CN113188165A - 一种吸油烟机 - Google Patents

一种吸油烟机 Download PDF

Info

Publication number
CN113188165A
CN113188165A CN202010039254.XA CN202010039254A CN113188165A CN 113188165 A CN113188165 A CN 113188165A CN 202010039254 A CN202010039254 A CN 202010039254A CN 113188165 A CN113188165 A CN 113188165A
Authority
CN
China
Prior art keywords
oil smoke
grade
area
visible light
infrared
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
Application number
CN202010039254.XA
Other languages
English (en)
Other versions
CN113188165B (zh
Inventor
杜杉杉
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.)
Ningbo Fotile Kitchen Ware Co Ltd
Original Assignee
Ningbo Fotile Kitchen Ware 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 Ningbo Fotile Kitchen Ware Co Ltd filed Critical Ningbo Fotile Kitchen Ware Co Ltd
Priority to CN202010039254.XA priority Critical patent/CN113188165B/zh
Publication of CN113188165A publication Critical patent/CN113188165A/zh
Application granted granted Critical
Publication of CN113188165B publication Critical patent/CN113188165B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Geometry (AREA)
  • Ventilation (AREA)

Abstract

本发明涉及一种吸油烟机，包括机体，机体上设有油烟识别装置，其特征在于：所述油烟识别装置包括成像区域相同的红外摄像头和可见光摄像头，油烟识别装置通过如下步骤识别油烟：步骤一、计算红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点的个数，记为R：
Figure DDA0002365931710000011
其中
Figure DDA0002365931710000012
步骤二、g(x,y)为可见光摄像头拍摄的可见光照片中某一点的像素灰度值；定义h(x,y)：
Figure DDA0002365931710000013
将h(x,y)≠0的点定义为油烟识别区域，将该区域标记为M，并输出。本发明能在环境光线发生变化的情况下依然能够准确地识别出油烟。

Description

一种吸油烟机
技术领域
本发明涉及一种吸油烟机。
背景技术
传统吸油烟机大部分利用按键来调节油烟机的风速，需要用户手动操作，这样会有以下缺点：1、用户往往是在油烟产生后才想起开启按键调节烟机，实时性较差，体验感不佳；2、无法做到根据油烟的大小来动态的调整油烟机的转速大小。
为此，人们开发了一种能自动调速的吸油烟机，这类吸油烟机的时限方式主要有：1、红外透投射法：在吸油烟机的一侧安装红外发射管，在另一侧安装红外接收管，通过接收到的红外光强度来判断油烟大小，从而自动调节风机转速；其缺点在于：人手干扰会对油烟检测的准确性产生较大影响，而且对红外发射管和红外接收管的安装位置的要求较高。2、安装油烟监测传感器，主要利用电化学方法来检测油烟的大小，其缺点在于气体监测传感器使用寿命不长。3、利用图像识别的方式来进行油烟检测，例如申请号为201810191928.0，201810191929.5，201811152661.0的中国专利申请，但是披露的方案中，均没有考虑复杂场景下油烟判断，例如低照度情况下油烟识别，由于拍摄的照片灰度较低，对油烟的判断不准确。
发明内容
本发明所要解决的首要技术问题是针对上述现有技术提供一种能在环境光线发生变化的情况下依然能够准确地识别出油烟的吸油烟机。
本发明解决上述技术问题所采用的技术方案为：一种吸油烟机，包括机体，机体上设有油烟识别装置，其特征在于：所述油烟识别装置包括成像区域相同的红外摄像头和可见光摄像头，油烟识别装置通过如下步骤识别油烟：
步骤一、计算红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点的个数，记为R：
Figure BDA0002365931690000011
其中
Figure BDA0002365931690000021
其中，红外摄像头的分辨率为M*N，f(x,y)为红外摄像头拍摄的红外照片中某一点的像素灰度值，x,y为该像素点的坐标，0≤x≤M，0≤y≤N，0≤f(x,y)≤255，红外摄像头拍摄的红外照片的总像素点数为M*N；ε为预设阈值，该预设阈值大小为食用油加热后产生烟点时红外摄像头拍摄的红外照片对应点的像素值，ε＝110～130；
如果R大于预设个数阈值τ，τ＝M*N/7～M*N/5，进入步骤二，如果R小于等于预设个数阈值τ，判断无油烟，返回步骤一；
步骤二、设可见光摄像头的分辨率也为M*N，g(x,y)为可见光摄像头拍摄的可见光照片中某一点的像素灰度值，x,y为该像素点的坐标，0≤x≤M，0≤y≤N，0≤g(x,y)≤255，可见光摄像头拍摄的可见光照片的总像素点数为M*N；
定义h(x,y)：
Figure BDA0002365931690000022
将h(x,y)≠0的点定义为油烟识别区域，将该区域标记为M，并输出。
作为改进，所述油烟识别装置还能够识别油烟等级，具体实现方式是在步骤二后还包括步骤三：
步骤三、将步骤一中红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点所在区别标记为S，如果区域S与区域的重合面积大于1/3，通过如下公式计算油烟区域的面积Ssmoke：
Figure BDA0002365931690000023
定义油烟面积阈值S1，S2，其中S1＝τ/2，S2＝2×τ；
如果Ssmoke≤S1，输出油烟等级为弱等级；
如果S1<Ssmoke≤S2，输出油烟等级为中等级；
如果Ssmoke>S2，输出油烟等级为强等级。
再改进，本发明还包括风机***，如果油烟等级为弱等级，风机***低档运行；如果油烟等级为中等级，风机***中档运行；如果油烟等级为高等级，风机***高档运行。
较好的，所述M＝640，N＝480；τ＝50000；ε＝120；S1＝35000，S2＝70000。
如果区域S与区域的重合面积小于等于1/3，返回步骤一。
所述红外摄像头和可见光摄像头并排设置在吸油烟机集烟罩中部，红外摄像头和可见光摄像头的成像区域均为灶具所有区域。
与现有技术相比，本发明的优点在于：通过设置可见光摄像头和红外摄像头，利用两个摄像头成像特点的不同，红外辐射可以穿透烟雾、水汽，利用红外线与可见光对进行综合分析油烟产生的区域，以达到对油烟大小的准确判断，这样对于油烟机风速的调节也将更加准确。
附图说明
图1为本发明实施例中吸油烟机结构示意图。
图2为本发明实施例中油烟识别装置的工作流程图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示的吸油烟机，包括机体1，机体下方为集烟罩11，集烟罩11上设有油烟识别装置，其所述油烟识别装置包括成像区域相同的红外摄像头2和可见光摄像头3，红外摄像头2和可见光摄像头3并排设置在吸油烟机集烟罩中部，红外摄像头和可见光摄像头的成像区域均为灶具所有区域。
油烟识别装置通过如下步骤识别油烟：
步骤一、计算红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点的个数，记为R：
Figure BDA0002365931690000031
其中
Figure BDA0002365931690000032
其中，红外摄像头的分辨率为640*480，f(x,y)为红外摄像头拍摄的红外照片中某一点的像素灰度值，x,y为该像素点的坐标，0≤x≤640，0≤y≤480，0≤f(x,y)≤255，红外摄像头拍摄的红外照片的总像素点数为640*480＝307200；ε为预设阈值，该预设阈值大小为食用油加热后产生烟点时红外摄像头拍摄的红外照片对应点的像素值，ε＝110～130；食用油的烟点在170℃以上已达到烟点，设食用油温度到达170℃以上时，红外摄像头对应点f(x,y)>ε成立，实际在运算过程中，取ε＝120；
如果R大于预设个数阈值τ，τ＝M*N/7～M*N/5，进入步骤二，如果R小于等于预设个数阈值τ，判断无油烟，返回步骤一；实际τ取50000，即满足5万个像素点对应温度大于170摄氏度，判定极有可能有油烟产生；
步骤二、设可见光摄像头的分辨率也为640*480，g(x,y)为可见光摄像头拍摄的可见光照片中某一点的像素灰度值，x,y为该像素点的坐标，0≤x≤640，0≤y≤480，0≤g(x,y)≤255，可见光摄像头拍摄的可见光照片的总像素点数为640*480＝307200；定义h(x,y)：
Figure BDA0002365931690000041
将h(x,y)≠0的点定义为油烟识别区域，将该区域标记为M，并输出；
由于红外摄像头拍摄的是背景照片，可见光拍摄的是包含油烟的照片，像素点灰度相减便可以得到油烟的区域。
另外，油烟识别装置还能够识别油烟等级，具体实现方式是在步骤二后还包括步骤三：
步骤三、将步骤一中红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点所在区别标记为S，如果区域S与区域的重合面积大于1/3，通过如下公式计算油烟区域的面积Ssmoke：
Figure BDA0002365931690000042
定义油烟面积阈值S1，S2，S1＝35000，S2＝70000；
如果Ssmoke≤S1，输出油烟等级为弱等级；
如果S1<Ssmoke≤S2，输出油烟等级为中等级；
如果Ssmoke>S2，输出油烟等级为强等级；
如果区域S与区域的重合面积小于等于1/3，返回步骤一；
如果油烟等级为弱等级，吸油烟机的风机***以低档运行；如果油烟等级为中等级，吸油烟机的风机***以中档运行；如果油烟等级为高等级，吸油烟机的风机***高档以运行，参见图2所述。

Claims (6)

1.一种吸油烟机，包括机体，机体上设有油烟识别装置，其特征在于：所述油烟识别装置包括成像区域相同的红外摄像头和可见光摄像头，油烟识别装置通过如下步骤识别油烟：
步骤一、计算红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点的个数，记为R：
Figure FDA0002365931680000011
其中
Figure FDA0002365931680000012
其中，红外摄像头的分辨率为M*N，f(x,y)为红外摄像头拍摄的红外照片中某一点的像素灰度值，x,y为该像素点的坐标，0≤x≤M，0≤y≤N，0≤f(x,y)≤255，红外摄像头拍摄的红外照片的总像素点数为M*N；ε为预设阈值，该预设阈值大小为食用油加热后产生烟点时红外摄像头拍摄的红外照片对应点的像素值，ε＝110～130；
如果R大于预设个数阈值τ，τ＝M*N/7～M*N/5，进入步骤二，如果R小于等于预设个数阈值τ，判断无油烟，返回步骤一；
步骤二、设可见光摄像头的分辨率也为M*N，g(x,y)为可见光摄像头拍摄的可见光照片中某一点的像素灰度值，x,y为该像素点的坐标，0≤x≤M，0≤y≤N，0≤g(x,y)≤255，可见光摄像头拍摄的可见光照片的总像素点数为M*N；
定义h(x,y)：
Figure FDA0002365931680000013
将h(x,y)≠0的点定义为油烟识别区域，将该区域标记为M，并输出。
2.根据权利要求1所述的吸油烟机，其特征在于：所述油烟识别装置还能够识别油烟等级，具体实现方式是在步骤二后还包括步骤三：
步骤三、将步骤一中红外摄像头拍摄的红外照片中所有满足f(x,y)>ε的像素点所在区别标记为S，如果区域S与区域的重合面积大于1/3，通过如下公式计算油烟区域的面积Ssmoki：
Figure FDA0002365931680000014
定义油烟面积阈值S1，S2，其中S1＝τ/2，S2＝2×τ；
如果Ssmoke≤S1，输出油烟等级为弱等级；
如果S1<Ssmoke≤S2，输出油烟等级为中等级；
如果Ssmoke>S2，输出油烟等级为强等级。
3.根据权利要求2所述的吸油烟机，其特征在于：还包括风机***，如果油烟等级为弱等级，风机***低档运行；如果油烟等级为中等级，风机***中档运行；如果油烟等级为高等级，风机***高档运行。
4.根据权利要求2所述的吸油烟机，其特征在于：如果区域S与区域的重合面积小于等于1/3，返回步骤一。
5.根据权利要求1或2或3或4所述的吸油烟机，其特征在于：所述M＝640，N＝480；τ＝50000；ε＝120；S1＝35000，S2＝70000。
6.根据权利要求1或2或3或4所述的吸油烟机，其特征在于：所述红外摄像头和可见光摄像头并排设置在吸油烟机集烟罩中部，红外摄像头和可见光摄像头的成像区域均为灶具所有区域。
CN202010039254.XA 2020-01-14 2020-01-14 一种吸油烟机 Active CN113188165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010039254.XA CN113188165B (zh) 2020-01-14 2020-01-14 一种吸油烟机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010039254.XA CN113188165B (zh) 2020-01-14 2020-01-14 一种吸油烟机

Publications (2)

Publication Number Publication Date
CN113188165A true CN113188165A (zh) 2021-07-30
CN113188165B CN113188165B (zh) 2022-08-12

Family

ID=76972415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010039254.XA Active CN113188165B (zh) 2020-01-14 2020-01-14 一种吸油烟机

Country Status (1)

Country Link
CN (1) CN113188165B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130286391A1 (en) * 2012-04-29 2013-10-31 Matthew Erdtmann Smoke detector with external sampling volume
CN105512667A (zh) * 2014-09-22 2016-04-20 中国石油化工股份有限公司 红外和可见光视频图像融合识别火灾的方法
CN105931409A (zh) * 2016-05-30 2016-09-07 重庆大学 一种基于红外与可见光摄像机联动的森林火灾监测方法
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
CN110030595A (zh) * 2019-04-09 2019-07-19 珠海格力电器股份有限公司 一种油烟检测装置、抽油烟机及其控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130286391A1 (en) * 2012-04-29 2013-10-31 Matthew Erdtmann Smoke detector with external sampling volume
CN105512667A (zh) * 2014-09-22 2016-04-20 中国石油化工股份有限公司 红外和可见光视频图像融合识别火灾的方法
CN105931409A (zh) * 2016-05-30 2016-09-07 重庆大学 一种基于红外与可见光摄像机联动的森林火灾监测方法
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
CN110030595A (zh) * 2019-04-09 2019-07-19 珠海格力电器股份有限公司 一种油烟检测装置、抽油烟机及其控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
罗丹妮: "一种零照度环境下的主动红外视频烟雾识别方法", 《国外电子测量技术》 *

Also Published As

Publication number Publication date
CN113188165B (zh) 2022-08-12

Similar Documents

Publication Publication Date Title
CN108548199B (zh) 一种智能抽油烟机风速调级方法及装置
CN105956618B (zh) 基于图像动静态特征的转炉炼钢吹炼状态识别***及方法
CN109028233B (zh) 厨房油烟浓度划分方法及油烟图像识别***及油烟机
CN105915840B (zh) 一种基于视频信号的工厂烟气排放自动监测的方法
CN105139347A (zh) 一种结合暗通道先验原理的偏振成像去雾方法
CN101819024B (zh) 一种基于机器视觉的二维位移检测方法
CN105512667A (zh) 红外和可见光视频图像融合识别火灾的方法
TWI532385B (zh) 白平衡處理方法及其處理裝置
CN106093062A (zh) 一种基于ccd的锅炉受热面积灰结渣智能吹灰***
JP2011220612A (ja) 空気調和機
CN107490967A (zh) 适应光照度突变的采摘机器人目标自主识别***及其方法
CN110542133B (zh) 一种烟机吸力自动调节方法及烟机
CN111401213A (zh) 一种用于化学气体检测的火焰检测实验装置及方法
CN113188165B (zh) 一种吸油烟机
CN107862333A (zh) 一种在复杂环境下判断物体燃烧区域的方法
CN109028230A (zh) 具手势控制视觉检测功能的炉具及油烟浓度检测方法
CN116310678A (zh) 固态激光雷达与热成像视觉融合的火源识别及定位方法
CN113390806A (zh) 基于多尺度图像的生菜重金属含量检测方法
CN109654561B (zh) 一种红外温度及视觉协同检测烹饪***
CN210425158U (zh) 一种能够改善抽烟环境空气质量的油烟机
CN108335295B (zh) 一种病房内亮度自适应均衡式窗台
CN109028236A (zh) 一种自动识别油烟状况的抽油烟机
CN109028234B (zh) 一种能够对烟雾等级进行标识的油烟机
CN209013295U (zh) 具手势控制视觉检测功能的炉具
CN109373375B (zh) 智能烟机精度镜头模糊自检方法

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
GR01 Patent grant
GR01 Patent grant