随着咖啡饮品的普及和无人经济的发展,许多公司开始了对自助咖啡贩卖机的研究。但是目前我国的自助咖啡贩卖机多为功能机,既无法根据顾客的身体健康调配适合的成分配比,也无法根据顾客的需求调整配比。所以本文主要从人脸属性估计、语音识别和模糊控制三个方面进行研究,设计了一种咖啡贩卖机中成分智能配比系统。首先,本文对人脸属性估计进行了研究,提出了一种性别识别与属性估计级联的结构,先判断出顾客的性别,再对不同性别的顾客通过多任务卷积神经网络估计年龄和BMI。经过性别交叉实验验证了级联结构的必要性,“无跨性别”时,年龄和BMI估计的误差更小。通过将不同的网络模型与本文研究的改进后的VGG-Face模型进行对比实验,得出改进后的VGG-Face模型在年龄和BMI估计时的准确率要高。并将单任务学习与多任务学习两种方法进行了对比实验,得出在年龄、BMI估计实验中多任务学习的准确率要高。然后,本文对顾客与咖啡贩卖机人机交互时的语音识别进行了研究,因为目前咖啡贩卖机的投放场景在国内,所以语音识别更趋向于对汉语的研究。本文为了得到更精准的MFCC特征,首先通过残差结构对传统的卷积神经网络层数进行加深,其次对卷积层后的激活函数进行优化,最后通过将改进后的卷积神经网络与CTC结构相结合的方式,对网络模型做最终优化。为了验证改进后的网络性能,将四种网络模型的进行对比实验,证明了改进后的网络词错率最低。最后,本文采用模糊控制系统对成分配比估计算法进行了实现,模糊控制系统的输入包含两部分:人脸属性估计模型估计出的顾客年龄和BMI(体重指数);顾客与咖啡贩卖机交互时语音识别得到的顾客对成分含量的需求。将输入变量按照适合的模糊规则进行推理,得出既适合顾客身体又符合顾客需求的成分含量。实验验证时,系统采集了五名测试者的人脸图像与需求,经过成分配比估计算法的推理后,得到了符合先验知识的咖啡糖分含量,证明了该系统在简单场景下的良好性能。