(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211044629.7 (22)申请日 2022.08.30 (65)同一申请的已公布的文献号 申请公布号 CN 115115147 A (43)申请公布日 2022.09.27 (73)专利权人 深圳鸿博智成科技有限公司 地址 518000 广东省深圳市龙华区大浪街 道浪口社区华霆路381号C 栋2层 (72)发明人 罗红艳　曾志成　 (74)专利代理 机构 北京华际知识产权代理有限 公司 11676 专利代理师 施欢权 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/12(2012.01)G06Q 50/30(2012.01) G06F 16/25(2019.01) (56)对比文件 CN 113688719 A,2021.1 1.23 CN 112527902 A,2021.0 3.19 CN 113821731 A,2021.12.21 CN 114254784 A,202 2.03.29 CN 112749866 A,2021.0 5.04 CN 113848885 A,2021.12.28 审查员 李晓晖 (54)发明名称 一种基于人工智能的营养餐运输管理系统 及方法 (57)摘要 本发明公开了一种基于人工智能的营养餐 运输管理系统及方法， 包括历史数据库建立模块 用于建立餐厅窗口和就餐者之间由送餐机器人 构建的相关数据； 路线偏差指数分析模块用于分 析理想运输路线和实际运输 路线的偏差指数； 数 据库划分模块基于偏差指数对历史数据库进一 步的划分； 干扰因素分析模型建立模块分析干扰 因素并建立 分析模型； 适配优先级分析模块分析 不同干扰因素分析模型对应的偏差指数并建立 适配优先级； 第一理想运输 路线选择模块用于实 时获取就餐者的相关数据并进行匹配对应的运 输路线； 路线完善分析模块， 基于第一理想运输 路线和第一实际运输路线， 返回分析实时偏差指 数， 并存储到对应数据库中。 权利要求书4页 说明书9页 附图1页 CN 115115147 B 2022.12.02 CN 115115147 B 1.一种基于人工智能的营养餐运输管理方法， 其特 征在于， 包括以下步骤： 步骤S1： 获取餐厅内的座位分布图， 每个座位上设置供有就餐者扫码点餐的信息码， 所 述信息码与餐厅内各窗口的点单系统以及送餐机器人之 间建立通信连接； 获取点单系统中 历史数据库， 所述历史数据包括就餐者点餐的时间、 点餐的位置、 点餐的内容以及送餐机器 人的理想运输路线和实际运输路线； 所述理想运输路线是指 基于就餐者的点餐时间建立的 点餐的位置和餐品对应窗口位置之 间的单一路线； 所示 实际运输路线 是指在实际送餐过程 中考虑干扰因素分析后的实际路线； 步骤S2： 提取历史数据库中同一窗口对应同一座位的理想运输路线和实际运输路线； 分析理想运输路线和实际运输路线的偏差指数， 并存储建立常规运输数据库和差异 运输数 据库； 所述常规运输数据库用于存储理想运输路线与实际运输路线的偏差指数小于预设偏 差阈值时对应的历史数据， 所述差异运输数据库用于存储理想运输路线与实际运输路线的 偏差指数 大于等于预设偏差阈值时对应的历史数据； 所述分析理想运输路线和实际运输路线的偏差指数， 包括以下步骤： 获取第i个窗口对应第j个座位的理想运输路线Iij和实际运输路线Pij， 以及理想运输 路线Iij对应送到第j个座位的运输时长t1ij和实际运输路线Pij对应送到第j个座位的运 输时长t2ij； 利用公式： 计算第i个窗口对应第j个座位 的运输时长偏差指数Tij； 其中max[t2ij ‑t1ij]表示获 取的理想运输路线和实际运输路线中运输时长 差值的最大值； 获取理想运输路线Iij中路径拐点个数N(Iij)和相邻路径拐点间的直线距离L(Iij)， 以及理想运输路线Iij对应实际运输路线Pij中的路径拐点个数N(Pij)和相邻路径拐点间 的直线距离L(Pij)； 利用公式： 计算第i个窗口对应第j个座位的路径拐点偏差指数Gij； 其中j≤mi， mi表示第i个窗口 对应的座 位总个数； 则第i个窗口对应第j个座位的偏差指数为Yij=a*Tij+b*Gij， 其中a为运输时长偏差指 数对应的参 