CN109681937B - 一种能识别油烟中有害物质的油烟机 - Google Patents

一种能识别油烟中有害物质的油烟机 Download PDF

Info

Publication number
CN109681937B
CN109681937B CN201811630817.1A CN201811630817A CN109681937B CN 109681937 B CN109681937 B CN 109681937B CN 201811630817 A CN201811630817 A CN 201811630817A CN 109681937 B CN109681937 B CN 109681937B
Authority
CN
China
Prior art keywords
polycyclic aromatic
aromatic hydrocarbon
concentration
calculation module
range hood
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.)
Active
Application number
CN201811630817.1A
Other languages
English (en)
Other versions
CN109681937A (zh
Inventor
陈小平
司徒伟贤
林勇进
李翔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Viomi Electrical Technology Co Ltd
Original Assignee
Foshan Viomi Electrical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Viomi Electrical Technology Co Ltd filed Critical Foshan Viomi Electrical Technology Co Ltd
Priority to CN201811630817.1A priority Critical patent/CN109681937B/zh
Publication of CN109681937A publication Critical patent/CN109681937A/zh
Application granted granted Critical
Publication of CN109681937B publication Critical patent/CN109681937B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种能识别油烟中有害物质的油烟机,设置有烟机主体和用于检测烹饪区域内温度、油烟大小、颗粒物浓度以及多环芳烃浓度的有害物质检测装置，有害物质检测装置与烟机主体电连接。有害物质检测装置根据检测的烹饪区域内温度、油烟大小和烹饪区域油烟中颗粒物的浓度进行计算得到烹饪区域当前的多环芳烃浓度。本发明的油烟机能检测烹饪区域内温度、油烟大小、PM2.5的浓度、PM10的浓度和多环芳烃浓度，还能对当前环境的多环芳烃的浓度进行多环芳烃环境等级划分，进行空气质量指数评定和得到健康等级，同时该油烟机还具有风速控制模块、提示模块和火力控制模块，当前环境健康等级自动调节风速和外部炉具的火力，使当前环境的多环芳烃浓度降低，同时提醒用户注意防护。

Description

一种能识别油烟中有害物质的油烟机
技术领域
本发明涉及油烟机领域，特别涉及一种能识别油烟中有害物质的油烟机。
背景技术
现代生活中，许多家庭在烹饪中会产生大量的油烟。研究表明，烹饪油烟成分复杂，具有一定的吸入毒性、免疫毒性和致突变性，对人体健康存在一定的危害。油烟气体中包括有多环芳烃类物质和多种颗粒物，多环芳烃类物质中有相当部分具有致癌性，如苯并[α]芘，颗粒物对人体呼吸***有不同程度的影响。现有技术的油烟机并不能自动识别当前烹饪环境中的油烟的多环芳烃类物质浓度，大大限制了油烟机的智能化发展。
因此针对现有技术不足，提供一种能识别油烟中有害物质的油烟机以解决现有技术不足甚为必要。
发明内容
本发明的目的在于避免现有技术的不足之处而提供一种能识别油烟中有害物质的油烟机。该能识别油烟中有害物质的油烟机能识别前烹饪环境中多环芳烃浓度、油烟大小和检测颗粒物浓度。
本发明的上述目的通过以下技术措施实现：
提供一种能识别油烟中有害物质的油烟机,设置有烟机主体和用于检测烹饪区域内温度、油烟大小、颗粒物浓度以及多环芳烃浓度的有害物质检测装置，有害物质检测装置与烟机主体电连接。
优选的，上述有害物质检测装置设置有用于检测烹饪区域内温度的温度传感模块、用于检测当前烹饪区域油烟中当量直径小于等于2.5微米颗粒物浓度的PM2.5传感器、用于检测当前烹饪区域油烟中当量直径小于等于10微米颗粒物浓度的PM10传感器、用于计算当前烹饪区域的多环芳烃浓度的计算模块和用于对烹饪区域油烟图像分析并实时得到产生油烟大小的图像采集模块，温度传感模块、PM2.5传感器、PM10传感器和图像采集模块分别与计算模块电连接，温度传感模块、PM2.5传感器、PM10传感器、图像采集模块和计算模块分别与烟机主体电连接。
温度传感模块感应烹饪区域内温度得到温度信号并将所得到的温度信号作为温度输出信号传输至计算模块，PM2.5传感器采集当前烹饪区域油烟中当量直径小于等于2.5微米颗粒物浓度得到PM2.5浓度信号并传输至计算模块，PM10传感器采集当前烹饪区域油烟中当量直径小于等于10微米颗粒物浓度得到PM10浓度信号并传输至计算模块，图像采集模块采集烹饪区域油烟图像得到油烟输出信号并传输至计算模块，计算模块分别接收温度输出信号、油烟输出信号、PM2.5浓度信号和PM10浓度信号然后处理实时得到当前烹饪区域的多环芳烃浓度。
优选的，上述计算模块为以数学建模构建得到关于烹饪区域内温度、油烟大小以及颗粒物浓度与油烟中有害气体中多环芳烃浓度的数学关系的计算模块。
优选的，上述计算模块为线性型计算模块、非线性计算模块、指数型计算模块、幂型计算模块、对数型计算模块、类神经网络计算模块、机器学习计算模块或者深度学习计算模块。
优选的，上述计算模块的计算公式为式(Ⅰ)，
C多环芳烃＝0.05κ+0.05λ+0.0015(CPM2.5+CPM10)+6*10-5κλ(CPM2.5+CPM10)+475.1
……式(Ⅰ)；
其中C多环芳烃为烹饪区域内的多环芳烃气体总浓度，κ为温度传感模块的输出数据，λ为图像采集模块的输出数据，CPM2.5为PM2.5传感器的输出数据，CPM10为PM10传感器的输出数据。
优选的，上述计算模块的计算公式为式(Ⅱ)，
C多环芳烃＝0.05κ0.98+0.05λ1.05+0.0015(CPM2.5+CPM10)1.05+6*10-5κλ(CPM2.5+CPM10)+469.5
……式(Ⅱ)；
其中C多环芳烃为烹饪区域内的多环芳烃气体总浓度，κ为温度传感模块的输出数据，λ为图像采集模块的输出数据，CPM2.5为PM2.5传感器的输出数据，CPM10为PM10传感器的输出数据。
优选的，上述计算模块还根据多环芳烃浓度进行多环芳烃环境等级划分。
通过国标规定的苯并[a]芘平均限定浓度与多环芳烃浓度对比进行多环芳烃环境等级划分；
当C多环芳烃＜C苯并[a]芘时，则多环芳烃环境等级判定为健康，
当C多环芳烃≥C苯并[a]芘时，则多环芳烃环境等级判定为不健康。
其中C苯并[a]芘为国标规定的苯并[a]芘平均限定浓度，且C苯并[a]芘＝1ng/m3。
通过多环芳烃浓度与国标规定的苯并[a]芘平均限定浓度相除进行多环芳烃环境等级划分，如式(Ⅲ)所示：
Figure GDA0002341839510000031
当0≤ε≤0.5时，则多环芳烃环境等级判定为健康。
当0.5＜ε≤1时，则多环芳烃环境等级判定为良好。
当1＜ε≤5时，则多环芳烃环境等级判定为中等。
当5＜ε≤10时，则多环芳烃环境等级判定为较差。
当10＜ε时，则多环芳烃环境等级判定为严重。
优选的，上述环芳烃环境等级划分是以多环芳烃浓度与当量毒性因子加权后结果进行的多环芳烃环境等级划分。
通过式(Ⅳ)计得多环芳烃的总当量毒性浓度:
Figure GDA0002341839510000032
其中BEQ为多环芳烃的总当量毒性浓度，μ为多环芳烃种类的标记，1≤μ≤ξ且μ和ξ为自然数，beqμ为第μ种多环芳烃的当量毒性浓度，beqμ通过式(Ⅴ)计得，
beqμ＝Cμ*TEFμ 式(Ⅴ)，
Cμ为第μ种多环芳烃的浓度，TEFμ为第μ种多环芳烃对应的当量毒性因子。
多环芳烃的总当量毒性浓度与国标规定的苯并[a]芘平均限定浓度对比进行多环芳烃环境等级划分。
当BEQ＜C苯并[a]芘时，则多环芳烃环境等级判定为健康。
当BEQ≥C苯并[a]芘时，则多环芳烃环境等级判定则判定为不健康。
多环芳烃的总当量毒性浓度与国标规定的苯并[a]芘平均限定浓度相除进行多环芳烃环境等级划分，如式(Ⅵ)所示：
Figure GDA0002341839510000041
当0≤δ≤0.5时，则多环芳烃环境等级判定为健康。
当0.5＜δ≤1时，则多环芳烃环境等级判定为良好。
当1＜δ≤5时，则多环芳烃环境等级判定为中等。
当5＜δ≤10时，则多环芳烃环境等级判定为较差。
当10＜δ时，则多环芳烃环境等级判定为严重。
优选的，上述计算模块还将多环芳烃环境等级进行健康定值划分得到多环芳烃健康等级U多环芳烃。
优选的，上述计算模块根据PM2.5传感器的输出数据或者PM10传感器的输出数据与选定的空气质量标准进行空气质量指数评定，如式(Ⅶ)所示；
Figure GDA0002341839510000042
其中M为当前的空气质量指数，
C为颗粒物浓度且C为CPM2.5或者CPM10。
BMHi为选定的空气质量标准与C对应颗粒物浓度限值的高位值。
BMLo为选定空气质量标准中与C对应颗粒物浓度限值的低位值。
