CN117764573A - 一种图像识别菜品后订单结算收银方法 - Google Patents
一种图像识别菜品后订单结算收银方法 Download PDFInfo
- Publication number
- CN117764573A CN117764573A CN202410067115.6A CN202410067115A CN117764573A CN 117764573 A CN117764573 A CN 117764573A CN 202410067115 A CN202410067115 A CN 202410067115A CN 117764573 A CN117764573 A CN 117764573A
- Authority
- CN
- China
- Prior art keywords
- dishes
- settlement
- user
- information
- order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008569 process Effects 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000002452 interceptive effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 210000000577 adipose tissue Anatomy 0.000 claims description 12
- 235000012054 meals Nutrition 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 235000019640 taste Nutrition 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 9
- 238000012384 transportation and delivery Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 230000001360 synchronised effect Effects 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000013439 planning Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 235000013311 vegetables Nutrition 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 235000013305 food Nutrition 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 235000015927 pasta Nutrition 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009044 synergistic interaction Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及自助点菜领域，引入一种图像识别菜品后订单结算的方法，用户进入就餐区域，获取带识别标识的专用托盘，用于容纳所选菜品，用户挑选菜品放入托盘，将托盘放至识别智能结算台，系统自动识别托盘上的菜品和数量，生成订单传至用户界面，用户选择结算方式包括人脸识别、扫码、刷卡，此方法解决了收银错误和提高就餐速度的问题，优化了用户体验。
Description
技术领域
本申请涉及自助点菜领域，尤其是涉及一种图像识别菜品后订单结算收银方法。
背景技术
小碗菜的半自助式就餐模式为顾客提供了一种灵活且个性化的用餐体验。在这种模式下，顾客可以通过自主选择的方式，根据个人口味和偏好进行打菜，允许他们灵活地搭配自己喜欢的菜品。这种自主选择的过程既增加了用餐的趣味性，也满足了不同顾客对于食物口味的个性需求。
在打菜过程中，顾客可以根据菜品的种类、口味和健康考虑，自由搭配形成一份满足个人口味的餐点。这种定制选择的方式为顾客提供了更多掌控自己用餐体验的权利，增加了就餐的互动性和参与感。
然而，在享受个性化用餐的同时，结算环节仍由专业的收银员负责，由于是人工结算，可能会出现人为操作失误，导致收银结账准确率不够的情况发生，同时也间接降低了就餐排队的速度。
发明内容
为了解决收银员可能看错或者算错价格的问题，同时加快排队就餐的速度，本申请提供一种图像识别菜品后订单结算收银方法。
