CN107423421A - 菜谱推荐方法、装置和冰箱 - Google Patents
菜谱推荐方法、装置和冰箱 Download PDFInfo
- Publication number
- CN107423421A CN107423421A CN201710641577.4A CN201710641577A CN107423421A CN 107423421 A CN107423421 A CN 107423421A CN 201710641577 A CN201710641577 A CN 201710641577A CN 107423421 A CN107423421 A CN 107423421A
- Authority
- CN
- China
- Prior art keywords
- menu
- food materials
- candidate
- recommended
- score
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/40—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight
- G01G19/413—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means
- G01G19/414—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only
- G01G19/4146—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only for controlling caloric intake, e.g. diet control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/40—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight
- G01G19/413—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means
- G01G19/414—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups with provisions for indicating, recording, or computing price or other quantities dependent on the weight using electromechanical or electronic computing means using electronic computing means only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Cold Air Circulating Systems And Constructional Details In Refrigerators (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种菜谱推荐方法、装置和冰箱,其中,方法包括:获取多种候选食材的新鲜度;根据所述多种候选食材的新鲜度,在所述多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱;根据多种目标食材的候选菜谱,生成待推荐菜谱集合;根据所述待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱;其中,所述得分用于指示所述待推荐菜谱被采纳的概率;推荐所述推荐菜谱。通过本方法,能够根据现有食材向用户推荐菜谱,在实现菜谱推荐的同时,避免了食材的浪费,解决现有技术中食材浪费的技术问题。
Description
技术领域
本发明涉及家电技术领域,尤其涉及一种菜谱推荐方法、装置和冰箱。
背景技术
随着生活水平的提高,人们对饮食要求也越来越高,希望品尝到新鲜美味且种类不同的菜品,因此,如何实现菜谱的个性化推荐逐渐成为研究热点。
然而,现有的菜谱推荐方法只能参考用户喜好推荐菜谱,未考虑到用户已有的食材以及食材的新鲜程度,容易造成食材浪费。
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,本发明的第一个目的在于提出一种菜谱推荐方法,以根据现有食材向用户推荐菜谱,在实现菜谱推荐的同时,避免了食材的浪费,解决现有技术中食材浪费的技术问题。
本发明的第二个目的在于提出一种菜谱推荐装置。
本发明的第三个目的在于提出一种冰箱。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质。
本发明的第五个目的在于提出一种计算机程序产品。
为达上述目的,本发明第一方面实施例提出了一种菜谱推荐方法,包括:
获取多种候选食材的新鲜度;
根据所述多种候选食材的新鲜度,在所述多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱;
根据多种目标食材的候选菜谱,生成待推荐菜谱集合;
根据所述待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱;其中,所述得分用于指示所述待推荐菜谱被采纳的概率;
推荐所述推荐菜谱。
本发明实施例的菜谱推荐方法,通过获取多种候选食材的新鲜度,根据新鲜度在多种候选食材中查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱,根据多种目标食材的候选菜谱,生成待推荐菜谱集合,根据待推荐菜谱集合中各待推荐菜谱的得分确定出推荐菜谱并推荐。由此,能够根据用户的现有食材生成菜谱并推荐给用户,同时避免了食材的浪费。与现有技术相比,本方法利用陈旧的食材生成菜谱,使用户优先食用不太新鲜的食材,以免食材放置过久而腐烂无法食用,解决了现有技术中食材浪费的技术问题。
为达上述目的,本发明第二方面实施例提出了一种菜谱推荐装置,包括:
获取模块,用于获取多种候选食材的新鲜度;
查询模块,用于根据所述多种候选食材的新鲜度,在所述多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱;
生成模块,用于根据多种目标食材的候选菜谱,生成待推荐菜谱集合;
确定模块,用于根据所述待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱;其中,所述得分用于指示所述待推荐菜谱被采纳的概率;
推荐模块,用于推荐所述推荐菜谱。
本发明实施例的菜谱推荐装置,通过获取多种候选食材的新鲜度,根据新鲜度在多种候选食材中查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱,根据多种目标食材的候选菜谱,生成待推荐菜谱集合,根据待推荐菜谱集合中各待推荐菜谱的得分确定出推荐菜谱并推荐。由此,能够根据用户的现有食材生成菜谱并推荐给用户,同时避免了食材的浪费。与现有技术相比,本方法利用陈旧的食材生成菜谱,使用户优先食用不太新鲜的食材,以免食材放置过久而腐烂无法食用,解决了现有技术中食材浪费的技术问题。
为达上述目的,本发明第三方面实施例提出了一种冰箱,包括:摄像头和/或红外传感器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,
所述摄像头用于获取每一种候选食材的图片;
所述红外传感器,用于确定所述每一种候选食材发出的红外热能;
所述处理器,用于根据所述摄像头获取的所述图片,和/或,所述红外传感器确定的所述红外热能,通过执行所述计算机程序,实现如第一方面实施例所述的菜谱推荐方法。
本发明实施例的冰箱,通过获取多种候选食材的新鲜度,根据新鲜度在多种候选食材中查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱,根据多种目标食材的候选菜谱,生成待推荐菜谱集合,根据待推荐菜谱集合中各待推荐菜谱的得分确定出推荐菜谱并推荐。由此,能够根据用户的现有食材生成菜谱并推荐给用户,同时避免了食材的浪费。与现有技术相比,本方法利用陈旧的食材生成菜谱,使用户优先食用不太新鲜的食材,以免食材放置过久而腐烂无法食用,解决了现有技术中食材浪费的技术问题。
为了实现上述目的,本发明第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面实施例所述的菜谱推荐方法。
为了实现上述目的,本发明第五方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如第一方面实施例所述的菜谱推荐方法。
本发明附加的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
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一实施例提出的菜谱推荐方法的流程示意图;
图2为获取候选食材新鲜度的一种方法的流程示意图;
图3为获取候选食材新鲜度的另一种方法的流程示意图;
图4为本发明另一实施例提出的菜谱推荐方法的流程示意图;
图5为根据口味维度建立的用户历史数据直方图;
图6为本发明一实施例提出的菜谱推荐装置的结构示意图;
图7为本发明另一实施例提出的菜谱推荐装置的结构示意图;
图8为本发明一具体实施例的菜谱推荐装置示意图;以及
图9为本发明一实施例提出的冰箱的结构示意图。
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菜谱推荐方法、装置和冰箱。
随着人们生活水平的不断提高,人们对家用电器的要求也越来越高,比如,用户希望冰箱具有菜谱推荐功能,以满足用户对菜品的需求。
目前,市面上供应的具有菜谱推荐功能的冰箱通常仅能提供菜谱浏览功能,或者参考用户的喜好向用户推荐菜谱。现有的冰箱未考虑冰箱中存放的食材以及食材的新鲜程度,当用户未选择不太新鲜的食材对应的菜谱时,这些食材可能因为放置太久变腐烂而无法食用,造成食材的浪费。
针对上述问题,本发明实施例提出一种菜谱推荐方法,通过向用户推荐新鲜度较低的食材对应的菜谱,使用户优先食用不太新鲜的食材,能够避免食材浪费。
图1为本发明一实施例提出的菜谱推荐方法的流程示意图。
如图1所示,该菜谱推荐方法包括以下步骤:
S11,获取多种候选食材的新鲜度。
其中,候选食材为蔬菜。
对于同一种蔬菜,刚采摘下来时其营养成分含量较高,随着时间的增长,蔬菜的营养成分开始流失,且采摘下来的蔬菜放置的时间越长,营养成分流失越严重。
因此,为了避免用户食用无营养价值的食材,甚至用户因食用了变质的食材导致身体不适,本实施例中,可以先获取多种候选食材的新鲜度。
随着冰箱的普及,越来越多的家庭选择将食材放进冰箱中存储,以降低食材的水分和营养成分的流失速度,因此,本实施例中,可以在冰箱内设置摄像头,通过摄像头采集冰箱中存储的食材的图片,并上传至冰箱的处理单元,由处理单元根据摄像头采集的食材的图片确定食材的新鲜度。
S12,根据多种候选食材的新鲜度,在多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱。
比如,可以将蔬菜的新鲜度划分为4个级别,分别为1级、2级、3级和4级,其中,新鲜度为1级的蔬菜最新鲜,可以存储的时间最长;新鲜度为2级的蔬菜较新鲜,营养水分开始流失,但仍可以存储一定时间;新鲜度为3级的蔬菜不太新鲜,还可以食用,但存储时间有限,建议立即食用;新鲜度为4级的蔬菜最不新鲜,不建议食用。概括地说,新鲜度级别与食材的新鲜程度成反比,新鲜度级别越高,食材越陈旧,新鲜度级别越低,食材越新鲜。
本实施例中,获取了多种候选食材的新鲜度之后,可以根据获取的新鲜度信息从多种候选食材中,查询出陈旧的多种目标食材,优先选择新鲜度较高的食材作为目标食材。比如,当多种候选食材的新鲜度包含上述4个级别的新鲜度时,由于不建议食用4级新鲜度的食材,因而,将新鲜度为3级的食材作为目标食材。选定目标食材后,进一步针对每一种目标食材,从数据库中查找对应的菜谱,生成候选菜谱。
S13,根据多种目标食材的候选菜谱,生成待推荐菜谱集合。
本实施例中,根据获取的多种食材的候选菜谱,可以将每一种目标食材的菜谱进行合并,生成待推荐菜谱集合。
S14,根据待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱。
其中,得分用于指示待推荐菜谱被采纳的概率。
本实施例中,可以为待推荐菜谱集合中的每一个待推荐菜谱进行打分,比如,可以根据用户的喜好对待推荐菜谱进行打分,为最符合用户喜好的待推荐菜谱打最高分。进而,根据待推荐菜谱的得分,将得分最高的待推荐菜谱确定为推荐菜谱。
S15,推荐推荐菜谱。
本实施例中,确定出推荐菜谱之后,可以将推荐菜谱推荐给用户。作为一种示例,可以在冰箱门上设置显示面板,通过显示面板将推荐菜谱显示给用户。
本实施例的菜谱推荐方法,通过获取多种候选食材的新鲜度,根据新鲜度在多种候选食材中查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱,根据多种目标食材的候选菜谱,生成待推荐菜谱集合,根据待推荐菜谱集合中各待推荐菜谱的得分确定出推荐菜谱并推荐。由此,能够根据用户的现有食材生成菜谱并推荐给用户,同时避免了食材的浪费。与现有技术相比,本方法利用陈旧的食材生成菜谱,使用户优先食用不太新鲜的食材,以免食材放置过久而腐烂无法食用,解决了现有技术中食材浪费的技术问题。
为了更加清楚地说明前述实施例中获取候选食材新鲜度的实现过程,本发明提供了两种获取多种候选食材新鲜度的方式。作为其中一种可能的实现方式,可以通过预先获取学习模型,利用学习模型获取候选食材的新鲜度,从而,如图2所示,在如图1所示实施例的基础上,步骤S11可以包括以下步骤:
S21,获取每一种候选食材的图片,以及确定每一种候选食材所属的生物学类别。
其中,蔬菜的生物学类别包括但不限于:根菜类,比如萝卜、胡萝卜、甜菜、根用芥菜等;白菜类,比如大白菜、油菜、菜心、乌塌菜等;甘蓝类,比如包心菜、花椰菜、芥蓝等;茄果类,包括番茄、茄子、辣椒、甜椒等;豆类,比如菜豆(刀豆)、豇豆、蚕豆、毛豆等;瓜类,比如黄瓜、南瓜、西葫芦、笋瓜、丝瓜、冬瓜等;水生蔬菜类,比如莲藕、茭白、海带,紫菜等。
本实施例中,可以在冰箱中设置摄像头,由摄像头获取冰箱内存放的每一种候选食材的图片,并确定每一种候选食材所属的生物学类别。作为一种示例,可以预先在云端服务器或冰箱存储器中存储各个生物学类别所包含的食材的图片,将获取的候选食材的图片同预先存储的图片进行比较,从而确定每一种候选食材所属的生物学类别。
S22,针对每一种候选食材,将候选食材的图片的特征,输入候选食材的生物学类别对应的学习模型,得到候选食材的新鲜度。
其中,学习模型是对候选食材经过新鲜度级别标注的多个样本图片进行学习得到的,新鲜度级别与食材的新鲜程度成反比,新鲜度级别越高,食材越陈旧,新鲜度级别越低,食材越新鲜。
为了训练获得每一生物学类别对应的学习模型,可以对市场上的各种蔬菜进行采样,对于同一种蔬菜,分别采集不同新鲜度级别的图片作为样本。以芹菜为例,分别采集大量的新鲜度为1级、2级、3级和4级的芹菜图片作为训练样本,将这些训练样本作为输入,样本对应的新鲜度级别作为输出,进行深度学习训练,得到对应的学习模型。对于同一生物学类别的多种蔬菜,采用同一种模型进行深度学习训练,得到对应生物学类别的学习模型。
针对每一种候选食材,获取了候选食材的图片并确定了候选食材所属的生物学类别之后,可以根据候选食材所属的生物学类别选择对应的学习模型,进而将获取的候选食材的图片的特征输入至选定的学习模型中,即可获得该候选食材的新鲜度。
本实施例的菜谱推荐方法,通过获取每一种候选食材的图片,并确定每一种候选食材所属的生物学类别,针对每一种候选食材,将候选食材的图片的特征输入候选食材的生物学类别对应的学习模型,得到候选食材的新鲜度,能够保证食材新鲜度识别的准确性。
随着蔬菜放置时间的增长,蔬菜表面会滋生一些微生物,微生物在蔬菜表面活动会产生热量,且蔬菜越不新鲜,其表面滋生的微生物越多,产生的热量也越多。因此,作为另一种获取候选食材新鲜度的可能实现方式,可以根据蔬菜产生的热能确定蔬菜的新鲜度,从而,如图3所示,在如图1所示实施例的基础上,步骤S11可以包括以下步骤:
S31,确定每一种候选食材发出的红外热能。
如前文所述,蔬菜越不新鲜,产生的热能越多,因此,本实施例中,可以先确定每一种候选食材发出的红外热能,进而根据红外热能确定候选食材的新鲜度。
作为一种示例,可以在冰箱内安装红外传感器,利用红外传感器获取每一种候选食材发出的红外热能。
S32,根据红外热能与新鲜度的正向关系,确定每一种候选食材红外热能对应的新鲜度。
由于食材发出的红外热能越多,表明食材越不新鲜,食材的新鲜度越高,因此,本实施例中,可以预先设置并存储红外热能与新鲜度的正向关系,如公式1所示。
其中,M表示食材发出的红外热能值,th1、th2、th3和th4为预先设置的红外热能阈值,且th1<th2<th3<th4。
本实施例中,获取了每一种候选食材发出的红外热能之后,进一步根据如公式(1)所示的红外热能与新鲜度的正向关系,即可确定每一种候选食材的新鲜度。
本实施例的菜谱推荐方法,通过确定每一种候选食材发出的红外热能,根据红外热能与新鲜度的正向关系,确定每一种候选食材红外热能对应的新鲜度,能够保证获取食材新鲜度的准确性。
为了避免单一方式获取食材新鲜度带来的偏差,进一步提高获取食材新鲜度的准确性,在本发明实施例一种可能的实现方式中,还可以将前述两种获取食材新鲜度的方式进行结合,综合两种方式的新鲜度判断结果,最终确定食材的新鲜度。
假设1级新鲜度的分数设定为1,2级新鲜度的分数设定为2,3级新鲜度的分数设定为3,4级新鲜度的分数设定为4;采用摄像头方式获得的新鲜度的得分为cscore,所占权重为q1;采用红外传感器方式获得的新鲜度的得分为rscore,所占权重为q2;优选地,q1=q2=0.5。则,食材新鲜度的得分如公式(2)所示。
score=q1*cscore+q2*rscore (2)
对所得的结果进行四舍五入得到最终的新鲜度得分,进而根据最终的新鲜度得分确定食材的新鲜度。
通过结合两种方式获取的新鲜度结果最终确定食材的新鲜度,能够降低单一方式获取的新鲜度的偏差,进一步提高获取食材新鲜度的准确性。
图4为本发明另一实施例提出的菜谱推荐方法的流程示意图。
如图4所示,该菜谱推荐方法可以包括以下步骤:
S41,获取多种候选食材的新鲜度。
具体地,可以采用前述实施例所述的方法获取多种候选食材的新鲜度,为避免赘述,此处不再详细说明。
S42,获取用户输入的用餐人数和/或用餐时间。
为了满足用户的用餐需求,可以进一步获取用户的用餐人数和/或用餐时间。比如,可以在冰箱上设置输入面板,由用户通过输入面板输入用餐人数和/或用餐时间;或者,可以为冰箱设置控制终端,用于可以通过控制终端的输入界面输入用餐人数和/或用餐时间。
通过考虑用户的用餐人数和用餐需求,能够保证所推荐菜谱与用户实际需求的匹配,进一步提高菜谱推荐的准确性。
需要说明的是,步骤S41和步骤S42的执行顺序不分先后,两者可以同时执行,也可以先后执行,本实施例仅以步骤S42在步骤S41之后执行作为示例进行说明,而不能作为对本发明的限制。
S43,判断是否存在新鲜度高于阈值的候选食材。
其中,阈值是预先设定的,根据划分的食材的新鲜度级别进行设置,可以将阈值设置为建议立即食用的候选食材的新鲜度。比如,对于将食材的新鲜度划分为4个级别的情况,新鲜度为3级的食材不太新鲜,建议立即食用;新鲜度为4级的食材最不新鲜,不建议食用。此时,阈值可以设置为3级,当食材的新鲜度为4级时,可以判定新鲜度高于阈值。
本实施例中,获取了多种候选食材的新鲜度之后,可以查询获取的新鲜度的情况以判断是否存在新鲜度高于阈值的候选食材。当存在新鲜度高于阈值的候选食材时,执行步骤S44;否则,执行步骤S45。
S44,显示提示信息,以通知用户新鲜度高于阈值的候选食材。
本实施例中,当存在新鲜度高于阈值的候选食材时,可以在冰箱门上设置的显示面板中显示提示信息,以通知用户新鲜度高于阈值的候选食材。作为一种示例,可以将新鲜度高于阈值的候选食材的图片显示在显示面板中,并显示文字信息“该食材已无法食用,请丢弃!”,以将无法食用的候选食材显示给用户,避免用户因误食不新鲜的食材造成的身体不适,有利于用户的身体健康。
S45,根据多种候选食材的新鲜度,在多种候选食材中,查询陈旧的多种目标食材,在与用餐人数和/或用餐时间对应的菜谱库中,查询得到每一目标食材的候选菜谱。
本实施例中,对于新鲜度不高于阈值的候选食材,可以根据候选食材的新鲜度从中查询出陈旧的多种目标食材,即选择新鲜度级别较高的候选食材作为目标食材,进而在与用餐人数和/或用餐时间对应的菜谱库中,查询得到每一目标食材的候选菜谱。
S46,根据多种目标食材的候选菜谱,生成待推荐菜谱集合。
本实施例中,可以将多种目标食材的候选菜谱求并集,生成待推荐菜谱集合。
S47,针对每一个待推荐菜谱,根据待推荐菜谱的热门程度,确定待推荐菜谱的得分。
本实施例的方法可以设计为,冰箱将所有用户从推荐的推荐菜谱中选择的菜谱上传至服务器,针对同一个菜谱,服务器对所有用户选择该菜谱的次数进行统计。
从而,本实施例中,针对每一个待推荐菜谱,可以从服务器获取该菜谱被所有用户选择的次数,进而可以根据被所有用户选择的次数确定该菜谱的热门程度,用户选择的次数越多,表明该菜谱的热门程度越高。进一步地,根据待推荐菜谱的热门程度,可以确定待推荐菜谱的得分。具体地,可以对热门程度较高的菜谱打高分,对热门程度低的菜谱打低分。
S48,对待推荐菜谱的得分进行更新。
为了进一步提高菜谱推荐的准确性,可以从不同方面对待推荐菜谱的得分进行更新。具体地,可以根据待推荐菜谱在多个目标食材的候选菜谱中出现的次数,对得分进行更新;和/或,根据本周期内的历史菜谱与待推荐菜谱的营养重合度,对得分进行更新,其中,历史菜谱是用户从已推荐的推荐菜谱中选中的菜谱;和/或,根据待推荐菜谱与用户口味偏好的匹配度,对得分进行更新。
(1)当根据待推荐菜谱与用户口味偏好的匹配度对得分进行更新时,具体包括:获取多个口味维度的权重,其中,权重是对历史菜谱从多个口味维度进行学习确定的;根据多个口味维度的权重,以及待推荐菜谱与对应维度的口味重合度,进行加权运算,得到第一修正值,其中,第一修正值用于指示待推荐菜谱与用户口味偏好的匹配度;将第一修正值与得分相乘,得到修正后的得分。
其中,口味维度可以包括但不限于辣、不辣、煎、炸、炒、蒸、煮、烤、偏甜、无糖等。以口味维度包括上述10个维度为例,可以按照上述维度统计历史数据,并建立用户历史数据直方图,如图5所示,其中,横轴表示口味维度,纵轴表示不同的口味维度对应的统计次数。假设辣、不辣、煎、炸、炒、蒸、煮、烤、偏甜和无糖对应的统计次数分别为n1、n2、n3、n4、n5、n6、n7、n8、n9和n10,则可以进一步计算各个口味维度的权重,以辣为例,辣所占的权重如公式(3)所示。
本实施例的方法可以设计为,在存储菜谱时,同时存储各个菜谱与口味维度的重合度,其中,重合度可以由设计人员或美食专员针对同一个菜谱从不同口味维度人为评定,该菜谱与某个口味维度的吻合度越高,重合度就越高,则针对该口味维度的打分越高。
进而,本实施例中,可以根据多个口味维度的权重和待推荐菜谱与对应维度的口味重合度进行加权运算,得到第一修正值,将第一修正值与待推荐菜谱的得分相乘,得到更新后的得分。
通过不同口味维度的权重有效反映用户偏好,并根据口味维度对待推荐菜谱的得分进行更正,能够提高得分的准确性,进而提高菜谱推荐的准确性。
(2)当根据本周期内的历史菜谱与待推荐菜谱的营养重合度对得分进行更新时,具体包括:将待推荐菜谱的得分减去待推荐菜谱的营养重合度,得到待推荐菜谱更新后的得分。
其中,周期可以由用户根据自身需求进行自行设定,可以是三天、五天、一周等,本发明对此不作限制。
冰箱可以记录用户选择的历史菜谱,并记录历史菜谱中用户在本周期内选择的目标历史菜谱的具体时间,将待推荐菜谱与目标历史菜谱进行匹配,当目标历史菜谱中待推荐菜谱与待推荐菜谱存在相同的菜谱时,根据目标历史菜谱中记录的该菜谱被选中的时间确定待推荐菜谱的营养重合度,且被选中的时间距离当前日期越近,待推荐菜谱的营养重合度越高。将待推荐菜谱的得分减去待推荐菜谱的营养重合度,得到更新后的得分,从而降低待推荐菜谱的得分。
通过考虑近期食用过的菜谱,降低近期食用过的菜谱的得分,使用户优先选择近期未食用过的菜谱,能够保证用户的营养均衡。
(3)当根据待推荐菜谱在多个目标食材的候选菜谱中出现的次数对得分进行更新时,具体包括:根据待推荐菜谱在多种目标食材的候选菜谱中出现的次数,确定待推荐菜谱的第二修正分值;将得分与第二修正分值求和,得到修正后的得分。
当待推荐菜谱在多个候选菜谱中出现时,比如,“番茄苞菜”既出现在针对“番茄”得到的候选菜谱中,也出现在针对“包菜”得到的候选菜谱中,可以针对待推荐菜谱出现的次数确定待推荐菜谱的第二修正值,待推荐菜谱出现的次数越多,第二修正值越大。比如,当待推荐菜谱出现2次时,第二修正值为δ;当待推荐菜谱出现3次时,第二修正值为2δ,以此类推。将第二修正值与待推荐菜谱的得分相加,即得更新后的得分。
通过考虑多种食材之间菜谱重复出现的次数,并依此对得分进行修正,使用户优先食用菜谱出现次数较多的食材,有助于尽快消耗掉已有食材,提高已有食材的利用率。
S49,根据待推荐菜谱集合中各待推荐菜谱更新后的得分,确定出推荐菜谱。
本实施例中,可以将待推荐菜谱更新后的得分最大的菜谱确定为推荐菜谱。
S410,推荐推荐菜谱。
本实施例中,确定了推荐菜谱之后,即可向用户推荐该推荐菜谱。
可选地,在本发明实施例一种可能的实现方式中,向用户推荐了推荐菜谱之后,还可以获取用户从推荐菜谱中选定的目标菜谱,将目标菜谱添加到历史菜谱中,并对历史菜谱进行重新学习,以更新多个口味维度的权重。通过对用户选择的历史菜谱进行重新学习,能够对不同口味维度的权重进行优化,使得口味维度的权重能够准确体现用户当前的口味,进一步提高菜谱推荐的准确性。
需要说明的是,在本发明实施例一种可能的实现方式中,步骤S45还可以是将新鲜度不高于阈值的候选食材作为目标食材,在与用餐人数和/或用餐时间对应的菜谱库中,查询得到每一目标食材的候选菜谱。
比如,假设阈值为3级,目标候选食材有黄瓜、菜花和番茄三种,且识别出的三种候选食材对应的新鲜度分别为:黄瓜1级、菜花2级、西红柿3级,这三种候选食材的新鲜度均未高于阈值,可以作为目标食材,从菜谱库获取的候选菜谱分别为:
黄瓜:A={[1菜谱a1];[1菜谱a2];[1菜谱a3];…}
菜花:B={[2菜谱b1];[2菜谱b2];[2菜谱b3];…}
番茄:C={[3菜谱c1];[3菜谱c2];[3菜谱c3];…}
其中,1、2、3分别表示黄瓜、菜花、番茄的新鲜度对应的得分。
则,本实施例中,当根据待推荐菜谱在多个目标食材的候选菜谱中出现的次数对得分进行更新,如果待推荐菜谱出现了多次,则将该待推荐菜谱的多个得分中分数最高的得分作为基础得分,在基础得分的基础上根据待推荐菜谱出现的次数进行更新。以上述举例为例,假设菜谱b2和菜谱c3表示同一个菜谱,由于菜谱c3的新鲜度得分为3,而菜谱b2的新鲜度分数为2,则将菜谱c3的新鲜度得分作为基础得分。若待推荐菜谱重复出现一次的增长分数为δ,则菜谱c3修正后的得分为(3+δ)。
通过对不同新鲜度的食材进行打分,对新鲜度级别高的食材对应的菜谱打高分,并在菜谱出现多次时以最高的得分作为基础得分,根据菜谱的出现次数对基础得分进行修正,能够避免食材浪费,同时有助于尽快消耗掉已有食材。
本实施例的菜谱推荐方法,通过获取多种候选食材的新鲜度,并判断是否存在新鲜度高于阈值的候选食,当存在时,向用户显示提示信息,能够避免用户因误食不新鲜的食材造成的身体不适。通过获取用户输入的用餐人数和/或用餐时间,根据多种候选食材的新鲜度查询陈旧的多种目标食材,在与用餐人数和/或用餐时间对应的菜谱库中,查询得到每一目标食材的候选菜谱,能够保证所推荐菜谱与用户实际需求的匹配。通过对待推荐菜谱进行打分,并对待推荐菜谱的得分进行更新,根据待推荐菜谱集合中各待推荐菜谱更新后的得分,确定出推荐菜谱并推荐给用户,能够提高菜谱推荐的准确性,同时避免了食材的浪费。
为了实现上述实施例,本发明还提出一种菜谱推荐装置。
图6为本发明一实施例提出的菜谱推荐装置的结构示意图。
如图6所示,该菜谱推荐装置60包括:获取模块610、查询模块620、生成模块630、确定模块640,以及推荐模块650。其中,
获取模块610,用于获取多种候选食材的新鲜度。
可选地,在本发明实施例一种可能的实现方式中,获取模块610具体用于获取每一种候选食材的图片,以及确定每一种候选食材所属的生物学类别;针对每一种候选食材,将候选食材的图片的特征,输入候选食材的生物学类别对应的学习模型,得到候选食材的新鲜度;其中,学习模型是对候选食材经过新鲜度级别标注的多个样本图片进行学习得到的。
可选地,在本发明实施例一种可能的实现方式中,获取模块610具体用于确定每一种候选食材发出的红外热能;根据红外热能与新鲜度的正向关系,确定每一种候选食材红外热能对应的新鲜度。
查询模块620,用于根据多种候选食材的新鲜度,在多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱。
生成模块630,用于根据多种目标食材的候选菜谱,生成待推荐菜谱集合。
确定模块640,用于根据待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱。
其中,得分用于指示待推荐菜谱被采纳的概率。
推荐模块650,用于推荐推荐菜谱。
进一步地,在本发明实施例的一种可能的实现方式中,如图7所示,在如图6所示实施例的基础上,该菜谱推荐装置60还可以包括:
第一确定模块660,用于针对每一个待推荐菜谱,根据待推荐菜谱的热门程度,确定待推荐菜谱的得分。
更新模块670,用于根据待推荐菜谱在多个目标食材的候选菜谱中出现的次数,对得分进行更新;和/或,根据本周期内的历史菜谱与待推荐菜谱的营养重合度,对得分进行更新,其中,历史菜谱是用户从已推荐的推荐菜谱中选中的菜谱;和/或,根据待推荐菜谱与用户口味偏好的匹配度,对得分进行更新。
进一步地,当更新模块670用于根据待推荐菜谱与用户口味偏好的匹配度,对得分进行更新时,更新模块670具体用于获取多个口味维度的权重,其中,权重是对历史菜谱从多个口味维度进行学习确定的;根据多个口味维度的权重,以及待推荐菜谱与对应维度的口味重合度,进行加权运算,得到第一修正值,其中,第一修正值用于指示待推荐菜谱与用户口味偏好的匹配度;将第一修正值与得分相乘,得到修正后的得分。
当更新模块670用于根据本周期内的历史菜谱与待推荐菜谱的营养重合度对得分进行更新时,更新模块670具体用于将待推荐菜谱的得分减去待推荐菜谱的营养重合度,得到待推荐菜谱更新后的得分。
当更新模块670用于根据待推荐菜谱在多个目标食材的候选菜谱中出现的次数对得分进行更新时,更新模块670具体用于根据待推荐菜谱在多种目标食材的候选菜谱中出现的次数,确定待推荐菜谱的第二修正分值;将得分与第二修正分值求和,得到修正后的得分。
学习模块680,用于获取用户从推荐菜谱中选定的目标菜谱;将目标菜谱添加到历史菜谱中;对历史菜谱进行重新学习,以更新多个口味维度的权重。
提示模块690,用于当存在新鲜度高于阈值的候选食材时,显示提示信息,以通知用户新鲜度高于阈值的候选食材。
可选地,在本发明实施例一种可能的实现方式中,如图7所示,该菜谱推荐装置60还可以包括:
第一获取模块600,用于获取用户输入的用餐人数和/或用餐时间。此时,查询模块620具体用于根据多种候选食材的新鲜度,在多种候选食材中,查询陈旧的多种目标食材,在与用餐人数和/或用餐时间对应的菜谱库中,查询得到每一目标食材的候选菜谱。
需要说明的是,前述对菜谱推荐方法实施例的解释说明也适用于该实施例的菜谱推荐装置,其实现原理类似,此处不再赘述。
本实施例的菜谱推荐装置,通过获取多种候选食材的新鲜度,根据新鲜度在多种候选食材中查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱,根据多种目标食材的候选菜谱,生成待推荐菜谱集合,根据待推荐菜谱集合中各待推荐菜谱的得分确定出推荐菜谱并推荐。由此,能够根据用户的现有食材生成菜谱并推荐给用户,同时避免了食材的浪费。与现有技术相比,本方法利用陈旧的食材生成菜谱,使用户优先食用不太新鲜的食材,以免食材放置过久而腐烂无法食用,解决了现有技术中食材浪费的技术问题。
图8为本发明一具体实施例的菜谱推荐装置示意图。如图8所示,该菜谱推荐装置包括摄像头、红外传感器、蔬菜分类单元、新鲜度评测单元、设置单元、学习单元、选择单元、菜谱生成单元、显示单元、无线通讯单元和云端服务器。其中,蔬菜分类单元对摄像头采集的图像进行分类识别,得到食材的类别信息。新鲜度评测单元根据摄像头采集的图像和红外传感器采集的数据对食材的新鲜度进行评测。设置单元可以由用户输入一些参数,比如就餐时间和就餐人数等,有助于菜谱生成单元根据实际用餐需求进行菜谱推荐。历史选择单元存储用户曾经选择的推荐菜谱,学习单元根据用户的历史选择判断出用户的喜好,菜谱生成单元根据用户的喜好以及食材的新鲜度对用户进行菜谱推荐,并在显示单元上进行菜谱显示。菜谱生成单元通过无线通讯单元与云端服务器进行通信,云端服务器存储用户的注册信息、用户的喜好数据等,同时还用于为菜谱生成单元提供新的菜谱。通过该菜谱推荐装置,能够根据用户的现有食材生成菜谱,并基于用户的实际用餐需求和喜好向用户推荐菜谱,提高了菜谱推荐的准确性,同时避免了食材的浪费。
为了实现上述实施例,本发明还提出一种冰箱。
图9为本发明一实施例提出的冰箱的结构示意图。
如图9所示,该冰箱90包括:摄像头901和/或红外传感器902、存储器903、处理器904及存储在存储器903上并可在处理器904上运行的计算机程序905。其中,
摄像头901,用于获取每一种候选食材的图片。
红外传感器902,用于确定每一种候选食材发出的红外热能。
处理器904,用于根据摄像头901获取的图片,和/或,红外传感器902确定的红外热能,通过执行计算机程序905,实现如前述实施例所述的菜谱推荐方法。
本实施例的冰箱,通过获取多种候选食材的新鲜度,根据新鲜度在多种候选食材中查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱,根据多种目标食材的候选菜谱,生成待推荐菜谱集合,根据待推荐菜谱集合中各待推荐菜谱的得分确定出推荐菜谱并推荐。由此,能够根据用户的现有食材生成菜谱并推荐给用户,同时避免了食材的浪费。与现有技术相比,本方法利用陈旧的食材生成菜谱,使用户优先食用不太新鲜的食材,以免食材放置过久而腐烂无法食用,解决了现有技术中食材浪费的技术问题。
为了实现上述实施例,本发明还提出一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前述实施例所述的菜谱推荐方法。
为了实现上述实施例,本发明还提出一种计算机程序产品,当所述计算机程序产品中的指令由处理器执行时,执行如前述实施例所述的菜谱推荐方法。
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定制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。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 (15)
1.一种菜谱推荐方法,其特征在于,包括以下步骤:
获取多种候选食材的新鲜度;
根据所述多种候选食材的新鲜度,在所述多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱;
根据多种目标食材的候选菜谱,生成待推荐菜谱集合;
根据所述待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱;其中,所述得分用于指示所述待推荐菜谱被采纳的概率;
推荐所述推荐菜谱。
2.根据权利要求1所述的菜谱推荐方法,其特征在于,所述获取多种候选食材的新鲜度,包括:
获取每一种候选食材的图片,以及确定每一种候选食材所属的生物学类别;
针对每一种候选食材,将所述候选食材的图片的特征,输入所述候选食材的生物学类别对应的学习模型,得到所述候选食材的新鲜度;其中,所述学习模型,是对所述候选食材经过新鲜度级别标注的多个样本图片进行学习得到的。
3.根据权利要求1所述的菜谱推荐方法,其特征在于,所述获取多种候选食材的新鲜度,包括:
确定每一种候选食材发出的红外热能;
根据红外热能与新鲜度的正向关系,确定每一种候选食材红外热能对应的新鲜度。
4.根据权利要求1-3任一项所述的菜谱推荐方法,其特征在于,所述根据所述待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱之前,还包括:
针对每一个待推荐菜谱,根据所述待推荐菜谱的热门程度,确定所述待推荐菜谱的得分。
5.根据权利要求4所述的菜谱推荐方法,其特征在于,所述确定所述待推荐菜谱的得分之后,还包括:
根据待推荐菜谱在多个目标食材的候选菜谱中出现的次数,对所述得分进行更新;和/或,
根据本周期内的历史菜谱与所述待推荐菜谱的营养重合度,对所述得分进行更新;其中,所述历史菜谱是用户从已推荐的推荐菜谱中选中的菜谱;和/或,
根据所述待推荐菜谱与用户口味偏好的匹配度,对所述得分进行更新。
6.根据权利要求5所述的菜谱推荐方法,其特征在于,所述根据所述待推荐菜谱与用户口味偏好的匹配度,对所述得分进行更新,包括:
获取多个口味维度的权重;其中,所述权重,是对所述历史菜谱从多个口味维度进行学习确定的;
根据多个口味维度的权重,以及所述待推荐菜谱与对应维度的口味重合度,进行加权运算,得到第一修正值;其中,所述第一修正值,用于指示所述待推荐菜谱与用户口味偏好的匹配度;
将所述第一修正值与所述得分相乘,得到修正后的得分。
7.根据权利要求5所述的菜谱推荐方法,其特征在于,所述根据本周期内的历史菜谱与所述待推荐菜谱的营养重合度,对所述得分进行更新,包括:
将所述待推荐菜谱的得分减去所述待推荐菜谱的营养重合度,得到所述待推荐菜谱更新后的得分。
8.根据权利要求5所述的菜谱推荐方法,其特征在于,所述根据待推荐菜谱在多种目标食材的候选菜谱中出现的次数,对所述得分进行更新,包括:
根据所述待推荐菜谱在多种目标食材的候选菜谱中出现的次数,确定所述待推荐菜谱的第二修正分值;
将所述得分与所述第二修正分值求和,得到修正后的得分。
9.根据权利要求6所述的菜谱推荐方法,其特征在于,所述推荐所述推荐菜谱之后,还包括:
获取用户从所述推荐菜谱中选定的目标菜谱;
将所述目标菜谱添加到所述历史菜谱中;
对所述历史菜谱进行重新学习,以更新所述多个口味维度的权重。
10.根据权利要求1-3任一项所述的菜谱推荐方法,其特征在于,所述得到每一目标食材的候选菜谱之前,还包括:
获取用户输入的用餐人数和/或用餐时间;
所述得到每一目标食材的候选菜谱,包括:
在与所述用餐人数和/或用餐时间对应的菜谱库中,查询得到每一目标食材的候选菜谱。
11.根据权利要求1-3任一项所述的菜谱推荐方法,其特征在于,所述获取多种候选食材的新鲜度之后,还包括:
若存在新鲜度高于阈值的候选食材,显示提示信息,以通知用户新鲜度高于阈值的候选食材。
12.一种菜谱推荐装置,其特征在于,包括:
获取模块,用于获取多种候选食材的新鲜度;
查询模块,用于根据所述多种候选食材的新鲜度,在所述多种候选食材中,查询陈旧的多种目标食材,以得到每一目标食材的候选菜谱;
生成模块,用于根据多种目标食材的候选菜谱,生成待推荐菜谱集合;
确定模块,用于根据所述待推荐菜谱集合中各待推荐菜谱的得分,确定出推荐菜谱;其中,所述得分用于指示所述待推荐菜谱被采纳的概率;
推荐模块,用于推荐所述推荐菜谱。
13.一种冰箱,其特征在于,包括摄像头和/或红外传感器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,
所述摄像头用于获取每一种候选食材的图片;
所述红外传感器,用于确定所述每一种候选食材发出的红外热能;
所述处理器,用于根据所述摄像头获取的所述图片,和/或,所述红外传感器确定的所述红外热能,通过执行所述计算机程序,实现如权利要求1-11中任一项所述的菜谱推荐方法。
14.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-11中任一项所述的菜谱推荐方法。
15.一种计算机程序产品,其特征在于,当所述计算机程序产品中的指令由处理器执行时,执行如权利要求1-11中任一项所述的菜谱推荐方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710641577.4A CN107423421A (zh) | 2017-07-31 | 2017-07-31 | 菜谱推荐方法、装置和冰箱 |
US15/956,687 US20190034556A1 (en) | 2017-07-31 | 2018-04-18 | Method, apparatus and refrigerator for recipe recommendation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710641577.4A CN107423421A (zh) | 2017-07-31 | 2017-07-31 | 菜谱推荐方法、装置和冰箱 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107423421A true CN107423421A (zh) | 2017-12-01 |
Family
ID=60431774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710641577.4A Pending CN107423421A (zh) | 2017-07-31 | 2017-07-31 | 菜谱推荐方法、装置和冰箱 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20190034556A1 (zh) |
CN (1) | CN107423421A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959593A (zh) * | 2018-07-12 | 2018-12-07 | 四川虹美智能科技有限公司 | 一种实现配菜的智能烟机、***和方法 |
CN108989547A (zh) * | 2018-06-20 | 2018-12-11 | Oppo广东移动通信有限公司 | 发光控制方法、装置、终端及存储介质 |
CN109166614A (zh) * | 2018-08-14 | 2019-01-08 | 四川虹美智能科技有限公司 | 一种推荐个人健康菜谱的***及方法 |
CN109523429A (zh) * | 2018-09-19 | 2019-03-26 | 上海迪歆品牌设计股份有限公司 | Ar点餐*** |
TWI664599B (zh) * | 2018-02-12 | 2019-07-01 | 迅康自動化股份有限公司 | 智慧食譜選擇裝置、其方法及自動烹飪裝置 |
CN110335118A (zh) * | 2019-07-04 | 2019-10-15 | 合肥美的电冰箱有限公司 | 菜谱推荐方法、菜谱推荐装置以及机器可读存储介质 |
CN110619943A (zh) * | 2018-06-19 | 2019-12-27 | 佛山市顺德区美的电热电器制造有限公司 | 一种食谱推荐方法、装置、烹饪电器和计算机存储介质 |
CN111326233A (zh) * | 2020-02-10 | 2020-06-23 | 天津联信电子科技有限公司 | 条件化智能菜谱计划生成方法、***、设备及存储介质 |
CN111381504A (zh) * | 2018-12-28 | 2020-07-07 | 浙江苏泊尔家电制造有限公司 | 一种烹饪方法及烹饪器具 |
CN111460278A (zh) * | 2020-02-21 | 2020-07-28 | 珠海格力电器股份有限公司 | 一种食谱推荐方法及*** |
CN111506735A (zh) * | 2020-04-07 | 2020-08-07 | 珠海格力电器股份有限公司 | 菜品推荐方法、存储介质、电子设备以及冰箱 |
CN111640485A (zh) * | 2020-05-26 | 2020-09-08 | 合肥美的电冰箱有限公司 | 饮食信息推荐方法及装置、电子设备及介质 |
CN111695026A (zh) * | 2019-03-13 | 2020-09-22 | 青岛海尔电冰箱有限公司 | 用于冰箱的推荐菜谱的方法和装置 |
CN111782902A (zh) * | 2020-08-03 | 2020-10-16 | 宁波方太厨具有限公司 | 食材的推荐方法、***、电子设备和存储介质 |
CN112163006A (zh) * | 2020-08-26 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
CN112288531A (zh) * | 2020-10-30 | 2021-01-29 | 广州富港万嘉智能科技有限公司 | 一种推荐菜品的生成方法、计算机可读存储介质、智能烹饪设备及服务器 |
CN112766020A (zh) * | 2019-11-01 | 2021-05-07 | 佛山市云米电器科技有限公司 | 带屏装置识别方法、带屏装置、菜谱推荐***及存储介质 |
CN113104265A (zh) * | 2021-04-16 | 2021-07-13 | 何蔚梁 | 一种智能食材分装装置、方法和*** |
CN113139120A (zh) * | 2020-01-20 | 2021-07-20 | 佛山市顺德区美的电热电器制造有限公司 | 电子设备及食谱的推荐方法和装置 |
CN113158017A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 菜谱推荐方法、冰箱、计算机可读存储介质 |
CN113220977A (zh) * | 2020-01-21 | 2021-08-06 | 青岛海尔电冰箱有限公司 | 菜谱推荐方法、冰箱及存储介质 |
CN113251727A (zh) * | 2021-05-25 | 2021-08-13 | 海信视像科技股份有限公司 | 冰箱及信息推荐方法 |
CN113491432A (zh) * | 2020-04-07 | 2021-10-12 | 添可智能科技有限公司 | 一种炒菜机的自动烹饪方法、***及炒菜机 |
CN113806604A (zh) * | 2021-10-11 | 2021-12-17 | 深圳市发掘科技有限公司 | 一种菜谱推荐方法及*** |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190162585A1 (en) * | 2017-11-30 | 2019-05-30 | Perfect Company, INC. | System for capturing point of consumption data |
KR102619657B1 (ko) * | 2018-06-15 | 2023-12-29 | 삼성전자주식회사 | 냉장고와 서버 및 서버의 제어 방법 |
KR20210020702A (ko) * | 2019-08-16 | 2021-02-24 | 엘지전자 주식회사 | 인공지능 서버 |
CN110751989B (zh) * | 2019-10-09 | 2022-02-11 | 深圳市远光宙科技有限公司 | 护肤品配方研制方法及*** |
KR20210042452A (ko) * | 2019-10-10 | 2021-04-20 | 엘지전자 주식회사 | 냉장고에 탑재된 인공 지능 장치 |
CN111126156A (zh) * | 2019-11-27 | 2020-05-08 | 四川大学 | 一种基于机器学习的菜品新鲜度识别方法 |
CN111027479A (zh) * | 2019-12-10 | 2020-04-17 | 珠海格力电器股份有限公司 | 食材处理方法、装置和冰箱 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278609A (zh) * | 2013-06-27 | 2013-09-04 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
CN105844385A (zh) * | 2016-03-16 | 2016-08-10 | 四川长虹电器股份有限公司 | 基于就餐时间、就餐人数和冰箱食材的菜谱推荐方法 |
CN106288634A (zh) * | 2016-08-04 | 2017-01-04 | 海信集团有限公司 | 菜谱推荐方法、装置及智能冰箱 |
CN106327098A (zh) * | 2016-08-31 | 2017-01-11 | 九阳股份有限公司 | 一种冰箱及其菜谱确定方法 |
-
2017
- 2017-07-31 CN CN201710641577.4A patent/CN107423421A/zh active Pending
-
2018
- 2018-04-18 US US15/956,687 patent/US20190034556A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278609A (zh) * | 2013-06-27 | 2013-09-04 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
CN105844385A (zh) * | 2016-03-16 | 2016-08-10 | 四川长虹电器股份有限公司 | 基于就餐时间、就餐人数和冰箱食材的菜谱推荐方法 |
CN106288634A (zh) * | 2016-08-04 | 2017-01-04 | 海信集团有限公司 | 菜谱推荐方法、装置及智能冰箱 |
CN106327098A (zh) * | 2016-08-31 | 2017-01-11 | 九阳股份有限公司 | 一种冰箱及其菜谱确定方法 |
Non-Patent Citations (1)
Title |
---|
黄林: "基于单一技术及多信息融合技术的猪肉新鲜度无损检测研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI664599B (zh) * | 2018-02-12 | 2019-07-01 | 迅康自動化股份有限公司 | 智慧食譜選擇裝置、其方法及自動烹飪裝置 |
CN110619943A (zh) * | 2018-06-19 | 2019-12-27 | 佛山市顺德区美的电热电器制造有限公司 | 一种食谱推荐方法、装置、烹饪电器和计算机存储介质 |
CN108989547A (zh) * | 2018-06-20 | 2018-12-11 | Oppo广东移动通信有限公司 | 发光控制方法、装置、终端及存储介质 |
CN108959593A (zh) * | 2018-07-12 | 2018-12-07 | 四川虹美智能科技有限公司 | 一种实现配菜的智能烟机、***和方法 |
CN109166614A (zh) * | 2018-08-14 | 2019-01-08 | 四川虹美智能科技有限公司 | 一种推荐个人健康菜谱的***及方法 |
CN109523429A (zh) * | 2018-09-19 | 2019-03-26 | 上海迪歆品牌设计股份有限公司 | Ar点餐*** |
CN111381504A (zh) * | 2018-12-28 | 2020-07-07 | 浙江苏泊尔家电制造有限公司 | 一种烹饪方法及烹饪器具 |
CN111695026A (zh) * | 2019-03-13 | 2020-09-22 | 青岛海尔电冰箱有限公司 | 用于冰箱的推荐菜谱的方法和装置 |
CN110335118A (zh) * | 2019-07-04 | 2019-10-15 | 合肥美的电冰箱有限公司 | 菜谱推荐方法、菜谱推荐装置以及机器可读存储介质 |
CN112766020A (zh) * | 2019-11-01 | 2021-05-07 | 佛山市云米电器科技有限公司 | 带屏装置识别方法、带屏装置、菜谱推荐***及存储介质 |
CN113139120A (zh) * | 2020-01-20 | 2021-07-20 | 佛山市顺德区美的电热电器制造有限公司 | 电子设备及食谱的推荐方法和装置 |
CN113220977A (zh) * | 2020-01-21 | 2021-08-06 | 青岛海尔电冰箱有限公司 | 菜谱推荐方法、冰箱及存储介质 |
CN113158017A (zh) * | 2020-01-22 | 2021-07-23 | 青岛海尔电冰箱有限公司 | 菜谱推荐方法、冰箱、计算机可读存储介质 |
CN111326233A (zh) * | 2020-02-10 | 2020-06-23 | 天津联信电子科技有限公司 | 条件化智能菜谱计划生成方法、***、设备及存储介质 |
CN111460278A (zh) * | 2020-02-21 | 2020-07-28 | 珠海格力电器股份有限公司 | 一种食谱推荐方法及*** |
CN111460278B (zh) * | 2020-02-21 | 2023-08-11 | 珠海格力电器股份有限公司 | 一种食谱推荐方法及*** |
CN113491432A (zh) * | 2020-04-07 | 2021-10-12 | 添可智能科技有限公司 | 一种炒菜机的自动烹饪方法、***及炒菜机 |
CN111506735A (zh) * | 2020-04-07 | 2020-08-07 | 珠海格力电器股份有限公司 | 菜品推荐方法、存储介质、电子设备以及冰箱 |
CN111640485A (zh) * | 2020-05-26 | 2020-09-08 | 合肥美的电冰箱有限公司 | 饮食信息推荐方法及装置、电子设备及介质 |
CN111782902A (zh) * | 2020-08-03 | 2020-10-16 | 宁波方太厨具有限公司 | 食材的推荐方法、***、电子设备和存储介质 |
CN112163006A (zh) * | 2020-08-26 | 2021-01-01 | 珠海格力电器股份有限公司 | 一种信息处理方法、装置、电子设备及存储介质 |
CN112288531A (zh) * | 2020-10-30 | 2021-01-29 | 广州富港万嘉智能科技有限公司 | 一种推荐菜品的生成方法、计算机可读存储介质、智能烹饪设备及服务器 |
CN113104265A (zh) * | 2021-04-16 | 2021-07-13 | 何蔚梁 | 一种智能食材分装装置、方法和*** |
CN113251727A (zh) * | 2021-05-25 | 2021-08-13 | 海信视像科技股份有限公司 | 冰箱及信息推荐方法 |
CN113806604A (zh) * | 2021-10-11 | 2021-12-17 | 深圳市发掘科技有限公司 | 一种菜谱推荐方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US20190034556A1 (en) | 2019-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107423421A (zh) | 菜谱推荐方法、装置和冰箱 | |
Gustafsson | Culinary arts and meal science–a new scientific research discipline | |
Samoggia et al. | Food retailing marketing management: social media communication for healthy food | |
Hjelmar | Consumers’ purchase of organic food products. A matter of convenience and reflexive practices | |
Ueda et al. | User’s food preference extraction for personalized cooking recipe recommendation | |
Schösler et al. | Can we cut out the meat of the dish? Constructing consumer-oriented pathways towards meat substitution | |
Dolejšová et al. | Disrupting (more-than-) human-food interaction: experimental design, tangibles and food-tech futures | |
CN102187333A (zh) | 根据健康性实现和帮助改善营养的*** | |
Bordewijk et al. | The specifics of food design: Insights from professional design practice | |
CN106773859A (zh) | 一种智能烹饪控制方法 | |
Shino et al. | Recommendation system for alternative-ingredients based on co-occurrence relation on recipe database and the ingredient category | |
KR20160116449A (ko) | 요리 레시피 제공 애플리케이션 시스템 | |
Keller et al. | Creating and consuming the heartland: Symbolic boundaries in representations of femininity and rurality in US Magazines | |
Gvion | Vegan restaurants in Israel: health, environmentalism and mainstreaming | |
Tan | The uncertainty mindset: innovation insights from the frontiers of food | |
WO2020075418A1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2021060640A (ja) | 栄養計算装置 | |
Cunningham et al. | An analysis of cooking queries: implications for supporting leisure cooking | |
Casales-Garcia et al. | A study on how food colour may determine the categorization of a dish: Predicting meal appeal from colour combinations | |
Green-Petersen et al. | Consumer preference and description of salmon in four Northern Atlantic countries and association with sensory characteristics | |
Gething et al. | Sweetpotato consumer research: insights to increasing consumption | |
Piscopo | Socio-ecological factors influencing food choices and behaviours of Maltese primary schoolchildren | |
Ćirić et al. | Quality of gourmand products and services and modern trends in restaurant industry | |
Mangabeira Júnior et al. | Acceptability of Reduced-Fat and Fried-Food-Free Menu in Self-Service Restaurant | |
Enstrom et al. | Understanding Veganism: Impacts and Implications for Marketing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171201 |