CN116993376B - 一种无人餐厅的数据智能交互方法及系统 - Google Patents
一种无人餐厅的数据智能交互方法及系统 Download PDFInfo
- Publication number
- CN116993376B CN116993376B CN202311016289.1A CN202311016289A CN116993376B CN 116993376 B CN116993376 B CN 116993376B CN 202311016289 A CN202311016289 A CN 202311016289A CN 116993376 B CN116993376 B CN 116993376B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- real
- time
- meal
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 28
- 235000012054 meals Nutrition 0.000 claims abstract description 203
- 238000004458 analytical method Methods 0.000 claims abstract description 174
- 238000000605 extraction Methods 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 15
- 230000004888 barrier function Effects 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 39
- 230000006399 behavior Effects 0.000 claims description 35
- 230000011218 segmentation Effects 0.000 claims description 26
- 238000010195 expression analysis Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 15
- 238000010219 correlation analysis Methods 0.000 claims description 14
- 235000019640 taste Nutrition 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 235000013305 food Nutrition 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000012896 Statistical algorithm Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 4
- 238000003058 natural language processing Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013210 evaluation model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 235000015872 dietary supplement Nutrition 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0281—Customer communication at a business location, e.g. providing product or service information, consulting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/26—Discovering frequent patterns
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种无人餐厅的数据智能交互方法及系统,包括:对用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;对用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据用户偏好信息进行餐品推荐;获取用户实时反馈信息和用户实时行为信息,根据用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;获取送餐信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理。提升用餐体验,并大幅提高餐厅运营效率。
Description
技术领域
本发明涉及无人餐厅数据处理与交互技术领域,尤其涉及一种无人餐厅的数据智能交互方法及系统。
背景技术
无人餐厅是近年来快速发展的餐饮业新兴模式,它利用先进的智能技术和自动化设备,实现了无人值守、自动点餐、自动配送等功能,极大地提升了餐饮服务效率和用户体验。目前,市场上已经出现了一些无人餐厅系统,它们通常采用自助点餐机、智能导航、自动传菜小车等设备来完成服务流程。
然而,现有的无人餐厅系统在数据智能交互方面存在一些问题。首先,用户需求分析和座位筛选仍然比较简单,缺乏个性化定制和精准推荐,无法满足不同用户的特殊需求。其次,对用户行为和偏好的实时分析和更新还不够充分,难以提供更精准的服务。再次,缺乏对用户情感和体验的细致感知,无法主动调整服务策略。因此,如何全面的提高用户用餐体验,并能够更加贴近用户偏好时一个重要问题。
发明内容
本发明克服了现有技术的缺陷,提供了一种无人餐厅的数据智能交互方法及系统,其重要目的在于优化餐厅服务流程,提高用户满意度,为无人餐厅提供更智能化和个性化的服务。
为实现上述目的本发明第一方面提供了一种无人餐厅的数据智能交互方法,包括:
获取用户用餐需求信息,对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;
获取用户历史订单信息,对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐;
获取用户实时反馈信息和用户实时行为信息,根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;
获取需送餐位置信息和餐品信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;
获取餐品实时位置信息,根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理。
本方案中,所述对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息,具体包括:
获取用户用餐需求信息,对所述用户用餐需求信息进行滤波、加重、加窗和分帧处理,同时基于VAD算法进行端点检测,剔除噪音部分截取有效语音信息,得到预处理信息;
基于自然语言处理技术将预处理信息进行文本转换,得到用户需求文本信息,对所述用户需求文本信息进行特征提取,得到用户需求特征信息;
构建语义分析模型,将所述用户需求特征信息导入所述语义分析模型进行分析,得到语义分析结果信息;
获取餐厅实时座位信息,结合所述语义分析结果信息进行座位筛选,选取符合用户用餐需求的座位,生成回复信息和座位提示灯控制信息;
通过所述回复信息对用户进行指引,同时根据座位提示灯控制信息控制目标座位提示灯开启。
本方案中,所述对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐,具体包括:
获取用户历史订单信息,对所述用户历史订单信息进行特征提取,得到历史订单特征信息;
预设口味类别,基于马氏距离算法计算历史订单特征信息和口味类别的马氏距离,根据计算得到的马氏距离进行相关性分析,得到相关性分析结果信息,根据相关性分析结果信息进行类别划分,得到类别划分信息;
基于统计学算法根据类别划分信息结合历史订单特征信息进行频率统计,得到用户点餐类别频率信息;
根据用户点餐类别频率信息进行排序,得到点餐类别排序表,预设选取阈值,通过选取阈值结合点餐类别排序表选取用户偏好点餐类别,得到用户偏好信息;
获取餐厅菜品信息,通过用户偏好信息对所述餐厅菜品信息进行相似度计算,获取相似度值,与预设阈值进行判断,选取大于预设阈值的菜品对用户进行菜品推荐。
本方案中,所述根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息,具体包括:
对所述用户实时反馈信息进行预处理和文本转换,对所述用户实时行为信息进行标准化处理,得到预处理反馈信息和标准化实时行为信息;
将所述预处理反馈信息导入语义分析模型中进行语义分析,分析用户用餐时的情景语言信息,得到用户情景语义分析信息;
对所述标准化实时行为信息进行类别分割,基于YOLOv5进行人脸检测和肢体检测,通过分割算法进行类别分割,得到实时人脸信息和实时肢体信息;
基于二维Gabor小波变换对所述实时人脸信息进行变换处理,并进行特征提取,将提取的颜色信号特征和生物纹理特征进行融合,得到人脸混合特征信息;
采用Mallat算法对小波变换后的实时人脸信息进行小波包分割,将图像分割为不同频带的小波信号,提取不同频带的区域特征信息,根据信息熵关联算法对不同频带的区域特征信息进行优化处理,得到区域人脸特征信息;
基于支持向量机算法构建用户微表情分析模型,将所述人脸混合特征信息和所述区域人脸特征导入用户微表情分析模型进行分析,得到用户微表情分析信息;
基于CNN构建用户肢体分析模型,对所述实时肢体信息进行特征提取,得到肢体特征信息,将肢体特征信息导入用户肢体分析模型及进行肢体含义分析,得到肢体含义分析信息;
结合用户情景语义分析信息、用户微表情分析信息和肢体含义分析信息进行用户用餐偏好分析,得到用户偏好分析信息,根据用户偏好分析信息实时更新用户偏好信息。
本方案中,所述根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案,具体包括:
获取送餐信息,所述送餐信息包括餐品信息和送餐位置信息;
通过所述送餐信息选择送餐方式,根据餐品信息的选择送餐方式,包括轨道传输和机器人送餐;
获取送餐位置信息和餐厅平面图,基于所述送餐位置信息结合餐厅平面图进行送餐路线规划,得到送餐路线信息,根据所述送餐路线进行餐品运输;
获取送餐实时视频流信息,截取单位时间内障碍物体的开始帧图像和结束帧图像,分析两帧图像的位置变化,判断是否为移动目标,并基于Shi-Tomasi算法和Canny边缘提取算法提取障碍物体边缘的角点,得到障碍分析结果信息;
获取障碍物体结束帧图像,根据障碍分析结果信息进行障碍物分割提取不含障碍物的背景图像信息,并结合障碍分析结果信息进行规避路线制定根据规避路线进行障碍物体规避。
本方案中,所述根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理,具体包括:
获取餐品实时位置信息,预设截取间隔时间,根据截取间隔时间对所述餐品实时位置信息进行位置截取,计算餐品实时位置变化距离,得到餐品实时变化距离信息;
预设位置变化判断阈值,将所述餐品实时变化距离信息与位置变化判断阈值进行判断,分析餐品的移动状态,得到送餐状态分析信息,根据送餐状态信息分析是否出现送餐事故;
构建事故分析模型,若出现送餐事故,则根据餐品实时位置信息获取餐品实时图像信息,将餐品实时图像信息导入事故分析模型中分析事故原因,得到事故分析结果信息;
预设事故类别,将事故分析结果信息与事故类别进行相似度计算,获取相似度值,与预设阈值进行判断,进行事故类别划分,得到事故类别划分信息;
