KR20200080801A - 인공지능을 이용한 장병 배식 방법 및 시스템 - Google Patents
인공지능을 이용한 장병 배식 방법 및 시스템 Download PDFInfo
- Publication number
- KR20200080801A KR20200080801A KR1020180170641A KR20180170641A KR20200080801A KR 20200080801 A KR20200080801 A KR 20200080801A KR 1020180170641 A KR1020180170641 A KR 1020180170641A KR 20180170641 A KR20180170641 A KR 20180170641A KR 20200080801 A KR20200080801 A KR 20200080801A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- image
- meal
- soldier
- wearable device
- Prior art date
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 28
- 235000012054 meals Nutrition 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 72
- 230000036541 health Effects 0.000 claims abstract description 55
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 230000000694 effects Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 15
- 235000012041 food component Nutrition 0.000 claims description 32
- 239000000463 material Substances 0.000 claims description 28
- 208000028774 intestinal disease Diseases 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000036760 body temperature Effects 0.000 claims description 4
- 230000037396 body weight Effects 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 4
- 206010005746 Blood pressure fluctuation Diseases 0.000 claims description 3
- 235000016709 nutrition Nutrition 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 240000007594 Oryza sativa Species 0.000 description 4
- 235000007164 Oryza sativa Nutrition 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 235000009566 rice Nutrition 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 3
- 235000003715 nutritional status Nutrition 0.000 description 3
- 244000068988 Glycine max Species 0.000 description 2
- 235000010469 Glycine max Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000088415 Raphanus sativus Species 0.000 description 1
- 235000005733 Raphanus sativus var niger Nutrition 0.000 description 1
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000003170 nutritional factors Nutrition 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 235000012046 side dish Nutrition 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- 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
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
-
- 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
- G16H50/30—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
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Nutrition Science (AREA)
- Child & Adolescent Psychology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
개시된 기술은 인공지능을 이용한 장병 배식 방법 및 시스템에 관한 것으로, 웨어러블 디바이스가 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집하는 제 1 단계; 적어도 하나의 카메라를 포함하는 급식대 단말기가 상기 웨어러블 디바이스로부터 상기 건강정보를 수신하고 상기 장병에게 배식된 식사에 대한 영상을 촬영하여 상기 건강정보와 함께 분석서버에 전송하여 맞춤형 배식정보를 요청하는 제 2 단계; 상기 분석서버가 상기 요청에 따라 상기 웨어러블 디바이스의 고유번호를 토대로 상기 장병의 ID를 파악하고, 상기 ID를 관제서버에 전송하여 상기 장병에 대한 신체검사 정보를 요청하는 제 3 단계; 상기 분석서버가 상기 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망으로 상기 영상을 분석하여 상기 식사에 포함된 영양성분 및 칼로리를 계산하는 제 4 단계; 및 상기 분석서버가 상기 영상을 분석한 결과와 상기 건강정보 및 상기 신체검사 정보를 토대로 상기 웨어러블 디바이스에 상기 맞춤형 배식정보를 전송하는 제 5 단계;를 포함한다. 따라서 장병 개인에게 최적의 배식정보를 제공하는 효과가 있다.
Description
개시된 기술은 인공지능을 이용하여 군 장병의 개인별 맞춤형 배식을 지원하는 방법 및 시스템에 관한 것이다.
육체활동이 빈번하게 발생하는 군부대 내 장병들에 대한 영양공급의 중요성이 높아짐에 따라 군납업체로부터 받는 식자재의 위생, 영양성분, 칼로리 등에 대한 관심도가 높아지고 있다. 특히 장병들 중에서도 입대 이전 또는 이후에 급격한 체질변화나 만성질환, 병변 등이 발생하는 경우가 있어서 장병들에게 배식되는 식자재에 대한 관리를 엄격하게 처리해야할 필요가 있다.
한편, 과거에 장병들은 잔반처리를 이유로 선임병사나 간부들로 하여금 강제로 배식된 식사를 모두 먹어야 하는 등 본인의 건강상태에 악영향을 미칠 수 있는 식사습관을 갖게 되었다. 최근에는 이러한 낡은 방식의 병영문화에서 벗어나는 추세에 있으나 일부 장병들은 본인의 건강상태에 배식받는 식사의 양이나 칼로리, 특정 영양성분에 대한 제한이나 추가적인 배분이 필요한 실정이다. 따라서, 이러한 문제점을 해결할 수 있는 배식 방법 내지는 배식 시스템이 요구되고 있다.
한국 등록특허 10-0975960호(발명의 명칭 : 학생 영양 상태를 파악하는 학교 급식 관리 시스템)을 참조하면 학생의 영양상태를 파악하여 배급되는 음식의 양을 조절하는 기술이 개시되어 있다. 그러나 영양상태에 대한 단편적인 정보를 토대로 음식의 양을 조절하는 것은 보편적인 측면에서는 효과가 있을 수 있지만 개인에게 맞춤화된 배식방법은 제공하지 못하는 문제점이 있었다.
