CN116487001A - 一种基于卡路里摄入量的饮食控制系统 - Google Patents
一种基于卡路里摄入量的饮食控制系统 Download PDFInfo
- Publication number
- CN116487001A CN116487001A CN202310715742.1A CN202310715742A CN116487001A CN 116487001 A CN116487001 A CN 116487001A CN 202310715742 A CN202310715742 A CN 202310715742A CN 116487001 A CN116487001 A CN 116487001A
- Authority
- CN
- China
- Prior art keywords
- daily
- calories
- calorie
- weight
- intake
- 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.)
- Granted
Links
- 230000037213 diet Effects 0.000 title claims abstract description 24
- 235000005911 diet Nutrition 0.000 title claims abstract description 24
- 235000019577 caloric intake Nutrition 0.000 title claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 21
- 230000004580 weight loss Effects 0.000 claims abstract description 18
- 230000033001 locomotion Effects 0.000 claims abstract description 6
- 230000002354 daily effect Effects 0.000 claims description 143
- 230000008859 change Effects 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 30
- 235000013305 food Nutrition 0.000 claims description 28
- 230000037396 body weight Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 235000012054 meals Nutrition 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 3
- 239000003990 capacitor Substances 0.000 description 34
- 230000005669 field effect Effects 0.000 description 29
- 208000016261 weight loss Diseases 0.000 description 18
- 238000001228 spectrum Methods 0.000 description 11
- 210000000577 adipose tissue Anatomy 0.000 description 10
- 238000002955 isolation Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000002829 reductive effect Effects 0.000 description 7
- 230000003595 spectral effect Effects 0.000 description 6
- 239000013585 weight reducing agent Substances 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 206010033307 Overweight Diseases 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000021004 dietary regimen Nutrition 0.000 description 1
- 235000005523 excessive nutrition Nutrition 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009182 swimming Effects 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
- 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
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
Abstract
本发明公开了一种基于卡路里摄入量的饮食控制系统,属于饮食控制领域,所述系统包括确定减肥目标的专家服务器,其与监控终端连接;监控终端包括记录个人信息和减肥周期下每天的体重、日摄入卡路里和实际日消耗卡路里的信息输入模块,计算日变动卡路里、日减目标和日摄入卡路里的卡路里估算模块,根据日变动卡路里和日摄入卡路里推荐运动方案的运动规划模块,计算实际日消耗卡路里的卡路里计算模块,在预设的每个模型更新周期内将日实际变动卡路里和卡路里预测模型的日变动卡路里的均方误差的均值作为损失函数利用优化器对卡路里预测模型进行优化的模型更新模块。本发明基于卡路里的摄入量和消耗控制改善用户减肥效果。
Description
技术领域
本发明属于饮食控制技术领域,具体涉及一种基于卡路里摄入量的饮食控制系统。
背景技术