根据所述事故类别信息和所述事故分析结果信息制定处理方案,得到事故处理方案信息,通过事故处理方案信息进行实时事故处理。
本发明第二方面提供了一种无人餐厅的数据智能交互系统,该系统包括:存储器、处理器,所述存储器中包含无人餐厅的数据智能交互方法程序,所述无人餐厅的数据智能交互方法程序被所述处理器执行时实现如下步骤:
获取用户用餐需求信息,对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;
获取用户历史订单信息,对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐;
获取用户实时反馈信息和用户实时行为信息,根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;
获取需送餐位置信息和餐品信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;
获取餐品实时位置信息,根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理。
本发明公开了一种无人餐厅的数据智能交互方法及系统,包括:对用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;对用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据用户偏好信息进行餐品推荐;获取用户实时反馈信息和用户实时行为信息,根据用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;获取送餐信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理。提升用餐体验,并大幅提高餐厅运营效率。
附图说明
为了更清楚地说明本发明实施例或示例性中的技术方案,下面将对实施例或示例性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,还可以按照这些附图示出的获得其他的附图。
图1为本发明一实施例提供的一种无人餐厅的数据智能交互方法流程图;
图2为本发明一实施例提供的更新用户偏好信息的流程图;
图3为本发明一实施例提供的一种无人餐厅的数据智能交互系统框图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1为本发明一实施例提供的一种无人餐厅的数据智能交互方法流程图;
如图1所示,本发明提供了一种无人餐厅的数据智能交互方法流程图,包括:
S102,获取用户用餐需求信息,对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;
获取用户用餐需求信息,对所述用户用餐需求信息进行滤波、加重、加窗和分帧处理,同时基于VAD算法进行端点检测,剔除噪音部分截取有效语音信息,得到预处理信息;
基于自然语言处理技术将预处理信息进行文本转换,得到用户需求文本信息,对所述用户需求文本信息进行特征提取,得到用户需求特征信息;
构建语义分析模型,将所述用户需求特征信息导入所述语义分析模型进行分析,得到语义分析结果信息;
获取餐厅实时座位信息,结合所述语义分析结果信息进行座位筛选,选取符合用户用餐需求的座位,生成回复信息和座位提示灯控制信息;
通过所述回复信息对用户进行指引,同时根据座位提示灯控制信息控制目标座位提示灯开启。
需要说明的是,基于预设的询问指令,位于餐厅门口的智能机器人自动根据预设询问指令对用户进行询问,获取用户需求信息,对用户需求信息进行语义分析,根据语义分析结果结合餐厅实时座位信息迅速搜索符合用户需求的座位,并生成位置序号和指示路线显示在可视化屏幕上对用户进行指引,同时生成座位提示灯控制指令,控制对应座位指示灯亮起,进一步指引用户快速走向座位;所述座位提示灯能发出不同颜色的光,用户根据提示灯光能更便利准确的走向符合用户需求的座位,使用不同颜色的灯光进行提示,可以避免用户走错座位,提高用户体验感。
进一步的,获取用户实时状态信息,根据所述用户实时状态信息进行用户实时状态分析;对所述用户实时状态分析信息进行类别分割并进行特征提取,分割人脸区域和躯体区域信息并提取各区域的特征信息,得到用户实时状态特征信息;构建用户状态识别模型,将所述用户实时状态特征信息导入用户状态识别模型进行识别分析,通过识别用户实时躯体状态和衣物状态,判断用户实时状态,得到用户躯体状态分析信息;将所述用户实时状态特征信息导入用户分析微表情分析模型进行分析,得到用户微表情分析信息;根据所述用户微表情分析信息和用户躯体状态分析信息分析用户是处于炎热状态还是寒冷状态,得到用户实时状态分析信息;获取室内温度信息,结合用户实时状态实时分析信息分析用户潜在需求,得到用户潜在需求分析信息;获取室内温度信息,基于所述室内温度信息将餐厅内部划分为不同区域,得到区域划分信息;根据用户潜在需求分析信息结合区域划分信息进行座位匹配,选取符合用户实时状态的座位,生成座位推荐信息进行座位推荐,提高了用户的就餐体验,保证用户在适宜的温度条件下用餐。
S104,获取用户历史订单信息,对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐;
获取用户历史订单信息,对所述用户历史订单信息进行特征提取,得到历史订单特征信息;
预设口味类别,基于马氏距离算法计算历史订单特征信息和口味类别的马氏距离,根据计算得到的马氏距离进行相关性分析,得到相关性分析结果信息,根据相关性分析结果信息进行类别划分,得到类别划分信息;
基于统计学算法根据类别划分信息结合历史订单特征信息进行频率统计,得到用户点餐类别频率信息;
根据用户点餐类别频率信息进行排序,得到点餐类别排序表,预设选取阈值,通过选取阈值结合点餐类别排序表选取用户偏好点餐类别,得到用户偏好信息;
获取餐厅菜品信息,通过用户偏好信息对所述餐厅菜品信息进行相似度计算,获取相似度值,与预设阈值进行判断,选取大于预设阈值的菜品对用户进行菜品推荐。