第一方面，本申请提供一种图像识别菜品后订单结算收银方法，包括以下步骤：
用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别；
用户通过自主选择的方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上；
用户将装有所选菜品的专用托盘放置于识别智能结算台的指定结算区，系统感应器件自动识别托盘上的菜品种类和数量；
基于托盘上的菜品识别结果，系统自动生成订单，将订单信息传输至用户可见的交互界面，用户实时查看订单内容；
用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡。
通过采用上述技术方案，通过引入图像识别技术，实现了自助点餐和结算的智能化流程，从而解决了传统收银过程中可能出现的收银员看错或算错价格的问题。用户在就餐区域通过获取具备识别标识的专用托盘，自主选择并将所选菜品放置于托盘上。将装有菜品的托盘放置于识别智能结算台的指定结算区后，系统感应器件自动识别托盘上的菜品种类和数量，基于此生成订单并传输至用户交互界面。用户可实时查看订单内容，并选择结算方式，包括人脸识别、扫码、刷卡。本申请中的自动化流程不仅降低了人为错误的可能性，同时极大地加速了就餐排队的速度，提升了整体用户体验。
可选的，所述用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别之前，包括以下步骤：
运维人员通过系统界面进行操作，确定录入菜品的完整信息，包括名称、描述、分类和图片；
运维人员进入菜品管理页，使用系统提供的搜索功能快速定位要学习的菜品名称；
运维人员通过系统界面触发图像学习功能，系统自动对菜品实物图进行拍照并进行图像学习；
系统利用深度学习或机器学习算法，对拍摄的菜品实物图进行智能学习和分析；
学习完成后，系统自动更新菜品数据库并验证学习效果。
通过采用上述技术方案，利用系统化菜品管理和图像学习技术，使得运维人员能够有效地录入、学习和识别菜品信息。通过系统录入菜品完整信息和图片，使用搜索功能迅速定位菜品并进行图像学习，系统自动对菜品实物图进行深度学习或机器学习分析。这一流程使系统能准确识别菜品，提高了菜品识别的准确性和效率，同时通过自动更新菜品数据库验证学习效果，保证了菜品识别的准确性和可靠性，为后续点餐结算提供了可靠的基础。
可选的，所述用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别之前，包括以下步骤：
用户站立于设备的前方，握持设备的检测扶手，检查扶手获取用户的指纹信息、体脂信息以及体重信息；
基于摄像头获取的影像信息，对应获取用户的身高信息；
根据用户的体脂信息、体重信息以及身高信息，对应获取BMI指数；
基于BMI指数，生成推荐菜单；
分析用户的指纹信息，实现支付身份验证。
通过采用上述技术方案，通过用户握持设备的检测扶手，综合获取指纹信息、体脂信息和体重信息，结合摄像头获取的影像信息获得用户身高信息，从而实现了全面的身体特征采集。通过这一多维度信息的整合，系统能够计算BMI指数，并据此生成个性化的推荐菜单，提供更符合用户身体状况和健康需求的菜品选择。同时，分析用户的指纹信息作为支付身份验证手段，增强了支付安全性。整合这些步骤，系统实现了便捷而全面的用户身体信息采集，为个性化餐饮推荐和支付安全提供了有效支持。
可选的，所述基于BMI指数，生成推荐菜单，包括以下步骤：
利用输入的身体信息计算BMI指数，同时分析用户的过去点餐记录和口味偏好；
基于训练好的推荐算法，结合BMI指数和用户偏好，生成个性化的菜单推荐；
在智能结算台屏幕上显示个性化的推荐菜单，包括推荐菜品和热量信息。
通过采用上述技术方案，基于用户身体状况和个人口味，提供了更加精准的餐品推荐，满足了用户的个性化需求。
可选的，所述用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡之后，包括以下步骤：
系统产生同步结算信号；
订单数据经过加密处理，通过通信协议将加密后的订单数据同步至移动终端；
移动终端接收到加密的订单数据后，进行解密处理；
移动终端将解密后的订单信息存储在本地数据库中，并实时更新显示。
通过采用上述技术方案，确保了支付信息的安全性，通过加密处理和通信协议的使用，有效防范了潜在的信息泄露风险。同时，本地存储和实时更新显示保障了订单信息的可靠性和及时性，为用户提供了便捷而安全的结算体验。整合这些步骤，系统有效地结合了安全性和用户体验，提升了整体支付流程的效率和可信度。
可选的，所述用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡之后，包括以下步骤：
系统对图像进行处理，提取菜品特征，菜品特征包括颜色、纹理、形状、大小信息；
基于预设的品质评估算法，将提取的菜品特征与模型进行比对；
根据算法输出，判断菜品品质，并在结算台屏幕上显示结果；
若菜品品质在预设的品质范围之外时，确认执行更换菜品操作。
通过采用上述技术方案，通过图像处理技术，实现对菜品品质的快速而客观评估，为用户提供了实时的反馈信息。结合各种结算方式，这一系统不仅提升了结算的便捷性，同时保障了菜品品质的可靠性，为用户提供了更加智能和贴心的结算体验。
可选的，所述若菜品品质在预设的品质范围之外时，确认执行更换菜品操作，包括以下步骤：
智能送餐机器人利用智能路径规划算法确定最优路径，与智能结算台进行实时通信；
智能送餐机器人到达后，自动进行菜品更换，确保新菜品符合规格；
更换完成后，智能送餐机器人向系统发送反馈信息，系统生成详细的更换报告，包括菜品信息和更换流程记录。
通过采用上述技术方案，实现了菜品更换的自动化和智能化，通过路径规划和实时通信保证了操作的高效性和协同性。生成详细的更换报告有助于系统监控和维护，同时也提供了完整的记录以便日后的审计和分析。
第二方面，本申请提供一种图像识别菜品后订单结算收银系统，采用如下的技术方案：
包括：
托盘识别模块，用于获取具备识别标识的专用托盘，并在后续流程中进行识别；
菜品选择与放置模块，用于用户通过自主选择方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上；
托盘识别智能结算台模块，用于在结算区域识别专用托盘上的菜品种类和数量；
订单生成与传输模块，用于基于托盘上的菜品识别结果，系统自动生成订单，并将订单信息传输至用户可见的交互界面；
用户交互界面模块，用于提供用户可见的交互界面，用户可以实时查看订单内容和选择结算方式；
结算方式模块，用于处理用户选择的结算方式，包括人脸识别、扫码、刷卡。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的图像识别菜品后订单结算收银方法的步骤。
第四方面，本申请提供一种计算机存储介质，采用如下的技术方案：
一种计算机存储介质，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的图像识别菜品后订单结算收银方法的步骤。
综上所述，本申请包括以下有益技术效果：
1.本申请中的自动化流程不仅降低了人为错误的可能性，同时极大地加速了就餐排队的速度，提升了整体用户体验；
2.能准确识别菜品，提高了菜品识别的准确性和效率，同时通过自动更新菜品数据库验证学习效果，保证了菜品识别的准确性和可靠性，为后续点餐结算提供了可靠的基础；
附图说明
图1是本申请实施例中一种图像识别菜品后订单结算收银方法的流程图。
图2是本申请实施例中步骤S01-S05的流程图。
图3是本申请实施例中步骤A1-A5的流程图。
图4是本申请实施例中步骤A4的子步骤的流程图。
图5是本申请实施例中步骤B1-B4的流程图。
图6是本申请实施例中步骤C1-C4的流程图。
图7是本申请实施例中步骤C4的子步骤的流程图。
图8是本申请实施例中系统的原理框图。
具体实施方式
以下结合附图1-8对本申请作进一步详细说明。
本申请实施例公开一种图像识别菜品后订单结算收银方法，参照图1，包括以下步骤：
S1：用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别。
需要说明的是，在用户获取具备识别标识的专用托盘的过程中，这个托盘可以设计成具备RFID（射频识别）技术或者二维码标识。例如，专用托盘上可能携带一个嵌入式的RFID芯片或者二维码，以确保系统能够准确地识别托盘的身份信息。这样的设计不仅提高了系统对托盘的辨识能力，还可以防止因托盘混用而导致的订单错误。
S2：用户通过自主选择的方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上。
对应的，在用户挑选小碗菜品的过程中，用户可能会使用专门设计的小碗或盘子，这些容器可能也携带有RFID芯片或二维码标识，以便在放置到专用托盘上时，系统能够准确识别每个小碗中所放置的菜品。这种设计可以提高识别的精准度，确保系统准确记录用户的选择。
S3：用户将装有所选菜品的专用托盘放置于识别智能结算台的指定结算区，系统感应器件自动识别托盘上的菜品种类和数量。
具体的，当用户将专用托盘放置于识别智能结算台的指定结算区时，结算台可能配备有摄像头、光学传感器或者其他图像感应设备。这些设备可以帮助系统对托盘上的菜品进行高效而准确的图像识别。例如，结算台上的摄像头可能使用计算机视觉技术，对每个小碗中的菜品进行扫描，然后系统能够根据颜色、形状、纹理等特征进行快速而精准的识别。