MHi为选定空气质量标准中与BMHi对应的空气质量分指数。
MLo为选定空气质量标准中与BMLo对应的空气质量分指数。
优选的，上述计算模块还将空气质量指数进行健康定值划分得到颗粒物健康等级U颗粒物。
优选的，上述计算模块还将多环芳烃健康等级U多环芳烃和颗粒物健康等级U颗粒物对比，选取最大值为当前烹饪区域的健康等级U，如式(Ⅷ)所示，
U＝max(U颗粒物,U多环芳烃) 式(Ⅷ)；或者
优选的，上述计算模块还将多环芳烃健康等级U多环芳烃和颗粒物健康等级U颗粒物加和得到当前烹饪区域的健康等级U，如式(Ⅸ)，
U＝U颗粒物+U多环芳烃 式(Ⅸ)；或者
优选的，上述计算模块还将多环芳烃健康等级U多环芳烃乘以多环芳烃权重因子Q多环芳烃和颗粒物健康等级U颗粒物乘以颗粒物权重因子Q颗粒物对比，选取最大值为当前烹饪区域的健康等级U，如式(Ⅹ)所示，
U＝max(U颗粒物*Q颗粒物,U多环芳烃*Q多环芳烃) 式(Ⅹ)；或者
优选的，上述计算模块还将多环芳烃健康等级U多环芳烃乘以多环芳烃权重因子Q多环芳烃和颗粒物健康等级U颗粒物乘以颗粒物权重因子Q颗粒物进行加和得到当前烹饪区域的健康等级U，如式(Ⅺ)所示，
U＝U颗粒物*Q颗粒物+U多环芳烃*Q多环芳烃 式(Ⅺ)。
优选的，上述烟机主体设置有风速控制模块，风速控制模块与计算模块电连接。
优选的，上述风速控制模块根据计算模块发送的健康等级对烟机主体进行风速调节。
优选的，上述烟机主体还设置有提示模块，提示模块与计算模块电连接。
优选的，上述提示模块根据计算模块发送的健康等级对用户进行当前多环芳烃环境等级提示。
优选的，上述烟机主体还设置有火力控制模块，火力控制模块与计算模块电连接。
优选的，上述火力控制模块根据计算模块发送的健康等级对外部炉具进行火力调节。
本发明的一种能识别油烟中有害物质的油烟机,设置有烟机主体和用于检测烹饪区域内温度、油烟大小、颗粒物浓度以及多环芳烃浓度的有害物质检测装置，有害物质检测装置与烟机主体电连接。有害物质检测装置根据检测的烹饪区域内温度、油烟大小和烹饪区域油烟中颗粒物的浓度进行计算得到烹饪区域当前的多环芳烃浓度。本发明的油烟机能检测烹饪区域内温度、油烟大小、PM2.5的浓度、PM10的浓度和多环芳烃浓度，还能对当前环境的多环芳烃的浓度进行多环芳烃环境等级划分，进行空气质量指数评定和得到健康等级，同时该油烟机还具有风速控制模块、提示模块和火力控制模块，当前环境健康等级自动调节风速和外部炉具的火力，使当前环境的多环芳烃浓度降低，同时提醒用户注意防护。
附图说明
利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。
图1为实施例1的一种能识别油烟中有害物质的油烟机的工作流程示意图。
图2为实施例10的一种能识别油烟中有害物质的油烟机的工作流程示意图。
具体实施方式
结合以下实施例对本发明的技术方案作进一步说明。
实施例1。
一种能识别油烟中有害物质的油烟机,如图1所示，设置有烟机主体和用于检测烹饪区域内温度、油烟大小、颗粒物浓度以及多环芳烃浓度的有害物质检测装置，有害物质检测装置与烟机主体电连接。
有害物质检测装置设置有用于检测烹饪区域内温度的温度传感模块、用于检测当前烹饪区域油烟中当量直径小于等于2.5微米颗粒物浓度的PM2.5传感器、用于检测当前烹饪区域油烟中当量直径小于等于10微米颗粒物浓度的PM10传感器、用于计算当前烹饪区域的多环芳烃浓度的计算模块和用于对烹饪区域油烟图像分析并实时得到产生油烟大小的图像采集模块，温度传感模块、PM2.5传感器、PM10传感器和图像采集模块分别与计算模块电连接，温度传感模块、PM2.5传感器、PM10传感器、图像采集模块和计算模块分别与烟机主体电连接。
本发明的温度传感模块感应烹饪区域内温度优选为厨具温度。
温度传感模块感应烹饪区域内温度得到温度信号并将所得到的温度信号作为温度输出信号传输至计算模块，PM2.5传感器采集当前烹饪区域油烟中当量直径小于等于2.5微米颗粒物浓度得到PM2.5浓度信号并传输至计算模块，PM10传感器采集当前烹饪区域油烟中当量直径小于等于10微米颗粒物浓度得到PM10浓度信号并传输至计算模块，图像采集模块采集烹饪区域油烟图像得到油烟输出信号并传输至计算模块，计算模块分别接收温度输出信号、油烟输出信号、PM2.5浓度信号和PM10浓度信号然后处理实时得到当前烹饪区域的多环芳烃浓度。
本发明计算模块为以数学建模构建得到关于烹饪区域内温度、油烟大小以及颗粒物浓度与油烟中有害气体中多环芳烃浓度的数学关系的计算模块。
本发明的计算模块通过数学建模获得，数学建模是通过实验收集不同温度和油烟中颗粒物的浓度等因素与油烟中有害气体多环芳烃浓度的数学关系。根据不同的实验条件进行采样检测得到不同种类多环芳烃浓度进行分析归类得到数学模型，从而计算模块能够根据烹饪区域内温度和油烟中颗粒物的浓度的检测条件判断出当前不同种类多环芳烃浓度。
本发明的计算模块为线性型计算模块、非线性计算模块、指数型计算模块、幂型计算模块、对数型计算模块、类神经网络计算模块、机器学习计算模块或者深度学习计算模块的其中一种。
图像采集模块的处理方法为：
图像采集模块以成像设备采集的初始图像作为基础进行处理，初始图像为灰度图，所采集的初始图像被序列化，依次通过后帧的初始图像与前帧的初始图像进行处理，得到各个后帧初始图像所处时刻的当前厨房油烟浓度.
每次通过后帧的初始图像与前帧的初始图像进行处理，得到后帧初始图像所处时刻的当前厨房油烟浓度的步骤过程如下：
(1)将后帧的初始图像与前帧的初始图像进行帧差处理得到帧差图像；
(2)以开运算方式对帧差图像进行去噪处理，得到去噪图像；
(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域；
(4)对初始感兴趣区域进行灰度均值计算和区域平滑度计算，将同时满足灰度均值和平滑度要求的区域作为下一步感兴趣区域，其它的区域作为干扰排除；
(5)对步骤(4)提取出的感兴趣区域分别进行统计，根据统计结果得到油烟浓度赋值。
步骤(1)中，对采集到的初始图像进行帧差操作得到帧差图像具体是：
图像采集模块根据接收到的初始图像的先后顺序，将后一帧图像与前一帧图像做差，得到动态区域高亮的帧差图像。
其中步骤(2)对帧差图像采用开运算进行去噪处理，得到去噪图像，具体通过如下方式进行：先对帧差图像进行腐蚀操作，以消除图像中的噪点和细小尖刺，断开窄小的连接；再对腐蚀后的图像进行膨胀操作，恢复原帧差图像中的烟雾特征。
其中步骤(3)对去噪图像进行边缘检测，标记运动区域作为初始感兴趣区域，具体是：检测帧差图像高亮区域的边缘并进行标记，将标记出的区域作为初始感兴趣区域。
其中步骤(4)具体是对每个初始感兴趣区域进行灰度均值、区域平滑度计算，得到每个初始感兴趣区域对应的灰度均值和灰度平滑度，将同时满足计算得到的灰度均值小于灰度阈值、灰度平滑度小于灰度平滑度阈值的初始感兴趣区域作为感兴趣区域，将其它初始感兴趣区域判定为干扰区域。
其中步骤(5)具体是，针对步骤(4)提取出的感兴趣区域，将每个感兴趣区域图像中的所有像素的灰度进行求和计算得到每个感兴趣区域图像的灰度值，再将每个感兴趣区域图像的灰度值进行求和，得到油烟浓度赋值。
成像设备采集的目标区域以区域S表示，任意一帧初始图像为对应区域S的成像。
初始图像由m*n个像素构成，
后帧初始图像A的像素的灰度值以矩阵AH表示，AH＝{ahi,j}，ahi,j代表后帧初始图像A中第i行、第j列像素对应的灰度值，i为像素所在的行，j为像素所在的列，1≤i≤m，1≤j≤n；后帧初始图像A中第i行、第j列像素所在的子区域为ASi,j。
前帧初始图像B的像素的灰度值以矩阵BH表示，BH＝{bhi,j}，bhi,j代表前帧初始图像B中第i行、第j列像素对应的灰度值，前帧初始图像B中第i行、第j列像素所在的子区域为BSi,j。
帧差图像D的像素灰度值以矩阵DH表示，DH＝{dhi,j}＝{|ahi,j-bhi,j|}，dhi,j代表帧差图像D中第i行、第j列像素对应的灰度值，帧差图像D中第i行、第j列像素所在的子区域为DSi,j。
在帧差图像中，|dhi,j|＝0的区域，呈黑色；|dhi,j|≠0的区域呈高亮显示。
其中步骤(2)中对帧差图像进行腐蚀操作，具体包括如下步骤：
2-11，任意定义一个卷积核θ；
2-12，将卷积核θ与帧差图像进行卷积；在卷积核θ遍历帧差图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最小值p以及与卷积核中心重合的像素点C；
像素点C的灰度通过矩阵CH＝{ck,q}表示，k、q为像素点C的行序号和列序号，
Figure GDA0002341839510000091
获得在卷积核θ遍历帧差图像过程中得到的卷积结果最小值像素点矩阵P，最小值像素点矩阵P的灰度通过矩阵PH＝{pk,q}表示；
2-13将像素点矩阵P的灰度对应赋予像素点C，得到腐蚀图像；
步骤(2)中对腐蚀图像进行膨胀操作，具体包括如下步骤：
2-21，任意定义一个卷积核β；
2-22，将卷积核β与腐蚀图像进行卷积；在卷积核β遍历腐蚀图像时，提取卷积核所覆盖区域内卷积结果的像素灰度最大值o以及与卷积核中心重合的像素点R；
像素点R的灰度通过矩阵RH＝{rl,v}表示，l、v为像素点R的行序号和列序号，
Figure GDA0002341839510000092
获得在卷积核β遍历腐蚀图像过程中得到的卷积结果最大值像素点矩阵O，最大值像素点矩阵O的灰度通过矩阵OH＝{ol,v}表示；
2-13将最大值像素点矩阵O的灰度对应赋予像素点R，得到膨胀图像，得到的膨胀图像即为去噪图像。
其中步骤(3)通过如下步骤进行：
3-1，定义一个滤波器Y，滤波器为t*t矩阵，t为奇数；
3-2，使滤波器Y遍历去噪图像，计算滤波器在每一位置处的中心像素点所在的去噪图像的灰度值以及中心像素点邻域内其它像素点的灰度值，并根据公式(Ⅰ)计算滤波器在每一位置处的中心像素点的边缘检测值Xz，z为滤波器Y遍历去噪图像时的标记，
Figure GDA0002341839510000101
f、g为为像素点的矩阵序号，1≤f≤t，1≤g≤t，e为滤波器在每一位置处的像素点所在的去噪图像的灰度值；α为权重系数，与滤波器位置相对应；
3-3，将滤波器在每一位置处的中心像素点边缘检测值Xz与中心像素点邻域的其它像素点的灰度值相减，并判断差值的绝对值是否大于阈值Δ；
统计大于阈值的数量，如果数量超过
Figure GDA0002341839510000102
判定滤波器所处位置的中心像素点对应的去噪图像的像素点位置为边缘点，并进行标记；
3-4，滤波器遍历完整个去噪图像，得到所有标记的边缘点，获得初步感兴趣区域。
t为3。
需说明的是，上述的图像采集模块的处理方法仅是提出其中之一种处理方法，对于其他图像采集模块的处理方法只能够获取烹饪区域的图像采集模块输出数据的方法都可以应用于本发明的能识别油烟中有害气体的油烟机，均应落入本发明的保护范围。
需说明的是，本发明的图像采集模块是采用摄像头对烹饪区域油烟大小进行检测，只要能够实现本发明的上述功能都可以作为本发明的图像采集模块。而本发明的计算模块是通过温度输出信号、油烟输出信号、PM2.5浓度信号和PM10浓度信号计算出当前烹饪区域的多环芳烃浓度，该计算模块为计算器或者具备计算功能的模块均可作为本发明的计算模块，对于这类型的计算模块为工业生产中的计算模块的公知常识，本领域的技术人员应当知晓，在此不再赘述。
本发明的烹饪区域内温度优选为检测厨具温度，也可以为检测烹饪区域内空气温度、油烟温度或者灶具温度等，具体的实施方式根据实际情况而定。本实施例有烹饪区域内检测温度为厨具温度。
一种能识别油烟中有害物质的油烟机,设置有烟机主体和用于检测烹饪区域内温度、油烟大小、颗粒物浓度以及多环芳烃浓度的有害物质检测装置，有害物质检测装置与烟机主体电连接。有害物质检测装置根据检测的烹饪区域内温度、油烟大小和烹饪区域油烟中颗粒物的浓度进行计算得到烹饪区域当前的多环芳烃浓度。本发明的油烟机能检测烹饪区域内温度、油烟大小、PM2.5的浓度、PM10的浓度和多环芳烃浓度。
实施例2。
一种能识别油烟中有害物质的油烟机，其他特征与实施例1相同，不同之处在于：计算模块的计算公式为式(Ⅰ)，
C多环芳烃＝0.05κ+0.05λ+0.0015(CPM2.5+CPM10)+6*10-5κλ(CPM2.5+CPM10)+475.1…
…式(Ⅰ)；
其中C多环芳烃为烹饪区域内的多环芳烃气体总浓度，κ为温度传感模块的输出数据，λ为图像采集模块的输出数据，CPM2.5为PM2.5传感器的输出数据，CPM10为PM10传感器的输出数据。
当κ∈(0℃，200℃)，(CPM2.5+CPM10)∈(0μg/m3,3000μg/m3)，λ∈(0,300)时，C(2-3)＝70％C多环芳烃,C(4)＝20％C多环芳烃,C(5-6)＝10％C多环芳烃。