需要说明的是,通过实时获取用户历史订单信息,包括用户历史菜品、就餐地点和就餐口味等,对用户历史订单进行特征提取,提取用户喜好菜品,就餐频率和就餐时间等,通过预设的口味类别基于马氏距离算法计算历史订单特征信息和口味类别的马氏距离,通过马氏距离的大小进行相关性分析,根据相关性分析结果进行类别划分,通过统计用户点餐频率,并进行排序,结合选取阈值进行用户偏好信息生成,根据用户偏好信息计算餐厅菜品进行相似度计算,根据相似度对用户进行菜品推荐,智能地推荐符合用户喜好的菜品,提高用户的用餐体验和满意度。
S106,获取用户实时反馈信息和用户实时行为信息,根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;
对所述用户实时反馈信息进行预处理和文本转换,对所述用户实时行为信息进行标准化处理,得到预处理反馈信息和标准化实时行为信息;
将所述预处理反馈信息导入语义分析模型中进行语义分析,分析用户用餐时的情景语言信息,得到用户情景语义分析信息;
对所述标准化实时行为信息进行类别分割,基于YOLOv5进行人脸检测和肢体检测,通过分割算法进行类别分割,得到实时人脸信息和实时肢体信息;
基于二维Gabor小波变换对所述实时人脸信息进行变换处理,并进行特征提取,将提取的颜色信号特征和生物纹理特征进行融合,得到人脸混合特征信息;
采用Mallat算法对小波变换后的实时人脸信息进行小波包分割,将图像分割为不同频带的小波信号,提取不同频带的区域特征信息,根据信息熵关联算法对不同频带的区域特征信息进行优化处理,得到区域人脸特征信息;
基于支持向量机算法构建用户微表情分析模型,将所述人脸混合特征信息和所述区域人脸特征导入用户微表情分析模型进行分析,得到用户微表情分析信息;
基于CNN构建用户肢体分析模型,对所述实时肢体信息进行特征提取,得到肢体特征信息,将肢体特征信息导入用户肢体分析模型及进行肢体含义分析,得到肢体含义分析信息;
结合用户情景语义分析信息、用户微表情分析信息和肢体含义分析信息进行用户用餐偏好分析,得到用户偏好分析信息,根据用户偏好分析信息实时更新用户偏好信息。
需要说明的是,通过获取用户用餐时的实时反馈信息和用户实时行为信息,根据获取的信息对用户就餐时的反馈进行分析,从用户语言、表情和肢体动作三方面进行分析;通过分析用户就餐时的情景语言语义,得到用户对环境、菜品和服务等的语言评价;通过分析用户用餐时的微表情变化,自动分析用户的用餐感受;通过分析用户实时肢体含义,根据用户肢体语言侧面分析用户的就餐评价;结合三方面的用户实时行为和语言分析,更加智能化的更新用户偏好信息,提供更为人性化菜品推荐,提高用户就餐体验。
S108,获取需送餐位置信息和餐品信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;
获取送餐信息,所述送餐信息包括餐品信息和送餐位置信息;
通过所述送餐信息选择送餐方式,根据餐品信息的选择送餐方式,包括轨道传输和机器人送餐;
获取送餐位置信息和餐厅平面图,基于所述送餐位置信息结合餐厅平面图进行送餐路线规划,得到送餐路线信息,根据所述送餐路线进行餐品运输;
获取送餐实时视频流信息,截取单位时间内障碍物体的开始帧图像和结束帧图像,分析两帧图像的位置变化,判断是否为移动目标,并基于Shi-Tomasi算法和Canny边缘提取算法提取障碍物体边缘的角点,得到障碍分析结果信息;
获取障碍物体结束帧图像,根据障碍分析结果信息进行障碍物分割提取不含障碍物的背景图像信息,并结合障碍分析结果信息进行规避路线制定,根据规避路线进行障碍物体规避。
需要说明的是,首先,系统获取用户的送餐信息,包括餐品信息和送餐位置信息。根据餐品信息的特点,如含汤菜品和不含汤菜品,智能选择送餐方式,可以是轨道传输或者机器人送餐,以最优方式进行送餐,避免餐品泼洒,从而保障用户用餐体验。接着,获取送餐位置信息,并结合餐厅平面图进行送餐路线规划,得到最佳送餐路线。根据该送餐路线,系统开始进行餐品运输。在此过程中,持续接收并分析送餐实时视频流信息。通过截取单位时间内的障碍物体开始帧图像和结束帧图像,并利用Shi-Tomasi算法和Canny边缘提取算法提取障碍物体边缘的角点,系统能够实时识别送餐路线上的障碍物体。进一步,系统对障碍物体进行分割,提取不含障碍物的背景图像信息,并结合障碍分析结果信息进行规避路线制定。通过这一步骤,能够更准确地规避送餐路线上可能出现的障碍物体,确保送餐过程的安全和顺利进行。提高了送餐效率和准确性,同时实现了实时障碍物体识别和规避,增强了餐厅服务的智能化程度。用户能够享受更优质、高效、安全的用餐体验,增加对无人餐厅的满意度和信任度。
S110,获取餐品实时位置信息,根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理;
获取餐品实时位置信息,预设截取间隔时间,根据截取间隔时间对所述餐品实时位置信息进行位置截取,计算餐品实时位置变化距离,得到餐品实时变化距离信息;
预设位置变化判断阈值,将所述餐品实时变化距离信息与位置变化判断阈值进行判断,分析餐品的移动状态,得到送餐状态分析信息,根据送餐状态信息分析是否出现送餐事故;
构建事故分析模型,若出现送餐事故,则根据餐品实时位置信息获取餐品实时图像信息,将餐品实时图像信息导入事故分析模型中分析事故原因,得到事故分析结果信息;
预设事故类别,将事故分析结果信息与事故类别进行相似度计算,获取相似度值,与预设阈值进行判断,进行事故类别划分,得到事故类别划分信息;
根据所述事故类别信息和所述事故分析结果信息制定处理方案,得到事故处理方案信息,通过事故处理方案信息进行实时事故处理。
需要说明的是,根据餐品实时位置信息获取餐品实时图像信息进行事故分析,不仅分析传输带或机器人的运行状态,同时也分析运输的菜品状态,通过分析菜品状态从而判断菜品的完好,如若出现过多的损耗,则在进行事故处理的同时生成菜品状态信息,将菜品状态信息发送至对应的用户座位的可视化显示区域,进行情况说明,并同时发送至后厨进行菜品补做,保障用户的用餐体验。
图2为本发明一实施例提供的更新用户偏好信息的流程图;
