JP2861636B2 - 調理器具 - Google Patents
調理器具Info
- Publication number
- JP2861636B2 JP2861636B2 JP4147244A JP14724492A JP2861636B2 JP 2861636 B2 JP2861636 B2 JP 2861636B2 JP 4147244 A JP4147244 A JP 4147244A JP 14724492 A JP14724492 A JP 14724492A JP 2861636 B2 JP2861636 B2 JP 2861636B2
- Authority
- JP
- Japan
- Prior art keywords
- cooking
- physical quantity
- output
- food
- estimating
- 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.)
- Expired - Fee Related
Links
Landscapes
- Electric Ovens (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、自動調理を目的とした
調理器具に関するものである。
調理器具に関するものである。
【０００２】
【従来の技術】従来、この種の調理器具、例えば電子オ
ーブンレンジで図２２に示すように構成されていた。以
下、その構成について説明する。
ーブンレンジで図２２に示すように構成されていた。以
下、その構成について説明する。
【０００３】図に示すように、調理器具１は、調理物を
入れる加熱室２と、調理物を調理する調理手段３、調理
室２の絶対湿度を検出し絶対湿度センサー等から構成さ
れる湿度検出手段４、湿度検出手段４からの情報でもっ
て調理手段３を制御する制御手段５から構成されてい
た。このような構成で自動調理を可能にしていた。例え
ば、再加熱を例にとると、電子レンジの操作部上で、”
ごはん、味噌汁、その他一般”、”牛乳”、”酒カ
ン”、”葉菜、根菜等”の４つのカテゴリーに分けられ
ており、そのカテゴリーを選択し調理を開始すれば、そ
のカテゴリーの同一の自動調理シーケンスで調理手段３
を制御するような制御プログラムを制御手段５に備えて
いた。この自動調理シーケンスは、調理開始から湿度検
出手段５がある量の湿度を検出するまでの時間Ｔに選択
カテゴリーの定数Ｋを乗じた時間だか加熱させるもので
ある。調理物の重量によって、前記時間Ｔは変わってく
ることが自動調理の１つのポイントである。また前記定
数Ｋは、多くの調理実験をすることにより、カテゴリー
での最適値を決定していた。
入れる加熱室２と、調理物を調理する調理手段３、調理
室２の絶対湿度を検出し絶対湿度センサー等から構成さ
れる湿度検出手段４、湿度検出手段４からの情報でもっ
て調理手段３を制御する制御手段５から構成されてい
た。このような構成で自動調理を可能にしていた。例え
ば、再加熱を例にとると、電子レンジの操作部上で、”
ごはん、味噌汁、その他一般”、”牛乳”、”酒カ
ン”、”葉菜、根菜等”の４つのカテゴリーに分けられ
ており、そのカテゴリーを選択し調理を開始すれば、そ
のカテゴリーの同一の自動調理シーケンスで調理手段３
を制御するような制御プログラムを制御手段５に備えて
いた。この自動調理シーケンスは、調理開始から湿度検
出手段５がある量の湿度を検出するまでの時間Ｔに選択
カテゴリーの定数Ｋを乗じた時間だか加熱させるもので
ある。調理物の重量によって、前記時間Ｔは変わってく
ることが自動調理の１つのポイントである。また前記定
数Ｋは、多くの調理実験をすることにより、カテゴリー
での最適値を決定していた。
【０００４】
【発明が解決しようとする課題】このような従来の調理
器具（ここでは、電子レンジ）では、調理開始から調理
室内の湿度がある値になるまでの時間を計測し、その時
間にカテゴリー毎に定められた定数Ｋを乗じた時間を調
理時間として決定していたために、カテゴリーの数だけ
操作部に操作キーが必要となる。又調理の出来上がりに
かなりバラツキがあった。例えば”ごはん”と”味噌
汁”の再加熱を異なるカテゴリーとして分けると問題は
ないが、同一カテゴリーとすると、定数Ｋを”ごはん”
にあわせるか、”味噌汁”に合わせるかによって出来ば
えが異なり、”ごはん”が熱くなりすぎたり、”味噌
汁”がぬるいといった調理状態となっていた。これを解
決しようとすると、カテゴリーをもっと細分化すれば良
いが、操作キーが細分化の数だけ増える事になり、使い
勝手上、大変不便なものになるという課題を有してい
た。
器具（ここでは、電子レンジ）では、調理開始から調理
室内の湿度がある値になるまでの時間を計測し、その時
間にカテゴリー毎に定められた定数Ｋを乗じた時間を調
理時間として決定していたために、カテゴリーの数だけ
操作部に操作キーが必要となる。又調理の出来上がりに
かなりバラツキがあった。例えば”ごはん”と”味噌
汁”の再加熱を異なるカテゴリーとして分けると問題は
ないが、同一カテゴリーとすると、定数Ｋを”ごはん”
にあわせるか、”味噌汁”に合わせるかによって出来ば
えが異なり、”ごはん”が熱くなりすぎたり、”味噌
汁”がぬるいといった調理状態となっていた。これを解
決しようとすると、カテゴリーをもっと細分化すれば良
いが、操作キーが細分化の数だけ増える事になり、使い
勝手上、大変不便なものになるという課題を有してい
た。
【０００５】本発明は上記課題を解決するもので、調理
物の種類を、現実に計測・検出できる調理室内の環境物
理量と調理物固有の調理物固有物理量で推定することに
より、カテゴリーの分類が不要でワンボタン操作が可能
な電子レンジを提供することを目的としている。
物の種類を、現実に計測・検出できる調理室内の環境物
理量と調理物固有の調理物固有物理量で推定することに
より、カテゴリーの分類が不要でワンボタン操作が可能
な電子レンジを提供することを目的としている。
【０００６】
【課題を解決するための手段】本発明は上記の目的を達
成するために下記構成とした。すなわち第１の解決手段
として、調理物を調理する調理手段と、調理物周辺の環
境を検出する環境物理量検出手段と、前記調理物の固有
物理量を検出する調理物固有物理量検出手段と、前記環
境物理量検出手段と前記調理物固有物理量検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなる構成とした。
成するために下記構成とした。すなわち第１の解決手段
として、調理物を調理する調理手段と、調理物周辺の環
境を検出する環境物理量検出手段と、前記調理物の固有
物理量を検出する調理物固有物理量検出手段と、前記環
境物理量検出手段と前記調理物固有物理量検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなる構成とした。
【０００７】また第２の解決手段として、調理物を調理
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、商用電源電圧の電圧レベルを検出
する電圧レベル検出手段と、前記環境物理量検出手段、
前記電圧レベル検出手段の出力に基づき前記調理物を推
定する調理物推定手段と、前記調理物推定手段の出力と
前記環境物理量推定手段の出力および前記電圧レベル検
出手段の出力に基づき調理物の調理度合を推定する調理
度合推定手段と、前記調理度合推定手段の出力に基づき
前記調理手段を制御する制御手段とからなる構成とし
た。
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、商用電源電圧の電圧レベルを検出
する電圧レベル検出手段と、前記環境物理量検出手段、
前記電圧レベル検出手段の出力に基づき前記調理物を推
定する調理物推定手段と、前記調理物推定手段の出力と
前記環境物理量推定手段の出力および前記電圧レベル検
出手段の出力に基づき調理物の調理度合を推定する調理
度合推定手段と、前記調理度合推定手段の出力に基づき
前記調理手段を制御する制御手段とからなる構成とし
た。
【０００８】また第３の解決手段として、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記皿位置検出手段の出力と前記環境物理量
検出手段との出力に基づき前記調理物を推定する調理物
推定手段と、前記調理物推定手段の出力と前記環境物理
量検出手段の出力に基づき調理物の調理度合を推定する
調理度合推定手段と、前記調理度合推定手段の出力に基
づき前記調理手段を制御する制御手段とからなる構成と
した。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記皿位置検出手段の出力と前記環境物理量
検出手段との出力に基づき前記調理物を推定する調理物
推定手段と、前記調理物推定手段の出力と前記環境物理
量検出手段の出力に基づき調理物の調理度合を推定する
調理度合推定手段と、前記調理度合推定手段の出力に基
づき前記調理手段を制御する制御手段とからなる構成と
した。
【０００９】また第４の解決手段として、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、商用電源電圧の電圧レベルを検出する電圧レ
ベル検出手段と、前記皿位置検出手段の出力と前記環境
物理量検出手段の出力および前記電圧レベル検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力と前記環境物理量推定手段の
出力および前記電圧レベル検出手段の出力に基づき調理
物の調理度合を推定する調理度合推定手段と、前記調理
度合推定手段の出力に基づき前記調理手段を制御する制
御手段とからなる構成とした。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、商用電源電圧の電圧レベルを検出する電圧レ
ベル検出手段と、前記皿位置検出手段の出力と前記環境
物理量検出手段の出力および前記電圧レベル検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力と前記環境物理量推定手段の
