CN116687220A - 烹饪方法、装置、电子设备、烹饪设备及存储介质 - Google Patents

Abstract

本申请提供的一种烹饪方法、装置、电子设备、烹饪设备及存储介质，通过在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；基于所述第一图像确定所述食材的状态；基于所述状态确定所述食材是否达到目标状态；在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态，能够在食材没有达到目标状态的情况下，自动进行烹饪以使食材达到目标状态。

Description

烹饪方法、装置、电子设备、烹饪设备及存储介质

技术领域

本申请涉及烹饪技术领域，特别地涉及一种烹饪方法、装置、电子设备、烹饪设备及存储介质。

背景技术

在生活中，烹饪设备是厨房必不可少的产品，通常烹饪设备都是用户设定模式来进行烹饪，但是，可能存在用户设定的模式和食材不适合，导致以用户设定的烹饪模式完成烹饪后，食材并没有达到最佳状态的问题，例如，没有蒸熟等问题。

发明内容

针对上述问题，本申请提供一种烹饪方法、装置、电子设备、烹饪设备及存储介质，能够使食材达到目标状态。

本申请提供了一种烹饪方法，包括：

在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；

基于所述第一图像确定所述食材的状态；

基于所述状态确定所述食材是否达到目标状态；

在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；

基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

在一些实施例中，所述方法还包括：

采集所述食材的第二图像；

基于所述第二图像确定所述食材的属性；

基于所述食材的属性确定目标烹饪模式；

在获取到用户设定的烹饪模式的情况下，确定用户设定的烹饪模式与所述目标烹饪模式是否匹配；

在所述目标烹饪模式与所述用户设定的烹饪模式不匹配的情况下，输出提示信息。

在一些实施例中，所述方法还包括：

在获取到用户选择目标烹饪模式的情况下，基于所述目标烹饪模式对所述食材进行烹饪；

在获取到用户选择用户设定的烹饪模式的情况下，基于用户设定的烹饪模式进行烹饪。

在一些实施例中，所述基于所述第一图像确定所述食材的状态，包括：

将所述第一图像输入至第一神经网络模型中确定所述食材的状态，其中，所述第一神经网络模型通过第一训练数据进行训练得到，所述第一训练数据包括：食材的图像及所述食材的图像对应的状态。

在一些实施例中，所述方法还包括：

获取用户设定的在所述食材在烹饪过程的查看次数；

将所述查看次数和所述烹饪过程中食材的状态输入至第二神经网络模型中确定在所述烹饪过程中的拍摄时间，其中，第二神经网络模型通过第二训练数据进行训练得到，所述第二训练数据包括：查看次数、食材的状态及拍摄时间；

基于所述拍摄时间对所述食材进行拍摄，并将拍摄的图像发送给所述用户。

在一些实施例中，所述方法还包括：

基于所述食材的属性确定所述食材的健康指数；

基于预设时长内各个食材的健康指数生成健康报告；

基于所述健康报告为所述用户进行菜谱推荐。

本申请实施例提供一种烹饪装置，包括：

采集模块，用于在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；

第一确定模块，用于基于所述第一图像确定所述食材的状态；

第二确定模块，用于基于所述状态确定所述食材是否达到目标状态；

第三确定模块，用于在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；

烹饪模块，用于基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述任意一项所述烹饪方法。

本申请实施例提供一种烹饪设备，包括：上述所述的电子设备。

本申请实施例提供一种存储介质，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现上述任一项所述烹饪方法。

本申请提供的一种烹饪方法、装置、电子设备、烹饪设备及存储介质，通过在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；基于所述第一图像确定所述食材的状态；基于所述状态确定所述食材是否达到目标状态；在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态，能够在食材没有达到目标状态的情况下，自动进行烹饪以使食材达到目标状态。

附图说明

在下文中将基于实施例并参考附图来对本申请进行更详细的描述。

图1为本申请实施例提供的一种烹饪方法的实现流程示意图；

图2为本申请实施例提供的一种烹饪方法的流程示意图；

图3为本申请实施例提供的电子设备的组成结构示意图。

在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明，在以下的描述中，所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

基于相关技术中存在的问题，本申请实施例提供一种烹饪方法，所述方法应用于电子设备，所述电子设备可以是计算机、移动终端、烹饪设备等。所述电子设备还可以是计算机、移动终端、烹饪设备的控制器，所述烹饪设备可以包括：电饭煲、蒸烤箱等。本申请实施例提供的烹饪方法所实现的功能可以通过电子设备的处理器调用程序代码来实现，其中，程序代码可以保存在计算机存储介质中。

本申请实施例提供一种烹饪方法，图1为本申请实施例提供的一种烹饪方法的实现流程示意图，如图1所示，包括：

步骤S101，在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像。

本申请实施例中，所述烹饪设备可以是电饭煲、蒸烤箱等，所述烹饪设备可以以两类烹饪模式烹饪，一类是用户自身设定的烹饪模式进行烹饪，一类是电子设备根据食材的图像确定的烹饪模式进行烹饪。

烹饪模式对应的所述烹饪过程可以是蒸烤过程、煮饭过程等。对于蒸烤箱，所述烹饪模式可以包括：烤模式、蒸烤模式、快速蒸烤模式等。对于电饭煲，烹饪模式可以包括：快煮模式、稀饭模式、炖汤模式等等。每个烹饪模式对应有不同的烹饪温度、时间等。

本申请实施例中，用户可以通过烹饪设备上的按键来设定烹饪模式，例如，烹饪设备上设有温度设定按键、时间设定按键，用户可以通过温度设定按键来设定温度，通过时间设定按键来设定烹饪的时间。

在一些实施例中，用户可以通过控制APP来设定烹饪模式。在控制APP可以设定烹饪温度、烹饪时间等。

本申请实施例中，当用户选择了用户设定的烹饪模式并选择开始烹饪的情况下，烹饪设备使用用户设定的烹饪模式进行烹饪，并烹饪完成，烹饪设备可以根据烹饪温度控制加热装置进行加热，并根据设定的烹饪时间进行烹饪。在达到用户设定的烹饪时间的情况下，则烹饪完成。

本申请实施例中，由于用户使用自己设定的烹饪模式进行烹饪，可能存在烹饪参数设定不合理，例如，对于较大的食材，可能因为时间设定较短、温度设定较低导致食材没有烹饪熟。因此，本申请实施例中，还需要采集烹饪设备中食材的第一图像来确定是否满足目标食材状态。

本申请实施例中，烹饪设备中可以设定有采集装置，所述采集装置可以包括摄像头，电子设备可以和烹饪设备的采集装置通信连接，通过采集装置来采集烹饪设备中食材的第一图像。

本申请实施例中，所述食材可以是面包、米饭、菜品等。

在一些实施例中，电子设备可以和输入设备通信连接，通过输入设备来获取食材的第一图像。所述输入设备可以是用户终端，用户可以通过用户终端上的APP来输入食材的第一图像。本申请实施例中，所述第一图像可以包括：图片、视频等。

步骤S102，基于所述第一图像确定所述食材的状态。

本申请实施例中，可以将第一图像输入至第一神经网络模型中确定所述食材的状态，其中，所述第一神经网络模型通过第一训练数据进行训练得到，所述第一训练数据包括：食材的图像及所述食材的图像对应的状态。

本申请实施例中，所述第一神经网络模型可以是卷积神经网络模型。所述食材的状态可以包括：食材的颜色、是否成熟等。

本申请实施例中，可以预先获取各个食材的图像数据，然后对所述食材的图像添加状态的标签，从而得到第一训练数据，在进行训练时，可以以食材的图像为输入，食材的图像对应的状态为输出来训练神经网络。在进行训练时，可以是达到预设训练次数后停止训练，也可以是在神经网络模型的损失函数收敛时，停止训练。

本申请实施例中，第一神经网络模型可以是电子设备自己进行训练得到，也可以是电子设备与互联网通信连接，通过互连网获取第一神经网络模型。

步骤S103，基于所述状态确定所述食材是否达到目标状态。

本申请实施例中，目标状态可以为食材烹饪成熟时食材的状态，例如，食材烹饪完成后食材的味道、成熟度、表面颜色等都最佳，则为食材的目标状态，例如，对鸡翅进行蒸烤，蒸烤后的鸡翅的最佳状态为鸡翅的颜色为略焦的颜色。

本申请实施例中，可以将当前的食材的状态与目标状态计算相似度，通过相似度来确定所述食材是否达到目标状态。如果小于相似度阈值，则确定食材没有达到最佳状态，如果相似度大于相似度阈值，则表征食材达到了最佳状态。

本申请实施例中，如果达到目标状态，则结束烹饪，如果没有达到目标状态，则执行步骤S104。

步骤S104，在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式。

本申请实施例中，电子设备可以将状态输出至第三神经网络模型中来确定烹饪模式。

本申请实施例中，所述第三神经网络模型可以是卷积神经网络模型。所述食材的状态可以包括：食材的颜色、是否成熟等。

本申请实施例中，可以预先获取各个食材的状态数据，所述状态数据可以包括：状态和目标状态，然后对所述食材的状态数据添加烹饪模式的标签，从而得到第三训练数据，在进行训练时，可以食材的状态为输入，烹饪模式为输出来训练神经网络。在进行训练时，可以是达到预设训练次数后停止训练，也可以是在神经网络模型的损失函数收敛时，停止训练。

本申请实施例中，烹饪模式可以包括：烤模式、蒸烤模式、快速蒸烤模式等。对于电饭煲，烹饪模式可以包括：快煮模式、稀饭模式、炖汤模式等等。

步骤S105，基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

本申请实施例中，在确定了烹饪模式后，可以将烹饪模式发送给烹饪设备，从而使得烹饪设备继续对食材进行烹饪。

本申请实施例中，由于烹饪模式和烹饪时间是至少基于目标状态确定的，因此，在自动烹饪后，能够使食材达到目标状态。

本申请提供的一种烹饪方法，通过在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；基于所述第一图像确定所述食材的状态；基于所述状态确定所述食材是否达到目标状态；在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态，能够在食材没有达到目标状态的情况下，自动进行烹饪以使食材达到目标状态。

在一些实施例中，在步骤S101之前，所述方法还包括：

步骤S1，采集所述食材的第二图像。

本申请实施例中，烹饪设备中可以设定有采集装置，所述采集装置可以包括摄像头，电子设备可以和烹饪设备的采集装置通信连接，通过采集装置来采集烹饪设备中食材的第二图像。

本申请实施例中，所述食材的第二图像可以认为是食材未开始烹饪时的图像。所述第二图像可以可以是图像、视频等。

步骤S2，基于所述第二图像确定所述食材的属性。

本申请实施例中，可以将食材的第二图像输入至第四神经网络模型中，确定所述食材的属性，所述第四神经网络模型是预先训练的。

本申请实施例中，食材的属性可以包括：食材的类型、大小等。

步骤S3，基于所述食材的属性确定目标烹饪模式。

本申请实施例中，电子设备中预先存储有不同的食材属性与目标烹饪模式之间的对应关系。当电子设备获取到食材的属性时，可以基于预先存储的不同的食材属性与目标烹饪模式之间的对应关系，确定目标烹饪模式。

本申请实施例中，目标烹饪模式可以认为是食材的最佳烹饪模式，通过目标烹饪模式进行烹饪后，食材能够达到目标状态。

步骤S4，在获取到用户设定的烹饪模式的情况下，确定用户设定的烹饪模式与所述目标烹饪模式是否匹配。

本申请实施例中，可以将用户设定的烹饪模式的参数与目标烹饪模式的参数进行对比，以确定所述设定的烹饪模式与所述目标烹饪模式是否匹配。

本申请实施例中，烹饪模式的参数可以包括：烹饪时间、烹饪温度等。

本申请实施例中，可以比较所述用户设定的烹饪模式中的烹饪时间、烹饪温度与目标烹饪模式中的烹饪时间和烹饪温度来确定是否匹配。

本申请实施例中，如果匹配则执行步骤S6，如果不匹配则执行步骤S5。

步骤S5，在所述目标烹饪模式与所述用户设定的烹饪模式不匹配的情况下，输出提示信息。

本申请实施例中，所述提示信息可以包括：文字信息、声音信息，可以通过显示模块显示文字信息，也可以通过声音模块发出声音信息。

本申请实施例提供的一种烹饪方法，能够通过集所述食材的第二图像；基于所述第二图像确定所述食材的属性；基于所述食材的属性确定目标烹饪模式；在获取到用户设定的烹饪模式的情况下，确定用户设定的烹饪模式与所述目标烹饪模式是否匹配；在所述目标烹饪模式与所述用户设定的烹饪模式不匹配的情况下，输出提示信息，以使用户选择最佳的烹饪模式进行烹饪。

步骤S6，在获取到用户选择目标烹饪模式的情况下，基于所述目标烹饪模式对所述食材进行烹饪。

步骤S7，在获取到用户选择用户设定的烹饪模式的情况下，基于用户设定的烹饪模式进行烹饪。

在步骤S7之后，执行步骤S101。

在一些实施例中，在步骤S101之前，所述方法还包括：

步骤S8，获取用户设定的在所述食材在烹饪过程的查看次数。

本申请实施例中，用户可以APP来设定烹饪过程中的查看次数，所述查看次数用于表征在烹饪过程中采集模块采集图片的次数。

步骤S9，将所述查看次数和所述烹饪过程中食材的状态输入至第二神经网络模型中确定在所述烹饪过程中的拍摄时间，其中，第二神经网络模型通过第二训练数据进行训练得到，所述第二训练数据包括：查看次数、食材的状态及拍摄时间。

本申请实施例中，所述第二神经网络模型的输入为查看次次数和食材的状态，所述第二神经网络模型的输出为拍摄时间。

步骤S10，基于所述拍摄时间对所述食材进行拍摄，并将拍摄的图像发送给所述用户。

本申请实施例中，电子设备可以基于拍摄时间启动摄像头进行拍摄。在拍摄后，摄像头将图片发送给电子设备，电子设备可以通过APP将图像发送给用户。

示例性地，用户烹饪蛋挞，设置次数为4，神经网络可以计算出蛋挞的最优对比时间段进行拍照，可以刚开始1张和烹饪最佳的2张以及最后烹饪结束后的1张。

本申请实施例提供的方法，通过获取用户的查看次数，并计算拍摄时间，基于所述拍摄时间对所述食材进行拍摄，并将拍摄的图像发送给所述用户，能够使得用户了解烹饪的过程。

在一些实施例中，在步骤S105之后，所述方法还包括：

步骤S106，基于所述食材的属性确定所述食材的健康指数。

本申请实施例中，食材的属性可以包括：食材的类型。

本申请实施例中，电子设备中可以预先存储不同的食材类型与不同的健康指数之间的对应关系，当确定了食材的属性后，则可以确定食材的健康指数，所述健康指数可以包括：热量、脂肪量等。

在一些实施例中，电子设备可以和服务器通信连接，将食材的属性发送服务器，使服务器返回食材的健康指数，从而使得电子设备确定食材的健康指数。

步骤S107，基于预设时长内各个食材的健康指数生成健康报告。

本申请实施例中，预设时长可以进行配置，可以烹饪为一个星期、一个月、一年等。

本申请实施例中，健康报告中可以包括：脂肪量、食材热量等等。

步骤S108，基于所述健康报告为所述用户进行菜谱推荐。

例如，健康报告中脂肪量较高，则可以给用户推荐低脂肪量的菜品。

本申请实施例提供的方法，通过基于所述食材的属性确定所述食材的健康指数；基于预设时长内各个食材的健康指数生成健康报告；基于所述健康报告为所述用户进行菜谱推荐，能够有效辅助用户进行烹饪，提高用户的体验。

基于前述的各个实施例，本申请实施例提供一种烹饪方法，应用于烹饪***，所述烹饪***包括：蒸烤箱设备端、云端、APP、算法端等，图2为本申请实施例提供的一种烹饪方法的流程示意图，如图2所示，蒸烤箱设备端中设置有摄像头，摄像头一方面采集食材的状态，一方面根据食谱和用户预设的查看次数进行自动拍照，并把图片上传云端。算法端对实时食材进行分析，生成食材状态与烹饪状态结果，把结果保存云端并同步上传至智能终端，使用户实时知晓食材的状态。其中算法根据菜谱和食材进行计算健康指数，并和烹饪报告一起展示在APP上。当用户使用自设的模式进行烹饪，完成后没有达到预期效果(同上述实施例中的目标状态)，APP进行提醒用户启动推荐模式继续烹饪，并自动启动推荐烹饪。本申请实施例提供的烹饪***，不仅可检测食材的状态，根据食谱推荐烹饪模式，更可生成食谱的健康指数和烹饪报告。该发明能够有效辅助用户进行烹饪，提高用户的体验。

本申请实施例中，蒸烤箱里内置有检测食材状态的摄像头，摄像头针对每一个食材进行上传视频或图片，算法采用深度学习技术对采集的图片或视频数据进行训练，训练图片的数据后分析得到食材的状态(每个食谱包含不同的状态)，并在训练初期进行手动标记各个区间状态，根据不同的状态生成烹饪曲线，根据用户不同的菜谱分析健康指数同步展示。此处输入为食材的状态数据，输出为数据形成的曲线。

摄像头根据食材模式和用户预设的查看次数自动拍摄，并通过APP进行推送展示，并把图片上传云端。当用户设置的模式与菜谱不匹配时自动提醒用户最佳的模式。在烹饪完成后生成烹饪报告，包含烹饪曲线和健康指数。当用户使用自设的模式烹饪，烹饪完成后却没达到理想状态，提醒用户继续启动推荐模式继续进行烹饪。把上述烹饪报告存入云端，算法结合最近的烹饪输出月度使用健康报告。在智能终端上还设有调整蒸烤箱的模式时间按钮，当用户临时有事想终止烹饪时，可关掉蒸烤箱，蒸烤箱关闭摄像头同时关闭，避免不必要的资源消耗。当用户再次烹饪时更新烹饪状态。

基于前述的实施例，本申请实施例提供一种烹饪装置，该装置包括的各模块、以及各模块包括的各单元，可以通过计算机设备中的处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(CPU，Central Processing Unit)、微处理器(MPU，Microprocessor Unit)、数字信号处理器(DSP，Digital SignalProcessing)或现场可编程门阵列(FPGA，Field Programmable Gate Array)等。

本申请实施例提供一种烹饪装置，烹饪装置包括：

采集模块，用于在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；

第一确定模块，用于基于所述第一图像确定所述食材的状态；

第二确定模块，用于基于所述状态确定所述食材是否达到目标状态；

第三确定模块，用于在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；

烹饪模块，用于基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

在一些实施例中，烹饪装置还用于：

采集所述食材的第二图像；

基于所述第二图像确定所述食材的属性；

基于所述食材的属性确定目标烹饪模式；

在获取到用户设定的烹饪模式的情况下，确定用户设定的烹饪模式与所述目标烹饪模式是否匹配；

在所述目标烹饪模式与所述用户设定的烹饪模式不匹配的情况下，输出提示信息。

在一些实施例中，烹饪装置还用于：

在获取到用户选择目标烹饪模式的情况下，基于所述目标烹饪模式对所述食材进行烹饪；

在获取到用户选择用户设定的烹饪模式的情况下，基于用户设定的烹饪模式进行烹饪。

在一些实施例中，所述基于所述第一图像确定所述食材的状态，包括：

将所述第一图像输入至第一神经网络模型中确定所述食材的状态，其中，所述第一神经网络模型通过第一训练数据进行训练得到，所述第一训练数据包括：食材的图像及所述食材的图像对应的状态。

在一些实施例中，烹饪装置还用于：

获取用户设定的在所述食材在烹饪过程的查看次数；

将所述查看次数和所述烹饪过程中食材的状态输入至第二神经网络模型中确定在所述烹饪过程中的拍摄时间，其中，第二神经网络模型通过第二训练数据进行训练得到，所述第二训练数据包括：查看次数、食材的状态及拍摄时间；

基于所述拍摄时间对所述食材进行拍摄，并将拍摄的图像发送给所述用户。

在一些实施例中，烹饪装置还用于：

基于所述食材的属性确定所述食材的健康指数；

基于预设时长内各个食材的健康指数生成健康报告；

基于所述健康报告为所述用户进行菜谱推荐。

本申请实施例提供的一种烹饪装置，通过在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；基于所述第一图像确定所述食材的状态；基于所述状态确定所述食材是否达到目标状态；在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态，能够在食材没有达到目标状态的情况下，自动进行烹饪以使食材达到目标状态。

本申请实施例提供一种电子设备；图3为本申请实施例提供的电子设备的组成结构示意图，如图3所示，所述电子设备700包括：一个处理器701、至少一个通信总线702、用户接口703、至少一个外部通信接口704、存储器705。其中，通信总线702配置为实现这些组件之间的连接通信。其中，用户接口703可以包括显示屏，外部通信接口704可以包括标准的有线接口和无线接口。所述处理器701配置为执行存储器中存储的烹饪方法的程序，以实现以上述实施例提供的烹饪方法中的步骤，其中，一种烹饪方法，包括：

在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；

基于所述第一图像确定所述食材的状态；

基于所述状态确定所述食材是否达到目标状态；

在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；

基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

在一些实施例中，所述方法还包括：

采集所述食材的第二图像；

基于所述第二图像确定所述食材的属性；

基于所述食材的属性确定目标烹饪模式；

在获取到用户设定的烹饪模式的情况下，确定用户设定的烹饪模式与所述目标烹饪模式是否匹配；

在所述目标烹饪模式与所述用户设定的烹饪模式不匹配的情况下，输出提示信息。

在一些实施例中，所述方法还包括：

在获取到用户选择目标烹饪模式的情况下，基于所述目标烹饪模式对所述食材进行烹饪；

在获取到用户选择用户设定的烹饪模式的情况下，基于用户设定的烹饪模式进行烹饪。

在一些实施例中，所述基于所述第一图像确定所述食材的状态，包括：

将所述第一图像输入至第一神经网络模型中确定所述食材的状态，其中，所述第一神经网络模型通过第一训练数据进行训练得到，所述第一训练数据包括：食材的图像及所述食材的图像对应的状态。

在一些实施例中，所述方法还包括：

获取用户设定的在所述食材在烹饪过程的查看次数；

将所述查看次数和所述烹饪过程中食材的状态输入至第二神经网络模型中确定在所述烹饪过程中的拍摄时间，其中，第二神经网络模型通过第二训练数据进行训练得到，所述第二训练数据包括：查看次数、食材的状态及拍摄时间；

基于所述拍摄时间对所述食材进行拍摄，并将拍摄的图像发送给所述用户。

在一些实施例中，所述方法还包括：

基于所述食材的属性确定所述食材的健康指数；

基于预设时长内各个食材的健康指数生成健康报告；

基于所述健康报告为所述用户进行菜谱推荐。

本申请实施例中，如果以软件功能模块的形式实现上述的烹饪方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。

相应地，本申请实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现上述实施例中提供的烹饪方法中的步骤。

以上电子设备和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请计算机设备和存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台控制器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种烹饪方法，其特征在于，包括：

在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；

基于所述第一图像确定所述食材的状态；

基于所述状态确定所述食材是否达到目标状态；

在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；

基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

采集所述食材的第二图像；

基于所述第二图像确定所述食材的属性；

基于所述食材的属性确定目标烹饪模式；

在获取到用户设定的烹饪模式的情况下，确定用户设定的烹饪模式与所述目标烹饪模式是否匹配；

在所述目标烹饪模式与所述用户设定的烹饪模式不匹配的情况下，输出提示信息。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在获取到用户选择目标烹饪模式的情况下，基于所述目标烹饪模式对所述食材进行烹饪；

在获取到用户选择用户设定的烹饪模式的情况下，基于用户设定的烹饪模式进行烹饪。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第一图像确定所述食材的状态，包括：

将所述第一图像输入至第一神经网络模型中确定所述食材的状态，其中，所述第一神经网络模型通过第一训练数据进行训练得到，所述第一训练数据包括：食材的图像及所述食材的图像对应的状态。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户设定的在所述食材在烹饪过程的查看次数；

将所述查看次数和所述烹饪过程中食材的状态输入至第二神经网络模型中确定在所述烹饪过程中的拍摄时间，其中，第二神经网络模型通过第二训练数据进行训练得到，所述第二训练数据包括：查看次数、食材的状态及拍摄时间；

基于所述拍摄时间对所述食材进行拍摄，并将拍摄的图像发送给所述用户。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于所述食材的属性确定所述食材的健康指数；

基于预设时长内各个食材的健康指数生成健康报告；

基于所述健康报告为所述用户进行菜谱推荐。

7.一种烹饪装置，其特征在于，包括：

采集模块，用于在烹饪设备使用用户设定的烹饪模式烹饪完成的情况下，采集所述烹饪设备中食材的第一图像；

第一确定模块，用于基于所述第一图像确定所述食材的状态；

第二确定模块，用于基于所述状态确定所述食材是否达到目标状态；

第三确定模块，用于在所述状态没有达到所述目标状态的情况下，基于所述状态确定烹饪模式；

烹饪模块，用于基于所述烹饪模式控制所述烹饪设备继续对所述食材进行烹饪，以使所述食材达到所述目标状态。

8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1至6任意一项所述烹饪方法。

9.一种烹饪设备，其特征在于，包括：权利要求8所述的电子设备。

10.一种存储介质，其特征在于，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现如权利要求1至6中任一项所述烹饪方法。