如图2所示,本发明提供了更新用户偏好信息的流程图,包括:
S202,对所述用户实时反馈信息进行预处理和文本转换,对所述用户实时行为信息进行标准化处理;
S204,将所述预处理反馈信息导入语义分析模型中进行语义分析,分析用户用餐时的情景语言信息;
将所述预处理反馈信息导入语义分析模型中进行语义分析,分析用户用餐时的情景语言信息,得到用户情景语义分析信息。
S206,对标准化实时行为信息进行类别分割;
对所述标准化实时行为信息进行类别分割,基于YOLOv5进行人脸检测和肢体检测,通过分割算法进行类别分割,得到实时人脸信息和实时肢体信息。
S208,进行用户微表情分析和用户肢体含义分析;
基于二维Gabor小波变换对所述实时人脸信息进行变换处理,并进行特征提取,将提取的颜色信号特征和生物纹理特征进行融合,得到人脸混合特征信息;
采用Mallat算法对小波变换后的实时人脸信息进行小波包分割,将图像分割为不同频带的小波信号,提取不同频带的区域特征信息,根据信息熵关联算法对不同频带的区域特征信息进行优化处理,得到区域人脸特征信息;
基于支持向量机算法构建用户微表情分析模型,将所述人脸混合特征信息和所述区域人脸特征导入用户微表情分析模型进行分析,得到用户微表情分析信息;
基于CNN构建用户肢体分析模型,对所述实时肢体信息进行特征提取,得到肢体特征信息,将肢体特征信息导入用户肢体分析模型及进行肢体含义分析,得到肢体含义分析信息。
S210,结合用户情景语义分析信息、用户微表情分析信息和肢体含义分析信息进行用户用餐偏好分析,根据分析结果实时更新用户偏好信息。
进一步的,获取实时情景信息,对所述实时情景信息进行语义分析、微表情分析和肢体含义分析,得到实时情景分析信息;根据实时情景分析信息判断是否发生紧急事件,并进行紧急事件评估;基于大数据检索获取各种紧急事件实例,构成对比数据集;将所述实时情景信息与所述对比数据集进行相似度计算,获取相似度值,并与预设阈值进行判断,得到紧急事件分析结果信息;构建事件评估模型,将所述实时情景分析信息和所述紧急事件分析结果信息导入事件评估模型进行事件评估,得到事件评估结果信息;根据事件评估结果信息制定紧急事件处理方案,并发出紧急预警;获取实时状态视频信息,进行实时人流分析,得到实时人流分析信息,根据实时人流分析信息结合紧急事件处理方案生成规避指引信息,根据规避指引信息提醒用户进行合理规避,以保障用户的用餐安全。
需要说明的是,通过分析用户实时情景信息,利用用户实时语言、表情和肢体语言来判断发生的紧急事件,通过用户语言的语义、表情的变化和肢体的变动从而辅助判断事件的紧急状况,最后结合实时情景分析信息和紧急事件分析结果信息判断事故的状况,并制定处理方案,如进行餐厅广播征询医护人员、基于发生状况给出基本处理意见和进行自动报警等处理方案,同时发出预警进行提示,并实时分析现场状况,进行规避指引,从而保障用户的实时安全,避免发生安全事故。
图3为本发明一实施例提供的一种无人餐厅的数据智能交互系统框图3,该系统包括:存储器31、处理器32,所述存储器31中包含无人餐厅的数据智能交互方法程序,所述无人餐厅的数据智能交互方法程序被所述处理器32执行时实现如下步骤:
获取用户用餐需求信息,对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;
获取用户历史订单信息,对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐;
获取用户实时反馈信息和用户实时行为信息,根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;
获取需送餐位置信息和餐品信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;
获取餐品实时位置信息,根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理。
需要说明的是,通过对用户需求和历史订单信息的分析,系统能够智能地筛选符合用户需求的座位,推荐用户喜欢的餐品,实现个性化的用餐体验,满足用户需求。通过对用户历史订单信息的特征提取和频率统计,生成用户的偏好信息,优化餐品推荐策略,同时,对用户实时用餐语言、微表情和肢体语言进行分析,得到用户实时用餐评价,对用户偏好信息进行更新,持续优化服务策略,提高用户体验和满意度,提供更符合用户口味的菜品。通过智能选择送餐方式和实时规划送餐路线,提高送餐效率和准确性,减少送餐时间,餐厅运营效率。通过获取餐品实时位置信息和分析送餐状态,实时监测送餐状态,及时处理可能的事故,保障送餐安全。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或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,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (7)
1.一种无人餐厅的数据智能交互方法,其特征在于,包括:
获取用户用餐需求信息,对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;
获取用户历史订单信息,对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐;
获取用户实时反馈信息和用户实时行为信息,根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;
获取送餐信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;
获取餐品实时位置信息,根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理;
所述根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息,具体包括:
对所述用户实时反馈信息进行预处理和文本转换,对所述用户实时行为信息进行标准化处理,得到预处理反馈信息和标准化实时行为信息;
将所述预处理反馈信息导入语义分析模型中进行语义分析,分析用户用餐时的情景语言信息,得到用户情景语义分析信息;
对所述标准化实时行为信息进行类别分割,基于YOLOv5进行人脸检测和肢体检测,通过分割算法进行类别分割,得到实时人脸信息和实时肢体信息;
基于二维Gabor小波变换对所述实时人脸信息进行变换处理,并进行特征提取,将提取的颜色信号特征和生物纹理特征进行融合,得到人脸混合特征信息;
采用Mallat算法对小波变换后的实时人脸信息进行小波包分割,将图像分割为不同频带的小波信号,提取不同频带的区域特征信息,根据信息熵关联算法对不同频带的区域特征信息进行优化处理,得到区域人脸特征信息;
基于支持向量机算法构建用户微表情分析模型,将所述人脸混合特征信息和所述区域人脸特征导入用户微表情分析模型进行分析,得到用户微表情分析信息;
基于CNN构建用户肢体分析模型,对所述实时肢体信息进行特征提取,得到肢体特征信息,将肢体特征信息导入用户肢体分析模型及进行肢体含义分析,得到肢体含义分析信息;
结合用户情景语义分析信息、用户微表情分析信息和肢体含义分析信息进行用户用餐偏好分析,得到用户偏好分析信息,根据用户偏好分析信息实时更新用户偏好信息;
所述根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案,具体包括:
获取送餐信息,所述送餐信息包括餐品信息和送餐位置信息;
通过所述送餐信息选择送餐方式,根据餐品信息的选择送餐方式,包括轨道传输和机器人送餐;
获取送餐位置信息和餐厅平面图,基于所述送餐位置信息结合餐厅平面图进行送餐路线规划,得到送餐路线信息,根据所述送餐路线进行餐品运输;
获取送餐实时视频流信息,截取单位时间内障碍物体的开始帧图像和结束帧图像,分析两帧图像的位置变化,判断是否为移动目标,并基于Shi-Tomasi算法和Canny边缘提取算法提取障碍物体边缘的角点,得到障碍分析结果信息;
获取障碍物体结束帧图像,根据障碍分析结果信息进行障碍物分割提取不含障碍物的背景图像信息,并结合障碍分析结果信息进行规避路线制定根据规避路线进行障碍物体规避。
2.根据权利要求1所述的一种无人餐厅的数据智能交互方法,其特征在于,所述对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息,具体包括:
获取用户用餐需求信息,对所述用户用餐需求信息进行滤波、加重、加窗和分帧处理,同时基于VAD算法进行端点检测,剔除噪音部分截取有效语音信息,得到预处理信息;
基于自然语言处理技术将预处理信息进行文本转换,得到用户需求文本信息,对所述用户需求文本信息进行特征提取,得到用户需求特征信息;
构建语义分析模型,将所述用户需求特征信息导入所述语义分析模型进行分析,得到语义分析结果信息;
获取餐厅实时座位信息,结合所述语义分析结果信息进行座位筛选,选取符合用户用餐需求的座位,生成回复信息和座位提示灯控制信息;
通过所述回复信息对用户进行指引,同时根据座位提示灯控制信息控制目标座位提示灯开启。
3.根据权利要求1所述的一种无人餐厅的数据智能交互方法,其特征在于,所述对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐,具体包括:
获取用户历史订单信息,对所述用户历史订单信息进行特征提取,得到历史订单特征信息;
预设口味类别,基于马氏距离算法计算历史订单特征信息和口味类别的马氏距离,根据计算得到的马氏距离进行相关性分析,得到相关性分析结果信息,根据相关性分析结果信息进行类别划分,得到类别划分信息;
基于统计学算法根据类别划分信息结合历史订单特征信息进行频率统计,得到用户点餐类别频率信息;
根据用户点餐类别频率信息进行排序,得到点餐类别排序表,预设选取阈值,通过选取阈值结合点餐类别排序表选取用户偏好点餐类别,得到用户偏好信息;
获取餐厅菜品信息,通过用户偏好信息对所述餐厅菜品信息进行相似度计算,获取相似度值,与预设阈值进行判断,选取大于预设阈值的菜品对用户进行菜品推荐。
4.根据权利要求1所述的一种无人餐厅的数据智能交互方法,其特征在于,所述根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理,具体包括:
获取餐品实时位置信息,预设截取间隔时间,根据截取间隔时间对所述餐品实时位置信息进行位置截取,计算餐品实时位置变化距离,得到餐品实时变化距离信息;
预设位置变化判断阈值,将所述餐品实时变化距离信息与位置变化判断阈值进行判断,分析餐品的移动状态,得到送餐状态分析信息,根据送餐状态信息分析是否出现送餐事故;
构建事故分析模型,若出现送餐事故,则根据餐品实时位置信息获取餐品实时图像信息,将餐品实时图像信息导入事故分析模型中分析事故原因,得到事故分析结果信息;
预设事故类别,将事故分析结果信息与事故类别进行相似度计算,获取相似度值,与预设阈值进行判断,进行事故类别划分,得到事故类别划分信息;
根据所述事故类别信息和所述事故分析结果信息制定处理方案,得到事故处理方案信息,通过事故处理方案信息进行实时事故处理。
5.一种无人餐厅的数据智能交互系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包含无人餐厅的数据智能交互方法程序,所述无人餐厅的数据智能交互方法程序被所述处理器执行时实现如下步骤:
获取用户用餐需求信息,对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息;
获取用户历史订单信息,对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐;
获取用户实时反馈信息和用户实时行为信息,根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息;
获取送餐信息,根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案;
获取餐品实时位置信息,根据单位时间内的餐品位置变化分析送餐状态,根据送餐状态进行事故分析,制定事故处理方案并实时处理;
所述根据所述用户实时反馈信息和用户实时行为信息进行用户偏好分析,并更新用户偏好信息,具体包括:
对所述用户实时反馈信息进行预处理和文本转换,对所述用户实时行为信息进行标准化处理,得到预处理反馈信息和标准化实时行为信息;
将所述预处理反馈信息导入语义分析模型中进行语义分析,分析用户用餐时的情景语言信息,得到用户情景语义分析信息;
对所述标准化实时行为信息进行类别分割,基于YOLOv5进行人脸检测和肢体检测,通过分割算法进行类别分割,得到实时人脸信息和实时肢体信息;
基于二维Gabor小波变换对所述实时人脸信息进行变换处理,并进行特征提取,将提取的颜色信号特征和生物纹理特征进行融合,得到人脸混合特征信息;
采用Mallat算法对小波变换后的实时人脸信息进行小波包分割,将图像分割为不同频带的小波信号,提取不同频带的区域特征信息,根据信息熵关联算法对不同频带的区域特征信息进行优化处理,得到区域人脸特征信息;
基于支持向量机算法构建用户微表情分析模型,将所述人脸混合特征信息和所述区域人脸特征导入用户微表情分析模型进行分析,得到用户微表情分析信息;
基于CNN构建用户肢体分析模型,对所述实时肢体信息进行特征提取,得到肢体特征信息,将肢体特征信息导入用户肢体分析模型及进行肢体含义分析,得到肢体含义分析信息;
结合用户情景语义分析信息、用户微表情分析信息和肢体含义分析信息进行用户用餐偏好分析,得到用户偏好分析信息,根据用户偏好分析信息实时更新用户偏好信息;
所述根据餐品信息选择送餐方式,进行送餐路线规划,并实时识别路线障碍制定规避方案,具体包括:
获取送餐信息,所述送餐信息包括餐品信息和送餐位置信息;
通过所述送餐信息选择送餐方式,根据餐品信息的选择送餐方式,包括轨道传输和机器人送餐;
获取送餐位置信息和餐厅平面图,基于所述送餐位置信息结合餐厅平面图进行送餐路线规划,得到送餐路线信息,根据所述送餐路线进行餐品运输;
获取送餐实时视频流信息,截取单位时间内障碍物体的开始帧图像和结束帧图像,分析两帧图像的位置变化,判断是否为移动目标,并基于Shi-Tomasi算法和Canny边缘提取算法提取障碍物体边缘的角点,得到障碍分析结果信息;
获取障碍物体结束帧图像,根据障碍分析结果信息进行障碍物分割提取不含障碍物的背景图像信息,并结合障碍分析结果信息进行规避路线制定根据规避路线进行障碍物体规避。
6.根据权利要求5所述的一种无人餐厅的数据智能交互系统,其特征在于,所述对所述用户用餐需求信息进行用户需求分析,根据分析结果筛选符合用户需求的座位,并生成回复信息和座位提示灯控制信息,具体包括:
获取用户用餐需求信息,对所述用户用餐需求信息进行滤波、加重、加窗和分帧处理,同时基于VAD算法进行端点检测,剔除噪音部分截取有效语音信息,得到预处理信息;
基于自然语言处理技术将预处理信息进行文本转换,得到用户需求文本信息,对所述用户需求文本信息进行特征提取,得到用户需求特征信息;
构建语义分析模型,将所述用户需求特征信息导入所述语义分析模型进行分析,得到语义分析结果信息;
获取餐厅实时座位信息,结合所述语义分析结果信息进行座位筛选,选取符合用户用餐需求的座位,生成回复信息和座位提示灯控制信息;
通过所述回复信息对用户进行指引,同时根据座位提示灯控制信息控制目标座位提示灯开启。
7.根据权利要求5所述的一种无人餐厅的数据智能交互系统,其特征在于,所述对所述用户历史订单信息进行特征提取并进行频率统计,生成用户偏好信息,根据所述用户偏好信息进行餐品推荐,具体包括:
获取用户历史订单信息,对所述用户历史订单信息进行特征提取,得到历史订单特征信息;
预设口味类别,基于马氏距离算法计算历史订单特征信息和口味类别的马氏距离,根据计算得到的马氏距离进行相关性分析,得到相关性分析结果信息,根据相关性分析结果信息进行类别划分,得到类别划分信息;
基于统计学算法根据类别划分信息结合历史订单特征信息进行频率统计,得到用户点餐类别频率信息;
根据用户点餐类别频率信息进行排序,得到点餐类别排序表,预设选取阈值,通过选取阈值结合点餐类别排序表选取用户偏好点餐类别,得到用户偏好信息;
获取餐厅菜品信息,通过用户偏好信息对所述餐厅菜品信息进行相似度计算,获取相似度值,与预设阈值进行判断,选取大于预设阈值的菜品对用户进行菜品推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311016289.1A CN116993376B (zh) | 2023-08-14 | 2023-08-14 | 一种无人餐厅的数据智能交互方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311016289.1A CN116993376B (zh) | 2023-08-14 | 2023-08-14 | 一种无人餐厅的数据智能交互方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116993376A CN116993376A (zh) | 2023-11-03 |
CN116993376B true CN116993376B (zh) | 2024-03-12 |
Family
ID=88524586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311016289.1A Active CN116993376B (zh) | 2023-08-14 | 2023-08-14 | 一种无人餐厅的数据智能交互方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993376B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675284A (zh) * | 2018-07-03 | 2020-01-10 | 陈超 | 一种无人餐厅生产方法、装置、系统及服务器 |
