案推荐模块;344、初始菜品组合优化调整模块;35、合理膳食推荐模块;351、就餐数据获取模块;352、预测模型构建模块;353、健康发展趋势分析模块;354、菜品组合推荐模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
根据本发明的实施例,提供了一种基于全生命周期的学生健康饮食管理系统,通过家长为孩子提前预定菜品时开始进行干预,即前期:根据历史的学生就餐情况结合当前的体脂数据、本周的运动情况、本周的课程情况及身体健康发展趋势推荐本周的营养套餐,中期:孩子在学校就餐的时候记录孩子的就餐信息,后期:学生就餐结束后会生成相应的营养报告和未来的就餐建议。
现结合附图和具体实施方式对本发明进一步说明,如图1-图5所示,根据本发明实施例的基于全生命周期的学生健康饮食管理系统,该基于全生命周期的学生健康饮食管理系统包括订餐模块1、菜谱管理模块2及AI营养师模块3;
其中,订餐模块1用于家长为孩子在学校未来一周各个餐次的菜品进行提前预定。
订餐过程中家长负责为孩子订餐。云厨系统负责生成发餐配置、缴费配置、学生信息录入、订单统计、餐企备餐表、配(分)餐表。银行提供收付款功能。餐企负责备餐及为学生分配餐品。学生负责订单核销及就餐。
具体的,订餐模块1包括人员管理模块11、餐卡管理模块12、点餐缴费管理模块13、统计查询模块14及报表服务模块15。
其中,人员管理模块11用于实现学生的信息导入,包含能识别学生信息的唯一标识;
餐卡管理模块12用于实现学生在餐企的开卡及注销等业务;
点餐缴费管理模块13用于实现学生吃的菜品的发布和管理,家长可在APP或者公众号上为孩子在学校未来一周各个餐次的菜品提前点餐并进行支付,孩子以在学校的刷脸涮卡终端设备根据学生唯一标识自动取餐核销,大大的提升就餐效率,家长提前一周为孩子点餐对餐企来说可以有提前拿到订单就行备货减少了食材的浪费;
统计查询模块14用于查看学生的所有的订餐记录;
报表服务模块15用于提供数据的报表服务实现餐企与学校的自动对账。
菜谱管理模块2用于对菜品套餐从创建到发布,再到营养成分的展示。
具体的,菜谱管理模块2包括食材创建审核管理模块21、菜品营养管理模块22及营养配比模块23;
其中,食材创建审核管理模块21用于管理完善餐企发布的营养套餐的食材信息;例如:现在食材库没有营养套餐需要使用的食材信息如雪花鸡柳,此时需要录入食材雪花鸡柳,审核通过后方可引用;
菜品营养管理模块22用于管理菜品的创建、修改及停用,维护菜品的菜品名称、编码、口味、烹饪方法、投料表(主料,辅料,配料)和菜品营养成分属性;
营养配比模块23用于针对学生就餐的菜品进行营养配比诊断,使得学生的就餐菜品符合营养搭配。
AI营养师模块3包括膳食种类分析模块31、膳食结构摄入数据分析模块32、合理膳食建议模块33、合理膳食优化模块34及合理膳食推荐模块35;
膳食种类分析模块31用于根据家长的订餐记录对孩子一周就餐菜品的食材种类进行分析。
根据《中国居民膳食指南(2022)》中核心推荐每天的膳食应包括谷薯类、蔬菜水果、畜禽鱼蛋奶和豆类食物。平均每天摄入12种以上食物,每周25种以上,合理搭配,数据如表1所示。
表1 每周食物类别摄入表
家长登录APP端输入学生的唯一标识绑定学生从而实现给孩子点餐缴费。家长通过订餐模块为孩子预订下周的餐次,通过家长的订餐记录,根据孩子一周的就餐菜品食材进行分析。根据学生实际摄入种类和国家推荐摄入种类对比为家长提供摄入种类分析数据如表2所示。
表2 实际摄入食物种类数与标准摄入种类数对比表
具体的,膳食种类分析模块31包括订餐记录获取模块311、实际食物种类摄入分析模块312及食物种类摄入对比模块313。
订餐记录获取模块311用于获取学生在学校内一周的订餐记录;
实际食物种类摄入分析模块312用于根据获取的订餐记录分析学生在学校内一周的实际食物摄入种类;
食物种类摄入对比模块313用于将学生一周的实际食物摄入种类与标准的食物摄入种类进行比对分析。
膳食结构摄入数据分析模块32用于通过分析学生历史订餐数据结合历史订餐周期的营养膳食结构及营养素的摄入数据,依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况。
通过分析孩子历史订餐数据,结合历史订餐周期的营养膳食结构、营养素等摄入数据,依据学生的基本信息及国家学生餐标准,计算出学生历史订餐周期的营养摄入合理情况。基本信息包括地区、学校、身高、体重、年龄、性别、血糖及民族,参照《学生餐营养指南》及《中国居民膳食营养素参考摄入量2013版》的标准,根据学校每天每周每月的营养素摄入量与《学生餐营养指南》及《中国居民膳食营养素参考摄入量2013版》同性别年龄段的学生营养素标准区间范围(如表3标准推荐库所示)进行比对,分析学生宏量营养素以及微量营养素是否合理,每天摄入的宏量营养素(碳水化合物、脂肪、蛋白质),微量营养素(维生素C,钙,铁,锌)在《学生餐营养指南》及《中国居民膳食营养素参考摄入量2013版》标准之内,为合理,否则为不合理。其次,如果不合理,会基于摄入不足及缺失情况,结合孩子的饮食偏好,计算出当前周期的最佳套餐选择;包括营养素缺失的部分、多样化的食材等,通过干预的方式让家长为孩子的点餐更加智能营养化保证孩子的营养摄入达标。
