SCI论文（www.lunwensci.com）
摘 要 ：随着人们对健康问题的关注度不断提升,用户对健康有着多样化的需求。本文设计了一款健康饮食外卖应用,该 应用基于微信小程序框架采用 MVC 模式进行设计与开发,使用 ResNet 神经网络模型和 PaddleJS 工具实现了菜品图像识别功 能,能够识别各类菜品。此外,本文基于协同过滤算法,根据用户的行为习惯和偏好,提供个性化美食推荐服务。该小程序运 行正常,功能与设计要求相符,能够为用户提供健康饮食方案与服务。
关键词：健康饮食,微信小程序,菜品图像识别,协同过滤算法
Design and Implementation of "Light Health" WeChat Applet
WU Siyuan1. CAO Zhanhui2. HUANG Zhihao3. YANG Yingjie2. LV Wenji1. LIAO Yongkang1
(1.School of Mathematics and Computer, Guangdong Ocean University, Zhanjiang Guangdong 524088;2.School
of Food Science and Technology, Guangdong Ocean University, Zhanjiang Guangdong 524088;3.School of Naval
Architecture and Shipping , Guangdong Ocean University, Zhanjiang Guangdong 524088)
【Abstract】：As people's attention to health issues continues to increase, users have diverse needs for health. This paper designs a healthy food delivery application. The application is designed and developed based on the wechat mini program framework using the MVC pattern, and the ResNet neural network model and PaddleJS tools are used to realize the image recognition function of dishes, which can identify all kinds of dishes. In addition, based on collaborative filtering algorithm, this paper provides personalized food recommendation service according to users' behavior habits and preferences. The small program runs normally, the function is consistent with the design requirements, and can provide users with healthy diet programs and services.
【Key words】：health diet;WeChat mini program;dish image recognition;collaborative filtering algorithm
引言
近年来,随着我国国民经济的快速增长,人们对健康 问题的关注度不断提升,我国轻食消费规模逐年上涨 [1], 健康餐饮行业发展前景巨大。在移动互联网概念推动 下, O2O 电商模式飞速发展 [2]。然而,市场上的外卖产 业生态仍有待完善,如外卖软件使用复杂、缺乏个性化 的健康餐饮、食品营养结构不均衡等问题亟待解决 [3]。 因此,本文开发了一款以健康营养为核心理念的生态型 赋能外卖小程序平台—轻享健康,该小程序旨在填补健 康外卖产品的缺口,提升用户体验,满足用户对健康的多样化需求。
1 开发技术
1.1 微信小程序框架
