CN109237582A - 基于图像识别的吸油烟机控制方法、控制***、吸油烟机 - Google Patents
基于图像识别的吸油烟机控制方法、控制***、吸油烟机 Download PDFInfo
- Publication number
- CN109237582A CN109237582A CN201811358631.5A CN201811358631A CN109237582A CN 109237582 A CN109237582 A CN 109237582A CN 201811358631 A CN201811358631 A CN 201811358631A CN 109237582 A CN109237582 A CN 109237582A
- Authority
- CN
- China
- Prior art keywords
- range hood
- oil smoke
- image
- control
- image recognition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000000779 smoke Substances 0.000 claims abstract description 82
- 238000010411 cooking Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000000391 smoking effect Effects 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000005070 sampling Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别的吸油烟机控制方法、控制***、吸油烟机,所述方法包括:实时获取烹饪过程中产生的烹饪环境图像;根据所述烹饪环境图像判断烹饪环境下的油烟状况;根据所述油烟状况确定吸油烟机的控制指令;根据所述控制指令控制吸油烟机的工作状态。本发明通过实时获取烹饪过程中产生的烹饪环境图像;根据所述烹饪环境图像判断烹饪环境下的油烟状况;根据油烟状态控制吸油烟机的工作状态,实现吸油烟机随油烟状况的自动智能控制,吸油烟机吸烟效果更好,不仅使得吸油烟机更加环保节能,也减少用户在烹饪过程的调整吸油烟机档位的冗余动作,提升用户的使用体验。
Description
技术领域
本发明涉及家电控制领域,具体的涉及一种基于图像识别的吸油烟机控制方法、控制***、吸油烟机。
背景技术
油烟机的是为了避免人们在烹饪过程中受到油烟的伤害。现在大部分油烟机的风力大小是通过档位来实现的,通过用户选择档位(快、慢或者快、中、慢)来调整抽油烟的效果。在实际应用过程中,由于档位的精细化程度不够或者用户由于无意识去调整档位,导致现有的风力与产生的油烟不匹配,用户体验较差。
随着人们物质水平的提高,智能油烟机慢慢进入人们视野。现有油烟机自动控制风力的方法主要有检测油烟状况和红外检测温度两种方法,通过烟雾探测仪来检测油烟状况的方法有一定的延迟,因为从油烟开始产生到进入烟雾探测器还需要一定的时间。另外,锅具温度和油烟不是绝对的线性关系,红外的方式也不够理想,很大概率会造成误判,抽油烟机的吸烟效果不佳,进而严重影响了用户的身体健康和使用体验。上述两种方法都不能做到完全的闭环控制,实用价值有限,如何使用户便捷的控制油烟机,让油烟机更加智能成为智能家居领域急需解决的问题。
发明内容
本发明的目的在于克服现有技术中油烟机的控制不够理想,吸烟效果不佳的技术问题,提供一种基于图像识别的吸油烟机控制方法、控制***、吸油烟机。
为实现上述目的,本发明采用的技术方案如下:一种基于图像识别的吸油烟机控制方法,所述方法包括:
实时获取烹饪过程中产生的烹饪环境图像;
根据所述烹饪环境图像判断烹饪环境下的油烟状况;
根据所述油烟状况确定吸油烟机的控制指令;
根据所述控制指令控制吸油烟机的工作状态。
进一步的,建立卷积神经网络模型,通过训练好的卷积神经网络模型对所述烹饪环境图像进行识别处理。
进一步的,通过对烹饪环境图像进行卷积处理以提取烹饪环境图像的特征图像,再对特征图像进行批正则化、映射、池化处理后对特征图像中每个像素点进行分类,分为油烟像素点和非油烟像素点。
进一步的,对油烟像素点和非油烟像素点进行统计计算后得到油烟状况。
进一步的,所述控制指令包括开机指令,当油烟状况达到预设阈值时,控制吸油烟机开启。
进一步的,所述控制指令包括风量调节指令,根据油烟状况调节吸油烟机的风量。
一种基于图像识别的吸油烟机控制***,包括
获取模块,用于获取烹饪过程中产生的烹饪环境图像;
判断模块,用于根据所述烹饪环境图像判断油烟状况;
分析模块,用于根据所述油烟状况确定吸油烟机的控制指令;
控制模块,用于根据所述控制指令控制吸油烟机的工作状态。
进一步的,还包括学习模块,所述学习模块用于对所述烹饪环境图像学习训练后进行识别处理。
进一步的,所述学习模块包括卷积神经网络模型。
一种吸油烟机,包括上述的基于图像识别的吸油烟机控制***,还包括图像采集装置,所述图像采集装置与基于图像识别的吸油烟机控制***信号连接,用于采集吸油烟机附近的烹饪环境图像并发送至获取模块。
进一步的,所述图像采集装置包括设置于油烟机上的摄像头。
由上述对本发明的描述可知,与现有技术相比,本发明提供的一种基于图像识别的吸油烟机控制方法、控制***、吸油烟机,实时获取烹饪过程中产生的烹饪环境图像;根据所述烹饪环境图像判断烹饪环境下的油烟状况;根据所述油烟状况确定吸油烟机的控制指令;根据所述控制指令控制吸油烟机的工作状态,实现吸油烟机随油烟状况的自动智能控制,吸油烟机吸烟效果更好,不仅使得吸油烟机更加环保节能,也减少用户在烹饪过程的调整吸油烟机档位的冗余动作,提升用户的使用体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明基于图像识别的吸油烟机控制流程图;
图2为本发明卷积神经网络模型结构图;
图3为本发明卷积神经网络模型编码过程图;
图4为本发明卷积神经网络模型解码过程图;
图5为本发明根据油烟状态控制吸油烟机工作状态的流程图;
图6为本发明基于图像识别的吸油烟机控制框图;
图7为本发明吸油烟机结构框图。
具体实施方式
以下将结合本发明实施例中的附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,一种基于图像识别的吸油烟机控制方法,所述方法包括以下步骤:
S1:实时获取烹饪过程中产生的烹饪环境图像;
S2:根据所述烹饪环境图像判断烹饪环境下的油烟状况;
S3:根据所述油烟状况确定吸油烟机的控制指令;
S4:根据所述控制指令控制吸油烟机的工作状态。
在本实施例中,利用图像采集装置如摄像头实时拍摄或定时拍摄,获取用户在烹饪过程中产生的烹饪环境图像,例如采集厨房、车厢的烹饪环境图像,可以根据采集环境的大小设置不同数量的摄像头,例如普通的家用厨房设置一个摄像头即可,
获取到的烹饪环境图像后,对烹饪环境图像进行识别,识别图像中的油烟,在油烟的识别这一过程中,本实施例采用的是卷积神经网络模型,如图2所示,卷积神经网络模型由输入层(Input images)、卷积编码网络(code module)、反卷积解码网络(decodemodule)、输出层(output images)组成。其中,Input images用来将采集的图像输入到模型中,code module是个多层的全卷积神经网络,每层卷积层后都接有下采样层,该卷积编码网络结构与为物体分类而设计的VGG-19网络结构的前16层卷积神经层相似,同时抛弃了VGG-19的全连接层,这样有利于在最深层的编码器中输出高分辨率的特征图,并减少了网络的参数,从而减少网络的训练时间。与之对应的反卷积解码网络decode module也有16个卷积层,所以整个网络结构达到了32层,output images是由一个分类器(Softmax)组成,用来将对应位置的像素点分类为各个类别,计算出归属于哪个类别的概率,对于油烟的识别来说,主要是将输入图像像素分为两类:油烟像素、非油烟像素,
编码过程如图3所示,在卷积编码网络中,每一次的卷积操作都是通过具有3x3大小的卷积核的卷积层(Conv)对上采样层(Upsamleing)的输出图像进行特征提取,然后对所提取的特征在批正则化层进行批正则化操作(Batch Normalization,简称BN),并利用激活函数(ReLu)对特征进行非线性映射,再利用Dropout层使得网络中的节点以一定的概率关闭,最后在池化层进行池化操作(Pooling),本实施中采用最大池化(Max-Pooling),池化后每个特征的长宽都变为原来的二分之一,最大池化可以获取图像在小空间位移变化上的平移不变性,而多个最大池化可以为分类器(Softmax)获得更加鲁棒性的的特征,不断的进行池化下采样,会造成图片不断失真,边界信息丢失,并不利于图像的分割任务,所以相对应的为后续设置解码网络,为了尽可能的还原图像信息,还需要在池化的过程中记录最大特征值的索引位置。解码的过程如图4所示,每个解码器使用池化过程记录的特征索引对输入特征进行上采样,再使用具有可训练卷积核的卷积层(Conv)对上采样层(Upsamleing)输出的稀疏特征图进行卷积操作得到稠密的特征图,该过程同编码过程类似,紧接着进行批正则化操作(Batch Normalization,简称BN)、激活函数ReLu非线性映射、池化操作(Pooling),输出层(output images)使用分类器(SoftMax)为每个像素进行分类,其输出的是每个像素对应的类别概率,每个像素的最大概率的分类就是预测的分类,在该网络模型结构中,为了克服深度神经网络难以训练的缺点并加速网络的训练过程,在每个卷积层后添加批正则化层,防止了深度网络在训练过程中容易出现的梯度消失问题,有助于提高训练的收敛速度和模型精度,同时使用Dropout层以防止模型出现过拟合的现象,设计好网络结构后,需要对其进行训练来得到预测模型。为训练过程准备数据集,采集一些图像制作数据集,数据集拍取摄像头安装视角下的图像,包含有油烟和没有油烟的,并对数据集进行手工标注,将每个像素点分为2种语义类别:油烟、非油烟,为了方便计算机读取数据,分别标记为0(非油烟)和1(油烟)。通过训练样本就可以得到油烟的分割模型,可以将输入图像进行分割,将其像素点进行分类,分为油烟像素、非油烟像素,
对所有的像素点进行统计计算得到油烟状况,例如油烟的像素个数为m,非油烟的像素个数为n,则油烟大小P=m/(m+n),并且P的取值范围为[0,1],
如图5所示,为吸油烟机设定一个开机阈值k,当P<k,吸油烟机保持关机状态,当P>k时,即油烟达到一定的油烟浓度时,生成开机指令,控制吸油烟机开启,这时吸油烟机开始工作,吸油烟机工作后,还可以根据油烟浓度对吸油烟机的风力进行调整,根据P值的大小及根据油烟浓度生成风量调节指令,例如通过控制电机的转速,达到对吸油烟机风力的控制,进而调节吸油烟机的风量,这样可以在用户烹饪的过程中解放用户的双手,提高了用户的使用体验。
本实施例还提供了一种基于图像识别的吸油烟机控制***,如图6所示,包括获取模块1、判断模块2、分析模块3、控制模块4、学习模块5,
所述获取模块1获取烹饪过程中产生的烹饪环境图像,所述判断模块2根据所述烹饪环境图像判断油烟状况;所述分析模块3根据所述油烟状况确定吸油烟机的控制指令;所述控制模块4根据所述控制指令控制吸油烟机的工作状态;所述学习模块5对所述烹饪环境图像学习训练后进行识别处理,该学习模块为卷积神经网络模型,具体可以参见上述基于图像识别的吸油烟机控制方法中的描述,通过卷积神经网络模型将烹饪环境图像分为油烟和非油烟后,进行计算,通过计算判断油烟状态,根据油烟状态控制吸油烟机的工作状态,例如,根据油烟浓度为吸油烟机设定一个开机阈值,当油烟浓度小于开机阈值时,吸油烟机保持关机状态,当油烟浓度大于开机阈值时,控制吸油烟机开启,这时吸油烟机开始工作,吸油烟机工作后,还可以根据油烟浓度对吸油烟机的风力进行调整,例如通过控制电机的转速,达到对吸油烟机风力的控制,进而调节吸油烟机的风量。
本实施例还提供了一种吸油烟机,如图7所示,包括上述的基于图像识别的吸油烟机控制***100,还包括图像采集装置200,所述图像采集装置200与基于图像识别的吸油烟机控制***100信号连接,用于采集吸油烟机附近的烹饪环境图像并发送至获取模块1,所述图像采集装置包括设置于油烟机上的摄像头,该摄像头可以设置在油烟机上,例如,设置在吸油烟机的抽风口处,或者,设置在吸油烟机的边缘位置,或者可以设置在灶台上,与吸油烟机信号连接,摄像头拍摄到图像后采用上述基于图像识别的吸油烟机控制方法对吸油烟机进行控制。
由上述对本发明的描述可知,与现有技术相比,本发明提供的一种基于图像识别的吸油烟机控制方法、控制***、吸油烟机,实时获取烹饪过程中产生的烹饪环境图像,采用卷积神经网络模型进行学习训练后识别,根据所述烹饪环境图像判断烹饪环境下的油烟状况;根据所述油烟状况确定吸油烟机的控制指令;根据所述控制指令控制吸油烟机的工作状态,可以使得吸油烟机能够根据油烟状况自动的启停,根据油烟浓度智能的调整风力的大小,实现吸油烟机随油烟状况的自动智能控制,吸油烟机吸烟效果更好,不仅使得吸油烟机更加环保节能,也减少用户在烹饪过程的调整吸油烟机档位的冗余动作,提升用户的使用体验。
上述仅为本发明的若干具体实施方式,但本发明的设计构思并不局限于此,凡利用此构思对本发明进行非实质性的改动,均应属于侵犯本发明保护范围的行为。
Claims (11)
1.一种基于图像识别的吸油烟机控制方法,其特征在于,所述方法包括:
实时获取烹饪过程中产生的烹饪环境图像;
根据所述烹饪环境图像判断烹饪环境下的油烟状况;
根据所述油烟状况确定吸油烟机的控制指令;
根据所述控制指令控制吸油烟机的工作状态。
2.根据权利要求1所述的基于图像识别的吸油烟机控制方法,其特征在于:建立卷积神经网络模型,通过训练好的卷积神经网络模型对所述烹饪环境图像进行识别处理。
3.根据权利要求2所述的基于图像识别的吸油烟机控制方法,其特征在于:通过对烹饪环境图像进行卷积处理以提取烹饪环境图像的特征图像,再对特征图像进行批正则化、映射、池化处理后对特征图像中每个像素点进行分类,分为油烟像素点和非油烟像素点。
4.根据权利要求3所述的基于图像识别的吸油烟机控制方法,其特征在于:对油烟像素点和非油烟像素点进行统计计算后得到油烟状况。
5.根据权利要求1或4所述的基于图像识别的吸油烟机控制方法,其特征在于:所述控制指令包括开机指令,当油烟状况达到预设阈值时,控制吸油烟机开启。
6.根据权利要求1或4所述的基于图像识别的吸油烟机控制方法,其特征在于:所述控制指令包括风量调节指令,根据油烟状况调节吸油烟机的风量。
7.一种基于图像识别的吸油烟机控制***,其特征在于:包括
获取模块,用于获取烹饪过程中产生的烹饪环境图像;
判断模块,用于根据所述烹饪环境图像判断油烟状况;
分析模块,用于根据所述油烟状况确定吸油烟机的控制指令;
控制模块,用于根据所述控制指令控制吸油烟机的工作状态。
8.根据权利要求7所述的基于图像识别的吸油烟机控制***,其特征在于:还包括学习模块,所述学习模块用于对所述烹饪环境图像学习训练后进行识别处理。
9.根据权利要求8所述的基于图像识别的吸油烟机控制***,其特征在于:所述学习模块包括卷积神经网络模型。
10.一种吸油烟机,其特征在于:包括权利要求7-9任意一项所述的基于图像识别的吸油烟机控制***,还包括图像采集装置,所述图像采集装置与基于图像识别的吸油烟机控制***信号连接,用于采集吸油烟机附近的烹饪环境图像并发送至获取模块。
11.根据权利要求10所述的吸油烟机,其特征在于:所述图像采集装置包括设置于油烟机上的摄像头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811358631.5A CN109237582A (zh) | 2018-11-15 | 2018-11-15 | 基于图像识别的吸油烟机控制方法、控制***、吸油烟机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811358631.5A CN109237582A (zh) | 2018-11-15 | 2018-11-15 | 基于图像识别的吸油烟机控制方法、控制***、吸油烟机 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109237582A true CN109237582A (zh) | 2019-01-18 |
Family
ID=65075332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811358631.5A Pending CN109237582A (zh) | 2018-11-15 | 2018-11-15 | 基于图像识别的吸油烟机控制方法、控制***、吸油烟机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109237582A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961070A (zh) * | 2019-03-22 | 2019-07-02 | 国网河北省电力有限公司电力科学研究院 | 一种输电线路智能化图像监测中区分雾体浓度的方法 |
CN110296448A (zh) * | 2019-06-26 | 2019-10-01 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果修正方法、***和油烟机 |
CN110307571A (zh) * | 2019-06-26 | 2019-10-08 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果交互方法、***和油烟机 |
CN111006261A (zh) * | 2019-12-31 | 2020-04-14 | 青岛海尔智慧厨房电器有限公司 | 吸油烟机控制方法、装置、吸油烟机和存储介质 |
CN111322652A (zh) * | 2020-03-30 | 2020-06-23 | 珠海格力电器股份有限公司 | 换气控制方法、存储介质及处理装置 |
CN111401246A (zh) * | 2020-03-17 | 2020-07-10 | 广东智媒云图科技股份有限公司 | 一种烟雾浓度检测方法、装置、设备及存储介质 |
CN111783900A (zh) * | 2020-07-10 | 2020-10-16 | 宁波方太厨具有限公司 | 油烟浓度检测模型的训练方法以及烟机档位的控制方法 |
CN113063170A (zh) * | 2021-05-12 | 2021-07-02 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于识别油烟的方法、处理器及吸油烟机 |
CN113124432A (zh) * | 2019-12-31 | 2021-07-16 | 青岛海尔智慧厨房电器有限公司 | 一种吸油烟机控制方法、装置、吸油烟机及存储介质 |
CN113124433A (zh) * | 2019-12-31 | 2021-07-16 | 青岛海尔智慧厨房电器有限公司 | 一种吸油烟机控制方法、装置、吸油烟机和存储介质 |
CN113516155A (zh) * | 2021-04-12 | 2021-10-19 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于处理图像的方法、处理器、控制装置及家用电器 |
CN113685863A (zh) * | 2021-07-01 | 2021-11-23 | 宁波方太厨具有限公司 | 一种吸油烟机的控制方法 |
WO2022178154A1 (en) * | 2021-02-19 | 2022-08-25 | Inirv Labs, Inc. | Camera-enabled machine learning for device control in a kitchen environment |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107965828A (zh) * | 2017-10-30 | 2018-04-27 | 珠海格力电器股份有限公司 | 抽油烟机的吸风状态控制方法和抽油烟机 |
CN108548199A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
-
2018
- 2018-11-15 CN CN201811358631.5A patent/CN109237582A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107965828A (zh) * | 2017-10-30 | 2018-04-27 | 珠海格力电器股份有限公司 | 抽油烟机的吸风状态控制方法和抽油烟机 |
CN108548199A (zh) * | 2018-03-08 | 2018-09-18 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
Non-Patent Citations (2)
Title |
---|
张天序: "《气动光学效应校正——原理、方法与应用》", 31 January 2014 * |
陈雯柏: "《人工神经网路原理与实践》", 31 January 2016 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961070A (zh) * | 2019-03-22 | 2019-07-02 | 国网河北省电力有限公司电力科学研究院 | 一种输电线路智能化图像监测中区分雾体浓度的方法 |
CN110296448A (zh) * | 2019-06-26 | 2019-10-01 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果修正方法、***和油烟机 |
CN110307571A (zh) * | 2019-06-26 | 2019-10-08 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果交互方法、***和油烟机 |
CN110296448B (zh) * | 2019-06-26 | 2021-04-06 | 杭州九阳小家电有限公司 | 一种油烟机的烟雾识别效果修正方法、***和油烟机 |
CN113124432A (zh) * | 2019-12-31 | 2021-07-16 | 青岛海尔智慧厨房电器有限公司 | 一种吸油烟机控制方法、装置、吸油烟机及存储介质 |
CN111006261A (zh) * | 2019-12-31 | 2020-04-14 | 青岛海尔智慧厨房电器有限公司 | 吸油烟机控制方法、装置、吸油烟机和存储介质 |
CN113124432B (zh) * | 2019-12-31 | 2023-05-30 | 青岛海尔智慧厨房电器有限公司 | 一种吸油烟机控制方法、装置、吸油烟机及存储介质 |
CN113124433A (zh) * | 2019-12-31 | 2021-07-16 | 青岛海尔智慧厨房电器有限公司 | 一种吸油烟机控制方法、装置、吸油烟机和存储介质 |
CN111401246A (zh) * | 2020-03-17 | 2020-07-10 | 广东智媒云图科技股份有限公司 | 一种烟雾浓度检测方法、装置、设备及存储介质 |
CN111401246B (zh) * | 2020-03-17 | 2024-06-04 | 广东智媒云图科技股份有限公司 | 一种烟雾浓度检测方法、装置、设备及存储介质 |
CN111322652A (zh) * | 2020-03-30 | 2020-06-23 | 珠海格力电器股份有限公司 | 换气控制方法、存储介质及处理装置 |
CN111322652B (zh) * | 2020-03-30 | 2021-02-26 | 珠海格力电器股份有限公司 | 换气控制方法、存储介质及处理装置 |
CN111783900A (zh) * | 2020-07-10 | 2020-10-16 | 宁波方太厨具有限公司 | 油烟浓度检测模型的训练方法以及烟机档位的控制方法 |
WO2022178154A1 (en) * | 2021-02-19 | 2022-08-25 | Inirv Labs, Inc. | Camera-enabled machine learning for device control in a kitchen environment |
CN113516155A (zh) * | 2021-04-12 | 2021-10-19 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于处理图像的方法、处理器、控制装置及家用电器 |
CN113063170A (zh) * | 2021-05-12 | 2021-07-02 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于识别油烟的方法、处理器及吸油烟机 |
CN113063170B (zh) * | 2021-05-12 | 2023-06-23 | 佛山市顺德区美的洗涤电器制造有限公司 | 用于识别油烟的方法、处理器及吸油烟机 |
CN113685863A (zh) * | 2021-07-01 | 2021-11-23 | 宁波方太厨具有限公司 | 一种吸油烟机的控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109237582A (zh) | 基于图像识别的吸油烟机控制方法、控制***、吸油烟机 | |
US11229311B2 (en) | Food preparation system | |
CN107965828B (zh) | 抽油烟机的吸风状态控制方法和抽油烟机 | |
CN108846365B (zh) | 视频中打架行为的检测方法、装置、存储介质及处理器 | |
CN105844295B (zh) | 一种基于颜色模型与运动特征的视频烟雾精细分类方法 | |
CN104463117B (zh) | 一种基于视频方式的人脸识别样本采集方法及*** | |
CN107808132A (zh) | 一种融合主题模型的场景图像分类方法 | |
CN108052199A (zh) | 抽油烟机的控制方法、装置和抽油烟机 | |
CN105353634A (zh) | 利用手势识别控制操作的家电设备与方法 | |
CN107024073A (zh) | 基于深度学习的多传感器智能冰箱控制方法和智能冰箱 | |
CN109542233B (zh) | 一种基于动态手势和人脸识别的灯具控制*** | |
CN108038452A (zh) | 一种基于局部图像增强的家电手势快速检测识别方法 | |
CN109063615A (zh) | 一种手语识别方法及*** | |
CN107725453B (zh) | 风扇及其控制方法和*** | |
CN109218134B (zh) | 一种基于神经风格迁移的测试用例生成*** | |
CN108758728A (zh) | 一种基于头势的吸油烟机控制方法和吸油烟机 | |
CN109360179A (zh) | 一种图像融合方法、装置及可读存储介质 | |
CN107388296B (zh) | 一种基于程序云的烟灶联动控制方法 | |
CN110398899A (zh) | 一种基于Kinect的智能家居控制*** | |
CN107622261A (zh) | 基于深度学习的人脸年龄估计方法及装置 | |
CN107885090A (zh) | 对锅具内的食物图像拍摄环境调节装置与方法 | |
CN109034012A (zh) | 基于动态图像和视频子序列的第一人称视角手势识别方法 | |
CN113076849A (zh) | 基于动作识别的油烟机控制方法、***、设备及存储介质 | |
CN108090517A (zh) | 一种谷物识别方法、装置和计算机存储介质 | |
CN110363156A (zh) | 一种姿态无关的面部动作单元识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |