CN110211667A - 基于人工智能的总热量控制和智能体重管理方法及*** - Google Patents
基于人工智能的总热量控制和智能体重管理方法及*** Download PDFInfo
- Publication number
- CN110211667A CN110211667A CN201910465295.2A CN201910465295A CN110211667A CN 110211667 A CN110211667 A CN 110211667A CN 201910465295 A CN201910465295 A CN 201910465295A CN 110211667 A CN110211667 A CN 110211667A
- Authority
- CN
- China
- Prior art keywords
- heat
- data
- food
- artificial intelligence
- intake
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机技术的技术领域,尤其是涉及一种基于人工智能的总热量控制和智能体重管理方法及***,基于人工智能的总热量控制和智能体重管理方法包括:S10:若获取到食物图像;S20:使用预设的热量识别模型,从所述食物图像中识别出摄入热量数据;S30:获取用户每日热量消耗数据,并根据所述每日热量消耗数据和所述摄入热量数据计算总热量摄入数据;S40:将所述总热量摄入数据与热量控制值进行比对,得到比对结果。本发明具有便于检测出每日总热量摄入的效果。
Description
技术领域
本发明涉及计算机技术的技术领域,尤其是涉及一种基于人工智能的总热量控制和智能体重管理方法及***。
背景技术
目前,人们的生活质量已经越来越高,其中包括饮食方面,从过去解决温饱问题,到如今人们已经脱离温饱线,已经将食物上升到美食的境界。随着生活中的美食种类越来越多,其中也包含了火锅、汉堡、麻辣香锅等热量高,味道好,深受广大群众喜爱的美食种类,然而这类美食虽然味道好,但是伴随着是热量摄入过高导致的各种疾病以及肥胖。
如今人们已经对摄入食物的总热量已经开始关注,例如健身爱好者、需要进行减肥的认识或者是糖尿病患者等,都对每日总热量的摄入有要求,然而判断每日的总热量摄入,对于有经验的群众,例如健身达人,可直接凭经验判断,但是对于经验不丰富的群众,难以通过自身对总热量进行判断,因此存在改进空间。
人工智能,是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
发明内容
本发明的目的是提供一种便于检测出每日总热量摄入的基于人工智能的总热量控制和智能体重管理方法及***。
本发明的上述发明目的一是通过以下技术方案得以实现的:
一种基于人工智能的总热量控制和智能体重管理方法,所述基于人工智能的总热量控制和智能体重管理方法包括:
S10:若获取到食物图像;
S20:使用预设的热量识别模型,从所述食物图像中识别出摄入热量数据;
S30:获取用户每日热量消耗数据,并根据所述每日热量消耗数据和所述摄入热量数据计算总热量摄入数据;
S40:将所述总热量摄入数据与热量控制值进行比对,得到比对结果。
通过采用上述技术方案,在用户每次用餐前,对食物的通过热量识别模型进行热量检测,能够快速得到食物的热量,有助于用户快速知道食物的热量,有助于根据该餐的食物热量,调整之后用餐的热量,有助于用户对体重进行控制;同时,通过获取用户的每日热量消耗数据,结合食物的摄入热量数据,计算得到总热量摄入数据,能够使用户获取到每日的总热量摄入,从而使得计算得到的总热量摄入数据更准确。
本发明进一步设置为:在步骤S20之前,所述基于人工智能的总热量控制和智能体重管理方法还包括:
S201:根据食物种类,逐类从预设的数据库中获取对应的样品图片,并将每一食物种类的所述样本图片进行关联,得到样品图片集;
S202:逐类对所述样品图片集中的所述样品图片按照预设的方式进行处理后,得到对应的样品训练集;
S203:对所有的所述样品训练集进行训练,得到所述热量识别模型。
通过采用上述技术方案,预先对每一种的食物种类收集对应的样品图片进行收集、分类,再对每一种类的食物图片进行训练出该热量识别模型,使得经过该热量识别模型识别的食物图像得到的摄入热量数据更准确。
本发明进一步设置为:步骤S20包括:
S21:获取食物重量数据;
S22:通过所述热量识别模型从所述食物图像中识别出食物热量数据,并根据食物重量数据计算出所述摄入热量数据。
通过采用上述技术方案,由于单单通过识别图片中的食物,难以识别出图片中食物的分量,而由于食物重量、分数等数据,用户是很容易通过在购买食材、或者在餐厅的菜单上获取得到,通过增加食物重量数据,让用户能够自主输入该食物重量数据,从而使得通过食物重量数据以及从食物图像中识别出的食物热量数据能够更加准确。
本发明进一步设置为:步骤S30包括:
S31:通过第三方检测设备,获取所述每日热量消耗数据;
S32:若获取到热量消耗补充数据,则将所述热量消耗补充数据更新至所述每日热量消耗数据。
通过采用上述技术方案,通过让用户携带第三方检测设备,以检测用户每日的运动情况,从而得到该每日热量消耗数据,同时,在用户没携带该第三方检测设备进行运动时,可通过手动输入该热量消耗补充数据,从而使得得到的每日热量消耗数据更准确。
本发明进一步设置为:在步骤S40之后,所述基于人工智能的总热量控制和智能体重管理方法还包括:
S50:若所述比对结果为热量摄入超标,则生成并发送总热量超标警告;
S60:若所述比对结果为热量摄入不足,则生成并发送总热量不足警告。
通过采用上述技术方案,在获得到对应的比对结果后,生成并发送对应的警告消息,能够让用户及时知道每日总热量的摄入情况,可及时对总热量的摄入进行调整。
本发明的上述发明目的二是通过以下技术方案得以实现的:
一种基于人工智能的总热量控制和智能体重管理***,所述基于人工智能的总热量控制和智能体重管理***包括:
图像获取模块,用于若获取到食物图像;
热量识别模块,用于使用预设的热量识别模型,从所述食物图像中识别出摄入热量数据;
总热量摄入计算模块, 用于获取用户每日热量消耗数据,并根据所述每日热量消耗数据和所述摄入热量数据计算总热量摄入数据;
比对模块,用于将所述总热量摄入数据与热量控制值进行比对,得到比对结果。
通过采用上述技术方案,在用户每次用餐前,对食物的通过热量识别模型进行热量检测,能够快速得到食物的热量,有助于用户快速知道食物的热量,有助于根据该餐的食物热量,调整之后用餐的热量,有助于用户对体重进行控制;同时,通过获取用户的每日热量消耗数据,结合食物的摄入热量数据,计算得到总热量摄入数据,能够使用户获取到每日的总热量摄入,从而使得计算得到的总热量摄入数据更准确。
综上所述,本发明的有益技术效果为:
1.在用户每次用餐前,对食物的通过热量识别模型进行热量检测,能够快速得到食物的热量,有助于用户快速知道食物的热量,有助于根据该餐的食物热量,调整之后用餐的热量,有助于用户对体重进行控制;
2.通过获取用户的每日热量消耗数据,结合食物的摄入热量数据,计算得到总热量摄入数据,能够使用户获取到每日的总热量摄入,从而使得计算得到的总热量摄入数据更准确。
附图说明
图1是本发明一实施例中基于人工智能的总热量控制和智能体重管理方法的一流程图;
图2是本发明一实施例中基于人工智能的总热量控制和智能体重管理方法中的另一流程图;
图3是本发明一实施例中基于人工智能的总热量控制和智能体重管理方法中步骤S20的实现流程图;
图4是本发明一实施例中基于人工智能的总热量控制和智能体重管理方法中步骤S30的实现流程图;
图5是本发明一实施例中基于人工智能的总热量控制和智能体重管理方法中的另一流程图;
图6是本发明一实施例中基于人工智能的总热量控制和智能体重管理***的一原理框图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例一:
在一实施例中,如图1所示,本发明公开了一种基于人工智能的总热量控制和智能体重管理方法,具体包括如下步骤:
S10:若获取到食物图像。
在本实施例中,食物图像是指用户进餐时,摄入的食物的图像数据。
具体地,可通过用户对进餐摄入的食物进行拍摄,并将拍摄的图像进行上传,从而将用户拍摄的食物的图像,作为该食物图像。
S20:使用预设的热量识别模型,从食物图像中识别出摄入热量数据。
在本实施例中,热量识别模型是指预先训练好,用于在图像中识别出食物的热量的模型。摄入热量数据数据是指食物图像中,食物的总热量。
具体地,在获取得到该食物图像后,将该食物图像输入至该热量识别模型中,从而得到该摄入热量数据。
S30:获取用户每日热量消耗数据,并根据每日热量消耗数据和摄入热量数据计算总热量摄入数据。
在本实施例中,每日热量消耗数据是指用户在一日中消耗的热量的数据。