S4：基于托盘上的菜品识别结果，系统自动生成订单，将订单信息传输至用户可见的交互界面，用户实时查看订单内容。
对应的，基于托盘上的菜品识别结果生成订单时，系统可能还会结合菜品的价格信息。每个小碗菜品可能事先被标定了唯一的价格码，系统通过扫描这些价格码能够自动计算出订单的总价格。这样的设计不仅提高了结算的准确性，还避免了因手工输入价格而引发的潜在错误。
S5：用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡。
综上，通过引入图像识别技术，实现了自助点餐和结算的智能化流程，从而解决了传统收银过程中可能出现的收银员看错或算错价格的问题。用户在就餐区域通过获取具备识别标识的专用托盘，自主选择并将所选菜品放置于托盘上。将装有菜品的托盘放置于识别智能结算台的指定结算区后，系统感应器件自动识别托盘上的菜品种类和数量，基于此生成订单并传输至用户交互界面。用户可实时查看订单内容，并选择结算方式，包括人脸识别、扫码、刷卡。本申请中的自动化流程不仅降低了人为错误的可能性，同时极大地加速了就餐排队的速度，提升了整体用户体验。
参照图2，在步骤S1之前，还包括以下步骤：
S01：运维人员通过系统界面进行操作，确定录入菜品的完整信息，包括名称、描述、分类和图片。
对应的，运维人员通过系统界面进行操作，首先确定录入菜品的完整信息，包括菜品的名称、描述、分类和相关图片。例如，运维人员可能输入一道名为“担担面”的菜品，提供描述如“辣味浓郁的川菜面食”以及选择相应的分类，比如“主食”或“面食”。
S02：运维人员进入菜品管理页，使用系统提供的搜索功能快速定位要学习的菜品名称。
接下来，运维人员进入菜品管理页，使用系统提供的搜索功能，以快速定位要学习的菜品名称。在这个步骤中，运维人员可以通过输入关键词“担担面”来迅速找到该菜品，确保准确性和高效性。
S03：运维人员通过系统界面触发图像学习功能，系统自动对菜品实物图进行拍照并进行图像学习。
具体的，运维人员进入菜品管理页，使用系统提供的搜索功能，以快速定位要学习的菜品名称。在这个步骤中，运维人员可以通过输入关键词“担担面”来迅速找到该菜品，确保准确性和高效性。
S04：系统利用深度学习或机器学习算法，对拍摄的菜品实物图进行智能学习和分析。
对应的，运维人员通过系统界面触发图像学习功能，系统自动对菜品实物图进行拍照并进行图像学习。例如，运维人员可以点击“图像学习”按钮，系统可能提示要求拍摄担担面的实物图。运维人员使用设备拍摄担担面的照片，上传到系统。
S05：学习完成后，系统自动更新菜品数据库并验证学习效果。
学习完成后，系统自动更新菜品数据库并验证学习效果。系统可能会显示一个学习结果的摘要，包括成功学习的菜品数量和学习的准确度。运维人员可以通过系统提供的反馈信息来确认学习效果，确保新录入的菜品在系统中能够被准确地辨识和管理。这一自动更新和验证的过程保证了菜品数据库的实时性和准确性。
另一方面，在此过程中，在运维人员确定录入菜品信息时，会使用计算机或平板设备，通过系统界面输入菜品的名称、描述、分类和图片。这可以涉及到键盘、鼠标或触摸屏等输入设备，以确保菜品信息的准确录入。
同时，进入菜品管理页后，运维人员使用台式计算机或平板设备，并依赖系统提供的搜索功能来快速定位要学习的菜品名称。这涉及到计算机硬件和软件的协同作用，例如搜索引擎和数据库管理系统。
此外，触发图像学习功能时，运维人员使用设备内置的摄像头或外部相机，例如智能手机的摄像头，来拍摄菜品的实物图。这样的设备将图像数据传输给系统，为后续的学习提供了必要的输入。
在系统利用深度学习或机器学习算法进行图像学习和分析时，会使用高性能计算资源，例如GPU（图形处理器）来加速图像处理和模型训练的速度。这些硬件资源能够有效处理大量的图像数据，提高学习的效率和准确性。
对应的，学习完成后，系统自动更新菜品数据库并验证学习效果。这一过程会涉及到数据存储设备，例如数据库服务器，用于存储新学习的菜品信息。验证学习效果通过系统生成的学习报告或可视化界面进行，为运维人员提供直观的反馈。
参照图3，另一方面，步骤S1之前，还包括以下步骤：
A1：用户站立于设备的前方，握持设备的检测扶手，检查扶手获取用户的指纹信息、体脂信息以及体重信息。
A2：基于摄像头获取的影像信息，对应获取用户的身高信息。
A3：根据用户的体脂信息、体重信息以及身高信息，对应获取BMI指数。
A4：基于BMI指数，生成推荐菜单。
A5：分析用户的指纹信息，实现支付身份验证。
对应举例如下：
当用户站立于设备前方，握持设备的检测扶手时，这个智能健康设备开始采集用户的生理信息。在这一步骤中，扶手上可能集成了生物传感器，如指纹传感器和体脂秤。用户握持扶手时，指纹传感器可能使用光学或电容技术读取用户的指纹信息，同时体脂秤通过电阻测量来获取用户的体脂信息和体重信息。
接下来，设备利用内置的摄像头捕捉用户的影像信息。这可能包括用户的全身图像，用于后续计算身高。摄像头可以是高分辨率的数字摄像头，通过图像处理算法，系统可以测量用户的身高。
在获得用户的体脂信息、体重信息和身高信息后，设备通过内部算法计算用户的BMI指数。BMI计算可能涉及到内置的计算模块，用于将用户的身体测量数据进行数学运算，从而得出BMI指数，该指数是衡量身体质量的常用指标。
根据用户的BMI指数，设备生成个性化的健康推荐菜单。这一步骤可能需要设备内置的软件系统，其中包含了与餐饮营养学相关的算法和数据库，用于匹配用户的身体状况和健康目标，生成合适的饮食建议。
最后，系统进行支付身份验证。在这一过程中，用户的指纹信息被用于身份验证，确保只有合法用户才能完成支付。这可能涉及到与支付系统的集成，其中包括指纹识别技术和安全的支付通道，以确保用户信息的安全性和支付的可靠性。
此外，需要注意的是，用户的支付身份认证和BMI数据采集为同一时间点，基于用户同一的握持动作，因此，两者采集的方式组合在一次，更加方便快捷。
因此，上述通过用户握持设备的检测扶手，综合获取指纹信息、体脂信息和体重信息，结合摄像头获取的影像信息获得用户身高信息，从而实现了全面的身体特征采集。通过这一多维度信息的整合，系统能够计算BMI指数，并据此生成个性化的推荐菜单，提供更符合用户身体状况和健康需求的菜品选择。同时，分析用户的指纹信息作为支付身份验证手段，增强了支付安全性。整合这些步骤，系统实现了便捷而全面的用户身体信息采集，为个性化餐饮推荐和支付安全提供了有效支持。
参照,4，步骤A4具体包括以下子步骤：
A41：利用输入的身体信息计算BMI指数，同时分析用户的过去点餐记录和口味偏好。
A42：基于训练好的推荐算法，结合BMI指数和用户偏好，生成个性化的菜单推荐。
A43：在智能结算台屏幕上显示个性化的推荐菜单，包括推荐菜品和热量信息。
对应的，假设有一用户名使用了智能健康结算台。 用户通过扶手上的传感器提供了她的身体信息：60公斤的体重，165厘米的身高。系统使用这些数据计算用户的BMI指数为22.04，处于正常范围内。
同时，系统分析了用户过去的点餐记录和口味偏好。用户记录显示她偏好食用蔬菜和鱼类，同时避免高糖高脂肪的食物。她喜欢清淡健康的餐点，并在过去偏向选择一些低卡路里的菜肴。
基于训练好的推荐算法，结合用户的BMI指数和她的口味偏好，智能结算台生成了个性化的菜单推荐，这些个性化的菜单推荐显示在智能结算台屏幕上，并附带了每道菜品的热量信息，以帮助用户更好地选择符合健康目标的饮食。在本实施例中，推荐算法包括协同过滤、内容过滤、深度学习等。
另一方面，参照图5，步骤S5之后，还包括以下步骤：
B1：系统产生同步结算信号。
B2：订单数据经过加密处理，通过通信协议将加密后的订单数据同步至移动终端。
B3：移动终端接收到加密的订单数据后，进行解密处理。
B4：移动终端将解密后的订单信息存储在本地数据库中，并实时更新显示。
因此，上述步骤确保了支付信息的安全性，通过加密处理和通信协议的使用，有效防范了潜在的信息泄露风险。同时，本地存储和实时更新显示保障了订单信息的可靠性和及时性，为用户提供了便捷而安全的结算体验。整合这些步骤，系统有效地结合了安全性和用户体验，提升了整体支付流程的效率和可信度。
参照图6，此外，步骤S5之后，还包括以下步骤：
C1：系统对图像进行处理，提取菜品特征，菜品特征包括颜色、纹理、形状、大小信息。
C2：基于预设的品质评估算法，将提取的菜品特征与模型进行比对。
C3：根据算法输出，判断菜品品质，并在结算台屏幕上显示结果。
C4：若菜品品质在预设的品质范围之外时，确认执行更换菜品操作。
因此，通过图像处理技术，实现对菜品品质的快速而客观评估，为用户提供了实时的反馈信息。结合各种结算方式，这一系统不仅提升了结算的便捷性，同时保障了菜品品质的可靠性，为用户提供了更加智能和贴心的结算体验。
参照,7，步骤C4包括以下子步骤：
C41：智能送餐机器人利用智能路径规划算法确定最优路径，与智能结算台进行实时通信。
C42：智能送餐机器人到达后，自动进行菜品更换，确保新菜品符合规格。
C43：更换完成后，智能送餐机器人向系统发送反馈信息，系统生成详细的更换报告，包括菜品信息和更换流程记录。
因此，实现了菜品更换的自动化和智能化，通过路径规划和实时通信保证了操作的高效性和协同性。生成详细的更换报告有助于系统监控和维护，同时也提供了完整的记录以便日后的审计和分析。
参照图8，本实施例还提供一种图像识别菜品后订单结算收银系统，包括：
托盘识别模块，用于获取具备识别标识的专用托盘，并在后续流程中进行识别；
菜品选择与放置模块，用于用户通过自主选择方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上；
托盘识别智能结算台模块，用于在结算区域识别专用托盘上的菜品种类和数量；
订单生成与传输模块，用于基于托盘上的菜品识别结果，系统自动生成订单，并将订单信息传输至用户可见的交互界面；
用户交互界面模块，用于提供用户可见的交互界面，用户可以实时查看订单内容和选择结算方式；
结算方式模块，用于处理用户选择的结算方式，包括人脸识别、扫码、刷卡。
该系统整合了托盘识别、菜品选择与放置、智能结算、订单生成与传输、用户交互以及结算方式等模块的系统，通过托盘上的识别标识实现了对用户所选菜品的智能识别和结算。用户在自主选择菜品放置于专用托盘上后，系统能够准确识别托盘上的菜品种类和数量，并自动生成相应订单，将订单信息传输至用户可见的交互界面。用户通过界面实时查看订单内容，并选择结算方式，如人脸识别、扫码或刷卡。这种系统极大地简化了点餐结算流程，提高了自助服务的效率，同时通过智能化的托盘识别保证了订单的准确性，为用户提供了便捷而精准的用餐体验。
本实施例还提供一种电子设备。该电子设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像识别菜品后订单结算收银方法：
S1：用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别。
S2：用户通过自主选择的方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上。
S3：用户将装有所选菜品的专用托盘放置于识别智能结算台的指定结算区，系统感应器件自动识别托盘上的菜品种类和数量。
S4：基于托盘上的菜品识别结果，系统自动生成订单，将订单信息传输至用户可见的交互界面，用户实时查看订单内容。
S5：用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡。
该计算机程序被处理器执行时能实现上述方法实施例中任一种图像识别菜品后订单结算收银方法。
本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
S1：用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别。
S2：用户通过自主选择的方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上。
S3：用户将装有所选菜品的专用托盘放置于识别智能结算台的指定结算区，系统感应器件自动识别托盘上的菜品种类和数量。
S4：基于托盘上的菜品识别结果，系统自动生成订单，将订单信息传输至用户可见的交互界面，用户实时查看订单内容。
S5：用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡。
该计算机程序被处理器执行时能实现上述方法实施例中任一种图像识别菜品后订单结算收银方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参数前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种图像识别菜品后订单结算收银方法，其特征在于，包括以下步骤：
用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别；
用户通过自主选择的方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上；
用户将装有所选菜品的专用托盘放置于识别智能结算台的指定结算区，系统感应器件自动识别托盘上的菜品种类和数量；
基于托盘上的菜品识别结果，系统自动生成订单，将订单信息传输至用户可见的交互界面，用户实时查看订单内容；
用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡。
2.根据权利要求1所述的一种图像识别菜品后订单结算收银方法，其特征在于，所述用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别之前，包括以下步骤：
运维人员通过系统界面进行操作，确定录入菜品的完整信息，包括名称、描述、分类和图片；
运维人员进入菜品管理页，使用系统提供的搜索功能快速定位要学习的菜品名称；
运维人员通过系统界面触发图像学习功能，系统自动对菜品实物图进行拍照并进行图像学习；
系统利用深度学习或机器学习算法，对拍摄的菜品实物图进行智能学习和分析；
学习完成后，系统自动更新菜品数据库并验证学习效果。
3.根据权利要求1所述的一种图像识别菜品后订单结算收银方法，其特征在于，所述用户进入就餐区域，获取具备识别标识的专用托盘，该托盘用于容纳所选菜品并在后续流程中进行识别之前，包括以下步骤：
用户站立于设备的前方，握持设备的检测扶手，检查扶手获取用户的指纹信息、体脂信息以及体重信息；
基于摄像头获取的影像信息，对应获取用户的身高信息；
根据用户的体脂信息、体重信息以及身高信息，对应获取BMI指数；
基于BMI指数，生成推荐菜单；
分析用户的指纹信息，实现支付身份验证。
4.根据权利要求3所述的一种图像识别菜品后订单结算收银方法，其特征在于，所述基于BMI指数，生成推荐菜单，包括以下步骤：
利用输入的身体信息计算BMI指数，同时分析用户的过去点餐记录和口味偏好；
基于训练好的推荐算法，结合BMI指数和用户偏好，生成个性化的菜单推荐；
在智能结算台屏幕上显示个性化的推荐菜单，包括推荐菜品和热量信息。
5.根据权利要求1所述的一种图像识别菜品后订单结算收银方法，其特征在于，所述用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡之后，包括以下步骤：
系统产生同步结算信号；
订单数据经过加密处理，通过通信协议将加密后的订单数据同步至移动终端；
移动终端接收到加密的订单数据后，进行解密处理；
移动终端将解密后的订单信息存储在本地数据库中，并实时更新显示。
6.根据权利要求1所述的一种图像识别菜品后订单结算收银方法，其特征在于，所述用户在交互界面上选择结算方式，结算方式包括人脸识别、扫码、刷卡之后，包括以下步骤：
系统对图像进行处理，提取菜品特征，菜品特征包括颜色、纹理、形状、大小信息；
基于预设的品质评估算法，将提取的菜品特征与模型进行比对；
根据算法输出，判断菜品品质，并在结算台屏幕上显示结果；
若菜品品质在预设的品质范围之外时，确认执行更换菜品操作。
7.根据权利要求6所述的一种图像识别菜品后订单结算收银方法，其特征在于，所述若菜品品质在预设的品质范围之外时，确认执行更换菜品操作，包括以下步骤：
智能送餐机器人利用智能路径规划算法确定最优路径，与智能结算台进行实时通信；
智能送餐机器人到达后，自动进行菜品更换，确保新菜品符合规格；
更换完成后，智能送餐机器人向系统发送反馈信息，系统生成详细的更换报告，包括菜品信息和更换流程记录。
8.一种图像识别菜品后订单结算收银系统，其特征在于，包括：
托盘识别模块，用于获取具备识别标识的专用托盘，并在后续流程中进行识别；
菜品选择与放置模块，用于用户通过自主选择方式挑选小碗菜的菜品，并将所选菜品放置于专用托盘上；
托盘识别智能结算台模块，用于在结算区域识别专用托盘上的菜品种类和数量；
订单生成与传输模块，用于基于托盘上的菜品识别结果，系统自动生成订单，并将订单信息传输至用户可见的交互界面；
用户交互界面模块，用于提供用户可见的交互界面，用户可以实时查看订单内容和选择结算方式；
结算方式模块，用于处理用户选择的结算方式，包括人脸识别、扫码、刷卡。
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的图像识别菜品后订单结算收银的步骤。
10.一种计算机存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的图像识别菜品后订单结算收银的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410067115.6A CN117764573A (zh) | 2024-01-16 | 2024-01-16 | 一种图像识别菜品后订单结算收银方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410067115.6A CN117764573A (zh) | 2024-01-16 | 2024-01-16 | 一种图像识别菜品后订单结算收银方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117764573A true CN117764573A (zh) | 2024-03-26 |
Family
ID=90312707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410067115.6A Pending CN117764573A (zh) | 2024-01-16 | 2024-01-16 | 一种图像识别菜品后订单结算收银方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117764573A (zh) |