随着生活水平的提高,越来越多的人们由于饮食控制不当、运动量少导致营养过剩进而导致体重超标,而超重会引发健康问题。卡路里是衡量人体运动热量消耗的单位,包括人体基础新陈代谢所消耗的卡路里和人体每天运动所消耗的卡路里两种,同时人们为了健康需求和饮食爱好也在不断地摄入卡路里,因此,如何实现饮食控制和营养消耗之间的合理配合,实现饮食控制,达到饮食平衡,从而实现人体体重的合理控制,成为了人们竞相研究的目标。同时随着机器学习和人工智能的飞速发展,越来越多的研究也开始将神经网络应用于减重领域。现有技术一般都是采集若干人的机能参数,对参数预处理后利用神经网络模型进行训练,将得到的模型直接应用在用户减重方案的推荐上,并未考虑到由于个人体质影响所导致减肥效果差异,大大影响了最终的减肥效果。
发明内容
针对以上问题,本发明提出了一种基于卡路里摄入量的饮食控制系统。为解决以上技术问题,本发明所采用的技术方案如下。
一种人体健康管理监控系统,包括通信连接的监控终端和专家服务器,所述专家服务器用于将专家设定的减肥目标发送到监控终端,且所述减肥目标包括减肥周期和目标体重。
所述监控终端包括。
无线通信模块:所无线通信模块的一端与专家服务器通信连接,另一端与信息输入模块电连接。
信息输入模块:所述信息输入模块与卡路里估算模块、卡路里计算模块、卡路里预测模型更新模块电连接,用于记录用户的个人信息和减肥周期下用户每天的体质变动指标,且体质变动指标包括体重、日摄入卡路里和实际日消耗卡路里。
卡路里估算模块:包括用于计算日摄入卡路里的日摄入计算单元、用于计算日减目标的日减体重计算单元和日变动卡路里估算单元,所述日摄入计算单元的输出端与信息输入模块的输入端电连接,日减体重计算单元的输入端和与无线通信模块电连接;所述日变动卡路里估算单元的输入端与日减体重计算单元、信息输入模块电连接,以便根据接收到的个人信息、日减目标以及预设的卡路里预测模型预测出日变动卡路里。
运动规划模块:与日变动卡路里估算单元的输出端、日摄入计算单元的输出端连接,用于根据日变动卡路里和日摄入卡路里推荐运动方案,所述运动方案包括运动类型和运动时间。
卡路里计算模块:用于计算用户减肥周期下每天的实际日消耗卡路里,并将计算出的实际日消耗卡路里发送到信息输入模块。
模型更新模块:基于信息输入模块接收的日摄入卡路里和实际日消耗卡路里计算日实际变动卡路里,并在预设的每个模型更新周期内将该模型更新周期内的日实际变动卡路里和卡路里预测模型输出的日变动卡路里的均方误差的均值作为损失函数利用Adam优化器对卡路里预测模型进行优化,将优化后的卡路里预测模型发送给日变动卡路里估算单元。
所述日减目标的计算公式如下。
。
式中, 表示日减目标,/> 表示减肥前体重,/>表示目标体重,表示减肥周期。
所述预设的卡路里预测模型通过以下方法建立。
i,收集个用户的若干条减肥信息,每条减肥信息均包括姓名、年龄、性别、身高、原始体重、日变动卡路里、BMI、运动后体重。
ii,将每条减肥信息中的数据特征分别进行数据特征向量化。
iii,基于皮尔逊相关系数计算日变动卡路里与其它数据特征之间的相关性,基于相关性阈值对数据特征进行筛选,再对筛选后的数据特征进行两两组合得到数据组合特征。
iv,将步骤iii得到的数据组合特征和步骤ii转化后的数据特征进行拼接组合得到能耗评估信息。
v,基于能耗评估信息对BP神经网络模型进行训练得到卡路里预测模型。
所述根据日变动卡路里推荐运动方案是指满足以下要求的方案。。
式中, 表示第/>天的运动方案,/> 表示第/>天的有氧运动方案,且,/>表示第/>种有氧运动单位时间所消耗的卡路里,/>表示第/>种有氧运动的运动时间,/>表示第/>天的无氧运动方案,且/>,表示第/>种无氧运动单位时间所消耗的卡路里,/>表示第/> 种无氧运动的运动时间,/>表示日耗基础卡路里,/>表示通过卡路里预测模型得到的日变动卡路里,/>表示日摄入卡路里。
所述损失函数的表达式为。
。
式中,表示损失函数,/> 表示模型更新周期内第/> 日的日实际变动卡路里,/>表示模型更新周期内卡路里预测模型的第/> 日日变动卡路里,/>表示预设的模型更新周期,且/>为正整数,且/>。
所述日摄入计算单元包括近红外线生成器、近红外线接收器、信号处理器、模数转换器、卡路里计算器和数据存储器,近红外线生成器用于生成近红外线,近红外线接收器用于接收食物的反射光或透射光并将光信号转换为电信号,转换后的电信号发送到信号处理器;所述信号处理器对电信号进行滤波、放大、补偿稳定后发送到模数转换器,模数转换器将处理后的电信号转换为数字信号,卡路里计算器对转换后的数字信号进行接收,并计算食物所含卡路里;数据存储器用于对用户每餐的食物所含卡路里进行记录,并依据每餐的食物所含卡路里计算日摄入卡路里。
本发明的有益效果。
1. 根据收集到的用户的减肥信息,基于皮尔逊相关系数计算与日变动卡路里相关性较强的数据,实现高效数据的筛选,对特征数据进行组合丰富了训练样本,提高了模型的泛化能力和实用性,提高了模型输出性能表现。
2. 利用日实际变动卡路里和卡路里预测模型的日变动卡路里的均方误差的均值作为损失函数在每个模型更新周期内对卡路里预测模型进行优化,使卡路里预测模型结合用户实际运动减肥信息输出更加准确的日变动卡路里,进而使得运动方案的推荐更加合理,减肥进程更加贴合自己的实际,最终提高了用户的运动效果和整体减肥效果。
3. 放大隔离组件首先利用射极跟随器对电信号进行隔离,减少了电路之间的电磁信号干扰,利用更新的带通滤波器对信号进行选取,改善了带通滤波器的选频特性,使无用信号的过渡带更窄,不需要的干扰信号衰减的更快,更好地实现了噪声干扰滤除和近红外线带通信号的选取,同时,利用热敏电阻对放大增益进行调节,减少了温度变化对输出光谱信号的影响,使输出信号更精确,电路性能更加稳定。
4.抗干扰补偿组件可以对滤波后的信号进行幅值补偿,在提高电路信号稳定性的同时,对电路的通频带信号进行校正,改善了信号的信噪比,进而使得整体光谱输出信号得到改善,减少了信号的失真。
5.稳定输出组件在提高电路驱动能力的同时,降低噪声信号对输出信号的影响,利用电阻R23和电容C10组成缓冲电路,将输出信号反馈到场效应管T2的栅极,从而调节T2的栅极电压,进一步对输出信号进行反馈调节,减少了输出信号中的谱线漂移,降低了外部因素对光谱灵敏度的影响,改善了光谱数据的精度,最终提高了日摄入卡路里的计算精度。
