[发明专利]一种融合图谱快速检测菜肴食品中营养含量的方法和系统

说明书

本发明提供一种融合图谱快速检测菜肴食品中营养含量的方法和系统，方法包括：将菜肴食品搅碎并过滤液体后形成待测目标，将待测目标放置于第一容器内；获取待测目标的图像信息，并根据图像信息获取待测目标的估算体积；获取待测目标的光谱信息，将光谱信息输入至光谱密度模型得到待测目标的估算密度；根据估算体积和估算密度计算得到待测目标的估算质量，并将待测目标的估算质量和光谱信息输入至待测目标的光谱营养含量模型中得到待测目标的营养含量。本发明通过利用光学图谱技术、机器学习与数据建模算法，实现菜肴食品类型识别、图像与菜肴食品体积和密度模型建立，光谱与菜肴食品营养含量模型建立，进而根据体积估算菜肴食品的质量和营养含量。

技术领域

本发明涉及食品检测技术领域，尤其涉及一种融合图谱快速检测菜肴食品中营养含量的方法和系统。

背景技术

饮食是人类健康、生存及长寿的物质基础。随着人们生活水平的提高，精准营养食品已经成为人民对食品新的需求增长点。菜肴是人们日常菜肴食品中不可或缺的食品，日常菜肴食品营养摄入不足或过剩对人体健康产生重要影响，尤其糖尿病人、高血压患者、肥胖及特殊人群等需要对所摄取菜肴食品的营养含量实时进行检测，菜肴形态与成分组成复杂，常规菜肴食品中营养含量的测定方法多采用理化试验，费事费力，成本昂贵，不便于使用与推广，这也成为影响人们实现精准饮食的一大阻碍。图谱技术在食品快速检测领域得到了广阔的应用。国内外学者利用图像技术结合机器学习算法获得一餐菜肴食品的图像、体积等信息，再结合菜肴食品数据库推测出菜肴食品的营养含量，进而推测出卡路里含量值。该方法未考虑菜肴食品之间的不同比例、不同烹饪条件等因素，所得的菜肴食品营养含量并不准确。光谱技术可以测量样品内部的含量，有学者利用近红外光谱技术对搅碎的菜肴食品进行检测，得到了固定容器内菜肴食品的单位重量卡路里值，但该方法并不能直接得出一餐菜肴食品中的营养含量总含量，检测之前，也必须先选择菜肴食品类型，才可完成模型匹配，并不能在实际中得到广泛应用。

发明内容

本发明提供一种融合图谱快速检测菜肴食品中营养含量的方法，用以解决现有技术中无法准确对菜肴食品的营养含量进行检测的缺陷，通过利用光学图谱技术、机器学习与数据建模算法，实现菜肴食品类型的识别、图像与菜肴食品体积模型的建立，光谱与菜肴食品密度模型的建立、光谱与菜肴食品营养含量模型的建立，进而根据菜肴体积综合估算菜肴食品的质量和营养含量。

本发明还提供一种智能化测定菜肴食品营养含量的系统，用以解决现有技术中无法准确对菜肴食品的营养含量进行检测的缺陷，通过利用光学图谱技术、机器学习与数据建模算法，实现菜肴食品类型的识别、图像与菜肴食品体积模型的建立，光谱与菜肴食品密度模型的建立、光谱与菜肴食品营养含量模型的建立，进而根据菜肴食品体积综合估算菜肴食品的质量和营养含量。

根据本发明第一方面提供的一种融合图谱快速检测菜肴食品中营养含量的方法，包括：

将菜肴食品搅碎并过滤液体后形成待测目标，将所述待测目标放置于第一容器内；

获取所述待测目标的图像信息，并根据所述图像信息获取所述待测目标的估算体积；

获取所述待测目标的光谱信息，将所述光谱信息输入至光谱密度模型得到所述待测目标的估算密度，其中，所述光谱密度模型是基于样本的样本光谱信息以及与所述样本光谱信息对应的样本密度训练得到的；

根据估算体积和估算密度计算得到所述待测目标的估算质量，并将所述待测目标的估算质量和光谱信息输入至所述待测目标的光谱营养含量模型中得到所述待测目标的营养含量，其中，所述光谱营养含量模型是基于样本的样本光谱信息以及与所述样本光谱信息对应的样本营养含量训练得到的。

根据本发明的一种实施方式，所述获取所述待测目标的图像信息，并根据所述图像信息获取所述待测目标的估算体积的步骤中，具体包括：

采集在所述第一容器内静置后的所述待测目标的图像信息；