Перекрестная ссылка на родственные заявки
Настоящая заявка испрашивает приоритет по предварительной заявке на патент США № 62/800,199, поданной 1 февраля 2019 г., описание которой полностью включено в настоящий документ путем данной ссылки.
Область техники
Настоящее описание относится в целом к способам и устройствам для кормов для домашних животных. Более конкретно, настоящее описание относится к способам и устройствам для представления рекомендации по кормовому продукту для домашних животных и/или рекомендации по кормлению домашнего животного.
Предпосылки создания изобретения
Многие владельцы домашних животных тщательно заботятся о своих домашних животных и понимают, что решения о том, чем и в каком количестве кормить своих домашних животных, могут способствовать более долгой, счастливой и здоровой совместной жизни. Однако характеристики каждого домашнего животного, а также условия и предпочтения домашнего животного и владельца уникальны. Более того, эти характеристики, обстоятельства и предпочтения со временем меняются. По этой причине потребители ищут возможности выбора, чем кормить своих домашних животных, и информацию, которая поможет им принимать решения. Однако обилие продукции и источников информации может усложнять этот процесс и оставлять потребителей с открытыми вопросами и эмоциями. Отсутствие информации или изменение условий также может означать, что решение о кормлении на одном этапе жизни домашнего животного может быть неоптимальным на другом этапе.
Существующие решения в основном предоставляются предприятиями розничной торговли или производителями. Решения предприятий розничной торговли основаны на определенных пользователем пользовательских вводах и в основном базируются на критериях фильтрования, статистики, обратной связи и шаблонных данных. Процессы фильтрации могут сужать выбор на основе характеристик имеющейся продукции, но не учитывают информацию, достаточную для обеспечения оптимального решения для конкретного домашнего животного. Более того, существующие решения не дают превентивных рекомендаций, учитывающих изменения в организме домашнего животного с течением времени. Селекторы продукции, предоставляемые производителями, обладают многими из таких характеристик и недостатков. Даже в случаях, когда производитель может собрать больше информации о конкретном домашнем животном, рекомендации могут все равно содержать только рекомендации по продукции и могут не содержать полезных на практике рекомендаций для владельцев. Также эти рекомендации могут подходить только для определенного момента времени (т.е. рекомендации не являются превентивными и/или не изменяются с течением времени). Кроме того, рекомендации, как правило, ограничены ассортиментом продукции одного производителя кормов для домашних животных.
Сущность изобретения
В настоящем описании предложены преимущества и решения проблем, связанных с существующими технологиями представления рекомендаций по кормовым продуктам для домашних животных. В связи с этим система рекомендаций по кормовому продукту для домашних животных может содержать наиболее актуальную информацию о владельце домашнего животного и о домашнем животном, чтобы стандартизировать процесс принятия решений и представлять персонализированные рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашнего животного. Персонализированные рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашних животных могут представляться первоначально и/или превентивно в течение всей жизни домашнего животного. Например, рекомендация по кормам для домашних животных и/или кормлению домашнего животного может помочь владельцу домашнего животного перейти от текущего рациона питания и рекомендации по кормлению к рациону питания, который может помочь поддержать или изменить физическое состояние, с конечной целью по достижению идеального физического состояния этого конкретного домашнего животного.
В одном из вариантов осуществления в персонализированных рекомендациях по кормовым продуктам для домашних животных и/или рекомендациях по кормлению домашних животных может учитываться физическое состояние домашнего животного, отклонение от ожидаемой массы домашнего животного, степень активности домашнего животного, анатомия домашнего животного, порода и/или размер породы домашнего животного. Например, порода домашнего животного может позволить получать информацию об определенных характеристиках и общих параметрах, которые можно ожидать в отношении этих характеристик, такую как диапазон масс и степень активности, но каждое отдельное домашнее животное будет иметь свою уникальную массу и/или степень активности. Персонализированные рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашних животных могут дополнительно учитывать предпочтения владельца домашнего животного, потребности домашнего животного и/или предпочтения домашнего животного (например, наличие и/или отсутствие определенных ингредиентов, например типа злаков или белка, в корме для домашних животных, степень, в которой продукт изготовлен из натуральных ингредиентов, несовместимость пищевого продукта с домашним животным из-за потенциальной аллергической реакции или чувствительности и канала розничной продажи кормового продукта для домашних животных), чтобы персонализировать рекомендацию для домашнего животного и владельца домашнего животного. Кроме того, рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашних животных могут дополнительно учитывать экстерьер и/или морфометрические показатели, как описано в патенте США № 8,091,509 и публикации заявки на патент США № 2017/0042194, каждый из которых включен в настоящий документ путем ссылки.
В одном из вариантов осуществления домашнее животное может представлять собой собаку, кошку, птицу, грызуна, лошадь, свинью, рыбу, рептилию и/или любое другое домашнее и/или одомашненное животное.
Соответственно, один аспект описания относится к способу, включающему: получение изображения, на котором показано домашнее животное; анализ с помощью модели распознавания изображений домашнего животного изображения домашнего животного для определения одной или более характеристик домашнего животного; получение одного или более типов входных данных, связанных с домашним животным; анализ с помощью модели рекомендации по кормовому продукту для домашних животных характеристик домашних животных и входных данных, связанных с домашними животными, для формирования рекомендации по кормовому продукту для домашних животных и/или рекомендации по кормлению домашних животных. В некоторых вариантах осуществления характеристики домашнего животного включают в себя одно или более из породы, размера породы, размера домашнего животного, физического состояния, стадии развития, степени активности, пола домашнего животного, полового статуса домашнего животного и массы домашнего животного. В некоторых вариантах осуществления входные данные, связанные с домашним животным, могут содержать одно или более из предпочтения домашнего животного, предпочтения пользователя и/или характеристик домашнего животного. В одном варианте осуществления предпочтение домашнего животного и/или пользователя включает в себя одно или более из предпочтения по злакам, предпочтения по белку, консистенции корма, предпочтения по натуральным ингредиентам и предпочтения по способу покупки. В другом варианте осуществления предпочтение домашнего животного и/или пользователя выбрано из группы, состоящей из предпочтения по злакам, предпочтения по белку, консистенции корма, предпочтения по натуральным ингредиентам и предпочтения по способу покупки. В некоторых вариантах осуществления входные данные, связанные с домашним животным, содержат характеристики домашнего животного. В одном варианте осуществления одна или более характеристик домашнего животного определяются моделью распознавания изображений домашнего животного, а одну или более дополнительных характеристик домашнего животного вводит пользователь.
В некоторых вариантах осуществления изображение домашнего животного получают с пользовательского устройства. В одном варианте осуществления пользовательское устройство представляет собой мобильное устройство, например, мобильный телефон. В другом варианте осуществления пользовательское устройство представляет собой ноутбук или настольный компьютер.
В некоторых вариантах осуществления анализ изображения домашнего животного дополнительно включает: анализ изображения домашнего животного для выявления одной или более характеристик изображения домашнего животного и определение одной или более характеристик домашнего животного на основе характеристик изображения. В некоторых вариантах осуществления характеристики изображения выбраны из группы, состоящей из контура домашнего животного, области, охватываемой контуром домашнего животного, процентной доли пикселей изображения домашнего животного, приходящихся на домашнее животное, одного или более геометрических размеров домашнего животного на изображении домашнего животного. В некоторых вариантах осуществления геометрические размеры выбраны из длины, высоты, расстояния от лапы до плеча, расстояния от спины до живота, ширины грудной клетки, глубины грудной клетки.
В некоторых вариантах осуществления способ дополнительно включает в себя: фильтрацию списка кормовых продуктов для домашних животных на основе по меньшей мере одного предпочтения пользователя для создания отфильтрованного списка кормовых продуктов для домашних животных. В некоторых вариантах осуществления по меньшей мере одно предпочтение пользователя включает в себя по меньшей мере одно предпочтение, выбранное из группы, состоящей из предпочтения по злакам, предпочтения по белку, предпочтения по консистенции корма, предпочтения по натуральным ингредиентам и предпочтения по способу покупки.
В некоторых вариантах осуществления характеристики домашнего животного включают в себя одну или более характеристик, выбранных из группы, состоящей из породы, размера породы, размера домашнего животного, физического состояния, стадии развития, степени активности, пола домашнего животного, полового статуса домашнего животного и массы домашнего животного.
В некоторых вариантах осуществления способ дополнительно включает в себя расчет одной или более вариаций, выбранных из группы, состоящей из вариации размеров породы, вариации размеров домашнего животного, вариации физического состояния, вариации стадии развития, вариации степени активности и вариации массы домашнего животного.
В некоторых вариантах осуществления способ дополнительно включает в себя расчет множества вариаций для формирования множества рассчитанных вариаций и оценку списка кормовых продуктов на основе суммы рассчитанных вариаций для выявления одного или более рекомендованных кормовых продуктов для домашних животных.
В некоторых вариантах осуществления способ дополнительно включает в себя представление пользователю рекомендация по кормовому продукту для домашних животных, причем в рекомендации по кормовому продукту для домашних животных содержится множество кормовых продуктов для домашних животных; получение от пользователя информации о выбранном кормовом продукте для домашних животных из множества кормовых продуктов для домашних животных и формирование рекомендации по кормлению домашнего животного на основе выбранного кормового продукта для домашнего животного. В одном варианте осуществления рекомендация по кормлению домашнего животного формируется на основе калорийности выбранного кормового продукта для домашнего животного.
В некоторых вариантах осуществления способ дополнительно включает в себя хранение поведенческих данных домашнего животного и/или пользователя в базе статистических данных и обучение одной или обеих из модели распознавания изображений домашних животных и модели рекомендации кормового продукта для домашних животных на основе поведенческих данных, хранящихся в базе статистических данных.
Другой аспект описания относится к системе, содержащей: процессор и запоминающее устройство, в котором хранятся команды, которые при их исполнении процессором приводят к тому, что процессор получает изображение домашнего животного, на котором изображено домашнее животное; анализирует с помощью модели распознавания изображений домашних животных изображение домашнего животного для определения одной или более характеристик домашнего животного; принимает один или более типов входных данных, связанных с домашними животными; анализирует с помощью модели рекомендации по кормовому продукту для домашних животных характеристики домашних животных и входные данные, связанные с домашним животным, для формирования рекомендации по кормовому продукту для домашних животных и/или рекомендации по кормлению домашнего животного.
В некоторых вариантах осуществления системы в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор: выполняет анализ изображения домашнего животного для выявления одной или более характеристик изображения домашнего животного и определяет одну или более характеристик домашнего животного на основе характеристик изображения.
В некоторых вариантах осуществления системы в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор: фильтрует список кормовых продуктов для домашних животных на основе по меньшей мере одного предпочтения пользователя, чтобы создать отфильтрованный список кормовых продуктов для домашних животных.
В некоторых вариантах осуществления системы характеристики домашнего животного включают одну или более характеристик, выбранных из группы, состоящей из породы, размера породы, физического состояния, стадии развития, степени активности, размера домашнего животного, пола домашнего животного, полового статуса домашнего животного и массы домашнего животного.
В некоторых вариантах осуществления системы в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор: рассчитывает одну или более вариаций, выбранных из группы, состоящей из вариации размеров породы, вариации размеров домашнего животного, вариации физического состояния, вариации стадии развития, вариации степени активности и вариации массы домашнего животного.
В некоторых вариантах осуществления системы в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор: рассчитывает множество вариаций для формирования множества расчетных вариаций и оценивает список кормовых продуктов для домашних животных на основе суммы рассчитанных вариаций для выявления одного или более рекомендованных кормовых продуктов для домашних животных.
В некоторых вариантах осуществления системы в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор: представляет пользователю рекомендацию по кормовому продукту для домашнего животного, причем рекомендация по кормовому продукту для домашнего животного содержит множество кормовых продуктов для домашнего животного; принимает от пользователя информацию о выбранном кормовом продукте для домашних животных из множества кормовых продуктов для домашних животных и формирует рекомендацию по кормлению домашнего животного на основе выбранного кормового продукта для домашних животных.
В некоторых вариантах осуществления системы в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор: сохраняет поведенческие данные домашнего животного и/или пользователя в базе статистических данных и обучает одну или обе из модели распознавания изображений и модели рекомендации кормового продукта для домашних животных на основе поведенческих данных, хранящихся в базе статистических данных.
Другой аспект изобретения относится к машиночитаемому физическому носителю информации, хранящему команды, которые при их исполнении процессором приводят к тому, что процессор: принимает изображение домашнего животного, на котором изображено домашнее животное; анализирует изображение домашнего животного с помощью модели распознавания изображений для определения одной или более характеристик домашнего животного; принимает один или более типов входных данных, связанных с домашними животными; анализирует с помощью модели рекомендации кормового продукта для домашних животных характеристики домашнего животного и входные данные для формирования рекомендации по кормовому продукту для домашних животных.
В одном из вариантов осуществления рекомендация по кормовому продукту для домашних животных содержит один или более кормовых продуктов для домашних животных. В одном из вариантов осуществления рекомендация по кормовому продукту для домашних животных включает в себя композицию, предназначенную для употребления домашним животным. В некоторых вариантах осуществления рекомендация по кормовому продукту для домашних животных содержит один или более кормовых продуктов для домашних животных, которые домашнее животное употребляет в качестве основного корма, включая, без ограничений, сухие, мягкие, полувлажные, влажные и жидкие композиции кормов. В другом варианте осуществления рекомендация по кормовому продукту для домашних животных включает в себя лакомство для домашних животных. В одном варианте осуществления лакомство представляет собой корм, предназначенный для употребления домашним животным в качестве нерегулярного вознаграждения или поощрения, а не единственного источника питания домашнего животного. В другом варианте осуществления рекомендация по кормовому продукту для домашних животных включает в себя добавку для домашнего животного. В одном варианте осуществления добавка для домашних животных представляет собой композицию для приема внутрь, предлагаемую отдельно от пищевой смеси или лакомств, и предназначенную для подкормки домашнего животного в дополнение к нормальным потребностям в питании. Например, дополнительные продукты для домашних животных могут включать в себя продукты, которые обеспечивают пользу для суставов, кожи, шерстяного покрова и/или пищеварительной системы.
В одном из вариантов осуществления в персонализированных рекомендациях по кормовому продукту для домашних животных и/или рекомендациях по кормлению домашних животных могут применяться знания о характеристиках кормов и атрибутах домашних животных и/или пород домашних животных для определения наиболее подходящего продукта и рекомендаций по кормлению.
В одном из вариантов осуществления в персонализированной рекомендации по кормовому продукту для домашнего животного и/или рекомендациях по кормлению домашнего животного может использоваться технология распознавания изображений для определения множества факторов домашнего животного (т.е. породы домашнего животного, размера домашнего животного, физического состояния домашнего животного) в сочетании с моделями машинного обучения, выполненными с возможностью формирования рекомендаций по кормам на основе данных, полученных от конечного пользователя, данных, полученных от инструментов распознавания изображений, и/или других данных в результате применения алгоритмов для учета степени активности и стадии развития домашнего животного. В одном из вариантов осуществления изображение, используемое инструментами распознавания изображений, представляет собой статическое или неподвижное изображение (например, цифровую фотографию). В другом варианте осуществления технология распознавания изображений использует множество изображений или динамическое изображение (например, множество отдельных фотографий или видео).
В одном из вариантов осуществления персонализированные рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашних животных могут быть персонализированы и индивидуализированы, включая выбор кормового продукта для домашних животных, а также любых ранее введенных переменных параметров домашних животных (т.е. породы домашнего животного, размера домашнего животного, физического состояния домашнего животного) для формирования рекомендации по суточному потреблению корма домашним животным. В одном из вариантов осуществления можно регулировать суточное потребление корма домашними животными (например, с целью увеличения массы домашнего животного, снижения массы домашнего животного или поддержания массы домашнего животного).
В одном из вариантов осуществления для получения персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных может использоваться искусственный интеллект (например, распознавание изображений) для определения вида домашнего животного и/или породы домашнего животного для учета этой информации в рекомендации по кормовому продукту для домашнего животного и/или рекомендации по кормлению домашнего животного.
В одном из вариантов осуществления для получения персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных может использоваться машинное обучение для оптимизации рекомендации по кормовому продукту для домашнего животного и рекомендации по кормлению домашнего животного с течением времени. Например, модели машинного обучения могут быть выполнены с возможностью формирования одной или обеих из рекомендации по кормовому продукту для домашнего животного и рекомендации по кормлению домашнего животного и могут включать обратную связь по качеству рекомендаций и информации о фактических характеристиках, предоставляемой владельцем домашнего животного и/или другим пользователем (например, ветеринаром).
В одном из вариантов осуществления устройство может быть выполнено с возможностью предоставления персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных. В таком варианте осуществления устройство может быть дополнительно выполнено с возможностью отслеживания достижения целей, относящихся к физическому состоянию домашнего животного, с течением времени и влияния на выбор кормового продукта для домашнего животного и режим кормления домашнего животного на основе целей.
В одном из вариантов осуществления для получения персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных могут использоваться подключенные устройства для домашних животных (например, ошейники, миски, совки, туалетные лотки, поилки, камеры, ограждения, весы, корзины, коврики, лежанки) для автоматического сбора и передачи данных, используемых для представления персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных. Данные, используемые для представления персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных, могут иметь отношение к выявлению изменений в кормовых продуктах для домашних животных или предпочтениях по кормам для домашних животных с течением времени. Такая конфигурация может устранять источники ошибок или временных задержек, характерных для ручного ввода данных (например, ввод данных пользователем и/или владельцем домашнего животного), что может позволить более превентивно персонализировать рекомендации по кормовым продуктам для домашних животных и рекомендации по кормлению домашних животных.
В одном из вариантов осуществления персонализированные рекомендации по кормовому продукту для домашних животных и/или рекомендации по кормлению домашних животных могут использовать искусственный интеллект и машинное обучение для оценки характеристик отходов домашних животных и преобразования характеристик отходов домашних животных в персонализированные рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашних животных.
Признаки и преимущества, описанные в настоящем документе, не являются исчерпывающими, и, в частности, многие дополнительные признаки и преимущества будут очевидны среднему специалисту в данной области, принимая во внимание фигуры и описание. Более того, следует отметить, что язык, используемый в описании, был выбран главным образом для удобочитаемости и методических целей, а не для ограничения объема объекта изобретения.
Краткое описание графических материалов
На фиг. 1 представлена блок-схема варианта осуществления системы и способа представления персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных в соответствии с настоящим описанием.
На фиг. 2 представлен вариант осуществления схемы применения в соответствии с настоящим описанием.
На фиг. 3 представлен вариант осуществления со сводными информационными данными для представления персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных в соответствии с настоящим описанием.
Подробное описание примеров осуществления
В настоящем документе приведены подробные варианты осуществления устройств и способов. Однако следует понимать, что описанные варианты осуществления являются лишь примерами устройств и способов, которые могут быть осуществлены в различных формах. Таким образом, конкретные функциональные детали, описанные в настоящем документе, следует интерпретировать не как ограничение, а лишь как типичный пример для различных применений настоящего описания специалистами в данной области.
В настоящем документе под терминами «около», «приблизительно» и «по существу» подразумеваются числа в числовом диапазоне, например, в диапазоне от -10% до +10% от указанного числа, предпочтительно в диапазоне от -5% до +5% от указанного числа, более предпочтительно от -1% до +1% от указанного числа и наиболее предпочтительно от -0,1% до +0,1% от указанного числа. Следует понимать, что все числовые диапазоны в настоящем документе включают все целые и дробные числа, входящие в диапазон. Более того, эти числовые диапазоны следует рассматривать как подтверждающие пункт формулы изобретения, относящийся к любому числу или подгруппе чисел в данном диапазоне. Например, описание «от 1 до 10» следует рассматривать как включающее диапазон «от 1 до 8», «от 3 до 7», «от 1 до 9», «от 3,6 до 4,6», «от 3,5 до 9,9» и т.д.
В настоящем документе формы единственного числа включают ссылки на множественное число, если из контекста явно не следует иное. Например, использование термина «ингредиент» или «способ» включает в себя множество таких «ингредиентов» или «способов». Термин «и/или», используемый в контексте «X и/или Y», следует интерпретировать как «X», или «Y», или «X и Y». Аналогичным образом, «по меньшей мере один из X или Y» следует интерпретировать как «X» или «Y», или «X и Y».
Предпочтительные варианты осуществления относятся к устройствам и способам, которые представляют персонализированные рекомендации по кормовым продуктам для домашних животных и/или рекомендации по кормлению домашних животных пользователю и/или владельцу домашнего животного.
Как описано в настоящем документе, достоверные данные на уровне конкретного домашнего животного и человека наряду с искусственным интеллектом и машинным обучением обеспечивают возможность содействия устройствам и способам, описанным в настоящем документе. В общих чертах термин «искусственный интеллект» относится к технологиям, которые позволяют компьютерам имитировать человеческие способности восприятия, решения проблем, действия, адаптации и усовершенствования с течением временем с накоплением опыта. Распознавание изображений и обработка естественного языка могут рассматриваться как два конкретных примера или типа искусственного интеллекта, которые преобразуют аспекты их соответствующей среды в фрагменты информации, которые могут быть предоставлены в качестве входных данных для компьютеризированных алгоритмов. Технологии машинного обучения могут помочь адаптировать и улучшить выполнение задачи алгоритмом или возможность достижения желаемого результата с течением времени на основе статистических данных.
В настоящем документе термин «вид» относится к стандартному ассоциативному названию вида домашнего животного. Например, золотистый ретривер относится к виду «собаки», мейн-кун относится к виду «кошки», а голубой хирург относится к виду «рыбы».
В настоящем документе термин «стадия развития» относится к относительной стадии развития домашнего животного в жизненном цикле домашнего животного. Например, собаки могут иметь такие стадии развития, как «щенок», «взрослая собака» и «старая собака». Кошки могут иметь такие стадии развития, как «котенок», «взрослая кошка» и «старая кошка».
В настоящем документе термин «размер породы» относится к относительному размеру данной породы домашнего животного по сравнению с другими породами домашних животных того же вида. Например, размеры пород могут включать карликовые, небольшие, средние, крупные и гигантские. Например, чихуахуа считается карликовой породой, а немецкий дог считается гигантской породой. В некоторых случаях домашнее животное сложно отнести к конкретной породе. В таких случаях домашнее животное можно в более общем смысле классифицировать по размеру (например, небольшое, среднее или крупное домашнее животное).
В настоящем документе термины «вариация размеров породы» или «вариация размеров домашнего животного» относятся к степени того, насколько данный кормовой продукт для домашних животных соответствует размеру конкретной породы или размеру конкретного домашнего животного. Породы домашних животных разного размера или домашние животные разного размера могут иметь разные потребности. Например, для карликовых или небольших собак может требоваться меньшее потребление калорий, обычно выражаемое в виде потребляемой калорийности в единицу времени, например, 150 ккал/сутки. Кроме того, калорийность корма, которая отражает показатель калорийности в заданном объеме, например, 150 ккал/чашка, влияет на рекомендацию того, какое количество корма необходимо скормить за указанный момент времени для достижения потребляемой калорийности. Для сравнения, собакам крупных или гигантских пород может потребоваться корм, который позволит учитывать определенные характеристики здоровья, присущие их размеру (например, корма с добавками, учитывающими проблемы, связанные с тазобедренными суставами или пищеварением, которые, как правило, характерны для крупных и гигантских пород собак).
Например, вариацию размеров породы (BSV) для кормового продукта для домашних животных можно рассчитать с учетом размера породы по формуле:
где PF представляет собой коэффициент приоритетности и где M определяют на основе соотнесения размера породы, для которой предназначен кормовой продукт для домашних животных, с размером данной породы. Например, для указанного размера породы кормовым продуктам, предназначенным для указанного размера породы, может быть присвоено значение M, равное 0, кормовым продуктам, предназначенным для всех размеров пород, может быть присвоено значение M, равное 1, а кормовым продуктам, предназначенным для размеров породы, граничащих с указанным размером породы, может быть присвоено значение M, равное 2. В качестве другого примера, в таком варианте реализации, в котором указан небольшой размер породы, кормовым продуктам для домашних животных, предназначенных для небольших пород, будет присвоено значение M, равное 0, кормовым продуктам для домашних животных, предназначенным для всех размеров пород, будет присвоено значение M, равное 1, а кормовым продуктам для домашних животных, предназначенным для карликовых и средних размеров пород, будет присвоено значение M, равное 2, как показано в таблице ниже:
Коэффициент приоритетности может отражать относительную значимость вариации размеров породы в последующих расчетах (например, при оценке кормовых продуктов для домашних животных для формирования рекомендации по кормовому продукту для домашних животных). Аналогичным образом можно рассчитать вариацию размеров домашних животных.
В определенных вариантах реализации, где вариация размеров породы или вариация размеров домашнего животного очень важны для последующих расчетов, для коэффициента приоритетности может быть задано значение 10 (из максимального значения 10). В таком варианте реализации в продолжение предшествующего примера кормовые продукты для домашних животных, предназначенные для небольших пород, будут иметь вариацию размера породы BSV=10/(0+1)=10, кормовые продукты для домашних животных, предназначенные для всех размеров пород, будут иметь вариацию размера породы BSV=10/(1+1)=5, а кормовые продукты для домашних животных, предназначенные для карликовых и средних пород, будут иметь вариацию размера породы BSV=10/(2+1)=3,33. Кормовые продукты для домашних животных, предназначенные для значительно более крупных пород по сравнению с указанными (т.е. крупных и гигантских пород при расчетах для небольших пород), можно не учитывать при расчете вариации размеров пород.
В настоящем документе термин «вариация физического состояния» относится к тому, насколько точно данный кормовой продукт для домашних животных разработан для домашних животных с данным физическим состоянием. Например, для домашних животных с избыточной массой может потребоваться более низкая калорийность корма, чем для домашних животных с идеальной массой тела, поэтому кормовые продукты для домашних животных, разработанные для домашних животных с избыточной массой тела, могут иметь более низкую калорийность. При прочих равных условиях более низкое потребление калорий и/или более низкая калорийность могут помочь домашнему животному сбросить массу для восстановления идеальной массы тела домашнего животного. Аналогичным образом, домашним животным с недостаточной массой тела может требоваться более высокая калорийность, чем домашним животным с идеальной массой тела. Соответственно, кормовые продукты для домашних животных, разработанные для домашних животных с недостаточной массой тела, могут иметь более высокую калорийность, чтобы помочь домашним животным с недостаточной массой тела увеличить массу и восстановить идеальную массу тела. Таким образом, вариацию физического состояния для данного кормового продукта для домашних животных можно рассчитать на основе калорийности кормового продукта для домашних животных.
Например, вариацию физического состояния (BCV) для данного кормового продукта для домашних животных относительно калорийности кормового продукта для домашних животных можно рассчитать по формуле:
где PF представляет собой коэффициент приоритетности, FAV представляет собой значение, присвоенное корму, которое определяют на основе калорийности кормового продукта для домашних животных, а M представляет собой значение, выбранное на основе заданного физического состояния. Например, FAV может быть задано на основе калорийности (калорий/миска) кормового продукта для домашних животных в соответствии с таблицей ниже:
Аналогичным образом, значение M может быть рассчитано на основе заданного физического состояния в соответствии с таблицей ниже:
Коэффициент приоритетности может отражать относительную значимость вариации физического состояния в последующих расчетах (например, при оценке кормовых продуктов для домашних животных для формирования рекомендации по кормовому продукту для домашних животных). В определенных вариантах реализации, где вариация физического состояния важна для последующих расчетов, но не так важна, как вариация размеров породы, для коэффициента приоритетности может быть задано значение 9 (из максимального значения 10). В таких вариантах реализации для домашнего животного с избыточной массой (т.е. M = 0) кормовой продукт для домашних животных с наибольшей калорийностью будет иметь вариацию физического состояния BCV=9/(+1)=4,5, а кормовой продукт для домашних животных с наименьшей калорийностью будет иметь вариацию физического состояния BCV=9/(+1)=9.
В настоящем документе термин «вариация стадии развития» относится к сравнению между стадией развития домашнего животного и стадией развития домашнего животного, для которой предназначен кормовой продукт для домашних животных. Например, более молодым домашним животным может потребоваться корм с более высокой калорийностью, поскольку такие домашние животные все еще растут и, как правило, очень активны, тогда как более старым домашним животным может потребоваться корм с более низкой калорийностью, так как более старые домашние животные, как правило, могут быть менее активными. Кроме того, более старым домашним животным может потребоваться корм, который учитывает проблемы со здоровьем, присущие более старым животным (например, проблемы с суставами, проблемы с пищеварением, проблемы с сердцем). Таким образом, вариацию стадии развития можно рассчитать относительно данной стадии развития домашнего животного.
Например, вариацию стадии развития (LSV) можно рассчитывать по формуле:
где PF представляет собой коэффициент приоритетности и где M определяется на основе стадии развития домашнего животного и стадии развития, для которой предусмотрен кормовой продукт для домашних животных. Например, аналогично описанной выше вариации размеров породы, для указанной стадии развития кормовым продуктам, предназначенным для одной и той же стадии развития, может быть присвоено значение M, равное 0, кормовым продуктам, предназначенным для всех стадий развития, может быть присвоено значение M, равное 1, а кормовым продуктам для домашних животных, предназначенным для стадий развития, граничащим с указанной стадией развития, может быть присвоено значение M, равное 2. Кормовые продукты для домашних животных, предназначенные для других стадий развития, отличных от описанных в настоящем документе, могут быть исключены из расчета. В качестве другого примера, в таком варианте реализации, если указанная стадия развития соответствует щенку или котенку, то кормовым продуктам для домашних животных, предназначенным для щенков или котят, присваивают значение M, равное 0, кормовым продуктам для домашних животных, предназначенным для всех стадий развития, присваивают значение M, равное 1, а кормовым продуктам для домашних животных, предназначенным для стадии развития взрослого животного, присваивают значение M, равное 2, как показано в таблице ниже:
Кормовые продукты для домашних животных, предназначенные для стадии развития старших животных, могут быть исключены из расчета и из потенциальных рекомендаций по кормовым продуктам для домашних животных. Коэффициент приоритетности может отражать относительную значимость вариации стадии развития в последующих расчетах (например, при оценке кормовых продуктов для домашних животных для формирования рекомендации по кормовому продукту для домашних животных). В определенных вариантах реализации, где вариация стадии развития важна для последующих расчетов, но не так важна, как вариация размеров породы и вариация физического состояния, для коэффициента приоритетности может быть задано значение 8 (из максимального значения 10). В таких вариантах реализации и в продолжение предшествующего примера кормовые продукты для домашних животных, предназначенные для щенков или котят, будут иметь вариацию стадии развития LSV=8/(0+1)=8, кормовые продукты для домашних животных, предназначенные для всех стадий развития, будут иметь вариацию стадии развития LSV=8/(1+1)=4, а кормовые продукты для домашних животных, предназначенные для стадий развития взрослых животных, будут иметь вариацию стадии развития LSV=8/(2+1)=2,67.
В настоящем документе термин «вариация степени активности» относится к сравнению степени активности домашнего животного и энергетической ценности кормового продукта для домашних животных. Более активным домашним животным может, по существу, требоваться более высокая калорийность потребляемого корма, чтобы не допустить избыточной потери массы, поэтому им могут потребоваться кормовые продукты для домашних животных с более высокой калорийностью. Аналогичным образом, менее активным домашним животным может, по существу, требоваться меньшее количество калорий, чтобы избежать набора избыточной массы, поэтому им могут потребоваться кормовые продукты для домашних животных с более низкой калорийностью. Таким образом, вариацию степени активности для кормового продукта для домашних животных можно рассчитать относительно указанной степени активности.
Например, вариацию степени активности (ALV) для данного кормового продукта для домашних животных относительно степени активности можно рассчитать по формуле:
где PF представляет собой коэффициент приоритетности, FAV представляет собой присвоенную кормовую ценность, которую определяют на основе калорийности кормового продукта для домашних животных, а M выбрано на основе заданной степени активности. Например, FAV может быть задано на основе калорийности (калорий/миска) кормового продукта для домашних животных в соответствии с приведенной выше таблицей с учетом вариации физического состояния. Аналогичным образом, значение M может быть рассчитано на основе заданной степени активности в соответствии с таблицей ниже:
Коэффициент приоритетности может отражать относительную значимость вариации степени активности в последующих расчетах (например, при оценке кормовых продуктов для домашних животных для формирования рекомендации по кормовому продукту для домашних животных). В определенных вариантах реализации, в которых вариация степени активности менее важна, чем вариация размера породы, вариация физического состояния и вариация стадии развития, для коэффициента приоритетности для вариации степени активности может быть задано значение 5 (из максимального значения 10).
В таких вариантах реализации для менее активного домашнего животного (т.е. M = 0) вариация степени активности для кормового продукта для домашних животных с самой высокой калорийностью будет равна ALV=5/(+1)=1,25, а вариация степени активности для кормового продукта для домашних животных с самой низкой калорийностью будет равна ALV=5/(+1)=5.
В настоящем документе термин «вариация массы домашнего животного» относится к сравнению фактической массы домашнего животного и предполагаемой массы домашнего животного соответствующей (-их) породы (пород) и энергетической ценности корма для домашних животных. Для домашних животных с избыточной для их пород массой могут потребоваться кормовые продукты для домашних животных с более низкой калорийностью, чем для домашних животных с идеальной для их породы (пород) массой тела. Аналогичным образом, для домашних животных с недостаточной для их породы (пород) массой могут потребоваться кормовые продукты с более высокой калорийностью, чем для домашних животных с идеальной массой тела. Соответственно, можно рассчитать вариацию массы домашнего животного относительно указанной массы домашнего животного, присущей его породе.
Например, отклонение массы домашнего животного (PWV) от массы домашнего животного можно рассчитать по формуле:
где PF представляет собой коэффициент приоритетности, FAV представляет собой присвоенную кормовую ценность, которую определяют на основе калорийности кормового продукта для домашних животных, а M представляет собой значение, выбранное на основе заданной массы домашнего животного. Например, FAV может быть задано на основе калорийности (калорий/миска) кормового продукта для домашних животных в соответствии с приведенной выше таблицей с учетом вариации физического состояния. Аналогичным образом, значение M может быть рассчитано на основе заданной степени активности в соответствии с таблицей ниже:
В определенных вариантах реализации расчет вариации массы домашнего животного может дополнительно включать в себя расчет статуса массы домашнего животного. Для заданной массы домашнего животного (PW) статус массы (WC) можно рассчитать по формуле:
где ACW представляет собой среднюю расчетную массу породы домашнего животного. Для домашних животных одной породы ACW может быть равно среднему значению минимальной и максимальной нормальной массы для породы. Для домашних животных более чем одной породы ACW может быть равно среднему значению минимальной и максимальной массы каждой породы. Если WC превышает 1, то считается, что домашнее животное имеет избыточную массу, если WC менее 1, то считается, что домашнее животное имеет недостаточную массу, а если WC приблизительно равно 1 (например, 0,95–1,05), то считается, что домашнее животное имеет идеальную массу. Коэффициент приоритетности может отражать относительную значимость вариации массы домашнего животного в последующих расчетах (например, при оценке кормовых продуктов для домашних животных для формирования рекомендации по кормовому продукту для домашних животных). В определенных вариантах реализации, в которых вариация массы домашнего животного менее значима, чем вариация размера породы, вариация физического состояния, вариация стадии развития и вариация степени активности, коэффициенту приоритетности вариации массы домашнего животного может быть присвоено значение 1 (из максимального значения 10).
В таких вариантах реализации для домашнего животного с избыточной массой (т.е. M = 0) кормовой продукт для домашних животных с наибольшей калорийностью будет иметь вариацию массы домашнего животного, равную PWV=1/(+1)=0,33, а кормовой продукт для домашних животных с наименьшей калорийностью будет иметь вариацию массы домашнего животного, равную PWV=1/(+1)=1.
В настоящем документе термин «предпочтение по злакам» относится к предпочтению пользователя или домашнего животного по содержанию злаков в кормовом продукте для домашних животных. В определенных вариантах реализации предпочтение по злакам может включать в себя (i) то, что предпочтительны содержащие злаки кормовые продукты для домашних животных, (ii) то, что содержащие злаки кормовые продукты для домашних животных являются нежелательными, или то, что предпочтительны не содержащие злаков кормовые продукты для домашних животных, (iii) то, что предпочтения по содержанию злаков в кормовых продуктах для домашних животных отсутствуют.
В настоящем документе термин «предпочтение по белку» относится к предпочтению пользователя или домашнего животного по содержанию белка в кормовом продукте для домашних животных. В определенных вариантах реализации предпочтение по белку может включать в себя (i) то, что предпочтительными являются кормовые продукты для домашних животных, содержащие мясо птицы (например, курицы, утки или индейки), (ii) то, что предпочтительными являются кормовые продукты для домашних животных, содержащие говядину, (iii) то, что предпочтительными являются кормовые продукты для домашних животных, содержащие свинину, (iv) то, что предпочтительными являются кормовые продукты для домашних животных, содержащие рыбу, (v) то, что предпочтительными являются кормовые продукты для домашних животных, содержащие белок растительного происхождения, (vi) то, что предпочтения по содержанию белка в кормовых продуктах для домашних животных отсутствуют.
В настоящем документе термин «предпочтение по консистенции корма» относится к предпочтению пользователя или домашнего животного к консистенции кормового продукта для домашних животных. В определенных вариантах реализации предпочтение по консистенции корма может включать в себя (i) то, что предпочтительными являются влажные кормовые продукты для домашних животных, (ii) то, что предпочтительным является сухой кормовой продукт для домашних животных, (iii) то, что предпочтение по консистенции кормовых продуктов для домашних животных отсутствует.
В настоящем документе термин «предпочтение по натуральным ингредиентам» относится к предпочтению пользователя или домашнего животного к консистенции кормового продукта для домашних животных. В определенных вариантах реализации предпочтение по натуральным ингредиентам могут включать в себя (i) то, что предпочтение отдают кормовым продуктам для домашних животных, которые содержат натуральные ингредиенты, (ii) то, что предпочтение отдают кормовым продуктам для домашних животных, которые не содержат натуральных ингредиентов, (iii) то, что предпочтение по содержанию натуральных ингредиентов в кормовых продуктах для домашних животных отсутствует.
В настоящем документе термин «предпочтение по способу покупки» относится к предпочтению пользователя в отношении доступности приобретения кормового продукта для домашних животных. В определенных вариантах реализации предпочтение по способу покупки может включать в себя (i) то, что предпочтение отдают продуктам, доступным в режиме онлайн (или одновременно в режиме онлайн и в магазинах), (ii) то, что предпочтение отдают продуктам, доступным в магазинах (или одновременно в магазинах и в режиме онлайн), (iii) то, что предпочтение по покупке в отношении кормовых продуктов для домашних животных отсутствует.
Предпочтительные варианты осуществления относятся к способам и устройствам для определения корма для домашних животных и/или режима кормления домашних животных.
На фиг. 1 в общих чертах представлен вариант осуществления системы 5 для определения рекомендованного корма 21 для домашнего животного 1. Например, пользователь 2, которому может принадлежать домашнее животное 1, может пожелать приобрести корм для домашнего животного 1. Однако пользователю 2 может быть неизвестен точный тип корма, который наилучшим образом подходит с учетом потребностей домашнего животного 1, и/или рекомендованный режим кормления для домашнего животного 1. Соответственно, пользователь 2 может использовать систему 5 для определения рекомендации по кормовому продукту для домашних животных и/или рекомендации 21 по кормлению домашнего животного 1.
Система 5 может включать в себя интерфейс 22. В некоторых вариантах осуществления интерфейс представляет собой веб-интерфейс. Веб-интерфейс 22 может быть реализован посредством сервера 23 веб-интерфейсов. Например, сервер 23 веб-интерфейсов может предоставлять веб-интерфейс 22 при получении запроса от пользовательского устройства 11. Пользовательское устройство 11 может быть реализовано, например, в виде мобильного телефона, смартфона, смарт-часов, ноутбука, планшета, карманного персонального компьютера (PDA) и/или настольного компьютера. Пользовательское устройство 11 может быть выполнено с возможностью получения изображения 3 домашнего животного. В другом варианте осуществления пользовательское устройство 11 может дополнительно или альтернативно хранить изображение 3 домашнего животного 1. Интерфейс 22 системы 5 может быть выполнен с возможностью получения изображения 3 домашнего животного. Например, пользователь 2 может иметь возможность загружать изображение 3 домашнего животного в интерфейс 22. Пользовательское устройство 11 может обмениваться данными с интерфейсом 22 и/или сервером 23 интерфейсов посредством сетевого соединения, такого как сетевое соединение через Интернет. В определенных вариантах реализации пользовательское устройство 11 может обмениваться данными по проводному или беспроводному сетевому соединению (например, сетевому соединению по Wi-Fi, Bluetooth, Ethernet, сотовым соединениям для передачи данных). В дополнительных вариантах реализации функциональные возможности одного или обоих из интерфейса 22 и сервера 23 интерфейсов могут быть реализованы с помощью пользовательского устройства 11 (например, в виде программы или приложения, исполняемого на пользовательском устройстве). В других вариантах осуществления интерфейс представляет собой голосовой интерфейс, приложение для мобильного телефона, интеграцию чат-бота или другие пользовательские интерфейсы для веб и/или облачных решений.
Интерфейс 22 может получать дополнительные или альтернативные входные данные. Например, интерфейс 22 может дополнительно или альтернативно получать информацию о породе домашнего животного, массе домашнего животного, степени активности домашнего животного, поле домашнего животного, половом статусе домашнего животного (например, стерилизовано/кастрировано), окружающей среде / климате домашнего животного, употреблении кормовых добавок в настоящее время / в прошлом, текущем/предшествующем рационе питания домашнего животного, особенностей питания, желаемых показателях здоровья, предпочтении пользователя и/или домашнего животного в отношении ингредиентов и/или предпочтении по способу покупки. Дополнительная информация о домашнем животном может быть предоставлена пользователем (например, владельцем домашнего животного или ветеринаром). Дополнительная информация также может быть получена из базы статистических данных или даже удаленно от устройств, расположенных на домашнем животном (например, ошейника), или из окружающей среды домашнего животного (например, от миски для кормления или туалетного лотка).
В варианте осуществления, в котором интерфейс 22 принимает изображение 3 домашнего животного, изображение 3 домашнего животного может быть передано в модель 33 распознавания изображений домашнего животного. Модель 33 распознавания изображений домашнего животного может анализировать изображение 3 домашнего животного для определения вида/породы домашнего животного, стадии развития домашнего животного и/или размера домашнего животного посредством анализа изображения 3 домашнего животного на наличие одной или более характеристик домашнего животного. Модель 33 распознавания изображений домашнего животного может выдавать результат 32 распознавания изображения домашнего животного. Результат 32 распознавания изображения домашнего животного может содержать вариацию породы/размера домашнего животного, вариацию физического состояния, вариацию степени активности, вариацию массы домашнего животного и/или вариацию стадии развития. Затем результат 32 распознавания изображения домашнего животного может быть передан обратно в интерфейс 22.
В определенных вариантах реализации, как показано на фиг. 1, модель 33 распознавания изображений домашнего животного может быть реализована на облачном сервере 31. Например, модель 33 распознавания изображений домашнего животного может быть реализована посредством облачного сервера, предоставленного поставщиком облачных сервисов (например, Google Cloud Platform Services).
Затем система 5 может передавать результат 32 распознавания изображения домашнего животного в модель 63 рекомендации кормового продукта для домашних животных. В определенных вариантах реализации такая передача данных может быть непрямой. Например, как показано на фиг. 1, облачный сервер 31 и/или модель 33 распознавания изображений могут передавать результат 32 распознавания изображения домашнего животного в модель 63 рекомендации кормового продукта для домашних животных опосредованно через интерфейс 22 и/или сервер 23 интерфейсов. В определенных вариантах реализации облачный сервер 31 и/или модель 33 распознавания изображений могут передавать результат 32 распознавания изображения домашнего животного в модель 63 рекомендации кормового продукта для домашних животных напрямую (например, по каналу связи между облачным сервером 31 и облачным сервером 61).
Затем модель 63 рекомендации кормового продукта для домашних животных может использовать результат 32 распознавания изображения домашнего животного и/или другую информацию, предоставленную пользователем или сохраненную в модели 63 рекомендации кормового продукта для домашних животных, для определения результата 62 рекомендации кормового продукта для домашних животных. Результат 62 рекомендации кормового продукта для домашних животных может быть выбран моделью 63 рекомендации кормового продукта для домашних животных из списка кормовых продуктов для домашних животных, например, кормовых продуктов 62a, 62b, 62c и 62d для домашних животных, посредством анализа результата 32 распознавания изображения. Например, как более подробно описано ниже, модель 63 рекомендации кормового продукта для домашних животных может рассчитывать одно или более из вариации размеров породы/домашнего животного, вариации физического состояния, вариации стадии развития, вариации степени активности и вариации массы домашнего животного на основе характеристик домашнего животного, включенных в результат 32 распознавания изображения или предоставленных пользователем 2.
В одном из вариантов осуществления корм 62a для домашних животных может включать в себя корм для домашних животных с высоким содержанием жиров, корм 62b для домашних животных может включать в себя корм для домашних животных без глютена, корм 62c для домашних животных может включать в себя корм для домашних животных с низким содержанием сахара и корм 62a для домашних животных может включать в себя корм для домашних животных без мяса. Если результат 62 рекомендации кормового продукта для домашних животных определяется моделью 63 рекомендации кормового продукта для домашних животных, то после этого результат 62 рекомендации кормового продукта для домашних животных может быть передан в интерфейс 22. В других вариантах реализации результат 62 рекомендации кормового продукта для домашних животных может включать в себя более одного корма 62a–d для домашних животных. Например, модель 63 рекомендации кормового продукта для домашних животных может выбрать более одного корма 62a, 62b, 62c и 62d для домашних животных, соответствующего предоставленным предпочтениям пользователя, и может включать выбранные корма 62a, 62b, 62c и 62d для домашних животных в результат 62 рекомендации кормового продукта для домашних животных для выбора пользователем. В некоторых вариантах осуществления, когда в рамках рекомендации по кормовому продукту для домашних животных представлено множество кормовых продуктов для домашних животных, для продуктов может быть установлен приоритет на основе задокументированной логики в модели.
Как показано на фиг. 1, в определенных вариантах реализации модель 63 рекомендаций кормового продукта для домашних животных может быть реализована на облачном сервере 61. Например, модель 63 рекомендации кормового продукта для домашних животных может быть реализована на облачном сервере 61, предоставленном поставщиком облачных сервисов (например, Google Cloud Platform Services).
Интерфейс 22 может использовать результат 62 рекомендации кормового продукта для домашних животных, чтобы предложить пользователю 2 рекомендованный корм для домашних животных 21. Кроме того, наряду с рекомендованным режимом кормления на основе результата 32 распознавания изображения домашнего животного и результата 62 рекомендации кормового продукта для домашних животных в интерфейсе 22 может предоставляться ссылка на покупку рекомендованного корма для домашних животных 21.
Интерфейс 22 может собирать данные в отношении результата 32 распознавания изображений домашнего животного и результата 62 рекомендации кормового продукта для домашних животных. Например, пользователь 2 может иметь возможность оставлять обратную связь в отношении рекомендованного корма 21 для домашних животных, такую как влияние рекомендованного корма 21 для домашних животных на увеличение и/или потерю массы домашнего животного 1, на изменения внешнего вида домашнего животного 1 и/или то, понравился ли рекомендованный корм 21 для домашнего животного домашнему животному 1. Кроме того, интерфейс 22 может получать данные из других источников, включая интеллектуальные ошейники, используемые для отслеживания перемещений домашнего животного 1, интеллектуальные миски для кормления, используемые для кормления домашнего животного 1, весы для измерения массы домашнего животного, ветеринарную карту домашнего животного 1, последующие результаты 32 распознавания изображения домашнего животного 1 и/или актуальные предпочтения для домашнего животного 1, введенные пользователем 2. Такая обратная связь может по существу рассматриваться как «статистические данные» для обучения и оптимизации модели 63 рекомендации кормового продукта для домашних животных.
Статистические данные для обучения и оптимизации модели рекомендации кормового продукта для домашних животных могут храниться в базе 101 статистических данных. Чтобы обеспечить, что рекомендованный корм 21 для домашних животных с наибольшей вероятностью удовлетворяет запросам и предпочтениям пользователя 2 и/или потребностям домашнего животного 1, статистические данные для обучения и оптимизации модели рекомендации по кормовому продукту для домашних животных можно использовать в модели 63 рекомендации кормового продукта для домашних животных, как более подробно описано ниже.
В определенных вариантах осуществления система 5 может включать в себя один или более компонентов, реализованных в компьютерной системе, включающей в себя центральный процессор (ЦП) и запоминающее устройство. Например, один или более компонентов системы 5 могут включать в себя запоминающее устройство, в котором хранятся команды, которые при их исполнении ЦП приводят к тому, что ЦП реализует одну или более функций компонента. В качестве другого примера, одно или более из пользовательского устройства 11, сервера 23 интерфейсов, облачных серверов 31 и 61 и базы 101 статистических данных могут быть реализованы в виде по меньшей мере одной компьютерной системы. В определенных вариантах реализации каждый из этих компонентов может быть реализован в отдельной компьютерной системе. В других вариантах реализации один или более компонентов могут быть реализованы в одной компьютерной системе. Например, сервер 23 интерфейсов и пользовательское устройство 11 могут быть реализованы в одной и той же компьютерной системе. В качестве другого примера, в определенных вариантах реализации облачные сервера 31 и 61 могут быть реализованы в одной и той же компьютерной системе.
Кроме того, один или более компонентов системы 5 могут обмениваться данными по сети, например, по общедоступной или частной сети. Например, пользовательское устройство 11, сервер 23 интерфейсов, облачные сервера 31 и 61 и база 101 статистических данных могут обмениваться данными через Интернет. Компоненты могут обмениваться данными по одному или более проводным или беспроводным сетевым интерфейсам, включая, без ограничений, Ethernet, Wi-Fi, Bluetooth, и по сетям сотовой связи.
На фиг. 1 также в общих чертах представлен вариант осуществления способа предоставления пользователю 2 рекомендованного корма 21 для домашних животных. Способ может быть реализован в компьютерной системе, такой как система 5. Например, способ может быть реализован с помощью пользовательского устройства 11, сервера 23 интерфейсов, облачных серверов 31 и 61 и базы 101 статистических данных. Способ также может быть реализован с использованием набора команд, хранящихся на машиночитаемом носителе, которые при их исполнении процессором приводят к тому, что компьютерная система выполняет способ. Например, весь или часть способа может быть реализована с помощью ЦП и запоминающего устройства.
Несмотря на то что приведенные ниже примеры описаны со ссылкой на блок-схему, показанную на фиг. 1, можно использовать многие другие способы выполнения операций, связанных с фиг. 1. Например, можно изменять порядок некоторых стадий, совмещать определенные стадии с другими, повторять одну или более стадий, а некоторые из описанных стадий могут быть необязательными. В определенных вариантах реализации стадии способа можно предпочтительно выполнять в показанном порядке без промежуточных стадий.
На стадии 10 интерфейс 22 может получать от пользователя 2 уведомление (например, уведомление, отправленное посредством пользовательского устройства 11) о том, что пользователь 2 хочет, чтобы ему предоставили рекомендованный корм 21 для домашних животных.
На стадии 20 интерфейс 22 может получать информацию о предпочтениях, такую как предпочтение пользователя 2 или домашнего животного 1 по злакам, предпочтение по белку, предпочтение по консистенции корма, предпочтение по натуральным ингредиентам и/или предпочтение по способу покупки. Интерфейс 22 может использовать эту информацию для персонализации результата 62 рекомендации кормового продукта для домашних животных для домашнего животного и владельца домашнего животного и/или других предпочтений домашнего животного и/или предпочтений домашнего животного в отношении корма. Интерфейс 22 также может быть выполнен с возможностью получения изображения 3 домашнего животного 1. Как дополнительно описано ниже, интерфейс 22 может также получать данные о домашнем животном 1, такие как данные, связанные с одним или более из пола, породы или возраста домашнего животного 1.
На стадии 30 интерфейс 22 может передавать изображение 3 домашнего животного в модель 33 распознавания изображений домашнего животного. Модель 33 распознавания изображений домашнего животного может анализировать изображение 3 домашнего животного для определения результата 32 распознавания изображения домашнего животного на основе изображения 3 домашнего животного. Например, модель 33 распознавания изображений домашнего животного может анализировать изображение 3 домашнего животного для выявления одной или более характеристик изображения 3 домашнего животного. Например, модель 33 распознавания изображений может быть реализована в виде модели машинного обучения, такой как двухмерная модель машинного обучения (например, рекуррентная нейронная сеть или сверточная нейронная сеть). Модель 33 распознавания изображений домашнего животного может обучаться на обучающих изображениях домашнего животного, которые могут быть подготовлены или иным образом получены из ранее представленных изображений 3 домашнего животного, как будет описано ниже. В процессе обучения модель 33 распознавания изображений домашнего животного может быть выполнена с возможностью выявления характеристик изображения или иного определения характеристик изображения для выявления на изображении 3 домашнего животного на основе процесса обучения. Примеры характеристик изображения могут включать в себя контур домашнего животного 1, область, ограниченную контуром домашнего животного 1, процентную долю пикселей изображения 3 домашнего животного, занимаемых домашним животным 1, и один или более геометрических размеров домашнего животного 1 на изображении 3 домашнего животного (например, длина, высота, расстояние от лап до холки, расстояние от спины до живота, ширина грудной клетки, объем груди).
После этого может быть проведен анализ характеристик изображения с формированием результата 32 распознавания изображения. Результат 32 распознавания изображения может включать в себя одну или более характеристик домашнего животного 1, например, рост, массу, длину, породу, размер породы, размер домашнего животного, степень активности, стадию развития и/или физическое состояние домашнего животного 1. Характеристики изображения позволяют предполагать или иным образом указывать на наличие одной или более характеристик домашнего животного 1. В определенных вариантах реализации, например, во время обучения модель 33 распознавания изображений домашнего животного может выявлять связь между контуром домашнего животного 1 на изображении 3 домашнего животного и одной или более характеристиками домашнего животного 1. Например, более крупная граница может свидетельствовать об одном или обоих из повышенной массы домашнего животного 1 или более крупном размере породы домашнего животного 1. В другом варианте реализации модель 33 распознавания изображений домашнего животного может выявлять связь между размером или окрасом домашнего животного 1 на изображении 3 домашнего животного и породой домашнего животного 1. Например, на основе предыдущего обучения модель 33 распознавания изображений домашнего животного может определять, что домашнее животное 1 с крупным телосложением и белым окрасом с черными пятнами представляет собой собаку породы далматин. В другом варианте осуществления для определения породы домашнего животного модель распознавания изображений домашнего животного может учитывать другие признаки изображения, такие как характеристики шерстяного покрова и/или особенности строения морды.
Модель 33 распознавания изображений домашнего животного может быть выполнена с возможностью формирования или прогнозирования определенных характеристик домашнего животного в зависимости от характеристик домашнего животного для включения в результат 32 распознавания изображения домашнего животного, которые имеют значение для последующей обработки модели 63 рекомендации кормового продукта для домашних животных. Например, модель 63 рекомендации кормового продукта для домашних животных может рассчитывать вариацию размеров породы и, следовательно, при формировании результата по рекомендации кормового продукта для домашних животных может полагаться на оценку размера породы домашнего животного 1. Таким образом, в таком варианте реализации модель 33 распознавания изображений домашнего животного может быть выполнена с возможностью оценки размера породы домашнего животного 1 на основе изображения 3 домашнего животного и включения оценки размера породы в результат 32 распознавания изображения.
В определенных вариантах реализации модель 33 распознавания изображений домашнего животного может быть реализована в виде более чем одной модели машинного обучения. Например, модель 33 распознавания изображений домашнего животного может включать в себя первую модель машинного обучения, выполненную с возможностью выявления характеристик изображения 3 домашнего животного, и вторую модель машинного обучения, выполненную с возможностью анализа характеристик изображения и выявления характеристик домашнего животного 1. В других дополнительных вариантах реализации модель 33 распознавания изображений домашнего животного может быть реализована в одной модели машинного обучения. Например, модель 33 распознавания изображений домашнего животного может включать в себя одну модель машинного обучения, выполненную с возможностью как выявления характеристик изображения на изображении 3 домашнего животного, так и оценки характеристик домашнего животного 1 на основе характеристик изображения. В еще одном примере модель 33 распознавания изображений домашнего животного может не оценивать характеристики изображения и может вместо этого включать в себя одну модель машинного обучения, выполненную с возможностью оценки характеристик домашнего животного 1 на основе изображения 3 домашнего животного непосредственно.
На стадии 40 результат 32 распознавания изображения домашнего животного может быть передан в интерфейс 22. В одном из вариантов осуществления результат 32 распознавания изображения может быть передан в модель 63 рекомендации кормового продукта для домашних животных без предварительной передачи в интерфейс 22.
На стадии 50 модель 63 рекомендации кормового продукта для домашних животных может получать результат 32 распознавания изображения домашнего животного. Результат 32 распознавания изображения домашнего животного может быть получен из интерфейса 22, модели 33 распознавания изображений домашнего животного и/или из другого местоположения.
На стадии 60 модель 63 рекомендации кормового продукта для домашних животных может анализировать результат 32 распознавания изображения домашнего животного, чтобы определять результат 62 рекомендации кормового продукта для домашнего животного. Модель 63 рекомендации кормового продукта для домашних животных может анализировать характеристики домашнего животного, включенные в результат 32 распознавания изображения домашнего животного. Модель 63 рекомендации кормового продукта для домашних животных может анализировать характеристики домашнего животного, включенные в результат распознавания изображения домашнего животного, и входные данные, переданные в интерфейс 22, чтобы определять результат рекомендации кормового продукта для домашнего животного. Например, результат 32 распознавания изображения может включать в себя одно или более из породы, размера породы, размера домашнего животного, физического состояния, стадии развития, степени активности и массы домашнего животного 1, а входные данные могут включать в себя одно или более из пола домашнего животного, полового статуса домашнего животного, массы домашнего животного, реакции чувствительности домашнего животного, состояния здоровья домашнего животного, окружающая среда домашнего животного, употребления кормовых добавок в настоящее время/в прошлом, текущих/предшествующих рационов питания, особенностей питания и/или желаемых показателей состояния здоровья, которые может использовать модель 63 рекомендации кормового продукта для домашних животных, чтобы рассчитать одну или более вариаций, таких как вариация размера пород/размера домашнего животного, вариации физического состояния, вариации стадии развития, вариации степени активности и/или вариации массы домашнего животного. Затем модель 63 рекомендации кормового продукта для домашних животных может оценивать кормовые продукты для домашних животных на основе суммы одной или более вариаций.
В определенных вариантах реализации модель 63 рекомендации кормового продукта для домашних животных может быть выполнена с возможностью (i) фильтрации списка кормовых продуктов для домашних животных с созданием отфильтрованного списка кормовых продуктов для домашних животных на основе одного или более предпочтений пользователя и (ii) сортировки отфильтрованного списка кормовых продуктов для домашних животных. Например, пользователь 2 может обеспечивать одно или более предпочтений для фильтрации кормовых продуктов для домашних животных, представленных в результате рекомендации кормового продукта для домашних животных. В некоторых вариантах осуществления пользователь 2 может предоставлять предпочтение по злакам, предпочтение по белку (например, курятина, говядина, свинина), предпочтение по консистенции корма (например, влажный или сухой), предпочтение по натуральным ингредиентам, предпочтение по способу покупки и/или другие дополнительные переменные, которые могут быть полезны для создания отфильтрованного списка кормовых продуктов для домашних животных. Затем отфильтрованный список кормовых продуктов для домашних животных может быть отсортирован с использованием одного или нескольких критериев, выбранных пользователем, например, по цене, наличию и/или торговой марке.
В дополнительных вариантах реализации или в дополнение к вышеуказанным вариантам реализации модель 63 рекомендации кормового продукта для домашних животных может включать в себя модель машинного обучения, формирующую результат 62 рекомендации кормового продукта для домашнего животного. Например, модель машинного обучения можно обучить определять коэффициенты приоритетности одной или более вариаций.
Результатом 62 рекомендации кормового продукта для домашнего животного может быть рекомендованный корм 21 для домашних животных, выбранный из кормов 62a–d для домашних животных. В других вариантах реализации, как описано выше, результат 62 рекомендации кормового продукта для домашнего животного может включать в себя множество кормов 62a–d для домашних животных на выбор пользователя 2.
В определенных вариантах осуществления результат 62 рекомендации кормового продукта для домашнего животного может также включать в себя рекомендацию по кормлению домашнего животного. Например, после определения кормов 62a–d для домашних животных модель 63 рекомендации кормового продукта для домашних животных может определять рекомендацию по кормлению домашнего животного на основе калорийности кормов 62a–d для домашних животных. Например, модель 63 рекомендации кормового продукта для домашних животных может определять рекомендацию по кормлению на основе комбинации факторов, включая желаемую норму потребления калорий и/или калорийность продукта, выбранного для домашнего животного 1, на основе характеристик домашнего животного 1 (например, породы домашнего животного, размера породы, физического состояния, стадии развития, степени активности и/или массы домашнего животного 1). Затем модель 63 рекомендации кормового продукта для домашних животных может определять, сколько требуется каждого корма 62a–d для домашних животных для достижения желаемой нормы потребления калорий для домашнего животного 1 на основе калорийности корма (например, путем деления желаемой нормы потребления калорий на калорийность кормов 62a–d для домашних животных). После этого модель 63 рекомендации кормового продукта для домашних животных может разделить корм на определенное число приемов желаемого или рекомендованного корма для домашнего животного 1 в сутки (например, на 2 приема корма в сутки). В определенных вариантах реализации модель рекомендации кормового продукта для домашних животных может не формировать рекомендацию по кормлению домашнего животного до тех пор, пока пользователь не выберет корм 62a–d для домашних животных из кормов 62a–d для домашних животных, включенных в результат распознавания изображения домашнего животного. Например, рекомендация по выбору корма для домашних животных и кормлению домашнего животного может быть направлена на достижение за определенный период времени (например, за 6 недель или 10 недель) показателя, соответствующего идеальному физическому состоянию в баллах, который определяется по поддержанию массы, потере массы или увеличению массы.
На стадии 70 результат 62 рекомендации кормового продукта для домашнего животного может быть получен интерфейсом 22. В одном варианте осуществления интерфейсом является веб-интерфейс. В других вариантах осуществления интерфейсом является чат, голосовое или мобильное приложение.
На стадии 80 результат 62 рекомендации кормового продукта для домашнего животного может быть передан с интерфейса 22 на пользовательское устройство 11 и/или пользователю 2. Результат 62 рекомендации кормового продукта для домашнего животного может быть представлен в форме рекомендованного корма 21 для домашних животных. В одном из вариантов осуществления рекомендованный корм 21 для домашних животных представляет собой два или более разных корма для домашних животных. В одном из вариантов осуществления рекомендованный корм 21 для домашних животных представлен двумя или более торговыми марками кормов для домашних животных. В одном из вариантов осуществления рекомендованный корм 21 для домашних животных представляет собой один корм для домашних животных и/или представлен одной торговой маркой кормов для домашних животных.
На стадии 90 база 101 статистических данных может получать поведенческие данные для обучения и оптимизации модели 63 рекомендации кормового продукта для домашних животных и/или модели 33 распознавания изображений. Например, изображение 3 домашнего животного можно сохранить в базе статистических данных и вручную пометить или проанализировать и передать для обучения в модель 33 распознавания изображений. В определенных вариантах осуществления эксперт в предметной области может рассматривать изображение 3 домашнего животного для определения одной или более характеристик домашнего животного 1 или характеристик изображения 3 домашнего животного и может помечать изображение 3 домашнего животного с выявленными характеристиками домашнего животного. После этого модель 33 распознавания изображений может быть обучена на изображении 3 домашнего животного в комбинации с множеством других изображений 3 домашнего животного. Например, модель 33 распознавания изображений может корректировать свои параметры (например, один или более показателей или коэффициентов в модели распознавания изображений) для максимального повышения точности обнаруженных характеристик изображения или характеристик домашнего животного.
В другом примере модель 63 рекомендаций по выбору корма может анализировать поведенческие данные пользователя 2 или домашнего животного 1 (например, то, что пользователь 2 приобрел рекомендованный корм 21 для домашнего животного, последующую потерю или увеличение массы домашнего животного 1, последующую степень активности домашнего животного 1) и может обновлять один или более параметров модели (например, коэффициенты приоритетности для вариаций) для обеспечения максимально точного выбора рекомендованного корма 21 для домашнего животного. Такие данные могут поступать в результате взаимодействия пользователя с решением посредством данных контроля веб-активности, файлов cookie, например, опросов пользователей, данных учета покупок и впоследствии отправленных изображений 3 домашнего животного. Модель 63 рекомендаций по выбору корма может также анализировать поведенческие данные о домашнем животном 1 (например, о том, достигло ли домашнее животное 1 желаемых изменений в физическом состоянии, нравится ли домашнему животному 1 рекомендованный корм 21 для домашних животных). Такие данные могут поступать с подключенных устройств для домашних животных (например, с ошейников, мисок, мерных ложек, туалетных лотков, поилок, камер, весов, мусорных ведер, ковриков, лежаков), которые автоматически собирают и передают данные, используемые для предоставления персонализированных рекомендаций по кормовым продуктам для домашних животных и/или рекомендаций по кормлению домашних животных. В определенных вариантах реализации модель 63 рекомендаций по выбору корма может быть оптимизирована для улучшения одного или более из того, купил ли пользователь 2 рекомендованный корм 21 для домашних животных, возникло ли желаемое изменение массы домашнего животного 1 после употребления рекомендованного корма 21 для домашних животных, понравился ли домашнему животному 1 рекомендованный корм 21 для домашнего животного и продолжает ли пользователь использовать систему 5 для формирования результатов 62 рекомендации кормового продукта для домашнего животного.
На стадии 100 поведенческие данные для обучения и оптимизации модели 63 рекомендаций по выбору корма для домашнего животного могут передаваться в модель 63 рекомендации кормового продукта для домашнего животного, чтобы обеспечить, что рекомендованный корм 21 для домашних животных с наибольшей вероятностью удовлетворяет запросам и предпочтениям пользователя 2 и/или потребностям или предпочтениям домашнего животного 1.
На фиг. 2 в общих чертах представлен вариант осуществления в виде схемы 200 применения. Схема 200 применения может показывать, как пользователь 2 взаимодействует с пользовательским устройством 11, показанным на фиг. 1, для предоставления входных данных на интерфейс 22, показанный на фиг. 1.
Как показано на фиг. 2, введение 210 может быть выполнено с возможностью приема от пользователя 2 дополнительной или исходной информации. Например, во введении от пользователя 1 может приниматься информация для входа в систему, первоначальные настройки учетной записи, необходимые юридические документы и/или документы по раскрытию данных и/или другую общую информацию. Введение 210 может использоваться только при первоначальном входе в интерфейс 22 и может не отображаться при последующих входах в систему после создания первоначального профиля пользователя.
В интерфейсе 22 может быть предусмотрено меню 220. После входа в интерфейс 22 перед пользователем 2 открывается меню 220, которое может иметь «исходный», «базовый» или начальный интерфейс. В меню 220 могут быть предусмотрены элементы навигации, позволяющие пользователю 2 переходить к другим элементам интерфейса 22.
В интерфейсе 22 может быть предусмотрен один или более элементов 230 меню. Доступ к элементам 230 меню может осуществляться через меню 220. Элементы 230 меню могут давать возможность пользователю 2 изменять, устанавливать и/или корректировать настройки в интерфейсе 22 и/или получать доступ к другой информации, относящейся к интерфейсу 22. Например, элементы 230 меню могут содержать экраны и/или документы, относящиеся к часто задаваемым вопросам, контакты и/или контактная информация, страницы обратной связи (например, обратной связи с возможностью редактирования пользователем или обратной связи, уже оставленной другими пользователями для просмотра пользователем 2), политику конфиденциальности, условия и/или пояснение, относящееся к рекламным материалам в интерфейсе 22.
В интерфейсе 22 могут быть предусмотрены одни или более входных данных 240 профиля. Доступ к входным данным 240 профиля может осуществляться через меню 220. Входные данные 240 профиля могут давать возможность пользователю 2 вводить информацию, относящуюся к домашнему животному и/или предпочтениям пользователя 2, которую можно использовать для определения рекомендованного корма 21 для домашнего животного. Например, входные данные 240 профиля могут содержать: начальный экран, на котором могут быть приведены инструкции по порядку выполнения пользователем 2 дальнейших действий; экран основной информации; экран загрузки фотографии, где пользователь 2 может загружать изображение 3 домашнего животного для последующего использования в модели 33 распознавания изображений, показанной на фиг. 1; экран информации о породе, где пользователь 2 может вводить информацию о породе домашнего животного 1; экран информации о массе, где пользователь 2 может вводить информацию о массе домашнего животного 1; экран степени активности, где пользователь 2 может вводить информацию о степени активности домашнего животного 1; экран предпочтения ингредиентов, где пользователь 2 может вводить информацию о предпочтениях ингредиентов для домашнего животного 1 и/или пользователя 2; экран предпочтения по белку, где пользователь 2 может вводить информацию о предпочтениях по белку для домашнего животного 1 и/или пользователя 2; и/или экран предпочтения по способу покупки, где пользователь 2 может вводить информацию о предпочтениях по способу покупки для пользователя 2.
По окончании ввода по меньшей мере одного из элементов во входных данных 240 профиля может быть сформирован полный профиль 250 с использованием информации, представленной во входных данных 240 профиля, и/или любой информации, созданной моделью 33 распознавания изображений домашнего животного, моделью 63 рекомендации кормового продукта для домашнего животного и/или базой 101 статистических данных, как показано на фиг. 1. Полный профиль 250 может использоваться для определения рекомендованного корма 21 для домашних животных. Например, в полный профиль 250 может быть включена одна или более характеристик, включенных в результат 32 распознавания изображения. После этого модель 63 рекомендации кормового продукта для домашних животных может проанализировать одно или оба из результата 32 распознавания изображения и полного профиля 250 с формированием результата 62 рекомендации кормового продукта для домашнего животного, как описано выше.
В одном из вариантов осуществления, если при вводе входных данных 240 профиля доступна загрузка фотографии, входные данные 240 профиля могут дополнительно включать в себя окно загрузки файла, в котором пользователь может загрузить изображение 3 домашнего животного и/или прочитать сообщения о параметрах фотографии, если она не соответствует определенным предварительно заданным критериям. В определенных вариантах реализации изображение 3 домашнего животного может требовать одной или более характеристик фотографии. Например, в определенных вариантах реализации модель 33 распознавания изображений может быть выполнена с возможностью предоставления наиболее точных результатов на основе изображений 3 домашнего животного, выполненных, когда домашнее животное 1 обращено мордой к камере (например, модель 33 распознавания изображений может быть обучена главным образом на изображениях 3 домашнего животного, на которых домашнее животное 1 обращено мордой к камере). В других примерах модель 33 распознавания изображений может быть выполнена с возможностью предоставления наиболее точных результатов на основе изображений 3 домашнего животного, когда домашнее животное 1 изображено в профиль (например, модель 33 распознавания изображений может быть обучена главным образом на изображениях 3 домашнего животного, на которых домашнее животное 1 обращено профилем к камере). Загруженная фотография может указывать характеристики фотографии, необходимые или предпочтительные для модели 33 распознавания изображений для получения точного результата 32 распознавания изображения. Дополнительно или альтернативно при обработке изображения 3 домашнего животного моделью 33 распознавания изображений для определения результата 32 распознавания изображения домашнего животного пользователь может видеть визуальный элемент, отображающий анализ фотографии.
В интерфейсе 22 может быть предусмотрен визуальный элемент 260, отображающий процесс мышления. Пользователь может видеть визуальный элемент 260, отображающий процесс мышления, когда модель 33 распознавания изображений домашнего животного обрабатывает изображение 3 домашнего животного и/или любые другие входные данные для определения результата 32 распознавания изображений домашнего животного, результата 62 рекомендации кормового продукта для домашнего животного и/или рекомендованного корма 21 для домашнего животного.
В интерфейсе 22 могут отображаться результаты 270. Результаты 270 могут предоставляться пользователю 2 после того, как модель 33 распознавания изображений домашнего животного обработает изображение 3 домашнего животного и/или любые другие входные данные для определения результата 32 распознавания изображений домашнего животного и/или результата 62 рекомендации кормового продукта для домашнего животного. Результаты 270 могут включать в себя рекомендованный корм 21 для домашнего животного. Результаты 270 могут включать в себя ссылку для доступа к руководству 280 по кормлению. Как описано выше, в определенных вариантах реализации результат 62 рекомендации кормового продукта для домашних животных может включать в себя группу кормов 62a–d для домашних животных, из которых пользователь может выбрать рекомендованный корм 21 для домашних животных из кормов 62a–d для домашних животных. В таких вариантах реализации результаты могут включать в себя выбор кормов, из которых пользователь выбирает рекомендованный корм для домашних животных.
Руководство 280 по кормлению может содержать включать в себя руководство по кормлению в зависимости от рекомендованного корма 21 для домашнего животного, корма для домашнего животного, выбранного пользователем, изображения 3 домашнего животного и/или любых других входных данных для определения результата 32 распознавания изображения домашнего животного и/или результата 62 рекомендации кормового продукта для домашнего животного.
В интерфейсе 22 могут быть предусмотрены советы 290. Советы 290 могут быть встроены в любые другие визуальные элементы, описанные в настоящем документе, и могут представлять пользователю 2 рекомендации или пояснения в процессе навигации пользователя 2 по параметрам, входящим в интерфейс 22.
В некоторых вариантах осуществления пользователь может создать профиль для хранения информации о своем домашнем животном, предпочтениях и истории покупок. Этот профиль может использоваться для запуска программ, работающих на основе алгоритма, которые инициируют последующую передачу данных и взаимодействие с пользователем. Например, передача данных может осуществляться в виде автоматической отправки сообщений по электронной почте или текстовых сообщений с инструкциями для пользователя по изменению корма для домашнего животного или рекомендацией по кормлению по достижении домашним животным определенной стадии развития (например, взрослого возраста). Возможности машинного обучения могут применяться к данным, полученным на устройстве, например, к данным с устройства с выходом в Интернет, расположенного на домашнем животном, или к генерируемым пользователем входным сигналам в ответ на автоматические сообщения для постоянного повышения качества корма для домашнего животного и персонализации содержания рекомендаций по кормлению домашнего животного для конкретного домашнего животного и/или владельца домашнего животного.
На фиг. 3 в общих чертах представлен вариант осуществления персонализированного руководства 330 по кормлению для предоставления персонализированных рекомендаций по кормовым продуктам для домашнего животного и/или рекомендаций по кормлению домашнего животного. Как показано на фиг. 3, персонализированное руководство 330 по кормлению выполнено с возможностью использования в веб и/или мобильном приложении, но персонализированное руководство 330 по кормлению может быть предоставлено и на других носителях. Персонализированное руководство 330 по кормлению может включать в себя: выбранный корм 301 для домашнего животного; профиль 302 домашнего животного; инструкции 303 по кормлению домашнего животного; инструкции 304 по переходу на другой корм для домашнего животного; краткие сведения 305 о продукте; информацию 306 о составе и пищевой ценности продукта и другие рекомендации 307 по кормовым продуктам для домашних животных. Данные о выбранном корме для домашнего животного могут включать в себя кличку домашнего животного, название торговой марки, название продукта и ссылку, по которой можно перейти на веб-сайт для приобретения корма для домашнего животного. Данные 301 о выбранном корме для домашнего животного могут также отражать размер единицы и/или оформление корма для домашнего животного, выбранного пользователем 2. Профиль 302 домашнего животного может отражать входные данные и сгенерированную информацию, касающуюся домашнего животного 1. Например, такая информация может включать в себя породу домашнего животного, массу домашнего животного, степень активности домашнего животного, предпочтение по ингредиентам для пользователя и/или домашнего животного, предпочтение по белку для домашнего животного и/или предпочтение по способу покупки. Инструкции 303 по кормлению домашнего животного могут включать в себя указания по кормлению домашнего животного 2. Инструкции 303 по кормлению домашнего животного могут учитывать изображение 3 домашнего животного и/или любые другие входные данные для определения результата 32 распознавания изображения домашнего животного и/или результата 62 рекомендации кормового продукта для домашнего животного, а также результат 32 распознавания изображения домашнего животного и/или результат 62 рекомендации кормового продукта для домашнего животного.
Инструкции 305 по переходу на другой корм для домашнего животного могут включать в себя инструкции по безопасному и успешному переводу домашнего животного 1 с первого корма на второй корм. Другие рекомендации 307 по кормовым продуктам для домашних животных могут включать в себя другие корма 62 a, 62 b, 62 c и 62 d для домашних животных, определенные моделью 63 рекомендации кормового продукта для домашних животных, но не выбранные пользователем 2.
Следует понимать, что специалистам в данной области будут очевидны различные изменения и модификации примеров, описанных в настоящем документе. Такие изменения и модификации можно вносить без отступления от сущности и объема настоящего объекта изобретения и без уменьшения его предполагаемых преимуществ. Следовательно, предполагается, что прилагаемая формула изобретения охватывает такие изменения и модификации. Таким образом, настоящие варианты осуществления не должны ограничиваться точными подробностями методики или исполнения, изложенными выше, поскольку предполагается, что такие вариации и модификации включены в объем настоящего описания. Более того, если специально не указано иное, любое использование терминов «первый», «второй» и т.д. не указывает на какой-либо порядок или приоритет, и термины «первый», «второй» и т.д. используются исключительно для того, чтобы отличить один элемент от другого.
| название | год | авторы | номер документа |
|---|---|---|---|
| СПОСОБ КОНТРОЛЯ МАССЫ, УСТРОЙСТВО, СИСТЕМА | 2014 |
|
RU2672400C2 |
| СИСТЕМЫ И СПОСОБЫ ПРЕДОСТАВЛЕНИЯ РЕКОМЕНДАЦИЙ ПО ЗДОРОВЬЮ, ПИТАНИЮ И/ИЛИ БЛАГОПОЛУЧИЮ ЖИВОТНЫХ | 2015 |
|
RU2694196C1 |
| СИСТЕМА И СПОСОБ ОПТИМИЗАЦИИ ЖИВОТНОВОДЧЕСКОГО ПРОИЗВОДСТВА | 2005 |
|
RU2399289C2 |
| СПОСОБЫ И УСТРОЙСТВО ДЛЯ ОПТИМИЗАЦИИ КОРМА ДЛЯ ДОМАШНИХ ЖИВОТНЫХ | 2001 |
|
RU2269158C2 |
| КОРМОВОЙ ПРОДУКТ ДЛЯ СНИЖЕНИЯ РАЗРУШЕНИЯ МЫШЦ И СПОСОБЫ ЕГО ПОЛУЧЕНИЯ | 2016 |
|
RU2731288C2 |
| СПОСОБ ПОДГОТОВКИ РЕКОМЕНДАЦИЙ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ КОМПЬЮТЕРИЗИРОВАННОЙ ОЦЕНКИ СПОСОБНОСТЕЙ ПОЛЬЗОВАТЕЛЕЙ | 2017 |
|
RU2672171C1 |
| СУХИЕ ПИЩЕВЫЕ КОМПОЗИЦИИ С УЛУЧШЕННЫМ ВКУСОМ | 2006 |
|
RU2376866C2 |
| СИСТЕМЫ И СПОСОБЫ ПРЕДОСТАВЛЕНИЯ ПРОДУКТОВ ЖИВОТНЫМ | 2009 |
|
RU2526709C2 |
| СПОСОБ СОЗДАНИЯ КОРМОВОЙ КОМПОЗИЦИИ | 2007 |
|
RU2416978C2 |
| КОРМОВОЙ ПРОДУКТ С НИЗКОЙ ОБЪЕМНОЙ ПЛОТНОСТЬЮ ДЛЯ ДОМАШНИХ ЖИВОТНЫХ, СПОСОБ ЕГО ПРОИЗВОДСТВА И СПОСОБ РЕГУЛИРОВАНИЯ МАССЫ ТЕЛА ДОМАШНИХ ЖИВОТНЫХ | 2004 |
|
RU2324364C2 |
Изобретение относится к способам и устройствам для представления рекомендаций по кормам для домашних животных. Технический результат - представление рекомендации по кормовому продукту для домашнего животного и/или рекомендации по кормлению домашнего животного. Анализируют изображение домашнего животного с помощью модели распознавания изображений домашнего животного для определения одной или более характеристик. Получают поведенческие данные домашнего животного. Используя модель рекомендации кормового продукта для домашних животных, характеристики домашнего животного и поведенческие данные, формируют рекомендации по кормовому продукту для домашнего животного и/или рекомендации по кормлению домашнего животного. 3 н. и 17 з.п. ф-лы, 3 ил., 6 табл.
1. Способ представления рекомендации по кормовому продукту для домашних животных, включающий:
получение сервером веб-интерфейсов изображения домашнего животного, на котором изображено домашнее животное;
анализ сервером веб-интерфейсов, используя модель распознавания изображений домашнего животного, изображения домашнего животного для определения одной или более характеристик домашнего животного, при этом анализ включает:
обучение модели распознавания изображения домашнего животного для выявления характеристик изображения на основе процентной доли пикселей изображения домашнего животного, приходящихся на домашнее животное; и
выявление одной или нескольких характеристик домашнего животного с использованием обученной модели распознавания изображений домашнего животного;
получение сервером веб-интерфейсов одного или более типов входных данных, связанных с домашним животным;
хранение поведенческих данных домашнего животного в базе статистических данных;
обучение сервером веб-интерфейсов модели рекомендации кормового продукта для домашних животных на основе поведенческих данных, хранящихся в базе статистических данных; и
анализ сервером веб-интерфейсов, используя модель рекомендации кормового продукта для домашних животных, характеристик домашнего животного и исходных данных, связанных с домашним животным, для формирования рекомендации по кормовому продукту для домашнего животного и/или рекомендации по кормлению домашнего животного.
2. Способ по п. 1, в котором изображение домашнего животного получают с пользовательского устройства.
3. Способ по п. 1, в котором анализ изображения домашнего животного дополнительно включает в себя:
анализ сервером веб-интерфейсов изображения домашнего животного для выявления одной или более характеристик изображения домашнего животного; и
определение сервером веб-интерфейсов одной или более характеристик домашнего животного на основе характеристик изображения.
4. Способ по п. 3, в котором характеристики домашнего животного включают в себя одну или более характеристик, выбранных из группы, состоящей из породы, размера породы, размера домашнего животного, физического состояния, стадии развития, степени активности, пола домашнего животного, полового статуса домашнего животного и массы домашнего животного.
5. Способ по п. 1, дополнительно включающий:
фильтрацию сервером веб-интерфейсов списка кормовых продуктов для домашних животных на основе по меньшей мере одного предпочтения пользователя для создания отфильтрованного списка кормовых продуктов для домашних животных.
6. Способ по п. 5, в котором по меньшей мере одно предпочтение пользователя включает в себя по меньшей мере одно предпочтение, выбранное из группы, состоящей из предпочтения по злакам, предпочтения по белку, предпочтения по консистенции корма, предпочтения по натуральным ингредиентам и предпочтения по способу покупки.
7. Способ по п. 1, дополнительно включающий:
расчет сервером веб-интерфейсов одной или более вариаций, выбранных из группы, состоящей из вариации размеров породы, вариации размеров домашнего животного, вариации физического состояния, вариации стадии развития, вариации степени активности и вариации массы домашнего животного.
8. Способ по п. 1, дополнительно включающий:
расчет сервером веб-интерфейсов множества вариаций для формирования множества рассчитанных вариаций; и
оценку сервером веб-интерфейсов списка кормовых продуктов для домашних животных на основе суммы рассчитанных вариаций для выявления одного или более рекомендованных кормовых продуктов для домашних животных.
9. Способ по п. 1, дополнительно включающий:
предоставление сервером веб-интерфейсов пользователю рекомендации по кормовому продукту для домашних животных, причем рекомендация по кормовому продукту для домашних животных содержит множество кормовых продуктов для домашних животных;
получение, сервером веб-интерфейсов, от пользователя информации о выбранном кормовом продукте для домашних животных из множества кормовых продуктов для домашних животных и
формирование сервером веб-интерфейсов рекомендации по кормлению домашнего животного на основе выбранного кормового продукта для домашних животных.
10. Способ по п. 9, в котором рекомендация по кормлению домашних животных формируется на основе калорийности выбранного кормового продукта для домашних животных.
11. Способ по п. 1, дополнительно включающий:
обучение модели распознавания изображений домашних животных на основе поведенческих данных, хранящихся в базе статистических данных.
12. Система представления рекомендации по кормовому продукту для домашних животных, содержащая:
процессор; и
запоминающее устройство, в котором хранятся команды, которые при их исполнении процессором приводят к тому, что процессор:
получает изображение домашнего животного, на котором изображено домашнее животное;
анализирует, используя модель распознавания изображений домашних животных, изображение домашнего животного для определения одной или более характеристик домашнего животного, при этом анализ включает:
обучение модели распознавания изображения домашнего животного для выявления характеристик изображения на основе процентной доли пикселей изображения домашнего животного, приходящихся на домашнее животное; и
выявление одной или нескольких характеристик домашнего животного с использованием обученной модели распознавания изображений домашнего животного;
принимает один или более типов входных данных, связанных с домашними животными;
осуществляет хранение поведенческих данных домашнего животного в базе статистических данных;
выполняет обучение модели рекомендации кормового продукта для домашних животных на основе поведенческих данных, хранящихся в базе статистических данных; и
анализирует, используя модель рекомендации кормового продукта для домашних животных, характеристики домашнего животного и исходные данные, связанные с домашним животным, для формирования рекомендации по кормовому продукту для домашнего животного и/или рекомендации по кормлению домашнего животного.
13. Система по п. 12, в которой в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор:
анализирует изображение домашнего животного для выявления одной или более характеристик изображения домашнего животного; и
определяет одну или более характеристик домашнего животного на основе характеристик изображения.
14. Система по п. 12, в которой в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор:
фильтрует список кормовых продуктов для домашних животных на основе по меньшей мере одного предпочтения пользователя для создания отфильтрованного списка кормовых продуктов для домашних животных.
15. Система по п. 14, в которой характеристики домашнего животного включают в себя одну или более характеристик, выбранных из группы, состоящей из породы, размера породы, размера домашнего животного, физического состояния, стадии развития, степени активности, пола домашнего животного, полового статуса домашнего животного и массы домашнего животного.
16. Система по п. 12, в которой в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор:
выполняет расчет одной или более вариаций, выбранных из группы, состоящей из вариации размеров породы, вариации размеров домашнего животного, вариации физического состояния, вариации стадии развития, вариации степени активности и вариации массы домашнего животного.
17. Система по п. 12, в которой в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор:
выполняет расчет множества вариаций для формирования множества рассчитанных вариаций; и
выполняет оценку списка кормовых продуктов для домашних животных на основе суммы рассчитанных вариаций для выявления одного или более рекомендованных кормовых продуктов для домашних животных.
18. Система по п. 12, в которой в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор:
предоставляет пользователю рекомендацию по кормовому продукту для домашних животных, причем в рекомендации по кормовому продукту для домашних животных содержится множество кормовых продуктов для домашних животных;
принимает от пользователя информацию о выбранном кормовом продукте для домашних животных из множества кормовых продуктов для домашних животных и
формирует рекомендацию по кормлению домашнего животного на основе выбранного кормового продукта для домашних животных.
19. Система по п. 12, в которой в запоминающем устройстве хранятся дополнительные команды, которые при их исполнении процессором приводят к тому, что процессор:
выполняет обучение модели распознавания изображений домашних животных на основе поведенческих данных, хранящихся в базе статистических данных.
20. Машиночитаемый физический носитель информации, хранящий команды представления рекомендации по кормовому продукту для домашних животных, которые при их исполнении процессором приводят к тому, что процессор:
получает изображение домашнего животного, на котором изображено домашнее животное;
анализирует, используя модель распознавания изображений, изображение домашнего животного для определения одной или более характеристик домашнего животного, при этом анализ включает:
обучение модели распознавания изображения домашнего животного для выявления характеристик изображения на основе процентной доли пикселей изображения домашнего животного, приходящихся на домашнее животное; и
выявление одной или нескольких характеристик домашнего животного с использованием обученной модели распознавания изображений домашнего животного;
принимает один или более типов входных данных, связанных с домашними животными;
осуществляет хранение поведенческих данных домашнего животного в базе статистических данных;
выполняет обучение модели рекомендации кормового продукта для домашних животных на основе поведенческих данных, хранящихся в базе статистических данных; и
анализирует, используя модель рекомендации кормового продукта для домашних животных, характеристики домашнего животного и исходные данные, связанные с домашним животным, для формирования рекомендации по кормовому продукту для домашних животных.
| CN 106472332 A, 08.03.2017 | |||
| WO 2018094892 A, 31.05.2018 | |||
| US 2017196196 A1, 13.07.2017 | |||
| ПОРИСТЫЙ УГЛЕРОДНЫЙ МАТЕРИАЛ И СПОСОБ ЕГО ПОЛУЧЕНИЯ | 2021 |
|
RU2791238C1 |
| УСТРОЙСТВО И СПОСОБ ДЛЯ ПРЕДОСТАВЛЕНИЯ ИНФОРМАЦИИ О ЖИВОТНЫХ ПРИ ИХ ПРОХОЖДЕНИИ ЧЕРЕЗ ПРОХОД ДЛЯ ЖИВОТНЫХ | 2008 |
|
RU2469530C2 |