表3 标准推荐库
餐企在菜品管理平台创建需要发布的菜品,比如西红柿鸡蛋,菜品包含食材的营养成分如表4所示,家长通过点餐系统为孩子订餐选择了该菜品孩子就餐后就会有订餐记录如表5所示。
表4 菜品库表
表5 订餐记录表
此外,本实施例中孩子的就餐记录和菜品id关联会有所有学校就餐的孩子的就餐数据营养成分分析。
具体的,膳食结构摄入数据分析模块32包括历史订餐数据获取模块321、营养数据摄入分析模块322及营养摄入情况分析模块323;
其中,历史订餐数据获取模块321用于获取学生的历史订餐数据;
营养数据摄入分析模块322用于通过分析历史订餐数据得到学生历史订餐周期的营养膳食结构及营养素的摄入数据;
营养摄入情况分析模块323用于依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况。
合理膳食建议模块33用于根据学生上周就餐菜品的食材种类结合营养摄入数据为其推荐本周就餐的初始菜品组合,还用于实时根据家长给孩子点餐的菜品营养成分进行分析。
具体的,AI营养师通过计算得出每周的上周的就餐记录的食材种类和菜品的宏观(脂肪,蛋白质,碳水化合物)和微量元素(维生素A,维生素C,钙,铁,锌等),通过膳食种类分析模块和膳食结构摄入数据分析模块的数据比对分析推荐孩子本周就餐的合适菜品组合,比如,上周孩子吃的比较偏肉多,本周家长点餐的时候推荐孩子一些蔬菜多的菜品。
家长在点餐的时候,比如中午已经吃的是面点,晚餐再选择面点的时候会弹窗提示家长选择非面点菜品组合。具体的本实施例中包含不限于以下营养膳食建议:
1、维生素A缺乏易出现食欲降低、免疫功能低下、暗适应能力下降。建议多摄入动物内脏、鱼肝油、西兰花、菠菜、空心菜、胡萝卜、西红柿等;
2、维生素C缺乏,可导致牙龈出血、松肿,建议多摄入新鲜蔬菜和水果,辣椒、茼蒿、苦瓜、白菜、菠菜、酸枣、红枣、草莓、柑橘等;
3、钙摄入不足,易患龋齿,骨骼发育不良,建议多摄入奶类、大豆及其制品、冬苋菜、芹菜等;
4、锌摄入不足,会导致食欲下降。建议多摄入贝壳类海产品、红肉类、动物内脏、生蚝、海蛎肉、扇贝等;
5、非常不错,您的体重属于正常范围,建议您继续保持。
合理膳食优化模块34用于根据学生当前的体脂数据、本周的运动情况及本周的课程情况,利用预先构建的学生饮食偏好模型为其推荐适合的饮食方案,并根据推荐的饮食方案对本周就餐的初始菜品组合进行优化调整。
具体的,合理膳食优化模块34包括优化数据获取模块341、饮食偏好模型构建模块342、饮食方案推荐模块343及初始菜品组合优化调整模块344;
优化数据获取模块341用于获取学生当前的体脂数据、本周的运动情况及本周的课程情况;
饮食偏好模型构建模块342用于利用机器学习算法结合历史数据构建学生饮食偏好模型。
学生饮食偏好模型主要用于分析和预测学生在不同情况下的饮食喜好。建立这个模型可以帮助学校、家长或老师更好地满足学生的营养需求,提高他们的学习效果和生活质量,具体构建步骤如下:
数据收集:收集学生的基本信息(如年龄、性别、身高、体重等)、饮食记录(包括摄入食物种类、份量、频率等)、课程安排、运动量、健康状况等数据。
特征工程:对收集到的数据进行预处理,整理成结构化的数据格式。对于非数值型数据(如食物种类),需要进行编码转换为数值型。选择与饮食偏好相关的特征作为输入变量,例如:年龄、性别、课程类型、运动量等。
模型选择:根据问题的性质,选择合适的机器学习算法。对于学生饮食偏好模型,可以使用分类算法(如支持向量机、随机森林、K近邻等)或回归算法(如线性回归、岭回归等),也可以使用深度学习的方法(如神经网络)进行建模。
训练与验证:将数据集分为训练集和测试集。使用训练集对模型进行训练,调整模型参数以得到最佳性能。然后使用测试集对模型进行评估,验证模型在未知数据上的预测效果。
优化与调整:根据模型在测试集上的表现,对模型进行优化和调整。可以尝试调整模型参数、添加或删除特征等方式来提高模型的预测准确性。
应用与反馈:将训练好的模型应用于实际场景,为学生提供个性化的饮食建议。同时,收集学生对饮食建议的反馈,持续优化并更新模型。
饮食方案推荐模块343用于利用构建的学生饮食偏好模型结合学生当前的体脂数据、本周的运动情况及本周的课程情况为其推荐适合的饮食方案,包括以下步骤:
获取学生的基本信息,并计算该学生的身体质量指数BIM(BMI=体重(kg)/身高(m)²)和体脂百分比BF%,分析得到学生当前的体脂数据。
具体的,BIM指数的参考标准值如下:18.5~23.9为正常,24~27.9为超重,28及以上为肥胖。
获取学生本周的课程数据及校园活动信息,并分析得到该学生本周的运动情况及课程情况;
将学生当前的体脂数据、本周的运动情况及课程情况输入构建的学生饮食偏好模型,并利用学生饮食偏好模型为该学生推荐对应的饮食方案。
具体的,如果学生有过低的体脂,则建议增加膳食热量并且更多摄入富含碳水化合物的食品,如米面类食物、面包、馒头等;
如果学生有超重或肥胖现象,则需要降低膳食热量及减少油脂等高能量食物的摄入量,并且增加天然蛋白质的摄入,如瘦肉、禽蛋类等;
对于每日进行大量运动的学生来说,建议增加碳水化合物的摄入量,确保足够的能量供给以支持其运动表现;同时也要注意控制过多的糖分和脂肪的摄入,以免摄取过多的卡路里进而对身体健康造成负面影响;
对于考试或竞赛的学生,在考试或竞赛前的两三天内可以多摄入高碳水化合物和高热量的食物来提高身体存储的能量水平,而在长时间的午间课间休息中则可以摄入含有易消化碳水化合物的小片小脆类,以恢复能量。
初始菜品组合优化调整模块344用于根据推荐的饮食方案对学生本周就餐的初始菜品组合进行优化调整。
合理膳食推荐模块35用于利用基于注意力机制的预测模型结合学生上周的就餐数据预测学生的身体健康发展趋势,并根据学生的身体健康发展趋势对更新优化后的初始菜品组合进行进一步优化调整,并将进一步优化调整后的菜品组合方案推荐给家长。
具体的,合理膳食推荐模块35包括就餐数据获取模块351、预测模型构建模块352、健康发展趋势分析模块353及菜品组合推荐模块354;
其中,就餐数据获取模块351用于获取学生上周就餐菜品的食材种类数据及营养摄入数据;
预测模型构建模块352用于构建基于注意力机制的预测模型,并利用该预测模型结合学生上周的就餐数据输出与之对应的身体预测数据(包括身高、体重、血糖),包括以下步骤:
对获取的学生上周就餐数据(包括食物种类、营养成分、摄入量等)和身体数据(如身高、体重、血糖等)进行预处理(将其转换为适合机器学习算法处理的形式,例如:归一化、标准化等),并从预处理后的就餐数据中提取适合学习的变量特征信息,例如从食物种类、营养成分、摄入量等数据中提取蛋白质、碳水化合物、脂肪等重要特征;
初始化设置长短期记忆网络模型的超参,并利用长短期记忆网络自动编码器对时间序列进行编码,得到状态向量,同时利用长短期记忆网络自动解码器进行解码;
向卷积网络中输入与预测时间相关的学生上周就餐数据和身体数据的关键节点以自动学习权重,长短期记忆网络模型使用了3个卷积层,每个卷积层均使用relu函数作为激活函数,首层卷积核长度为7,其余层卷积长度为3,卷积核个数依次为16、32、64,最终利用全连接层进行降维处理;
再次利用全连接层对通过关键节点的长短期记忆网络自动编码器的输出结果进行再次降维处理,并将得到的注意力特征加入长短期记忆网络自动解码器为预测提供历史信息,同时利用历史数据进行训练,得到基于注意力机制的预测模型;
利用基于注意力机制的预测模型结合学生上周的就餐数据输出与之对应的身体预测数据(身高、体重、血糖)。
健康发展趋势分析模块353用于分析学生当前的身体数据和身体预测数据,得到该学生的身体健康发展趋势;
菜品组合推荐模块354用于根据学生的身体健康发展趋势对更新优化后的初始菜品组合进行进一步优化调整,并将进一步优化调整后的菜品组合方案推荐给家长。
综上所述,借助于本发明的上述技术方案,本发明使得家长可以从APP家长入口帮孩子点餐,点餐过程有AI营养师全程呵护,从而可以通过大数据分析根据上周的历史摄入结合当前的体脂数据、本周的运动情况、本周的课程情况及身体健康发展趋势为孩子推荐合理的套餐建议,同时在点餐过程中也会实时根据家长给孩子点餐的菜品营养成分进行分析,从而使得家长可以让孩子吃到既好吃又营养的菜品。
此外,本发明不仅可以做到对发布套餐和菜品的数字化管理,为餐企制作适合学校孩子的营养套餐提供数据基础,而且还可以通过AI营养师线上实现学校学生预定营养套餐的精准推荐和实时干预,从而可以满足青少年学生在生理、心理及智力等一系列变化过程中的营养需求,使得其可以健康成长,同时AI营养师可以定期根据学生的膳食情况自动生成营养日报、周报及学期报,并以数字化的形式跟踪指导学生在学校场景和家庭场景的饮食。
此外,本发明不仅可以在合理膳食建议模块的作用下根据学生上周就餐菜品的食材种类及营养摄入数据为其推荐本周就餐的初始菜品组合,而且还可以在合理膳食优化模块的作用下根据学生当前的体脂数据、本周的运动情况及本周的课程情况利用预先构建的学生饮食偏好模型为其推荐适合的饮食方案,并根据推荐的饮食方案对本周就餐的初始菜品组合进行优化调整,同时还可以在合理膳食推荐模块的作用下利用基于注意力机制的预测模型结合学生上周的就餐数据预测学生的身体健康发展趋势,并根据学生的身体健康发展趋势对菜品组合进行进一步优化调整,从而可以为学生针对性的精确推荐营养套餐,可以更好地满足于不同学生的健康饮食需求。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于全生命周期的学生健康饮食管理系统,其特征在于,该基于全生命周期的学生健康饮食管理系统包括订餐模块(1)、菜谱管理模块(2)及AI营养师模块(3);
其中,所述订餐模块(1)用于家长为孩子在学校未来一周各个餐次的菜品进行提前预定;
所述菜谱管理模块(2)用于对菜品套餐从创建到发布,再到营养成分的展示;
所述AI营养师模块(3)包括膳食种类分析模块(31)、膳食结构摄入数据分析模块(32)、合理膳食建议模块(33)、合理膳食优化模块(34)及合理膳食推荐模块(35);
所述膳食种类分析模块(31)用于根据家长的订餐记录对孩子一周就餐菜品的食材种类进行分析;
所述膳食结构摄入数据分析模块(32)用于通过分析学生历史订餐数据结合历史订餐周期的营养膳食结构及营养素的摄入数据,依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况;
所述合理膳食建议模块(33)用于根据学生上周就餐菜品的食材种类结合营养摄入数据为其推荐本周就餐的初始菜品组合,还用于实时根据家长给孩子点餐的菜品营养成分进行分析;
所述合理膳食优化模块(34)用于根据学生当前的体脂数据、本周的运动情况及本周的课程情况利用预先构建的学生饮食偏好模型为其推荐适合的饮食方案,并根据推荐的饮食方案对本周就餐的初始菜品组合进行优化调整;
所述合理膳食推荐模块(35)用于利用基于注意力机制的预测模型结合学生上周的就餐数据预测学生的身体健康发展趋势,并根据学生的身体健康发展趋势对更新优化后的初始菜品组合进行进一步优化调整,并将进一步优化调整后的菜品组合方案推荐给家长。
2.根据权利要求1所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述订餐模块(1)包括人员管理模块(11)、餐卡管理模块(12)、点餐缴费管理模块(13)、统计查询模块(14)及报表服务模块(15);
其中,所述人员管理模块(11)用于实现学生的信息导入,包含能识别学生信息的唯一标识;
所述餐卡管理模块(12)用于实现学生在餐企的开卡及注销业务;
所述点餐缴费管理模块(13)用于对学生在学校的菜品进行发布和管理,家长为学生在学校未来一周各个餐次的菜品提前点餐并进行支付;
所述统计查询模块(14)用于查看学生的所有的订餐记录;
所述报表服务模块(15)用于提供数据的报表服务实现餐企与学校的自动对账。
3.根据权利要求1所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述菜谱管理模块(2)包括食材创建审核管理模块(21)、菜品营养管理模块(22)及营养配比模块(23);
其中,所述食材创建审核管理模块(21)用于管理完善餐企发布的营养套餐的食材信息;
所述菜品营养管理模块(22)用于管理菜品的创建、修改及停用,维护菜品的菜品名称、编码、口味、烹饪方法、投料表和菜品营养成分属性;
所述营养配比模块(23)用于针对学生就餐的菜品进行营养配比诊断,使得学生的就餐菜品符合营养搭配。
4.根据权利要求1所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述膳食种类分析模块(31)包括订餐记录获取模块(311)、实际食物种类摄入分析模块(312)及食物种类摄入对比模块(313);
所述订餐记录获取模块(311)用于获取学生在学校内一周的订餐记录;
所述实际食物种类摄入分析模块(312)用于根据获取的订餐记录分析学生在学校内一周的实际食物摄入种类;
所述食物种类摄入对比模块(313)用于将学生一周的实际食物摄入种类与标准的食物摄入种类进行比对分析。
5.根据权利要求1所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述膳食结构摄入数据分析模块(32)包括历史订餐数据获取模块(321)、营养数据摄入分析模块(322)及营养摄入情况分析模块(323);
其中,所述历史订餐数据获取模块(321)用于获取学生的历史订餐数据;
所述营养数据摄入分析模块(322)用于通过分析历史订餐数据得到学生历史订餐周期的营养膳食结构及营养素的摄入数据;
所述营养摄入情况分析模块(323)用于依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况。
6.根据权利要求5所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述营养摄入情况分析模块(323)在依据学生的基本信息及学生餐标准计算出学生历史订餐周期的营养摄入合理情况时包括:
获取学生的基本信息及学生餐的标准数据,其中,基本信息包括地区、学校、身高、体重、年龄、性别、血糖及民族;
将学校每天每周每月的营养摄入量与标准数据中同性别及年龄段的学生营养素标准区间范围进行比对,分析学生宏量营养素以及微量营养素是否合理,当学生每天摄入的宏量营养素及微量营养素均属于营养素标准区间范围内则营养情况摄入合理,否则为不合理。
7.根据权利要求1所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述合理膳食优化模块(34)包括优化数据获取模块(341)、饮食偏好模型构建模块(342)、饮食方案推荐模块(343)及初始菜品组合优化调整模块(344);
所述优化数据获取模块(341)用于获取学生当前的体脂数据、本周的运动情况及本周的课程情况;
所述饮食偏好模型构建模块(342)用于利用机器学习算法结合历史数据构建学生饮食偏好模型;
所述饮食方案推荐模块(343)用于利用构建的学生饮食偏好模型结合学生当前的体脂数据、本周的运动情况及本周的课程情况为其推荐适合的饮食方案;
所述初始菜品组合优化调整模块(344)用于根据推荐的饮食方案对学生本周就餐的初始菜品组合进行优化调整。
8.根据权利要求7所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述饮食方案推荐模块(343)在利用构建的学生饮食偏好模型结合学生当前的体脂数据、本周的运动情况及本周的课程情况为其推荐适合的饮食方案时包括:
获取学生的基本信息,并计算该学生的身体质量指数和体脂百分比,分析得到学生当前的体脂数据;
获取学生本周的课程数据及校园活动信息,并分析得到该学生本周的运动情况及课程情况;
将学生当前的体脂数据、本周的运动情况及课程情况输入构建的学生饮食偏好模型,并利用学生饮食偏好模型为该学生推荐对应的饮食方案。
9.根据权利要求1所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述合理膳食推荐模块(35)包括就餐数据获取模块(351)、预测模型构建模块(352)、健康发展趋势分析模块(353)及菜品组合推荐模块(354);
其中,所述就餐数据获取模块(351)用于获取学生上周就餐菜品的食材种类数据及营养摄入数据;
所述预测模型构建模块(352)用于构建基于注意力机制的预测模型,并利用该预测模型结合学生上周的就餐数据输出与之对应的身体预测数据;
所述健康发展趋势分析模块(353)用于分析学生当前的身体数据和身体预测数据,得到该学生的身体健康发展趋势;
所述菜品组合推荐模块(354)用于根据学生的身体健康发展趋势对更新优化后的初始菜品组合进行进一步优化调整,并将进一步优化调整后的菜品组合方案推荐给家长。
10.根据权利要求9所述的一种基于全生命周期的学生健康饮食管理系统,其特征在于,所述预测模型构建模块(352)在构建基于注意力机制的预测模型,并利用该预测模型结合学生上周的就餐数据输出与之对应的身体预测数据时包括:
对获取的学生上周就餐数据和身体数据进行预处理,并从预处理后的就餐数据中提取适合学习的变量特征信息;
初始化设置长短期记忆网络模型的超参,并利用长短期记忆网络自动编码器对时间序列进行编码,得到状态向量,同时利用长短期记忆网络自动解码器进行解码;
向卷积网络中输入与预测时间相关的学生上周就餐数据和身体数据的关键节点以自动学习权重,并利用全连接层进行降维处理;
再次利用全连接层对通过关键节点的长短期记忆网络自动编码器的输出结果进行再次降维处理,并将得到的注意力特征加入长短期记忆网络自动解码器为预测提供历史信息,同时利用历史数据进行训练,得到基于注意力机制的预测模型;
利用基于注意力机制的预测模型结合学生上周的就餐数据输出与之对应的身体预测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310659121.6A CN116417114B (zh) | 2023-06-06 | 2023-06-06 | 一种基于全生命周期的学生健康饮食管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310659121.6A CN116417114B (zh) | 2023-06-06 | 2023-06-06 | 一种基于全生命周期的学生健康饮食管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116417114A CN116417114A (zh) | 2023-07-11 |
CN116417114B true CN116417114B (zh) | 2023-08-08 |
Family
ID=87059640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310659121.6A Active CN116417114B (zh) | 2023-06-06 | 2023-06-06 | 一种基于全生命周期的学生健康饮食管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116417114B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117171445A (zh) * | 2023-11-01 | 2023-12-05 | 泉州市搏浪科技集团有限公司 | 一种智慧报餐系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705834A (zh) * | 2017-10-10 | 2018-02-16 | 中山大学 | 一种基于循环神经网络的饮食推荐系统 |
CN110135957A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能餐厅健康饮食的菜品推荐方法、装置及存储介质 |
CN111902878A (zh) * | 2018-03-23 | 2020-11-06 | 美敦力泌力美公司 | 用于食品分析、个性化推荐和健康管理的系统和方法 |
CN112930570A (zh) * | 2021-01-28 | 2021-06-08 | 曹庆恒 | 一种饮食智能推荐的方法、系统 |
KR102475972B1 (ko) * | 2021-09-13 | 2022-12-09 | 주식회사 블루시스 | 인공지능 맞춤형 식단 및 식재료 추천 서비스 시스템 및 방법 |
-
2023
- 2023-06-06 CN CN202310659121.6A patent/CN116417114B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705834A (zh) * | 2017-10-10 | 2018-02-16 | 中山大学 | 一种基于循环神经网络的饮食推荐系统 |
CN111902878A (zh) * | 2018-03-23 | 2020-11-06 | 美敦力泌力美公司 | 用于食品分析、个性化推荐和健康管理的系统和方法 |
CN110135957A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能餐厅健康饮食的菜品推荐方法、装置及存储介质 |
CN112930570A (zh) * | 2021-01-28 | 2021-06-08 | 曹庆恒 | 一种饮食智能推荐的方法、系统 |
KR102475972B1 (ko) * | 2021-09-13 | 2022-12-09 | 주식회사 블루시스 | 인공지능 맞춤형 식단 및 식재료 추천 서비스 시스템 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN116417114A (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blomhoff et al. | Nordic Nutrition Recommendations 2023: integrating environmental aspects | |
Masters et al. | Measuring the affordability of nutritious diets in Africa: price indexes for diet diversity and the cost of nutrient adequacy | |
Smed et al. | The consequences of unemployment on diet composition and purchase behaviour: a longitudinal study from Denmark | |
Effendy et al. | Nutrition education in Southeast Sulawesi Province, Indonesia: A cluster randomized controlled study | |
Wilde et al. | Using the thrifty food plan to assess the cost of a nutritious diet | |
CN116417114B (zh) | 一种基于全生命周期的学生健康饮食管理系统 | |
CN108597572A (zh) | 一种智能健康规划系统 | |
Weigel et al. | Food insufficiency in the households of reproductive-age ecuadorian women: association with food and nutritional status indicators | |
Biehl et al. | What does it cost to improve household diets in Nepal? Using the cost of the diet method to model lowest cost dietary changes | |
Castaldi et al. | The positive climate impact of the Mediterranean diet and current divergence of Mediterranean countries towards less climate sustainable food consumption patterns | |
Namgung et al. | Menu Recommendation System Using Smart Plates for Well‐balanced Diet Habits of Young Children | |
Hanley-Cook et al. | Food biodiversity: Quantifying the unquantifiable in human diets | |
Schneider et al. | Assessing the affordability of nutrient‐adequate diets | |
Pop et al. | Particle swarm optimization-based method for generating healthy lifestyle recommendations | |
Windus et al. | Review of dietary assessment studies conducted among Khmer populations living in Cambodia | |
Mejos et al. | Use of linear programming to develop complementary feeding recommendations to improve nutrient adequacy and dietary diversity among breastfed children in the rural Philippines | |
Bukari et al. | Household factors and gestational age predict diet quality of pregnant women | |
US12001796B2 (en) | Methods and systems for personal recipe generation | |
Ayal et al. | Micronutrient intake and associated factors among school adolescent girls in Meshenti Town, Bahir Dar City Administration, Northwest Ethiopia, 2020 | |
Chen et al. | The nutrients of chronic diet recommended based on domain ontology and decision tree | |
Babb | America’s “thrifty food plan”: hunger, mathematics, and the valuation of nutrition assistance | |
Aizawa | Do cash transfers increase nutritional intakes? Experimental evidence from an unconditional cash transfer in Kenya | |
CN113744840A (zh) | 基于集中供餐环境实现个性化即时营养评价及指导的系统及其方法 | |
Rajikan et al. | Construction of healthy and palatable diet for low socioeconomic female adults using linear programming | |
Gupta | Guidelines for incorporating dietary diversity metrics in agriculture-nutrition surveys: Operational manual for using dietary diversity indicators in field research |
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 |