一种智能监测方法及系统

本发明涉及智能监测，具体涉及一种智能监测方法及系统。

背景技术：

1、随着现代生活节奏的加快，人们越来越重视饮食的健康和安全性。然而，传统饮食习惯中，食物的温度和食用频率往往被忽视，这两个因素却与多种健康问题密切相关，特别是食道癌等消化道疾病。食物温度过高会烫伤食道黏膜，长期如此可能诱发食道癌；而食用频率过快则可能导致消化不良、肥胖等健康问题。

2、传统的食物温度监测方法主要依赖于人的主观感受或使用温度计等工具进行测量，这些方法不仅操作繁琐，而且无法实现对食物温度的连续、实时监测。同时，对于吃饭频率的监测也主要依赖于个人的自我观察和记录，这种方式不仅耗时费力，而且容易受到主观因素的影响，导致数据不准确。

3、随着传感器技术和信息技术的发展，实时监测食物温度和吃饭频率成为可能。通过在餐具上集成温度传感器和频率测量装置，可以实现对食物温度和吃饭频率的实时、连续监测。然而，如何对获取的数据进行有效处理和分析，以提供科学的饮食建议，仍是一个亟待解决的问题。

技术实现思路

1、针对现有技术存在的不足，本发明提出一种智能监测方法及系统，用于解决上述技术问题。

2、第一方面，提供了一种智能监测方法及系统，包括获取食物温度数据及吃饭频率数据；对所述食物温度数据和所述吃饭频率数据进行预处理，获取预处理结果；对所述预处理结果采用机器学习进行训练，获取训练结果；根据所述训练结果，确定饮食方案。

3、进一步的，获取食物温度数据及吃饭频率数据，包括：

4、采用温度传感器和频率测量装置分别对食物温度和吃饭频率进行采集，获取食物温度数据及吃饭频率数据。

5、进一步的，对所述食物温度数据和所述吃饭频率数据进行预处理，获取预处理结果，包括：

6、对所述食物温度数据和所述吃饭频率数据进行数据清洗，获取数据清洗结果；

7、对所述数据清洗结果进行归一化处理，获取预处理结果。

8、进一步的，对所述预处理结果采用机器学习进行训练，获取训练结果，包括：

9、对所述预处理结果进行特征提取，获取提取结果；

10、根据所述提取结果，构建特征集；

11、对所述特征集采用线性回归算法进行训练，获取训练结果。

12、进一步的，所述提取结果包括：食物温度变化率、吃饭频率、特殊日期、季节和气温变化。

13、进一步的，所述线性回归算法的计算公式包括：

14、[y＝beta_0+beta_1x_1+beta_2x_2+ldots+beta_n x_n]，

15、其中，(y)是目标变量(吃饭次数或热量摄入量)，(beta_0)是截距，(beta_1,beta_2,ldots,beta_n)是回归系数，对应于每个特征(x_1,x_2,ldots,x_n)。

16、进一步的，根据所述训练结果，生成饮食方案，包括：

17、对所述训练结果采用聚类算法进行聚类分析，获取饮食行为模式；

18、根据所述饮食行为模式，确定饮食方案。

19、第二方面，提供了一种智能监测系统，其特征在于，基于上文任意一项所述的一种智能监测方法，包括：

20、探测器、温度传感器、频率测量装置、时间监测装置、控制器、蓝牙模块及终端；

21、所述温度传感器、频率测量装置、时间监测装置、控制器和蓝牙模块均设于所述探测器内；

22、所述控制器分别与所述探测器、温度传感器、频率测量装置、时间监测装置和蓝牙模块电连接；

23、所述探测器用于探测接触物体；

24、所述温度传感器用于实时监测探测器所接触物体的温度，并将温度数据发送给所述控制器；

25、所述频率测量装置用于监测使用者的吃饭频率，并将频率数据发送给所述控制器；

26、所述时间监测装置用于记录使用者的吃饭时间，并将时间数据发送给所述控制器；

27、所述控制器接收来自温度传感器、频率测量装置和时间监测装置的数据，并对这些数据进行分析和处理；

28、所述终端通过蓝牙模块与所述控制器信号连接。

29、进一步的，还包括：

30、电源模块，所述电源模块设于所述探测器内，所述电源模块分别与所述探测器、温度传感器、频率测量装置、控制器、显示器和蓝牙模块电连接。

31、采用上述技术方案的发明，具有如下优点：

32、本发明通过设置探测器、温度传感器和频率测量装置，同时配有相关的终端；可实时监测使用者食用食物的温度与食用频率，再通过控制器对监测数据进行处理和分析并发送给终端，从而推送警示报告与安全饮食报告，能够更加科学地提供健康监管饮食建议，一定程度上可以预防饮食过程中的食道癌等风险。

1.一种智能监测方法，其特征在于，包括：

2.根据权利要求1所述的一种智能监测方法，其特征在于，获取食物温度数据及吃饭频率数据，包括：

3.根据权利要求1所述的一种智能监测方法，其特征在于，对所述食物温度数据和所述吃饭频率数据进行预处理，获取预处理结果，包括：

4.根据权利要求1所述的一种智能监测方法，其特征在于，对所述预处理结果采用机器学习进行训练，获取训练结果，包括：

5.根据权利要求4所述的一种智能监测方法，其特征在于，所述提取结果包括：食物温度变化率、吃饭频率、特殊日期、季节和气温变化。

6.根据权利要求4所述的一种智能监测方法，其特征在于，所述线性回归算法的计算公式包括：

7.根据权利要求1所述的一种智能监测方法，其特征在于，根据所述训练结果，生成饮食方案，包括：

8.一种智能监测系统，其特征在于，基于权利要求1至7任意一项所述的一种智能监测方法，包括：

9.根据权利要求8所述的一种智能监测系统，其特征在于，还包括：