一种用于产后康复的智能营养配餐系统及饮食管理方法与流程

1.本技术涉及产后康复配餐领域，具体涉及一种用于产后康复的智能营养配餐系统及饮食管理方法。


背景技术：

2.产妇在孕育下一代时会耗费大量的精力和体力，这时候只有适当的调整饮食搭配，提供充足营养补充，才能帮助产妇在产后及早康复，同时也能在哺乳期时有母体给孩子提供充足的营养，帮助新生儿打造一个健康的体魄，因此产妇的产后营养配餐就显得尤为重要，同时，随着人们生活水平的提高和对科学健康审美观念的日益重视，产后康复已在我国悄然兴起，目前产后康复行业的年产值已超过数十亿元，根据产妇个体的康复需求，能够形成若干种细分的康复项目，而产妇在选择康复项目时，为了能够获得足够的营养摄入，同时避免负担过重对身体产生危害，需要同时考虑到产妇本身的身体情况、体脂体重情况和产后实时情况，因此，需要一种能够将上述情况数据进行综合统筹和计算，精确并方便快捷的进行科学饮食推荐和管理的方法。


技术实现要素：

3.为了解决问题，本技术提供一种用于产后康复的智能营养配餐系统，包括数据库模块、基础配餐模块，康复项目模块、配餐建议模块以及配餐调整模块；
4.所述数据库模块包括个人资料库、基础营养特征库、康复项目数据库和饮食数据库，其中，所述个人资料库用于存储用户的个人信息；所述基础营养特征库存储有建立用户基础营养画像需要的基础特征，以及基础特征的特征值对应的基础特征系数；所述康复项目数据库用于存储康复项目、康复项目对应的康复特征，以及每项康复项目的基础调整份额；所述饮食数据库用于记录用户的饮食数据；
5.所述基础配餐模块通过个人资料库中的个人信息，获得基础特征的特征值，根据基础特征的特征值获得基础特征系数，设置基础摄入系数，通过基础摄入系数和基础特征系数获得基础配餐系数，通过基础配餐系数计算得到用户的基础配餐份额；
6.所述康复项目模块对康复项目的项目特征的特征值进行获取，根据项目特征的特征值和康复项目的基础调整份额获得项目调整份额，通过基础配餐份额和项目调整份额获得康复项目份额；
7.所述配餐建议模块根据获得的康复项目份额，推荐预设时间段内的配餐方案；
8.所述配餐调整模块通过获取用户在预设时间段内的饮食数据和获得的康复项目份额，对配餐建议模块的配餐方案进行调整。
9.其中，优选的，基础配餐份额和康复项目份额包括主食类份额、肉蛋类份额、油脂类份额和蔬果类份额。
10.其中，优选的，所述基础特征包括体重体脂指数、年龄、产后时间和生产方式。
11.其中，优选的，康复项目模块中能够选择的康复项目包括产后塑形、伤口修复、通
乳下奶、乳腺炎症调理、妊娠高血糖恢复和提高免疫力。
12.其中，优选的，使用配套的硬件设备对用户选择的康复项目的项目特征的特征值进行采集。
13.其中，优选的，康复项目模块包括项目达标检测模块，所述项目达标检测模块通过在预设时间内获得用户选择的康复项目的项目特征的特征值，使用svm模型进行分析，从而判断用户在该康复项目是否达标，根据判断结果确定项目调整份额。
14.本技术还提供一种饮食管理方法，包括以下步骤：
15.s1，提供如上述任一项用于产后康复的智能营养配餐系统；
16.s2，根据用户的基础特征的特征值获得对应的基础特征系数，设置基础摄入系数，根据基础摄入系数和基础特征系数，得到基础配餐份额;
17.s3，根据用户选择的康复项目的项目特征的特征值，获得项目调整份额，通过用户的基础配餐份额和项目调整份额获得康复项目份额；
18.s4，根据康复项目份额，获得预设时间段内的配餐方案；
19.s5，通过获取用户在预设时间段内的饮食数据和获得的康复项目份额，对配餐方案进行调整。