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,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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为本发明的结构示意图。
图2为卡路里估算模块的结构示意图。
图3为日摄入计算单元的结构示意图。
图4为放大隔离组件与抗干扰补偿组件的电路连接示意图。
图5为抗干扰补偿组件和稳定输出组件的电路连接示意图。
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,所描述的实施例仅仅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付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。
皮尔逊相关系数(Pearson correlation coefficient):相关关系是一种非确定性的关系,相关系数是研究变量之间线性相关程度的量。一般用字母表示,用来度量两个变量间的线性关系,定义为。
。
式中,为/>与/>的协方差,/>为/>的方差, />为/>的方差。
一种基于卡路里摄入量的饮食控制系统,如图1所示,包括供用户使用的监控终端和供专家使用的专家服务器,且监控终端和专家服务器无线连接;用户通过监控终端记录与个人和减肥状况相关的信息,并对整个减肥过程进行记录和监查,专家服务器接收监控终端传输的信息,方便专家对减肥过程进行指导。所述专家服务器用于将专家设定的减肥目标和推荐的饮食方案发送到监控终端,便于用户根据减肥目标和饮食方案执行减肥过程。所述饮食方案是指能够满足人的基本营养摄入的多套组合方案,方便用户根据自己的喜好选择对应的方案。所述减肥目标包括减肥周期和目标体重,所述监控终端包括。
无线通信模块:一端与专家服务器无线连接,另一端与信息输入模块电连接;无线通信模块可以将信息输入模块中的个人信息进行打包发送到专家服务器,也可以将姓名加密编码为个人ID后再将信息打包发送到专家服务器。医院的营养科专家可以通过专家服务器查收用户的个人信息,并结合用户的个人信息和自己的医学经验制定更为合理的减肥目标,避免用户自行设定减肥目标过长或过短所导致的健康风险。本申请中,周期的单位均为天数,体重的单位均为千克,卡路里的单位均为大卡。
信息输入模块:与卡路里估算模块、卡路里计算模块、卡路里预测模型更新模块电连接,用于记录用户的个人信息和减肥周期下用户每天的体质变动指标。
所述个人信息包括姓名、性别、年龄和身高,还可以包括体脂率及既往健康史,专家根据这些信息可以确定更为合理的减肥目标。所述体质变动指标包括体重、日摄入卡路里和实际日消耗卡路里。
卡路里估算模块:如图2所示,包括日摄入计算单元、日减体重计算单元和日变动卡路里估算单元,日摄入计算单元基于近红外线光谱技术计算用户每日所摄入的食物的总的日摄入卡路里,并将计算出的日摄入卡路里发送到信息输入模块。日减体重计算单元的输入端与无线通信模块电连接,用于根据专家服务器传输的减肥目标计算出用户需要每天减肥的体重也即日减目标,日减目标的计算公式如下。
。
式中, 表示日减目标,/> 表示减肥前体重,/>表示目标体重,表示减肥周期。
日变动卡路里估算单元的输入端与日减体重计算单元、信息输入模块电连接,根据个人信息和日减目标基于预设的卡路里预测模型预测出日变动卡路里。
所述预设的卡路里预测模型通过以下方法建立。
i,收集 个用户每日的若干条减肥信息,每条减肥信息均包括姓名、年龄、性别、身高、原始体重、日变动卡路里、BMI、体脂率、运动后体重。
日变动卡路里通过日消耗卡路里减去日摄入卡路里得到,姓名、年龄、身高、原始体重、日变动卡路里、BMI、体脂率、运动后体重这些数据均为数值型数据,卡路里、BMI、体脂率、运动后体重;姓名、性别为类型特征数据,原始体重为用户前一天的体重,运动后体重为第二天的对应于原始体重同一时间点的体重。BMI(体重指数)=体重(kg)/身高(m)²,体脂率可以通过体脂秤得到。体重指数正常值为18~24,24.1~27.9为超重,≥28为肥胖。男性体脂率正常值约在10%~20%之间。女性体脂率正常值约在17%~30%之间。男性体脂率>25%,女性>33%即为肥胖。
ii,将每条减肥信息中的数据特征分别进行数据特征向量化。
类型特征数据可以采用one-hot编码,数值型数据可以采用归一化手段。
iii,基于皮尔逊相关系数计算日变动卡路里与其它数据特征之间的相关性,基于相关性阈值对数据特征进行筛选,再对筛选后的数据特征进行两两组合得到数据组合特征。
iv,将步骤iii得到的数据组合特征和步骤ii转化后的数据特征进行拼接组合得到能耗评估信息。
v,基于能耗评估信息对BP神经网络模型进行训练得到卡路里预测模型。
本申请预测日变动卡路里时,将体重 减去日减目标/>的值作为减肥信息中的运动后体重(此为减肥第一日的运动后体重的计算方法,以后时间的计算方法为将每天测量的运动前体重减去日减目标),再结合对应输入的减肥信息基于卡路里预测模型即可以得到日变动卡路里。
现有技术中有以下几种日摄入卡路里的检测方式:①设定用户的规格化饮食,按种类分类计算每种食物所含的卡路里(重量乘以每单位重量包括的卡路里得到),再将所有种类的卡路里加总得到,这种方式计算简单,但是用户每天的饮食比较单一,用户在减肥期间很容易因饮食不满而中止减肥;②食品图像拍摄,对每天的食品摄像拍照后,系统对图像进行分析识别判断食品的类别和大小,通过一系列的算法计算卡路里,图像拍摄时只能对食物外部和形状进行拍摄,食品内部是未知因素,当食物复杂时很可能产生卡路里估计不准的情况;③口腔贴检测食物热量,用户佩戴不便;④近红外线光谱技术,其利用了分子化合物特有的吸收行为,当选用连续改变频率的近红外线照射到样品上时,由于样品对不同频率的近红外光的选择吸收性,通过样品后的反射光或透射的波长分布可以确定某些成分的存在和数量,进而计算食物的卡路里含量,这种方式因其不具有破坏性,且具有可以穿透食品、检测范围广、检测准确率更高的特点,引起了广泛关注和研究。同时,近红外光的光谱数据分析的精度成为制约了卡路里检测准确性的一个关键因素,而光谱数据又依赖于数据采集后数据预处理的结果,因此如何做好数据的处理是如何更好实现红外线应用测量的重要方向。现有技术中,一般采用异常样本剔除、前置放大器和一阶或二阶带通滤波器对信号进行简单放大和噪声去除等手段,但是近红外光属微弱信号检测,食品在近红外线波段吸收系数小,光谱重叠概率较大,谱线偏移受环境影响较大,而且信噪比、系统的温度等也都会对光谱的灵敏度产生影响,这些因素均影响了光谱数据的精度。
