TWI551861B - 估算碳水化合物含量之系統以及方法 - Google Patents

Description

估算碳水化合物含量之系統以及方法

本發明是有關於一種估算待測物中的營養成分含量之系統與方法，且特別是有關於一種估算碳水化合物含量之系統以及方法。

隨著科技的發展，現代人的生活型態亦有相當大的轉變。雖然醫藥技術十分發達，但由於環境與飲食習慣等的改變，造成如氣喘、癌症、糖尿病、心血管疾病等的慢性疾病盛行。尤其近年來，在開發中國家及新興工業化國家中，糖尿病發生率(incidence)與盛行率(prevalence)正快速增加中。目前全球約有一億九千萬名糖尿病的患者，但據世界衛生組織估計，2025年全球將會有三億三千萬名糖尿病的患者，且其中絕大多數為第2型糖尿病。在台灣，自1987年起糖尿病始終高居十大死亡原因的第五名，且在2011年糖尿病升至第四名，為過去二十年來死亡率增加速度最快的一種疾病。

從社會成本的觀點來看，糖尿病的盛行所造成的社會負擔亦不可小覷。根據統計，美國糖尿病患者之人數約為2,800萬，約占總人口比例的8.3%，而2012年美國花費在糖尿病的醫療成本為2,450億美元，其中1,760億美元為直接醫療成本，690億為糖尿病醫療照護間接成本(資料來源：美國糖尿病協會(American Diabetes Association)(2012))。另一方面，自1997年至2009年，台灣糖尿病患者之人數由53.8萬增加至122.3萬，成長超過2.3倍。此外，糖尿病患者醫療總費用也逐年增加，於2009年已突破1,000億，約占整體健保總支出的22%；亦即，我國政府每日約需花費3億元於糖尿病相關的醫療費用上(資料來源：中華民國糖尿病學會(2011))。

對於糖尿病患者來說，控制血糖是非常重要的。血糖會受到飲食、運動、情緒等因素的影響而不斷變動。由於血糖的變動不易察覺，因此必須透過規律的自我監測，來確保血糖值控制在目標範圍內。此外，透過了解血糖值的變化情況(例如追蹤並記錄每日血糖值的高點與低點)，才能更有效的評估飲食、活動及藥物等處方的成效，並適時調整療程。

然而，一般糖尿病的患者缺乏能進行個人糖分攝取的管理的工具，而不易進行日常飲食的控制，也會造成病情不穩定的問題，間接增加國家的醫療成本。有鑒於此，需要開發能夠估算碳水化合物含量的系統與方法，以利個人進行糖分攝取的管理。

本發明提供一種估算碳水化合物含量的系統以及方法，可應用於確認待測物中碳水化合物之含量，從而讓使用者(例如：糖尿病患者)能夠容易地進行糖分攝取的管理。

本發明的估算碳水化合物含量之系統，包括：影像資料擷取模組，擷取待測物的影像資料，上述影像資料包含光場數據以及待測物身分辨識數據；數據處理比對模組，耦接於上述影像資料擷取模組，且上述數據處理比對模組根據上述待測物身分辨識數據在資料庫進行比對而取得上述待測物的身分，並根據上述光場數據估算上述待測物的體積；以及成分整合模組，耦接於上述數據處理比對模組，且上述成分整合模組利用上述待測物的身分取得上述待測物的碳水化合物換算數據，並利用上述待測物的碳水化合物換算數據以及上述待測物的體積而計算出上述待測物的碳水化合物含量。

在本發明的一實施例中，上述待測物身分辨識數據包括上述待測物之二維/三維影像數據及/或上述待測物之光譜數據。

在本發明的一實施例中，上述數據處理比對模組包括：影像前處理模組，對上述光場數據以及上述待測物身分辨識數據進行前處理；特徵比對模組，耦接於上述影像前處理模組，上述特徵比對模組根據上述待測物身分辨識數據在上述資料庫進行比對而取得上述待測物的身分；體積估算模組，耦接於上述特徵比對模組，根據上述光場數據估算上述待測物的體積。

在本發明的一實施例中，上述影像資料擷取模組包括光場相機，且上述體積估算模組是藉由下式(1)來進行待測物的體積(V)估算：V=fVol(：K,θ,D,H)............式(1)

其中，K表示待測物之平均截面積；θ表示光場相機的感應器的陀螺儀對待測物所取得的夾角；D表示感應器與待測物之間的距離；H則表示待測物的高度，H=cosθ‧D。

在本發明的一實施例中，上述影像資料擷取模組包括光場相機，上述待測物為盛裝在餐具內部，且上述體積估算模組是藉由下式(2)來進行待測物的體積(Vol)估算：Vol=ʃʃ[z ₀(x,y)-z(x,y)]dxdy............式(2)

其中，以餐具的開口緣部作為參考平面而設定出X、Y及Z方向，z₀(x,y)表示於Z方向上由光場相機至餐具底部的距離，z(x,y)表示於Z方向上由光場相機至待測物表面的距離。

在本發明的一實施例中，上述特徵比對模組包括：影像比對單元，根據上述待測物之二維/三維影像數據取得上述待測物的身分；光譜比對單元，根據上述待測物之光譜數據取得上述待測物的身分；以及資料輸入單元，供操作者輸入上述待測物的身分。

在本發明的一實施例中，上述操作者是以語音或文字方式輸入上述待測物的身分。

在本發明的一實施例中，在上述體積估算模組中進行影 像深度估算程序以建立待測物的深度圖，再結合由光譜比對單元所得的特徵標示影像資料，以估算待測物的體積。

在本發明的一實施例中，上述估算碳水化合物含量之系統更包括遠端裝置，至少與上述成分整合模組耦接，接收由上述成分整合模組所計算出的結果。

本發明的估算碳水化合物含量之方法，包括如下步驟：擷取待測物的影像資料，上述影像資料包含光場數據以及待測物身分辨識數據；根據上述待測物身分辨識數據在資料庫進行比對而取得上述待測物的身分；根據上述光場數據估算上述待測物的體積；以及利用上述待測物的身分取得上述待測物的碳水化合物換算數據，並利用上述待測物的碳水化合物換算數據以及上述待測物的體積而計算出上述待測物的碳水化合物含量。

在本發明的一實施例中，上述待測物身分辨識數據包括上述待測物之二維/三維影像數據及/或上述待測物之光譜數據。

在本發明的一實施例中，上述待測物之二維/三維影像數據是由光場相機所取得。

在本發明的一實施例中，根據上述待測物身分辨識數據在上述資料庫進行比對而取得上述待測物的身分之步驟包括：先根據上述待測物之二維/三維影像數據取得上述待測物的身分，在無法根據上述待測物之二維/三維影像數據取得上述待測物的身分時，則根據上述待測物之光譜數據取得上述待測物的身分。

在本發明的一實施例中，在無法根據上述待測物的二維/ 三維影像數據或光譜數據取得上述待測物的身分時，透過人工判定方式取得上述待測物的身分。

在本發明的一實施例中，在透過人工判定方式取得上述待測物的身分後，將上述待測物身分辨識數據加入上述資料庫中。

在本發明的一實施例中，根據光場數據估算待測物的體積之步驟包括：進行影像深度估算程序以建立待測物的深度圖。

在本發明的一實施例中，在利用光場相機擷取待測物的影像資料的情況下，根據光場數據估算待測物的體積之步驟包括：藉由下式(1)來進行待測物的體積(V)估算：V=fVol(：K,θ,D,H)............式(1)其中，K表示待測物之平均截面積；θ表示光場相機的感應器的陀螺儀對待測物所取得的夾角；D表示感應器與待測物之間的距離；H則表示待測物的高度，H=cosθ‧D。

在本發明的一實施例中，在利用光場相機擷取待測物的影像資料，且待測物為盛裝在餐具內部的情況下，根據光場數據估算待測物的體積之步驟包括：藉由下式(2)來進行待測物的體積(Vol)估算：Vol=ʃʃ[z ₀(x,y)-z(x,y)]dxdy............式(2)其中，以餐具的開口緣部作為參考平面而設定出X、Y及Z方向，z₀(x,y)表示於Z方向上由光場相機至餐具底部的距離，z(x,y)表示於Z方向上由光場相機至待測物表面的距離。

基於上述，藉由本發明所提供之系統與方法，能夠透過 非接觸式且非破壞式的方式確認待測物之種類，並且得到其碳水化合物含量之數據，從而實現讓使用者(例如：糖尿病患者)能夠容易地進行糖分攝取管理的互動式智慧服務系統。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100‧‧‧估算碳水化合物含量之系統

102‧‧‧影像資料擷取模組

102a、128‧‧‧光場相機

102b‧‧‧光譜相機

104‧‧‧數據處理比對模組

106‧‧‧成分整合模組

108‧‧‧遠端裝置

110‧‧‧影像前處理模組

112‧‧‧特徵比對模組

112a‧‧‧影像比對單元

112b‧‧‧光譜比對單元

112c‧‧‧資料輸入單元

112d‧‧‧語音前處理單元

112e‧‧‧語音辨識單元

114‧‧‧體積估算模組

116‧‧‧資料庫

118‧‧‧影像資料

120‧‧‧待測物身分序號

122‧‧‧待測物體積數據

124、132‧‧‧待測物

126‧‧‧感測器

130‧‧‧餐具

D‧‧‧距離

H‧‧‧高度

θ‧‧‧角度

S1、S2、S3、S4、S101、S102、S201、S202、S203、S204、S205、S301、S401‧‧‧步驟

X、Y、Z‧‧‧方向

圖1是依照本發明一實施例所繪示的估算碳水化合物含量之系統的示意圖。

圖2是本發明的估算碳水化合物含量之方法的概略流程圖。

圖3是依照本發明一實施例所繪示的估算碳水化合物含量之系統流程圖。

圖4是依照本發明一實施例所繪示的估算待測物體積的示意圖。

圖5是依照本發明另一實施例所繪示的估算待測物體積的示意圖。

以下將參照所附圖式，對本發明的實施方式進行更詳細的說明。

圖1是依照本發明一實施例所繪示的估算碳水化合物含 量之系統的示意圖。

請參照圖1，本實施例的估算碳水化合物含量之系統100包括影像資料擷取模組102、數據處理比對模組104以及成分整合模組106。

影像資料擷取模組102用於擷取待測物的影像資料。上述待測物例如是僅含單一成分的食物，亦可為包含多種成分的混合食物，但並不限於此。上述影像資料例如是光場數據、二維/三維影像數據(即，二維或三維影像數據)以及光譜數據。其中，二維/三維影像數據及光譜數據均可作為待測物的身分辨識用數據(以下簡稱為「待測物身分辨識數據」)，而上述光譜數據例如是近紅外線光譜數據。

由圖1可知，在本實施例中，影像資料擷取模組102包括光場相機102a以及光譜相機102b。光場相機102a可用於拍攝待測物並取得待測物的光場數據及二維/三維影像數據，而光譜相機102b則可用來取得待測物的光譜數據，例如是近紅外線光譜數據。然而，本發明並不限於上述配置方式。舉例來說，亦可採用一般數位相機與光場相機進行組合，藉由一般數位相機取得待測物的二維影像，並由光場相機取得光場數據，以作為待測物身分辨識數據。此外，亦可使用同時具備光場數據及光譜數據擷取功能的相機，藉此可透過單一曝光的方式取得估算碳水化合物含量所需的資訊，亦即，只要進行一次拍攝就能夠獲取待測物的光場數據、二維/三維影像數據以及光譜數據，更有利於提升檢測速度。

數據處理比對模組104耦接於影像資料擷取模組102。在本實施例中，數據處理比對模組104包括影像前處理模組110、特徵比對模組112以及體積估算模組114。

影像前處理模組110可對待測物的光場數據以及待測物身分辨識數據進行前處理。上述前處理例如是對上述數據進行陣列轉換以及校正。於修正後，影像前處理模組110可將數據傳送至特徵比對模組112。

特徵比對模組112耦接於影像前處理模組110，其可接收經影像前處理模組處理後的數據，並根據待測物身分辨識數據在資料庫116進行比對而取得待測物的身分。

資料庫116例如是由一或多個子資料庫組成的資料集合，其中包括各類食物及營養成分的光譜、影像或是食物名稱語音的特徵辨識資料、以及各類食物及營養成分的體積/重量轉換資料等。此外，各個子資料庫例如是建立於資料儲存裝置中的資料庫，亦可為以網路為基礎(web-based)的資料庫，並不限於此。作為子資料庫的具體實例，可列舉：行政院衛生署之食品營養成分資料庫、國家衛生研究院所提供之食品資料庫或業者自行建立的食品資料庫等。

如圖1所示，本實施例中，上述特徵比對模組112包括影像比對單元112a、光譜比對單元112b以及資料輸入單元112c。影像比對單元112a可根據待測物之二維/三維影像數據，在資料庫116中進行比對而取得待測物的身分。光譜比對單元112b則可根 據待測物之光譜數據，在資料庫116中進行比對而取得待測物的身分。資料輸入單元112c可供操作者輸入上述待測物的身分。上述操作者例如是使用者本身或位於後端的具備食品營養知識之專業人員。此外，輸入待測物身分的方式並無特別限定，例如是透過語音或文字輸入的方式來指定待測物的身分。上述待測物的身分例如是以資料庫中所指定的序號來表示，但並不限於此。

如圖1所示，在需要操作者以語音方式輸入待測物的身分時，數據處理比對模組104可進一步包括語音前處理單元112d以及語音辨識單元112e，且語音前處理單元112d以及語音辨識單元112e例如是整合於特徵比對模組112內，但並不限於此。具體來說，上述語音前處理單元112d例如是至少耦接於資料輸入單元112c以及語音辨識單元112e，用於對資料輸入單元112c所擷取的待測物語音資料進行前處理(例如是對語音資料進行校正以及取樣等)，並將處理後的數據傳送至語音辨識單元112e。上述語音辨識單元112e例如是至少耦接於語音前處理單元112d以及資料庫116，其可接收經語音前處理單元112d處理後的語音數據，並根據此語音數據在資料庫116進行比對而取得待測物的身分。

體積估算模組114耦接於特徵比對模組112，且體積估算模組114可根據光場數據估算待測物的體積。上述待測物的體積估算程序例如是藉由影像深度估算程序對光場數據進行分析後，並接收由光譜比對單元112b所傳回的特徵標示影像資料進行數值轉換，從而進行待測物的體積估算。於完成體積估算後，體積估 算模組114可將所得的結果傳送至成分整合模組106。

成分整合模組106耦接於數據處理比對模組104，且成分整合模組106利用待測物的身分取得待測物的碳水化合物換算數據，並利用待測物的碳水化合物換算數據以及待測物的體積而計算出待測物的碳水化合物含量。

此外，估算碳水化合物含量之系統100更可包括遠端裝置108。遠端裝置108與成分整合模組106以及影像資料擷取模組102耦接，可接收由成分整合模組106所計算出的結果，並將結果透過影像顯示或聲音等方式呈現給使用者。此外，遠端裝置108也可透過使用者的操作，傳送起始訊號至影像資料擷取模組102，以啟動影像擷取流程。遠端裝置108例如是智慧型手機、平板、筆記型電腦或其他可攜式裝置，但不限於此，遠端裝置108亦可視需求而設計為固定式的設備。

此外，就系統之硬體架構而言，數據處理比對模組104與成分整合模組106例如是整合於一或多個處理器內，並透過通信鏈(communication link)與資料庫116及影像資料擷取模組102進行資訊的交換，以執行其功能，但並不限於此。本領域具通常知識者應理解本發明可藉由一或多個處理器、資料庫與運算系統等的整合來實現。

圖2是本發明的估算碳水化合物含量之方法的概略流程圖，而圖3是依照本發明一實施例所繪示的估算碳水化合物含量之系統流程圖。圖3所示的系統流程圖例如可藉由圖1的實施例 所述估算碳水化合物含量之系統來執行，但並不限於此。

以下，將參照圖1的實施例所述估算碳水化合物含量之系統，並搭配圖2及圖3來詳細說明本發明的估算碳水化合物含量之方法。

首先，進行步驟S1，擷取待測物的影像資料。例如可藉由遠端裝置108向影像資料擷取模組102發出起始訊號，對待測物進行影像資料擷取(步驟S101)，而獲得影像資料118。影像資料118包括待測物之光場數據、二維/三維影像數據以及光譜數據。上述光場數據及二維/三維影像數據例如是由光場相機所取得，但並不限於此，只要能夠取得所需的數據，亦可使用其他類型的相機。上述光譜數據例如是近紅外線光譜數據。之後，例如是將影像資料118傳輸至影像前處理模組110進行前處理(步驟S102)。前處理可包括對初級的影像資料118進行陣列轉換(array transformation)、顏色修正(color correction)以及校正(calibration)等處理。

經過前處理之後的影像資料118例如是同時傳輸至特徵比對模組112以及體積估算模組114，以進行後續比對分析，但並不限於此，亦可先後將影像資料118傳輸至特徵比對模組112以及體積估算模組114。

接下來，進行步驟S2，根據待測物身分辨識數據在資料庫進行比對而取得待測物的身分。以下將詳細說明步驟S2的流程。

首先，例如是將經前處理的影像資料118傳輸至影像比 對單元112a以進行影像比對(步驟S201)。影像比對單元112a可先對影像資料118中的二維影像進行影像特徵的擷取。接下來，影像比對單元112a可對所得影像特徵進行PCA(Principal component analysis)降維處理，再與資料庫116中的資料樣本特徵進行比對，若存在完全符合或最接近的資料樣本，則確認取得待測物的身分，例如是獲得待測物身分序號120。然而，本發明並不限於此，影像比對單元112a亦可視實際需求而針對待測物的三維影像進行處理及比對，或者是針對待測物的二維及三維影像均進行比對，以取得待測物的身分。

在上述影像比對的流程中，當進行比對的樣本特徵與現有資料庫中的樣本特徵相似度過低時，並無法根據上述影像比對(步驟S201)取得待測物的身分，此時則需進一步進行光譜比對(步驟S202)。

此外，當影像比對的結果包含了兩種以上的身分時，亦可能有需要進行光譜比對。舉例來說，對於外型或顏色類似的食物(如薯條與起士條)，僅藉由影像比對可能尚無法區隔，此時，就需要進一步利用光譜特徵來進行待測物的辨識。

另一方面，當待測物為需要進一步確認成分的混合食物時，亦可能需要進行光譜比對，以取得更精確的結果。例如，進行影像比對的結果初步確認待測物為炒飯，但炒飯中可能同時包括含蛋白質的肉類以及含碳水化合物的玉米、青豆仁及米飯等，在此種情況下，亦需要藉由進行光譜的比對，以進一步確認炒飯 中的組成。

具體來說，可由影像比對單元112a發出特定訊號通知系統，以將影像資料118中由光譜相機102b取得的高光譜影像(hyperspectral image)資料傳輸至光譜比對單元112b進行光譜比對(步驟S202)。上述高光譜影像例如是待測物的近紅外線光譜影像，但不限於此。光譜比對單元112b可先將高光譜影像資料轉換為N維空間(N-dinension space)，再進行凸面最佳化(convex optimization)後，與資料庫116中樣本之光譜特徵加權值進行比對，若存在完全符合或最接近的資料樣本，則確認取得待測物的身分，獲得待測物身分序號120。

在仍無法藉由上述光譜比對(步驟S202)取得待測物的身分時，可進一步透過人工判定(步驟S203)的方式取得待測物的身分(步驟S204)。舉例來說，在無法取得待測物身分時，可由光譜比對單元112b發送特定訊號通知系統，並將影像資料118傳送至操作者，而由操作者協助進行影像辨識及歸類，再透過資料輸入單元112c而以語音或文字輸入的方式來指定待測物的身分，藉此取得待測物身分序號120。上述操作者例如是位於後端的具備食品營養知識之專業人員。

此外，亦可透過使用者協助來進行待測物身分的指定。舉例來說，在無法取得待測物身分時，可藉由光譜比對單元112b發送特定訊號至遠端裝置108，以通知位於前端的使用者進行輔助特徵資料的輸入。上述輔助特徵資料例如是食物名稱、外形、顏 色、氣味或成分等可供專業人員進行辨識的資訊。在使用者透過語音或文字輸入的方式傳回待測物的特徵後，系統可再通知後端的操作者進行待測物的身分的指定。此時，除了影像資料外，操作者還可一併參考使用者所輸入的輔助特徵資料來進行待測物的身分指定，藉此給定待測物身分序號120。或者，使用者也可自行透過語音或文字指定待測物的身分，藉此取得待測物身分序號120。

此外，在透過上述人工判定方式取得待測物的身分後，可進一步將作為上述待測物的身分辨識數據加入資料庫(步驟S205)。例如，可在資料庫116中增加同一食物的新辨識特徵，或者建立新種類的食物之辨識特徵，以提高未來進行辨識之成功率。

在進行上述步驟S2時，可同時進行步驟S3，根據光場數據估算待測物的體積。然而，本領域中具通常知識者應理解的是，步驟S2與步驟S3的先後次序並無特別限制，只要能夠順利取得待測物的體積以及身分資料即可。

在步驟S3中，進行光場數據分析(步驟S301)而獲得待測物體積數據122。具體來說，例如可將已在影像前處理模組110中經過顏色修正以及校正處理的光場數據傳送至體積估算模組114，並在體積估算模組114中進行影像深度估算程序以建立待測物的深度圖(depth map)，再結合由光譜比對單元所得的特徵標示影像資料，以進行體積估算(volume estimation)，從而取得待測物體積數據122。

圖4是依照本發明一實施例所繪示的估算待測物體積的示意圖。請參照圖4，在欲藉由光場相機之感應器126對待測物124進行體積估算時，體積估算模組114例如是藉由下式(1)來進行待測物124的體積(V)估算：V=fVol(：K,θ,D,H)............式(1)

其中，K表示待測物124之平均截面積(圖4中以剖面線填滿的區域)；θ表示由感應器126的陀螺儀(gyroscope)對待測物124所取得的夾角；D表示感應器126與待測物124之間的距離；H則表示待測物124的高度，H=cosθ‧D。

此外，上述平均截面積K例如是由光譜比對單元所傳回的特徵標示影像資料進行數值轉換而得；θ、D例如是由光場相機之感應器所測得，H則可由θ、D求得。

圖5是依照本發明另一實施例所繪示的估算待測物體積的示意圖，其中示出利用光場相機128對盛裝在餐具130內部的待測物132進行體積估算的示意圖。

請參考圖5，在對盛裝在餐具130內部的待測物132進行體積估算時，可利用下式(2)來進行待測物132的體積(Vol)估算：Vol=ʃʃ[z ₀(x,y)-z(x,y)]dxdy............式(2)其中，如圖5所示，若以餐具130的開口緣部作為參考平面而設定出X、Y及Z方向，則可以z₀(x,y)表示於Z方向上由光場相機128至餐具130底部的距離(背景值)，並以z(x,y)表示於Z方向 上由光場相機128至待測物132表面的距離(前景值)。所屬技術領域中具通常知識者應了解上述背景值與前景值可藉由對光場相機128所截取的光場數據進行分析換算而獲得。將上述背景值減去前景值並進行二重積分，即可獲得待測物132體積的估計值。藉此，能夠根據餐具種類來進行參數修正，以更準確取得待測物體積。另外，對於不同形狀、結構或大小的餐具，亦可先設計好不同的參數，以利於快速進行待測物體積的估算。藉由上述方式，即使待測物為盛放在餐具中，也能夠有效的進行體積估算。

在取得待測物的體積以及身分資料後，即進行步驟S4，利用待測物的身分取得待測物的碳水化合物換算數據，並利用上述待測物的碳水化合物換算數據以及上述待測物的體積而計算出上述待測物的碳水化合物含量。具體來說，例如是將由步驟S2以及步驟S3所取得的待測物體積數據122以及待測物身份序號120傳送至成分整合模組106，以進行成分整合運算(步驟S401)。上述整合運算例如是先根據待測物身份序號120於資料庫116中取得待測物的體積/重量轉換率後，結合待測物體積數據122而算出待測物的重量，接下來，再根據待測物身份序號120於資料庫116中取得待測物的碳水化合物轉換率，並利用待測物的重量與碳水化合物轉換率計算出待測物中的碳水化合物含量。

在獲得待測物中的碳水化合物含量資訊之後，系統例如是將結果輸出至遠端裝置108，並藉由語音、文字或圖像等方式將結果提供給使用者作為參考。

綜上所述，藉由本發明所提供之估算碳水化合物含量之系統與方法，能夠透過非接觸式且非破壞式的方式確認待測物之種類，並且得到其碳水化合物含量之數據，從而實現讓使用者(例如：糖尿病患者)能夠容易地進行糖分攝取管理的互動式智慧服務系統。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

S1、S2、S3、S4‧‧‧步驟

Claims (17)

1. 一種估算碳水化合物含量之系統，包括：一影像資料擷取模組，擷取一待測物的一影像資料，該影像資料包含一光場數據以及一待測物身分辨識數據；一數據處理比對模組，耦接於該影像資料擷取模組，且該數據處理比對模組根據該待測物身分辨識數據在一資料庫進行比對而取得該待測物的身分，並根據該光場數據估算該待測物的體積，其中，在透過人工判定方式取得該待測物的身分後，將該待測物身分辨識數據加入該資料庫中；以及一成分整合模組，耦接於該數據處理比對模組，且該成分整合模組利用該待測物的身分取得該待測物的碳水化合物換算數據，並利用該待測物的碳水化合物換算數據以及該待測物的體積而計算出該待測物的碳水化合物含量。
2. 如申請專利範圍第1項所述的估算碳水化合物含量之系統，其中，該待測物身分辨識數據包括該待測物之二維/三維影像數據及/或該待測物之光譜數據。
3. 如申請專利範圍第1項所述的估算碳水化合物含量之系統，其中，該數據處理比對模組包括：一影像前處理模組，對該光場數據以及該待測物身分辨識數據進行一前處理；一特徵比對模組，耦接於該影像前處理模組，該特徵比對模 組根據該待測物身分辨識數據在該資料庫進行比對而取得該待測物的身分；一體積估算模組，耦接於該特徵比對模組，根據該光場數據估算該待測物的體積。
4. 如申請專利範圍第3項所述的估算碳水化合物含量之系統，其中，該影像資料擷取模組包括一光場相機，且該體積估算模組是藉由下式(1)來進行該待測物的體積(V)估算：V=fVol(：K,θ,D,H)............式(1)其中，K表示該待測物之平均截面積；θ表示該光場相機的一感應器的陀螺儀對該待測物所取得的夾角；D表示該感應器與該待測物之間的距離；H則表示該待測物的高度，H=cosθ‧D。
5. 如申請專利範圍第3項所述的估算碳水化合物含量之系統，其中，該影像資料擷取模組包括一光場相機，該待測物為盛裝在一餐具內部，且該體積估算模組是藉由下式(2)來進行該待測物的體積(Vol)估算：Vol=ʃʃ[z ₀(x,y)-z(x,y)]dxdy............式(2)其中，以該餐具的開口緣部作為參考平面而設定出X、Y及Z方向，z₀(x,y)表示於Z方向上由該光場相機至該餐具底部的距離，z(x,y)表示於Z方向上由該光場相機至該待測物表面的距離。
6. 如申請專利範圍第3項所述的估算碳水化合物含量之系統，其中，該特徵比對模組包括：一影像比對單元，根據該待測物之二維/三維影像數據取得該 待測物的身分；一光譜比對單元，根據該待測物之光譜數據取得該待測物的身分；以及一資料輸入單元，供一操作者輸入該待測物的身分。
7. 如申請專利範圍第6項所述的估算碳水化合物含量之系統，其中，該操作者是以語音或文字方式輸入該待測物的身分。
8. 如申請專利範圍第6項所述的估算碳水化合物含量之系統，其中，在該體積估算模組中進行影像深度估算程序以建立該待測物的深度圖，再結合由該光譜比對單元所得的特徵標示影像資料，以估算該待測物的體積。
9. 如申請專利範圍第1項所述的估算碳水化合物含量之系統，更包括一遠端裝置，至少與該成分整合模組耦接，接收由該成分整合模組所計算出的結果。
10. 一種估算碳水化合物含量之方法，包括如下步驟：擷取一待測物的影像資料，該影像資料包含一光場數據以及一待測物身分辨識數據；根據該待測物身分辨識數據在一資料庫進行比對而取得該待測物的身分，其中，在透過人工判定方式取得該待測物的身分後，將該待測物身分辨識數據加入該資料庫中；根據該光場數據估算該待測物的體積；以及利用該待測物的身分取得該待測物的碳水化合物換算數據，並利用該待測物的碳水化合物換算數據以及該待測物的體積而計 算出該待測物的碳水化合物含量。
11. 如申請專利範圍第10項所述的估算碳水化合物含量之方法，其中，該待測物身分辨識數據包括該待測物之二維/三維影像數據及/或該待測物之光譜數據。
12. 如申請專利範圍第11項所述的估算碳水化合物含量之方法，其中，該待測物之二維/三維影像數據是由一光場相機所取得。
13. 如申請專利範圍第11項所述的估算碳水化合物含量之方法，其中，根據該待測物身分辨識數據在該資料庫進行比對而取得該待測物的身分之步驟包括：先根據該待測物之二維/三維影像數據取得該待測物的身分，在無法根據該待測物之二維/三維影像數據取得該待測物的身分時，則根據該待測物之光譜數據取得該待測物的身分。
14. 如申請專利範圍第13項所述的估算碳水化合物含量之方法，其中，在無法根據該待測物的二維/三維影像數據或光譜數據取得該待測物的身分時，透過人工判定方式取得該待測物的身分。
15. 如申請專利範圍第10項所述的估算碳水化合物含量之方法，其中，根據該光場數據估算該待測物的體積之步驟包括：進行影像深度估算程序以建立該待測物的深度圖。
16. 如申請專利範圍第10項所述的估算碳水化合物含量之方法，其中，在利用一光場相機擷取該待測物的影像資料的情況下，根據該光場數據估算該待測物的體積之步驟包括：藉由下式(1)來進行該待測物的體積(V)估算： V=fVol(：K,θ,D,H)............式(1)其中，K表示該待測物之平均截面積；θ表示該光場相機的一感應器的陀螺儀對該待測物所取得的夾角；D表示該感應器與該待測物之間的距離；H則表示該待測物的高度，H=cosθ‧D。
17. 如申請專利範圍第10項所述的估算碳水化合物含量之方法，其中，在利用一光場相機擷取該待測物的影像資料，且該待測物為盛裝在一餐具內部的情況下，根據該光場數據估算該待測物的體積之步驟包括：藉由下式(2)來進行該待測物的體積(Vol)估算：Vol=ʃʃ[z ₀(x,y)-z(x,y)]dxdy............式(2)其中，以該餐具的開口緣部作為參考平面而設定出X、Y及Z方向，z₀(x,y)表示於Z方向上由該光場相機至該餐具底部的距離，z(x,y)表示於Z方向上由該光場相機至該待測物表面的距離。