一种饮食和运动智能监测系统技术方案

本发明专利技术公开了一种饮食和运动智能监测系统，包括：饮食营养评估模块：该模块可根据用户自身状况提供个性化饮食配方，利用用户上传的每餐照片自动评估每餐营养素的含量和比例结构，并提供与个性化饮食配方匹配程度的评估意见；运动模式识别模块：该模块采集人体运动数据，评估每日运动指标与个性化运动配方匹配情况；吃动综合分析模块：该模块通过每月记录的体重和体脂数据库，评估吃动综合干预的效果；利用饮食和运动历史记录数据库分析用户对饮食和运动配方的依从性，及膳食摄入与运动消耗的相互支撑性，同时把分析结果共享给本人及个人医师，督促和提醒用户合理膳食和科学运动。督促和提醒用户合理膳食和科学运动。督促和提醒用户合理膳食和科学运动。

【技术实现步骤摘要】
一种饮食和运动智能监测系统


[0001]本专利技术涉及智能健康管理领域，具体是一种饮食和运动智能监测系统。

技术介绍

[0002]合理膳食，科学运动是健康生活方式的主要因素,怎样利用人工智能技术，自动监测评估膳食营养和运动状况，引领居民培养健康生活方式，是慢病预防与控制的有效措施，对促进全民健康、降低疾病负担具有重要意义。
[0003]饮食营养评估的准确性和可靠性仍是精准营养研究中的一个主要挑战。
[0004]目前，比较流行的食物交换份法简单易学，但只能约略估算饮食热量；基于深度学习的算法虽能定量计算营养素，但由于算法设计对食物体积计算误差大，成为提高营养评估准确性的瓶颈，另外，抗阻运动作为有氧运动的有益补充，由于其运动姿势的独特性，成为运动指标监测中的难点。

技术实现思路

[0005]本专利技术的目的在于提供一种饮食和运动智能监测系统，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种饮食和运动智能监测系统，包括以下模块：
[0008]饮食营养评估模块：该模块是对食材和熟食照片分别构建两类深度学习模型，然后根据用户上传的食材或熟食照片精准评估饮食营养素的含量和比例结构，并结合用户的个性化饮食配方提供评估意见；
[0009]运动模式识别模块：该模块用分布在手臂、腰部和大腿的多类传感器采集人体数据，通过异构数据融合推理算法获取运动时长、模式和强度，再通过构建的有氧运动模型和抗阻运动模型，分别识别细分的有氧或抗阻运动种类，通过运动历史数据库统计运动频率，评估每日运动指标与运动配方匹配情况；
[0010]吃动综合分析模块：该模块通过用户定期测量并存储的体重和体脂身体成份数据库，评估吃动综合干预对改善用户健康状况的效果，利用饮食和运动历史记录数据库分析用户对饮食和运动配方的依从性，及膳食摄入与运动消耗的相互支撑性。
[0011]作为本专利技术进一步的方案：所述饮食营养评估模块的具体构建步骤如下：
[0012]步骤一、采集各类基于食物份的生食和基于菜谱的熟食图片数据集及相应的营养数据库，用于构建基于生食图片和基于熟食图片的两类营养评估深度学习模型；
[0013]步骤二、用户每次做饭或吃饭前拍照并上传食材或熟食照片，系统自动选择相应的饮食模型评估营养成分，并评价与饮食配方的匹配程度。
[0014]与现有技术相比，本专利技术的有益效果是：
[0015]本专利技术中的饮食营养评估模块，将计算机视觉中多目标检测与营养学中食物交换份规则相结合，提出了对自做饭和外食用户，分别构建两类营养评估模型的新探索；
[0016]对自做饭，用基于食物份的烹饪原料图像集，构建能直接检测食物种类和份数的生食深度模型，因而能更精准地评估饮食营养素；对外食用户，利用基于菜谱的熟食数据集，构建能直接检测菜名和菜量(大、中、小份)的熟食深度模型，从而根据菜谱的食物成分定量评估营养素；
[0017]自动监测用户每天的饮食营养与运动种类和强度，并分析是否与个人的饮食配方/运动配方匹配，同时把分析结果共享给本人及个人医师，督促和提醒用户合理膳食和科学运动。
附图说明
[0018]图1为饮食和运动智能监测系统中基于食物份的生食图像采集和模型训练架构图。
[0019]图2为饮食和运动智能监测系统中基于菜谱的熟食图像采集和模型训练架构图。
[0020]图3为饮食和运动智能监测系统中饮食营养评估模块技术路线图。
[0021]图4为饮食和运动智能监测系统中运动模式识别技术路线图。
[0022]图5为饮食和运动智能监测系统中吃动综合分析技术路线图。
具体实施方式
[0023]下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0024]一种饮食和运动智能监测系统，包括以下模块：
[0025]饮食营养评估模块：该模块是对食材和熟食照片分别构建两类深度学习模型，然后根据用户上传的食材或熟食照片精准评估饮食营养素的含量和比例结构，并结合用户的个性化饮食配方提共评估意见，所述饮食营养评估模块的具体构建步骤如下：
[0026]步骤一、采集各类基于食物份的生食和基于菜谱的熟食图片数据集及相应的营养数据库，用于构建基于生食图片和基于熟食图片的两类营养评估深度学习模型；
[0027]步骤二、用户每次做饭或吃饭前拍照并上传食材或熟食照片，系统自动选择相应的饮食模型评估营养成分，并评价与饮食配方的匹配程度。
[0028]运动模式识别模块：该模块用分布在手臂、腰部和大腿的多类传感器采集人体数据，通过异构数据融合推理算法获取运动时长、模式和强度，再通过构建的有氧运动模型和抗阻运动模型，分别识别细分的有氧运动模型或抗阻运动种类，通过运动历史数据库统计运动频率，评估每日运动指标与运动配方匹配情况。
[0029]所述运动模式识别模块构建有氧运动模型和抗阻运动深度学习模型，具体识别过程如下：
[0030]步骤一、采集手臂、腰部和大腿的多类传感器人体数据，该数据包括日期、时间，手臂、腰部、大腿运动数据以及心率；
[0031]步骤二、通过异构数据融合推理算法获取运动时长、模式和强度；
[0032]步骤三、再通过构建的有氧运动模型和抗阻运动模型分别识别细分的有氧运动或抗阻运动种类。有氧运动种类包括慢走、快走、慢跑等，抗阻运动种类包括俯卧撑、平板、哑铃等；
[0033]步骤四、通过运动历史数据库统计运动频率，评估每日运动指标与运动配方匹配
情况。
[0034]吃动综合分析模块：该模块通过用户定期测量并存储的体重和体脂身体成份数据库，评估吃动综合干预对改善用户健康状况的效果，利用饮食和运动历史记录数据库分析用户对饮食和运动配方的依从性，及膳食摄入与运动消耗的相互支撑性。
[0035]所述吃动综合分析模块具体分析过程如下：
[0036]步骤一、通过用户定期测量并存储的体重和体脂等身体成份数据库；
[0037]步骤二、评估吃动综合干预对改善用户健康状况的效果；
[0038]步骤三、利用饮食和运动历史记录数据库分析用户对饮食和运动配方的依从性，及膳食摄入与运动消耗的相互支撑性。
[0039]本专利技术的饮食和运动智能监测系统，提高饮食和运动综合干预效果的技术和算法，该专利技术中的饮食营养评估模块，将计算机视觉中多目标检测与营养学中食物交换份规则相结合，提出了对自做饭和外食用户，分别构建两类营养评估模型的新探索，对自做饭，用基于食物份的烹饪原料图像集，构建能直接检测食物种类和份数的生食深度模型，因而能更精准地评估饮食营养素；对外食用户，利用基于菜谱的熟食数据集，构建能直接检测菜名和菜量 (大、中、小份)的熟食深度模型，从而根据菜谱的食物成分定量评估营养素。
[0040]数据和案例分析：自动监测用户每天的饮食营养与运动种类和强度，并分析是否与个人的饮食配方/运动配方匹配，同时把分析结果共享给本人及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种饮食和运动智能监测系统，其特征在于，包括以下模块：饮食营养评估模块：该模块是对食材和熟食照片分别构建食材和熟食两类深度学习模型，然后根据用户上传的食材或熟食照片精准评估饮食营养素的含量和比例结构，并结合用户的个性化饮食配方提高评估意见；运动模式识别模块：该模块采集人体运动数据，再通过构建的有氧运动模型和抗阻运动模型，分别识别细分的有氧或抗阻运动种类，评估每日运动指标与运动配方匹配情况；吃动综合分析模块：该模块利用每月记录的体重和体脂等身体成份数据库评估吃动综合干预效果，分析用户对饮食和运动配方的依从性，及膳食摄入与运动消耗的相互支撑性。2.根据权利要求1所述的饮食和运动智能监测系统，其特征在于，所述饮食营养评估模块的具体构建步骤如下：步骤一、采集各类基于食物份的生食和基于菜谱的熟食图片数据集及相应的营养数据库，用于构建基于生食图片和基于熟食图片的两类营养评估深度学习模型；步骤二、用户每次做饭或吃饭前拍照并上传食材或熟食照片，系统自动选择相应的饮食模型评估营养成分，并评价与个性化饮食配方的匹配程度。3.根据权利要求1所述的饮食和运动智能监测系统，其特征在于，所述运动模式识别模块分别对...

【专利技术属性】
技术研发人员：张书梅，安向平，李志祥，段丽英，李娟，
申请(专利权)人：石家庄学院，
类型：发明
国别省市：