考系数， b为路径拐点偏差指数对应的参 考系数， a+b=1； 步骤S3： 基于差异运输数据库， 建立干扰因素的分析模型； 所述干扰因素包括关联时 间、 行径路况和餐品类别； 步骤S4： 根据所述干扰因素的分析模型， 将干扰因素对应存储的实际运输路线按照干 扰因素进行对应标注； 并计算不同干扰因素对应分析模型 的偏差指数， 建立偏差指数所对 应干扰因素的适配优先级； 步骤S5： 实时获取就餐者点餐的相关数据， 并根据所述相关数据与适配优先级中的干 扰因素进行匹配， 选择干扰因素对应已标注的运输路线为该就餐者的第一理想运输路线； 步骤S6： 基于实时就餐者的第一理想运输路线， 获取第一实际运输路线； 返回步骤S2判权　利　要　求　书 1/4 页 2 CN 115115147 B 2断第一实际运输路线与第一理想运输路线的实时偏差指数， 若实时偏差指数小于预设偏差 阈值， 则存储常规运输数据库中， 若实时偏差指数大于等于预设偏差阈值， 则存储差异 运输 数据库中。 2.根据权利要求1所述的一种基于人工智能的营养餐运输管理方法， 其特征在于： 所述 基于差异运输数据库， 建立干扰因素的分析模型， 包括以下 具体步骤： 基于差异数据库中的历史数据建立第i个窗口第j个座位的关联 时间数据对(cij,dij, eij)， 其中cij表示第i个窗口第j个座位对应就餐者的点餐时间， dij表示第i个窗口第j个 座位对应就餐者点餐餐品所需的理想等待时间， eij表示第i个窗口第j个座位送餐机器人 开始运输餐品的理想时间； 获取第i个窗口第j个座 位的实际送餐时间Eij， 计算时间差值|Eij ‑eij|； 若时间差值大于等于预设时间差值阈值， 设该第 i个窗口第j个座位对应的关联时间数 据对为目标关联时间数据对， 获取关联时间数据对(cij,dij,eij)中除目标关联时间数据 对以外的关联时间数据对为待分析关联时间数据对， 提取待分析关联时间数据对中相似度 大于关联时间数据对阈值的个数 K； 构成关联时间的分析模型|Eij ‑eij|/K=|Eij ’ ‑eij’|/K’， 其中Eij ’表示实时监测的第 i个窗口第 j个座位的实际送餐时间， eij ’表示实时监测第i个窗口第 j个座位的送餐机器人 开始运输餐品的理想时间， K ’表示实时监测待分析关联时间数据对中相似度大于 关联时间 数据对阈值的个数。 3.根据权利要求2所述的一种基于人工智能的营养餐运输管理方法， 其特征在于： 所述 基于差异运输数据库， 建立干扰因素的分析模型， 还 包括以下 具体步骤： 若时间差值小于预设时间差值阈值， 获取差异运输数据库的历史数据中实际运输路线 中送餐机器人捕捉的实时图像， 提取实际运输路线中拐点前后的实时图像作为对比图像集 {u1,u2}， 其中u1表 示实际运输 路线中出现拐点前的实时图像， u2表 示实际运输 路线中出现 拐点后的实时图像； 比较u1实时 图像中的人像密度pu1和u2 实时图像中的人像密度pu2， 所述人像密度为实 时图像中人像对应实时图像中的大小与整体实时图像的比例； 计算人像密度差值p0=|p u1‑ pu2|， 并提取实际运输路线中所有满足人像密度差值大于等于预设密度阈值时对应的高密 度图像集 合， 所述高密度图像集 合为pu1和pu2中最大值对应的图像集 合； 提取高密度图像集合 中各图像的人像个数R， 设定行径路况分析模型： [Rmin,Rmax]， 其 中Rmin为高密度图像集合中人像个数的最小值， Rmax为高密度图像集合中人像个数的最大 值。 4.根据权利要求3所述的一种基于人工智能的营养餐运输管理方法， 其特征在于： 所述 基于差异运输数据库， 建立干扰因素的分析模型， 还 包括以下 具体步骤： 若实际运输路线中人像密度差值小于预设密度阈值 时， 提取差异运输数据库的历史数 据中实际运输路线对应点餐的内容， 建立点餐内容与运输时长的内容关系对 （f →g） ， 提取 同一运输路线中点餐内容存在类别差异的内容关系对并对其进行分类， 记作第一类别内容 关系对 （f1 →g1） 和第二类别内容关系对 （f2 →g2） ， 所述第一类别内容关系对 是指点餐内容 包含汤水 的点餐内容， 所述第二类别内容关系对是指点餐内容不包含汤水 的点餐内容； 利 用公式：权　利　要　求　书 2/4 页 3 CN 115115147 B 3