CN108600704A

CN108600704A - 一种自动厨房领域的监控***架构

Info

Publication number: CN108600704A
Application number: CN201810433756.3A
Authority: CN
Inventors: 黄俊升
Original assignee: Shenzhen Zhihui Cattle Technology Co Ltd
Current assignee: Shenzhen Zhihui Cattle Technology Co Ltd
Priority date: 2018-05-08
Filing date: 2018-05-08
Publication date: 2018-09-28

Abstract

本发明公开了一种自动厨房领域的监控***架构，包括终端设备和后台，所述终端设备监控设备检测的参数，进行分析处理，对变化幅度超出预警值时，计算出可能发生异常部件概率，并对异常部件概率进行优化计算，不断提高精确智能分析异常部件正确率，将概率最高的通过监控拍摄图像上传到后台；所述后台通过对图像处理分析得出是否出现异常，人工能够通过远程精准定位设备异常部件进行查看分析，并制定处理方案。本发明减少异常突发事件；缩短设备维修LOSS时间；提高设备综合效率；能精准定向远程查看隐患部件。

Description

一种自动厨房领域的监控***架构

技术领域

本发明涉及智能厨房领域，具体是一种自动厨房领域的监控***架构。

背景技术

厨房，是指可在内准备食物并进行烹饪的房间，一个现代化的厨房通常有的设备包括炉具(瓦斯炉、电炉、微波炉或烤箱)、流理台(洗碗槽或是洗碗机)及储存食物的设备(例如：冰箱、冰柜)。纵观中国历史上厨房格局的演变，它一方面取决于生产力的发展，另一方面也决定于当地的自然条件和居民的生活习惯。通过不同时期的演变，厨房的功能性逐渐走向合理。

现有的自动化控制技术应用比较成熟，但是设备异常报警时无法能提前预警，而且异常后不能快速精准定位到设备内部异常部件，不能将设备内部检测的数据进行智能化分析，未能合理预测部件或配件的生命周期，导致设备在工作时出现异常，维修困难，减低设备使用效率。因此，针对这一现状，迫切需要开发一种自动厨房领域的监控***架构，以克服当前实际应用中的不足。

发明内容

本发明的目的在于提供一种自动厨房领域的监控***架构，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种自动厨房领域的监控***架构，包括终端设备和后台，所述终端设备监控设备检测的参数，进行分析处理，对变化幅度超出预警值时，计算出可能发生异常部件概率，并对异常部件概率进行优化计算，不断提高精确智能分析异常部件正确率，将概率最高的通过监控拍摄图像上传到后台；所述后台通过对图像处理分析得出是否出现异常，人工能够通过远程精准定位设备异常部件进行查看分析，并制定处理方案。

作为本发明进一步的方案：在更换新的配件或部件时，根据该配件或部件的生命周期时间、生命周期预警时间和下限生命周期时间，待生命周期预警时间到达时，警报管理员进行维护更换。

作为本发明进一步的方案：设备检测的参数包括温度数据、湿度数据、油烟度数据、空气成分数据、动作加速时长数据、噪音数据和电流数据。

作为本发明进一步的方案：在设备正常运作时，检测设备内的参数，并为接收数据值设定一个上下限预警值，校验收到的数据不在设定上下限值时，设备计算出可能会引发异常部件概率，将可能会引发异常部件概率大于10％的通过摄像头拍摄图像上发到后台，分析该部件是否出现异常，若判断该部件为异常，通知人工进行远程核查，并作出最终判断，判断为异常将通知运维和管理员进行维护。

与现有技术相比，本发明的有益效果是：

1)减少异常突发事件；

2)缩短设备维修LOSS时间；

3)提高设备综合效率；

4)能精准定向远程查看隐患部件。

附图说明

图1为本发明的实现架构图。

图2为本发明的配件或部件生命周期流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～2，本发明实施例中，一种自动厨房领域的监控***架构，包括终端设备和后台，所述终端设备监控设备检测的参数，进行分析处理，对变化幅度超出预警值时，计算出可能发生异常部件概率，并对异常部件概率进行优化计算，不断提高精确智能分析异常部件正确率，将概率最高的通过监控拍摄图像上传到后台；所述后台通过对图像处理分析得出是否出现异常，人工能够通过远程精准定位设备异常部件进行查看分析，并制定处理方案。

更换新的配件或部件时，根据该配件或部件的生命周期时间、生命周期预警时间和下限生命周期时间，待生命周期预警时间到达时，警报管理员进行维护更换。

设备检测的参数包括温度数据、湿度数据、油烟度数据、空气成分数据、动作加速时长数据、噪音数据和电流数据，在设备正常运作时，检测设备内的参数，并为接收数据值设定一个上下限预警值，校验收到的数据不在设定上下限值时，设备计算出可能会引发异常部件概率，将可能会引发异常部件概率大于10％的通过摄像头拍摄图像上发到后台，分析该部件是否出现异常，若判断该部件为异常，通知人工进行远程核查，并作出最终判断，判断为异常将通知运维和管理员进行维护，检测到的值分为三类：数据正常值、预警值(预警设定上限值和预警设定下限值)和报警值(报警设定上限值和报警设定下限值)进行分析。

设备检测数据异常概率分析：通过长期测算出各数据出现预警时，计算得出各部件异常出现的概率，并每次分析后对异常部件概率表进行调整优化，以下为设备部件对应检测数据出现异常概率表：

温度

湿度

油烟

空气成分

动作加速时长

噪音

电流

生命周期＞50％

部件1

40％

15％

35％

13％

2％

11％

46％

62％

部件2

2％

22％

1％

10％

25％

26％

5％

7％

部件3

12％

4％

22％

21％

12％

3％

7％

2％

部件4

8％

11％

3％

5％

22％

1％

11％

部件5

20％

10％

7％

30％

13％

25％

28％

11％

部件6

3％

31％

4％

8％

32％

5％

11％

4％

部件7

15％

7％

28％

15％

11％

8％

2％

3％

检测数据时，依据从温度开始检测，依次检测温度数据、湿度数据、油烟度数据、空气成分数据、动作加速时长数据、噪音数据、电流数据和使用生命周期大于50％的出现异常概率；检测到任意一个值在该检测项设定报警值时，设备紧急停止运作并报警；若检测分析的值是在预警值范围则对照设备部件对应检测数据出现异常概率表取对应的值进行累加，最终通过以下算法计算得出综合概率：

部件X异常概率＝(部件1类目1预警概率值+部件1类目n预警概率值)/[(部件1类目1预警概率值+部件1类目n预警概率值)+(部件n类目1预警概率值+部件n类目n预警概率值)]x100％；

通过设备检测和反馈数据分析：

例：设备设定正常温度为10-80°；预警温度上限为>70°和<80°，预警温度上限为>10°和<20°；报警温度为>80°和<10°。

例子流程如下：

1.检测设备内部温度是否大于80°或小于10°，若大于或小于则设备警报并停止；若小于则检测设备内部温度是否>70°和<80°或>10°和<20°为预警数据；

2.检测温度数据在预警值范围，继续检测并分析其他数据；如下表所示(深灰色部分为预警值，浅灰色部分为正常值范围)：

3.分析计算得出各部件异常概率，并把异常概率占比超出10％的部件，通过摄像拍摄图像上传到后台，如下：

部件1＝40％+35％+2％+11％＝88％

部件2＝2％+1％+25％+26％＝54％

部件3＝12％+22％+12％+3％＝49％

部件4＝8％+3％+5％+22％＝38％

部件5＝20％+7％+13％+25％＝65％

部件6＝3％+4％+32％+5％＝44％

部件7＝15％+28％+11％+8％＝62％

部件1异常概率＝88％/(88％+54％+49％+38％+65％+44％+62％)＝22％

部件2异常概率＝54％/(88％+54％+49％+38％+65％+44％+62％)＝13.5％

部件3异常概率＝49％/(88％+54％+49％+38％+65％+44％+62％)＝12.25％

部件4异常概率＝38％/(88％+54％+49％+38％+65％+44％+62％)＝9.5％

部件5异常概率＝65％/(88％+54％+49％+38％+65％+44％+62％)＝16.25％

部件6异常概率＝44％/(88％+54％+49％+38％+65％+44％+62％)＝11％

部件7异常概率＝62％/(88％+54％+49％+38％+65％+44％+62％)＝15.5％

4.后台对终端设备发来的图像数据进行分析是否存在部件异常，对分析得出异常的部件，人工后台能精准远程查看该部件，若存在异常状况则通知终端设备管理员或运维人员进行处理。

5.循环对异常概率表进行优化，算法如下：

部件1历史温度异常基数+1/所有温度异常基数+1＝部件1最新温度异常概率

图片分析：终端发送图片数据到后台，进行分析与对比，若prediction值与设定值比较，若大于则为正常，若小于设定值为异常，通知终端设备进行处理；并能够人运维和管理人员远程进行查看原因。

如图2所示，配件或部件生命周期，如下表所示：

所在模块	编号	部件或配件	已用时间	使用寿命预警时间	使用寿命上限时间
						A01	00000001	弹簧	0天	25天	30天

更换新的部件配件记录该生命周期开始时间为0天，可使用寿命上限时间为30天，该部件使用寿命提醒时间为使用寿命上限时间的5/6。

设备关闭时间-设备启动时间＝单次已用寿命时间

单次已用寿命时间累加＝已用寿命时间

当该部件、配件到达使用已使用寿命时间＝>寿命预警时间时，将警报提醒管理人员，进行维护更换。

实施例1

健康小厨终端设备上进行使用，用于智能检测和智能分析异常。设备开启时，先检查设备配件或部件已经使用寿命；

开机读取设备配件、部件生命周期文件，若超出预警时间则进行维护更换，更换后更新生命周期文件，把已用寿命时间清零；设备启动24小时未出现关机，设备部件和配件自动增加24小时生命周期，设备关机时，计算出单次已用时间，加上前配件、部件已用时间，并存放到最新的已用时间；

持续定时检测设备内部的温度数据、湿度数据、油烟度数据、空气成分数据、动作加速时长数据、噪音数据、电流数据等数据，并对检测到的数据进行分析，判断其值所在设定范围：

1.检测值单项值在报警设定值，则设备报警，并停止工作；

2.检测值单项在预警设定值范围，并循环检测所需检测项的值，并通过计算算出各部件出现异常的概率，对异常概率大于10％的部件，调用摄像头进行拍摄图像，并把图像上传到后台；

3.后台收到终端设备发来的图像数据，进行分析，所得prediction值与设定值比较，若大于则为正常，若小于设定值为异常，运维或管理人员远程进行查看异常部件，并通知终端设备进行处理。

该自动厨房领域的监控***架构，具有以下优点：

1)减少异常突发事件；

2)缩短设备维修LOSS时间；

3)提高设备综合效率；

4)能精准定向远程查看隐患部件。

以上的仅是本发明的优选实施方式，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。

Claims

1.一种自动厨房领域的监控***架构，包括终端设备和后台，其特征在于，所述终端设备监控设备检测的参数，进行分析处理，对变化幅度超出预警值时，计算出可能发生异常部件概率，并对异常部件概率进行优化计算，不断提高精确智能分析异常部件正确率，将概率最高的通过监控拍摄图像上传到后台；所述后台通过对图像处理分析得出是否出现异常，人工能够通过远程精准定位设备异常部件进行查看分析，并制定处理方案。

2.根据权利要求1所述的自动厨房领域的监控***架构，其特征在于，在更换新的配件或部件时，根据该配件或部件的生命周期时间、生命周期预警时间和下限生命周期时间，待生命周期预警时间到达时，警报管理员进行维护更换。

3.根据权利要求1所述的自动厨房领域的监控***架构，其特征在于，设备检测的参数包括温度数据、湿度数据、油烟度数据、空气成分数据、动作加速时长数据、噪音数据和电流数据。

4.根据权利要求1或3所述的自动厨房领域的监控***架构，其特征在于，在设备正常运作时，检测设备内的参数，并为接收数据值设定一个上下限预警值，校验收到的数据不在设定上下限值时，设备计算出可能会引发异常部件概率，将可能会引发异常部件概率大于10％的通过摄像头拍摄图像上发到后台，分析该部件是否出现异常，若判断该部件为异常，通知人工进行远程核查，并作出最终判断，判断为异常将通知运维和管理员进行维护。