一种基于食物图像分割和尿酸指数的膳食智能推荐系统技术方案

本发明专利技术属于监控领域，具体涉及一种基于食物图像分割和尿酸指数的膳食智能推荐系统，该系统包括：图像采集设备、图像分割模块、数据分析模块以及健康管理模块；所述图像采集设备用于采集用户的食物图片，并将采集的图像输入到图像分割模块中，得到不同类别的食物图像；数据分析模块从用户的体检报告中获取用户的尿酸指数，并根据获取的尿酸指数对用户的食物进行推荐，将推荐结果输入到健康管理模块中；健康管理模块对推荐结果进行验证，筛选出最优方案，根据最优方案对用户进行健康管理；本发明专利技术设计了一种数字健康管理系统，实现了对用户身体健康的精准管理。体健康的精准管理。体健康的精准管理。

【技术实现步骤摘要】
一种基于食物图像分割和尿酸指数的膳食智能推荐系统


[0001]本专利技术属于监控领域，具体涉及一种基于食物图像分割和尿酸指数的膳食智能推荐系统。

技术介绍

[0002]随着科学技术的发展，人们的生活水平不断提高，使得人们越来越注重身体健康，特别是身体的尿酸含量。若尿酸的含量过高，则会在关节处析出结晶，刺激关节疼痛，诱发痛风疾病；出现痛风性肾病可以表现为尿酸性肾结石、尿酸性肾病两种情况，最严重的后果是患者会出现肾功能不全，最终导致慢性肾功能衰竭。长期尿酸高会导致心血管疾病的情况发生增多，尤其是产生心肌梗死、动脉硬化，它是冠心病死亡风险增加的一个重要因素。同时，尿酸对人体的影响可能是双向的，过高或过低的尿酸都可能不利于健康。尿酸的含量受到人体摄入的高嘌呤食物的影响；因此为用户设计一种合理化食物摄入量的膳食智能推荐系统是必要的。

技术实现思路

[0003]为解决以上现有技术存在的问题，本专利技术提出了一种基于食物图像分割和尿酸指数的膳食智能推荐系统，该系统包括：图像采集设备、图像分割模块、数据分析模块以及健康管理模块；所述图像采集设备用于采集用户的食物图片，将采集的图像输入到图像分割模块中，得到不同类别的食物图像，并将不同类别的食物图像输入到数据分析模块；所述数据分析模块从用户的体检报告中获取用户的尿酸指数，根据获取的尿酸指数和不同类别的食物图像对用户的食物进行推荐，将推荐结果输入到健康管理模块中；健康管理模块对推荐结果进行验证，筛选出最优方案，根据最优方案对用户进行膳食智能推荐。
[0004]优选的，图像分割模块对输入的图像数据进行处理的过程包括：对输入的食物图片进行标准化处理，将标准化后的图像输入到食物高尿酸指数标签分类的支持向量机(Support Vector Machine,SVM)模型中，得到分类结果；根据分类结果对输入图像进行分割，得到不同类别的食物图像。
[0005]进一步的，构建SVM模型的过程包括：
[0006]S1：获取样本数据；样本数据包括[x
i
,y
i
](i＝1,2,...,N)；其中，x
i
表示食物的类别，y
i
表示对高尿酸指数是否有益的标签；
[0007]S2：根据样本数据构建具有约束条件的目标函数；
[0008]S3：采用拉格朗日乘子将具有约束条件的目标函数转化为无约束目标函数；
[0009]S4：对无约束目标函数进行求解，得到决策超平面ω
*T
x+b
*
参数ω
*
和b
*
，其中，ω
*
表示平面上的法向量，b
*
表示超平面到原点的距离；
[0010]S5：根据参数数ω
*
和参数b
*
构建决策函数g(x)和分类函数f(x)；
[0011]S6：采用高斯核函数对无约束目标函数进行优化；
[0012]S7：根据优化后的无约束目标函数、决策函数g(x)和分类函数f(x)构建SVM模型。
[0013]进一步的，SVM模型的表达式为：
[0014][0015][0016]决策函数和分类函数为：
[0017][0018]其中，λ表示拉格朗日乘子向量；y＝
±
1，当y＝1时表示对高尿酸指数有益，y＝
‑
1时表示对高尿酸指数无益；N表示样本个数，K表示高斯核函数，x表示支持向量，C表示惩罚系数，T表示转置，sign表示符号函数。
[0019]优选的，数据分析模块对输入的数据进行分析的过程包括：
[0020]步骤1：将用户输入的食物进行归类；
[0021]步骤2：根据食物的类别初步分析该类食物是否存在增加身体尿酸的风险；
[0022]步骤3：分析用户输入的不同食物图像中的食物对用户的尿酸含量的影响；
[0023]步骤4：根据影响结果构建多元线性回归模型预测所摄食物的身体尿酸指数水平；
[0024]步骤5：采用构建的多元线性回归模型对分割后的食物图像和用户的尿酸指数进行处理，生成是否食用该食物的意见。
[0025]进一步的，分析不同食物对用用户的嘌呤含量的影响结果的过程包括：
[0026]步骤31：根据各个用户的体检报告中的尿酸含量设置尿酸阈值区间[P1,P0)；
[0027]步骤32：采用线性规划模型对待推荐用户发送的食物图片进行筛选，得到处于指数区间[P1,P0)的食物图片x
i
；
[0028]步骤33：根据用户的饮食习惯对获取的处于指数区间[P1,P0)的食物图片x
i
进行搭配，得到食物推荐组合；
[0029]步骤34：定期反馈用户的自身尿酸指数，根据反馈的尿酸指数重新重新选择区间[P1,P0)，并返回步骤32；
[0030]步骤35：根据不同的用户重复步骤32～步骤34，直到所有用户得到食物推荐结果。
[0031]优选的，健康管理模块对推荐结果进行验证的过程包括：
[0032]步骤1：获取各个推荐结果中不同食物的重量以及食物图像中识别的比率；
[0033]步骤2：将各个推荐结果中的食物重量以及比率输入到基于熵权法的评价模型中，得到最优方案。
[0034]进一步的，采用基于熵权法的评价模型对输入的食物重量和比率输的处理过程包括：
[0035]步骤21：计算第i个推荐方案中第j个指标的比重；其中指标表示食物的种类
[0036]步骤22：根据指标的比重计算第j个指标的熵值；
[0037]步骤23：根据指标的熵值计算第j个指标的变异系数；
[0038]步骤24：根据变异系数计算第j个指标的权重；
[0039]步骤25：根据计算出的权重计算第i个推荐方案的综合评价值；
[0040]步骤26：根据步骤21～步骤25中的计算方式计算其他方案的综合评价值；
[0041]步骤27：将所有的综合评价值进行对比，将综合评分最高的方案作为最优方案。
[0042]本专利技术的有益效果：
[0043]本专利技术采用优化的SVM模型对用户摄入的食物图片进行分类，使得最终得到的结果更精确；本专利技术根据用户的尿酸指数构建多元线性回归模型，根据该回归模型对分割后的食物图像进行嘌呤数据分析，得到了使得推荐结果与用户自身的身体状况进行联系，提高推荐的准确度；本专利技术采用熵权法对推荐结果进行分析，得到了推荐的最优方案，提高了系统对用户身体健康的管理效果。
附图说明
[0044]图1为本专利技术的系统框架结构图；
[0045]图2为本专利技术的流程图；
[0046]图3为本专利技术的图像分割流程图；
[0047]图4为本专利技术的构建SVN模型的流程图；
[0048]图5为本专利技术的SVN模型误差分析图；
[0049]图6为本专利技术的数据分析模块对输入的数据进行分析的流程图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于食物图像分割和尿酸指数的膳食智能推荐系统，其特征在于，该系统包括：图像采集设备、图像分割模块、数据分析模块以及健康管理模块；所述图像采集设备用于采集用户的食物图片，将采集的图像输入到图像分割模块中，得到不同类别的食物图像，并将不同类别的食物图像输入到数据分析模块；所述数据分析模块从用户的体检报告中获取用户的尿酸指数，根据获取的尿酸指数和不同类别的食物图像对用户的食物进行推荐，将推荐结果输入到健康管理模块中；健康管理模块对推荐结果进行验证，筛选出最优方案，根据最优方案对用户进行膳食智能推荐。2.根据权利要求1所述的一种基于食物图像分割和尿酸指数的膳食智能推荐系统，其特征在于，图像分割模块对输入的图像数据进行处理的过程包括：对输入的食物图片进行标准化处理，将标准化后的图像输入到用于对食物高尿酸指数标签分类的支持向量机模型中，得到分类结果；根据分类结果对输入图像进行分割，得到不同类别的食物图像。3.根据权利要求2所述的一种基于食物图像分割和尿酸指数的膳食智能推荐系统，其特征在于，构建食物高尿酸标签分类的支持向量机模型的过程包括：S1：获取样本数据；样本数据包括[x
i
,y
i
](i＝1,2,...,N)；其中，x
i
表示食物的类别，y
i
表示对高尿酸指数是否有益的标签；S2：根据样本数据构建具有约束条件的目标函数；S3：采用拉格朗日乘子将具有约束条件的目标函数转化为无约束目标函数；S4：对无约束目标函数进行求解，得到决策超平面ω
*T
x+b
*
的列向量参数ω
*
和b
*
，其中，ω
*
表示平面上的法向量，b
*
表示超平面到原点的距离；S5：根据决策超平面参数ω
*
和参数b
*
构建决策函数g(x)和分类函数f(x)；S6：采用高斯核函数对无约束目标函数进行优化；S7：根据优化后的无约束目标函数、决策函数g(x)和分类函数f(x)构建SVM模型。4.根据权利要求3所述的一种基于食物图像分割和尿酸指数的膳食智能推荐系统，其特征在于，食物高尿酸指数标签分类的支持向量机模型的表达式为：征在于，食物高尿酸指数标签分类的支持向量机模型的表达式为：决策函数和分类函数为：决策函数和分类函数为：
其中，λ表示拉格朗日乘子向量；y＝
±

【专利技术属性】
技术研发人员：余海燕，伍凌，余江，徐仁应，黎森林，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：