当κ∈(200℃，240℃)，(CPM2.5+CPM10)∈(3000μg/m3,5000μg/m3)，λ∈(300,500)时，C(2-3)＝60％C多环芳烃,C(4)＝25％C多环芳烃,C(5-6)＝15％C多环芳烃。
其中C(2-3)为二环多环芳烃和三环多环芳烃的浓度,C(4)为四环多环芳烃的浓度，C(5-6)为五环多环芳烃和六环多环芳烃的浓度。
例如当κ为100℃时，(CPM2.5+CPM10)为1000μg/m3,λ为100时，分别将κ、(CPM2.5+CPM10)和λ的数据值直接代入公式，计得C多环芳烃为1086.6且C多环芳烃的单位为pg/m3，即当前环境中的多环芳烃的浓度为1086.6pg/m3。C(2-3)的浓度为760.62pg/m3，C(4)的浓度为217.32pg/m3，C(5-6)的浓度为108.66pg/m3。
本实施例的油烟机可以通过检测烹饪区域内温度、PM2.5的浓度和PM10的浓度进行计算得到当前烹饪区域的多环芳烃浓度，能够计算出当前环境中的二环多环芳烃、三环多环芳烃、四环多环芳烃、五环多环芳烃和六环多环芳烃的浓度。
实施例3。
一种能识别油烟中有害物质的油烟机，其他特征与实施例1相同，不同之处在于：计算模块的计算公式为式(Ⅱ)，
C多环芳烃＝0.05κ0.98+0.05λ1.05+0.0015(CPM2.5+CPM10)1.05+6*10-5κλ(CPM2.5+CPM10)+469.5
……式(Ⅱ)；
其中C多环芳烃为烹饪区域内的多环芳烃气体总浓度，κ为温度传感模块的输出数据，λ为图像采集模块的输出数据，CPM2.5为PM2.5传感器的输出数据，CPM10为PM10传感器的输出数据。
当κ∈(0℃，200℃)，(CPM2.5+CPM10)∈(0μg/m3,3000μg/m3)，λ∈(0,300)时，C(2-3)＝70％C多环芳烃,C(4)＝20％C多环芳烃,C(5-6)＝10％C多环芳烃。
当κ∈(200℃，240℃)，(CPM2.5+CPM10)∈(3000μg/m3,5000μg/m3)，λ∈(300,500)时，C(2-3)＝60％C多环芳烃,C(4)＝25％C多环芳烃,C(5-6)＝15％C多环芳烃。
其中C(2-3)为二环多环芳烃和三环多环芳烃的浓度,C(4)为四环多环芳烃的浓度，C(5-6)为五环多环芳烃和六环多环芳烃的浓度。
例如当κ为100℃时，(CPM2.5+CPM10)为1000μg/m3，λ为100时，分别将κ、(CPM2.5+CPM10)和λ的数据值直接代入公式，计得C多环芳烃为1081.474且C多环芳烃的单位为pg/m3，即当前环境中的多环芳烃的浓度为1081.474pg/m3。C(2-3)的浓度为757.0318pg/m3，C(4)的浓度为216.2948pg/m3，C(5-6)的浓度为108.1474pg/m3。
本实施例的油烟机可以通过检测烹饪区域内温度、PM2.5的浓度和PM10的浓度进行计算得到当前烹饪区域的多环芳烃浓度，能够计算出当前环境中的二环多环芳烃、三环多环芳烃、四环多环芳烃、五环多环芳烃和六环多环芳烃的浓度。
实施例4。
一种能识别油烟中有害物质的油烟机，其他特征与实施例2或者实施例3相同，不同之处在于：本发明的计算模块根据多环芳烃浓度进行多环芳烃环境等级划分。
本实施例是通过国标规定的苯并[a]芘平均限定浓度与多环芳烃浓度对比进行多环芳烃环境等级划分。
当C多环芳烃＜C苯并[a]芘时，则多环芳烃环境等级判定为健康。
当C多环芳烃≥C苯并[a]芘时，则多环芳烃环境等级判定为不健康。
其中C苯并[a]芘为国标规定的苯并[a]芘平均限定浓度，且C苯并[a]芘＝1ng/m3。
本实施例是根据GBT18883-2室内空气质量标准进行健康等级划分的，本发明也可以根据其他的质量标准进行划分，如GB3059-2012、WTO的《环境质量标准》。本发明也可以根据其他预设的环境质量值进行划分。
与实施例2或3相比，本实施例根据多环芳烃浓度进行多环芳烃环境等级划分，能够更加直观地去评判当前烹饪环境的空气质量。
实施例5。
一种能识别油烟中有害物质的油烟机，其他特征与实施例4相同，不同之处在于：通过多环芳烃浓度与国标规定的苯并[a]芘平均限定浓度相除进行多环芳烃环境等级划分，如式(Ⅲ)所示：
Figure GDA0002341839510000141
当0≤ε≤0.5时，则多环芳烃环境等级判定为健康。
当0.5＜ε≤1时，则多环芳烃环境等级判定为良好。
当1＜ε≤5时，则多环芳烃环境等级判定为中等。
当5＜ε≤10时，则多环芳烃环境等级判定为较差。
当10＜ε时，则多环芳烃环境等级判定为严重。
与实施例2或3相比，本实施例根据多环芳烃浓度进行多环芳烃环境等级划分，能够更加直观地去评判当前烹饪环境的空气质量。
实施例6。
一种能识别油烟中有害物质的油烟机，其他特征与实施例4或者实施例5相同，不同之处在于：多环芳烃环境等级划分是以多环芳烃浓度与当量毒性因子加权后结果进行的多环芳烃环境等级划分。
通过式(Ⅳ)计得多环芳烃的总当量毒性浓度:
Figure GDA0002341839510000142
其中BEQ为多环芳烃的总当量毒性浓度，μ为多环芳烃种类的标记，1≤μ≤ξ且μ和ξ为自然数，beqμ为第μ种多环芳烃的当量毒性浓度，beqμ通过式(Ⅴ)计得，
beqμ＝Cμ*TEFμ 式(Ⅴ)，
Cμ为第μ种多环芳烃的浓度，TEFμ为第μ种多环芳烃对应的当量毒性因子。不同多环芳烃的当量毒性因子如表1所示：
表1为各种多环芳烃的当量毒性因子
Figure GDA0002341839510000151
与实施例4或者实施例5相比，本实施例引入了不同多环芳烃的当量毒性因子，因为对于不同的多环芳烃的毒性不同，因而对人体危害也不同。
实施例7。
一种能识别油烟中有害物质的油烟机，其他特征与实施例6相同，不同之处在于：本实施例为多环芳烃的总当量毒性浓度与国标规定的苯并[a]芘平均限定浓度对比进行多环芳烃环境等级划分；
当BEQ＜C苯并[a]芘时，则多环芳烃环境等级判定为健康。
当BEQ≥C苯并[a]芘时，则多环芳烃环境等级判定则判定为不健康。
与实施例4相比，本实施例引入了不同多环芳烃的当量毒性因子，因为对于不同的多环芳烃的毒性不同，因而对人体危害也不同。
实施例8。
一种能识别油烟中有害物质的油烟机，其他特征与实施例6相同，不同之处在于：多环芳烃的总当量毒性浓度与国标规定的苯并[a]芘平均限定浓度相除进行多环芳烃环境等级划分，如式(Ⅵ)所示：
Figure GDA0002341839510000161
当0≤δ≤0.5时，则多环芳烃环境等级判定为健康。
当0.5＜δ≤1时，则多环芳烃环境等级判定为良好。
当1＜δ≤5时，则多环芳烃环境等级判定为中等。
当5＜δ≤10时，则多环芳烃环境等级判定为较差。
当10＜δ时，则多环芳烃环境等级判定为严重。
需说明的是，本发明的多环芳烃环境等级也可根据δ的其他值进行划分，本实施例仅是提供一种实施的方案，对于其他内只能根据的多环芳烃浓度进行的多环芳烃环境等级划分方法也落入本发明的保护范围。
本发明的计算模块将多环芳烃环境等级进行健康定值划分得到多环芳烃健康等级U多环芳烃。
当多环芳烃环境等级为健康时，则U多环芳烃为1。
当多环芳烃环境等级为良好时，则U多环芳烃为2。
当多环芳烃环境等级为中等时，则U多环芳烃为3。
当多环芳烃环境等级为较差时，则U多环芳烃为4。
当多环芳烃环境等级为严重时，则U多环芳烃为5。
需说明的是，本发明的多环芳烃环境等级对应的可以如上述所示，也可以根据实际情况不同的多环芳烃环境等级对应不同的U多环芳烃值，本实施例仅示出一种可能，对于各样多环芳烃环境等级对应U多环芳烃值均落入本发明的保护范围。
与实施例5相比，本实施例引入了不同多环芳烃的当量毒性因子，因为对于不同的多环芳烃的毒性不同，因而对人体危害也不同。同时本实施例根据多环芳烃环境等级进行健康定值划分得到多环芳烃健康等级U多环芳烃。
实施例9。
一种能识别油烟中有害物质的油烟机，其他特征与实施例8相同，不同之处在于：本发明的计算模块根据PM2.5传感器的输出数据或者PM10传感器的输出数据与选定的空气质量标准进行空气质量指数评定，如式(Ⅶ)所示；
Figure GDA0002341839510000171
其中M为当前的空气质量指数。
C为颗粒物浓度且C为CPM2.5或者CPM10。
BMHi为选定的空气质量标准与C对应颗粒物浓度限值的高位值。
BMLo为选定空气质量标准中与C对应颗粒物浓度限值的低位值。
MHi为选定空气质量标准中与BMHi对应的空气质量分指数。
MLo为选定空气质量标准中与BMLo对应的空气质量分指数。
本实施例根据表2对本发明进行解释，如下所示：
表2、空气质量指数及PM10和PM2.5项目浓度限值
Figure GDA0002341839510000172
Figure GDA0002341839510000181
例如当前实际测得的CPM2.5＝425μm/m3，查找出PM2.5浓度限值的高位值和低位值，则BMHi＝500，BMLo＝350。BMHi的值对应的空气质量分指数(IAQI)为500，即MHi＝500。BMLo的值对应的空气质量分指数(IAQI)为400，即MLo＝400。然后分别将BMHi、BMLo、MHi、MLo和CPM2.5代入式(Ⅶ)。
Figure GDA0002341839510000182
得到M＝450。
需说明的是，本实施仅选定了一个空气质量标准和CPM2.5对应数，但是对于不同的空气质量标准和CPM10也在本发明的保护范围内。
将空气质量指数进行健康定值划分得到颗粒物健康等级U颗粒物；
当0≤M≤400时，则U颗粒物＝1；
当400＜M≤600时，则U颗粒物＝2；
当600＜M≤700时，则U颗粒物＝3；
当700＜M≤800时，则U颗粒物＝4；
当900＜M时，则U颗粒物＝5。
需说明的是，本发明的空气质量指数也可根据M的其他值进行划分。本实施例仅是提供一种实施的方案，对于其他的根据的PM10和PM2.5输出数据进行的颗粒物健康等级划分的方法也落入本发明的保护范围。
需说明的是，本发明的空气质量指数对应的颗粒物健康等级U颗粒物可以如上述所示，也可以根据实际情况不同的空气质量指数对应不同的U颗粒物值，本实施例仅示出一种可能，对于各样空气质量指数对应U颗粒物值均落入本发明的保护范围。
与实施例8相比，本实施例增加了空气质量指数的评定，因为颗粒物对人体健康也有危害。同时也增加了基于空气质量指数的颗粒物健康等级，能够对烹饪区域环境评价更加全面。
实施例10。
一种能识别油烟中有害物质的油烟机，如图2所示，其他特征与实施例9相同，不同之处在于：本发明的计算模块对健康等级U计算有如下的方法：
1、计算模块将多环芳烃健康等级U多环芳烃和颗粒物健康等级U颗粒物对比，选取最大值为当前烹饪区域的健康等级U，如式(Ⅷ)所示，
U＝max(U颗粒物,U多环芳烃) 式(Ⅷ)。
2、计算模块将多环芳烃健康等级U多环芳烃和颗粒物健康等级U颗粒物加和得到当前烹饪区域的健康等级U，如式(Ⅸ)，
U＝U颗粒物+U多环芳烃 式(Ⅸ)。
3、计算模块将多环芳烃健康等级U多环芳烃乘以多环芳烃权重因子Q多环芳烃和颗粒物健康等级U颗粒物乘以颗粒物权重因子Q颗粒物对比，选取最大值为当前烹饪区域的健康等级U，如式(Ⅹ)所示，
U＝max(U颗粒物*Q颗粒物,U多环芳烃*Q多环芳烃) 式(Ⅹ)。
4、计算模块将多环芳烃健康等级U多环芳烃乘以多环芳烃权重因子Q多环芳烃和颗粒物健康等级U颗粒物乘以颗粒物权重因子Q颗粒物进行加和得到当前烹饪区域的健康等级U，如式(Ⅺ)所示，
U＝U颗粒物*Q颗粒物+U多环芳烃*Q多环芳烃 式(Ⅺ)。
本实施例的健康等级U计算具体为第一种。例如当U多环芳烃＝2，U颗粒物＝3时，当前烹饪区域的健康等级U为3。对于U的值越小表示越健康，U的值越大表示越不健康。
需说明的是，本发明的4种方法可以选用第一种，也可以根据实际情况而选根据其他三种，具体的实施方式根据实际情况而定。对于本发明第三种方法的Q颗粒物为0.8，Q多环芳烃为1.2，Q多环芳烃和Q颗粒物可以为其他数值，具体的实施方式根据实际情况而定。对于本发明第四种方法的Q颗粒物为0.2，Q多环芳烃为0.8，Q多环芳烃和Q颗粒物可以为其他数值，具体的实施方式根据实际情况而定。
烟机主体设置有风速控制模块，风速控制模块与计算模块电连接。风速控制模块，根据计算模块发送的健康等级U对烟机主体进行风速调节。
烟机主体还设置有提示模块，提示模块与计算模块电连接。提示模块，根据计算模块发送的健康等级U对用户进行当前健康等级U提示。
烟机主体还设置有火力控制模块，火力控制模块与计算模块电连接。火力控制模块，根据计算模块发送的健康等级U对外部炉具进行火力调节。
与实施例9相比，本实施例的油烟机能对当前环境的多环芳烃的浓度进行健康等级U划分，同时该油烟机还具有风速控制模块、提示模块和火力控制模块，当前健康等级自动调节风速和外部炉具的火力，使当前环境的多环芳烃浓度和颗粒物浓度降低，同时提醒用户注意防护。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (16)

1.一种能识别油烟中有害物质的油烟机,其特征在于：设置有烟机主体和用于检测烹饪区域内温度、油烟大小、颗粒物浓度以及多环芳烃浓度的有害物质检测装置，有害物质检测装置与烟机主体电连接；
所述有害物质检测装置设置有用于检测烹饪区域内温度的温度传感模块、用于检测当前烹饪区域油烟中当量直径小于等于2.5微米颗粒物浓度的PM2.5传感器、用于检测当前烹饪区域油烟中当量直径小于等于10微米颗粒物浓度的PM10传感器、用于计算当前烹饪区域的多环芳烃浓度的计算模块和用于对烹饪区域油烟图像分析并实时得到产生油烟大小的图像采集模块，温度传感模块、PM2.5传感器、PM10传感器和图像采集模块分别与计算模块电连接，温度传感模块、PM2.5传感器、PM10传感器、图像采集模块和计算模块分别与烟机主体电连接；
温度传感模块感应烹饪区域内温度得到温度信号并将所得到的温度信号作为温度输出信号传输至计算模块，PM2.5传感器采集当前烹饪区域油烟中当量直径小于等于2.5微米颗粒物浓度得到PM2.5浓度信号并传输至计算模块，PM10传感器采集当前烹饪区域油烟中当量直径小于等于10微米颗粒物浓度得到PM10浓度信号并传输至计算模块，图像采集模块采集烹饪区域油烟图像得到油烟输出信号并传输至计算模块，计算模块分别接收温度输出信号、油烟输出信号、PM2.5浓度信号和PM10浓度信号并对接收到的信号进行处理，根据计算模块中预设的计算公式计算得到当前烹饪区域实时的多环芳烃浓度；
所述计算模块的计算公式为式(Ⅰ)，
C多环芳烃＝0.05κ+0.05λ+0.0015(CPM2.5+CPM10)+6*10-5κλ(CPM2.5+CPM10)+475.1……式(Ⅰ)；或者
所述计算模块的计算公式为式(Ⅱ)，
C多环芳烃＝0.05κ0.98+0.05λ1.05+0.0015(CPM2.5+CPM10)1.05+6*10-5κλ(CPM2.5+CPM10)+469.5……式(Ⅱ)；
其中C多环芳烃为烹饪区域内的多环芳烃气体总浓度，κ为温度传感模块的输出数据，λ为图像采集模块的输出数据，CPM2.5为PM2.5传感器的输出数据，CPM10为PM10传感器的输出数据。
2.根据权利要求1所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块为以数学建模构建得到关于烹饪区域内温度、油烟大小以及颗粒物浓度与油烟中有害气体中多环芳烃浓度的数学关系的计算模块。
3.根据权利要求2所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块为线性型计算模块或者非线性计算模块；
当计算模块为非线性计算模块时，具体为指数型计算模块、幂型计算模块、对数型计算模块、类神经网络计算模块或者机器学习计算模块。
4.根据权利要求3所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块还根据多环芳烃浓度进行多环芳烃环境等级划分。
5.根据权利要求4所述的能识别油烟中有害物质的油烟机,其特征在于，通过国标规定的苯并[a]芘平均限定浓度与多环芳烃浓度对比进行多环芳烃环境等级划分；
当C多环芳烃＜C苯并[a]芘时，则多环芳烃环境等级判定为健康，当C多环芳烃≥C苯并[a]芘时，则多环芳烃环境等级判定为不健康；
其中C苯并[a]芘为国标规定的苯并[a]芘平均限定浓度，且C苯并[a]芘＝1ng/m3。
6.根据权利要求5所述的能识别油烟中有害物质的油烟机,其特征在于，通过多环芳烃浓度与国标规定的苯并[a]芘平均限定浓度相除进行多环芳烃环境等级划分，如式(Ⅲ)所示：
Figure FDA0002341839500000021
当0≤ε≤0.5时，则多环芳烃环境等级判定为健康，
当0.5＜ε≤1时，则多环芳烃环境等级判定为良好，
当1＜ε≤5时，则多环芳烃环境等级判定为中等，
当5＜ε≤10时，则多环芳烃环境等级判定为较差，
当10＜ε时，则多环芳烃环境等级判定为严重。
7.根据权利要求6所述的能识别油烟中有害物质的油烟机,其特征在于：所述环芳烃环境等级划分是以多环芳烃浓度与多环芳烃的当量毒性因子加权后结果进行的多环芳烃环境等级划分；
具体通过式(Ⅳ)计得多环芳烃的总当量毒性浓度:
Figure FDA0002341839500000031
其中BEQ为多环芳烃的总当量毒性浓度，μ为多环芳烃种类的标记，1≤μ≤ξ且μ和ξ为自然数，beqμ为第μ种多环芳烃的当量毒性浓度，beqμ通过式(Ⅴ)计得，
beqμ＝Cμ*TEFμ 式(Ⅴ)，
Cμ为第μ种多环芳烃的浓度，TEFμ为第μ种多环芳烃对应的当量毒性因子。
8.根据权利要求7所述的能识别油烟中有害物质的油烟机,其特征在于：多环芳烃的总当量毒性浓度与国标规定的苯并[a]芘平均限定浓度对比进行多环芳烃环境等级划分；
当BEQ＜C苯并[a]芘时，则多环芳烃环境等级判定为健康，
当BEQ≥C苯并[a]芘时，则多环芳烃环境等级判定则判定为不健康。
9.根据权利要求8所述的能识别油烟中有害物质的油烟机,其特征在于：多环芳烃的总当量毒性浓度与国标规定的苯并[a]芘平均限定浓度相除进行多环芳烃环境等级划分，如式(Ⅵ)所示：
Figure FDA0002341839500000032
当0≤δ≤0.5时，则多环芳烃环境等级判定为健康，
当0.5＜δ≤1时，则多环芳烃环境等级判定为良好，
当1＜δ≤5时，则多环芳烃环境等级判定为中等，
当5＜δ≤10时，则多环芳烃环境等级判定为较差，
当10＜δ时，则多环芳烃环境等级判定为严重。
10.根据权利要求4至9任意一项所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块还将多环芳烃环境等级进行健康定值划分得到多环芳烃健康等级U多环芳烃。
11.根据权利要求10所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块根据PM2.5传感器的输出数据或者PM10传感器的输出数据与选定的空气质量标准进行空气质量指数评定，如式(Ⅶ)所示；
Figure FDA0002341839500000041
其中M为当前的空气质量指数，
C为颗粒物浓度且C为CPM2.5或者CPM10，
BMHi为选定的空气质量标准与C对应颗粒物浓度限值的高位值，
BMLo为选定空气质量标准中与C对应颗粒物浓度限值的低位值，
MHi为选定空气质量标准中与BMHi对应的空气质量分指数，
MLo为选定空气质量标准中与BMLo对应的空气质量分指数。
12.根据权利要求11所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块还将空气质量指数进行健康定值划分得到颗粒物健康等级U颗粒物。
13.根据权利要求12所述的能识别油烟中有害物质的油烟机,其特征在于：所述计算模块还将多环芳烃健康等级U多环芳烃和颗粒物健康等级U颗粒物对比，选取最大值为当前烹饪区域的健康等级U，如式(Ⅷ)所示，
U＝max(U颗粒物,U多环芳烃) 式(Ⅷ)；或者
所述计算模块还将多环芳烃健康等级U多环芳烃和颗粒物健康等级U颗粒物加和得到当前烹饪区域的健康等级U，如式(Ⅸ)，
U＝U颗粒物+U多环芳烃 式(Ⅸ)；或者
所述计算模块还将多环芳烃健康等级U多环芳烃乘以多环芳烃权重因子Q多环芳烃和颗粒物健康等级U颗粒物乘以颗粒物权重因子Q颗粒物对比，选取最大值为当前烹饪区域的健康等级U，如式(Ⅹ)所示，
U＝max(U颗粒物*Q颗粒物,U多环芳烃*Q多环芳烃) 式(Ⅹ)；或者
所述计算模块还将多环芳烃健康等级U多环芳烃乘以多环芳烃权重因子Q多环芳烃和颗粒物健康等级U颗粒物乘以颗粒物权重因子Q颗粒物进行加和得到当前烹饪区域的健康等级U，如式(Ⅺ)所示，
U＝U颗粒物*Q颗粒物+U多环芳烃*Q多环芳烃 式(Ⅺ)。
14.根据权利要求13所述的能识别油烟中有害物质的油烟机,其特征在于：所述烟机主体设置有风速控制模块，风速控制模块与计算模块电连接；
所述风速控制模块根据计算模块发送的健康等级对烟机主体进行风速调节。
15.根据权利要求14所述的能识别油烟中有害物质的油烟机,其特征在于：所述烟机主体设置有提示模块，提示模块与计算模块电连接；
所述提示模块根据计算模块发送的健康等级对用户进行当前多环芳烃环境等级提示。
16.根据权利要求15所述的能识别油烟中有害物质的油烟机,其特征在于：所述烟机主体还设置有火力控制模块，火力控制模块与计算模块电连接；
所述火力控制模块根据计算模块发送的健康等级对外部炉具进行火力调节。
CN201811630817.1A 2018-12-29 2018-12-29 一种能识别油烟中有害物质的油烟机 Active CN109681937B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811630817.1A CN109681937B (zh) 2018-12-29 2018-12-29 一种能识别油烟中有害物质的油烟机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811630817.1A CN109681937B (zh) 2018-12-29 2018-12-29 一种能识别油烟中有害物质的油烟机

Publications (2)

Publication Number Publication Date
CN109681937A CN109681937A (zh) 2019-04-26
CN109681937B true CN109681937B (zh) 2020-03-17

Family

ID=66190192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811630817.1A Active CN109681937B (zh) 2018-12-29 2018-12-29 一种能识别油烟中有害物质的油烟机

Country Status (1)

Country Link
CN (1) CN109681937B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103041882A (zh) * 2012-12-31 2013-04-17 苏州汶颢芯片科技有限公司 一种检测大气中多环芳烃的离心式微流控芯片及其制备方法
CN106369651A (zh) * 2016-10-25 2017-02-01 广东万家乐燃气具有限公司 一种带WiFi功能的吸油烟机及其控制方法
CN107781879A (zh) * 2017-11-07 2018-03-09 佛山市云米电器科技有限公司 油烟处理装置与方法
CN108562698A (zh) * 2018-04-18 2018-09-21 重庆第二师范学院 一种大数据空气质量指标信息处理***
CN109028235A (zh) * 2018-09-29 2018-12-18 佛山市云米电器科技有限公司 基于背景建模的智能风速调节式油烟机

Also Published As

Publication number Publication date
CN109681937A (zh) 2019-04-26

Similar Documents

Publication Publication Date Title
CN109655585B (zh) 一种能识别厨房空气质量的油烟机
CN109579092B (zh) 一种根据工作环境进行烟灶联动的油烟机
CN210136499U (zh) 一种能根据使用食材进行健康等级划分的油烟机
CN109884049B (zh) 一种能够检测厨房油烟的有害物质检测装置
CN109882899B (zh) 一种根据工作环境进行控制的油烟机
CN109813713B (zh) 一种具有多个独立有害物质检测模组的烟机
CN113376172A (zh) 一种基于视觉与涡流的焊缝缺陷检测***及其检测方法
CN113155839A (zh) 一种基于机器视觉的钢板外表面缺陷在线检测方法
CN109654559B (zh) 一种能识别水汽与油烟的健康烹饪***
CN109657640B (zh) 一种能根据使用食材进行健康等级划分的油烟机
CN109631111B (zh) 一种能与健康营食资料库比对的自动烟灶***
CN109681937B (zh) 一种能识别油烟中有害物质的油烟机
CN109813841B (zh) 一种厨房油烟式多环芳烃检测装置
CN109798565B (zh) 一种具有识别油烟中有害物质功能的吸油***
CN109654562B (zh) 一种与移动拍照设备联合的油烟机
CN109654561B (zh) 一种红外温度及视觉协同检测烹饪***
CN109632796B (zh) 一种具有红外温度传感器的有害物质检测设备及其应用
CN109631118B (zh) 一种能识别油烟中有害气体的油烟机
CN209655389U (zh) 一种能与健康营食资料库比对的自动烟灶***
CN109654563B (zh) 一种具有多种检测功能协同作用的烹饪***
CN109738582B (zh) 一种厨房环境空气质量提示装置
CN109631110B (zh) 一种能够识别油烟中有害物质的吸油***
CN109655586B (zh) 一种油烟挥发性有机物检测控制***及其应用
CN109798566B (zh) 一种与移动录影设备联合的油烟机
CN109654565B (zh) 一种带热成像装置的油烟机

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
GR01 Patent grant
GR01 Patent grant