一种基于回归分析的人体食物摄取评价系统及方法技术方案

本发明专利技术公开一种基于回归分析的人体食物摄取评价系统及方法，包括饮食数据采集传感器、FPGA传感数据处理平台以及后台服务器；所述饮食数据采集传感器用于采集用户的日常饮食数据信息；饮食数据采集传感器与FPGA传感数据处理平台通过各种接口模块建立连接，把数据送入FPGA传感数据处理平台进行实时处理；所述FPGA传感数据处理平台与所述后台服务器通过网线建立通信连接，把处理好的信息发送到后台服务器300；所述后端服务器把用户的饮食数据与营养素数据库对比，得到用户详细的营养素摄入数据并对用户的饮食进行评分。本发明专利技术的智能化程度较高、功能丰富、成本较低，且效率较高，实时性强。实时性强。实时性强。

【技术实现步骤摘要】
一种基于回归分析的人体食物摄取评价系统及方法


[0001]本专利技术涉及计算机处理技术及医疗饮食评价
，尤其涉及到一种测量、分析 以及评价人体食物摄取的系统及方法。

技术介绍

[0002]随着社会经济的发展和居民生活方式的迅速改变，超重和肥胖、高血压、高脂血症、 冠心病、中风、糖尿病、恶性肿瘤等慢性病的发病率呈显著上升趋势。造成这些疾病的 最主要因素是不合理的饮食模式。因此，为了帮人们规避是不合理的饮食模式，采集居 民的饮食数据并针对性的给出一些指导建议就显得尤其重要。
[0003]通常，人们如果想了解自己的饮食健康状况需要先进行日常饮食记录，然后咨询营 养师来寻求饮食建议。但是膳食调查表中需要要记录一段时间内用户进食的所有食物及 饮料，包括零食。依靠传统的问卷调查的方法记录饮食低效而且不准确。
[0004]得益于智能手机技术的发展和应用，出现了许多记录用户饮食和饮食推荐的APP。 这些APP一般采用自定义手动录入、语音录入、扫码录入、搜索菜谱录入等方法记录 饮食。但是用户很难长期坚持记录自己的饮食。由于人为的出现遗忘和记错的情况，这 些记录也不一定准确，对于饮食评价也不能达到足够的成效。