具体地,如图3所示,所述日摄入计算单元包括近红外线生成器、近红外线接收器、信号处理器、模数转换器、卡路里计算器和数据存储器,近红外线生成器用于生成近红外线,可以采用SFH4776宽带红外LED作为生成器,检测食物卡路里时,将近红外线对准食物即可,近红外线接收器用于接收食物的反射光或透射光并将光信号转换为模拟电信号,信号处理器用于对转换后的电信号进行处理,以提高信号预处理精度,模数转换器将处理后的电信号转换为数字信号并发送到卡路里计算器;所述卡路里计算器用于根据食物吸收近红外线的程度计算食物所含卡路里(此为现有技术本申请不再详述,比如申请号为2005800080452、2013800404494以及2011102687414等的专利,需要食物重量计算卡路里时,重量通过食物秤称出来后,将数据输入系统即可),并将计算出的每餐的食物所含卡路里发送到数据存储器;数据存储器根据每餐的食物所含卡路里计算用户的日摄入卡路里,并将日摄入卡路里发送到信息输入模块。
如图4和图5所示,所述信号处理器包括放大隔离组件、抗干扰补偿组件和稳定输出组件,放大隔离组件的输入端与近红外线接收器的输出端连接,放大隔离组件的输出端与抗干扰补偿组件的输入端连接,抗干扰补偿组件的输出端与稳定输出组件的输入端连接,稳定输出组件的输出端与模数转换器的输入端连接。放大隔离组件对转换后的电信号进行滤波放大后,传输到抗干扰补偿组件,抗干扰补偿组件对放大后的电信号进行补偿校正后再将信号传输到稳定输出组件,稳定输出组件对电信号进行灵敏度改善和信号稳定后再输出以提高卡路里计算的准确性。
所述放大隔离组件包括电阻R2,电阻R2的一端与电阻R1的一端、红外线接收器的输出端连接,电阻R2的另一端与电容C1的一端、电阻R4的一端、三极管Q1的基极连接,三极管Q1的发射极与电阻R3的一端、电阻R5的一端连接,电阻R5的另一端与电阻R6的一端、电容C3的一端、电容C2的一端、电阻R12的一端连接,电容C2的另一端与电阻R7的一端、运放器AR1的反相输入端连接;所述运放器AR1的输出端与电阻R7的另一端、电容C3的另一端、电阻R8的一端连接,电阻R8的另一端与运放器AR2的反相输入端、电容C4的一端、可变电阻X1的一端连接,运放器AR2的同相输入端与电阻R9的一端连接,运放器AR2的输出端与电阻R10的一端、电容C5的另一端、电阻R12的另一端、抗干扰补偿模块的输入端连接;所述可变电阻X1的另一端与电阻R10的另一端、电阻R11的一端、热敏电阻TR1的一端连接,热敏电阻TR1的另一端、电阻R11的另一端、电阻R1的另一端、电容C1的另一端、电阻R3的另一端、电阻R6的另一端、运放器AR1的同相输入端、电阻R9的另一端均接地,电阻R4的另一端、三极管Q1的集电极均与正电源VCC连接,且热敏电阻TR1为负温度系数。
电阻R2用于红外线接收器转换后的模拟电信号,电阻R1将电信号转换为电压信号,电容C1对高频信号进行初步滤除,以保留低频信号,三极管Q1、电阻R3组成射极跟随器,起到信号隔离的作用,减少电路之间的电磁信号干扰,电阻R4为偏置电阻,保证了三极管Q1的静态工作点。电阻R5-电阻R12、电容C2-电容C4、运放器AR1、运放器AR2、可变电阻X1、热敏电阻TR1相结合组成了带通滤波器,在对电信号进行滤波的同时可以对信号的增益进行调节,电阻R12为反馈电阻将运放器AR2的输出正反馈到运放器AR1的输入端,可以更好地改善带通滤波器的选频特性,使信号的过渡带更窄,不需要的干扰信号衰减的更快,更好地实现噪声干扰滤除和近红外线带通信号的选取。同时,热敏电阻TR1根据温度的变化状态对运放器AR1的增益进行调节,当温度升高时,AR1的增益提高,反之增益降低,减少了系统工作时间长所导致的温度变化对信号波峰的影响,使输出信号更精确,同时设计时调节可变电阻X1的电阻也可以对AR1的增益进行调节,以适应不同的电路参数。采用输入阻抗高,输出阻抗低的射极跟随器实现红外线接收器与后级处理电路的过渡,使得信号更加稳定。
所述抗干扰补偿组件包括电阻R16,电阻R16的一端与放大隔离组件的输出端连接,电阻R16的另一端与三极管Q4的基极连接,三极管Q4的发射极与电阻R33的一端、电阻R34的一端连接,三极管Q4的集电极与三极管Q3的发射极、电阻R17的一端连接,三极管Q3的基极与三极管Q2的基极连接,三极管Q2的集电极和三极管Q3的集电极均与正电源VCC连接,三极管Q2的发射极与电阻R15的一端连接,电阻R15的另一端与电容C15的一端、负电源VEE、电阻R34的另一端连接;所述电阻R17的另一端与电阻R18的一端、电容C7的一端连接,电容C7的另一端与运放器AR3的同相输入端、可变电阻X3的一端连接,运放器AR3的反相输入端与电容C5的一端、电阻R19的一端、电阻R20的一端连接,电容C5的另一端与电阻R18的另一端连接,电阻R20的另一端与电阻R21的一端、电容C6的一端连接,电阻R21的另一端与电容C6的另一端、运放器AR3的输出端、稳定输出组件的输入端连接;所述电容C15的另一端、电阻R33的另一端、电阻R19的另一端、可变电阻X3的另一端均接地。
三极管Q4通过电阻R16接收放大后的信号,三极管Q4作为放大管,三极管Q2和三极管Q3组成电流源作为三极管Q4的集电极负载,进一步稳定光谱信号的频谱范围。运放器AR3、电阻R17-电阻R21、电容C5、电容C6、可变电阻X3组成补偿电路,对信号的相移进行补偿,并对电路的通频带信号进行校正,使其无用频带更窄,降低带外杂散信号的干扰,改善信号的信噪比,进而使得光谱重叠问题得到改善,整体光谱输出信号准确度提高。电容C5为滤波电容,对滤波后的信号进行幅值补偿,在提高电路信号稳定性的同时,避免信号失真。
所述稳定输出组件包括电阻R22,电阻R22的一端与抗干扰补偿组件的输出端连接,电阻R22的另一端与电阻R23的一端、电阻R30的一端、电容C12的一端、场效应管T1的栅极、场效应管T3的栅极连接,场效应管T1的漏极与电阻R24的一端连接,场效应管T1的源极与电阻R26的一端、滑动变阻器X2的左端连接,电阻R26的另一端与滑动变阻器X2的调节端、电阻R27的一端、场效应管T3的漏极连接,场效应管T3的源极与电阻R31的一端连接,电阻R27的另一端与滑动变阻器X2的右端、场效应管T2的源极连接;所述场效应管T2的漏极与电阻R25的一端、电阻R28的一端连接,电阻R28的另一端与场效应管T4的栅极连接,场效应管T4的源极与电容C11的一端、场效应管T6的漏极、电阻R29的一端、电容C10的一端连接,电阻R29的另一端与电容C10的另一端、电阻R35的一端、场效应管T2的栅极连接;所述电容C11的另一端与瞬态抑制二极管TVS的一端、模数转换器的输入端连接;所述场效应管T6的栅极与场效应管T5的栅极、场效应管T5的漏极、电阻R32的一端连接,电阻R32的另一端与抗干扰补偿组件的电阻R34的一端连接;所述电阻R23的另一端、电阻R24的另一端、电阻R25的另一端、场效应管T4的漏极均与正电源VCC连接,电容C12的另一端、电阻R30的另一端、电阻R31的另一端、电阻R35的另一端、场效应管T6的源极、场效应管T5的源极、瞬态抑制二极管TVS的另一端均接地。
电阻R22将改善后的信号传输到场效应管T1的栅极,场效应管T1和场效应管T2组成差分电路,减少输出信号中的谱线漂移,滑动变阻器X2为调零电位器,场效应管T3用于稳定工作电流,提高输出信号的稳定度,电容C12为旁路电容,对电源及电路中的高频混杂信号进一步滤除。场效应管T4为源极跟随器,提高电路的驱动能力,同时场效应管T5和场效应管T6组成电流源连接在场效应管T4的源极,提高电路的输入阻抗,降低噪声电流对输出信号的影响。电阻R29和电容C10组成缓冲电路,将输出信号反馈到场效应管T2的栅极,从而调节T2的栅极电压,进一步对输出信号进行反馈调节,减小了谱线偏移对输出信号准确度的影响,便于后续卡路里计算时对各波长信号的识别和分析。电容C11为耦合电容,滤除直流分量,瞬态抑制二极管TVS为保护管,避免浪涌,起到后级电路保护的作用。
运动规划模块:与日变动卡路里估算单元的输出端、日摄入计算单元的输出端连接,用于根据日变动卡路里和日摄入卡路里推荐运动方案,所述运动方案包括运动类型和运动时间。
所述运动类型可以包括有氧运动和无氧运动,每个运动方案中至少包括一种有氧运动,有氧运动包括快走、慢跑、长距离慢速游泳、慢骑自行车、瑜伽、太极拳等,无氧运动包括冲刺短跑、俯卧撑、平板支撑、拳击、仰卧起坐、引体向上等。另外,也可以将有氧运动和无氧运动相结合,可以在保证用户减肥时候进行塑形,提高减肥效果。
具体地,根据日变动卡路里推荐运动方案是指满足以下要求的方案,。
第 天的有氧运动方案/> ,第/>天的无氧运动方案,/> 表示第/> 种有氧运动单位时间所消耗的卡路里(大卡/分钟),/>表示第/> 种有氧运动的运动时间(分钟),/>表示第/>种无氧运动单位时间所消耗的卡路里(大卡/分钟),/> 表示第 />种无氧运动的运动时间(分钟)。/> 和/> 均大于等于零, />表示一天所耗的基础卡路里,/> 表示通过卡路里预测模型得到的日变动卡路里,/> 表示规格化的饮食方案计算出日摄入卡路里。
一天所耗的基础卡路里的计算公式如下。
若为男性,其计算公式为。
。
若为女性,其计算公式为。
。
其中,表示身高(cm),/>表示年龄(周岁)。
卡路里计算模块:用于计算用户减肥周期下每天的实际日消耗卡路里,并将计算出的实际日消耗卡路里发送到信息输入模块。
所述日实际变动卡路里通过实际日消耗卡路里减去日摄入卡路里得到。实际日消耗卡路里现有技术中有很多评估方式,有利用计步器估算法、心率监测法、加速度计法等,计步器估算法的缺点是其估算的数值精度不高,但其设备价格较低,由于人的心率受多种因素影响,且随个体差异而有所不同,这也影响了心率监测法的准确性。多种研究表明,加速度数据不仅能反映人的基本动作,还能反映人体活动的能耗,因此,越来越多的学者基于能耗和加速度之间的变化关系进行了多种研究分析,极大提高了预测精度,此为现有技术,不是本发明的重点,比如申请号为2022106614143的中国专利公开了一种基于三轴加速度计的卡路里消耗计算方法及装置,本申请不再赘述。
预测模型更新模块:基于卡路里计算模块发送的实际日消耗卡路里和信息输入模块接收的日摄入卡路里计算日实际变动卡路里,并在每个模型更新周期内将该模型更新周期内的日实际变动卡路里和卡路里预测模型的日变动卡路里的均方误差的均值作为损失函数利用Adam优化器对卡路里预测模型进行优化,将优化后的卡路里预测模型发送给日变动卡路里估算单元。
损失函数的表达式为。
。
式中, 表示模型更新周期内第/> 日的日实际变动卡路里,/>表示模型更新周期内卡路里预测模型的第/> 日日变动卡路里,/>表示预设的模型更新周期,且/>为正整数,且/>,/>,/>为正整数。
每个周期基于用户的减肥结果对模型进行重新优化,可以使模型预测更精确,提高用户运动效果。
本申请还提供了另外一种实施例一种基于卡路里摄入量的饮食控制方法,包括如下步骤。
S1,初始化减肥日期,用户通过监控终端输入个人信息,并将个人信息和初始减肥日期无线发送到专家服务器。
S2,医院专家通过专家服务器设定包括减肥周期和目标体重的减肥目标,并回传到监控终端。
S3,监控终端根据接收的减肥目标计算出日减目标,并根据用户每餐的食物计算出日摄入卡路里。
S4,基于个人信息和日减目标利用预设的卡路里预测模型预测出日变动卡路里,根据日变动卡路里推荐运动方案,所述运动方案包括运动类型和运动时间。
S5,用户执行运动方案,利用监控终端计算该日的实际日消耗卡路里。
S6,执行减肥日期,对体质变动目标进行记录。
