CN110379490A - 目标餐厅的获取方法及装置、存储介质、电子装置 - Google Patents
目标餐厅的获取方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN110379490A CN110379490A CN201910657299.0A CN201910657299A CN110379490A CN 110379490 A CN110379490 A CN 110379490A CN 201910657299 A CN201910657299 A CN 201910657299A CN 110379490 A CN110379490 A CN 110379490A
- Authority
- CN
- China
- Prior art keywords
- target
- wearer
- network model
- recipe
- dining room
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- 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
- A61B5/4504—Bones
- A61B5/4509—Bone density determination
-
- 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
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/44—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons
- G01G19/50—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for weighing persons having additional measuring devices, e.g. for height
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Epidemiology (AREA)
- Nutrition Science (AREA)
- Primary Health Care (AREA)
- Pulmonology (AREA)
- General Physics & Mathematics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本公开实施例提供了一种目标餐厅的获取方法及装置、存储介质、电子装置,所述方法包括:通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。解决了现有技术中智能穿戴设备无法实现对佩戴者的健康管理的问题。
Description
技术领域
本公开涉及智能穿戴设备技术领域,具体而言,涉及一种目标餐厅的获取方法及装置、存储介质、电子装置。
背景技术
目前智能手环等智能穿戴设备,可以检测佩戴者的体重、心率等参数,虽然可以获取一定的健康数据,但是无法实现对佩戴者的健康管理。
针对现有技术中智能穿戴设备无法实现对佩戴者的健康管理的问题,尚未有合理的解决方案。
发明内容
本公开实施例提供了一种目标餐厅的获取方法及装置、存储介质、电子装置,以至少解决相关技术中智能穿戴设备无法实现对佩戴者的健康管理的问题。
根据本公开的一个实施例,提供了一种目标餐厅的获取方法,包括:通过智能穿戴设备获取佩戴者的健康数据,其中,所述佩戴者为佩戴智能穿戴设备的用户,所述健康数据至少包括:所述佩戴者的体脂率以及所述佩戴者的血糖水平;将所述健康数据输入目标神经网络模型,得到目标食谱,其中,所述目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征,其中,所述目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
可选地,通过智能穿戴设备获取佩戴者的健康数据包括:接收采集指令,其中,所述采集指令用于指示所述穿戴设备采集所述佩戴者的健康数据;根据所述采集指令获取所述佩戴者以下至少之一的健康数据:身高、体重、血压值、心率、年龄、骨密度、期望达到的目标体重、期望达到的目标体脂率。
可选地,将所述健康数据输入目标神经网络模型,得到目标食谱之前,所述方法还包括:获取所述样本数据,其中,所述样本数据包括:不同年龄、不同种族以及不同职业用户的健康数据;将所述样本数据输入所述初始神经网络模型进行训练,得到所述目标神经网络模型;根据训练结果更新所述目标神经网络模型的参数值;重复训练所述目标神经网络模型直到所述目标神经网络模型输出的食谱与预设的食谱之间的误差满足第一条件。
可选地,将所述健康数据输入目标神经网络模型,得到目标食谱之后,所述方法还包括:生成所述目标食谱的制作教程,其中,所述制作教程至少包括:所需食材以及烹饪步骤。
可选地,根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征包括:根据所述目标食谱,获取目标距离范围内、能够提供所述目标食谱的目标餐厅,其中,所述目标距离范围至少包括以下之一:距离所述佩戴者当前所在地理位置的第一距离范围、距离所述佩戴者工作单位的第二距离范围、距离所述佩戴者居住地址的第三距离范围、距离所述佩戴者设定地点的第四距离范围。
根据本公开的一个实施例,还提供了一种目标餐厅的获取装置,包括:第一获取模块,用于通过智能穿戴设备获取佩戴者的健康数据,其中,所述佩戴者为佩戴智能穿戴设备的用户,所述健康数据至少包括:所述佩戴者的体脂率以及所述佩戴者的血糖水平;输入模块,用于将所述健康数据输入目标神经网络模型,得到目标食谱,其中,所述目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;第二获取模块,用于根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征,其中,所述目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
可选地,所述第一获取模块包括:接收单元,用于接收采集指令,其中,所述采集指令用于指示所述穿戴设备采集所述佩戴者的健康数据;获取单元,用于根据所述采集指令获取所述佩戴者以下至少之一的健康数据:身高、体重、血压值、心率、年龄、骨密度、期望达到的目标体重、期望达到的目标体脂率、走路步数、运动时长、运动类别、卡路里消耗量。
可选地,所述装置还包括:第三获取模块,用于获取所述样本数据,其中,所述样本数据包括:不同年龄、不同种族以及不同职业用户的健康数据;第一训练模块,用于将所述样本数据输入所述初始神经网络模型进行训练,得到所述目标神经网络模型;更新模块,用于根据训练结果更新所述目标神经网络模型的参数值;第二训练模块,用于重复训练所述目标神经网络模型直到所述目标神经网络模型输出的食谱与预设的食谱之间的误差满足第一条件。
根据本公开实施例的另一个方面,还提供了一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本公开的另一个实施例,还提供了一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本公开实施例,通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。解决了现有技术中智能穿戴设备无法实现对佩戴者的健康管理的问题,通过根据佩戴者的健康数据针对性推荐食谱以及相关餐厅,可以有效实现针对佩戴者的健康管理,为佩戴者提供专业的健康指导。
附图说明
此处所说明的附图用来提供对本公开的进一步理解,构成本公开的一部分,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。在附图中:
图1是本公开实施例的一种目标餐厅的获取方法的移动终端的硬件结构框图;
图2是根据本公开实施例中目标餐厅的获取方法的流程图;
图3是根据本公开实施例的目标餐厅的获取装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本公开。需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
实施例1
本公开实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本公开实施例的一种目标餐厅的获取方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本公开实施例中的数据信息的获取方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
本公开实施例提供了一种目标餐厅的获取方法。图2是根据本公开实施例中目标餐厅的获取方法的流程图,如图2所示,该方法包括:
步骤S201,通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;
步骤S203,将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;
步骤S205,根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
通过上述方法,通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。解决了现有技术中智能穿戴设备无法实现对佩戴者的健康管理的问题,通过根据佩戴者的健康数据针对性推荐食谱以及相关餐厅,可以有效实现针对佩戴者的健康管理,为佩戴者提供专业的健康指导。
可选地,通过智能穿戴设备获取佩戴者的健康数据包括:接收采集指令,其中,所述采集指令用于指示所述穿戴设备采集所述佩戴者的健康数据;根据所述采集指令获取所述佩戴者以下至少之一的健康数据:身高、体重、血压值、心率、年龄、骨密度、期望达到的目标体重、期望达到的目标体脂率。
可选地,将所述健康数据输入目标神经网络模型,得到目标食谱之前,所述方法还包括:获取所述样本数据,其中,所述样本数据包括:不同年龄、不同种族以及不同职业用户的健康数据;将所述样本数据输入所述初始神经网络模型进行训练,得到所述目标神经网络模型;根据训练结果更新所述目标神经网络模型的参数值;重复训练所述目标神经网络模型直到所述目标神经网络模型输出的食谱与预设的食谱之间的误差满足第一条件。
可选地,将所述健康数据输入目标神经网络模型,得到目标食谱之后,所述方法还包括:生成所述目标食谱的制作教程,其中,所述制作教程至少包括:所需食材以及烹饪步骤。
可选地,根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征包括:根据所述目标食谱,获取目标距离范围内、能够提供所述目标食谱的目标餐厅,其中,所述目标距离范围至少包括以下之一:距离所述佩戴者当前所在地理位置的第一距离范围、距离所述佩戴者工作单位的第二距离范围、距离所述佩戴者居住地址的第三距离范围、距离所述佩戴者设定地点的第四距离范围。
可选地,通过智能穿戴设备获取佩戴者的健康数据之后,所述方法还包括:
将所述健康数据上传至第一数据库,其中,所述第一数据库与指定的医疗机构以及指定的体检机构的第二数据库进行网络连接;
获取所述佩戴者的历史健康数据,其中,所述历史健康数据包括:所述佩戴者在所述第一数据库中保存的健康数据,和/或,所述佩戴者在所述第二数据库中保存的健康数据;
根据所述历史健康数据以及当前获取的所述健康数据生成针对所述佩戴者的健康报告。
可选地,通过智能穿戴设备获取佩戴者的健康数据之后,所述方法还包括:
向目标终端推送所述健康数据,其中,所述目标终端与所述穿戴设备具有绑定关系,和/或,所述目标终端上的帐号与所述穿戴设备对应的帐号具有好友关系。
可选地,通过智能穿戴设备获取佩戴者的健康数据之后,所述方法还包括:
组建第一社交群,其中,所述第一社交群中包含第一佩戴者的帐号以及其他佩戴者的帐号;
记录所述第一社交群中每一个所述佩戴者的目标食谱。
可选地,记录所述第一社交群中每一个所述佩戴者的目标食谱之后,所述方法还包括:
获取所述第一佩戴者上传的饮食记录,其中,所述饮食记录包括照片和/或文字;
根据所述佩戴者上传的饮食记录与所述目标食谱的近似程度,在所述第一社交群中生成健康排行榜,其中,所述近似程度越高,所述健康排行榜上的名次越靠前。
在本实施例中还提供了一种目标餐厅的获取装置,用于执行上述任一方法实施例中的步骤,已经描述过的内容此处不再赘述。图3是根据本公开实施例的目标餐厅的获取装置的结构框图,如图3所示,该装置包括:
第一获取模块302,用于通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;
输入模块304,用于将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;
第二获取模块306,用于根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
可选地,所述第一获取模块包括:接收单元,用于接收采集指令,其中,所述采集指令用于指示所述穿戴设备采集所述佩戴者的健康数据;第一获取单元,用于根据所述采集指令获取所述佩戴者以下至少之一的健康数据:身高、体重、血压值、心率、年龄、骨密度、期望达到的目标体重、期望达到的目标体脂率、走路步数、运动时长、运动类别、卡路里消耗量。
可选地,所述装置还包括:第三获取模块,用于获取所述样本数据,其中,所述样本数据包括:不同年龄、不同种族以及不同职业用户的健康数据;第一训练模块,用于将所述样本数据输入所述初始神经网络模型进行训练,得到所述目标神经网络模型;更新模块,用于根据训练结果更新所述目标神经网络模型的参数值;第二训练模块,用于重复训练所述目标神经网络模型直到所述目标神经网络模型输出的食谱与预设的食谱之间的误差满足第一条件。
可选地,所述装置还包括:第一生成模块,用于生成目标食谱的制作教程,其中,制作教程至少包括:所需食材以及烹饪步骤。
可选地,第二获取模块包括:第二获取单元,用于根据所述目标食谱,获取目标距离范围内、能够提供所述目标食谱的目标餐厅,其中,所述目标距离范围至少包括以下之一:距离所述佩戴者当前所在地理位置的第一距离范围、距离所述佩戴者工作单位的第二距离范围、距离所述佩戴者居住地址的第三距离范围、距离所述佩戴者设定地点的第四距离范围。
可选地,所述装置还包括:上传模块,用于将所述健康数据上传至第一数据库,其中,所述第一数据库与指定的医疗机构以及指定的体检机构的第二数据库进行网络连接;第三获取模块,用于获取所述佩戴者的历史健康数据,其中,所述历史健康数据包括:所述佩戴者在所述第一数据库中保存的健康数据,和/或,所述佩戴者在所述第二数据库中保存的健康数据;第二生成模块,用于根据所述历史健康数据以及当前获取的所述健康数据生成针对所述佩戴者的健康报告。
可选地,所述装置还包括:推送模块,用于向目标终端推送所述健康数据,其中,所述目标终端与所述穿戴设备具有绑定关系,和/或,所述目标终端上的帐号与所述穿戴设备对应的帐号具有好友关系。
可选地,所述装置还包括:组建模块,用于组建第一社交群,其中,所述第一社交群中包含第一佩戴者的帐号以及其他佩戴者的帐号;记录模块,用于记录所述第一社交群中每一个所述佩戴者的目标食谱。
可选地,所述装置还包括:第四获取模块,用于获取所述第一佩戴者上传的饮食记录,其中,所述饮食记录包括照片和/或文字;第三生成模块,用于根据所述佩戴者上传的饮食记录与所述目标食谱的近似程度,在所述第一社交群中生成健康排行榜,其中,所述近似程度越高,所述健康排行榜上的名次越靠前。
本公开实施例通过智能仪器监测+移动终端+后台大数据网状互联来检测指导用户健康合理的就医确诊。
拆解产品方案:
1)手环监测:监测身高,体重,健康体脂,每天运动的卡路里和食物的摄取
数据库中可以存储基础数据:身高,体重,年龄,心率,每天的运动卡路里和食物的摄取,及未来想通过饮食达成什么体质。
手环定时提醒定点该就餐,今天适合吃什么食谱及是订餐还是就近方位餐厅吃饭,监测运动,监测心率。
2)智能食谱app:通过监测卡路里和当天的健康体脂,推荐应该吃什么食谱和搜索目前就近方位的餐厅;
智能食谱app定位,一站式打造健康饮食的专属。
线上:
输入基本手环监测参数,合理推荐健康饮食食谱,订餐或者搜索就近附近的智能餐厅,将今天的食谱推荐给它。
食谱的制作方法结合个人的DIY手工烹饪。
拉上好友或者企业团队一起参与健康饮食行列。
线下:
智能食谱的就近餐厅与每家线下餐厅都有合作签约合同,都是通过经过严格筛选。
智能食谱推荐的食谱是根据AI智能算法推荐而来。
智能餐厅:餐厅的配餐都是根据每个人的当天的健康监测数据定制而来的。
智能餐厅的通用性,每家餐厅都可以签订,但是需要达标考核,筛选范围倾向于目标用户群体单点工作、社交范围内的5公里内。(通过手环监测用户当前的位置)
智能餐厅的线下终端通过线上智能食谱app推送而来的,每天的接单数,每天的订单量取决于线上***推送量。
通过智能手环硬件数据采集+智能食谱app AI智能算法精准分析+智能餐厅个性化定制为每个目标用户提供健康餐饮的标准及个性化的服务基准。
本公开的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;
S2,将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;
S3,根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本公开的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,通过智能穿戴设备获取佩戴者的健康数据,其中,佩戴者为佩戴智能穿戴设备的用户,健康数据至少包括:佩戴者的体脂率以及佩戴者的血糖水平;
S2,将健康数据输入目标神经网络模型,得到目标食谱,其中,目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;
S3,根据目标食谱获取提供目标食谱的目标餐厅的参数特征,其中,目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本公开的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本公开不限制于任何特定的硬件和软件结合。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种目标餐厅的获取方法,其特征在于,包括:
通过智能穿戴设备获取佩戴者的健康数据,其中,所述佩戴者为佩戴智能穿戴设备的用户,所述健康数据至少包括:所述佩戴者的体脂率以及所述佩戴者的血糖水平;
将所述健康数据输入目标神经网络模型,得到目标食谱,其中,所述目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;
根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征,其中,所述目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
2.根据权利要求1所述的方法,其特征在于,通过智能穿戴设备获取佩戴者的健康数据包括:
接收采集指令,其中,所述采集指令用于指示所述穿戴设备采集所述佩戴者的健康数据;
根据所述采集指令获取所述佩戴者以下至少之一的健康数据:身高、体重、血压值、心率、年龄、骨密度、期望达到的目标体重、期望达到的目标体脂率。
3.根据权利要求1所述的方法,其特征在于,将所述健康数据输入目标神经网络模型,得到目标食谱之前,所述方法还包括:
获取所述样本数据,其中,所述样本数据包括:不同年龄、不同种族以及不同职业用户的健康数据;
将所述样本数据输入所述初始神经网络模型进行训练,得到所述目标神经网络模型;
根据训练结果更新所述目标神经网络模型的参数值;
重复训练所述目标神经网络模型直到所述目标神经网络模型输出的食谱与预设的食谱之间的误差满足第一条件。
4.根据权利要求1所述的方法,其特征在于,将所述健康数据输入目标神经网络模型,得到目标食谱之后,所述方法还包括:
生成所述目标食谱的制作教程,其中,所述制作教程至少包括:所需食材以及烹饪步骤。
5.根据权利要求1至4任一项所述的方法,其特征在于,根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征包括:
根据所述目标食谱,获取目标距离范围内、能够提供所述目标食谱的目标餐厅,其中,所述目标距离范围至少包括以下之一:距离所述佩戴者当前所在地理位置的第一距离范围、距离所述佩戴者工作单位的第二距离范围、距离所述佩戴者居住地址的第三距离范围、距离所述佩戴者设定地点的第四距离范围。
6.一种目标餐厅的获取装置,其特征在于,包括:
第一获取模块,用于通过智能穿戴设备获取佩戴者的健康数据,其中,所述佩戴者为佩戴智能穿戴设备的用户,所述健康数据至少包括:所述佩戴者的体脂率以及所述佩戴者的血糖水平;
输入模块,用于将所述健康数据输入目标神经网络模型,得到目标食谱,其中,所述目标神经网络模型是通过将样本数据输入初始神经网络模型进行训练得到的模型;
第二获取模块,用于根据所述目标食谱获取提供所述目标食谱的目标餐厅的参数特征,其中,所述目标餐厅的参数特征至少包括:餐厅名称以及餐厅地址。
7.根据权利要求6所述的装置,其特征在于,所述第一获取模块包括:
接收单元,用于接收采集指令,其中,所述采集指令用于指示所述穿戴设备采集所述佩戴者的健康数据;
获取单元,用于根据所述采集指令获取所述佩戴者以下至少之一的健康数据:身高、体重、血压值、心率、年龄、骨密度、期望达到的目标体重、期望达到的目标体脂率、走路步数、运动时长、运动类别、卡路里消耗量。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第三获取模块,用于获取所述样本数据,其中,所述样本数据包括:不同年龄、不同种族以及不同职业用户的健康数据;
第一训练模块,用于将所述样本数据输入所述初始神经网络模型进行训练,得到所述目标神经网络模型;
更新模块,用于根据训练结果更新所述目标神经网络模型的参数值;
第二训练模块,用于重复训练所述目标神经网络模型直到所述目标神经网络模型输出的食谱与预设的食谱之间的误差满足第一条件。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910657299.0A CN110379490A (zh) | 2019-07-19 | 2019-07-19 | 目标餐厅的获取方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910657299.0A CN110379490A (zh) | 2019-07-19 | 2019-07-19 | 目标餐厅的获取方法及装置、存储介质、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110379490A true CN110379490A (zh) | 2019-10-25 |
Family
ID=68254311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910657299.0A Pending CN110379490A (zh) | 2019-07-19 | 2019-07-19 | 目标餐厅的获取方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110379490A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344666A (zh) * | 2021-06-02 | 2021-09-03 | 易食便当香港有限公司 | 餐单生成方法、装置及*** |
CN113447106A (zh) * | 2020-03-25 | 2021-09-28 | 佛山市顺德区美的电热电器制造有限公司 | 称重方法、装置、显示设备以及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299180A (zh) * | 2014-09-25 | 2015-01-21 | 惠州Tcl移动通信有限公司 | 基于电子设备的健康食谱的选择方法和电子设备 |
CN105653636A (zh) * | 2015-12-25 | 2016-06-08 | 北京搜狗科技发展有限公司 | 一种信息处理方法和装置、一种用于信息处理的装置 |
CN106228004A (zh) * | 2016-07-19 | 2016-12-14 | 海尔优家智能科技(北京)有限公司 | 一种健康食谱推送方法及装置、智能家居服务器 |
CN107705834A (zh) * | 2017-10-10 | 2018-02-16 | 中山大学 | 一种基于循环神经网络的饮食推荐*** |
CN108198604A (zh) * | 2017-12-12 | 2018-06-22 | 昆明亿尚科技有限公司 | 一种基于个人特征的营养饮食推荐方法 |
CN109360653A (zh) * | 2018-11-02 | 2019-02-19 | 深圳壹账通智能科技有限公司 | 基于神经网络的健康数据分析方法、装置及计算机设备 |
CN109684550A (zh) * | 2018-12-25 | 2019-04-26 | 杭州戴帆科技有限公司 | 一种基于电子设备的餐厅推荐方法及装置 |
-
2019
- 2019-07-19 CN CN201910657299.0A patent/CN110379490A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104299180A (zh) * | 2014-09-25 | 2015-01-21 | 惠州Tcl移动通信有限公司 | 基于电子设备的健康食谱的选择方法和电子设备 |
CN105653636A (zh) * | 2015-12-25 | 2016-06-08 | 北京搜狗科技发展有限公司 | 一种信息处理方法和装置、一种用于信息处理的装置 |
CN106228004A (zh) * | 2016-07-19 | 2016-12-14 | 海尔优家智能科技(北京)有限公司 | 一种健康食谱推送方法及装置、智能家居服务器 |
CN107705834A (zh) * | 2017-10-10 | 2018-02-16 | 中山大学 | 一种基于循环神经网络的饮食推荐*** |
CN108198604A (zh) * | 2017-12-12 | 2018-06-22 | 昆明亿尚科技有限公司 | 一种基于个人特征的营养饮食推荐方法 |
CN109360653A (zh) * | 2018-11-02 | 2019-02-19 | 深圳壹账通智能科技有限公司 | 基于神经网络的健康数据分析方法、装置及计算机设备 |
CN109684550A (zh) * | 2018-12-25 | 2019-04-26 | 杭州戴帆科技有限公司 | 一种基于电子设备的餐厅推荐方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447106A (zh) * | 2020-03-25 | 2021-09-28 | 佛山市顺德区美的电热电器制造有限公司 | 称重方法、装置、显示设备以及存储介质 |
CN113344666A (zh) * | 2021-06-02 | 2021-09-03 | 易食便当香港有限公司 | 餐单生成方法、装置及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107705834A (zh) | 一种基于循环神经网络的饮食推荐*** | |
CN110289079A (zh) | 智能家庭食谱推送***、推送食谱的方法及装置 | |
EP3354050B1 (en) | Automatic construction of personalized, peer-derived messages for mobile health applications | |
CN111883230B (zh) | 饮食数据的生成方法及装置、存储介质和电子装置 | |
CN103226647A (zh) | 一种基于网络的健康数据管理***和方法 | |
CN104303185A (zh) | 用于营养物摄取量的用户特定调节的***和方法 | |
EP3154018A1 (en) | Method, device and system for improving health condition | |
KR102364093B1 (ko) | 반려 동물 데이터 처리 장치 | |
CN110289077A (zh) | 一种食谱推送处理方法及装置 | |
CN102448538A (zh) | 用于传递诊断和/或处理信号以增强肥胖处理的反馈***和方法 | |
CN107978355A (zh) | 食谱推荐方法、装置和抽油烟机 | |
JPWO2016143049A1 (ja) | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム | |
CN110379490A (zh) | 目标餐厅的获取方法及装置、存储介质、电子装置 | |
KR102004438B1 (ko) | 사용자 건강습관정보 수집을 통한 건강관리 서비스 제공 장치 및 제공 방법 | |
CN106885441A (zh) | 食材智能管理方法、装置及*** | |
CN107563124A (zh) | 菜谱数据的推送方法、装置和***、存储介质及处理器 | |
CN107705837B (zh) | 选餐的推荐方法、设备及*** | |
Owen et al. | Individual preferences for diet and exercise programmes: changes over a lifestyle intervention and their link with outcomes | |
CN109492779A (zh) | 一种家用电器健康管理方法、装置及家用电器 | |
CN108766530A (zh) | 一种用于术后恢复的智能饮食推荐*** | |
CN112435733A (zh) | 健康饮食管控方法、***、健康饮食管控平台及存储介质 | |
CN112331302A (zh) | 一种自动饮食管理方法、***、厨房机器人及存储介质 | |
CN113435642A (zh) | 食用策略的确定方法及装置、存储介质、电子装置 | |
Perez et al. | Pervasive healthcare monitoring system | |
CN106886863A (zh) | 一种用于评价用餐者用餐质量的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191025 |