20.其中，在步骤s2中，用户a的基础营养画像包括的基础特征有：体重体脂指数bmi、年龄age、产后时间time和生产方式mode，分别获得基础特征的特征值bmi(a)、age (a)、time(a)、mode (a)对应的基础特征系数ω
bmi-a
、ω
age-a
、ω
time-a
、ω
mode-a
，得到用户a的基础特征系数总和；
21.设置基础摄入系数r，获得基础配餐系数ar=，其中，μ
bmi
为体重体脂偏差系数，ω
bmi-0
为bmi的特征值为正常范围时对应的基础特征系数，μ
bmi
=ω
bmi-a
/ω
bmi-0
；
22.获得用户a的基础配餐份额aω= weight(a) * ar，其中weight(a)为用户a的体重。
23.其中，在步骤s3中，系统中包括m个康复项目k，其中，康复项目k=[k1，k2，k3，
…
，km]，设置第i个康复项目ki的基础调整份额为
△
ω, 康复项目ki包括n个项目特征，其中第j个项目特征为k
i-j
,将获得的n个项目特征的特征值放入训练好的svm模型进行分析，判断康复项目ki是否达标；
[0024]
当康复项目达标时，得到用户a的康复项目份额akω=aω+
△
ω；
[0025]
当康复项目未达标时，进行以下步骤：
[0026]
设置康复项目ki的第j个项目特征k
i-j
的达标阈值pk
i-j
；
[0027]
根据获得的k
i-j
的特征值ak
i-j
，得到k
i-j
的未达标差值
△ki-j = ak
i-j
‑ꢀ
pk
i-j
；
[0028]
获得康复项目ki的差值调整比例θ=
[0029]
则得到调整份额
△
ω
’ꢀ
=（1+θ）
△
ω
[0030]
得到用户a的康复项目份额akω’=aω+
△
ω’。
[0031]
其中，获得在预设时间t内获得的康复项目ki的所有n个项目特征的特征值的平均
值放入训练好的svm模型进行分析，从而判断当前康复项目是否达标，svm算法如下：
[0032]
目标函数：
[0033][0033][0034]
其中 w和b是平面系数，代表样本的分类标记，=[-1,1]，则是训练样本；w为平面系数，当扩展到n维空间时，为n维向量如：w=[w1,w2,...,wn]，为w的转置,||w||是超平面的范数。
[0035]
由于svm目标函数假设数据线性可分，但实际上会存在噪声数据，因此加入松弛变量和惩罚参数,通过松弛变量增加模型容忍度：数,通过松弛变量增加模型容忍度：数,通过松弛变量增加模型容忍度：
[0036]
为惩罚系数，是松弛变量，由错分点到对应类别支持向量所在平面的距离表示，正确分类样本点的，惩罚项由所有的离群点所确定。该优化问题利用拉格朗日乘子法和kkt条件转化为对偶问题，并利用smo方法进行求解。其中为拉格朗日乘子。通过将该模型进行高维映射所得到的对偶问题形式为：
[0037][0037]
，
[0038]
本文所选的核函数为高斯函数：
[0039][0040]
使用svm分类器模型进行分析，-1为未达标，1为已达标。
[0041]
本技术实现的有益效果如下：
[0042]
本方案根据用户基础身体情况，获得满足用户基础营养的基础配餐份额，再通过用户选择的康复项目，获得针对康复项目的调整份额，根据基础配餐份额和调整份额作为对用户推荐的饮食分类食谱的基础份额，本技术通过实时精确数据获得食物摄入的份额的指标，根据获得的份额对用户的配餐进行推荐和指导，进行每日三餐或者多餐的推荐食谱，也可以根据用户已经摄入的份额，进行预设时间内的推荐食谱推荐，本技术增加了科学推荐准确性，针对康复项目优化了膳食结构，大大提升了饮食推荐性能。
附图说明
[0043]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
[0044]
