[发明专利]一种融合多维元素的智能排菜方法

说明书

本发明公开一种融合多维元素的智能排菜方法，本方法融合菜品识别、食物营养分析和销售情况进行智能排菜，在尽可能保证菜品不会浪费的情况下更保证了营养的均衡。本发明可以大幅度提高菜品识别的准确率，将容易识别错的菜品分开，保证每日识别结果更准确。同时使用热销才数据更好的确定菜品销售情况，不至于出现大量菜品无人购买造成浪费的请；同时还有菜品营养分析内容，这样每餐的大致营养情况也有一个参考，为后续的关于饮食结构、运功的建议也有数据参考。

技术领域

本发明涉及人工智能领域，具体的讲，是一种融合多维元素的智能排菜方法。

背景技术

菜品识别是一类物品识别技术，大部分应用在企事业单位和行政单位食堂，目前主要是协助解决结算这一环。

目前现有的餐厅食堂其排菜系统都是基于经验或者基于数据库而做的，这种方法只能保证菜品尽可能的不会重复，而不会考虑其营养价值以及销售情况。

发明内容

本发明要解决的技术问题是提供一种融合多维元素的智能排菜方法，本方法融合菜品识别、食物营养分析和销售情况进行智能排菜，在尽可能保证菜品不会浪费的情况下更保证了营养的均衡。

为了解决所述技术问题，本发明采用的技术方案是：一种融合多维元素的智能推菜方法，包括以下步骤：

S01）、菜品样本入库，并将菜品营养成分信息存储，获得菜品营养情况；

S02）、菜品入库后，提取菜品特征，并将提取的特征与库中已有的菜品特征进行比对，获取菜品特征相似度，将特征相似的菜品标记，使特征相似的菜品不在同一天出现；

S03）、利用菜品识别记录取餐结果，以周期为时间节点，将取餐结果进行数据分析，得出热销菜品名称；

S04）、结合菜品营养成分分析，计算出菜品库内销售菜品的能量；

S05）、通过热销菜、菜品营养状态、菜品特征相似度三个维度推荐出每日菜谱。

进一步的，步骤S05的过程为：

S51）、以菜品识别得出的特征相似度作为主衡量点，以菜品之间的相似度为内容形成一个矩阵S，，n表示菜品数量；

S52)、以菜品热销度为内容形成热销度矩阵H， ，n表示菜品数量；

S53）、以菜品营养量为内容形成营养矩阵N，，n表示菜品数量；

S54）、以上三个矩阵相乘得出菜品属性关联度矩阵，上述三个矩阵相乘后得出n*n矩阵，然后循环取第n行的第n列的值，这些值抽取出来作为一个n行1列的矩阵，因为其他列的值与当前菜品属性无关；使用K近邻算法，对菜品属性进行分类归纳；

S55）、步骤S54产生的菜品库称为抽检库，后续排菜过程中从不同种类中抽取某一种菜品作为当日菜单，并将此菜品从抽检库中排除，保证周期内不再出现重复菜单。

本发明的有益效果：本发明可以大幅度提高菜品识别的准确率，将容易识别错的菜品分开，保证每日识别结果更准确。同时使用热销才数据更好的确定菜品销售情况，不至于出现大量菜品无人购买造成浪费的请；同时还有菜品营养分析内容，这样每餐的大致营养情况也有一个参考，为后续的关于饮食结构、运功的建议也有数据参考。

附图说明

图1为本发明的流程图；

图2为菜品识别得出菜品特征相似度的流程图；

图3为菜品识别得出热销菜的流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的说明。

实施例1

本实施例公开一种融合多维元素的智能排菜方法，如图1所示，本方法融合菜品营养、菜品特征相似度和菜品热销度三维元素，包括以下步骤：