CN109813841A - 一种厨房油烟式多环芳烃检测装置 - Google Patents
一种厨房油烟式多环芳烃检测装置 Download PDFInfo
- Publication number
- CN109813841A CN109813841A CN201811630930.XA CN201811630930A CN109813841A CN 109813841 A CN109813841 A CN 109813841A CN 201811630930 A CN201811630930 A CN 201811630930A CN 109813841 A CN109813841 A CN 109813841A
- Authority
- CN
- China
- Prior art keywords
- aromatic hydrocarbon
- polycyclic aromatic
- module
- formula
- concentration
- 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.)
- Granted
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Fire-Detection Mechanisms (AREA)
Abstract
一种厨房油烟式多环芳烃检测装置,装配于厨房固定部。该多环芳烃检测装置根据检测的烹饪区域温度和油烟大小进行计算得到烹饪区域当前的多环芳烃浓度。该多环芳烃检测装置设置有用于检测烹饪区域温度的温度传感模块、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和用于计算当前烹饪区域的多环芳烃浓度的计算模块,温度传感模块和图像采集模块分别与计算模块电连接。本发明的多环芳烃检测装置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外部油烟机的风速和外部炉具的火力,使当前环境的多环芳烃的浓度降低,同时提醒用户注意防护。
Description
技术领域
本发明涉及厨房油烟检测领域,特别涉及一种厨房油烟式多环芳烃检测装置。
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,多环芳烃类物质中有相当部分具有致癌性,如苯并[α]芘。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。
因此针对现有技术不足,提供一种厨房油烟式多环芳烃检测装置以解决现有技术不足甚为必要。
发明内容
本发明的其中一个目的在于避免现有技术的不足之处而提供一种厨房油烟式多环芳烃检测装置。该厨房油烟式多环芳烃检测装置能识别前烹饪环境中的油烟的有害物质多环芳烃浓度。
本发明的上述目的通过以下技术措施实现:
提供一种厨房油烟式多环芳烃检测装置,装配于厨房固定部。
该多环芳烃检测装置根据检测的烹饪区域温度和油烟大小进行计算得到烹饪区域当前的多环芳烃浓度。
该多环芳烃检测装置设置有用于检测烹饪区域温度的温度传感模块、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和用于计算当前烹饪区域的多环芳烃浓度的计算模块,温度传感模块和图像采集模块分别与计算模块电连接。
优选的,上述厨房固定部为墙体、灶台或者厨房用电器。
优选的,上述温度传感模块感应烹饪区域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,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传感模块的温度输出信号和图像采集模块的油烟输出信号,然后对温度输出信号和油烟输出信号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温度和油烟大小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+0.33κλ+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。
另一优选的,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+0.33κλ+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。
优选的,上述计算模块为根据多环芳烃浓度进行环境健康等级划分的计算模块。
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环境等级划分。
当C多环芳烃<C苯并[a]芘时,判定为健康等级,当C多环芳烃≥C苯并[a]芘时,判定为不健康等级。
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。
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环境健康等级划分,如式(Ⅲ)所示:
当0≤ε≤0.5时,则判定为健康等级,当0.5<ε≤1时,则判定为良好等级,当ε>1时,则判定为不健康等级。
优选的,上述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:
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种多环芳烃的含量的浓度,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环境等级划分。
当BEQ<C苯并[a]芘时,判定为健康等级,当BEQ≥C苯并[a]芘时,判定则判定为不健康等级。
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环境健康等级划分,如式(Ⅲ):
当0≤δ≤0.5时,则判定为健康等级,当0<δ≤1时,则判定为良好等级,当δ>1时,则判定为不健康等级。
多环芳烃检测装置还设置有风速控制模块,风速控制模块与计算模块电连接,风速控制模块与外部油机电连接。
风速控制模块根据计算模块发送的环境等级控制外部油机的风速调节器进行风速调节。
多环芳烃检测装置还设置有提示模块,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环境等级对用户进行当前环境等级提示。
多环芳烃检测装置还设置有火力控制模块,火力控制模块与计算模块电连接,火力控制模块与外部炉具电连接。
优选的,上述火力控制模块根据计算模块发送的环境等级对外部炉具进行火力调节。
本发明的一种厨房油烟式多环芳烃检测装置,装配于厨房固定部。该多环芳烃检测装置根据检测的烹饪区域温度和油烟大小进行计算得到烹饪区域当前的多环芳烃浓度。该多环芳烃检测装置设置有用于检测烹饪区域温度的温度传感模块、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和用于计算当前烹饪区域的多环芳烃浓度的计算模块,温度传感模块和图像采集模块分别与计算模块电连接。本发明的多环芳烃检测装置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外部油烟机的风速和外部炉具的火力,使当前环境的多环芳烃的浓度降低,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的一种厨房油烟式多环芳烃检测装置的工作流程示意图。
图2为实施例4的一种厨房油烟式多环芳烃检测装置的工作流程示意图。
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。
一种厨房油烟式多环芳烃检测装置,如图1所示,装配于厨房固定部。
多环芳烃检测装置根据检测的烹饪区域温度和油烟大小进行计算得到烹饪区域当前的多环芳烃浓度。
多环芳烃检测装置设置有用于检测烹饪区域温度的温度传感模块、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和用于计算当前烹饪区域的多环芳烃浓度的计算模块,温度传感模块和图像采集模块分别与计算模块电连接。
本发明的厨房固定部可以为墙体、灶台或者厨房用电器。该厨房用电器可以为电冰箱、厨房用CCTV、烤箱或者微波炉等,只在可以在厨房使用的电器都在本发明的保护范围。
本实施例具体为多环芳烃检测装置固定于墙体。
温度传感模块感应烹饪区域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,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传感模块的温度输出信号和图像采集模块的油烟输出信号,然后对温度输出信号和油烟输出信号处理实时得到当前烹饪区域的多环芳烃浓度。
计算模块以数学建模构建得到关于温度和油烟大小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大小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温度和油烟大小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。
图像采集模块实时采集烹饪过程中产生油烟的情况,具体为实时采集对应区域的图片并处理当前厨房油烟浓度,并把数据传输至计算模块。
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,
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,
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,
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厨房油烟式多环芳烃检测装置,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信号和油烟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。
该厨房油烟式多环芳烃检测装置,装配于厨房固定部。该多环芳烃检测装置根据检测的烹饪区域温度和油烟大小进行计算得到烹饪区域当前的多环芳烃浓度。该多环芳烃检测装置的温度传感模块检测烹饪区域温度,图像采集模块对烹饪区域油烟图像分析并实时得到产生油烟情况进得采集,然后经过计算模块计算出当前环境的多环芳烃的浓度。
实施例2。
一种厨房油烟式多环芳烃检测装置,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+0.33κλ+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。
当κ∈(0℃,200℃),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℃),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,λ为100时,分别将κ和λ的数据值直接代入公式,计得C多环芳烃为3785.1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3785.1pg/m3。C(2-3)的浓度为2649.57pg/m3,C(4)的浓度为757.02pg/m3,C(5-6)的浓度为378.51pg/m3。
本实施例的油烟机可以通过检测烹饪区域温度和烹饪区域的油烟大小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。
一种厨房油烟式多环芳烃检测装置,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+0.33κλ+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。
当κ∈(0℃,200℃),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℃),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,λ为100时,分别将κ和λ的数据值直接代入公式,计得C多环芳烃为3780.35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3780.35pg/m3。C(2-3)的浓度为2646.245pg/m3,C(4)的浓度为756.07pg/m3,C(5-6)的浓度为378.035pg/m3。
本实施例的油烟机可以通过检测烹饪区域温度和烹饪区域的油烟大小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。
一种厨房油烟式多环芳烃检测装置,其他特征与实施例2或者实施例3相同,不同之处在于:本发明的计算模块为根据多环芳烃浓度进行环境健康等级划分的计算模块。
本实施例是国标规定的苯并[a]芘平均限定浓度与多环芳烃浓度对比进行环境等级划分。
当C多环芳烃<C苯并[a]芘时,判定为健康等级,当C多环芳烃≥C苯并[a]芘时,判定时,则判定为不健康等级。
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。
与实施例2或3相比,本实施例根据多环芳烃浓度进行环境健康等级划分,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。
一种厨房油烟式多环芳烃检测装置,其他特征与实施例4相同,不同之处在于: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环境健康等级划分,如式(Ⅲ)所示:
当0≤ε≤0.5时,则判定为健康等级,当0.5<ε≤1时,则判定为良好等级,当ε>1时,则判定为不健康等级。
与实施例2或3相比,本实施例根据多环芳烃浓度进行环境健康等级划分,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。
一种厨房油烟式多环芳烃检测装置,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:
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
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。
一种厨房油烟式多环芳烃检测装置,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环境等级划分;
当BEQ<C苯并[a]芘时,时,则判定为健康等级,当BEQ≥C苯并[a]芘时,时,则判定为不健康等级。
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。
一种厨房油烟式多环芳烃检测装置,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环境健康等级划分,如式(Ⅵ)所示:
当0≤δ≤0.5时,则判定为健康等级,当0<δ≤1时,则判定为良好等级,当δ>1时,则判定为不健康等级。
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。
实施例9。
一种厨房油烟式多环芳烃检测装置,如图2所示,其他特征与实施例2相同,不同之处在于:多环芳烃检测装置还设置有风速控制模块,风速控制模块与计算模块电连接,风速控制模块与外部油机电连接。风速控制模块根据计算模块发送的环境等级控制外部油机的风速调节器进行风速调节。
多环芳烃检测装置还设置有提示模块,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环境等级对用户进行当前环境等级提示。
多环芳烃检测装置还设置有火力控制模块,火力控制模块与计算模块电连接,火力控制模块与外部炉具电连接。火力控制模块根据计算模块发送的环境等级对外部炉具进行火力调节
与实施例1相比,本实施例的多环芳烃检测装置能对当前环境的多环芳烃的浓度进行环境健康等级划分,同时该多环芳烃检测装置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外部油烟机的风速和外部炉具的火力,使当前环境的多环芳烃的浓度降低,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 (15)
1.一种厨房油烟式多环芳烃检测装置,其特征在于:装配于厨房固定部;
根据检测的烹饪区域温度和油烟大小进行计算得到烹饪区域当前的多环芳烃浓度;
设置有用于检测烹饪区域温度的温度传感模块、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和用于计算当前烹饪区域的多环芳烃浓度的计算模块,温度传感模块和图像采集模块分别与计算模块电连接。
2.根据权利要求1所述的厨房油烟式多环芳烃检测装置,其特征在于:所述厨房固定部为墙体、灶台或者厨房用电器;
所述温度传感模块感应烹饪区域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,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传感模块的温度输出信号和图像采集模块的油烟输出信号,然后对温度输出信号和油烟输出信号处理实时得到当前烹饪区域的多环芳烃浓度。
3.根据权利要求2所述的厨房油烟式多环芳烃检测装置,其特征在于:所述计算模块为以数学建模构建得到关于温度和油烟大小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。
4.根据权利要求3所述的厨房油烟式多环芳烃检测装置,其特征在于:所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。
5.根据权利要求3所述的厨房油烟式多环芳烃检测装置,其特征在于:所述计算模块的计算公式为式(Ⅰ),
C多环芳烃=0.05κ+0.05λ+0.33κλ+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。
6.根据权利要求3所述的厨房油烟式多环芳烃检测装置,其特征在于: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+0.33κλ+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。
7.根据权利要求5或者6所述的厨房油烟式多环芳烃检测装置,其特征在于:所述计算模块为根据多环芳烃浓度进行环境健康等级划分的计算模块。
8.根据权利要求7所述的厨房油烟式多环芳烃检测装置,其特征在于,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环境等级划分;
当C多环芳烃:<C苯并[a]芘时,判定为健康等级,当C多环芳烃:≥C苯并[a]芘时,判定为不健康等级;
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。
9.根据权利要求7所述的厨房油烟式多环芳烃检测装置,其特征在于,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环境健康等级划分,如式(Ⅲ)所示:
当0≤ε≤0.5时,则判定为健康等级,当0.5<ε≤1时,则判定为良好等级,当ε>1时,则判定为不健康等级。
10.根据权利要求7所述的厨房油烟式多环芳烃检测装置,其特征在于:所述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。
11.根据权利要求10所述的厨房油烟式多环芳烃检测装置,其特征在于:通过式(Ⅳ)计得多环芳烃的总当量毒性浓度:
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种多环芳烃的含量的浓度,TEFμ为第μ种多环芳烃对应的当量毒性因子。
12.根据权利要求11所述的厨房油烟式多环芳烃检测装置,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环境等级划分;
当BEQ<C苯并[a]芘时,判定为健康等级,
当BEQ≥C苯并[a]芘时,判定则判定为不健康等级。
13.根据权利要求11所述的厨房油烟式多环芳烃检测装置,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环境健康等级划分,如式(Ⅲ):
当0≤δ≤0.5时,则判定为健康等级,当0<δ≤1时,则判定为良好等级,当δ>1时,则判定为不健康等级。
14.根据权利要求13所述的厨房油烟式多环芳烃检测装置,其特征在于:还设置有风速控制模块,风速控制模块与计算模块电连接,风速控制模块与外部油机电连接;
所述风速控制模块根据计算模块发送的环境等级控制外部油机的风速调节器进行风速调节。
还设置有提示模块,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环境等级对用户进行当前环境等级提示。
15.根据权利要求14所述的厨房油烟式多环芳烃检测装置,其特征在于:还设置有火力控制模块,火力控制模块与计算模块电连接,火力控制模块与外部炉具电连接;
所述火力控制模块根据计算模块发送的环境等级对外部炉具进行火力调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811630930.XA CN109813841B (zh) | 2018-12-29 | 2018-12-29 | 一种厨房油烟式多环芳烃检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811630930.XA CN109813841B (zh) | 2018-12-29 | 2018-12-29 | 一种厨房油烟式多环芳烃检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109813841A true CN109813841A (zh) | 2019-05-28 |
CN109813841B CN109813841B (zh) | 2021-11-23 |
Family
ID=66602758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811630930.XA Active CN109813841B (zh) | 2018-12-29 | 2018-12-29 | 一种厨房油烟式多环芳烃检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109813841B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882584A (zh) * | 2020-07-29 | 2020-11-03 | 广东智媒云图科技股份有限公司 | 一种通过灰度图像进行油烟量判断的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170055879A (ko) * | 2015-11-12 | 2017-05-22 | 동국대학교 산학협력단 | 다환방향족탄화수소 감지 조리 장치 |
CN108362826A (zh) * | 2017-01-26 | 2018-08-03 | Bsh家用电器有限公司 | 食物处理时的空气质量 |
CN108563991A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 |
CN109028233A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟图像识别***及油烟机 |
CN109084350A (zh) * | 2018-09-29 | 2018-12-25 | 佛山市云米电器科技有限公司 | 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 |
-
2018
- 2018-12-29 CN CN201811630930.XA patent/CN109813841B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170055879A (ko) * | 2015-11-12 | 2017-05-22 | 동국대학교 산학협력단 | 다환방향족탄화수소 감지 조리 장치 |
CN108362826A (zh) * | 2017-01-26 | 2018-08-03 | Bsh家用电器有限公司 | 食物处理时的空气质量 |
CN108563991A (zh) * | 2018-03-08 | 2018-09-21 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟浓度检测与干扰排除方法 |
CN109028233A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟图像识别***及油烟机 |
CN109084350A (zh) * | 2018-09-29 | 2018-12-25 | 佛山市云米电器科技有限公司 | 一种具滤光功能视觉检测模块的油烟机及油烟浓度检测方法 |
Non-Patent Citations (3)
Title |
---|
AN LI等: "Polycyclic aromatic hydrocarbons in residential air of ten Chicago area homes: Concentrations and influencing factors", 《ATMOSPHERIC ENVIRONMENT》 * |
LIZHONG ZHU等: "Sources and patterns of polycyclic aromatic hydrocarbons pollution in kitchen air, China", 《CHEMOSPHERE》 * |
叶素芬等: "模拟烹调中细颗粒及多环芳烃的排放特征", 《厦门大学学报(自然科学版)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882584A (zh) * | 2020-07-29 | 2020-11-03 | 广东智媒云图科技股份有限公司 | 一种通过灰度图像进行油烟量判断的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109813841B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109579092A (zh) | 一种根据工作环境进行烟灶联动的油烟机 | |
CN209623754U (zh) | 一种烟机用可更换式多环芳烃检测装置 | |
CN109655585A (zh) | 一种能识别厨房空气质量的油烟机 | |
CN109028169A (zh) | 一种具有熄火视觉控制功能的炉具及油烟浓度检测方法 | |
CN109813713B (zh) | 一种具有多个独立有害物质检测模组的烟机 | |
CN109882899A (zh) | 一种根据工作环境进行控制的油烟机 | |
CN109884049A (zh) | 一种能够检测厨房油烟的有害物质检测装置 | |
CN210136499U (zh) | 一种能根据使用食材进行健康等级划分的油烟机 | |
CN209487160U (zh) | 一种能对使用油品与历史数据对进行健康等级划分的油烟机 | |
CN109813841A (zh) | 一种厨房油烟式多环芳烃检测装置 | |
CN109654559A (zh) | 一种能识别水汽与油烟的健康烹饪*** | |
CN209655389U (zh) | 一种能与健康营食资料库比对的自动烟灶*** | |
CN109654561A (zh) | 一种红外温度及视觉协同检测烹饪*** | |
CN109657640A (zh) | 一种能根据使用食材进行健康等级划分的油烟机 | |
CN109712713A (zh) | 一种能对使用油品与历史数据对进行健康等级划分的油烟机 | |
CN109631111A (zh) | 一种能与健康营食资料库比对的自动烟灶*** | |
CN209655388U (zh) | 一种能根据使用油类进行厨房空气质量评估的油烟机 | |
CN109798565A (zh) | 一种具有识别油烟中有害物质功能的吸油*** | |
CN109631118A (zh) | 一种能识别油烟中有害气体的油烟机 | |
CN109654562A (zh) | 一种与移动拍照设备联合的油烟机 | |
CN109654560A (zh) | 一种能根据使用油类进行厨房空气质量评估的油烟机 | |
CN109655586A (zh) | 一种油烟挥发性有机物检测控制***及其应用 | |
CN109654545A (zh) | 能根据烹饪环境空气质量控制的炉具及火力控制判断方法 | |
CN109654565A (zh) | 一种带热成像装置的油烟机 | |
CN109632796A (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 |
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 |