图1为本技术用于产后康复的智能营养配餐系统的饮食管理方法的步骤流程图。
[0045]
图2为本技术康复项目模块的获得康复项目份额的步骤流程图。
具体实施方式
[0046]
下面结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整
地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0047]
本技术提供的用于产后康复的智能营养配餐系统包括数据库模块、基础配餐模块，康复项目模块、配餐建议模块以及配餐调整模块。
[0048]
其中，数据库模块用于提供本技术智能营养配餐系统中的预设数据存储和录入数据存储，具体的，所述数据库模块包括个人资料库、康复项目数据库和饮食数据库，其中个人资料库中存储有能够代表用户身体情况的个人信息，所述个人信息的获取一般是由用户使用智能营养配餐系统时进行录入，例如在本实施例中，用户使用本技术智能营养配餐系统时，需要进行id、身高、体重、年龄、产后时间和生产方式等个人信息进行录入，将这些个人信息记录在个人资料库中。
[0049]
所述基础配餐模块中包括有建立用户基础营养画像需要的基础特征，通过个人资料库中的个人信息，获得每项基础特征的特征值，建立产妇的基础营养画像。
[0050]
另外，在基础配餐模块能够通过基础特征的特征值，获得用户每项基础特征的基础特征系数，通过基础特征系数计算获得用户的基础配餐份额。
[0051]
具体的，在本技术的一个实施方式中，基础配餐模块中待获取的基础特征类别包括体重体脂指数（bmi）、年龄（age）、产后时间（time）和生产方式（mode），根据个人资料库中用户a的录入信息，获取到的基础特征的特征值：其中，体重体脂指数（bmi）的特征值bmi(a)需要通过用户a的身高的特征值height(a)和体重的特征值weight(a)计算得到：bmi(a)等于weight(a) (kg)除以height(a)（m）的平方，即bmi(a)=80/1.622=31.25，另外，可获得其他特征值：age(a)为31岁，time(a)为7天，mode(a)为剖腹产。
[0052]
使用基础特征的特征值bmi(a)、weight(a)、age (a)、time(a)、mode (a)进行用户a的基础配餐份额计算：首先根据基础特征的特征值bmi(a)、weight(a)、age (a)、time(a)、mode (a)分别获得对应的基础特征系数ω。
[0053]
具体的，表1中记录有基础特征bmi的特征值对应的基础特征系数ω
bmi
，本实施例中，根据特征值bmi(a)=31.25，根据表1得到用户a的bmi基础特征系数ω
bmi-a
=0.3，其中，已知bmi在18.5
ꢀ‑ꢀ
24.9区间时为体重体脂正常标准，对应的bmi基础特征系数中ω
bmi-0
=0.5为正常值，则能够获得用户a的体重体脂偏差系数μ
bmi
=ω
bmi-a
/ω
bmi-0
=0.6。
[0054]
表2为年龄的特征值age(a)对应的基础特征系数ω
age
，已知age(a)=31岁，根据表2得到用户a的年龄基础特征系数ω
age-a =0.2。
[0055]
表3为产后时间的特征值time(a)对应的基础特征系数ω
time
，已知time(a)=7天，根据表3得用户a的产后时间基础特征系数ω
time-a =0.6。
[0056]
表4为生产方式的特征值mode (a)对应的基础特征系数ω
mode
，已知mode（a）为剖腹产，根据表4获得对应的生产方式基础特征系数ω
mode-a =0.4。
[0057]
基础特征系数(ω
bmi
)bmi范围(kg/m2)体重体脂级别0.618.4及以下营养不良0.518.5-24.9（ω