CN114240693A (zh) * | 2021-11-19 | 2022-03-25 | 中国建设银行股份有限公司 | 点餐方法、装置、计算机设备和存储介质 |
CN114401417A (zh) * | 2022-01-28 | 2022-04-26 | 广州方硅信息技术有限公司 | 直播流对象跟踪方法及其装置、设备、介质 |
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 |
CN115994230A (zh) * | 2022-12-29 | 2023-04-21 | 南京烽火星空通信发展有限公司 | 一种融合人工智能和知识图谱技术的智慧档案构建方法 |
-
2023
- 2023-08-14 CN CN202311016289.1A patent/CN116993376B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110675284A (zh) * | 2018-07-03 | 2020-01-10 | 陈超 | 一种无人餐厅生产方法、装置、系统及服务器 |
CN114240693A (zh) * | 2021-11-19 | 2022-03-25 | 中国建设银行股份有限公司 | 点餐方法、装置、计算机设备和存储介质 |
CN114401417A (zh) * | 2022-01-28 | 2022-04-26 | 广州方硅信息技术有限公司 | 直播流对象跟踪方法及其装置、设备、介质 |
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 |
CN115994230A (zh) * | 2022-12-29 | 2023-04-21 | 南京烽火星空通信发展有限公司 | 一种融合人工智能和知识图谱技术的智慧档案构建方法 |
Non-Patent Citations (1)
Title |
---|
基于社交网络的餐厅群体推荐模型及系统设计;刘思宇;陈挺;;科技创新与应用;20190618(第18期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116993376A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110710852B (zh) | 基于送餐机器人的送餐方法、系统、介质及智能设备 | |
US20200175277A1 (en) | Generating visual event detectors | |
US20200356767A1 (en) | Human body attribute recognition method, apparatus, and device and medium | |
US8209219B2 (en) | Vision-based measurement of bulk and discrete food products | |
US20160253712A1 (en) | System and Method for Communicating Information | |
US20180150695A1 (en) | System and method for selective usage of inference models based on visual content | |
EP2087457A2 (en) | Measurement, monitoring and management of service and of bulk and discrete food products | |
KR102162978B1 (ko) | O2o 기반 유통기한임박 상품 할인 서비스 제공 방법 | |
CN108242007A (zh) | 服务提供方法及装置 | |
CN111212303A (zh) | 视频推荐方法、服务器和计算机可读存储介质 | |
KR102195642B1 (ko) | 색상정보에 기반한 검색 정보 제공 단말, 장치 및 제공 방법 | |
CN110135646B (zh) | 一种餐厅预估快速上菜的方法、装置及存储介质 | |
KR20200071885A (ko) | 챗봇을 활용한 음식 상세 주문 시스템 | |
CN111008859A (zh) | 虚拟店铺中信息呈现方法、装置、电子设备及存储介质 | |
KR20210081746A (ko) | Ai 기반의 여행 패키지 제공 시스템 및 그 방법 | |
CN116993376B (zh) | 一种无人餐厅的数据智能交互方法及系统 | |
KR20160107079A (ko) | 사용자의 웹에서의 활동에 기초한 사용자 맞춤형 상품 추천 장치 및 방법 | |
JP7376489B2 (ja) | 食品を分類する方法及びシステム | |
KR20180025754A (ko) | 디스플레이장치 및 그 제어방법 | |
CN113887884A (zh) | 商超服务系统 | |
CN111275493B (zh) | 榜单数据的处理方法、装置、服务器和非易失性存储介质 | |
CN112420162A (zh) | 食谱的智能化推荐方法及装置、智能橱柜 | |
CN115660752A (zh) | 一种显示屏展示内容配置方法、系统、设备及介质 | |
US20230162267A1 (en) | In-store automatic payment method, system, and program | |
CN113327130A (zh) | 迎宾机器人的控制方法、迎宾机器人和存储介质 |
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 |