所述体质变动指标包括体重、日摄入卡路里和实际日消耗卡路里。
S7,判断,如果不是,将体质变动目标结合个人信息发送给专家服务器,否则判断/>是否为0,若不是,返回执行步骤S5,否则执行步骤S8。
S8,基于个人信息和体质变动目标计算日实际变动卡路里,同时将该周期内每日的日实际变动卡路里和卡路里预测模型预测的日变动卡路里的均方误差的均值作为损失函数利用Adam优化器对卡路里预测模型进行优化。
S9,基于优化后的卡路里预测模型对日变动卡路里进行更新,根据更新后的日变动卡路里推荐新的运动方案,并重新返回步骤S5。
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 (6)
1.一种基于卡路里摄入量的饮食控制系统,包括监控终端和专家服务器,其特征在于,所述专家服务器用于将专家设定的减肥目标发送到监控终端,且减肥目标包括减肥周期和目标体重;
所述监控终端包括:
无线通信模块:用于专家服务器与信息输入模块之间的连接;
信息输入模块:用于记录用户的个人信息和减肥周期下每天的体重、日摄入卡路里和实际日消耗卡路里;
卡路里估算模块:包括用于计算日摄入卡路里的日摄入计算单元、用于计算日减目标的日减体重计算单元和日变动卡路里估算单元,日摄入计算单元与信息输入模块电连接,日减体重计算单元与无线通信模块电连接;日变动卡路里估算单元分别与日减体重计算单元、信息输入模块电连接,以便根据接收到的个人信息、日减目标以及预设的卡路里预测模型预测日变动卡路里;
运动规划模块:与日变动卡路里估算单元、日摄入计算单元连接,用于根据日变动卡路里和日摄入卡路里推荐运动方案;
卡路里计算模块:用于计算用户减肥周期下每天的实际日消耗卡路里,并将计算出的实际日消耗卡路里发送到信息输入模块;
模型更新模块:基于信息输入模块接收的日摄入卡路里和实际日消耗卡路里计算日实际变动卡路里,并在预设的每个模型更新周期内将该模型更新周期内的日实际变动卡路里和卡路里预测模型输出的日变动卡路里的均方误差的均值作为损失函数利用Adam优化器对卡路里预测模型进行优化,将优化后的模型发送给日变动卡路里估算单元。
2.根据权利要求1所述的基于卡路里摄入量的饮食控制系统,其特征在于,所述日减目标的计算公式如下:
;
式中, 表示日减目标,/> 表示减肥前体重,/>表示目标体重,/>表示减肥周期。
3.根据权利要求1所述的基于卡路里摄入量的饮食控制系统,其特征在于,所述预设的卡路里预测模型通过以下方法建立:
i,收集个用户的若干条减肥信息,每条减肥信息均包括姓名、年龄、性别、身高、原始体重、日变动卡路里、BMI、运动后体重;
ii,将每条减肥信息中的数据特征分别进行数据特征向量化;
iii,基于皮尔逊相关系数计算日变动卡路里与其它数据特征之间的相关性,基于相关性阈值对数据特征进行筛选,再对筛选后的数据特征进行两两组合得到数据组合特征;
iv,将步骤iii得到的数据组合特征和步骤ii转化后的数据特征进行拼接组合得到能耗评估信息;
v,基于能耗评估信息对BP神经网络模型进行训练得到卡路里预测模型。
4.根据权利要求1所述的基于卡路里摄入量的饮食控制系统,其特征在于,所述根据日变动卡路里推荐运动方案是指满足以下要求的方案,
;
式中, 表示第/>天的运动方案,/> 表示第/>天的有氧运动方案,且,/> 表示第/>种有氧运动单位时间所消耗的卡路里,/> 表示第/>种有氧运动的运动时间,/>表示第/>天的无氧运动方案,且/>,表示第/>种无氧运动单位时间所消耗的卡路里,/>表示第/>种无氧运动的运动时间,/>表示日耗基础卡路里,/>表示通过卡路里预测模型得到的日变动卡路里,/>表示日摄入卡路里。
5.根据权利要求1所述的基于卡路里摄入量的饮食控制系统,其特征在于,所述损失函数的表达式为:
;
式中,表示损失函数,/> 表示模型更新周期内第/> 日的日实际变动卡路里,/>表示模型更新周期内卡路里预测模型的第/> 日日变动卡路里,/>表示预设的模型更新周期,且/>为正整数,且/>。
6.根据权利要求1所述的基于卡路里摄入量的饮食控制系统,其特征在于,所述日摄入计算单元包括近红外线生成器、近红外线接收器、信号处理器、模数转换器、卡路里计算器和数据存储器,近红外线生成器用于生成近红外线,近红外线接收器用于接收食物的反射光或透射光并将光信号转换为电信号,转换后的电信号发送到信号处理器;所述信号处理器对电信号进行滤波、放大、补偿稳定后发送到模数转换器,模数转换器将处理后的电信号转换为数字信号,卡路里计算器对转换后的数字信号进行接收,并计算食物所含卡路里;数据存储器用于对用户每餐的食物所含卡路里进行记录,并依据每餐的食物所含卡路里计算日摄入卡路里,且数据存储器与信息输入模块电连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310715742.1A CN116487001B (zh) | 2023-06-16 | 2023-06-16 | 一种基于卡路里摄入量的饮食控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310715742.1A CN116487001B (zh) | 2023-06-16 | 2023-06-16 | 一种基于卡路里摄入量的饮食控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116487001A true CN116487001A (zh) | 2023-07-25 |
CN116487001B CN116487001B (zh) | 2023-09-26 |
Family
ID=87219813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310715742.1A Active CN116487001B (zh) | 2023-06-16 | 2023-06-16 | 一种基于卡路里摄入量的饮食控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116487001B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020006980A (ko) * | 2000-07-14 | 2002-01-26 | 윤종익 | 신체 정보를 이용한 건강 정보 제공 시스템 및 방법 |
