KR102427093B1 - 사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법 - Google Patents

사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법 Download PDF

Info

Publication number
KR102427093B1
KR102427093B1 KR1020220054108A KR20220054108A KR102427093B1 KR 102427093 B1 KR102427093 B1 KR 102427093B1 KR 1020220054108 A KR1020220054108 A KR 1020220054108A KR 20220054108 A KR20220054108 A KR 20220054108A KR 102427093 B1 KR102427093 B1 KR 102427093B1
Authority
KR
South Korea
Prior art keywords
user
information
determining
grade
protein
Prior art date
Application number
KR1020220054108A
Other languages
English (en)
Inventor
박정은
Original Assignee
박정은
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 박정은 filed Critical 박정은
Priority to KR1020220054108A priority Critical patent/KR102427093B1/ko
Application granted granted Critical
Publication of KR102427093B1 publication Critical patent/KR102427093B1/ko

Links

Images

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Rheumatology (AREA)
  • Dentistry (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nutrition Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 사용자에게 맞춤형 단백질 도넛을 생성하기 위한 배합 비를 생성하는 방법을 제공할 수 있다.
일 실시예에 따른 서버에 의해 수행되는 단백질 도넛의 원재료 배합 비율 생성 방법에 있어서, 제1 외부 서버로부터 사용자의 체내 정보를 획득하는 단계; 상기 체내 정보에 포함된 체지방률에 기초하여 상기 사용자의 신체 등급을 결정하는 단계; 상기 사용자의 신체 등급에 기초하여 상기 사용자에게 필요한 필요 영양 성분을 결정하는 단계; 및 상기 필요 영양 성분에 기초하여 원재료의 배합비를 결정하는 단계;를 포함할 수 있다.