出力および前記電圧レベル検出手段の出力に基づき調理
物の調理度合を推定する調理度合推定手段と、前記調理
度合推定手段の出力に基づき前記調理手段を制御する制
御手段とからなる構成とした。
【００１０】また第５の解決手段として、調理物を調理
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、前記環境物理量検出手段の出
力と前記固有物理量検出手段との出力に基づき前記調理
物を推定する調理物推定手段と、前記調理物推定手段の
出力と前記環境物理量推定手段の出力および前記固有物
理量検出手段の出力とに基づき調理物の調理度合を推定
する調理度合推定手段と、前記調理度合推定手段の出力
に基づき前記調理手段を制御する制御手段とからなる構
成とした。
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、前記環境物理量検出手段の出
力と前記固有物理量検出手段との出力に基づき前記調理
物を推定する調理物推定手段と、前記調理物推定手段の
出力と前記環境物理量推定手段の出力および前記固有物
理量検出手段の出力とに基づき調理物の調理度合を推定
する調理度合推定手段と、前記調理度合推定手段の出力
に基づき前記調理手段を制御する制御手段とからなる構
成とした。
【００１１】また第６の解決手段として、調理物を調理
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、商用電源電圧の電圧レベルを
検出する電圧レベル検出手段と、前記環境物理量検出手
段の出力と前記固有物理量検出手段の出力および前記電
圧レベル検出手段の出力に基づき前記調理物を推定する
調理物推定手段と、前記調理物推定手段の出力と前記環
境物理量推定手段の出力と前記固有物理量検出手段の出
力および前記電圧レベル検出手段の出力に基づき調理物
の調理度合を推定する調理度合推定手段と、前記調理度
合推定手段の出力に基づき前記調理手段を制御する制御
手段とからなる構成とした。
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、商用電源電圧の電圧レベルを
検出する電圧レベル検出手段と、前記環境物理量検出手
段の出力と前記固有物理量検出手段の出力および前記電
圧レベル検出手段の出力に基づき前記調理物を推定する
調理物推定手段と、前記調理物推定手段の出力と前記環
境物理量推定手段の出力と前記固有物理量検出手段の出
力および前記電圧レベル検出手段の出力に基づき調理物
の調理度合を推定する調理度合推定手段と、前記調理度
合推定手段の出力に基づき前記調理手段を制御する制御
手段とからなる構成とした。
【００１２】また第７の解決手段として、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、前記皿位置検出手段の出力と前記環境物
理量検出手段の出力と前記固有物理量検出手段との出力
に基づき前記調理物を推定する調理物推定手段と、前記
調理物推定手段の出力と前記環境物理量推定手段の出力
および前記固有物理量検出手段の出力とに基づき調理物
の調理度合を推定する調理度合推定手段と、前記調理度
合推定手段の出力に基づき前記調理手段を制御する制御
手段とからなる構成とした。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、前記皿位置検出手段の出力と前記環境物
理量検出手段の出力と前記固有物理量検出手段との出力
に基づき前記調理物を推定する調理物推定手段と、前記
調理物推定手段の出力と前記環境物理量推定手段の出力
および前記固有物理量検出手段の出力とに基づき調理物
の調理度合を推定する調理度合推定手段と、前記調理度
合推定手段の出力に基づき前記調理手段を制御する制御
手段とからなる構成とした。
【００１３】また第８の解決手段として、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段と、前記皿位置検出手段の出力と前記
環境物理量検出手段の出力と前記固有物理量検出手段の
出力および前記電圧レベル検出手段の出力に基づき前記
調理物を推定する調理物推定手段と、前記調理物推定手
段の出力と前記環境物理量推定手段の出力と前記固有物
理量検出手段の出力および前記電圧レベル検出手段の出
力に基づき調理物の調理度合を推定する調理度合推定手
段と、前記調理度合推定手段の出力に基づき前記調理手
段を制御する制御手段とからなる調理器具。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段と、前記皿位置検出手段の出力と前記
環境物理量検出手段の出力と前記固有物理量検出手段の
出力および前記電圧レベル検出手段の出力に基づき前記
調理物を推定する調理物推定手段と、前記調理物推定手
段の出力と前記環境物理量推定手段の出力と前記固有物
理量検出手段の出力および前記電圧レベル検出手段の出
力に基づき調理物の調理度合を推定する調理度合推定手