bmi-0
）正常0.425-29.9高体脂低风险0.330-34.9高体脂中风险
0.235-39.9高体脂高风险0.140及以上高体脂极高风险
[0058]
表1
[0059]
基础特征系数(ω
age
)年龄范围（岁）并发症风险级别0.118-25并发症低风险0.226-32并发症中低风险0.2533-37并发症中风险0.3038-42并发症中高风险0.3543以上并发症高风险
[0060]
表2
[0061]
基础特征系数(ω
time
)产后时间（天）营养补充级别0.61-7第一补充等级0.48-14第二补充等级0.215-28第三补充等级0.128以上第四补充等级
[0062]
表3
[0063]
基础特征系数(ω
mode
)生产方式恢复级别0.4顺产快0.2剖宫产慢
[0064]
表4
[0065]
根据上述获得的基础特征系数ω
bmi-a
、ω
age-a
、ω
time-a
、ω
mode-a
，得到用户a的基础特征系数总和ωa=ω
bmi-a
+ω
age-a +ω
time-a +ω
mode-a =0.3+0.2+0.6+0.4=1.5。
[0066]
根据营养学原理，在饮食摄入分类中基础三大营养素为：碳水化合物、蛋白质和脂肪，其中，碳水化合物作为身体的能量基础，是最重要的身体能量补充部分，碳水化合物一般是从主食类食物中获取，如米、面、高粱、燕麦、红薯、马铃薯等。蛋白质是生命的物质基础，含大量的氨基酸，这是修复组织器官的基本物质，这些对产妇本身是十分必要的，蛋白质一般是从肉蛋类食物中获取，例如鸡蛋、猪瘦肉、鸡肉、牛肉、鱼类等。另外，脂肪在膳食中也很重要，膳食中脂肪一般是从油脂类食物中获取，如猪油、牛油、坚果等。除上述三大营养素外，还需要补充维生素和膳食纤维，含维生素和膳食纤维最丰富的为蔬果类，包括绿叶蔬菜、根茎蔬菜、瓜果等。
[0067]
综上所述，将配餐中的饮食类别设置为主食类、肉蛋类、油脂类和蔬果类四种。
[0068]
根据产后营养标准对饮食类别进行配比，获得用户每日的基础配餐份额，具体的：基于营养供应，产后人士每日基础应摄入12540-16720千焦热量，其中主食类不少于40％，肉蛋类不少于35％，油脂类不少于10％，蔬果类不少于10％。根据食物中碳水化合物、蛋白质、脂肪和膳食维生素占比，为各个饮食类别设置基础摄入系数r，其中，本实施例中，设置主食类的基础摄入系数r1=8，肉蛋类的基础摄入系数r2=6，油脂类的基础摄入系数r3=0.3，蔬果类基础摄入系数r4=4。
[0069]
考虑到产妇本身的体脂体重（bmi）情况，进行摄入热量调整，避免出现体重体脂负
担过重的情况，因此，根据用户a的体重体脂偏差系数μ
bmi
和基础摄入系数r，得到用户a的各饮食类别的基础配餐系数ar，具体计算方法为：
[0070]
主食类基础配餐系数ar1==0.6*1.84*0.6*8=0.99*10=6.6；其中e为自然常数。
[0071]
肉蛋类基础配餐系数ar2==5.9。
[0072]
油脂类基础配餐系数ar3==0.3。
[0073]
蔬果类基础配餐系数ar4==4。
[0074]
再根据得到的用户a的基础配餐系数ar，获得用户a的分类基础配餐份额aω，其中：
[0075]
主食类配餐份额aω1= weight(a)（kg）* ar1=80*7.9=632g；
[0076]
肉蛋类配餐份额aω2= weight(a)（kg）* ar2= 80*5.9=472g；
[0077]
油脂摄配餐份额aω3= weight(a)（kg）* ar
3 =80*0.3=24g；
[0078]
蔬果类配餐份额aω4= weight(a)（kg）* ar
4 =80*4=320g。
[0079]
所述康复项目模块根据基础配餐模块获得的用户a的基础配餐份额aω以及用户选择的康复项目k，进行康复项目k的配餐份额的计算。本实施例中，康复项目模块中能够选择的康复项目k包括k1产后塑形、k2伤口修复、k3通乳下奶、k4乳腺炎症调理、k5妊娠高血糖恢复和k6提高免疫力。其中，用户能够根据自身的需求对康复项目进行选择，用户选择项目后，康复项目模块对被选择的康复项目的项目特征的特征值进行获取，具体的，例如，用户选择康复项目为k2伤口修复时，k2伤口修复的项目特征包括k
2-1
撕裂等级、k
2-2
刀口长度等，选择k3通乳下奶时，项目特征包括k
3-1
每日产乳量、k
3-2
单次产乳量、k
3-3
奶阵次数，选择k4乳腺炎症调理项目时，项目特征包括k
4-1
心跳，k
4-2
体温，k
4-3
白细胞值等，选择k5妊娠高血糖恢复时，项目特征包括k
5-1
餐前血糖，k
5-2
餐后血糖，k
5-3
夜间血糖等。
[0080]
具体实施中，用户在页面上选择康复项目后，系统会提示用户记录对应的身体情况检测时间和数值，为提升数值精确度，也可以通过对系统定制配套的硬件设备进行对用户情况的实时采集，从而获得更精确的数据支持，例如配套的心跳检测设备，血糖检测设备等。
[0081]
根据用户选择的康复项目，例如，当用户a选择的康复项目为k3通乳下奶时，提示客户将每次产乳时间、产乳次数，产乳量以及奶阵量等项目信息进行详细记录。
[0082]
通过在预设时间t内获得的项目信息，获得用户a选择的康复项目的项目特征的特征值。例如，获得用户a在预设时间t（5月1日-5月3日内）项目信息的记录，根据项目信息得到用户a在5月1日的全日产乳量k
3-1
=300毫升，平均单次产乳量k
3-2
=30毫升，奶阵量k
3-3
=40毫升；5月2日的全日产乳量k
3-1
=400毫升，平均单次产乳量k
3-2
=50毫升，奶阵量k
3-3
=80毫升；5月3日的全日产乳量k
3-1
=350毫升，平均单次产乳量k
3-2
=40毫升，奶阵量k
3-3
=60毫升；
[0083]
将上述全日产乳量k
3-1
，平均单次产乳量k
3-2
，奶阵量k
3-3
放入训练好的svm模型进行分析，从而判断当前康复项目是否达标，svm算法如下：
[0084]
目标函数：
[0085][0085][0086]
其中 w和b是平面系数，代表样本的分类标记，=[-1,1]，则是训练样本；w为平面系数，当扩展到n维空间时，为n维向量如：w=[w1,w2,...,wn]，为w的转置,||w||是超平面的范数。
[0087]
由于svm目标函数假设数据线性可分，但实际上会存在噪声数据，因此加入松弛变量和惩罚参数,通过松弛变量增加模型容忍度：
[0088][0088][0088][0089]
其中，为惩罚系数，是松弛变量，由错分点到对应类别支持向量所在平面的距离表示，正确分类样本点的，惩罚项由所有的离群点所确定。该优化问题利用拉格朗日乘子法和kkt条件转化为对偶问题，并利用smo方法进行求解；其中为拉格朗日乘子；通过将该模型进行高维映射所得到的对偶问题形式为：
[0090][0090]
，
[0091]
本文所选的核函数为高斯函数：
[0092][0093]
使用svm分类器进行分析得出用户当前康复项目是否达标，-1为未达标，1为已达标。
[0094]
所述康复项目模块设置有每项康复项目的基础调整份额
△
ω；
[0095]
当康复项目达标时，进行以下步骤：
[0096]
根据用户a的基础配餐份额aω与康复项目“通乳下奶”的基础调整份额
△
ω，得到用户a的康复项目份额akω=aω+
△
ω。其中，康复项目“通乳下奶”的基础调整份额
△
ω的食物摄取用于摄取“通乳下奶”康复项目的主要营养素。例如，哺乳期产妇每日摄取能量约为2300kcal，其中产乳期三大营养素供能比为碳水化合物55%~65%，蛋白质15%~20%（优质蛋白2/3），脂肪20%~30%。其中蛋白质约50%~60％可转为乳蛋白，因乳汁中对白蛋白要求量多，蛋白质的摄取会直接影响乳汁量， 同时为提高乳汁的质量，应每天增加优质蛋白质摄入量，如鸡蛋、禽类、鱼类富含优质蛋白。另外，类脂质、不饱和脂肪酸对于中枢神经系统发育特别重要，而与婴儿的脑发育有密切关系，孕期储存的脂肪可为泌乳提供约三分之一的能量，另外的三分之二则需要由妈咪通过膳食来提供，应增加脂肪摄入量。另外，100ml乳汁中约含钙34mg，膳食钙不足一般不会影响乳汁中的钙，但会动用母体储存的钙，因此产妇每日总摄入钙量应不少于1200mg，以乳汁分泌和预防骨质软化，其中以虾皮、紫菜、牛奶、海带、芝麻酱为优选。另外，维生素的获取中，将铁与钙的权重为最高，铁是构成血液中血红蛋白的主要成分，由鸡蛋黄、猪血、动物肝、豆制品等食物中摄取。另外，需要还需要补充的维生素包括：维生素a：3000iu维生素b1：1.5mg维生素b2：1.7mg维生素b6：2mg维生素c：75mg维生
素d：400iu维生素e：30iu维生素k：80mcg钾3500mg钠为每日达标摄入量。
[0097]
根据上述营养指标，设置康复项目“通乳下奶”的基础调整份额
△
ω为：主食类调整份额
△
ω1=100g；肉蛋类调整份额
△
ω2=150g；油脂类调整份额
△
ω3=10g；蔬果类调整份额
△
ω4=150g。
[0098]
得到用户a的康复项目份额：
[0099]
主食类康复项目份额akω1= aω1+
△
ω1=632g+100g=732g；
[0100]
肉蛋类康复项目份额akω2= aω2+
△
ω2=472g+150g=622g；
[0101]
油脂类摄康复项目份额akω3= aω3+
△
ω
3 =24+10=34g；
[0102]
蔬果类康复项目份额akω4= aω4+
△
ω4=320g+150g=470g。
[0103]
根据对akω1、 akω2、 akω
3 、akω4四种食物摄入的份额，对用户的配餐进行推荐和指导，根据用户的需求，进行每日三餐或者多餐的推荐食谱。
[0104]
当康复项目未达标时，进行以下步骤：
[0105]
获得康复项目模块中k3通乳下奶的项目特征的达标阈值，本实施例中，设置全日产乳量的达标阈值pk
3-1
=400毫升，平均单次产乳量的达标阈值pk
3-2
=50毫升，奶阵量的达标阈值pk
3-3
=80毫升；
[0106]
根据记录的产乳时间和产乳次数得到用户a在预设时间t（5月1日-5月3日）内平均全日产乳量ak
3-1
=（300+400+350）/3=350毫升，平均单次产乳量ak
3-2
=(30+50+40) /3=40毫升，奶阵量ak
3-3
=（40+80+60）/3=60毫升；
[0107]
获得k3通乳下奶的三个项目特征k
3-1
、k
3-2 、k
3-3
的未达标差值
△k3-1 = ak
3-1
ꢀ‑ꢀ
pk
3-1 =400-350=50毫升，
△k3-2
= pk
3-2
ꢀ‑ꢀ
ak
3-2
=50-40=10毫升，
△k3-3
= ak
3-3
ꢀ‑ꢀ
pk
3-3
=80-60=20毫升；
[0108]
根据上述未达标差值
△k3-1
、
△k3-2
、
△k3-3
获得康复项目k3的差值调整比例θ=
△k3-1
/ pk
3-1
+
△k3-2 / pk
3-2
+
△k3-3 / pk
3-3
=50/400+10/50+20/80=0.58
[0109]
则得到调整份额
△
ω’的计算方法为：
△
ω’=（1+θ）
△
ω
[0110]
用户a的康复项目份额akω’=aω+
△
ω’，其中，调整份额的饮食分类包括：主食类调整份额
△
ω1’
=（1+0.58）*100=158g；肉蛋类调整份额
△
ω2’
=237g；油脂类调整份额
△
ω3’
=15.8g；蔬果类调整份额
△
ω4’
=237g；
[0111]
得到主食类康复项目份额akω1’
= aω1+
△
ω1’
=632g+158g =790g；
[0112]
肉蛋类康复项目份额akω2’
= aω2+
△
ω2’
=472g+237g=709g；
[0113]
油脂摄康复项目份额akω3’
= aω3+
△
ω3’ꢀ
=24+15.8=39.8g；
[0114]
蔬果类康复项目份额akω4’
= aω4+
△
ω4’
=320g+237g=557g。
[0115]
所述配餐建议模块根据akω1ꢀ’ꢀ
、akω2’ꢀ
、 akω3ꢀ’ꢀ
、akω4’
四种食物摄入的份额，对用户的配餐进行推荐和指导，根据用户的需求，进行每日三餐或者多餐的推荐食谱。
[0116]
另外，用户将每顿摄入的餐食内容和摄入水花时间添加到每日个人配餐库中，配餐调整模块根据用户已经摄入的餐食内容，对当日余下饮食配餐进行推荐。对超量的营养素进行提醒，并提出合理的弥补方案，对摄入不够的营养素进行提醒和补充餐食推荐。
[0117]
当用户选择两项或者两项以上康复项目时，需要考虑调理项目之间的相互关系，比如客户选择通乳下奶项目，同时又选择了调理血糖项目，此时需要将调理血糖项目的最高配餐额度作为最高额度，同时为了保证能够有一定的通乳下奶，需要将通乳下奶项目的
最低配餐额度作为最低额度。
[0118]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。

技术特征：
1.一种用于产后康复的智能营养配餐系统，其特征在于，包括数据库模块、基础配餐模块，康复项目模块、配餐建议模块以及配餐调整模块；所述数据库模块包括个人资料库、基础营养特征库、康复项目数据库和饮食数据库，其中，所述个人资料库用于存储用户的个人信息；所述基础营养特征库用于存储建立基础营养画像需要的基础特征，以及基础特征的特征值对应的基础特征系数；所述康复项目数据库用于存储康复项目、康复项目对应的康复特征，以及每项康复项目的基础调整份额；所述饮食数据库用于记录用户的饮食数据；所述基础配餐模块通过个人资料库中的个人信息，获得基础特征的特征值，根据基础特征的特征值获得对应的基础特征系数，设置基础摄入系数，通过基础摄入系数和基础特征系数获得基础配餐系数，通过基础配餐系数计算得到用户的基础配餐份额；所述康复项目模块对康复项目的项目特征的特征值进行获取，根据项目特征的特征值和康复项目的基础调整份额获得项目调整份额，通过基础配餐份额和项目调整份额获得康复项目份额；所述配餐建议模块根据获得的康复项目份额，推荐预设时间段内的配餐方案；所述配餐调整模块通过获取用户在预设时间段内的饮食数据和获得的康复项目份额，对配餐建议模块的配餐方案进行调整。2.如权利要求1所述的用于产后康复的智能营养配餐系统，其特征在于，基础配餐份额和康复项目份额包括主食类份额、肉蛋类份额、油脂类份额和蔬果类份额。3.如权利要求1所述的用于产后康复的智能营养配餐系统，其特征在于，所述基础特征包括体重体脂指数、年龄、产后时间和生产方式。4.如权利要求1所述的用于产后康复的智能营养配餐系统，其特征在于，康复项目模块中能够选择的康复项目包括产后塑形、伤口修复、通乳下奶、乳腺炎症调理、妊娠高血糖恢复和提高免疫力。5.如权利要求1所述的用于产后康复的智能营养配餐系统，其特征在于，使用配套的硬件设备对用户选择的康复项目的项目特征的特征值进行采集。6.如权利要求1所述的用于产后康复的智能营养配餐系统，其特征在于，康复项目模块包括项目达标检测模块，所述项目达标检测模块通过在预设时间内获得康复项目的项目特征的特征值，使用svm模型进行分析，判断用户在该康复项目是否达标，根据判断结果确定项目调整份额。7.一种饮食管理方法，其特征在于，包括以下步骤：s1，提供如权利要求1-6任一项所述的用于产后康复的智能营养配餐系统；s2，根据用户的基础特征的特征值获得对应的基础特征系数，设置基础摄入系数，根据基础摄入系数和基础特征系数，得到基础配餐份额;s3，根据用户选择的康复项目的项目特征的特征值，获得项目调整份额，通过用户的基础配餐份额和项目调整份额获得康复项目份额；s4，根据康复项目份额，获得预设时间段内的配餐方案；s5，通过获取用户在预设时间段内的饮食数据和获得的康复项目份额，对配餐方案进行调整。8.如权利要求7所述的饮食管理方法，其特征在于，在步骤s2中，设置用户a的基础特征
包括体重体脂指数bmi、年龄age、产后时间time和生产方式mode，分别获得基础特征的特征值bmi(a)、age (a)、time(a)、mode (a)对应的基础特征系数ω
bmi-a
、ω
age-a
、ω
time-a
、ω
mode-a
，得到用户a的基础特征系数总和；设置基础摄入系数r，获得基础配餐系数ar=，其中，μ
bmi
为体重体脂偏差系数，设置ω
bmi-0
为bmi的特征值为正常范围时对应的基础特征系数，μ
bmi
=ω
bmi-a
/ω
bmi-0
；获得用户a的基础配餐份额aω= weight(a) * ar；其中，weight(a)为用户a的体重。9.如权利要求8所述的饮食管理方法，其特征在于，在步骤s3中，系统中包括m个康复项目k，康复项目k=[k1，k2，k3，
…
，k
m
]，设置第i个康复项目k
i
的基础调整份额为
△
ω, 康复项目k
i
包括n个项目特征，其中第j个项目特征为k
i-j
,将n个项目特征的特征值放入训练好的svm模型进行分析，判断用户a在康复项目k
i
是否达标；当用户a在康复项目达标时，得到用户a的康复项目份额akω=aω+
△
ω；当康复项目未达标时，进行以下步骤：设置康复项目k
i
的第j个项目特征k
i-j
的达标阈值pk
i-j
；根据第j项目特征k
i-j
的特征值ak
i-j
，得到k
i-j
的未达标差值
△
k
i-j = ak
i-j
‑ꢀ
pk
i-j
；获得康复项目k
i
的差值调整比例θ=,则得到调整份额
△
ω
’ꢀ
=（1+θ）
△
ω得到用户a的康复项目份额akω’=aω+
△
ω’。10.如权利要求9所述的饮食管理方法，其特征在于，获得在预设时间t内获得的康复项目k
i
的所有n个项目特征的特征值的平均值放入训练好的svm模型进行分析，判断当前康复项目是否达标。

技术总结
本申请提供一种用于产后康复的智能营养配餐系统及饮食管理方法，本申请通过个人资料库中的个人信息，获得基础特征的特征值，根据基础特征的特征值获得基础特征系数，设置基础摄入系数，通过基础摄入系数和基础特征系数获得基础配餐系数，通过基础配餐系数计算得到用户的基础配餐份额；对康复项目的项目特征的特征值进行获取，根据项目特征的特征值和康复项目的基础调整份额获得项目调整份额，通过基础配餐份额和项目调整份额获得康复项目份额；根据获得的康复项目份额，推荐预设时间段内的配餐方案；获取用户在预设时间段内的饮食数据和获得的康复项目份额，对配餐建议模块的配餐方案进行调整。本申请提高了产后康复饮食管理的精确性。精确性。精确性。


技术研发人员：李利明 贺志晶
受保护的技术使用者：北京四海汇智科技有限公司
技术研发日：2023.07.06
技术公布日：2023/8/6