Description

사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법{A method of creating a blending ratio of protein donuts considering the user's constitution}
본 발명은 사용자의 체질을 고려하여 단백질 도넛의 배합 비를 설정하는 방법에 관한 발명이다.
최근 사람의 건강을 중요시 하는 분위기가 형성되면서, 이와 관련하여 식품 관련하여서도 개개인의 건강을 고려하는 기술에 대한 연구가 활발하게 진행되고 있다. 특히나, 개인의 체질이나 질병 등을 고려하여 이와 관련한 식품을 제조하기 위한 연구가 활발하게 진행되고 있다. 이때 단순하게 사용자의 표면적인 신체 요소 외에도 체지방이나 지방 레벨 등을 고려하여 맞춤형으로 식사를 하기 위한 니즈가 증가하고 있다.
이와 관련하여 사용자로부터 체지방률, 내장 지방 레벨, BMI 수치 등에 대한 정보를 획득하고, 이를 이용하여 맞춤형 식품을 제공하기 위한 연구가 필요한 상황이며, 특히 간식의 경우 사용자의 신체를 고려하지 않은 경우가 많아 사용자의 니즈에 부합하는 디저트를 만들기 위한 연구가 필요한 실정이다.
본 발명은 사용자에게 맞춤형 단백질 도넛을 생성하기 위한 배합 비를 생성하는 방법을 제공할 수 있다.
일 실시예에 따른 서버에 의해 수행되는 단백질 도넛의 원재료 배합 비율 생성 방법에 있어서, 제1 외부 서버로부터 사용자의 체내 정보를 획득하는 단계; 상기 체내 정보에 포함된 체지방률에 기초하여 상기 사용자의 신체 등급을 결정하는 단계; 상기 사용자의 신체 등급에 기초하여 상기 사용자에게 필요한 필요 영양 성분을 결정하는 단계; 및 상기 필요 영양 성분에 기초하여 원재료의 배합비를 결정하는 단계;를 포함할 수 있다.
일 실시예에 따른 상기 체내 정보에 포함된 체지방률에 기초하여 상기 사용자의 신체 등급을 결정하는 단계는, 상기 체지방률에 기초하여 상기 사용자를 복수의 카테고리 중 하나의 카테고리인 적합 카테고리로 분류하는 단계; 상기 적합 카테고리에 대응하는 신체 결핍 정보를 결정하는 단계; 및 상기 신체 결핍 정보에 기초하여 상기 사용자의 신체 등급을 결정하는 단계;를 포함할 수 있다.
일 실시예에 따른 상기 신체 결핍 정보에 기초하여 상기 사용자의 신체 등급을 결정하는 단계는, 상기 신체 결핍 정보에 포함된 내장 지방 레벨 정보, BMI 수치 정보, 키 정보, 체중 정보, 근육 양 정보 및 체내 수분 정보에 기초하여 체내 상태 레벨 수치를 결정하는 단계; 및 상기 체내 상태 레벨 수치에 기초하여 상기 사용자의 신체 등급을 결정하는 단계;를 더 포함할 수 있다.
일 실시예에 따른 상기 체내 상태 레벨 수치를 도출하는 것은, 다음과 같은 수학식에 의할 수 있고, [수학식],
Figure 112022046756983-pat00001
, 상기 J는 체내 상태 레벨 수치를 나타내고, 상기 Ka는 상기 사용자의 내장 지방 레벨을 나타내고, 상기 Va는 상기 사용자의 BMI 수치를 나타내고, N은 상기 사용자의 체중을 나타내고, U는 상기 사용자의 키를 나타내고, Mg는 상기 사용자의 근육 양을 나타내고, 상기 L은 상기 사용자의 체내 수분 양을 나타내고, D는 상기 사용자의 생활 수치를 나타내고, 상기 사용자의 생활 수치는 상기 사용자 단말로부터 획득한 활동 대사량 및 기초 대사량에 비례하게 설정될 수 있다.
일 실시예에 따른 상기 사용자의 신체 등급에 기초하여 상기 사용자에게 필요한 필요 영양 성분을 결정하는 단계는, 상기 사용자의 신체 등급에 기초하여 필요 단백질 함량, 필요 탄수화물 함량 및 필요 지방 함량을 산출하는 단계; 상기 사용자의 단말로부터 식사 정보를 획득하는 단계; 및 상기 식사 정보, 상기 필요 단백질 함량, 상기 필요 탄수화물 함량 및 상기 필요 지방 함량에 기초하여 상기 필요 영양 성분의 양을 결정하는 단계;를 포함할 수 있다.
본 발명은 사용자의 신체적 요소를 고려한 단백질 도넛을 제공 함으로서 사용자의 만족감을 향상시킬 수 있다.
다양한 실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 의한 프로세서의 동작을 예시한 도면이다.
도 2는 일 실시예에 의한 서버의 동작을 예시한 도면이다.
도 3은 일 실시예에 의한 원재료의 배합비를 결정하는 동작을 예시한 도면이다.
도 4는 일 실시예에 의한 사용자의 신체 등급을 결정하는 동작을 예시한 도면이다.
도 5는 일 실시예에 의한 필요 영양 성분의 양을 결정하는 동작을 예시한 도면이다.
도 6은 일 실시예에 의한 최종 원재료 배합비를 결정하는 동작을 예시한 도면이다.
도 7은 일 실시예에 의한 맞춤형 도넛을 표시하는 제1 인터페이스를 예시한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. “및/또는”이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 일 실시예에 의한 서버(1)에 속한 프로세서의 동작을 예시한 도면이다. 도 1을 구체적으로 살펴보면 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중 하나일 수 있고, 저장 장치(160)는, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD), 솔리드 스테이트 드라이브(SSD), 또는 각종 메모리 카드(예를 들어, micro SD 카드) 등일 수 있다.
또한, 서버(1)는, 서버에 포함될 수 있으며, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 서버(1)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 서버(1)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
도 2는 일 실시예에 의한 서버의 동작을 예시한 도면이다. 도 3은 일 실시예에 의한 원재료의 배합비를 결정하는 동작을 예시한 도면이다.
도 2 및 도 3을 구체적으로 살펴보면, 서버는 제1 외부 서버로부터 사용자의 체내 정보를 획득할 수 있다. 체내 정보는 체지방률 정보 등을 포함할 수 있다. 서버는 체내 정보에 포함된 체지방률에 기초하여 상기 사용자의 신체 등급을 결정할 수 있다. 서버는 사용자의 신체 등급에 기초하여 상기 사용자에게 필요한 필요 영양 성분을 결정할 수 있고, 상기 필요 영양 성분에 기초하여 원재료의 배합비를 결정할 수 있다. 이에 대한 내용은 후에 자세하게 서술하도록 한다.
서버(1)는 제1 외부 서버(2) 및 제2 외부 서버(3)와 신호를 주고 받을 수 있으며, 서버는 사용자의 체내 정보를 획득(301)할 수 있고, 체지방률에 기초하여 사용자의 신체 등급을 결정(302)할 수 있고, 사용자에게 필요한 필요 영양 성분을 결정(303)할 수 있고, 원재료의 배합비를 결정(304)할 수 있다.
도 4는 일 실시예에 의한 사용자의 신체 등급을 결정하는 동작을 예시한 도면이다. 도 4를 구체적으로 살펴보면, 서버는 체지방률에 기초하여 상기 사용자를 복수의 카테고리 중 하나의 카테고리인 적합 카테고리로 분류할 수 있다. 적합 카테고리는 비만 카테고리, 보통 카테고리, 마른 카테고리를 포함할 수 있고, 이외에도 근육형 카테고리, 마른 비만 카테고리 등을 포함할 수 있다. 적합 카테고리는 위의 카테고리들 중 사용자가 해당하는 카테고리를 나타낼 수 있다. 서버는 적합 카테고리에 대응하는 신체 결핍 정보를 결정할 수 있고, 신체 결핍 정보에 기초하여 상기 사용자의 신체 등급을 결정할 수 있다. 이는 도 5에서 서술하도록 한다. 서버는 사용자를 적합 카테고리로 분류(401)할 수 있고, 신체 결핍 정보를 결정하고 신체 등급을 결정(402)할 수 있다.
도 5는 일 실시예에 의한 필요 영양 성분의 양을 결정하는 동작을 예시한 도면이다. 도 5를 구체적으로 살펴보면, 서버는 신체 결핍 정보에 포함된 내장 지방 레벨 정보, BMI 수치 정보, 키 정보, 체중 정보, 근육 양 정보 및 체내 수분 정보에 기초하여 체내 상태 레벨 수치를 결정할 수 있고, 체내 상태 레벨 수치에 기초하여 상기 사용자의 신체 등급을 결정할 수 있다. 이때 체내 상태 레벨 수치를 도출하는 것은 다음과 같은 수학식 1에 의할 수 있다.
[수학식 1]
Figure 112022046756983-pat00002
,
상기 J는 체내 상태 레벨 수치를 나타내고, 상기 Ka는 상기 사용자의 내장 지방 레벨을 나타내고, 상기 Va는 상기 사용자의 BMI 수치를 나타내고, N은 상기 사용자의 체중을 나타내고, U는 상기 사용자의 키를 나타내고, Mg는 상기 사용자의 근육 양을 나타내고, 상기 L은 상기 사용자의 체내 수분 양을 나타내고, D는 상기 사용자의 생활 수치를 나타낼 수 있다. 사용자의 생활 수치는 상기 사용자로부터 획득한 운동 정보에 기초하여 획득할 수 있으며, 생활 수치는 활동 대사량, 기초 대사량에 비례하게 설정될 수 있다. 서버는 필요 단백질 함량, 필요 탄수화물 함량 및 필요 지방 함량을 산출(501)할 수 있고, 식사 정보를 획득하고 필요 영양 성분의 양을 결정(502)할 수 있다.
도 6은 일 실시예에 의한 최종 원재료 배합비를 결정하는 동작을 예시한 도면이다. 도 6을 구체적으로 살펴보면, 서버는 사용자의 신체 등급에 기초하여 필요 단백질 함량, 필요 탄수화물 함량 및 필요 지방 함량을 산출할 수 있고, 서버는 상기 사용자 단말로부터 식사 정보를 획득할 수 있고, 상기 식사 정보, 상기 필요 단백질 함량, 상기 필요 탄수화물 함량 및 상기 필요 지방 함량에 기초하여 상기 필요 영양 성분의 양을 결정할 수 있다. 이때 필요 단백질 함량, 필요 탄수화물 함량 및 필요 지방 함량은 사용자에게 필요한 칼로리 정보를 도출하고, 사용자의 설정에 따라 탄수화물, 단백질 및 지방 양을 설정하여 결정할 수 있다. 일 실시예로 사용자는 탄수화물 단백질 지방의 비율을 2:4:4로 설정할 수 있으며, 서버는 이에 따라 필요한 탄수화물, 단백질 및 지방 양을 설정할 수 있다. 일 실시예로 신체 등급이 1에서 10등급 중 비만 정도가 높은 7등급 정도라고 하는 경우, 이에 필요한 탄수화물, 지방 및 단백질 양이 결정될 수 있다. 또한 서버는 사용자의 단말로부터 획득한 식사 정보에 기초하여 제2 외부 서버로부터 획득한 원재료 영양 성분 정보를 획득하고, 해당 영양 성분을 통해 필요한 탄수화물, 지방 및 단백질 양의 초과 양과 결핍 양을 결정할 수 있고, 이를 식사 정보에 대응하는 탄수화물, 지방 및 단백질 양과의 차이를 통해 필요한 양과 넘치는 양을 계산할 수 있다.
또한 서버는 제2 외부 서버로부터 복수의 원재료에 대응하는 원재료 영양 성분 정보를 획득할 수 있고, 상기 필요 영양 성분 및 상기 원재료 영양 성분 정보에 기초하여 상기 복수의 원재료 중 필요 원재료를 결정할 수 있다. 일 실시예로 사용자가 필요한 영양 성분이 단백질 100g, 탄수화물, 40g, 지방 100g이라고 한다면 서버는 필요 원재료에 대응되는 영양 성분을 통해 해당 영양소를 채우도록 할 수 있다. 이때 사용자의 식사 정보에 기초하여 필요한 양을 설정할 수도 있다.
일 실시예로 단백질 100g, 탄수화물 40g, 지방 100g이라고 한다면 이 중에서 식사를 통해 단백질이 90g, 탄수화물이 30g 지방이 70g을 섭취하고 있다면, 사용자의 설정에 따라 1회 또는 2회에 걸쳐 나머지 단백질 10g, 탄수화물 10g 지방 30g을 섭취할 수 있도록 설정할 수 있다. 이를 위해 원재료 영양 성분에 기초하여 해당 영양을 미리 지정한 g수로 채울 수 있도록 할 수 있는데 이때 제3 외부 서버로부터 획득한 외부 도넛들의 원재료 성분을 획득한 후, 해당 원재료 성분들의 조합으로 이를 설정할 수 있다. 이때 서버는 필요 원재료에 대응하는 가격을 산출할 수 있다. 이후, 사용자가 설정한 금액대에 따라서 원재료 성분들을 조합하여 해당 원재료 및 가격을 채우도록 설정할 수 있다. 이때 원재료 성분들의 조합을 산정할 때 우선적으로 가격과 영양성분을 통해서 설정하고, 이후 초과 또는 결핍 중량 수가 후순위로 고려될 수 있으며, 이후 고려 대상으로 사용자가 설정한 식감, 맛, 냄새 등을 고려하여 미리 설정된 원재료 별 특징을 고려하여 산정될 수 있다. 서버는 필요 원재료에 대응하는 가격 및 상기 필요 원재료에 포함된 영양 성분에 기초하여 최종 원재료의 배합비를 결정할 수 있다.
서버는 필요 원재료에 대응하는 가격 및 상기 필요 원재료에 포함된 영양 성분에 기초하여 비율 산출 계수를 도출할 수 있고, 상기 비율 산출 계수에 기초하여 상기 최종 원재료의 배합비를 결정할 수 있고, 이때 상기 비율 산출 계수는 필요 원재료에 대응하는 가격 X에서 상기 필요 원재료에 대응되는 가격 비율로 이를 등분한 후, 등분한 대로 배합비를 설정하여 탄수화물, 단백질, 지방 양을 산출하고, 초과분과 부족분에 대해서 가격이 낮은 순으로 이를 조절하여 설정할 수 있다. 만약 전부 초과라면 초과된 부분 만큼 전체적인 비율을 낮출 수 있고, 전부 부족하다면, 가격이 낮은 원재료를 우선적으로 비율을 높이면서 가격이 높은 원재료의 비율을 이후 낮추어 조정할 수 있으며, 이때 가격 범위는 미리 설정된 가격 범위를 초과할 수 없도록 설정할 수 있다. 이때 가격이 낮은 원재료와 가격이 높은 원재료는 부족한 영양서가 높은 비율 순 중에서 가격이 낮고 높은 순으로 배치하도록 설정할 수 있다.
서버는 원재료 영양 성분을 획득(601)할 수 있고, 필요 원재료를 결정하고 필요 원재료에 대응하는 가격을 산출(602)할 수 있고, 최종 원재료 배합비를 결정(603)할 수 있다.
도 7은 일 실시예에 의한 맞춤형 도넛을 표시하는 제1 인터페이스를 예시한 도면이다. 도 7을 구체적으로 살펴보면, 서버는 제1 인터페이스(10)를 통해 최종 원재료 배합비로 생성된 도넛의 모양과 사용자의 신체 정보 및 도넛에 대한 설명을 포함하여 표시할 수 있다.
사용자 단말은 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), 및 PDA(Personal Digital Assistant) 등 일 수 있다.
기계 학습일 이용 시 딥 러닝 모델을 이용할 수 있으며 머신 러닝 모델을 이용하여 수행할 수 있다. 이때 학습 데이터 셋은 외부의 다양한 서버에서 획득한 다양한 정보를 학습 데이터 셋으로 포함할 수 있으며, 지도 학습 방식이 이용될 수 있다. 이때, 딥 러닝 모델 모듈은 DNN(deep neural network) 알고리즘을 이용할 수 있다. 기재된 바에 국한되지 않고, 합성곱 신경망(CNN, Convoultional Neural Network), 순환 신경망(RNN, Recurrent Neural Network), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine),　심층 신뢰 신경망(DBN, Deep Belief Network) 알고리즘들이 이용될 수 있으며, 각각의 알고리즘들은 주지의 기술이므로 설명은 생략한다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
1: 서버

Claims (5)

  1. 서버에 의해 수행되는 단백질 도넛의 원재료 배합 비율 생성 방법에 있어서,
    제1 외부 서버로부터 사용자의 체내 정보를 획득하는 단계;
    상기 체내 정보에 포함된 체지방률에 기초하여 상기 사용자의 신체 등급을 결정하는 단계;
    상기 사용자의 신체 등급에 기초하여 상기 사용자에게 필요한 필요 영양 성분을 결정하는 단계; 및
    상기 필요 영양 성분에 기초하여 원재료의 배합비를 결정하는 단계;를 포함하고,
    상기 체내 정보에 포함된 체지방률에 기초하여 상기 사용자의 신체 등급을 결정하는 단계는,
    상기 체지방률에 기초하여 상기 사용자를 복수의 카테고리 중 하나의 카테고리인 적합 카테고리로 분류하는 단계;
    상기 적합 카테고리에 대응하는 신체 결핍 정보를 결정하는 단계; 및
    상기 신체 결핍 정보에 기초하여 상기 사용자의 신체 등급을 결정하는 단계;를 포함하고,
    상기 신체 결핍 정보에 기초하여 상기 사용자의 신체 등급을 결정하는 단계는,
    상기 신체 결핍 정보에 포함된 내장 지방 레벨 정보, BMI 수치 정보, 키 정보, 체중 정보, 근육 양 정보 및 체내 수분 정보에 기초하여 체내 상태 레벨 수치를 결정하는 단계; 및
    상기 체내 상태 레벨 수치에 기초하여 상기 사용자의 신체 등급을 결정하는 단계;를 더 포함하고,
    상기 체내 상태 레벨 수치를 도출하는 것은, 다음과 같은 수학식에 의할 수 있고,
    [수학식]
    Figure 112022069520325-pat00003
    ,
    상기 J는 체내 상태 레벨 수치를 나타내고, 상기 Ka는 상기 사용자의 내장 지방 레벨을 나타내고, 상기 Va는 상기 사용자의 BMI 수치를 나타내고, N은 상기 사용자의 체중을 나타내고, U는 상기 사용자의 키를 나타내고, Mg는 상기 사용자의 근육 양을 나타내고, 상기 L은 상기 사용자의 체내 수분 양을 나타내고, D는 상기 사용자의 생활 수치를 나타내고, 상기 사용자의 생활 수치는 상기 사용자 단말로부터 획득한 활동 대사량 및 기초 대사량에 비례하게 설정되고,
    상기 사용자의 신체 등급에 기초하여 상기 사용자에게 필요한 필요 영양 성분을 결정하는 단계는,
    상기 사용자의 신체 등급에 기초하여 필요 단백질 함량, 필요 탄수화물 함량 및 필요 지방 함량을 산출하는 단계;
    상기 사용자의 단말로부터 식사 정보를 획득하는 단계; 및
    상기 식사 정보, 상기 필요 단백질 함량, 상기 필요 탄수화물 함량 및 상기 필요 지방 함량에 기초하여 상기 필요 영양 성분의 양을 결정하는 단계;를 포함하고,
    상기 원재료의 배합비를 결정하는 단계는,
    상기 사용자 단말로부터 상기 사용자가 설정한 금액 정보를 획득하는 단계;
    제3 외부 서버로부터 도넛의 원재료 성분 및 상기 원재료 성분에 대응하는 금액 정보를 획득하는 단계; 및
    상기 사용자가 설정한 금액 정보 및 상기 원재료 성분에 기초하여 상기 사용자가 설정함 금액에 맞게 상기 원재료의 배합비를 결정하는 단계;를 포함하는 단백질 도넛의 원재료 배합 비율 생성 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
KR1020220054108A 2022-05-02 2022-05-02 사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법 KR102427093B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220054108A KR102427093B1 (ko) 2022-05-02 2022-05-02 사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220054108A KR102427093B1 (ko) 2022-05-02 2022-05-02 사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법

Publications (1)

Publication Number Publication Date
KR102427093B1 true KR102427093B1 (ko) 2022-07-29

Family

ID=82606310

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220054108A KR102427093B1 (ko) 2022-05-02 2022-05-02 사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법

Country Status (1)

Country Link
KR (1) KR102427093B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020026803A (ko) * 2000-10-02 2002-04-12 이원창 자가 영양평가시스템의 영양평가에 따른 제품생산 및판매시스템
KR101732128B1 (ko) * 2016-10-13 2017-05-02 주식회사 제니스헬스케어 네트워크를 이용한 영양식단 제공시스템
KR102200422B1 (ko) * 2020-06-16 2021-01-08 (주)듀얼헬스케어 개인건강데이터와 의료데이터를 활용한 개인 맞춤형 헬스케어 시스템
KR20210052122A (ko) * 2019-10-31 2021-05-10 주식회사 삼양사 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020026803A (ko) * 2000-10-02 2002-04-12 이원창 자가 영양평가시스템의 영양평가에 따른 제품생산 및판매시스템
KR101732128B1 (ko) * 2016-10-13 2017-05-02 주식회사 제니스헬스케어 네트워크를 이용한 영양식단 제공시스템
KR20210052122A (ko) * 2019-10-31 2021-05-10 주식회사 삼양사 사용자 맞춤형 식품 정보 서비스 제공 시스템 및 그 방법
KR102200422B1 (ko) * 2020-06-16 2021-01-08 (주)듀얼헬스케어 개인건강데이터와 의료데이터를 활용한 개인 맞춤형 헬스케어 시스템

Similar Documents

Publication Publication Date Title
Durante et al. Money, status, and the ovulatory cycle
CN110301920B (zh) 用于心理压力检测的多模态融合方法及装置
KR102583643B1 (ko) 애완 동물 정보에 기초한 맞춤형 상품 정보 제공 방법 및 장치
KR102360993B1 (ko) 사용자에게 화장품을 추천하는 서비스를 제공하는 방법 및 장치
CN110675017A (zh) 基于人工智能的绩效评价方法和装置
WO2023083183A1 (zh) 健身方案信息的推荐方法和装置
US20210343412A1 (en) Intervention content estimation device, method, and program
CN110379487A (zh) 营养方案管理系统
KR102342863B1 (ko) 컨텐츠 제공을 위한 스트리밍 영상의 감성 분류 방법
JP5244486B2 (ja) 生活パターン適応型保健指導支援システム
KR102427093B1 (ko) 사용자 체질을 고려한 단백질 도넛의 배합 비 생성 방법
Baracco et al. Development of fat-reduced sausages: Influence of binary and ternary combinations of carrageenan, inulin, and bovine plasma proteins
US10210647B2 (en) Generating a personal avatar and morphing the avatar in time
Honda et al. Household Nutrition Analysis and Food Recommendation U sing Purchase History
KR102667284B1 (ko) 카테고리 및 이미지를 이용한 소망 설정 및 공유 서비스 제공 방법 및 장치
KR102394445B1 (ko) 사용자를 위한 소망 내용 관리 방법
KR102423750B1 (ko) 인공지능을 통한 개인 맞춤형 이너뷰티 서비스 제공 장치, 시스템, 방법 및 프로그램
JP2021060761A (ja) 健康アドバイス生成装置、及び健康アドバイス生成プログラム
KR102516660B1 (ko) 사용자를 위한 간병인 매칭 제공 방법
KR102609726B1 (ko) 인공지능 기반의 개인 맞춤형 과채 추천 시스템
WO2024060967A1 (en) Meal plan generating method, apparatus, and computer implemented algorithm thereof
KR102528021B1 (ko) Ai에 기반하여 개인 화장품 구독 서비스를 제공하는 방법 및 장치
KR102404599B1 (ko) 건강기능식품 제공 방법
KR102586414B1 (ko) 아티스트 그룹 단위의 nft 제작 방법 및 nft보유자의 거래 성향 파악에 대응하는 정성적/정량적 데이터 분석 및 생성 방법
KR102630327B1 (ko) 트렌드를 반영한 추천 숙박 장소의 가격 결정 방법 및 장치

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant