买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学申请的专利基于多模态食物数据的体重预测系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119761170B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411669074.4，技术领域涉及：G06F30/27；该发明授权基于多模态食物数据的体重预测系统是由陈静静;桂引暄;朱斌;张志明设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本基于多模态食物数据的体重预测系统在说明书摘要公布了：本发明属于健康管理技术领域，具体为一种基于多模态食物数据的体重预测系统。本发明体重预测系统包括基于CLIP的统一饮食特征学习模块、时序预测模型、饮食‑体重损失计算模块。本发明通过探究饮食摄入对体重预测的影响，利用短期内的体重变化和饮食记录预测未来体重的变化趋势。本发明先通过饮食特征学习模块提取历史食物数据的统一特征，之后将该特征和历史体重变化序列拼接后，作为时序预测模型的输入；通过饮食‑体重损失训练饮食特征学习模块和时序预测模型，建立饮食摄入和体重变化的联系。本发明系统对体重预测，准确性高、适应性强；可以应用在健康和医疗领域，进行个性化健康管理。

本发明授权基于多模态食物数据的体重预测系统在权利要求书中公布了：1.一种基于多模态食物数据的体重预测系统，其特征在于，是基于计算机视觉和时序预测技术的，包括以下模块： 1基于CLIP模型的统一饮食特征学习模块，以下简称饮食特征学习模块，用于从食物图片或者食物原料标注中得到一餐的饮食特征；饮食特征学习模块包含一个经过预训练的CLIP编码器和一个多层感知机；首先，将一餐的多张图片或多个原料文本作为输入送入CLIP编码器，得到每张图片或每个文本对应的特征，再将所有特征计算平均，并送入多层感知机，进一步融合提取到最后的饮食特征； 2时序预测模型，用于从历史时间序列预测未来时间序列，得到预测结果； 具体地，在得到多天的饮食特征之后，和对应天的体重值进行拼接，送入时序预测模型，得到未来多天的预测结果； 3饮食-体重损失计算模块，用于对饮食特征学习模块以及时序预测模型进行训练，训练过程中固定CLIP模型，计算模型训练过程中损失，使得模型学习膳食和体重变化的关系，从而进行准确的体重预测； 所述饮食特征学习模块提取食物特征的过程为： 假设历史L天的食物信息为： 其中，Breakfastt，Luncht和Suppert为第t天早餐、中餐和晚餐的食物信息；若食物信息为食物图片，早、中、晚餐的食物信息分别表示为： 其中，Nb，Nl和Ns分别为三餐图片数量；若食物信息为原料文本，早、中、晚餐的食物信息分别表示为： 其中，Nb，Nl和Ns分别为三餐原料文本数量； 对于食物信息输入，三餐的形式需一致，即全部为图片或者全部为文本； 对于早餐食物图片，提取一餐的食物特征的具体流程如下： 1将Breakfastt输入CLIP模型，得到每一张图片的特征En，表示为： En＝CLIPEncoderimgn，1 2将Nb张图片的特征平均： 3将平均后的特征输入到多层感知机MLP中，得到第t天的早餐特征bt： 同样的，可以得到第t天的午餐特征lt和晚餐特征st； 同理，可以得到以文本为输入信息的第t天的三餐的特征； 所述时序预测模型预测未来一段时间的体重和体重变化，具体流程如下： 1假设历史L天的体重序列为其中，wt表示第t天的体重值；拼接历史L天的食物特征和体重，得到时序模型的输入，表示为： 2将X输入时序预测模型M，得到输出表示为： 其中，和是从早餐、午餐、晚餐和体重预测的体重值，M是时序预测模型； 所述饮食-体重损失计算模块，用于建模体重和食物摄入的关系，具体包括： 1计算饮食损失Ldiet： 其中，Δt为第t天的体重变化值：Δt＝wt-wt-1； 2计算体重损失Lweight: 3结合饮食损失和体重损失，构成饮食-体重损失： L＝λLweight+1-λLdiet，8 其中，λ为超参数，λ∈[0,1]。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。