개시된 기술은 기 학습된 인공신경망을 이용하여 식사 영상을 분석하고 장병의 건강정보와 신체검사 정보를 종합하여 맞춤형 배식정보를 지원하는 방법 및 시스템을 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 1 측면은 웨어러블 디바이스가 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집하는 제 1 단계, 적어도 하나의 카메라를 포함하는 급식대 단말기가 상기 웨어러블 디바이스로부터 상기 건강정보를 수신하고 상기 장병에게 배식된 식사에 대한 영상을 촬영하여 상기 건강정보와 함께 분석서버에 전송하여 맞춤형 배식정보를 요청하는 제 2 단계, 상기 분석서버가 상기 요청에 따라 상기 웨어러블 디바이스의 고유번호를 토대로 상기 장병의 ID를 파악하고, 상기 ID를 관제서버에 전송하여 상기 장병에 대한 신체검사 정보를 요청하는 제 3 단계, 상기 분석서버가 상기 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망으로 상기 영상을 분석하여 상기 식사에 포함된 영양성분 및 칼로리를 계산하는 제 4 단계 및 상기 분석서버가 상기 영상을 분석한 결과와 상기 건강정보 및 상기 신체검사 정보를 토대로 상기 웨어러블 디바이스에 상기 맞춤형 배식정보를 전송하는 제 5 단계를 포함하는 인공지능을 이용한 장병 배식 방법을 제공하는데 있다.
상기의 기술적 과제를 이루기 위하여 개시된 기술의 제 2 측면은 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집하는 웨어러블 디바이스, 상기 웨어러블 디바이스로부터 상기 건강정보를 수신하고 적어도 하나의 카메라를 이용하여 상기 장병에게 배식된 식사에 대한 영상을 촬영하여 상기 건강정보와 함께 전송하는 급식대 단말기 및 상기 웨어러블 디바이스의 고유번호를 토대로 상기 장병의 ID를 파악하고, 상기 ID를 관제서버에 전송하여 상기 장병에 대한 신체검사 정보를 요청하고 상기 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망으로 상기 영상을 분석하여 상기 식사에 포함된 영양성분 및 칼로리를 계산하고 상기 영상을 분석한 결과와 상기 건강정보 및 상기 신체검사 정보를 토대로 상기 웨어러블 디바이스에 상기 맞춤형 배식정보를 전송하는 분석서버를 포함하는 인공지능을 이용한 장병 배식 시스템을 제공하는데 있다.
개시된 기술의 실시 예들은 다음의 장점들을 포함하는 효과를 가질 수 있다. 다만, 개시된 기술의 실시 예들이 이를 전부 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
개시된 기술의 일 실시예에 따르면 인공지능을 이용한 장병 배식 방법 및 시스템은 식사 영상을 분석한 결과와 건강정보 및 신체검사를 분석한 결과를 결합하여 장병 개인에게 최적의 배식정보를 제공하는 효과가 있다.
또한, 미리 학습된 인공신경망을 이용하여 식사 영상을 분석함으로써 영양성분과 칼로리를 정확하게 계산하는 효과가 있다.
또한, 웨어러블 디바이스로부터 수집된 정보를 이용하여 식사에 번거로움이 발생하지 않는 장점이 있다.
도 1은 개시된 기술의 일 실시예에 따른 인공지능을 이용한 장병 배식 방법에 대한 순서도이다.
도 2는 개시된 기술의 일 실시예에 따른 인공지능을 이용한 장병 배식 시스템에 대한 블록도이다.
도 3은 장병에게 배식된 식사의 영상을 촬영하는 것을 나타낸 도면이다.
도 2는 개시된 기술의 일 실시예에 따른 인공지능을 이용한 장병 배식 시스템에 대한 블록도이다.
도 3은 장병에게 배식된 식사의 영상을 촬영하는 것을 나타낸 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.
제 1, 제 2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 해당 구성요소들은 상기 용어들에 의해 한정되지는 않으며, 단지 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
본 명세서에서 사용되는 용어에서 단수의 표현은 문맥상 명백하게 다르게 해석되지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 한다. 그리고 "포함한다" 등의 용어는 설시된 특징, 개수, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 의미하는 것이지, 하나 또는 그 이상의 다른 특징들이나 개수, 단계 동작 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 배제하지 않는 것으로 이해되어야 한다.
도면에 대한 상세한 설명을 하기에 앞서, 본 명세서에서의 구성부들에 대한 구분은 각 구성부가 담당하는 주기능 별로 구분한 것에 불과함을 명확히 하고자 한다. 즉, 이하에서 설명할 2개 이상의 구성부가 하나의 구성부로 합쳐지거나 또는 하나의 구성부가 보다 세분화된 기능별로 2개 이상으로 분화되어 구비될 수도 있다.
그리고 이하에서 설명할 구성부 각각은 자신이 담당하는 주기능 이외에도 다른 구성부가 담당하는 기능 중 일부 또는 전부의 기능을 추가적으로 수행할 수도 있으며, 구성부 각각이 담당하는 주기능 중 일부 기능이 다른 구성부에 의해 전담되어 수행될 수도 있음은 물론이다. 따라서, 본 명세서를 통해 설명되는 각 구성부들의 존재 여부는 기능적으로 해석되어야 할 것이다.
도 1은 개시된 기술의 일 실시예에 따른 인공지능을 이용한 장병 배식 방법에 대한 순서도이다. 도 1을 참조하면 인공지능을 이용한 장병 배식 방법은 이하의 단계들을 포함한다.
제 1 단계(110)에서 웨어러블 디바이스는 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집한다. 웨어러블 디바이스는 장병의 손목이나 발목, 머리 등에 장착할 수 있도록 시계나 밴드와 같은 형태를 가질 수 있다. 그리고 착용한 장병의 활동량과 신체변화량을 감지하기 위한 소정의 센서가 구비될 수 있다.
한편, 개시된 기술에서 이용하는 웨어러블 디바이스는 장병의 스마트 단말기로도 대체될 수 있다. 즉, 스마트폰에 구비된 센서를 이용하여 장병의 활동량과 신체변화량을 수집할 수 있다.
한편, 웨어러블 디바이스가 수집하는 활동량은 장병의 걸음 수, 기립한 횟수, 이동속도, 이동거리 및 소모칼로리 중 적어도 하나를 포함한다. 그리고 장병의 신체변화량은 혈압, 혈당, 체온, 체중 및 심박수 중 적어도 하나의 변화량을 포함한다. 이러한 활동량 및 신체변화량을 감지하기 위해서 웨어러블 디바이스에는 이에 대응되는 종류의 센서가 구비되는 것이 바람직하다. 예컨대, 만보계, 속도센서, 심박센서, 혈당감지센서 등이 구비될 수 있다.
제 2 단계(120)에서 급식대 단말기는 장병에게 배식된 식사에 대한 영상을 촬영한다. 그리고 제 1 단계(110)에서 수집된 건강정보와 함께 분석서버에 전송한다. 급식대 단말기는 적어도 하나의 카메라를 포함하며 카메라를 이용하여 급식판을 촬영함으로써 장병에게 배식된 식사에 대한 영상을 촬영한다.
제 3 단계(130)에서 분석서버는 웨어러블 디바이스의 요청을 수신하면 먼저 웨어러블 디바이스의 고유번호를 파악한다. 웨어러블 디바이스가 급식대 단말기에 장병의 건강정보를 전송하면 급식대 단말기는 장병의 건강정보 및 촬영된 영상을 토대로 분석서버에 요청을 수행할 수 있다. 물론 요청의 수행주체가 급식대 단말기가 아닌 웨어러블 디바이스일 수도 있다. 예컨대, 웨어러블 디바이스가 장병정보를 토대로 급식대 단말기로부터 촬영된 영상을 수신하고 기 저장된 장병정보와 수신된 영상을 토대로 분석서버에 직접 요청을 할 수 있다.
여기에서 웨어러블 디바이스의 고유번호는 디바이스의 시리얼코드나 등록번호일 수 있다. 분석서버는 이를 토대로 맞춤형 배식정보를 얻고자 하는 장병의 ID를 파악한다. 여기에서 웨어러블 디바이스는 장병 개인이 별도로 구매하거나 부대에서 일괄적으로 지급된 제품일 수 있다. 이러한 웨어러블 디바이스는 일반적으로 한 사람의 전용으로 이용되기 때문에 사전에 웨어러블 디바이스의 고유번호와 함께 사용자의 ID를 등록하면 맞춤형 배식정보를 요청한 웨어러블 디바이스를 착용중인 장병이 누구인지 파악할 수 있다. 장병의 ID는 이름, 소속부대 및 군번을 포함할 수 있는데 주민등록번호와 같이 단독정보로 타인과 식별할 수 있는 정보 보다는 부대 내에서 이용하는데 별다른 제한이 없는 군번이나 장병의 이름, 소속부대 등을 조합한 것으로 ID를 이용할 수 있다. 이러한 방식의 ID를 이용하면 동명이인이나 타 소속임에도 군번이 동일한 경우 등을 방지할 수 있다.
한편, 분석서버는 장병의 ID를 관제서버에 전송하여 장병에 대한 신체검사 정보를 요청한다. 분석서버는 관제서버와 연결되어 있다. 관제서버는 장병에 대한 신체검사 정보를 저장하는 군 부대 내에 배치된 서버를 의미한다. 예컨대, 국군의무사령부에 배치되어 장병의 입대 전, 입대 후의 신체검사 결과에 대한 정보를 저장하는 서버일 수 있다. 물론 군 부대와 연계된 병원에서 장병들의 신체검사 정보를 저장하는 서버를 이용할 수도 있다. 분석서버는 관제서버로부터 장병의 신체검사에 대한 정보를 수신할 수 있다.