CN204302978U (zh) * | 2014-11-07 | 2015-04-29 | 汪毅 | 基于运动和饮食干预为核心的云体质管理系统 |
CN108648803A (zh) * | 2018-05-15 | 2018-10-12 | 广东工业大学 | 一种减肥方案的确定方法及系统 |
RU186351U1 (ru) * | 2017-10-30 | 2019-01-16 | Федеральное государственное бюджетное образовательное учреждение образования "Владимирский Государственный Университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) | Формирователь сигналов с автокомпенсатором фазовых искажений и комбинированным регулированием |
CN109431479A (zh) * | 2018-11-14 | 2019-03-08 | 中山市普仁康太健康管理有限公司 | 一种健康管理系统 |
CN110297509A (zh) * | 2019-08-08 | 2019-10-01 | 山东三土能源股份有限公司 | 一种热泵水系统的自动补水设备 |
CN110415786A (zh) * | 2018-04-27 | 2019-11-05 | 发美利稻田株式会社 | 信息处理装置及其工作方法 |
CN111063419A (zh) * | 2019-12-27 | 2020-04-24 | 南京舜国宸智能科技有限公司 | 智能健康饮食管理系统 |
CN111326231A (zh) * | 2020-02-24 | 2020-06-23 | 广州居家瘦营养健康咨询有限公司 | 一种健康瘦身方法及套餐推荐系统 |
CN112365955A (zh) * | 2020-11-11 | 2021-02-12 | 北京卡路里信息技术有限公司 | 健身计划的确定方法及确定装置、可穿戴系统 |
CN114155939A (zh) * | 2021-12-14 | 2022-03-08 | 广州医维度科技有限公司 | 基于深度学习的糖尿病饮食方案自适应生成系统 |
CN114732373A (zh) * | 2022-06-13 | 2022-07-12 | 深圳市奋达智能技术有限公司 | 基于步态检测的步行活动卡路里消耗计算方法及装置 |
CN114816146A (zh) * | 2022-01-21 | 2022-07-29 | 深圳市爱都科技有限公司 | 一种体重管理方法、装置及电子设备 |
-
2023
- 2023-06-16 CN CN202310715742.1A patent/CN116487001B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020006980A (ko) * | 2000-07-14 | 2002-01-26 | 윤종익 | 신체 정보를 이용한 건강 정보 제공 시스템 및 방법 |
CN204302978U (zh) * | 2014-11-07 | 2015-04-29 | 汪毅 | 基于运动和饮食干预为核心的云体质管理系统 |
RU186351U1 (ru) * | 2017-10-30 | 2019-01-16 | Федеральное государственное бюджетное образовательное учреждение образования "Владимирский Государственный Университет имени Александра Григорьевича и Николая Григорьевича Столетовых" (ВлГУ) | Формирователь сигналов с автокомпенсатором фазовых искажений и комбинированным регулированием |
CN110415786A (zh) * | 2018-04-27 | 2019-11-05 | 发美利稻田株式会社 | 信息处理装置及其工作方法 |
CN108648803A (zh) * | 2018-05-15 | 2018-10-12 | 广东工业大学 | 一种减肥方案的确定方法及系统 |
CN109431479A (zh) * | 2018-11-14 | 2019-03-08 | 中山市普仁康太健康管理有限公司 | 一种健康管理系统 |
CN110297509A (zh) * | 2019-08-08 | 2019-10-01 | 山东三土能源股份有限公司 | 一种热泵水系统的自动补水设备 |
CN111063419A (zh) * | 2019-12-27 | 2020-04-24 | 南京舜国宸智能科技有限公司 | 智能健康饮食管理系统 |
CN111326231A (zh) * | 2020-02-24 | 2020-06-23 | 广州居家瘦营养健康咨询有限公司 | 一种健康瘦身方法及套餐推荐系统 |
CN112365955A (zh) * | 2020-11-11 | 2021-02-12 | 北京卡路里信息技术有限公司 | 健身计划的确定方法及确定装置、可穿戴系统 |
CN114155939A (zh) * | 2021-12-14 | 2022-03-08 | 广州医维度科技有限公司 | 基于深度学习的糖尿病饮食方案自适应生成系统 |
CN114816146A (zh) * | 2022-01-21 | 2022-07-29 | 深圳市爱都科技有限公司 | 一种体重管理方法、装置及电子设备 |
