一种面膜配方的调配方法与流程

本发明涉及人工智能配方调配，尤其涉及一种面膜配方的调配方法。

背景技术：

1、在开发面膜配方之前，化妆品科学家和研发团队首先会对各种可能的成分进行研究和了解，这包括了解各种天然和合成成分的功效和特性，例如保湿剂、抗氧化剂、维生素、植物提取物等，了解面膜的功能和目标非常重要，例如，某些面膜可能旨在深层清洁毛孔，而其他面膜可能旨在保湿和滋养。确定面膜的目标有助于选择适当的成分，根据研究和了解的成分，面膜的配方可以选择合适的成分。这些成分可能包括清洁剂，吸附剂，保湿剂，抗氧化剂，维生素，果酸等。根据所选成分的特性和功效，将它们按照一定比例配比，将各种成分按照配方进行混合，并进行初步调试和测试。这包括将配方中的各种成分混合到一起，观察它们的相容性和稳定性，并对配方的质地、气味和功效进行评估。如果需要，可以进行多次调试和测试，以优化配方的效果和性能。然而目前的面膜配方基本针对大部人人群，无法通过用户面部情况进行自定义配方调制，实现面膜的个性化配方调配。

技术实现思路

1、基于此，有必要提供一种面膜配方的调配方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种面膜配方的调配方法，所述方法包括以下步骤：

3、步骤s1：利用初始面膜样本获取面膜特性数据集；对面膜特性数据集进行面膜成分分析，生成面膜成分知识图谱；

4、步骤s2：通过智能皮肤分析设备获取用户皮肤生理数据；利用虚拟现实技术进行脸部模型仿真，从而生成3d虚拟人脸模型；根据用户皮肤生理数据对3d虚拟人脸模型进行数据融合，从而生成虚拟实验人脸模型；

5、步骤s3：根据面膜成分知识图谱和虚拟实验人脸模型进行智能平台构建，生成面膜自定义调配平台；获取用户输入数据；根据用户输入数据对面膜自定义调制平台进行用户输入数据分析，生成面膜配方成分数据；

6、步骤s4：通过微型摄像机采集用户人脸图像；根据面膜自定义平台对用户人脸图像进行面膜形态确认，生成面膜形态调整数据；根据面膜形态调整数据对用户人脸图像进行人脸贴合，生成人脸贴合面膜数据；

7、步骤s5：基于神经网络模型对人脸贴合面膜数据和面膜配方成分数据进行模型构建，生成环境调配预测模型；根据环境调配预测模型进行配方预测，从而得到面膜调配显示结果。

8、本发明通过对面膜样本中的成分进行详细分析，了解面膜的主要成分以及各成分的含量和特性，通过构建面膜成分知识图谱，将面膜成分的关系和特性进行整合和描述，形成一个结构化的知识库，通过知识图谱中的关系和特性，可以发现面膜成分之间的关联和相互作用，为后续面膜研发和应用提供指导，基于面膜成分知识图谱，可以进行推理和决策，例如根据用户需求推荐适合的面膜产品，或者根据成分特性预测面膜的功效和效果；通过智能皮肤分析设备获取用户的皮肤生理数据，了解其肌肤状况和特征，如水分含量、油分含量等，这有助于为用户提供个性化的皮肤护理建议和产品推荐，通过脸部模型仿真和3d虚拟人脸模型的生成，结合用户的皮肤生理数据，可以进行虚拟实验模拟，例如，测试不同护肤产品在用户皮肤上的效果，观察皮肤的改变和变化，基于虚拟实验人脸模型的结果，可以进行护肤方案的优化和个性化推荐，根据不同用户的皮肤特征，选择适合的护肤产品和护理方法，提供更好的护肤体验和效果，通过虚拟实验人脸模型，可以进行新产品的研发和测试，并评估其在不同肌肤类型和状况下的效果，这有助于减少实验成本和时间，提高产品的开发效率；基于已有的面膜成分知识图谱和虚拟实验人脸模型，开发人员将构建一个智能平台，面膜成分知识图谱提供了关于各种面膜成分的信息和相互关系，而虚拟实验人脸模型则用于模拟面膜在人脸上的应用效果，通过结合这两者，可以为用户提供更精确和有效的面膜定制方案，在构建完智能平台后，开发人员将创建一个面膜自定义调配平台，这个平台将提供用户友好的界面，使用户能够输入自己的需求和喜好，用户将在面膜自定义调配平台上输入自己的需求和喜好，例如皮肤类型、肤质问题、期望的效果等，这些输入数据将用于后续的分析和生成面膜配方成分数据，面膜自定义调配平台将对用户输入的数据进行分析，这可能包括对皮肤类型、肤质问题和期望效果等因素的评估和分析，基于对用户输入数据的分析，面膜自定义调配平台将生成相应的面膜配方成分数据，这些数据将是根据用户的需求和喜好，结合面膜成分知识图谱和虚拟实验人脸模型，推荐的最佳配方；通过面膜形态确认和调整数据，面膜自定义平台可以根据用户的面部特征生成针对性的面膜形态，这能够确保面膜在用户脸部的尺寸、位置和形状上与个体特征相匹配，提供更好的贴合感和舒适度，通过人脸贴合技术生成的人脸贴合面膜数据，可以呈现给用户虚拟的面膜效果图像，这使用户能够在没有真实应用面膜的情况下，预览自己所定制的面膜在面部的效果，增加了用户参与感和体验感，通过面膜形态确认和人脸贴合处理，可以检查面膜在用户面部的合适度和效果，这有助于用户在实际使用面膜之前，了解面膜对其面部特征的适应性，并确保面膜的质量和功效；使用神经网络模型来构建环境调配预测模型，可以利用其强大的模式识别和学习能力，从人脸贴合面膜数据和面膜配方成分数据中提取相关特征，神经网络能够自动学习和捕捉数据之间的复杂关系，从而更准确地预测面膜所需的具体配方，基于环境调配预测模型，可以对面膜的配方进行预测，该模型能够根据人脸贴合面膜数据和面膜配方成分数据的输入，输出适合该用户的面膜配方，预测得到的配方可以根据用户的需求和肤质特征，调配相应的面膜，基于神经网络模型的配方预测，可以根据用户的个体特征和需求，生成个性化的面膜配方，这些配方可以根据用户的肤质状况、特定的皮肤问题和期望的效果进行定制，个性化的面膜配方能够更准确地满足用户的需求，提供更有效的护肤效果，利用神经网络模型进行配方预测，可以减少面膜配方的试错过程，提高配方调配的准确性和效率，这样可以节省时间和资源，并确保每个用户获得的面膜配方都是最适合其肤质和需求的。因此，本发明通过整合面膜成分知识图谱、虚拟实验人脸模型和智能算法，实现了个性化、科学化的面膜自定义调配平台，解决了传统面膜配方调配的精准化缺失，提升了用户体验和面膜配方的准确性。

9、本发明的有益效果在于通过分析初始面膜样本的特性数据集并进行面膜成分分析，生成面膜成分知识图谱。这个图谱包含了多个面膜成分的信息，可以用作后续配方预测和调配过程的参考，通过智能皮肤分析设备获取用户的皮肤生理数据，并将其与虚拟实验人脸模型进行数据融合，生成虚拟实验人脸模型，然后，根据面膜成分知识图谱和用户输入数据，在面膜自定义调配平台上构建智能平台，根据用户输入数据分析生成面膜配方成分数据，这样可以实现根据用户的特定需求和皮肤特征，定制个性化的面膜配方，通过微型摄像机采集用户的人脸图像，并利用面膜自定义平台对图像进行面膜形态确认，生成面膜形态调整数据，这个步骤可以确保面膜在用户脸部的贴合程度，使得配方调配更加准确和有效，利用神经网络模型对人脸贴合面膜数据和面膜配方成分数据进行模型构建，生成环境调配预测模型，这个模型可以根据面膜贴合情况和配方成分数据预测面膜的调配结果，神经网络的使用可以提高配方预测的准确性和效率，根据环境调配预测模型进行配方预测后，可以得到面膜调配显示结果，这个结果可以展示面膜的具体配方成分、处理方法和使用说明等，有助于用户了解面膜的成分和功效，并正确使用面膜。因此，本发明通过整合面膜成分知识图谱、虚拟实验人脸模型和智能算法，实现了个性化、科学化的面膜自定义调配平台，解决了传统面膜配方调配的精准化缺失，提升了用户体验和面膜配方的准确性。