菜谱数据的推送方法、装置和系统、存储介质及处理器制造方法及图纸

本发明专利技术公开了一种菜谱数据的推送方法、装置和系统、存储介质及处理器。其中，该方法包括：获取目标对象的图像信息，目标对象的身体特征信息，以及目标对象的偏好信息，其中，偏好信息用于表征目标对象的烹饪口味；利用第一模型对图像信息、身体特征信息和偏好信息进行分析，得到与目标对象匹配的菜谱数据，其中，模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：目标对象的图像信息、身体特征信息和偏好信息以及匹配的菜单数据；推送菜谱数据。本发明专利技术解决了现有技术中烹饪器具无法向用户推送健康、差异化菜谱数据的技术问题。

【技术实现步骤摘要】
菜谱数据的推送方法、装置和系统、存储介质及处理器
本专利技术涉及家用电器领域，具体而言，涉及一种菜谱数据的推送方法、装置和系统、存储介质及处理器。
技术介绍
随着人们生活水平的提高，用户不再满足于通过烹饪器具，例如电饭煲进行烹饪，越来越多的用户希望能烹饪器具能够更加智能，成为用户的健康管家。但是，现有技术中的烹饪器具仅具备单纯的煮饭、煮粥等功能，无法向用户推荐健康、差异化菜谱数据。针对现有技术中烹饪器具无法向用户推送健康、差异化菜谱数据的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种菜谱数据的推送方法、装置和系统、存储介质及处理器，以至少解决现有技术中烹饪器具无法向用户推送健康、差异化菜谱数据的技术问题。根据本专利技术实施例的一个方面，提供了一种菜谱数据的推送方法，包括：获取目标对象的图像信息，目标对象的身体特征信息，以及目标对象的偏好信息，其中，偏好信息用于表征目标对象的烹饪口味；利用第一模型对图像信息、身体特征信息和偏好信息进行分析，得到与目标对象匹配的菜谱数据，其中，模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：目标对象的图像信息、本文档来自技高网...

【技术保护点】
一种菜谱数据的推送方法，其特征在于，包括：获取目标对象的图像信息，所述目标对象的身体特征信息，以及所述目标对象的偏好信息，其中，所述偏好信息用于表征所述目标对象的烹饪口味；利用第一模型对所述图像信息、所述身体特征信息和所述偏好信息进行分析，得到与所述目标对象匹配的菜谱数据，其中，所述模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：目标对象的图像信息、身体特征信息和偏好信息以及匹配的菜单数据；推送所述菜谱数据。

【技术特征摘要】
1.一种菜谱数据的推送方法，其特征在于，包括：获取目标对象的图像信息，所述目标对象的身体特征信息，以及所述目标对象的偏好信息，其中，所述偏好信息用于表征所述目标对象的烹饪口味；利用第一模型对所述图像信息、所述身体特征信息和所述偏好信息进行分析，得到与所述目标对象匹配的菜谱数据，其中，所述模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：目标对象的图像信息、身体特征信息和偏好信息以及匹配的菜单数据；推送所述菜谱数据。2.根据权利要求1所述的方法，其特征在于，利用第一模型对所述图像信息、所述身体特征信息和所述偏好信息进行分析，得到与所述目标对象匹配的菜谱数据包括：利用第一子模型对所述图像信息进行识别，得到所述目标对象的属性信息，其中，所述属性信息包括：年龄和性别，所述第一子模型为使用多组第一子数据通过机器学习训练出来的，每组第一子数据均包括：目标对象的图像信息以及对应的属性信息；利用第二子模型对所述身体特征信息进行分析，得到所述目标对象的内环境参数，其中，所述第二子模型为使用多组第二子数据通过机器学习训练出来的，每组第二子数据均包括：目标对象的身体特征信息以及对应的内环境参数；利用第三子模型对所述属性信息、所述内环境参数和所述偏好信息进行分析，得到所述菜谱数据，其中，所述第三子模型为使用多组第三子数据通过机器学习训练出来的，每组第三子数据均包括：目标对象的属性信息、内环境信息和偏好信息以及匹配的菜单数据。3.根据权利要求2所述的方法，其特征在于，获取目标对象的图像信息包括：接收拍摄装置拍摄得到的所述图像信息，其中，所述图像信息包括：所述目标对象的脸部图像和/或所述目标对象的肢体图像。4.根据权利要求2所述的方法，其特征在于，获取所述目标对象的身体特征信息包括：利用第二模型对所述图像信息进行识别，得到所述目标对象的身份信息，其中，所述第二模型为使用多组第二数据通过机器学习训练出来的，每组第二数据均包括：目标对象的图像信息以及对应的身份信息；根据所述身份信息，读取对应的身体特征信息，得到所述目标对象的身体特征信息。5.根据权利要求2所述的方法，其特征在于，获取所述目标对象的偏好信息包括：利用第二模型对所述图像信息进行识别，得到所述目标对象的身份信息；根据所述身份信息，读取对应的偏好信息，得到所述目标对象的偏好信息。6.一种菜谱数据的推送装置，其特征在于，包括：获取模块，用于获取目标对象的图像信息，所述目标对象的身体特征信息，以及所述目标对象的偏好信息，其中，所述偏好信息用于表征所述目标对象的烹饪口味；处理模块，用于利用第一模型对所述图像信息、所述身体特征信息和所述偏好信息进行分析，得到与所述目标对象匹配的菜谱数据，其中，所述模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：目标对象的图像信息、身体特征信息和偏好信息以及匹配的菜单数据；推送模块，用于推...

【专利技术属性】
技术研发人员：李涛，施芬芬，朱永哲，贺凯，白龙，张博超，庞文标，林伟，赵健，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44