每周AI应用方案精选：个性化营养餐饮推荐系统；全基因组测方案
TIPS：本文共有 2811 个字，阅读大概需要 6 分钟。
每周三期，详解人工智能产业解决方案，让AI离你更近一步。解决方案均选自机器之心Pro行业数据库。
方案1：视频 AI 应用系统——VideoAi
解决方案简介：
VideoAi 系统可以识别出明星、物体、品牌、场景等信息标签，再通过大数据技术将标签化信息与用户画像自动匹配，结合名为「灵眸」的广告资源投放系统，视频中的商品能对应到淘宝链接。用户在通过该系统观看视频时发现感兴趣的产品时，可将产品选中并加入购物车，在场景里通过互动广告和视频电商实现变现，也增强了用户的互动性。
解决方案详解：
1. 算法部署插件化管理：目前人工实验室各个识别算法（明星识别、物体识别、品牌识别、场景识别等）已经进入产品化阶段，需要把实验室的研究推进到工程化开发，开发者通过 docker 将每个算法封装部署，使得每个算法都能单独更新快速迭代。该方式同样也更加方便扩展和随时增加算法类型。例如以后的商品识别、语音识别等，无论外部接入还是原创算法都能很好扩展；
2. 灵眸分析算法调度及与前段应用解耦：在实际生产环境中，算法分析与应用是两套完全独立的系统。由于视频分析计算资源占用非常多，因此必须跟前端应用解耦。目前的架构中有独立的调度系统，使用任务队列的方式使得算法部分独立于前端应用。所有分析任务从前端发出后都不是直接调用算法，而是通过调度系统从队列中去消费，启动相应的算法分析，最後由调度系统反馈到应用层。在后续开发中，调度系统不仅承担系统解藕的作用，还会加入监控、资源调配等模块，使得资源最大化利用；
3. 灵眸视频分析与 VideoOS 视频互动平台的深度结合：灵眸视频智能分析平台能够输出视频的结构化数据，这些数据本身价值巨大，而实现这些价值需要与 OS 的视频互动深度结合。灵眸与 OS 的视频数据可以互通，在内部 api 方式或者数据库层面均能支持。截至 2017 年 9 月已经打通 videoOS 中的视频（即芒果、乐视等视频平台中的视频）与灵眸分析视频的关联，使得分析的视频数据能够直接应用到视频互动资源上，让投放更加精准和多样化，同时效率也更高。灵眸早期工程版本（仅有明星识别）中针对芒果节目的辅助运营显示，视频智能化分析能带来效率和投放效果的极大提升，随着 OS 中应用数量不断增加，分析得到的数据也将有更丰富的输出形式；
4. 样本管理系统和运营反馈机制：优质的训练样本对于提高识别精度非常重要，企业设立有专门的数据采集团队，负责训练样本采集、标注等工作，以保证样本质量，同时提供样本的管理系统，方便录入、筛选和管理。除了样本的管理，企业还设立有运营反馈机制。运营人员会根据系统在运营中产生的实际识别结果进行抽样审核，及时反馈到算法团队，以便调整优化算法。有了及时的反馈机制，在大面积投入使用之后，随着反馈规模的扩大，算法准确率提高更快。
方案2：建筑设计智能化SaaS平台
解决方案简介：
该平台将建筑领域 80%～90% 的产品，比如住宅小区、产业园区的设计智能化，在自动的基础上能够智能的判断推荐、智能的设计创作。而原本花费一两周的设计工作，数秒之内就能完成，省去绘图过程后，建筑师只需要进行判断和选择。
解决方案详解：
对设计院等机构提供的图纸、从渠道获取的海量数据进行机器学习，并在积累近十年的建筑和城市设计算法系列的基础上，结合建筑师的人工标注和需求输入，可以实时生成大量合乎建筑规范的方案模型，通过人工智能评估和判断哪些是更优建筑方案，最后推荐至少十个优质方案给建筑师。
方案3：无人体验店——WithAnt
解决方案简介：
蚂蚁金服的无人店主要运用传感器和部分计算机识别技术，为顾客提供不同的消费体验。此外，无人店对商家来说，也有着低人力成本的诱惑。2018 年初，商店主要售卖蚂蚁金服周边衍生产品，且正在试验穿戴式无感支付方案，研发者希望在顾客鞋中嵌入传感器后，无人店可自动识别进店顾客身份，并对出店顾客结算扣款。
解决方案详解：
在入口闸机处，电子屏会完整验证顾客支付宝帐号身份，电子屏上方前置摄像头，同步完成顾客人脸识别。消费者将挑中的商品放到一个盒子里（商品感应区），传感器识别商品上的 RFID，商品价格确定后，通过人脸识别，支付宝将会自行扣款。
方案4：全基因组测序分析及医疗影像分析方案——Health Nucleus
解决方案简介：
该方案结合了全基因组测序分析和 MRI 医疗影像分析的结果，能帮助用户了解自身的遗传疾病风险、对食物和药物的过敏情况、肤色、眼睛虹膜颜色、身高的情况，并获得关于癌症、心血管疾病、神经疾病、代谢疾病等疾病的健康建议。
目前，企业已经集合了超过一百万人的 DNA 数据与其临床病理数据。
该企业的数据还能为医疗保险公司提供决策参考，创建合适的保险产品。
解决方案详解：
该公司通过利用亚马逊的云服务管理大数据，构建人类基因组、对应的表型，以及对应医疗诊断病例的数据库。利用机器学习方法进行大规模计算，分析基因组数据预测出生命特征和衰老趋势，并通过早期诊断与改变生活方式等方法帮助用户达到健康长寿的目的。
方案5：个性化营养餐饮推荐系统——觅饭
解决方案简介：
基于用户多维度个人信息（体测数据、运动强度、疾病状况等），实现每日餐单推荐。使得每日推荐餐单能够满足食材多样性、不同食材种类的热量配比合理、早午晚餐热量分配合理、宏量营养素供能合理、微量营养素满足每日需求、控制盐糖酒摄入、充足膳食纤维、控制忌口食材等多重条件，同时兼具可扩展性：如地中海饮食结构，中式饮食结构等。
解决方案详解：
1. 社会背景：人群的饮食习惯整体处于较为不健康的状态
2. 行业痛点：健康管理中饮食管理不规范，难以给出科学量化的、便于实施的解决方案；
3. 解决问题：不同生理状况、健康状况的用户输入基本的个人信息，得到定制化的“最优”餐单；
4. 应用及市场前景：使用与健康管理下多场景的饮食管理；
5. 竞争优势：首次将多目标系统引入饮食推荐；用统计学习（statistical learning）方法解决了多目标规划问题，其拓展性（融合不同饮食结构、由疾病产生的限制条件等）保证了该系统普适性及快速进化、升级能力。
产品功能/解决方案架构 ：
1. 系统架构（功能）：数据收集，科学计算，方案返回。
2. 系统架构（技术）：</strong>前端（Web 语言）+ 后端（科学计算：程序语言）+ 部署（集群）。
3. 具体功能：前端通过用户友好的界面收集用户的基本信息（生理指标、疾病状况等），后端通过科学计算从由2000+种食物组成的食物库中挑选出最优的食材组合（一日餐单），连同针对该餐单的多维度评价一同反馈给用户。
4. 模型构造思路：逻辑层面，整合在饮食问题中的多种限制条件及营养目标；技术层面，通过“启发式”搜索在N维空间中找到“最优解”。
5. 数据筛选：搜集了互联网上2000+中食材及其营养密度等全方位信息，整合成食物库。
如果觉得《每周AI应用方案精选：个性化营养餐饮推荐系统；全基因组测方案》对你有帮助，请点赞、收藏，并留下你的观点哦！