제 4 단계(140)에서 분석서버는 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망을 이용한다. 여기에서 제 1 학습모델은 음식이나 식자재의 종류를 파악할 수 있도록 인공신경망을 학습하기 위한 모델을 의미한다. 가장 단순하게는 쌀, 배추, 무, 콩 등의 단일식자재에서 좀더 심화적으로는 콩을 섞어서 지은 콩밥과 같이 복합적인 식자재로 만들어진 음식까지 사전에 학습할 수 있다. 이와 같은 방식으로 사전에 식자재나 음식을 판별할 수 있도록 인공신경망을 학습하면 분석서버는 이 상태의 인공신경망에 웨어러블 디바이스로부터 수신한 영상을 제공하여 영상에 포함된 식자재의 종류나 이러한 식자재를 통해 어떤 방식으로 만들어진 식사인지 파악하는 것이 가능하다. 이러한 과정에 따라 장병에게 배식된 식사를 파악하면 해당 식사에 포함된 영양성분과 칼로리를 계산하는 것이 가능하다. 예컨대, 데이터베이스에 기록된 식자재별 영양성분이나 칼로리, 제조방법에 따른 영양성분 분포나 칼로리 등을 매칭시키는 것으로 영양성분과 칼로리를 계산할 수 있다.
한편, 제 4 단계(140)에서 분석서버는 영상에 포함된 식사의 색상, 질감 및 형상에 대한 특징점을 추출하여 식사의 종류 및 양을 계산할 수 있다. 상술한 바와 같이 인공신경망을 통해 이러한 정보를 분석할 수 있도록 사전에 학습을 수행하는 것으로 식사의 종류 및 양을 계산하는 것이 가능하다. 그리고 데이터베이스에 저장된 식자재별 영양성분정보 및 칼로리정보와 비교하여 식사의 영양성분 및 칼로리를 계산할 수 있다.
한편, 상술한 과정에 따라 식사 영상을 분석하지 못하는 상황이 발생할 수 있다. 예컨대, 영상의 해상도가 일정수준 이하이거나 노이즈가 심각하게 끼어있는 경우에는 분석이 정확하게 이루어지지 못할 수 있다. 이와 같이 영상 분석에 따라 영양성분 및 칼로리를 계산하지 못하면 분석서버는 건강정보를 전송한 날짜 및 상기 주기에 매칭되는 식사시간의 식단정보를 식자재 서버에 요청하여 영양성분 및 칼로리를 계산할 수 있다. 식자재 서버는 관제서버와 마찬가지로 분석서버와 연결되어 있다. 예컨대, 식자재 서버는 부대 내 급양대의 서버일 수 있다. 이러한 식자재 서버에는 장병에게 배식되는 식자재에 대한 정보와 주간, 월간 배식표 등에 대한 정보가 기록된다.
즉, 영상을 통해 장병에게 배식된 식사가 무엇인지 정확히 파악하지 못하는 경우에는 식자재 서버에 장병에게 배식된 식사가 어느 날짜의 아침, 점심, 저녁 중 어떤 시간대의 식사인지 파악하고 해당 시간대의 배식정보를 수신하여 영양성분과 칼로리를 계산하는데 이용할 수 있다. 일반적으로 인공신경망을 통해 학습을 수행하거나 학습된 인공신경망으로 분석을 수행하는 경우에는 학습 모델이나 분석 대상에 대한 이미지나 텍스트 등을 제공하고 인공신경망이 이를 기반으로 학습이나 분석을 수행하게 된다. 따라서 분석서버는 영상에 하자가 없는 경우에는 이미지 기반의 분석에 따라 영양성분과 칼로리를 계산할 수 있고 영상에 하자가 있는 경우에는 텍스트 기반의 분석을 수행하여 영양성분과 칼로리를 계산할 수 있다.
제 5 단계(150)에서 분석서버는 영상을 분석한 결과와 장병에 대한 건강정보 및 신체검사 정보를 토대로 웨어러블 디바이스에 맞춤형 배식정보를 전송한다. 분석서버는 앞서 이용한 인공신경망을 다른 모델을 통해 사전에 학습을 수행하고 이를 이용하여 장병의 건강정보와 신체검사 정보를 분석할 수 있다. 일 실시예로, 제 2 학습모델을 통해 학습된 인공신경망을 이용하여 건강정보와 신체검사 정보를 분석할 수 있다. 앞서 제 4 단계(140)에서 인공신경망이 상황에 따라 이미지 기반 분석이나 텍스트 기반 분석을 수행하는 것과는 달리 제 5 단계(150)에서는 건강정보와 신체검사 정보에 대한 텍스트를 입력받아 분석을 수행할 수 있다.
한편 제 5 단계(150)에서 수행된 분석에 따라 분석서버는 웨어러블 디바이스로 맞춤형 배식정보를 전송한다. 맞춤형 배식정보는 예컨대, 배식된 식사 중에서 장병이 적게 섭취해야 하거나 더 많이 섭취해야하는 음식에 대한 정보를 제공할 수 있다. 이는 단순히 장병의 체중이나 운동량 등을 1차원적으로 고려한 것이 아니라 분석서버에서 수집된 모든 정보를 종합적으로 분석하여 도출된 결론이므로 장병에게 보다 맞춤화된 배식정보를 제공함으로써 건강증진에 도움이 될 수 있다.
