场景自适应的饮食监控方法、装置、设备及存储介质

专利主权项内容

1.一种场景自适应的饮食监控方法，其特征在于，所述方法包括：利用智能戒指中的陀螺仪，获取所述智能戒指的运动轨迹；当判断所述运动轨迹符合进食特征时，利用所述智能戒指获取手部环境图像；对所述手部环境图像进行食物识别，得到食物类型信息；识别所述运动轨迹判定为目标类型轨迹的动作次数，根据所述手部环境图像及所述动作次数计算食物的摄入量，并将所述食物类型信息及对应的摄入量存储至预构建的饮食记录列表中；利用预训练的饮食评估模型，根据预构建的用户健康状况信息、目标运动计划及所述饮食记录列表中预设时间段内的各个历史摄入食品及对应的摄入量，对所述食物类型信息进行自适应食量评估操作，得到食量评估结果；判断所述摄入量是否超过所述食量评估结果；当所述摄入量超过所述食量评估结果时，利用所述智能戒指生成报警提示信息；其中，所述利用预训练的饮食评估模型之前，所述方法还包括：获取预构建的饮食评估模型及训练样本集合，将所述训练样本分为预设比例的训练集及测试集；依次从所述训练集中提取一个训练样本，利用所述饮食评估模型对所述训练样本中的用户健康数据进行用户健康饮食预测，得到健康饮食限制序列；对所述健康饮食限制序列及所述训练样本中的目标食物进行食物量级预测，得到预测食物最高摄入量；利用交叉熵损失算法对所述训练样本中的摄入量标签与所述预测食物最高摄入量进行损失值计算，得到模型预测损失值，并对所述模型预测损失值进行最小化操作，得到所述模型预测损失值最小时的网络模型参数，并对所述网络模型参数进行网络逆向更新操作，得到更新饮食评估模型；判断所述训练集中的训练样本是否全部参与训练过程；当所述训练集中存在未参与训练的训练样本，则返回上述依次从所述训练集中提取一个训练样本的过程，对所述更新饮食评估模型进行迭代训练；当所述训练集中各个训练样本全部参与训练过程，则利用所述测试集对所述更新饮食评估模型进行测试，得到测试准确度；当所述测试准确度小于预设的合格阈值时，返回上述将所述训练样本分为预设比例的训练集及测试集的过程，重新构建训练集及测试集对所述更新饮食评估模型进行训练；当所述测试准确度大于或等于预设的合格阈值时，停止训练过程，得到训练完成的饮食评估模型。