具体地,通过由用户输入的方式,获取用户的身高、体重以及体脂率等数据,计算得到用户的基本新陈代谢数据。进一步地,通过外部检测***或者用户自行填写的方式,获取用户的运动数据,从而计算得到用户当日运动的热量消耗量,从而将该基本的新陈代谢数据和用户当日运动的热量消耗,得到该每日热量消耗数据。
进一步地,将每日热量消耗数据和摄入热量数据通过求差的方式,计算的总热量摄入数据。即总热量摄入数据=摄入热量数据-每日热量消耗数据。
S40:将总热量摄入数据与热量控制值进行比对,得到比对结果。
在本实施例中,热量控制值是指用户设定的每日因控制热量的摄入值或数值范围。
具体地,通过用户自行输入,或者经过医务人员等专业人士的建议后,输入该热量控制值。进一步地,将步骤S30得到的总热量摄入数据与热量控制值采用求差值的方式进行比对,将求得的差值作为比对结果。
在本实施例中,在用户每次用餐前,对食物的通过热量识别模型进行热量检测,能够快速得到食物的热量,有助于用户快速知道食物的热量,有助于根据该餐的食物热量,调整之后用餐的热量,有助于用户对体重进行控制;同时,通过获取用户的每日热量消耗数据,结合食物的摄入热量数据,计算得到总热量摄入数据,能够使用户获取到每日的总热量摄入,从而使得计算得到的总热量摄入数据更准确。
在一实施例中,如图2所示,在步骤S20之前,基于人工智能的总热量控制和智能体重管理方法还包括:
S201:根据食物种类,逐类从预设的数据库中获取对应的样品图片,并将每一食物种类的样本图片进行关联,得到样品图片集。
在本实施例中,食物种类是指具体每一种食物,以及对应的分类。例如,该食物种类可以肉类-猪肉;肉类-鸡胸肉;肉类-鸡腿肉等。样品图片是指对应有一种食物种类,且用于进行训练的样本的图片。
具体地,可通过从存储有每一食物种类的食物的图片的数据库中,获取该样品图片。进一步地,将每一个食物种类的样本图像使用相同的字符进行标记,得到对应的样本图片集。
S202:逐类对样品图片集中的样品图片按照预设的方式进行处理后,得到对应的样品训练集。
具体地,将样品图像集输入到卷积神经网络模型CNN中,对该样品图像集进行下采样、卷积和池化操作,得到与所有该样品图像集对应的食物特征向量。并将该食物特征向量作为该样品训练集。
S203:对所有的样品训练集进行训练,得到热量识别模型。
具体地,使用LSTM网络对样品训练集进行训练,得到对应的热量识别模型。
在一实施例中,如图3所示,在步骤S20中,即使用预设的热量识别模型,从食物图像中识别出摄入热量数据,具体包括如下步骤:
S21:获取食物重量数据。
在本实施例中,食物重量数据是指在食物图像中的食物的分量的数据。
具体地,通过向用户提供对应的对话框,使用户能够在该对话框中输入该食物重量数据,从而获取该食物重量数据。
S22:通过热量识别模型从食物图像中识别出食物热量数据,并根据食物重量数据计算出摄入热量数据。
在本实施例中,食物热量数据是指每一种食物单位重量的热量值。
具体地,可通过热量识别模型,从食物图像中识别出该食物的种类以及每一个食物种类的食物热量数据,进一步地,通过结合步骤S21获取得到的食物重量数据,通过相乘的方式,计算得到该摄入热量数据。
在一实施例中,如图4所示,在步骤S30中,即获取用户每日热量消耗数据,并根据每日热量消耗数据和摄入热量数据计算总热量摄入数据,具体包括如下步骤:
S31:通过第三方检测设备,获取每日热量消耗数据。
在本实施例中,第三方检测设备是指用户可携带在身上,用于检测热量消耗的设备,例如智能手环。每日热量消耗数据是指用户每日运动消耗的热量数据。
具体地,通过用户携带该第三方检测设备,获取该每日热量消耗数据。其中,该获取的方式可以是通过该第三方检测设备,检测用户每日行走的步数以及对应的速度,并结合用户自身的基础的新陈代谢值,从而得到该每日热量消耗数据。
S32:若获取到热量消耗补充数据,则将热量消耗补充数据更新至每日热量消耗数据。
在本实施例中,热量消耗补充数据是指用于补充每日热量消耗数据的数据。
具体地,若出现用户进行运动时,将该第三方检测设备取下的情况,则可通过呼气该热量消耗补充数据的方式,让用户输入进行的运动的种类,以及对应的时间,例如用户输入了“运动种类:篮球;时间:1小时”,通过计算得到该热量消耗补充数据,并将该热量消耗补充数据通过叠加的方式,更新至每日热量消耗数据。
在一实施例中,如图5所示,在步骤S40之后,基于人工智能的总热量控制和智能体重管理方法还包括如下步骤:
S50:若比对结果为热量摄入超标,则生成并发送总热量超标警告。
具体地,若热量摄入超标,标识该用户当日摄入了过多的热量,或进行的运动的运动量不足,导致总热量摄入数据超过热量控制值的范围,则生成并向用户的客户端发送总热量超标警告,提示用户及时调整日常的作息以及饮食。
S60:若比对结果为热量摄入不足,则生成并发送总热量不足警告。
具体地,若热量摄入不足,标识该用户当日摄入了过少的热量,或进行的运动的运动量过大,且为及时补充营养,导致总热量摄入数据低于热量控制值的范围,则生成并向用户的客户端发送总热量不足警告,提示用户及时调整日常的作息以及饮食。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二:
在一实施例中,提供一种基于人工智能的总热量控制和智能体重管理***,该基于人工智能的总热量控制和智能体重管理***与上述实施例中基于人工智能的总热量控制和智能体重管理方法一一对应。如图6所示,该基于人工智能的总热量控制和智能体重管理***包括图像获取模块10、热量识别模块20、总热量摄入计算模块30和比对模块40。各功能模块详细说明如下:
图像获取模块10,用于若获取到食物图像;
热量识别模块20,用于使用预设的热量识别模型,从食物图像中识别出摄入热量数据;
总热量摄入计算模块30, 用于获取用户每日热量消耗数据,并根据每日热量消耗数据和摄入热量数据计算总热量摄入数据;
比对模块40,用于将总热量摄入数据与热量控制值进行比对,得到比对结果。
优选地,基于人工智能的总热量控制和智能体重管理***还包括:
样本图片关联模块201,用于根据食物种类,逐类从预设的数据库中获取对应的样品图片,并将每一食物种类的样本图片进行关联,得到样品图片集;
图片预处理模块202,用于逐类对样品图片集中的样品图片按照预设的方式进行处理后,得到对应的样品训练集;
训练模块203, 用于对所有的样品训练集进行训练,得到热量识别模型。
优选地,热量识别模块20包括:
重量数据获取子模块21, 用于获取食物重量数据;
摄入热量计算子模块22,用于通过热量识别模型从食物图像中识别出食物热量数据,并根据食物重量数据计算出摄入热量数据。
优选地,总热量摄入计算模块30包括:
热量消耗获取子模块31,用于通过第三方检测设备,获取每日热量消耗数据;
数据补充子模块32,用于若获取到热量消耗补充数据,则将热量消耗补充数据更新至每日热量消耗数据。
优选地,基于人工智能的总热量控制和智能体重管理***还包括:
第一警告模块50,用于若比对结果为热量摄入超标,则生成并发送总热量超标警告;
第二警告模块60,用于若比对结果为热量摄入不足,则生成并发送总热量不足警告。
关于基于人工智能的总热量控制和智能体重管理***的具体限定可以参见上文中对于基于人工智能的总热量控制和智能体重管理方法的限定,在此不再赘述。上述基于人工智能的总热量控制和智能体重管理***中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
Claims (10)
1.一种基于人工智能的总热量控制和智能体重管理方法,其特征在于,所述基于人工智能的总热量控制和智能体重管理方法包括:
S10:若获取到食物图像;
S20:使用预设的热量识别模型,从所述食物图像中识别出摄入热量数据;
S30:获取用户每日热量消耗数据,并根据所述每日热量消耗数据和所述摄入热量数据计算总热量摄入数据;
S40:将所述总热量摄入数据与热量控制值进行比对,得到比对结果。
2.如权利要求1所述的基于人工智能的总热量控制和智能体重管理方法,其特征在于,在步骤S20之前,所述基于人工智能的总热量控制和智能体重管理方法还包括:
S201:根据食物种类,逐类从预设的数据库中获取对应的样品图片,并将每一食物种类的所述样本图片进行关联,得到样品图片集;
S202:逐类对所述样品图片集中的所述样品图片按照预设的方式进行处理后,得到对应的样品训练集;
S203:对所有的所述样品训练集进行训练,得到所述热量识别模型。
3.如权利要求1所述的基于人工智能的总热量控制和智能体重管理方法,其特征在于,步骤S20包括:
S21:获取食物重量数据;
S22:通过所述热量识别模型从所述食物图像中识别出食物热量数据,并根据食物重量数据计算出所述摄入热量数据。
4.如权利要求1所述的基于人工智能的总热量控制和智能体重管理方法,其特征在于,步骤S30包括:
S31:通过第三方检测设备,获取所述每日热量消耗数据;
S32:若获取到热量消耗补充数据,则将所述热量消耗补充数据更新至所述每日热量消耗数据。
5.如权利要求1所述的基于人工智能的总热量控制和智能体重管理方法,其特征在于,在步骤S40之后,所述基于人工智能的总热量控制和智能体重管理方法还包括:
S50:若所述比对结果为热量摄入超标,则生成并发送总热量超标警告;
S60:若所述比对结果为热量摄入不足,则生成并发送总热量不足警告。
6.一种基于人工智能的总热量控制和智能体重管理***,其特征在于,所述基于人工智能的总热量控制和智能体重管理***包括:
图像获取模块,用于若获取到食物图像;
热量识别模块,用于使用预设的热量识别模型,从所述食物图像中识别出摄入热量数据;
总热量摄入计算模块, 用于获取用户每日热量消耗数据,并根据所述每日热量消耗数据和所述摄入热量数据计算总热量摄入数据;
比对模块,用于将所述总热量摄入数据与热量控制值进行比对,得到比对结果。
7.如权利要求6所述的基于人工智能的总热量控制和智能体重管理***,其特征在于,所述基于人工智能的总热量控制和智能体重管理***还包括:
样本图片关联模块,用于根据食物种类,逐类从预设的数据库中获取对应的样品图片,并将每一食物种类的所述样本图片进行关联,得到样品图片集;
图片预处理模块,用于逐类对所述样品图片集中的所述样品图片按照预设的方式进行处理后,得到对应的样品训练集;
训练模块, 用于对所有的所述样品训练集进行训练,得到所述热量识别模型。
8.如权利要求6所述的基于人工智能的总热量控制和智能体重管理***,其特征在于,所述热量识别模块包括:
重量数据获取子模块, 用于获取食物重量数据;
摄入热量计算子模块,用于通过所述热量识别模型从所述食物图像中识别出食物热量数据,并根据食物重量数据计算出所述摄入热量数据。
9.如权利要求6所述的基于人工智能的总热量控制和智能体重管理***,其特征在于,所述总热量摄入计算模块包括:
热量消耗获取子模块,用于通过第三方检测设备,获取所述每日热量消耗数据;
数据补充子模块,用于若获取到热量消耗补充数据,则将所述热量消耗补充数据更新至所述每日热量消耗数据。
10.如权利要求6所述的基于人工智能的总热量控制和智能体重管理***,其特征在于,所述基于人工智能的总热量控制和智能体重管理***还包括:
第一警告模块,用于若所述比对结果为热量摄入超标,则生成并发送总热量超标警告;
第二警告模块,用于若所述比对结果为热量摄入不足,则生成并发送总热量不足警告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910465295.2A CN110211667A (zh) | 2019-05-30 | 2019-05-30 | 基于人工智能的总热量控制和智能体重管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910465295.2A CN110211667A (zh) | 2019-05-30 | 2019-05-30 | 基于人工智能的总热量控制和智能体重管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110211667A true CN110211667A (zh) | 2019-09-06 |
Family
ID=67789728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910465295.2A Pending CN110211667A (zh) | 2019-05-30 | 2019-05-30 | 基于人工智能的总热量控制和智能体重管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110211667A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593673A (zh) * | 2021-08-06 | 2021-11-02 | 陈万鹏 | 一种饮食平衡运动耗能减脂的监护***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208114A (zh) * | 2015-08-31 | 2015-12-30 | 广东欧珀移动通信有限公司 | 一种提醒的方法及终端 |
CN107731278A (zh) * | 2017-09-04 | 2018-02-23 | 广东数相智能科技有限公司 | 一种食物识别方法、营养健康分析方法、***及装置 |
CN109034196A (zh) * | 2018-06-21 | 2018-12-18 | 北京健康有益科技有限公司 | 模型生成方法及装置、食物识别方法及装置 |
-
2019
- 2019-05-30 CN CN201910465295.2A patent/CN110211667A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208114A (zh) * | 2015-08-31 | 2015-12-30 | 广东欧珀移动通信有限公司 | 一种提醒的方法及终端 |
CN107731278A (zh) * | 2017-09-04 | 2018-02-23 | 广东数相智能科技有限公司 | 一种食物识别方法、营养健康分析方法、***及装置 |
CN109034196A (zh) * | 2018-06-21 | 2018-12-18 | 北京健康有益科技有限公司 | 模型生成方法及装置、食物识别方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593673A (zh) * | 2021-08-06 | 2021-11-02 | 陈万鹏 | 一种饮食平衡运动耗能减脂的监护***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107731278A (zh) | 一种食物识别方法、营养健康分析方法、***及装置 | |
CN103888549B (zh) | 基于云和智能终端的营养与生活管理*** | |
WO2017008321A1 (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
De Pessemier et al. | Heart rate monitoring, activity recognition, and recommendation for e-coaching | |
CN107847382A (zh) | 床装置***和方法 | |
CN109817302B (zh) | 一种健身用专家*** | |
CN109589564B (zh) | 定制化健身计划生成*** | |
CN108472188A (zh) | 可调节床架及操作方法 | |
CN108648802A (zh) | 一种食谱推荐方法及*** | |
US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
CN108648803A (zh) | 一种减肥方案的确定方法及*** | |
US20220022778A1 (en) | System and methods for providing personalized workout and diet plans | |
CN111261260A (zh) | 一种膳食推荐*** | |
CN114974512A (zh) | 膳食信息的推荐方法及装置 | |
CN110211667A (zh) | 基于人工智能的总热量控制和智能体重管理方法及*** | |
CN115910284A (zh) | 就餐推荐方法、装置、电子设备及存储介质 | |
CN109830279B (zh) | 动态调整式私人教练*** | |
CN105467826B (zh) | 一种运动智能手表和最佳跑速获取方法 | |
Azzimani et al. | An AI based approach for personalized nutrition and food menu planning | |
CN109411043A (zh) | 一种基于智能数据分析来记录摄入食物热量的方法 | |
CN108630293A (zh) | 一种营养配餐方法和装置 | |
CN109859809A (zh) | 一种用户数据反馈及收集*** | |
CN109448813A (zh) | 一种通过阶段性记录和分析饮食数据来提醒运动的方法 | |
WO2020208944A1 (ja) | 行動支援システム及び行動支援方法 | |
CN112017755A (zh) | 一种智能营养搭配推荐的方法、***及机器人 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |
|
RJ01 | Rejection of invention patent application after publication |