한편, 제 5 단계(150)를 수행하면 분석서버는 맞춤형 배식정보의 수행여부를 판단하기 위하여 웨어러블 디바이스에 잔반영상을 요청하는 단계를 수행한다. 즉, 제 4 단계(140)에서 영상을 분석하여 영양성분과 칼로리를 계산한 것과 마찬가지로 잔반영상에 남은 식사의 영양성분과 칼로리를 계산할 수 있다. 그리고 기 제공된 맞춤형 배식정보에 따라 밥을 얼만큼 적게 먹었는지 고기는 얼만큼 많이 먹었는지 계산하는 것이 가능하다. 만약, 잔반영상을 통해 분석된 잔반의 영양성분과 칼로리가 맞춤형 배식정보에 일정수준 이상 부합하는 것으로 판단하면 장병이 맞춤형 배식정보에 따라 식사를 한 것으로 판단할 수 있다. 물론 반대의 경우에는 장병이 맞춤형 배식정보를 따르지 않은 것으로 판단할 수 있다. 이러한 경우 장병이 맞춤형 배식정보를 잘 이행할 수 있도록 다음 식사때 알람을 제공하거나 일과시간 중에 운동을 촉구하는 알람을 제공할 수 있다. 따라서, 장병 개인에게 최적의 배식정보를 제공함으로써 건강관리 및 체력증진에 도움을 줄 수 있다.
도 2는 개시된 기술의 일 실시예에 따른 인공지능을 이용한 장병 배식 시스템에 대한 블록도이다. 도 2를 참조하면 인공지능을 이용한 장병 배식 시스템은 웨어러블 디바이스(210), 급식대 단말기(220) 및 분석서버(230)를 포함한다.
웨어러블 디바이스(210)는 카메라(210a), 센서(210b), 메모리(210c), 통신모듈(210d) 및 프로세서(210e)를 포함한다. 카메라(210a)는 장병을 식별하기 위한 정보를 촬영할 수 있다. 예컨대, 사진이나 군번 등을 촬영하고 이를 건강정보에 포함시킬 수 있다. 센서(210b)는 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집한다. 수집된 건강정보는 메모리(210c)에 기록된다. 프로세서(210e)는 이러한 과정을 제어하는 것으로 디바이스의 CPU나 AP 등을 이용할 수 있다. 통신모듈(210d)는 급식대 단말기(220)에 건강정보를 전송한다. 당연하게도 웨어러블 디바이스(210)와 급식대 단말기(220)는 무선으로 연결된다. 따라서 통신모듈(210d)는 와이파이나 LTE와 같은 소정의 무선통신방식을 이용하여 영상과 건강정보를 전송할 수 있다.
한편, 센서(210a)가 수집하는 활동량은 장병의 걸음 수, 기립한 횟수, 이동속도, 이동거리 및 소모칼로리 중 적어도 하나를 포함한다. 그리고, 신체변화량은 장병의 혈압, 혈당, 체온, 체중 및 심박수 중 적어도 하나의 변화량을 포함한다. 센서는 이러한 정보들을 수집할 수 있도록 다양한 종류가 웨어러블 디바이스(210)에 구비될 수 있고 하나의 센서가 올인원 형태로 구비될 수 있다. 그리고 웨어러블 디바이스(210)의 구성과 사실상 동일한 구성을 갖는 스마트폰이나 태블릿PC 등으로 웨어러블 디바이스(210)를 대체할 수도 있다.
급식대 단말기(220)는 적어도 하나의 카메라를 포함한다. 그리고 카메라를 이용하여 장병에게 배식된 식사에 대한 영상을 촬영한다. 앞서 웨어러블 디바이스(210) 또한 카메라를 포함하고 있으므로 식사에 대한 영상을 촬영하는 것이 가능하나, 부대 내 통신체계 및 보안을 고려하여 급식대 단말기(220)를 통해 정보를 송수신하는 것을 디폴트로 한다.
한편, 급식대 단말기(220)는 웨어러블 디바이스(210)로부터 건강정보를 수신하면 해당 건강정보에 포함된 장병의 식별정보를 이용하여 분석서버(230)에 촬영한 영상과 건강정보를 함께 전송한다. 급식대 단말기(220)는 장병에게 식사를 급양하는 시설에 설치된 단말기이므로 단말기(220)와 분석서버(230) 간에는 서전에 유선으로 연결될 수 있다.
분석서버(230)는 통신모듈(230a), AI 모듈(230b) 및 프로세서(230c)를 포함한다. 통신모듈(230a)는 웨어러블 디바이스(210)의 통신모듈(210d)로부터 영상과 건강정보를 수신할 수 있다. 그리고 프로세서(230c)의 제어에 따라 AI 모듈(230b)에서 계산된 맞춤형 배식정보를 통신모듈(210d)로 전송할 수도 있다.
한편, 분석서버(230)는 웨어러블 디바이스의 고유번호를 토대로 장병의 ID를 파악한다. 그리고, ID를 미리 연결된 관제서버(240)에 전송하여 장병에 대한 신체검사 정보를 요청한다. 앞서 도 1을 통해 설명한 바와 같이 분석서버(230)는 맞춤형 배식정보를 계산하기 위해서 장병의 신체검사 정보를 관제서버(240)에 요청한다. 관제서버는 장병에 대한 데이터베이스(240a)를 저장하고 있으므로 ID에 따른 특정 장병의 신체검사 정보를 전송할 수 있다.