技术实现思路

[0005]本专利技术旨在提出一种基于回归分析的人体食物摄取评价系统及方法，通过饮食数据 采集获得人体食物摄取数据，进而测量、分析直至完成人体食物摄取的评价。
[0006]本专利技术采用以下的技术方案来实现：
[0007]一种基于回归分析的人体食物摄取评价系统，该系统包括饮食数据采集传感器、 FPGA传感数据处理平台以及后台服务器；其中：
[0008]所述饮食数据采集传感器用于采集用户的日常饮食数据信息；饮食数据采集传感器 与FPGA传感数据处理平台通过各种接口模块建立连接，把数据送入FPGA传感数据处 理平台进行实时处理；
[0009]所述FPGA传感数据处理平台与后台服务器通过网线建立通信连接，把处理好的信 息发送到后台服务器；
[0010]所述后端服务器用于饮食数据与营养素数据库的对比，从而得到用户详细的营养素 摄入数据，对用户的饮食进行评分；
[0011]进一步的，所述饮食数据采集传感器包括用于采集食物重量的压力传感器、用于采 集食物图片的图像传感器；
[0012]进一步的，所述FPGA传感数据处理平台包括用于采集重量数据的HX711数据采 集模块、用于采集DVP接口的RGB565图像数据的图像采集模块、用于帧缓存控制的 VDMA模块、用于加速YOLOv2图像识别算法的YOLOv2加速器、用于存储食物图片 的SD卡以及用于控制整个系统运行的ARM处理器模块；
[0013]进一步的，所述后台服务器包括用于获取每种食物营养素含量的食物营养素数据库、 用于对用户的饮食进行评价的饮食评分模块。
[0014]一种基于回归分析的人体食物摄取评价方法，该方法具体包括以下执行流程：
[0015]将饮食数据采集传感器采集用户的日常饮食数据信息送入FPGA传感数据处理平 台进行处理；
[0016]基于VireoFood
‑
172dataset训练YOLOv2食物图像识别模型；所述的食物图像识别 方法硬件实现部分基于CPU+FPGA的架构对YOLOv2图像识别算法进行硬件实现，采 用卷积循环展开SIMD架构的设计YOLOv2卷积神经网络加速器，从而进行食物图像 识别；
[0017]所述的卷积循环展开SIMD架构的卷积运算过程为：
[0018]YOLOv2网络结构中共有23个卷积层、5个最大池化层、2个路由层和1个重排序层。除了路由层之外，其他层均是将把上一层的特征图输出作为下一层的特征图输入，整个过程都是按照串行顺序执行的。因此，将路由层的功能通过预先设置的存取地址偏移实现后， YOLOv2 加速器只需在处理器的控制下通过AXI总线读取内存数据、处理数据和将数据写回内存即可。具体处理每个卷积层、池化层和重排序层时，由于FPGA资源有限，需要将输入特征图分成若干块，每次从内存中读取一块数据；
[0019]所述后端服务器用于饮食数据与营养素数据库的对比，从而得到用户详细的营养素 摄入数据，并对用户的饮食进行评分。
[0020]与现有技术相比，本专利技术的有益效果是：
[0021]1)能够高效且准确地直接记录用户的日常饮食，方便快捷，用户几乎没有任何的 时间成本，极大地提高用户的使用体验；
[0022]2)本专利技术，实时性和安全性较强；由于FPGA传感数据处理平台部署在边缘端， 可以实现实时的食物图像识别。而现有技术普遍需要用户将照片上传到云端进行食物图 像识识别，导致数据处理速度变慢，数据传输过程中存在安全性问题。
[0023]3)能够根据用户的饮食数据对用户的饮食模式进行评分，帮助用户了解营养素摄 入情况，区分健康的饮食模式和不合理的饮食方式，有效的帮助用户改变不良的饮食习 惯和饮食偏好，循序渐进的指导用户改变不良的饮食习惯，进而提高用户的饮食质量。
附图说明
[0024]图1为本专利技术的一种基于回归分析的人体食物摄取评价系统结构示意图；
[0025]图2为后台服务器300的框架结构示意图；
[0026]图3为卷积循环展开SIMD架构的YOLOv2卷积神经网络加速器架构图。
[0027]图4为卷积循环展开SIMD架构的YOLOv2卷积神经网络加速器执行调度流程图。
具体实施方式
[0028]以下将结合附图对本专利技术的原理和特征进行描述。
[0029]如图1所示，为本专利技术的一种基于回归分析的人体食物摄取评价系统结构示意图， 包括饮食数据采集传感器100、FPGA传感数据处理平台200以及后台服务器300。饮 食数据采集传感器100用于采集用户的日常饮食数据信息；饮食数据采集传感器与 FPGA传感数据处理平台通过各种接口模块建立连接，把数据送入FPGA传感数据处理 平台200进行处理；
设置于边缘端的FPGA传感数据处理平台200与云端的后台服务器 300通过网线建立通信连接，把处理好的信息发送到后台服务器300；后端服务器300 把这些用户的饮食数据与营养素数据库对比，得到用户详细的营养素摄入数据并对用户 的饮食进行评分。
[0030]进一步的，所述饮食数据采集传感器100包括用于采集食物重量的压力传感器101、 用于采集食物图片的图像传感器(例如摄像头)102。
[0031]具体的，所述压力传感器101选择采用电阻应变片压力传感器，量程为5Kg，模拟 电源输入为2.6V到5.5V，精度为0.01％，以满足精度要求。
[0032]所述压力传感器101还需要HX711模块103进行AD转化，该模块的模拟输入是 电阻应变片压力传感器模拟差分输入，可使用2.6V到5.5V的数字电源供电，采用串 口通信的方式与FPGA平台的GPIO接口进行数据传输，需要FPGA平台提供给该模块 时钟，数据传输在25到27本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于回归分析的人体食物摄取评价系统，其特征在于，该系统包括饮食数据采集传感器、FPGA传感数据处理平台以及后台服务器；其中：所述饮食数据采集传感器用于采集用户的日常饮食数据信息；饮食数据采集传感器与FPGA传感数据处理平台通过各种接口模块建立连接，把数据送入FPGA传感数据处理平台进行处理；所述FPGA传感数据处理平台与后台服务器通过网线建立通信连接，把处理好的信息发送到后台服务器；所述后端服务器用于饮食数据与营养素数据库的对比，从而得到用户详细的营养素摄入数据，对用户的饮食进行评分；进一步的，所述饮食数据采集传感器包括用于采集食物重量的压力传感器、用于采集食物图片的摄像头；进一步的，所述FPGA传感数据处理平台包括用于采集重量数据的HX711数据采集模块、用于采集DVP接口的RGB565图像数据的图像采集模块、用于帧缓存控制的VDMA模块、用于加速YOLOv2图像识别算法的YOLOv2加速器、用于存储食物图片的SD卡以及用于控制整个系统运行的ARM处理器模块；进一步的，所述后台服务器包括用于获取每种食物营养素含量的食物营养素数据库、用于对用户的饮食进行评价的饮食评分模块。2.如权利要求1所述的一种基于回归分析的人体食物摄取评价系统，其特征在于，所述图像采集模块接收来自摄像头的DVP接口的带有行场同步控制的RGB565格式的图像数据，然后把接收到的图像数据转化视频流格式的数据并送入VDMA模块进而做帧缓存。3.如权利要求1所述的一种基于回归分析的人体食物摄取评价系统，其特征在于，所述VDMA模块在内存中建立读写通道来缓存视频流的每一帧，VDMA模块配置为动态同步锁相模式。4.如权利要求1所述的一种基于回归分析的人体食物摄取评价系统，其特征在于，所述VDMA模块在内存中建立读写通道来缓存视频流的每一帧，VDMA模块配置为动态同步锁相模式。5.如权利要求1所述的一种基于回归分析的人体食物摄取评价系统，其特征在于，所述FPGA传感数据处理平台中实现食物图像识别，即基于VireoFood
‑
172dataset训练YOLOv2食物图像识别模型；所述的食物图像识别硬件实现部分基于CPU+FPGA的架构对YOLOv2图像识别算法进行硬件实现，采用卷积循环展开SIMD架构的设计YOLOv2卷积神经网络加速器。6.如权利要求5所述的一种基于回归分析的人体食物摄取评价系统采用卷积循环展开SIMD架构的YOLOv2卷积神经网络加速器，其特征在于，所述卷积循环展开SIMD架构的YOLOv2卷积神经网络加速器：其中，YOLOv2卷积神经网络加速器包括输入输出缓冲模块、权重缓冲模块、卷积模块、池化模块、重排序模块，加速器通...

【专利技术属性】
技术研发人员：刘昱，邸文华，汪奇，
申请(专利权)人：上海五里多科技有限公司，
类型：发明
国别省市：