CN114732373A (zh) * | 2022-06-13 | 2022-07-12 | 深圳市奋达智能技术有限公司 | 基于步态检测的步行活动卡路里消耗计算方法及装置 |
Non-Patent Citations (1)
Title |
---|
沙姆沙德·安萨里作: "《计算机视觉应用构建 OpenCV与TensorFlow实例》" * |
Also Published As
Publication number | Publication date |
---|---|
CN116487001B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11806120B2 (en) | Health risk indicator determination | |
Bai et al. | Comparative evaluation of heart rate-based monitors: Apple Watch vs Fitbit Charge HR | |
McClain et al. | Objective monitoring of physical activity in children: considerations for instrument selection | |
US20200100683A1 (en) | Method and apparatus for estimating energy consumption | |
US20140172314A1 (en) | Systems and methods for determining caloric intake using a personal correlation factor | |
Spady et al. | Energy balance during recovery from malnutrition | |
Chen et al. | The technology of accelerometry-based activity monitors: current and future | |
Hargens et al. | Comparison of wrist-worn and hip-worn activity monitors under free living conditions | |
CN105962949A (zh) | 一种基于近红外光能量守恒法的无创血糖计算方法以及信号采集装置 | |
Zakeri et al. | Multivariate adaptive regression splines models for the prediction of energy expenditure in children and adolescents | |
CN104545932A (zh) | 一种有效运动量监测装置以及包含该装置的健康管理系统 | |
EP3238611A1 (en) | A method and device for estimating a condition of a person | |
Diaz et al. | Wrist-based cut-points for moderate-and vigorous-intensity physical activity for the Actical accelerometer in adults | |
Hussey et al. | The reliability of in-home measures of height and weight in large cohort studies: Evidence from add health | |
CN112365955A (zh) | 健身计划的确定方法及确定装置、可穿戴系统 | |
CN116487001B (zh) | 一种基于卡路里摄入量的饮食控制系统 | |
CN107111855A (zh) | 信息处理装置、卡路里管理系统、卡路里收支估计方法和程序 | |
Kim et al. | Comparing the standards of one metabolic equivalent of task in accurately estimating physical activity energy expenditure based on acceleration | |
Hoyer et al. | Detection of atrial fibrillation with an optimized neural network on a RISC-V-based microcontroller for efficient integration into ECG patches | |
CN112504507B (zh) | 穿戴设备 | |
CN110074770B (zh) | 一种有氧运动目标强度的测评方法和装置 | |
Weyand et al. | Real-world walking economy: can laboratory equations predict field energy expenditure? | |
JP4233499B2 (ja) | カロリー計測装置 | |
Djfarian et al. | Comparison of activity levels measured by a wrist worn accelerometer and direct observation in young children | |
US20230157606A1 (en) | Physical strength evaluation system, physical strength evaluation method, and computer program |
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 |