-
2024
- 2024-01-16 CN CN202410067115.6A patent/CN117764573A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7494439B2 (ja) | 給食管理システム及びその運営方法 | |
| CN102214269A (zh) | 信息处理设备，信息输出方法和计算机程序存储装置 | |
| US20140095189A1 (en) | Systems and methods for response calibration | |
| CN103562921A (zh) | 位置启用的食物数据库 | |
| KR101592021B1 (ko) | 개인화된 임신, 출산, 산후조리 관련 정보 제공 서비스 방법, 장치 및 시스템 | |
| CN113179661A (zh) | 控制方法、信息终端、程序以及记录介质 | |
| KR20120109264A (ko) | 모바일 기반의 개인 맞춤형 추천식품 제공시스템 및 그 제공방법 | |
| KR102487925B1 (ko) | 음식량 측정을 이용한 배식소의 운영정보와 배식대상의 관리정보 제공 방법, 서버 및 프로그램 | |
| US20140052585A1 (en) | Information processing system, information processing method, program, and information recording medium | |
| EP3964793A1 (en) | Food measurement method, device, and program | |
| EP2901399A1 (en) | Systems and methods for response calibration | |
| CN110444271A (zh) | 饮食建议生成方法、装置、计算机设备及存储介质 | |
| CN109419498A (zh) | 一种多功能人体感知系统 | |
| KR20240123777A (ko) | 음식 측정 방법, 장치, 및 프로그램 | |
| US20220222844A1 (en) | Method, device, and program for measuring food | |
| US20220020471A1 (en) | Secure, automated, system and computer implemented process for monitoring care provided to a consumer according to a pharmacological or nutritional regimen of the consumer | |
| KR102488997B1 (ko) | 휴대용 장치를 이용한 음식량 측정 방법, 서버 및 프로그램 | |
| CN117764573A (zh) | 一种图像识别菜品后订单结算收银方法 | |
| CN116703503A (zh) | 一种校园食堂菜品智能推荐方法及系统 | |
| KR20190104980A (ko) | 급식관리 시스템 및 이의 운영방법 | |
| CN113625916B (zh) | 一种用于互动并具数据采集传输的娱乐装置 | |
| US20230298730A1 (en) | Secure, automated, system and computer implemented process for monitoring care provided to a consumer according to a pharmacological or nutritional regimen of the consumer | |
| JP2001318991A (ja) | 情報システムを用いた栄養管理システム | |
| KR20190048922A (ko) | 스마트 테이블 및 스마트 테이블의 제어방법 | |
| KR20210128071A (ko) | 모바일 기반의 개인 맞춤형 추천식품 제공시스템 및 그 제공방법 |
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 |