段と、前記調理度合推定手段の出力に基づき前記調理手
段を制御する制御手段とからなる調理器具。
【００１４】さらに、前記調理物推定手段と前記調理度
合推定手段は、複数の神経素子より構成される神経回路
網をモデル化した手法により得られ、調理物と調理度合
を推定する複数の固定された結合重み係数を内部に持つ
神経回路網模式手段を有する構成とした。または、複数
の神経素子より構成される層が多数組み合わされて構築
される階層型の神経回路網模式手段を有する構成とし
た。
合推定手段は、複数の神経素子より構成される神経回路
網をモデル化した手法により得られ、調理物と調理度合
を推定する複数の固定された結合重み係数を内部に持つ
神経回路網模式手段を有する構成とした。または、複数
の神経素子より構成される層が多数組み合わされて構築
される階層型の神経回路網模式手段を有する構成とし
た。
【００１５】
【作用】本発明は上記した構成によって、下記の作用が
得られる。第１の課題解決手段により、環境物理量検出
手段からの調理室内の環境情報と、調理物固有物理量検
出手段からの固有物理量情報を、時々刻々、調理物推定
手段に入力することにより、調理物推定手段は調理物を
推定する。調理度合推定手段は調理物推定手段からの推
定調理物情報と環境物理量情報をもとに調理度合を推定
し、制御手段は調理度合推定手段の出力に基づき調理手
段を制御する。
得られる。第１の課題解決手段により、環境物理量検出
手段からの調理室内の環境情報と、調理物固有物理量検
出手段からの固有物理量情報を、時々刻々、調理物推定
手段に入力することにより、調理物推定手段は調理物を
推定する。調理度合推定手段は調理物推定手段からの推
定調理物情報と環境物理量情報をもとに調理度合を推定
し、制御手段は調理度合推定手段の出力に基づき調理手
段を制御する。
【００１６】また第２の解決手段により、調理物を調理
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、商用電源電圧の電圧レベルを検出
する電圧レベル検出手段と、環境物理量検出手段、電圧
レベル検出手段の出力を、時々刻々、調理物推定手段に
入力することにより、調理物推定手段は調理物を推定す
る。調理度合推定手段は調理物推定手段からの推定調理
物情報と環境物理量情報と電圧レベル検出手段の出力を
もとに調理度合を推定し、制御手段は調理度合推定手段
の出力に基づき調理手段を制御する。
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、商用電源電圧の電圧レベルを検出
する電圧レベル検出手段と、環境物理量検出手段、電圧
レベル検出手段の出力を、時々刻々、調理物推定手段に
入力することにより、調理物推定手段は調理物を推定す
る。調理度合推定手段は調理物推定手段からの推定調理
物情報と環境物理量情報と電圧レベル検出手段の出力を
もとに調理度合を推定し、制御手段は調理度合推定手段
の出力に基づき調理手段を制御する。
【００１７】また第３の解決手段により、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記皿位置検出手段の出力と前記環境物理量
検出手段との出力を、時々刻々、調理物推定手段に入力
することにより、調理物推定手段は調理物を推定する。
調理度合推定手段は調理物推定手段からの推定調理物情
報と環境物理量情報をもとに調理度合を推定し、制御手
段は調理度合推定手段の出力に基づき調理手段を制御す
る。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記皿位置検出手段の出力と前記環境物理量
検出手段との出力を、時々刻々、調理物推定手段に入力
することにより、調理物推定手段は調理物を推定する。
調理度合推定手段は調理物推定手段からの推定調理物情
報と環境物理量情報をもとに調理度合を推定し、制御手
段は調理度合推定手段の出力に基づき調理手段を制御す
る。
【００１８】また第４の解決手段により、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、商用電源電圧の電圧レベルを検出する電圧レ
ベル検出手段と、前記皿位置検出手段の出力と前記環境
物理量検出手段の出力および前記電圧レベル検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力と前記環境物理量推定手段の
出力および前記電圧レベル検出手段の出力を、時々刻
々、調理物推定手段に入力することにより、調理物推定
手段は調理物を推定する。調理度合推定手段は調理物推
定手段からの推定調理物情報と環境物理量情報と電圧レ
ベル情報をもとに調理度合を推定し、制御手段は調理度
合推定手段の出力に基づき調理手段を制御する。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、商用電源電圧の電圧レベルを検出する電圧レ
ベル検出手段と、前記皿位置検出手段の出力と前記環境
物理量検出手段の出力および前記電圧レベル検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力と前記環境物理量推定手段の
出力および前記電圧レベル検出手段の出力を、時々刻
々、調理物推定手段に入力することにより、調理物推定
手段は調理物を推定する。調理度合推定手段は調理物推
定手段からの推定調理物情報と環境物理量情報と電圧レ
ベル情報をもとに調理度合を推定し、制御手段は調理度
合推定手段の出力に基づき調理手段を制御する。
【００１９】また第５の解決手段により、調理物を調理
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、前記環境物理量検出手段の出
力と前記固有物理量検出手段との出力を、時々刻々、調
理物推定手段に入力することにより、調理物推定手段は
調理物を推定する。調理度合推定手段は調理物推定手段
からの推定調理物情報と環境物理量情報と固有物理量情
報をもとに調理度合を推定し、制御手段は調理度合推定
手段の出力に基づき調理手段を制御する。
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、前記環境物理量検出手段の出
力と前記固有物理量検出手段との出力を、時々刻々、調
理物推定手段に入力することにより、調理物推定手段は
調理物を推定する。調理度合推定手段は調理物推定手段
からの推定調理物情報と環境物理量情報と固有物理量情
報をもとに調理度合を推定し、制御手段は調理度合推定
手段の出力に基づき調理手段を制御する。
【００２０】また第６の解決手段により、調理物を調理
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、商用電源電圧の電圧レベルを
検出する電圧レベル検出手段と、前記環境物理量検出手
段の出力と前記固有物理量検出手段の出力および前記電
圧レベル検出手段の出力を、時々刻々、調理物推定手段
に入力することにより、調理物推定手段は調理物を推定
する。調理度合推定手段は調理物推定手段からの推定調
理物情報と環境物理量情報と固有物理量情報と電圧レベ
ル情報をもとに調理度合を推定し、制御手段は調理度合
推定手段の出力に基づき調理手段を制御する。
する調理手段と、調理物周辺の環境物理量を検出する環
境物理量検出手段と、前記調理物の固有物理量を検出す
る固有物理量検出手段と、商用電源電圧の電圧レベルを
検出する電圧レベル検出手段と、前記環境物理量検出手
段の出力と前記固有物理量検出手段の出力および前記電
圧レベル検出手段の出力を、時々刻々、調理物推定手段
に入力することにより、調理物推定手段は調理物を推定
する。調理度合推定手段は調理物推定手段からの推定調
理物情報と環境物理量情報と固有物理量情報と電圧レベ
ル情報をもとに調理度合を推定し、制御手段は調理度合
推定手段の出力に基づき調理手段を制御する。
【００２１】また第７の解決手段により、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、前記皿位置検出手段の出力と前記環境物
理量検出手段の出力と前記固有物理量検出手段との出力
を、時々刻々、調理物推定手段に入力することにより、
調理物推定手段は調理物を推定する。調理度合推定手段
は調理物推定手段からの推定調理物情報と環境物理量情
報と固有物理量情報をもとに調理度合を推定し、制御手
段は調理度合推定手段の出力に基づき調理手段を制御す
る。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、前記皿位置検出手段の出力と前記環境物
理量検出手段の出力と前記固有物理量検出手段との出力
を、時々刻々、調理物推定手段に入力することにより、
調理物推定手段は調理物を推定する。調理度合推定手段
は調理物推定手段からの推定調理物情報と環境物理量情
報と固有物理量情報をもとに調理度合を推定し、制御手
段は調理度合推定手段の出力に基づき調理手段を制御す
る。
【００２２】また第８の解決手段により、調理物を調理
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段と、前記皿位置検出手段の出力と前記
環境物理量検出手段の出力と前記固有物理量検出手段の
出力および前記電圧レベル検出手段の出力を、時々刻
々、調理物推定手段に入力することにより、調理物推定
手段は調理物を推定する。調理度合推定手段は調理物推
定手段からの推定調理物情報と環境物理量情報と固有物
理量情報と電圧レベル情報をもとに調理度合を推定し、
制御手段は調理度合推定手段の出力に基づき調理手段を
制御する。
する調理手段と、調理皿の位置を検出する皿位置検出手
段と、調理物周辺の環境物理量を検出する環境物理量検
出手段と、前記調理物の固有物理量を検出する固有物理
量検出手段と、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段と、前記皿位置検出手段の出力と前記
環境物理量検出手段の出力と前記固有物理量検出手段の
出力および前記電圧レベル検出手段の出力を、時々刻
