CN104406916A

CN104406916A - 食物的检测方法和装置

Info

Publication number: CN104406916A
Application number: CN201410612808.5A
Authority: CN
Inventors: 王德胜; 汪冠春; 熊军慧; 李静; 黄翠
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Baidu Online Network Technology Beijing Co Ltd; Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2014-11-04
Filing date: 2014-11-04
Publication date: 2015-03-11

Abstract

本发明公开了一种食物的检测方法和装置，其中，食物的检测方法包括：S1、接收客户端上传的当前食物的光谱数据；S2、对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果；以及S3、向客户端返回检测结果，以向用户显示检测结果。本发明实施例的食物的检测方法和装置，通过接收客户端上传的当前食物的光谱数据，对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果，以及向客户端返回检测结果，以向用户显示检测结果，降低了食物的检测门槛和检测成本，可实时地获得检测结果，提高了时效性，并且操作方便，提高了便携性。

Description

食物的检测方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种食物的检测方法和装置。

背景技术

随着人们生活水平的不断提高以及食品安全问题的暴露，人们对日常饮食的要求越来越高，自己所吃的食物是否健康，是否安全，是真是假，甚至食物的组成成分，已成为人们关注的焦点。

对食物的组成成分进行分析，目前还停留在实验室环境。人们如果需要知道食物的组成成分，则要将食物送往专业权威的检测机构(如食品***、科研机构)，由专业的检测人员借助专业设备或试剂测量食物的频谱信息，然后通过化学计量学等专业的知识或方法对采集后的数据信息进行分析，从而获得分析结果。

但是，通过专业的机构获得的分析结果，成本高，时间周期长，无法实时获得结果，时效性低，并且对于不具备专业知识的人们来说，食物的检测门槛高，操作不便，检测装置便携性差。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种食物的检测方法，该方法能够降低食物的检测门槛和检测成本，可实时地获得检测结果，提高时效性，并且操作方便，提高便携性。

本发明的第二个目的在于提出一种食物的检测装置。

为达上述目的，根据本发明第一方面实施例提出了一种食物的检测方法，包括：S1、接收客户端上传的当前食物的光谱数据；S2、对所述光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果；以及S3、向所述客户端返回所述检测结果，以向用户显示所述检测结果。

本发明实施例的食物的检测方法，通过接收客户端上传的当前食物的光谱数据，对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果，以及向客户端返回检测结果，以向用户显示检测结果，降低了食物的检测门槛和检测成本，可实时地获得检测结果，提高了时效性，并且操作方便，提高了便携性。

为达上述目的，根据本发明第二方面实施例提出了一种食物的检测装置，包括：接收模块，用于接收客户端上传的当前食物的光谱数据；检测模块，用于对所述光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果；以及返回模块，用于向所述客户端返回所述检测结果，以向用户显示所述检测结果。

本发明实施例的食物的检测装置，通过接收客户端上传的当前食物的光谱数据，对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果，以及向客户端返回检测结果，以向用户显示检测结果，降低了食物的检测门槛和检测成本，可实时地获得检测结果，提高了时效性，并且操作方便，提高了便携性。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为根据本发明一个实施例的食物的检测方法的流程图。

图2为根据本发明一个具体实施例的食物的检测方法的流程图。

图3为根据本发明一个具体实施例的检测食物时的效果示意图。

图4为根据本发明一个具体实施例的显示光谱仪连接成功的示意图。

图5为根据本发明一个具体实施例的显示食物类别选取界面的示意图。

图6为根据本发明一个具体实施例的显示开始校准界面的示意图。

图7为根据本发明一个具体实施例的校准时的示意图。

图8为根据本发明一个具体实施例的完成校准的示意图。

图9为根据本发明一个具体实施例的开始检测的示意图。

图10为根据本发明一个具体实施例的波长-光强值曲线图。

图11为根据本发明一个具体实施例的显示检测结果界面的示意图一。

图12为根据本发明一个具体实施例的显示检测结果界面的示意图二。

图13为根据本发明一个实施例的食物的检测装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的食物的检测方法和装置。