한편, 분석서버(230)는 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망으로 영상을 분석한다. 도 1을 통해 설명한 바와 마찬가지로 분석서버(230)는 AI 모듈(230b)을 포함한다. AI 모듈(230b)에는 인공신경망 알고리즘이 탑재되어 있으며 미리 제 1 학습모델을 통해 식사에 대한 영상을 분석할 준비를 마찬 상태이다. 도 2에 도시된 바와 같이 AI 모듈(230b)은 두 개의 학습모델 M1과 M2를 보유하고 있으며 이를 통해 장병의 웨어러블 디바이스(210)로부터 요청이 오기 전에 학습을 수행할 수 있다.
분석서버의 AI 모듈(230b)은 영상에 포함된 식사의 색상, 질감 및 형상에 대한 특징점을 추출하여 식사의 종류 및 양을 계산하고 식자재서버(250)의 데이터베이스(250a, 250b)에 저장된 식자재별 영양성분정보 및 칼로리정보와 비교하여 식사의 영양성분 및 칼로리를 계산할 수 있다. 이때, 식자재DB(250a)에 저장된 식자재의 영양성분 및 칼로리 정보와 배식DB(250b)에 저장된 배식정보를 결합하여 분석을 수행할 수 있다.
한편, 분석서버(230)는 노이즈가 포함되거나 해상도가 떨어지는 영상으로 인하여 분석을 원활하게 진행하지 못하는 경우에는 웨어러블 디바이스(210)에서 건강정보를 전송한 날짜 및 주기에 매칭되는 식사시간의 식단정보를 식자재 서버(250)에 요청하여 영양성분 및 칼로리를 계산할 수 있다.
분석서버(230)는 상술한 영상 분석에 따라 식사에 포함된 영양성분 및 칼로리를 계산한다. 그리고 영상을 분석한 결과와 웨어러블 디바이스(210)로부터 수신된 장병의 건강정보 및 관제서버(240)에서 수신된 신체검사 정보를 토대로 맞춤형 배식정보를 계산한다. 분석서버(230)의 AI 모듈(230b)은 기 구비된 두 개의 학습모델 중 제 2 학습모델을 통해 미리 학습된 인공신경망을 이용하여 건강정보 및 신체검사 정보를 분석할 수 있다. 그리고 영상의 분석에 따라 계산된 영양성분 및 칼로리에 건강정보 및 신체검사를 분석한 결과를 적용하여 맞춤형 배식정보를 도출할 수 있다. 도출된 맞춤형 배식정보는 통신모듈(230a)를 통해 웨어러블 디바이스(210)로 전송된다.
도 3은 장병에게 배식된 식사의 영상을 촬영하는 것을 나타낸 도면이다. 도 3을 참조하면 일반적으로 군 부대 내에서 배식에 이용되는 식판은 생김새가 거의 동일하며 각 식판의 위치마다 놓이는 음식의 위치가 정해져 있다. 예컨대, 밥은 좌하단의 큰 홈(310)에, 국은 우하단의 큰 홈(320)에, 반찬은 상단의 작은 홈들(330, 340, 350)에 놓여지도록 정해져 있다. 그리고 이러한 식단의 영상을 촬영하는 급식대 단말기 또한 고정된 위치에 배치된다.
즉, 영상 속의 식사를 분석하는데 있어서 어떤 종류의 식자재를 통해 만들어진 음식인지 대략적으로 파악하는 것이 가능하다. 그리고 이 다음에 보다 구체적으로 식사가 놓여진 식판의 영상을 영역별로 각각 분석하여 각 위치별로 놓은 식자재의 종류가 무엇이고 어떤 방식으로 조리되었으며 어떤 식자재와 섞여있는지 등을 계산한다. 이러한 과정에 따라 장병에게 배식된 식사의 영양성분이나 칼로리에 대한 정보를 파악하는 것이 가능하다. 분석서버는 소정의 인공신경망 알고리즘을 탑재하는데 이를 이용하면 사전에 배식 영상을 분석하기 위한 충분한 학습을 수행하고 난 다음, 급식대 단말기에서 전송된 영상을 분석하는 것으로 장병에게 배식된 영양성분과 칼로리를 파악할 수 있다.
개시된 기술의 일 실시예에 따른 인공지능을 이용한 장병 배식 방법 및 시스템은 이해를 돕기 위하여 도면에 도시된 실시 예를 참고로 설명되었으나, 이는 예시적인 것에 불과하며, 당해 분야에서 통상적 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 개시된 기술의 진정한 기술적 보호범위는 첨부된 특허청구범위에 의해 정해져야 할 것이다.
110 : 건강정보 수집
120 : 맞춤형 배식정보 요청
130 : 신체검사 정보 요청 140 : 영양성분 및 칼로리 계산
150 : 맞춤형 배식정보 전송 210 : 웨어러블 디바이스
220 : 급식대 단말기 230 : 분석서버
240 : 관제서버 250 : 식자재서버
130 : 신체검사 정보 요청 140 : 영양성분 및 칼로리 계산
150 : 맞춤형 배식정보 전송 210 : 웨어러블 디바이스
220 : 급식대 단말기 230 : 분석서버
240 : 관제서버 250 : 식자재서버
Claims (12)
- 웨어러블 디바이스가 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집하는 제 1 단계;
적어도 하나의 카메라를 포함하는 급식대 단말기가 상기 웨어러블 디바이스로부터 상기 건강정보를 수신하고 상기 장병에게 배식된 식사에 대한 영상을 촬영하여 상기 건강정보와 함께 분석서버에 전송하여 맞춤형 배식정보를 요청하는 제 2 단계;
상기 분석서버가 상기 요청에 따라 상기 웨어러블 디바이스의 고유번호를 토대로 상기 장병의 ID를 파악하고, 상기 ID를 관제서버에 전송하여 상기 장병에 대한 신체검사 정보를 요청하는 제 3 단계;
상기 분석서버가 상기 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망으로 상기 영상을 분석하여 상기 식사에 포함된 영양성분 및 칼로리를 계산하는 제 4 단계; 및
상기 분석서버가 상기 영상을 분석한 결과와 상기 건강정보 및 상기 신체검사 정보를 토대로 상기 웨어러블 디바이스에 상기 맞춤형 배식정보를 전송하는 제 5 단계;를 포함하는 인공지능을 이용한 장병 배식 방법. - 제 1 항에 있어서, 제 5 단계는,
상기 분석서버가 제 2 학습모델을 통해 미리 학습된 상기 인공신경망을 이용하여 상기 건강정보 및 상기 신체검사 정보를 분석하고 상기 영상의 분석에 따라 계산된 상기 영양성분 및 칼로리에 상기 건강정보 및 신체검사를 분석한 결과를 적용하여 상기 맞춤형 배식정보를 도출하는 인공지능을 이용한 장병 배식 방법. - 제 1 항에 있어서,
상기 분석서버는 상기 영상에 포함된 식사의 색상, 질감 및 형상에 대한 특징점을 추출하여 식사의 종류 및 양을 계산하고 데이터베이스에 저장된 식자재별 영양성분정보 및 칼로리정보와 비교하여 상기 식사의 영양성분 및 칼로리를 계산하는 인공지능을 이용한 장병 배식 방법. - 제 1 항에 있어서,
상기 장병의 ID는 이름, 소속부대 및 군번을 포함하는 인공지능을 이용한 장병 배식 방법. - 제 1 항에 있어서, 상기 제 5 단계는,
상기 분석서버가 상기 맞춤형 배식정보의 수행여부를 판단하기 위하여 상기 웨어러블 디바이스에 잔반영상을 요청하는 단계를 포함하는 인공지능을 이용한 장병 배식 방법. - 제 1 항에 있어서,
상기 활동량은 상기 장병의 걸음 수, 기립한 횟수, 이동속도, 이동거리 및 소모칼로리 중 적어도 하나를 포함하고, 상기 신체변화량은 혈압, 혈당, 체온, 체중 및 심박수 중 적어도 하나의 변화량을 포함하는 인공지능을 이용한 장병 배식 방법. - 제 1 항에 있어서,
상기 분석서버는 상기 영상 분석에 따라 영양성분 및 칼로리를 계산하지 못하면 상기 건강정보를 전송한 날짜 및 상기 주기에 매칭되는 식사시간의 식단정보를 식자재 서버에 요청하여 영양성분 및 칼로리를 계산하는 인공지능을 이용한 장병 배식 방법. - 미리 설정된 주기에 따라 장병의 활동량 및 신체변화량을 포함하는 건강정보를 수집하는 웨어러블 디바이스;
상기 웨어러블 디바이스로부터 상기 건강정보를 수신하고 적어도 하나의 카메라를 이용하여 상기 장병에게 배식된 식사에 대한 영상을 촬영하여 상기 건강정보와 함께 전송하는 급식대 단말기; 및
상기 웨어러블 디바이스의 고유번호를 토대로 상기 장병의 ID를 파악하고, 상기 ID를 관제서버에 전송하여 상기 장병에 대한 신체검사 정보를 요청하고 상기 식사에 대한 영상을 분석하기 위하여 제 1 학습모델을 통해 미리 학습된 인공신경망으로 상기 영상을 분석하여 상기 식사에 포함된 영양성분 및 칼로리를 계산하고 상기 영상을 분석한 결과와 상기 건강정보 및 상기 신체검사 정보를 토대로 상기 웨어러블 디바이스에 상기 맞춤형 배식정보를 전송하는 분석서버;를 포함하는 인공지능을 이용한 장병 배식 시스템. - 제 8 항에 있어서,
상기 분석서버는 제 2 학습모델을 통해 미리 학습된 상기 인공신경망을 이용하여 상기 건강정보 및 상기 신체검사 정보를 분석하고 상기 영상의 분석에 따라 계산된 상기 영양성분 및 칼로리에 상기 건강정보 및 신체검사를 분석한 결과를 적용하여 상기 맞춤형 배식정보를 도출하는 인공지능을 이용한 장병 배식 시스템. - 제 8 항에 있어서,
상기 분석서버는 상기 영상에 포함된 식사의 색상, 질감 및 형상에 대한 특징점을 추출하여 식사의 종류 및 양을 계산하고 데이터베이스에 저장된 식자재별 영양성분정보 및 칼로리정보와 비교하여 상기 식사의 영양성분 및 칼로리를 계산하는 인공지능을 이용한 장병 배식 시스템. - 제 8 항에 있어서,
상기 활동량은 상기 장병의 걸음 수, 기립한 횟수, 이동속도, 이동거리 및 소모칼로리 중 적어도 하나를 포함하고, 상기 신체변화량은 혈압, 혈당, 체온, 체중 및 심박수 중 적어도 하나의 변화량을 포함하는 인공지능을 이용한 장병 배식 시스템. - 제 8 항에 있어서,