微信小程序框架 [4] 是一种基于微信平台开发的应用 程序框架,它提供了一套完整的开发工具和开发文档, 具备高效的开发框架和 API,减少了开发和维护成本。 在本文中,基于微信小程序框架下,使用微信开发者工 具实现前端页面功能。
1.2 图像识别算法
图像识别 [5] 算法是一种基于深度学习的计算机视觉技术,其目标是通过使用算法自动识别输入图像中的对 象或特征。本文中, 基于 Pytorch 框架 [6] 构建并训练 ResNet 残差神经网络模型 [7],通过优化调整超参数并 利用数据增强等技术处理数据,完成菜品图像识别模型 的训练。
1.3 PaddleJS 工具
PaddleJS 是由百度飞桨 [8] 团队开发的基于 Web 技 术的深度学习前端部署工具,它可以将经过训练的深度 学习模型转换为前端JavaScript 模型,在浏览器和移动 设备上运行,以此高效地构建交互式数据驱动的深度学 习应用程序,本文将借助该工具实现菜品图像识别功能。
2 功能需求分析
2.1 总体功能分析
本文基于健康饮食的理念,开展了相关功能的设 计,其功能模块涵盖了功能性服务和交互性服务,以满 足消费者和商家的需求,将平台打造成生态型服务产 品,本系统总体功能模块设计如图 1 所示。
2.2 功能性服务分析
(1) DIY 菜篮功能。用户可以根据需求,点击添加搭 配食物种类、数量等,并将其加入到购物车中进行结算。
(2) 菜品识别功能。用户可以通过“图库上传”或 “直接拍照”的形式将图片上传到小程序, 可识别并获 取菜品的名称、热量和百度百科链接。
(3)个性化定制推荐套餐功能。系统提供丰富的套 餐组合,综合考虑各种膳食营养素的比例,根据用户的 体重等不同特征,为其定制出营养均衡膳食套餐。
2.3 交互性服务分析
(1)美食推荐功能。基于用户的行为习惯和偏好,通过算法为用户提供美食推荐服务,帮助用户发现新的 美食。
(2) 美食直播功能。商家可以进行美食直播, 提供 美食知识、烹调技巧等相关内容的直播活动,以打造“阳光厨房”与用户分享烹饪的乐趣。
(3)美食论坛功能。商家可以邀请美食博主试吃美 食,评价用餐体验,用户们可以讨论互动。
3 系统设计
3.1 微信小程序架构设计
对于小程序的开发,基于微信小程序框架,采用 MVC (Model-View-Controller) 的架构模式进行组织和设计, 使用JavaScript、WXML 和 WXSS 语言开发前端界面, 使用Java、PHP 作为后台开发语言,使用 MySQL 作为 数据库保存数据信息。
在 MVC 模式中,视图层 (View) 负责展示用户界 面,并通过微信小程序框架提供的组件和 API 与用户进 行交互。控制层 (Controller) 负责处理用户交互和业务 逻辑,包括接收用户输入、调用数据层 (Model) 进行数 据处理和更新 View 的显示。Model 负责数据地获取、 处理和存储。同时,微信小程序框架已经提供了一些 默认的 MVC 功能,如控制层的 JS 逻辑文件、模型层 的 App 实例等。因此,在基于微信小程序框架下使用 MVC 架构时,可以更方便地实现。
3.2 菜品图像识别设计
本文基于 ResNet 残差神经网络模型和 PaddleJS 工具实现了菜品图像识别功能,对拍摄的菜品图片进行 分析和处理,从而精准识别出菜品的名称,实现过程如 图 2 所示。
在图像识别模型方面,使用 ResNet 神经网络模 型,其网络结构由多个残差块组成,每个残差块内部包 含了跳跃连接 (Shortcut Connection), 允许信息在同 一层级中跨越直接传递,以此缓解了深层神经网络训练中的梯度问题,能够轻松增加网络深度而不影响性能。 此外, ResNet 还包含一个全局平均池化层将特征图转 换为向量表示,最终通过 Softmax 层来完成分类任务。
在模型部署方面基于 PaddleJS 工具实现部署,先 将训练好的神经网络模型使用 PaddleJS-converter 将 其变成浏览器友好的模型供在线推理预测使用,而无需 后台服务器的支持, 转化完成后, 将 PaddleJS 引入注 册至小程序中,进行初始化加载模型数据。当用户上传 数据时, 会调用 PaddleJS-mediapipe 模块对数据流进 行预处理,最终在注册的 Backend 环境通过神经网络 层层计算得出推理结果。
3.3 美食推荐算法设计
本系统设计并实现了基于协同过滤推荐算法 [9] 的美 食推荐功能,协同过滤推荐算法是一种基于用户历史行 为数据的推荐算法。在评分预测阶段,首先根据所有用 户的历史行为数据构建一个用户—物品矩阵 M,其中该 矩阵中的每个元素 M(i,j) 表示用户i 对物品j 的评分情 况。对于给定的目标用户 u 和物品 k,通过加权平均的 方式, 根据与目标用户 u 相似的其他用户对物品 i 的评 分情况来预测目标用户 u 对物品 k 的评分值,如式(1) 所示 ：
其中, S(u,v) 表示用户 u 和 v 之间的相似度, R(v,k) 表示用户 v 对物品 k 的评分值。在推荐结果生成阶段, 需要根据目标用户 u 的历史评价记录和评分预测结果, 确定一组最可能会被目标用户 u 感兴趣的物品集合P,如 式(2)所示 ：
其中, T 是一个阈值参数,用来过滤掉低分或不合 适的物品,以提高推荐结果的质量和准确性。在保证推荐结果的多样性和覆盖率的情况下,将生成的推荐列表 呈现给目标用户 u。
4 核心功能实现
4.1 主页面
小程序界面整体设计风格简洁,避免过多繁杂的 元素和干扰,扁平化设计突出信息的传达效果。使用 WXML 语言编写小程序的骨架结构,再使用 WXSS 语 言为其骨架组件添加颜色、位置等样式。使用 JS 实现 动态效果和数据渲染,如使用 wx.navigateTo() 方法实 现页面之间的跳转, 使用 wx.request() 方法向后台发 送请求获取数据信息。如图 3 所示,主界面功能模块有 “推荐”“菜谱”“菜品识别”等模块。
4.2 菜品识别
在该模块中, 点击上传食物, 使用wx.chooseImage() 调用本地相册,上传完成后图片会显示在该页面。点击 识别菜品调用 PaddleJS 图像识别在线推理引擎,结果 如图 4 所示,可返回获取菜品的名称、热量和置信度, 点击查看百科即可进行网页跳转至百度百科。
4.3 美食推荐
基于协同过滤推荐算法,为用户提供美食推荐服务,收集美食相关数据并存储在后端自建数据库中。在 推荐页面中,轮播图中定时更新“今日推荐”,根据用 户的行为习惯和偏好建立用户—物品矩阵,进行协同过 滤计算从而实时推荐美食,如图 5 所示,点击相关图片 即可进入食物详细页面进行查看。
5 结语
本文通过分析用户对于健康餐饮服务的需求,设计 了一款以健康营养为核心理念的外卖小程序。小程序实 现了菜品图像识别功能,帮助用户更好地掌握菜品信 息,提供了美食推荐功能帮助用户发现美食,提供了个 性化的健康饮食套餐等服务功能,提升了用户体验。在 现阶段仍存在一些图像识别置信度较差、界面设计不够 美观等不足,后续将进一步优化算法模型、改进 UI 设 计等完善措施,旨在将健康营养饮食转为一种营养方案 和服务方式融入到用户生活中,为用户提供更好的服务。
参考文献
[1] 段丹,刘慧. “轻食”消费及其影响因素[J].食品安全导刊, 2021(22):114+116.
[2] 张文红.O2O模式下的餐饮外卖行业分析研究[J].农村经济 与科技,2019.30(22):116-117.
[3] 李猛.餐饮外卖行业发展中存在的问题及其对策[J].现代食 品,2019(21):62-64+76.
[4] 刘宇豪,刘佳.基于微信小程序的健康饮食软件设计与实现 [J].电脑编程技巧与维护,2020(7):69-71.
[5] 闵巍庆,刘林虎,刘宇昕,等.食品图像识别方法综述[J].计算 机学报,2022.45(3):542-566.
[6] 黄玉萍,梁炜萱,肖祖环.基于TensorFlow和PyTorch的深度 学习框架对比分析[J].现代信息科技,2020.4(4):80-82+87.
[7] 王海燕,张渺,刘虎林,等.基于改进的ResNet网络的中餐图 像识别方法[J].陕西科技大学学报,2022.40(1):154-160.
[8] 陈玫玫,玄玉波,李兆玺,等.基于百度飞桨AI Studio的机器 学习教学新模式实践与探索[J].计算机教育,2021(9):46-50. [9] 熊聪聪,邓滢,史艳翠,等.基于协同过滤的美食推荐算法[J]. 计算机应用研究,2017.34(7):1985-1988.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/64817.html