图1为根据本发明一个实施例的食物的检测方法的流程图，本实施例从服务器侧进行描述。

如图1所示，该食物的检测方法包括：

S1，接收客户端上传的当前食物的光谱数据。

在本发明的实施例中，客户端上传的当前食物的光谱数据可为客户端所在的终端设备通过中间设备向光谱仪发送数据采集指令，并由光谱仪根据数据采集指令采集光谱数据后通过中间设备返回的。当然，光谱仪也可直接接收客户端所在的终端设备发送的数据采集指令，然后向客户端所在的终端设备返回根据数据采集指令采集的光谱数据，而无需通过中间设备。

其中，中间设备可与包含光谱仪的设备通过预设接口如USB接口进行连接，终端设备与中间设备可通过无线方式如蓝牙或WIFI(无线保真)方式进行连接，其中，中间设备和终端设备可以是安卓***设备，也可以是苹果***设备，当然也可以是安装了其他移动终端操作***的设备。终端设备可为但不仅限于手机、平板电脑等。光谱仪所在的设备可包括筷托。筷托可包括筷托本体和光谱仪。设置在筷托本体内的光谱仪可用于检测食物的状态并采集光谱数据，光谱仪可包括但不限于荧光光谱仪、发射光谱仪、吸收光谱仪中的一种或多种。

具体地，当前客户端所在的终端设备可通过如蓝牙或WIFI等无线方式向中间设备发送数据采集指令，以使中间设备对数据采集指令进行格式转换，并将格式转换后的数据采集指令通过如USB接口等预设接口发送至光谱仪，从而控制光谱仪采集光谱数据。其中，终端设备发出的数据采集指令可为文本控制指令，格式转换后的数据采集指令可为USB控制指令。例如：终端设备可通过蓝牙向中间设备发送数据采集指令“getdata”，中间设备在收到该数据采集指令后，可根据USB协议，将数据采集指令“getdata”转换为USB协议所支持的指令，再通过USB接口控制光谱仪根据USB协议所支持的指令采集光谱数据。在光谱仪采集光谱数据后，中间设备可接收该光谱数据并进行格式转换，然后向终端设备返回格式转换后的光谱数据，终端设备可接收中间设备返回的光谱数据。例如：在光谱仪采集光谱数据后，可通过USB协议将光谱数据发送至中间设备，中间设备可对光谱数据进行格式转换，然后通过蓝牙协议向终端设备返回格式转换后的光谱数据，从而完成光谱数据的采集。

在当前客户端所在的终端设备完成光谱数据的采集后，服务器可接收客户端上传的当前食物的光谱数据。

S2，对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果。

具体地，服务器可对光谱数据进行运算，其中，运算可包括但不限于吸光度数值运算、插值运算、归一化运算和求导运算中的一种或多种。然后服务器可使用预先建立并保存的检测模型对提取后的特征进行检测，以获得检测结果。

其中，服务器建立检测模型的具体过程如下：服务器可获得用于建立检测模型的光谱样本数据，并记录对应的类型，再对光谱样本数据进行特征提取，以获得对应的特征信息，然后针对光谱样本数据的类型，根据特征信息使用对应的算法建立检测模型。其中，当类型为离散型时，算法可包括分类算法；当类型为连续型时，算法可包括回归算法。

S3，向客户端返回检测结果，以向用户显示检测结果。

具体地，服务器可向客户端返回检测结果，客户端在接收到检测结果后，可向用户显示该检测结果。

此外，服务器还可保存检测结果及对应的检测时间，以根据预定时间段内保存的检测结果生成推荐信息，然后向客户端返回推荐信息。其中，推荐信息可包括但不限于菜谱信息、饮食建议和食品介绍信息中的一种或几种。例如：服务器可根据最近五天接收到的客户端用户的检测结果为用户推荐适合的菜谱信息、饮食建议等。例如，如果用户为糖尿病人，检测结果显示该客户端用户过去五天食用的食物糖分过高，则可为该客户端用户推荐无糖或少糖的菜谱等。

如图2所示，该食物的检测方法包括：

S201，服务器接收客户端上传的食物的光谱数据。

在本发明的实施例中，客户端可安装在安卓***手机、苹果***手机或者其他移动终端操作***的手机中，手机可通过互联网络连接服务器。如图3所示，当用户在餐馆或者在商场购买肉类食品时，可以通过光谱仪和手机，实时地检测食物的物质组成成分。具体地，在检测前，可将光谱仪和手机通过蓝牙相连。如图4所示，当客户端显示光谱仪连接成功后，用户可点击“继续使用”进入如图5所示的食物类别选取界面。然后，用户可点击“肉类”图标开始检测。应当注意的是，在首次检测时，需要对光谱仪进行校准，如图6所示，用户可点击开始校准。如图7所示，将校准白板贴紧光谱仪的镜头，并保持不漏光。在无灯光的情况下，获取暗背景光谱数据值，然后在有灯光的情况下，获取白背景的光谱数据值，以此完成校准过程，如图8所示。

下面即可进行肉类光谱检测，将食物靠近或者贴着光谱(不漏光或漏光)，如图9所示，用户在客户端点击开始检测，等待数秒后，客户端将通过蓝牙接收光谱仪获取的光谱数据，然后上传至服务器。同理，也可以将水果等其他食物额度光谱数据通过客户端上传至服务器。

S202，服务器建立检测模型。

具体地，首先对采集的光谱数据进行标记并记录其类别。对于目标类型是离散型变量(如类别：苹果、桃子、李子等，即可列举的类型变量)，则标注其类别名称；对于目标类型是连续性变量，则记录其具体的数值。

然后，对采集的光谱数据进行特征抽取。其中，特征抽取的方法可包括吸光度数值计算、三次样条插值、归一化等。

第一种方法：吸光度数值计算。吸光度h计算公式如下:

h = {- \log}_{10}^{\frac{h_{x} - h_{b}}{h_{w} - h_{b}}}

其中，h表示吸光度，h_x为实际检测的食物物理光强值，h_b是暗背景下获取的校准光强值，h_w是白背景下获取的校准光强值。

第二种方法：计算三次样条插值。通过一系列或者一组三次函数分段模拟一条光谱值曲线，其每一段函数的公式如下：

y＝ax³+bx²+cx+d，

插值即在模拟后函数中固定的X轴点，取其Y值，其中，X代表波长值，Y代表光强值。例如：初始的光强点共有127个，插值结果获得125个，其波长-光强值曲线图可如10所示。不同食物由于其组成的成分，其光谱曲线也不同，主要体现在峰值和峰值点、极值和极值点、波形形状、其波形的特征可以通过求解插值点的一阶导数、二阶导数或其他高阶导数来表示。

第三种方法：归一化。归一化的计算公式如下：

x^{,} = \frac{x - \min}{\max - \min}

其中，x’代表归一化后的值，x代表原始吸光度值，max代表原始吸光度的最大值，min代表最小值。

在对采集的光谱数据进行特征抽取后，可建立抽取后的光谱数据的检测模型。如果需要泛化的结果是离散类型，则采用机器学习与数据挖掘中分类算法建立检测模型，且为多分类模型。其中，分类算法可包括但不限于支持向量机(SVM)、最大熵(Maxent)、随机森林(RandomForest)、逻辑回归树(LMT)等。如果需要泛化的结果是连续类型，则采用机器学习与数据挖掘中的回归算法建立检测模型。其中，回归算法可包括但不限于线性回归、非线性回归、多元回归等算法。

S203，服务器根据检测模型对光谱数据进行检测。

具体地，可对客户端上传的光谱数据进行特征抽取，然后根据检测模型对抽取的特征进行检测。如果属于检测模型不可识别的食物，则需要拒实处理。如果食物满足拒实处理的条件，则直接结束对光谱数据的检测，并将拒实结果返回至客户端，使客户端展现并提示用户食物不可识别。如果不满足拒实处理，说明此食物属于检测模型可识别的食物，则根据检测模型对光谱数据进行检测。若采用最大熵模型，则计算公式如下：

P_{i} = \frac{e^{w_{i} x + b_{i}}}{Σ_{j = 1}^{n} e^{w_{j} + b_{j}}}

其中，x代表输入特征，w_i和b_i均代表模型参数，P_i代表输入的特征数据被判断为类i的概率。由此，可根据光谱数据获得食物的类别，例如选择P_i的最大值或者最小值作为该食物的类别，即获得检测结果。

S204，服务器向客户端返回检测结果，以向用户显示检测结果。

在服务器获得检测结果后，服务器可向客户端返回检测结果，客户端在接收到检测结果后，可向用户显示检测结果。如果检测的食物是水果，则检测结果可如图11所示，展示的信息可包括种类、产地、是否为进口、糖度、酸度、能量、维生素含量等食用指标；如果检测的食物是肉类，则检测结果可如图12所示，展示的信息可包括肉的种类、部位等食用指标。最终，用户可以根据检测结果判断该食物是否安全健康。

此外，还可以通过服务器历史饮食记录为用户提供饮食建议和纠正用户的不良饮食习惯，保证了用户的饮食健康。例如：服务器可根据最近五天接收到的客户端用户的检测结果为用户推荐适合的菜谱信息、饮食建议等。例如，如果用户为糖尿病人，检测结果显示该客户端用户过去五天食用的食物糖分过高，则可为该客户端用户推荐无糖或少糖的菜谱等。

本发明实施例的食物的检测方法，通过服务器接收客户端上传的食物的光谱数据，并根据预先建立的检测模型对光谱数据进行检测，以及向客户端返回检测结果，以向用户显示检测结果，使普通用户也可随时对食物的成分进行检测，降低了食物的检测门槛和检测成本，可实时地获得检测结果，提高了时效性，并且操作方便，提高了便携性。

为了实现上述实施例，本发明还提出一种食物的检测装置。

如图13所示，该食物的检测装置包括：接收模块110、检测模块120和返回模块130。

其中，接收模块110用于接收客户端上传的当前食物的光谱数据。

在当前客户端所在的终端设备完成光谱数据的采集后，接收模块110可接收客户端上传的当前食物的光谱数据。

检测模块120用于对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果。

具体地，检测模块120可对光谱数据进行运算，其中，运算可包括但不限于吸光度数值运算、插值运算、归一化运算和求导运算中的一种或多种。然后检测模块120可使用预先建立并保存的检测模型对提取后的特征进行检测，以获得检测结果。

返回模块130用于向客户端返回检测结果，以向用户显示检测结果。

具体地，返回模块130可向客户端返回检测结果，客户端在接收到检测结果后，可向用户显示该检测结果。

此外，本发明实施例的食物的检测装置还可包括建立模块140和推荐模块150。

建立模块140用于检测模块120在使用预存的检测模型对提取后的特征进行检测之前，建立并保存检测模型。

具体地，建立模块140可获得用于建立检测模型的光谱样本数据，并记录对应的类型，再对光谱样本数据进行特征提取，以获得对应的特征信息，然后针对光谱样本数据的类型，根据特征信息使用对应的算法建立检测模型。其中，当类型为离散型时，算法可包括分类算法；当类型为连续型时，算法可包括回归算法。

推荐模块150用于检测模块120在对光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果之后，保存检测结果及对应的检测时间，以根据预定时间段内保存的检测结果生成推荐信息，向客户端返回推荐信息。其中，推荐信息可包括但不限于菜谱信息、饮食建议和食品介绍信息中的一种或几种。例如：服务器可根据最近五天接收到的客户端用户的检测结果为用户推荐适合的菜谱信息、饮食建议等。例如，如果用户为糖尿病人，检测结果显示该客户端用户过去五天食用的食物糖分过高，则可为该客户端用户推荐无糖或少糖的菜谱等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims

1.一种食物的检测方法，其特征在于，包括：

S1、接收客户端上传的当前食物的光谱数据；

S2、对所述光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果；以及

S3、向所述客户端返回所述检测结果，以向用户显示所述检测结果。

2.根据权利要求1所述的方法，其特征在于，在所述使用预存的检测模型对提取后的特征进行检测之前，还包括：

建立并保存所述检测模型。

3.根据权利要求2所述的方法，其特征在于，所述建立并保存所述检测模型，包括：

获得用于建立检测模型的光谱样本数据，并记录对应的类型；

对所述光谱样本数据进行特征提取，以获得对应的特征信息；以及

针对所述光谱样本数据的类型，根据所述特征信息使用对应的算法建立所述检测模型。

4.根据权利要求3所述的方法，其特征在于，当所述类型为离散型时，所述算法包括分类算法，当所述类型为连续型时，所述算法包括回归算法。

5.根据权利要求1所述的方法，其特征在于，所述客户端上传的当前食物的光谱数据为：所述客户端所在的终端设备通过中间设备向光谱仪发送数据采集指令，并由所述光谱仪根据所述数据采集指令采集光谱数据后通过所述中间设备返回的；或者

所述客户端上传的当前食物的光谱数据为：所述客户端所在的终端设备向光谱仪发送数据采集指令，并由所述光谱仪根据所述数据采集指令采集光谱数据后返回的。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述对所述光谱数据或光谱样本数据进行特征提取，包括：

对所述光谱数据或光谱样本数据进行运算，所述运算包括吸光度数值运算、插值运算、归一化运算和求导运算中的一种或多种。

7.根据权利要求1-6任一项所述的方法，其特征在于，在所述S2之后，还包括：

保存所述检测结果及对应的检测时间，以根据预定时间段内保存的所述检测结果生成推荐信息；以及

向所述客户端返回所述推荐信息，其中，所述推荐信息包括菜谱信息、饮食建议和食品介绍信息中的一种或几种。

8.一种食物的检测装置，其特征在于，包括：

接收模块，用于接收客户端上传的当前食物的光谱数据；

检测模块，用于对所述光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果；以及

返回模块，用于向所述客户端返回所述检测结果，以向用户显示所述检测结果。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

建立模块，用于在所述使用预存的检测模型对提取后的特征进行检测之前，建立并保存所述检测模型。

10.根据权利要求9所述的装置，其特征在于，所述建立模块，具体用于：

11.根据权利要求10所述的装置，其特征在于，当所述类型为离散型时，所述算法包括分类算法，当所述类型为连续型时，所述算法包括回归算法。

12.根据权利要求8所述的装置，其特征在于，所述客户端上传的当前食物的光谱数据为：所述客户端所在的终端设备通过中间设备向光谱仪发送数据采集指令，并由所述光谱仪根据所述数据采集指令采集光谱数据后通过所述中间设备返回的；或者

13.根据权利要求8-11任一项所述的装置，其特征在于，所述检测模块，具体用于：对所述光谱数据进行运算；或者

所述建立模块，具体用于：对所述光谱样本数据进行运算，所述运算包括吸光度数值运算、插值运算、归一化运算和求导运算中的一种或多种。

14.根据权利要求8-13任一项所述的装置，其特征在于，所述装置还包括：

推荐模块，用于在所述对所述光谱数据进行特征提取，并使用预存的检测模型对提取后的特征进行检测，以获得检测结果之后，保存所述检测结果及对应的检测时间，以根据预定时间段内保存的所述检测结果生成推荐信息，向所述客户端返回所述推荐信息，其中，所述推荐信息包括菜谱信息、饮食建议和食品介绍信息中的一种或几种。