상기 분석서버는 상기 영상 분석에 따라 영양성분 및 칼로리를 계산하지 못하면 상기 건강정보를 전송한 날짜 및 상기 주기에 매칭되는 식사시간의 식단정보를 식자재 서버에 요청하여 영양성분 및 칼로리를 계산하는 인공지능을 이용한 장병 배식 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180170641A KR20200080801A (ko) | 2018-12-27 | 2018-12-27 | 인공지능을 이용한 장병 배식 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180170641A KR20200080801A (ko) | 2018-12-27 | 2018-12-27 | 인공지능을 이용한 장병 배식 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200080801A true KR20200080801A (ko) | 2020-07-07 |
Family
ID=71603294
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180170641A KR20200080801A (ko) | 2018-12-27 | 2018-12-27 | 인공지능을 이용한 장병 배식 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200080801A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102324179B1 (ko) * | 2021-05-31 | 2021-11-11 | 주식회사 위키포키 | 영유아 기관정보 통합 서비스 제공 시스템 |
| KR102510810B1 (ko) * | 2022-03-18 | 2023-03-16 | 주식회사 조이네트웍스 | 음식 잔량 비전 이미지에 기초한 고객 관리 시스템 |
-
2018
- 2018-12-27 KR KR1020180170641A patent/KR20200080801A/ko not_active Application Discontinuation
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102324179B1 (ko) * | 2021-05-31 | 2021-11-11 | 주식회사 위키포키 | 영유아 기관정보 통합 서비스 제공 시스템 |
| KR102510810B1 (ko) * | 2022-03-18 | 2023-03-16 | 주식회사 조이네트웍스 | 음식 잔량 비전 이미지에 기초한 고객 관리 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220392610A1 (en) | Individualized meal kit with real-time feedback and continuous adjustments based on lifestyle tracking | |
| JP2020184349A (ja) | ヘルストラッキングデバイス | |
| US9314206B2 (en) | Diet and calories measurements and control | |
| US20170277863A1 (en) | Real-time or just-in-time online assistance for individuals to help them in achieving personalized health goals | |
| JP6765916B2 (ja) | 健康管理装置、健康管理システム、及び健康管理方法 | |
| US20130273509A1 (en) | Method of Monitoring Nutritional Intake by Image Processing | |
| CN109068983A (zh) | 用于跟踪食物摄入和其它行为并提供相关反馈的方法和设备 | |
| CN102214269A (zh) | 信息处理设备，信息输出方法和计算机程序存储装置 | |
| TW201228632A (en) | Health monitoring system | |
| EP0794727B1 (en) | Apparatus for measurement of eating speed | |
| JP6455118B2 (ja) | 健康管理装置、及び健康管理方法 | |
| KR20200080801A (ko) | 인공지능을 이용한 장병 배식 방법 및 시스템 | |
| JP2010033326A (ja) | 食事・健康管理システム、方法及びプログラム | |
| KR20220158477A (ko) | 식이관리 서비스를 제공하는 서버, 클라이언트 및 이를 구현하는 방법 | |
| Alshurafa et al. | Association of number of bites and eating speed with energy intake: Wearable technology results under free-living conditions | |
| CN110634543A (zh) | 一种减脂管理平台及其实现方法 | |
| CN110415786A (zh) | 信息处理装置及其工作方法 | |
| KR101563694B1 (ko) | 위치기반 음식점 광고 서비스 제공 시스템 | |
| KR20200136876A (ko) | 섭취음식물 및 활동량 분석을 기반으로 하는 맞춤형 영양제 성분 결정 시스템 및 그 방법 | |
| KR20190066361A (ko) | 건강관리 서비스를 위한 음식이미지의 컬러패턴 분석장치 및 그 방법 | |
| JP2022530263A (ja) | 食べ物測定方法、装置及びプログラム | |
| JP2001318991A (ja) | 情報システムを用いた栄養管理システム | |
| 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 | |
| KR20190048922A (ko) | 스마트 테이블 및 스마트 테이블의 제어방법 | |
| KR102426924B1 (ko) | 생체 임피던스 측정장치를 이용한 건강 관리시스템 및 건강 관리 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |