[發明專利]一種對大規模人群提供符合個體營養需求的系統及其方法在審
| 申請號: | 202010037307.4 | 申請日: | 2020-01-14 |
| 公開(公告)號: | CN111243708A | 公開(公告)日: | 2020-06-05 |
| 發明(設計)人: | 王建兵;王睿琪 | 申請(專利權)人: | 王睿琪 |
| 主分類號: | G16H20/60 | 分類號: | G16H20/60 |
| 代理公司: | 重慶博瑞泰知識產權代理有限公司 50256 | 代理人: | 謝庚生 |
| 地址: | 300240 天津市河*** | 國省代碼: | 天津;12 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 大規模 人群 提供 符合 個體 營養 需求 系統 及其 方法 | ||
1.一種對大規模人群提供符合個體營養需求的系統,其特征在于,包括:
配餐平臺,用于接收訂餐信息,并生成滿足供能目標的帶量食譜;
食材加工管理平臺,用于根據所述帶量食譜進行分析調節,從而生成食材加工清單;
稱重平臺,用于根據所述食材加工清單,為菜品配置特定重量的食材。
2.根據權利要求1所述的符合個體營養需求的系統,其特征在于,所述配餐平臺用于執行以下步驟:
步驟1,建立配餐模型,所述配餐模型接收所述訂餐信息;
步驟2,根據配餐情況確定決策變量,其中所述決策變量為各個食材的重量;
步驟3,依據營養素需求標準及膳食寶塔的推薦量為限制條件,列出與決策變量相關的約束條件,所述約束條件為各個食材調整的重量范圍;
步驟4,使用單純性法求最優解,所述最優解為各個食材的推薦重量值;
步驟5,把一般形式的配餐模型轉換為標準形式,所述標準形式為所述菜品總重量保持不變的形式;
步驟6,確定初始基可行解,所述初始基可行解為所述菜品中一個食材的重量;
步驟8,求得初始基可行解后進入迭代過程,所述迭代過程為各個食材調整重量的過程;
步驟9,有限次迭代后得出最優解,所述最優解為符合最佳重量搭配的所述帶量食譜。
3.根據權利要求1所述的符合個體營養需求的系統,其特征在于,所述訂餐信息包括:就餐人信息、餐次和飲食規劃。
4.根據權利要求1所述的符合個體營養需求的系統,其特征在于,所述帶量食譜包括:所述菜品中所述食材的名稱以及重量。
5.根據權利要求1所述的符合個體營養需求的系統,其特征在于,所述食材加工管理平臺包括:營養素分析、食物種類分析和/或價格分析;食材加工清單包括:所述菜品的名稱,以及所述菜品中所述食材的名稱、所述食材的重量和所述食材烹飪時的形狀信息。
6.一種對大規模人群提供符合個體營養需求的方法,其特征在于,包括以下步驟:
配餐步驟,接收訂餐信息,并生成滿足供能目標的帶量食譜;
食材加工管理步驟,根據所述帶量食譜進行分析調節,從而生成食材加工清單;
稱重步驟,根據所述食材加工清單,為菜品配置特定重量的食材。
7.根據權利要求6所述的符合個體營養需求的方法,其特征在于,所述配餐步驟包括以下步驟:
步驟1,建立配餐模型,所述配餐模型接收所述訂餐信息;
步驟2,根據配餐情況確定決策變量,其中所述決策變量為各個食材的重量;
步驟3,依據營養素需求標準及膳食寶塔的推薦量為限制條件,列出與決策變量相關的約束條件,所述約束條件為各個食材調整的重量范圍;
步驟4,使用單純性法求最優解,所述最優解為各個食材的推薦重量值;
步驟5,把一般形式的配餐模型轉換為標準形式,所述標準形式為所述菜品總重量保持不變的形式;
步驟6,確定初始基可行解,所述初始基可行解為所述菜品中一個食材的重量;
步驟8,求得初始基可行解后進入迭代過程,所述迭代過程為各個食材調整重量的過程;
步驟9,有限次迭代后得出最優解,所述最優解為符合最佳重量搭配的所述帶量食譜。
8.根據權利要求6所述的符合個體營養需求的方法,其特征在于,所述稱重步驟在所述食材加工前或者在所述食材加工后為所述菜品配置特定重量的所述食材。
9.根據權利要求6所述的符合個體營養需求的方法,其特征在于,所述稱重步驟,顯示每一所述菜品和構成所述菜品的食材名稱、食材重量、食材烹飪時的形狀,以及所述菜品的訂餐份數。
10.根據權利要求6所述的符合個體營養需求的方法,其特征在于,所述稱重步驟,結合所述訂餐份數為所述菜品配置符合所述食材加工清單中每一種特定重量的所述食材,最終完成所有菜品的食材配置。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于王睿琪,未經王睿琪許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010037307.4/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種散熱裝置
- 下一篇:一種結合遺傳算法的BP網絡冷軋帶鋼力學性能預測方法





