CN114494996A - 食物烘烤方法、装置、电子设备及存储介质 - Google Patents
食物烘烤方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114494996A CN114494996A CN202210016011.3A CN202210016011A CN114494996A CN 114494996 A CN114494996 A CN 114494996A CN 202210016011 A CN202210016011 A CN 202210016011A CN 114494996 A CN114494996 A CN 114494996A
- Authority
- CN
- China
- Prior art keywords
- oven
- food
- state
- baking
- parameter information
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 218
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013136 deep learning model Methods 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 22
- 239000002245 particle Substances 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 8
- 238000010411 cooking Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 24
- 230000008569 process Effects 0.000 description 10
- 239000000796 flavoring agent Substances 0.000 description 4
- 235000019634 flavors Nutrition 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- YWHLKYXPLRWGSE-UHFFFAOYSA-N Dimethyl trisulfide Chemical compound CSSSC YWHLKYXPLRWGSE-UHFFFAOYSA-N 0.000 description 2
- YLQBMQCUIZJEEH-UHFFFAOYSA-N Furan Chemical compound C=1C=COC=1 YLQBMQCUIZJEEH-UHFFFAOYSA-N 0.000 description 2
- KAESVJOAVNADME-UHFFFAOYSA-N Pyrrole Chemical compound C=1C=CNC=1 KAESVJOAVNADME-UHFFFAOYSA-N 0.000 description 2
- YTPLMLYBLZKORZ-UHFFFAOYSA-N Thiophene Chemical compound C=1C=CSC=1 YTPLMLYBLZKORZ-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- WQOXQRCZOLPYPM-UHFFFAOYSA-N dimethyl disulfide Chemical compound CSSC WQOXQRCZOLPYPM-UHFFFAOYSA-N 0.000 description 2
- 235000011194 food seasoning agent Nutrition 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- OLBVUFHMDRJKTK-UHFFFAOYSA-N [N].[O] Chemical compound [N].[O] OLBVUFHMDRJKTK-UHFFFAOYSA-N 0.000 description 1
- WETWJCDKMRHUPV-UHFFFAOYSA-N acetyl chloride Chemical compound CC(Cl)=O WETWJCDKMRHUPV-UHFFFAOYSA-N 0.000 description 1
- 239000012346 acetyl chloride Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000002391 heterocyclic compounds Chemical class 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 239000002932 luster Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 150000003573 thiols Chemical class 0.000 description 1
- 229930192474 thiophene Natural products 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
- A47J37/00—Baking; Roasting; Grilling; Frying
- A47J37/06—Roasters; Grills; Sandwich grills
- A47J37/0623—Small-size cooking ovens, i.e. defining an at least partially closed cooking cavity
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
- A47J37/00—Baking; Roasting; Grilling; Frying
- A47J37/06—Roasters; Grills; Sandwich grills
- A47J37/0623—Small-size cooking ovens, i.e. defining an at least partially closed cooking cavity
- A47J37/0664—Accessories
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Electric Stoves And Ranges (AREA)
Abstract
本申请涉及一种食物烘烤方法、装置、电子设备及存储介质,涉及智能控制技术领域,该方法包括:在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态;根据所述烤箱内食物的状态,控制所述烤箱完成烘烤。通过这种方式,可以自动根据获取到的烤箱内的图片信息和烤箱内空气的参数信息,确定出烤箱内食物的状态,而无需人为实时观察烤箱内食物的状态,从而可以实现食物的自动烘烤,提高食物烘烤的智能化程度。
Description
技术领域
本申请涉及智能控制技术领域,尤其涉及一种食物烘烤方法、装置、电子设备及存储介质。
背景技术
随着人们生活水平的不断提高,使用烤箱来烘烤食物在人们的日常生活中已经越来越普遍。目前,人们在烘烤食物时,通常需要人为实时观察烤箱内食物的状态,并根据食物的状态,人为确定是否继续烘烤,或者是否要调节烘烤的参数值如温度、湿度等。因此,现有食物的烘烤方式智能化程度低,无法实现食物的自动烘烤。
发明内容
本申请提供了一种食物烘烤方法、装置、电子设备及存储介质,以解决现有食物的烘烤方式智能化程度低,无法实现食物的自动烘烤的问题。
第一方面,本申请提供了一种食物烘烤方法,所述方法包括:
在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;
根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态;
根据所述烤箱内食物的状态,控制所述烤箱完成烘烤。
可选地,所述烤箱包括气体传感器、温度传感器、湿度传感器和至少一个摄像头,所述气体传感器、所述温度传感器、所述湿度传感器和所述至少一个摄像头均设置于所述烤箱内;
所述在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息,包括:
在接收到烘烤指令的情况下,控制所述气体传感器、所述温度传感器、所述湿度传感器和所述至少一个摄像头调整至开启状态;
通过所述气体传感器、所述温度传感器和/或所述湿度传感器获取所述烤箱内空气的参数信息,以及通过所述至少一个摄像头获取所述烤箱内的图片信息,其中,所述参数信息包括所述烤箱内空气的微粒成份、微粒浓度、温度和湿度中的至少一种。
可选地,所述根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态,包括:
将所述图片信息和所述参数信息输入至预先训练的深度学习模型,确定所述烤箱内食物的状态,其中,所述预先训练的深度学习模型是基于训练数据训练得到,所述训练数据为标记有食物状态的图片信息和/或标记有食物状态的参数信息。
可选地,所述根据所述烤箱内食物的状态,控制所述烤箱完成烘烤,包括:
在接收到用户的设置指令的情况下,解析所述设置指令中用户所期望的食物的目标状态,并根据所述目标状态和所述烤箱内食物的状态确定所述烤箱的工作参数,所述工作参数用于控制所述烤箱将食物烘烤至所述目标状态;
在未接收到用户的设置指令的情况下,根据所述预先训练的深度学习模型获取所述食物的目标状态,并根据所述目标状态和所述烤箱内食物的状态确定所述烤箱的工作参数,所述工作参数用于控制所述烤箱将所述烤箱内的食物烘烤至所述目标状态。
可选地,所述烤箱还包括蒸汽发生器,所述蒸汽发生器内盛放有用于调节食物味道的液体,所述蒸汽发生器用于将所述液体进行蒸发;
所述根据所述目标状态和所述烤箱内食物的状态确定所述烤箱的工作参数,包括:
根据所述目标状态和所述烤箱内食物的状态,确定所述烤箱内食物的待烘烤时间和烘烤温度;和/或,
根据所述目标状态和所述烤箱内食物的状态,确定所述蒸汽发生器的开启时间和关闭时间。
可选地,在所述根据所述烤箱内食物的状态,控制所述烤箱完成烘烤之后,所述方法还包括:
根据所述烤箱内食物的状态,对所述图片信息和所述参数信息进行标记;
根据标记后的图片信息和参数信息,对所述预先训练的深度学习模型进行训练并更新。
可选地,所述方法还包括:
将所述烤箱内食物的状态和烘烤阶段状态发送至用户终端,以供所述用户终端对所述烤箱内食物的状态和烘烤阶段状态进行显示。
第二方面,本申请还提供了一种食物烘烤装置,所述装置包括:
获取模块,用于在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;
确定模块,用于根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态;
控制模块,用于根据所述烤箱内食物的状态,控制所述烤箱完成烘烤。
第三方面,本申请还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现如第一方面任一项实施例所述的食物烘烤方法的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的食物烘烤方法的步骤。
在本申请实施例中,通过在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态;根据所述烤箱内食物的状态,控制所述烤箱完成烘烤。通过这种方式,可以自动根据获取到的烤箱内的图片信息和烤箱内空气的参数信息,确定出烤箱内食物的状态,而无需人为实时观察烤箱内食物的状态,从而可以实现食物的自动烘烤,提高食物烘烤的智能化程度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种食物烘烤方法的流程示意图;
图2为本申请实施例提供的又一种食物烘烤方法的流程示意图;
图3为本申请实施例提供的一种食物烘烤装置的结构示意图;
图4为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1,图1为本申请实施例提供的一种食物烘烤方法的流程示意图。如图1所示,该食物烘烤方法包括如下步骤:
步骤101、在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息。
需要说明的是,本申请实施例提供的食物烘烤方法可以单独由烤箱内置的控制器来执行,也可以单独由与烤箱连接的云端服务器来执行,还可以单独由与烤箱连接的用户终端来执行,还可以由上述设备共同配合执行,本申请不做具体限定。为方便说明,后续实施例均以云端服务器为例进行说明。
上述烘烤指令可以由烤箱发送,也可以由用户终端发送。具体地,当用户操作烤箱上的开关按钮开始烘烤食物时,烤箱可以生成烘烤指令,并将该烘烤指令发送给云端服务器;当用户在用户终端的用户界面点击虚拟按键控制烤箱开始烘烤食物时,用户终端可以生成烘烤指令,并将该烘烤指令发送给云端服务器。云端服务器在接收到烘烤指令后,开始对烤箱内的食物和空气进行监控。具体地,可以通过烤箱内的采集装置如摄像头、各类传感器等实时或者每隔预设时段对烤箱内的图片和烤箱内空气的参数进行采集,从而获取到烤箱内的图片信息和烤箱内空气的参数信息。此处的图片信息可以包括食物的图片信息和空气的图片信息;参数信息可以包括但不限于空气温度、空气湿度、空气微粒成份、空气微粒浓度等。
步骤102、根据图片信息和参数信息,确定烤箱内食物的状态。
上述烤箱内食物的状态可以包括食物的味道、食物的香味、食物的色泽和食物的口感中的一项或者多项,本申请不做具体限定。在一实施例中,当云端服务器需要获取食物的味道、食物的香味、食物的色泽和食物的口感时,云端服务器可以对图片信息进行预处理,如滤波处理、傅里叶级数变换处理、图像增强处理等,再根据不同时刻获取到的图片信息对比分析,可以确定出食物颜色的变化,从而确定出食物的色泽状态;还可以根据图片中图像的模糊程度,对空气中的微粒浓度进行分析,从而确定出食物的香味状态。例如,图像越模糊,表示空气中的微粒浓度越大;图像越清晰,表示空气中的微粒浓度越小。在一可选实施例中,还可以进一步结合空气传感器来测量空气中微粒的成份和浓度,使得分析结果更加准确。云端服务器还可以对参数信息进行存储统计,确定出烘烤过程中烤箱内的温度和湿度的变化情况,从而确定出食物的口感和味道,由此,得到烤箱内食物的状态。
当然,云端服务器除了通过自身的图像处理能力和计算能力对图像信息和参数信息进行分析外,还可以将图片信息和参数信息输入至预先训练的深度学习模型,通过深度学习模型来预测烤箱内食物的当前状态。
步骤103、根据烤箱内食物的状态,控制烤箱完成烘烤。
云端服务器在获取到烤箱内食物的状态后,可以根据学习到的用户的历史烘烤数据判断出用户喜欢的烘烤完成的食物的状态,进行智能控制烤箱将食物烘烤至该状态。当然,在烘烤前或者烘烤过程中,可以接收用户对烘烤完成的食物的状态的设置指令,根据该设置指令确定出用户期望的烘烤完成的食物的状态,进行智能控制烤箱将食物烘烤至该状态。
在本实施例中,可以自动根据获取到的烤箱内的图片信息和烤箱内空气的参数信息,确定出烤箱内食物的状态,而无需人为实时观察烤箱内食物的状态,从而可以实现食物的自动烘烤,提高食物烘烤的智能化程度。
进一步地,烤箱包括气体传感器、温度传感器、湿度传感器和至少一个摄像头,气体传感器、温度传感器、湿度传感器和至少一个摄像头均设置于烤箱内;
上述101、在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息,包括:
在接收到烘烤指令的情况下,控制气体传感器、温度传感器、湿度传感器和至少一个摄像头调整至开启状态;
通过气体传感器、温度传感器和/或湿度传感器获取烤箱内空气的参数信息,以及通过至少一个摄像头获取烤箱内的图片信息,其中,参数信息包括烤箱内空气的微粒成份、微粒浓度、温度和湿度中的至少一种。
具体地,气体传感器可以是一个,也可以是多个,可以用于测量空气中某一类气体或者多类气体的成本和含量。例如,当采用气体传感器检测到含硫化合物(如二甲基二硫、二甲基三硫及硫醇、噻吩等)和含氧、氮的杂环化合物(如呋喃、吡咯等)的浓度较大时,表示烤箱内肉类食物已经烤好;当采用气体传感器检测到乙酰氯和硫化氢的浓度较大时,表示烤箱内食物已经烤焦。温度传感器可以是一个,也可以是多个,可以用于测量空气的温度值。湿度传感器可以是一个,也可以是多个,可以用于测量空气的湿度值。上述至少一个摄像头可以是一个摄像头,也可以是多个摄像头,可以用于获取烤箱内食物的图片信息和烤箱内空气的图片信息。
在一实施例中,云端服务器可以在接收到烘烤指令的情况下,控制烤箱上的气体传感器、温度传感器、湿度传感器和至少一个摄像头调整至开启状态;通过气体传感器、温度传感器和/或湿度传感器获取烤箱内空气的参数信息,以及通过至少一个摄像头获取烤箱内的图片信息。这样,可以基于获取到的图片信息和参数信息准确的判别烤箱内食物的状态,以烘烤得到用户喜欢的食物状态,避免食物过生或者烤焦的情况。
进一步地,上述步骤102、根据图片信息和参数信息,确定烤箱内食物的状态,包括:
将图片信息和参数信息输入至预先训练的深度学习模型,确定烤箱内食物的状态,其中,预先训练的深度学习模型是基于训练数据训练得到,训练数据为标记有食物状态的图片信息和/或标记有食物状态的参数信息。
在一实施例中,可以通过深度学习模型来实现烤箱内食物的状态的确定。具体地,可以先构建待训练的深度学习模型,如卷积神经网络(Convolutional Neural Networks,简称CNN)模型、深度置信网络(Deep Belief Network,简称DBN)模型、循环神经网络(Recurrent Neural Network,简称RNN)、递归神经张量网络(Recursive Neural TensorNetwork,简称RNTN)、自动编码器、生成式对抗网络(Generative Adversarial Networks,简称GAN)等,再结合海量的训练数据对该待训练的深度学习模型进行训练,最终得到上述预先训练的深度学习模型。需要说明的是,在训练模型的过程中,需要通过大量的标签化数据如标记有食物状态的图片信息和/或标记有食物状态的参数信息等进行训练,而深度学习模型直接提取数据特征,而不需要通过人为手动提取特征,例如,可以需要使用卷积神经网络来处理多维数据,将获取的数据进行收集形成数据集,通过不断的训练来完善该数据集。在烤箱使用过程中,云端服务器还可以根据实时采集到的新的数据继续对深度学习模型尽心训练,使得深度学习模型得到的烘烤完的食物更接近用户所需,再用户再次烘烤相同类型和口味食物时,烤箱能够立即给出反馈,使得获取的食物的色香味的信息更加准确。
进一步地,上述步骤103、根据烤箱内食物的状态,控制烤箱完成烘烤,包括:
在接收到用户的设置指令的情况下,解析设置指令中用户所期望的食物的目标状态,并根据目标状态和烤箱内食物的状态确定烤箱的工作参数,工作参数用于控制烤箱将食物烘烤至目标状态;
在未接收到用户的设置指令的情况下,根据预先训练的深度学习模型获取食物的目标状态,并根据目标状态和烤箱内食物的状态确定烤箱的工作参数,工作参数用于控制烤箱将烤箱内的食物烘烤至目标状态。
具体地,上述设置指令可以由烤箱发送,也可以由用户终端发送。具体地,当用户操作烤箱上的功能设置按钮后,烤箱可以生成设置指令,并将该设置指令发送给云端服务器;当用户在用户终端的用户界面操作烘烤设置菜单和选项后,用户终端可以生成设置指令,并将该设置指令发送给云端服务器。在一实施例中,可以根据云端服务器有无接收到用户的设置指令,确定烘烤方式。例如,在接收到用户的设置指令的情况下,云端服务器可以解析设置指令中用户所期望的食物的目标状态,并根据目标状态和烤箱内食物的状态确定烤箱的工作参数;在未接收到用户的设置指令的情况下,云端服务器可以根据预先训练的深度学习模型获取食物的目标状态,并根据目标状态和烤箱内食物的状态确定烤箱的工作参数。这样,不仅可以根据深度学习模型智能控制烤箱使食物达到色香味俱全的状态,还可以通过人为设定的方式调整食物的色香味,以满足不同用户的口味需求。
进一步地,烤箱还包括蒸汽发生器,蒸汽发生器内盛放有用于调节食物味道的液体,蒸汽发生器用于将液体进行蒸发;
上述步骤、根据目标状态和烤箱内食物的状态确定烤箱的工作参数,包括:
根据目标状态和烤箱内食物的状态,确定烤箱内食物的待烘烤时间和烘烤温度;和/或,
根据目标状态和烤箱内食物的状态,确定蒸汽发生器的开启时间和关闭时间。
在一实施例中,可以通过目标状态和烤箱内食物的状态,确定烤箱内食物的待烘烤时间和烘烤温度,和/或确定蒸汽发生器的开启时间和关闭时间,来实现对食物的烘烤。具体地,可以根据目标状态和烤箱内食物的状态,确定烤箱内食物在色泽、味道、口感上与实际用户所需的色泽、味道、口感的区别,从而确定出待烘烤时间和烘烤温度;还可以根据目标状态和烤箱内食物的状态,确定烤箱内食物在味道、口感上与实际用户所需的味道、口感的区别,从而确定出蒸汽发生器的开启时间和关闭时间。例如,云端服务器在获取到食物的色香味时,需要对其实时的数据进行处理,获取到有用的数据,再根据获取到的有用的数据分析食物的味道,确定是否需要调节食物味道,若需要调节食物味道,可以通过蒸汽发生器喷洒调味料和水的混合物的方式,使调味料附着在食物表面,这便达到了调节食物味道的目的。这样,如果中途用户想要改变食物的味道,可以在烘烤过程中通过用户终端来定制个人的口感和味道,烤箱便可自动调节各个参数来烘烤食物,上面通过深度学习计算出来的食物的状态可以存储下来为用户提供可查询的信息。
进一步地,在上述步骤103、根据烤箱内食物的状态,控制烤箱完成烘烤之后,该方法还包括:
根据烤箱内食物的状态,对图片信息和参数信息进行标记;
根据标记后的图片信息和参数信息,对预先训练的深度学习模型进行训练并更新。
在一实施例中,云端服务器可以在烘烤过程中,将获取到的图片信息和参数信息进行标记,形成新的训练数据,再基于新的训练数据对上述深度学习模型继续进行训练,从而使得该深度学习模型可以越来越准确地预测出用户的口味,为用户烘烤出其所需的食物。
进一步地,该方法还包括:
将烤箱内食物的状态和烘烤阶段状态发送至用户终端,以供用户终端对烤箱内食物的状态和烘烤阶段状态进行显示。
在一实施例中,云端服务器可以将烤箱内食物的状态和烘烤阶段状态(正在烤制、烤制完成)等信息发送给用户终端,由用户终端对烤箱内食物的状态和烘烤阶段状态进行显示;也可以将烤箱内食物的状态和烘烤阶段状态等信息发送给烤箱,由烤箱的显示屏对烤箱内食物的状态和烘烤阶段状态进行显示。可选地,云端服务器还可以将食物的详细信息显示在用户终端上,如食物图片、口感和香味等等。当烘烤结束时,云端服务器还可以向用户终端和烤箱发送提示信息,以此提醒用户烘烤完成。
在一实施例中,该食物烘烤方法的流程示意图如图2所示。该食物烘烤方法包括步骤:
步骤201、获取烤箱内某时刻的图片信息和空气中的微粒信息;
步骤202、对图片信息和空气中的微粒信息进行分析计算;
步骤203、获取食物的色泽和气味;
步骤204、获取烤箱内某时刻的空气的温度和湿度信息;
步骤205、对空气的温度和湿度信息进行分析计算;
步骤206、获取食物的口感和味道;
步骤207、将食物的色香味信息反馈给用户,并判断是否接收到用户的设置指令;若接收到用户的设置指令,则执行步骤208;若未接收到用户的设置指令,则继续执行步骤207。
步骤208、按照用户的设置指令进行烘烤;
步骤209、烘烤完成时提醒用户;
需要说明的是,上述步骤201至上述步骤203,可以与上述步骤204至上述步骤206同时执行,也可以先后执行,不申请不做具体限定。
微粒浓度的获取可以通过图片和气体传感器,通过识别图片中像素点的分布情况以及与该开始烘烤时的照片进行比对,来获取微粒浓度信息,还可以通过传感器来测出其中的浓度和微粒的成份。温度和湿度都可以通过温度传感器和湿度传感器来获取。这样,可以通过摄像头和微传感器来获取食物的色泽以及烤箱中的温度和湿度,将获取的信息进行分析和计算来得到当前食物的状态,将这些信息反馈给用户,用户可以根据自己的喜好来设置食物的色香味,这便更好的提升了用户体验和烤箱的智能化水平。
除此之外,本申请实施例还提供一种食物烘烤装置。参见图3,图3为本申请实施例提供的一种食物烘烤装置的结构示意图。如图3所示,该食物烘烤装置300包括:
获取模块301,用于在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;
确定模块302,用于根据图片信息和参数信息,确定烤箱内食物的状态;
控制模块303,用于根据烤箱内食物的状态,控制烤箱完成烘烤。
可选地,烤箱包括气体传感器、温度传感器、湿度传感器和至少一个摄像头,气体传感器、温度传感器、湿度传感器和至少一个摄像头均设置于烤箱内;
获取模块301包括:
控制子模块,用于在接收到烘烤指令的情况下,控制气体传感器、温度传感器、湿度传感器和至少一个摄像头调整至开启状态;
获取子模块,用于通过气体传感器、温度传感器和/或湿度传感器获取烤箱内空气的参数信息,以及通过至少一个摄像头获取烤箱内的图片信息,其中,参数信息包括烤箱内空气的微粒成份、微粒浓度、温度和湿度中的至少一种。
可选地,确定模块302包括:
第一确定子模块,用于将图片信息和参数信息输入至预先训练的深度学习模型,确定烤箱内食物的状态,其中,预先训练的深度学习模型是基于训练数据训练得到,训练数据为标记有食物状态的图片信息和/或标记有食物状态的参数信息。
可选地,控制模块303具体用于:
在接收到用户的设置指令的情况下,解析设置指令中用户所期望的食物的目标状态,并根据目标状态和烤箱内食物的状态确定烤箱的工作参数,工作参数用于控制烤箱将食物烘烤至目标状态;
在未接收到用户的设置指令的情况下,根据预先训练的深度学习模型获取食物的目标状态,并根据目标状态和烤箱内食物的状态确定烤箱的工作参数,工作参数用于控制烤箱将烤箱内的食物烘烤至目标状态。
可选地,烤箱还包括蒸汽发生器,蒸汽发生器内盛放有用于调节食物味道的液体,蒸汽发生器用于将液体进行蒸发;
控制模块303具体还用于:
根据目标状态和烤箱内食物的状态,确定烤箱内食物的待烘烤时间和烘烤温度;和/或,
根据目标状态和烤箱内食物的状态,确定蒸汽发生器的开启时间和关闭时间。
可选地,该食物烘烤装置300还包括:
标记模块,用于根据烤箱内食物的状态,对图片信息和参数信息进行标记;
更新模块,用于根据标记后的图片信息和参数信息,对预先训练的深度学习模型进行训练并更新。
可选地,该食物烘烤装置300还包括:
发送模块,用于将烤箱内食物的状态和烘烤阶段状态发送至用户终端,以供用户终端对烤箱内食物的状态和烘烤阶段状态进行显示。
需要说明的是,该食物烘烤装置300可以执行时实现如前述任意一个方法实施例提供的食物烘烤方法的步骤,且能达到相同的技术效果,在此不再一一赘述。
如图4所示,本申请实施例还提供了一种电子设备,包括处理器411、通信接口412、存储器413和通信总线414,其中,处理器411,通信接口412,存储器413通过通信总线414完成相互间的通信,
存储器413,用于存放计算机程序;
在本申请一个实施例中,处理器411,用于执行存储器413上所存放的程序时,实现前述任意一个方法实施例提供的食物烘烤方法,包括:
在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;
根据图片信息和参数信息,确定烤箱内食物的状态;
根据烤箱内食物的状态,控制烤箱完成烘烤。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如前述任意一个方法实施例提供的食物烘烤方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种食物烘烤方法,其特征在于,所述方法包括:
在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;
根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态;
根据所述烤箱内食物的状态,控制所述烤箱完成烘烤。
2.根据权利要求1所述的方法,其特征在于,所述烤箱包括气体传感器、温度传感器、湿度传感器和至少一个摄像头,所述气体传感器、所述温度传感器、所述湿度传感器和所述至少一个摄像头均设置于所述烤箱内;
所述在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息,包括:
在接收到烘烤指令的情况下,控制所述气体传感器、所述温度传感器、所述湿度传感器和所述至少一个摄像头调整至开启状态;
通过所述气体传感器、所述温度传感器和/或所述湿度传感器获取所述烤箱内空气的参数信息,以及通过所述至少一个摄像头获取所述烤箱内的图片信息,其中,所述参数信息包括所述烤箱内空气的微粒成份、微粒浓度、温度和湿度中的至少一种。
3.根据权利要求1所述的方法,其特征在于,所述根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态,包括:
将所述图片信息和所述参数信息输入至预先训练的深度学习模型,确定所述烤箱内食物的状态,其中,所述预先训练的深度学习模型是基于训练数据训练得到,所述训练数据为标记有食物状态的图片信息和/或标记有食物状态的参数信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述烤箱内食物的状态,控制所述烤箱完成烘烤,包括:
在接收到用户的设置指令的情况下,解析所述设置指令中用户所期望的食物的目标状态,并根据所述目标状态和所述烤箱内食物的状态确定所述烤箱的工作参数,所述工作参数用于控制所述烤箱将食物烘烤至所述目标状态;
在未接收到用户的设置指令的情况下,根据所述预先训练的深度学习模型获取所述食物的目标状态,并根据所述目标状态和所述烤箱内食物的状态确定所述烤箱的工作参数,所述工作参数用于控制所述烤箱将所述烤箱内的食物烘烤至所述目标状态。
5.根据权利要求4所述的方法,其特征在于,所述烤箱还包括蒸汽发生器,所述蒸汽发生器内盛放有用于调节食物味道的液体,所述蒸汽发生器用于将所述液体进行蒸发;
所述根据所述目标状态和所述烤箱内食物的状态确定所述烤箱的工作参数,包括:
根据所述目标状态和所述烤箱内食物的状态,确定所述烤箱内食物的待烘烤时间和烘烤温度;和/或,
根据所述目标状态和所述烤箱内食物的状态,确定所述蒸汽发生器的开启时间和关闭时间。
6.根据权利要求3所述的方法,其特征在于,在所述根据所述烤箱内食物的状态,控制所述烤箱完成烘烤之后,所述方法还包括:
根据所述烤箱内食物的状态,对所述图片信息和所述参数信息进行标记;
根据标记后的图片信息和参数信息,对所述预先训练的深度学习模型进行训练并更新。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述烤箱内食物的状态和烘烤阶段状态发送至用户终端,以供所述用户终端对所述烤箱内食物的状态和烘烤阶段状态进行显示。
8.一种食物烘烤装置,其特征在于,所述装置包括:
获取模块,用于在接收到烘烤指令的情况下,获取烤箱内的图片信息和烤箱内空气的参数信息;
确定模块,用于根据所述图片信息和所述参数信息,确定所述烤箱内食物的状态;
控制模块,用于根据所述烤箱内食物的状态,控制所述烤箱完成烘烤。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-7任一项所述的食物烘烤方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的食物烘烤方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210016011.3A CN114494996A (zh) | 2022-01-07 | 2022-01-07 | 食物烘烤方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210016011.3A CN114494996A (zh) | 2022-01-07 | 2022-01-07 | 食物烘烤方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494996A true CN114494996A (zh) | 2022-05-13 |
Family
ID=81509166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210016011.3A Pending CN114494996A (zh) | 2022-01-07 | 2022-01-07 | 食物烘烤方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494996A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115615153A (zh) * | 2022-08-09 | 2023-01-17 | 珠海格力电器股份有限公司 | 干燥***控制方法、装置及干燥*** |
CN116941644A (zh) * | 2023-08-02 | 2023-10-27 | 广州市赛思达机械设备有限公司 | 一种旋转式热风炉及用于旋转式热风炉的烘烤控制方法 |
CN117590769A (zh) * | 2023-12-11 | 2024-02-23 | 广州市赛思达机械设备有限公司 | 一种烤箱智能控制方法、***、设备及存储介质 |
-
2022
- 2022-01-07 CN CN202210016011.3A patent/CN114494996A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115615153A (zh) * | 2022-08-09 | 2023-01-17 | 珠海格力电器股份有限公司 | 干燥***控制方法、装置及干燥*** |
CN115615153B (zh) * | 2022-08-09 | 2024-06-07 | 珠海格力电器股份有限公司 | 干燥***控制方法、装置及干燥*** |
CN116941644A (zh) * | 2023-08-02 | 2023-10-27 | 广州市赛思达机械设备有限公司 | 一种旋转式热风炉及用于旋转式热风炉的烘烤控制方法 |
CN117590769A (zh) * | 2023-12-11 | 2024-02-23 | 广州市赛思达机械设备有限公司 | 一种烤箱智能控制方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114494996A (zh) | 食物烘烤方法、装置、电子设备及存储介质 | |
CN110780628B (zh) | 烹饪设备的控制方法、装置、烹饪设备及存储介质 | |
CN110806699A (zh) | 烹饪设备的控制方法、装置、烹饪设备及存储介质 | |
CN111596563A (zh) | 一种智能烟灶***及其烹饪指导方法 | |
CN108742170A (zh) | 一种烤箱的智能识别烹饪*** | |
CN110824942A (zh) | 烹饪设备及其控制方法、控制***、计算机可读存储介质 | |
DE102015211425A1 (de) | Steuereinheit und Verfahren zur Ermittlung eines Rezeptes | |
CN110047338A (zh) | 基于虚拟现实的模拟学习方法、装置和计算机介质 | |
CN104202475B (zh) | 一种基于移动终端测量脉搏的方法及*** | |
CN111248716B (zh) | 食材的烹饪控制方法、图像处理方法、装置及烹饪设备 | |
CN111248762B (zh) | 一种烹饪设备的控制方法及烹饪设备 | |
JP2008051558A (ja) | 外観検査方法及び外観検査装置 | |
CN112420162A (zh) | 食谱的智能化推荐方法及装置、智能橱柜 | |
CN113409318B (zh) | 一种基于图像处理的厨房油烟检测方法 | |
WO2022202410A1 (ja) | 判定装置、学習装置、判定システム、判定方法、学習方法、及び、プログラム | |
CN113598625B (zh) | 基于智能烹饪锅铲的烹饪控制方法及装置 | |
CN113963347A (zh) | 食材烤焦程度检测方法、装置及烹饪电器和存储介质 | |
DE102018102123A1 (de) | Verfahren sowie Gargerät zum Garen wenigstens eines Garguts | |
EP4051962A1 (de) | Bestimmen eines ziel-verarbeitungszustands eines zu behandelnden garguts | |
CN114680659A (zh) | 烹饪设备控制方法、装置和烹饪设备 | |
JPWO2017170519A1 (ja) | 加熱調理器 | |
JP6931418B2 (ja) | 画像処理方法、画像処理装置、ユーザインタフェース装置、画像処理システム、サーバ、および画像処理プログラム | |
CN112013441A (zh) | 吸油烟机及基于吸油烟机的烹饪控制方法 | |
CN111414784A (zh) | 确定加水位的方法及装置、移动终端、存储介质 | |
WO2022065074A1 (ja) | 情報処理装置、情報処理方法、およびプログラム |
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 |