一种基于饮食小票的饮食健康预测系统

技术领域

本发明涉及计算机领域，尤其涉及一种基于饮食小票的饮食健康预测系统。

背景技术

中国有句古话：“民以食为天”，吃饭与人的生命和身体健康息息相关。饮食能养身治病，亦能伤身致病。这里就涉及到一个“怎么吃”的问题。也就是说，只有形成良好的饮食习惯，才能够达到促进健康的目的。否则，适得其反。

现在只有小部分人会对自己的饮食习惯特别注意，注重健康饮食，但是大部分人都是等到身体出了问题之后，才会慢慢改变自己的饮食，但是这时实际上已经有点迟了，所以亟需一种对用户饮食习惯进行分析预测，推导用户饮食习惯以及健康状况的系统，用于平衡用户饮食。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

有鉴于此，本发明提出了一种基于饮食小票的饮食健康预测系统，旨在解决现有技术无法实现通过文字识别技术对用户饮食习惯进行分析预测，推导出用户饮食习惯以及健康状况的技术问题。

本发明的技术方案是这样实现的：

一方面，本发明提供了一种基于饮食小票的饮食健康预测系统，所述基于饮食小票的饮食健康预测系统包括：

采集模块，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息；

表建立模块，用于获取食材信息以及对应的营养信息，根据该食材信息以及对应的营养信息建立营养表；

模型构建模块，用于获取进餐小票数据，通过OCR文字识别技术对进餐小票数据进行识别，获取识别后的文字数据，根据该文字数据以及用户标准数据构建推测模型；

推测模块，用于获取待推测用户数据，根据推测模型对待推测用户数据进行推测，获取推测报告。

在以上技术方案的基础上，优选的，采集模块包括集建立模块，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息，所述用户基本信息包括：年龄、性别、体重以及身高，用户健康状况信息包括：过敏史、孕期信息以及症状信息，根据用户标准数据建立不同的数据集，并根据不同数据集存储对应信息。

在以上技术方案的基础上，优选的，表建立模块包括分类模块，用于获取食材信息以及对应的营养信息，所述食材信息包括：食材名称以及菜品名称，根据食材信息以及对应的营养信息分别建立不同的类别，根据建立的类别生成对应的营养表。

在以上技术方案的基础上，优选的，模型构建模块包括完整性验证，用于建立完整性验证规则，获取进餐小票数据，通过通过OCR文字识别技术对该进餐小票数据进行扫描，获取小票字符，通过完整性验证规则对小票字符进行验证，保留通过完整性验证的小票字符。

在以上技术方案的基础上，优选的，模型构建模块包括识别模块，用于通过OCR文字识别技术对小票字符进行分析处理，获取处理后的文字信息，从该文字信息中提取文字特征，并根据该文字特征以及用户数据集构建推测模型。

在以上技术方案的基础上，优选的，推测模块包括算法模块，用于建立复相关算法，获取待推测用户数据，通过复相关算法利用推测模型对待推测用户数据进行饮食健康预测，获取饮食健康预测报告。

更进一步优选的，所述基于饮食小票的饮食健康预测设备包括：

采集单元，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息；

表建立单元，用于获取食材信息以及对应的营养信息，根据该食材信息以及对应的营养信息建立营养表；

模型构建单元，用于获取进餐小票数据，通过OCR文字识别技术对进餐小票数据进行识别，获取识别后的文字数据，根据该文字数据以及用户标准数据构建推测模型；

推测单元，用于获取待推测用户数据，根据推测模型对待推测用户数据进行预测，获取预测报告。

本发明的一种基于饮食小票的饮食健康预测系统相对于现有技术具有以下有益效果：

(1)通过利用OCR识别技术，能够精确识别出就餐小票上的食材、菜品的名称以及数量，便于后续进行负相关数的计算，提高整个系统计算的准确度；

(2)通过利用复相关算法，根据一定时间阶段的饮食结果和各因子条件，计算并推导出一定时间阶段的饮食习惯以及营养和健康状况，不仅准确而且高效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明基于饮食小票的饮食健康预测系统第一实施例的结构框图；

图2为本发明基于饮食小票的饮食健康预测系统的第二实施例结构框图；

图3为本发明基于饮食小票的饮食健康预测系统的第三实施例结构框图；

图4为本发明基于饮食小票的饮食健康预测系统的第四实施例结构框图；

图5为本发明基于饮食小票的饮食健康预测系统的第五实施例结构框图；

图6为本发明基于饮食小票的饮食健康预测设备结构框图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

如图1所示，图1为本发明基于饮食小票的饮食健康预测系统第一实施例的结构框图。其中，所述基于饮食小票的饮食健康预测系统包括：采集模块10、表建立模块20、模型构建模块30和推测模块40。

采集模块10，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息；

表建立模块20，用于获取食材信息以及对应的营养信息，根据该食材信息以及对应的营养信息建立营养表；

模型构建模块30，用于获取进餐小票数据，通过OCR文字识别技术对进餐小票数据进行识别，获取识别后的文字数据，根据该文字数据以及用户标准数据构建推测模型；

推测模块40，用于获取待推测用户数据，根据推测模型对待推测用户数据进行推测，获取推测报告。

进一步地，如图2所示，基于上述各实施例提出本发明基于饮食小票的饮食健康预测系统的第二实施例结构框图，在本实施例中，采集模块10还包括：

集建立模块101，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息，所述用户基本信息包括：年龄、性别、体重以及身高，用户健康状况信息包括：过敏史、孕期信息以及症状信息，根据用户标准数据建立不同的数据集，并根据不同数据集存储对应信息。

应当理解的是，本系统会获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息，所述用户基本信息包括：年龄、性别、体重以及身高，用户健康状况信息包括：过敏史、孕期信息以及症状信息，之后系统会根据用户的标准数据来建立不同的数据集，主要建立的数据集名称即为年龄、性别、体重、身高、过敏史、孕期信息以及症状信息，里面用于存储对应的信息。

进一步地，如图3所示，基于上述各实施例提出本发明基于饮食小票的饮食健康预测系统的第三实施例结构框图，在本实施例中，表建立模块20还包括：

分类模块201，用于获取食材信息以及对应的营养信息，所述食材信息包括：食材名称以及菜品名称，根据食材信息以及对应的营养信息分别建立不同的类别，根据建立的类别生成对应的营养表。

应当理解的是，之后系统会获取获取食材信息以及对应的营养信息，所述食材信息包括：食材名称以及菜品名称，根据食材信息以及对应的营养信息分别建立不同的类别，根据建立的类别生成对应的营养表。

应当理解的是，食材名称包括：猪肉、牛肉、白菜、胡萝卜、豆腐以及鱼等食材，菜品名称包括：萝卜炖牛肉、烧肉、清炒白菜等，之后系统会根据这些食材名称以及菜品名称从网络获取对应的营养成分信息，这些营养成分信息包括：维生素、蛋白质以及脂肪等，之后系统会根据这些营养成分信息划分不同的类别，然后生成对应的营养表。

进一步地，如图4所示，基于上述各实施例提出本发明基于饮食小票的饮食健康预测系统的第四实施例结构框图，在本实施例中，模型构建模块30包括：

完整性验证301，用于建立完整性验证规则，获取进餐小票数据，通过通过OCR文字识别技术对该进餐小票数据进行扫描，获取小票字符，通过完整性验证规则对小票字符进行验证，保留通过完整性验证的小票字符。

识别模块302，用于通过OCR文字识别技术对小票字符进行分析处理，获取处理后的文字信息，从该文字信息中提取文字特征，并根据该文字特征以及用户数据集构建推测模型。

应当理解的是，之后系统会建立完整性验证规则，获取进餐小票数据，通过通过OCR文字识别技术对该进餐小票数据进行扫描，获取小票字符，通过完整性验证规则对小票字符进行验证，保留通过完整性验证的小票字符。

应当理解的是，OCR文字识别技术是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，然后用字符识别方法将形状翻译成计算机文字的过程。即，对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及版面信息的过程。从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别、最后将结果进行输出。

应当理解的是，系统还会建立完整性验证规则，获取进餐小票数据，通过通过OCR文字识别技术对该进餐小票数据进行扫描，获取小票字符，通过完整性验证规则对小票字符进行验证，保留通过完整性验证的小票字符，这一步是为了提前对小票进行验证，筛选出完整的字符，便于后续进行计算。

应当理解的是，之后系统会按照一定时间阶段三餐(即按照早、中、晚、加餐营养占比分别为30％、35％、20％、10％)消费的食材、菜品和数量(即饮食档案和记录)以及用户的性别、年龄、健康状况、营养元素等因子构建算法模型。比如，具体到每日营养元素的摄入量分析：单日分析可用早、中、晚三餐的分析结果加权，也可通过单日食用食材或菜谱所含营养素含量加权。例：单日食用食材有：“鸡蛋”、“酸奶”、“西蓝花”、“牛肉”、“西红柿”、“馒头”、“草莓”。1.根据用户信息，匹配出不同人群对应的10大营养素每日标准摄入量；2.依次检索出食材中各营养素的含量，对应元素含量进行加权计算，结果与标准摄入量依次进行对比判断，可分析出单日营养元素摄入量情况；再比如，多日营养元素的摄入量分析：如果有单日的结果，多个单日结果加权即可，也可通过用户选择的多日食材或菜谱，用食材或菜谱中的营养素含量进行加权计算。计算方法同上。通过多日饮食行为，分析出每餐各种营养素摄入情况，并进行统计，分析出人体需要量与供给量是否建立平衡关系。如果这种平衡关系失调，就会对人体健康造成不良影响，甚至导致某些营养性疾病或慢性病的发生。利用长期异常的元素对疾病进行风险指数评估。

进一步地，如图5所示，基于上述各实施例提出本发明基于饮食小票的饮食健康预测系统的第五实施例结构框图，在本实施例中，推测模块40包括：

算法模块401，用于建立复相关算法，获取待推测用户数据，通过复相关算法利用推测模型对待推测用户数据进行饮食健康预测，获取饮食健康预测报告。

应当理解的是，最后系统会建立复相关算法，获取待推测用户数据，通过复相关算法利用推测模型对待推测用户数据进行饮食健康预测，获取饮食健康预测报告。

应当理解的是，具体步骤如下：利用复相关算法，根据一定时间阶段的饮食结果，计算并推导出一定时间阶段的饮食习惯以及营养和健康状况，并预测出未来一个阶段的饮食习惯以及营养和健康状况。比如，可以分别对一定时间阶段的就餐小票(包括早、中、晚三餐)食材、菜品数据里面的营养素含量进行加权计算，加权结果与一定时间阶段的饮食摄入量对标，判断出营养素的摄入量情况(偏低、偏高、适中)。根据对标结果，再对用户的性别、年龄、健康状况等因子进行加权，判断出饮食习惯(良好、不好、正常)，并进行归类统计。这里，为了测定一个变量y与其他多个变量X

需要说明的是，以上仅为举例说明，并不对本申请的技术方案构成任何限定。

通过上述描述不难发现，本实施例提出了一种基于饮食小票的饮食健康预测系统，包括：采集模块，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息；表建立模块，用于获取食材信息以及对应的营养信息，根据该食材信息以及对应的营养信息建立营养表；模型构建模块，用于获取进餐小票数据，通过OCR文字识别技术对进餐小票数据进行识别，获取识别后的文字数据，根据该文字数据以及用户标准数据构建推测模型；推测模块，用于获取待推测用户数据，根据推测模型对待推测用户数据进行推测，获取推测报告。本实施例通过获取进餐小票数据，然后通过OCR文字识别技术精确识别进餐小票数据，并根据用户基本数据对用户饮食习惯进行推测，以此保障用户饮食平衡。

此外，本发明实施例还提出一种基于饮食小票的饮食健康预测设备。如图6所示，该基于饮食小票的饮食健康预测设备包括：采集单元10、表建立单元20、模型构建单元30以及推测单元40。

采集单元10，用于获取用户标准数据，所述用户标准数据包括：用户基本信息以及用户健康状况信息；

表建立单元20，用于获取食材信息以及对应的营养信息，根据该食材信息以及对应的营养信息建立营养表；

模型构建单元30，用于获取进餐小票数据，通过OCR文字识别技术对进餐小票数据进行识别，获取识别后的文字数据，根据该文字数据以及用户标准数据构建推测模型；

推测单元40，用于获取待推测用户数据，根据推测模型对待推测用户数据进行预测，获取预测报告。

此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于饮食小票的饮食健康预测系统，此处不再赘述。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。