首页 > 资讯 > 基于人工智能的健康膳食营养搭配指导平台的制作方法

基于人工智能的健康膳食营养搭配指导平台的制作方法

泰然健康网
2025-06-28 09:33

本发明涉及膳食营养搭配，特别涉及基于人工智能的健康膳食营养搭配指导平台。

背景技术：

1、在现代社会，随着生活水平的提高和饮食结构的变化，肥胖问题逐渐成为全球性的公共健康问题；减肥，作为应对肥胖及其相关健康问题的重要手段，受到了越来越多人的关注，肥胖人群需要通过健康膳食来进行减肥。

2、现有的基于人工智能的健康膳食营养搭配指导平台虽然在一定程度上提供了解决方案，但仍存在若干不足之处：

3、平台根据用户的个人信息和饮食习惯偏好提供个性化的健康膳食搭配计划，但在实施过程中不能根据用户在不同阶段的体重变化情况，动态调整膳食计划，确保减肥效果的持续性和稳定性；

4、此外，现有的指导平台在用户需要与专业营养师进行远程沟通时智能化程度较低，不能从各专业营养师的用户评估、等待时长以及从业经验各方面进行全面评估，从而向用户推送当前时间点最佳的专业营养师并选取。

5、为此，推出基于人工智能的健康膳食营养搭配指导平台。

技术实现思路

1、有鉴于此，本发明提供基于人工智能的健康膳食营养搭配指导平台，以解决上述背景技术提出的问题。

2、本发明的目的可以通过以下技术方案实现：基于人工智能的健康膳食营养搭配指导平台，包括：

3、信息采集模块：用户创建账号并输入个人信息和饮食习惯偏好；将用户所输入的个人信息和饮食习惯偏好整合成用户的综合数据包并发送至计划生成模块；

4、计划生成模块：接收用户的综合数据包，并进行解析和评估，由此生成用户所对应的各组膳食搭配计划；将用户生成的各组膳食搭配计划发送至用户交互模块；其中各组膳食搭配计划内还包括用户实施对应膳食搭配计划后到达理想减肥体重的所需预估时长；

5、用户交互模块：接收用户所生成的各组膳食搭配计划并发送给用户，用户接收各组膳食搭配计划并选取所需实施的膳食搭配计划；

6、观察评估模块：获取用户所需实施的膳食搭配计划，并从中提取该膳食搭配计划所对应的所需预估时长，根据该组所需预估时长的时长范围，将所需预估时长划分为x个观察子时区；x为划分观察子时区的总数；在到达划分的观察子时区时，基于用户反馈的结果，从而相应的对实施的膳食搭配计划进行调整；

7、专家咨询模块：用户在触发咨询信令时，对当前时间点各专家的询优值ft进行分析，基于各专家的询优值ft排序结果向用户进行推送，用户在选取对应专家后，与该专家建立远程通信连接。

8、在一些实施例中，接收用户的综合数据包，并进行解析和评估，由此生成用户所对应的各组膳食搭配计划，具体为：

9、首先从用户的个人信息中提取性别、体重、身高以及年龄，并由此计算该用户的基础代谢率；

10、同时获取用户在近一周内的总运动量，预设总运动量所对应的各组运动量取值范围，设定每组运动量取值范围分别对应一个活动水平系数，将用户在近一周内的总运动量与预设的各组运动量取值范围进行匹配，从而得到用户的活动水平系数；

11、将用户的基础代谢率和活动水平系数相乘，从而得到用户每天的预估能量消耗；从用户的个人信息中提取用户的体重和理想减肥目标，并进行差值计算得到用户的减肥量；根据用户的减肥量和预估能量消耗，生成用户所对应的各组膳食搭配计划；

12、将用户的减肥量和预估能量消耗输入预先构建的数据库内，从而得到用户在当前时间点的各组膳食搭配计划；数据库内包括有各组预设的减肥量取值范围，且每组预设的减肥量取值范围分别对应多组预估能量消耗取值范围，设定每组预估能源消耗取值范围分别对应多组膳食搭配计划。

13、在一些实施例中，在到达划分的观察子时区时，基于用户反馈的结果进行分析，具体为：

14、设定用户在到达每个观察子时区时的预估体重范围，若用户在到达某一观察子时区时所检测的体重高于对应设定的预估体重范围，则触发评估信令并发送给用户；

15、用户接收触发的评估信令后进行确认，提取用户在当前观察子时区内的体重和预估体重范围内的最高值，并进行差值的计算，得到用户在当前观察子时区的减肥距离量；

16、预设减肥距离量的各组距离量取值范围，设定每组距离量取值范围分别对应一个附加系数；将用户在当前观察子时区的减肥距离量与预设的各组距离量取值范围进行匹配，从而得到附加系数。

17、在一些实施例中，在到达划分的观察子时区时，基于用户反馈的结果进行分析，还包括：

18、构建用户在当前观察子时区内各时间点的体重变化趋势图，绘制当前观察子时区内各时间点用户体重数值对应在体重变化趋势图内的数值点，连接相邻数值点得到体重线；

19、计算每条体重线的斜率以及与水平线的夹角，若某一条体重线与水平线的夹角为锐角，则将该条体重线的斜率标记为减重斜率，若某一条体重线与水平线的夹角为钝角，则将该条体重线的斜率标记为反弹斜率；

20、分别对所有的减重斜率和反弹斜率进行求和，由此得到用户在当前观察子时区内的减重总值和反弹总值；通过减重总值/反弹总值进行计算，得到用户在当前观察子时区内的减肥状态值；

21、通过计算的减肥状态值判定用户在当前观察子时区的减肥趋势，若减肥状态值大于1，则判定用户的减肥状态为体重逐步下降趋势，若减肥状态值小于1，则判定用户的减肥状态为体重过多反弹趋势。

22、在一些实施例中，相应的对实施的膳食搭配计划进行调整，具体为：

23、设定体重逐步下降趋势和体重过多反弹趋势分别对应一个调整系数；提取用户所实施的膳食搭配计划，提取膳食搭配计划中每日摄入的热量并与附加系数和调整系数相乘，即每日摄入热量×附加系数×调整系数，得到调整后每日摄入的热量，并推送膳食搭配计划中的可替代食物给用户，用户选取完成后，从而使膳食搭配计划中每日摄入的热量与调整后每日摄入的热量相同；

24、并将调整后的膳食搭配计划作为用户在下一观察子时区内所暂时实施的膳食搭配计划。

25、在一些实施例中，对当前时间点各专家的询优值ft进行分析，具体为：

26、获取当前时间点处于在线状态的各位专家，将处于在线状态的各位专家作为用户在当前时间点的候选专家；

27、统计各候选专家的待连线用户数量，并作为各候选专家的等待指数s1；从各候选专家的历史数据中提取服务用户数量、从业年限以及用户评价；将各候选专家的服务用户数量和从业年限根据预设的转换规则分别进行经验评分的转换；预设服务用户数量对应经验评分和从业年限对应经验评分的权重系数；

28、将各候选专家服务用户数量对应经验评分和从业年限对应经验评分分别与对应预设的权重系数相乘，然后求和得到各候选专家的经验指数s2；

29、获取各候选专家的各组用户评价；并对各候选专家的各组用户评分进行均值的计算，从而得到各候选专家的服务指数s3；

30、利用公式，对各候选专家的等待指数s1、经验指数s2以及服务指数s3进行加权计算，从而得到各候选专家的询优值ft；其中 ei、zi以及qi分别为等待指数s1、经验指数s2以及服务指数s3的影响权重因子；其中i=1,2或3，并分别计算出在不同影响权重因子下各候选专家的询优值ft。

31、在一些实施例中，将各候选专家的服务用户数量和从业年限根据预设的转换规则分别进行经验评分的转换，具体为：

32、分别预设服务用户数量和从业年限所对应的数量取值范围和年限取值范围，设定每组数量取值范围和年限取值范围分别对应一组经验评分；将各候选专家的服务用户数量和从业年限分别与对应的数量取值范围和年限取值范围进行匹配，从而得到各候选专家服务用户数量和从业年限所分别对应的经验评分。

33、在一些实施例中，基于各专家的询优值ft排序结果向用户进行推送，具体为：基于各候选专家的询优值ft，进行从大到小的排序，选取在i=1时询优值最大的候选专家、i=2时询优值最大的候选专家以及i=3时询优值最大的候选专家，整合为推荐专家阵容并推送至用户，用户在选取对应专家后，该专家的待连线用户数量和服务用户数量加一。

34、与现有技术相比，本发明的有益效果是：

35、本发明通过获取用户所需实施的膳食搭配计划，并从中提取该膳食搭配计划所对应的所需预估时长，根据该组所需预估时长的时长范围，将所需预估时长划分为x个观察子时区，在到达划分的观察子时区时，分析用户在当前观察子时区内的体重变化情况，并对实施的膳食搭配计划进行调整，并将调整后的膳食搭配计划作为用户在下一观察子时区内所暂时实施的膳食搭配计划，实现对膳食搭配计划的动态调整，保证用户在实施过程中减肥效果的持续性和稳定性；

36、本发明通过用户在触发咨询信令时，实时分析在线专家的相关指标并得到各专家的询优值，能够更有效地为用户推荐合适的专家，提高服务效率和互动性，实现智能化的分析和匹配，不仅提高了服务效率和用户满意度，还有助于平台的长期发展和生态建设。