々、調理物推定手段に入力することにより、調理物推定
手段は調理物を推定する。調理度合推定手段は調理物推
定手段からの推定調理物情報と環境物理量情報と固有物
理量情報と電圧レベル情報をもとに調理度合を推定し、
制御手段は調理度合推定手段の出力に基づき調理手段を
制御する。
【００２３】また第９の解決手段により、調理物推定手
段と調理度合推定手段を構成する神経回路網模式手段
は、調理される環境下で既に学習された結合重み係数を
備えており、調理物と調理中の調理度合を推定すること
ができる。
段と調理度合推定手段を構成する神経回路網模式手段
は、調理される環境下で既に学習された結合重み係数を
備えており、調理物と調理中の調理度合を推定すること
ができる。
【００２４】また第１０の解決手段により、調理物推定
手段と調理度合推定手段を構成する神経回路網模式手段
は、複数の神経素子が多層組み合わされて構築されてい
るので、緒理物と調理度合の推定をより正確に行なうこ
とができる。
手段と調理度合推定手段を構成する神経回路網模式手段
は、複数の神経素子が多層組み合わされて構築されてい
るので、緒理物と調理度合の推定をより正確に行なうこ
とができる。
【００２５】
【実施例】以下、本発明の一実施例を図１から図３を参
照しながら説明する。なお、従来例と同じ構成のものは
同一符号を付して説明を省略する。
照しながら説明する。なお、従来例と同じ構成のものは
同一符号を付して説明を省略する。
【００２６】（実施例１）本実施例では、調理器具とし
て電子オーブンレンジに応用した例について説明する。
図１に示すように、環境物理量検出手段６は調理室内の
環境を検出する。本実施例では、調理室内の絶対湿度の
検出と調理室３内の温度と調理室内のガス量を検出する
ものであり、湿度センサ６ａ、サーミスタ６ｂおよびガ
スセンサ６ｃとより構成されている。本実施例で用いた
ガスセンサ６ｃは、半導体で構成されており、調理加熱
中にでる臭い分子の半導体表面にもたらす変化でガス量
を検出するものである。計時手段７は調理開始時からの
時間をカウントする。調理物推定手段８は環境物理量検
出手段６、計時手段７の出力に基づき調理物が何である
のかをを推定するものである。また調理度合推定手段９
は調理物推定手段８と環境物理量検出手段６の出力に基
づき調理度合を推定していく。制御手段５は調理度合推
定手段９の出力に基づき調理手段３を制御する。調理手
段３は、本実施例では、マイクロ波供給手段３ａと、ヒ
ーター３ｂからなり調理室２に配設されている。さら
に、１０、１１、１２はＡ／Ｄ変換手段であり環境物理
量検出手段６の湿度センサ６ａとサーミスタ６ｂとガス
センサ６ｃの出力をディジタル値に変換している。図９
は、操作手段１３のキー構成を示した構成図である。
て電子オーブンレンジに応用した例について説明する。
図１に示すように、環境物理量検出手段６は調理室内の
環境を検出する。本実施例では、調理室内の絶対湿度の
検出と調理室３内の温度と調理室内のガス量を検出する
ものであり、湿度センサ６ａ、サーミスタ６ｂおよびガ
スセンサ６ｃとより構成されている。本実施例で用いた
ガスセンサ６ｃは、半導体で構成されており、調理加熱
中にでる臭い分子の半導体表面にもたらす変化でガス量
を検出するものである。計時手段７は調理開始時からの
時間をカウントする。調理物推定手段８は環境物理量検
出手段６、計時手段７の出力に基づき調理物が何である
のかをを推定するものである。また調理度合推定手段９
は調理物推定手段８と環境物理量検出手段６の出力に基
づき調理度合を推定していく。制御手段５は調理度合推
定手段９の出力に基づき調理手段３を制御する。調理手
段３は、本実施例では、マイクロ波供給手段３ａと、ヒ
ーター３ｂからなり調理室２に配設されている。さら
に、１０、１１、１２はＡ／Ｄ変換手段であり環境物理
量検出手段６の湿度センサ６ａとサーミスタ６ｂとガス
センサ６ｃの出力をディジタル値に変換している。図９
は、操作手段１３のキー構成を示した構成図である。
【００２７】調理物推定手段８と調理度合推定手段９を
構成する手段は、従来の制御手法に用いられている解決
的な方法が適用できないため、多次元情報処理手法とし
て最適な神経回路網を模した方法で構成している。神経
回路網を模した手法においては、調理物を推定する神経
回路網の複数の結合重み係数を固定されたテ−ブルとし
て用いる方法と、学習機能を残し環境と使用者に適応で
きるようにする方法とがある。本実施例は、神経回路網
を模した手法によって得られ、調理物を推定する複数の
固定された結合重み係数を内部にもつ神経回路網模式手
段を有する調理物推定手段８と、同様にして得られた調
理度合推定手段９を設けている。
構成する手段は、従来の制御手法に用いられている解決
的な方法が適用できないため、多次元情報処理手法とし
て最適な神経回路網を模した方法で構成している。神経
回路網を模した手法においては、調理物を推定する神経
回路網の複数の結合重み係数を固定されたテ−ブルとし
て用いる方法と、学習機能を残し環境と使用者に適応で
きるようにする方法とがある。本実施例は、神経回路網
を模した手法によって得られ、調理物を推定する複数の
固定された結合重み係数を内部にもつ神経回路網模式手
段を有する調理物推定手段８と、同様にして得られた調
理度合推定手段９を設けている。
【００２８】調理物によって、調理開始にともなう時々
刻々の調理室２内の温度、又調理物から発生する蒸気に
よる調理室２内の湿度変化が異なる。
刻々の調理室２内の温度、又調理物から発生する蒸気に
よる調理室２内の湿度変化が異なる。
【００２９】調理物を推定する神経回路網において固定
された結合重み係数は、実際に自動調理の対象となる調
理物を調理した場合、調理室２内の温度と調理室２内の
絶対湿度がどのように変化するかというデ−タを収集
し、調理物と調理室２内の絶対湿度デ−タと調理室２内
の温度デ−タとの相関を神経回路網模式手段に学習させ
ることによって得ることができる。調理度合を推定する
神経回路網も同様に神経回路網模式手段に学習させるこ
とにより得ることができる。用いるべき神経回路網模式
手段としては、文献１（Ｄ．Ｅ．ラメルハ−ト他２名
著、甘利俊一監訳「ＰＤＰモデル」（株）産業図書、１
９８９年）、文献２（中野馨他７名著「ニュ−ロコンピ
ュ−タの基礎」（株）コロナ社刊、Ｐ１０２、１９９０
年）、特公昭６３−５５１０６号公報などに示されたも
のがある。以下、文献１に記載された最もよく知られた
学習アルゴリズムとして誤差逆伝搬法を用いた多層パ−
セプトロンを例にとり、具体的な神経回路網模式手段の
構成および動作について説明する。
された結合重み係数は、実際に自動調理の対象となる調
理物を調理した場合、調理室２内の温度と調理室２内の
絶対湿度がどのように変化するかというデ−タを収集
し、調理物と調理室２内の絶対湿度デ−タと調理室２内
の温度デ−タとの相関を神経回路網模式手段に学習させ
ることによって得ることができる。調理度合を推定する
神経回路網も同様に神経回路網模式手段に学習させるこ
とにより得ることができる。用いるべき神経回路網模式
手段としては、文献１（Ｄ．Ｅ．ラメルハ−ト他２名
著、甘利俊一監訳「ＰＤＰモデル」（株）産業図書、１
９８９年）、文献２（中野馨他７名著「ニュ−ロコンピ
ュ−タの基礎」（株）コロナ社刊、Ｐ１０２、１９９０
年）、特公昭６３−５５１０６号公報などに示されたも
のがある。以下、文献１に記載された最もよく知られた
学習アルゴリズムとして誤差逆伝搬法を用いた多層パ−
セプトロンを例にとり、具体的な神経回路網模式手段の
構成および動作について説明する。
【００３０】図１０は、神経回路網模式手段の構成単位
となる神経素子の概念図である。図１０において、２１
〜２Ｎは神経のシナプス結合を模擬する疑似シナプス結
合変換器であり、２ａは疑似シナプス結合変換器２１〜
２Ｎからの出力を加算する加算器であり、２ｂは設定さ
れた非線形関数、たとえば、しきい値をｈとするシグモ
イド関数、 ｆ（ｙ，ｈ）＝１／（１＋ｅｘｐ（−ｙ＋ｈ）） （式１） によって加算器２ａの出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、修
正手段からの修正信号を受ける入力線が疑似シナプス結
合変換器２１〜２Ｎと非線形変換器２ｂにつながってい
る。また、疑似シナプス結合変換器２１〜２Ｎが神経回
路網模式手段の結合重み係数となる。この神経素子に
は、信号処理モ−ドと学習モ−ドの２つの種類の動作モ
−ドがある。
となる神経素子の概念図である。図１０において、２１
〜２Ｎは神経のシナプス結合を模擬する疑似シナプス結
合変換器であり、２ａは疑似シナプス結合変換器２１〜
２Ｎからの出力を加算する加算器であり、２ｂは設定さ
れた非線形関数、たとえば、しきい値をｈとするシグモ
イド関数、 ｆ（ｙ，ｈ）＝１／（１＋ｅｘｐ（−ｙ＋ｈ）） （式１） によって加算器２ａの出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、修
正手段からの修正信号を受ける入力線が疑似シナプス結
合変換器２１〜２Ｎと非線形変換器２ｂにつながってい
る。また、疑似シナプス結合変換器２１〜２Ｎが神経回
路網模式手段の結合重み係数となる。この神経素子に
は、信号処理モ−ドと学習モ−ドの２つの種類の動作モ
−ドがある。
【００３１】以下、図１０に基づいて神経素子のそれぞ
れのモ−ドの動作について説明する。まず、信号処理モ
−ドの動作の説明をする。神経素子はＮ個の入力Ｘ１〜
Ｘｎを受けて１つの出力を出す。ｉ番目の入力信号Ｘｉ
は、四角で示されたｉ番目の疑似シナプス結合変換器２
ｉにおいてＷｉ・Ｘｉに変換される。疑似シナプス結合
変換器２１〜２Ｎで変換されたＮ個の信号Ｗ１・Ｘ１〜
Ｗｎ・Ｘｎは加算器２ａに入り、加算結果ｙが非線形変
換器２ｂに送られ、最終出力ｆ（ｙ，ｈ）となる。
れのモ−ドの動作について説明する。まず、信号処理モ
−ドの動作の説明をする。神経素子はＮ個の入力Ｘ１〜
Ｘｎを受けて１つの出力を出す。ｉ番目の入力信号Ｘｉ
は、四角で示されたｉ番目の疑似シナプス結合変換器２
ｉにおいてＷｉ・Ｘｉに変換される。疑似シナプス結合
変換器２１〜２Ｎで変換されたＮ個の信号Ｗ１・Ｘ１〜
Ｗｎ・Ｘｎは加算器２ａに入り、加算結果ｙが非線形変
換器２ｂに送られ、最終出力ｆ（ｙ，ｈ）となる。
【００３２】つぎに、学習モ−ドの動作について説明す
る。学習モ−ドでは、疑似シナプス結合変換器２１〜２
Ｎと非線形変換器２ｂの変換パラメ−タＷ１〜Ｗｎとｈ
を、修正手段からの変換パラメ−タの修正量△Ｗ１〜△
Ｗｎと△ｈを表す修正信号を受けて、 Ｗｉ＋△Ｗｉ ； ｉ＝１，２，・・ ，Ｎ ｈ＋△ｈ （式２） と修正する。
る。学習モ−ドでは、疑似シナプス結合変換器２１〜２
Ｎと非線形変換器２ｂの変換パラメ−タＷ１〜Ｗｎとｈ
を、修正手段からの変換パラメ−タの修正量△Ｗ１〜△
Ｗｎと△ｈを表す修正信号を受けて、 Ｗｉ＋△Ｗｉ ； ｉ＝１，２，・・ ，Ｎ ｈ＋△ｈ （式２） と修正する。
【００３３】図１１は上記神経素子を４つ並列につない
で構成した信号変換手段の概念図である。いうまでもな
く、以下の説明は、この信号変換手段を構成する神経素
子の個数を４個に特定するものではない。図１１におい
て、２１１〜２４４は疑似シナプス結合変換器であり、
２０１〜２０４は、図１０で説明した加算器２ａと非線
形変換器２ｂをまとめた加算非線形変換器である。図１
１において、図１０と同様に図面が煩雑になるので省略
したが、修正手段からの修正信号を受ける入力線が疑似
シナプス結合変換器２１１〜２４４と加算非線形変換器
２０１〜２０４につながっている。疑似シナプス結合変
換器２１１〜２４４も結合重み係数となる。この信号変
換手段の動作については、図１０で説明した神経素子の
動作が並列してなされるものである。
で構成した信号変換手段の概念図である。いうまでもな
く、以下の説明は、この信号変換手段を構成する神経素
子の個数を４個に特定するものではない。図１１におい
て、２１１〜２４４は疑似シナプス結合変換器であり、
２０１〜２０４は、図１０で説明した加算器２ａと非線
形変換器２ｂをまとめた加算非線形変換器である。図１
１において、図１０と同様に図面が煩雑になるので省略
したが、修正手段からの修正信号を受ける入力線が疑似
シナプス結合変換器２１１〜２４４と加算非線形変換器
２０１〜２０４につながっている。疑似シナプス結合変
換器２１１〜２４４も結合重み係数となる。この信号変
換手段の動作については、図１０で説明した神経素子の
動作が並列してなされるものである。
【００３４】図１２は、学習アルゴリズムとして誤差逆
伝搬法を採用した場合の信号処理手段の構成を示したブ
ロック図で、３１は上述の信号変換手段である。ただ
し、ここではＮ個の入力を受ける神経素子がＭ個並列に
並べられたものである。３２は学習モ−ドにおける信号
変換手段３１の修正量を算出する修正手段である。以
下、図１２に基づいて信号処理手段の学習を行う場合の
動作について説明する。信号変換手段３１はＮ個の入力
Ｓin（Ｘ）を受け、Ｍ個の出力Ｓout（Ｘ）を出力す
る。修正手段３２は、入力信号Ｓin（Ｘ）と出力信号Ｓ
out（Ｘ）とを受け、誤差計算手段または後段の信号変
換手段からのＭ個の誤差信号δi（Ｘ）の入力があるま
で待機する。誤差信号δi（Ｘ）が入力され修正量を △Ｗij＝δi（Ｘ）・Ｓiout（Ｘ）・（１−Ｓiout（Ｘ））・Ｓjin（Ｘ） （ｉ＝１〜Ｎ，ｊ＝１〜Ｍ） （式３） と計算し、修正信号を信号変換手段３１に送る。信号変
換手段３１は、内部の神経素子の変換パラメ−タを上で
説明した学習モ−ドにしたがって修正する。
伝搬法を採用した場合の信号処理手段の構成を示したブ
ロック図で、３１は上述の信号変換手段である。ただ
し、ここではＮ個の入力を受ける神経素子がＭ個並列に
並べられたものである。３２は学習モ−ドにおける信号
変換手段３１の修正量を算出する修正手段である。以
下、図１２に基づいて信号処理手段の学習を行う場合の
動作について説明する。信号変換手段３１はＮ個の入力
Ｓin（Ｘ）を受け、Ｍ個の出力Ｓout（Ｘ）を出力す
る。修正手段３２は、入力信号Ｓin（Ｘ）と出力信号Ｓ
out（Ｘ）とを受け、誤差計算手段または後段の信号変
換手段からのＭ個の誤差信号δi（Ｘ）の入力があるま
で待機する。誤差信号δi（Ｘ）が入力され修正量を △Ｗij＝δi（Ｘ）・Ｓiout（Ｘ）・（１−Ｓiout（Ｘ））・Ｓjin（Ｘ） （ｉ＝１〜Ｎ，ｊ＝１〜Ｍ） （式３） と計算し、修正信号を信号変換手段３１に送る。信号変
換手段３１は、内部の神経素子の変換パラメ−タを上で
説明した学習モ−ドにしたがって修正する。
【００３５】図１３は、神経回路網模式手段を用いた多
層パ−セプトロンの構成を示すブロック図であり、３１
Ｘ、３１Ｙ、３１ＺはそれぞれＫ個、Ｌ個、Ｍ個の神経
素子からなる信号変換手段であり、３２Ｘ、３２Ｙ、３
２Ｚは修正手段であり、３３は誤差計算手段である。以
上のように構成された多層パ−セプトロンについて、図
１３を参照しながらその動作を説明する。信号処理手段
３４Ｘにおいて、信号変換手段３１Ｘは、入力Ｓ
iin（Ｘ）（ｉ＝１〜Ｎ）を受け、出力Ｓjout（Ｘ）
（ｊ＝１〜Ｋ）を出力する。修正手段３２Ｘは、信号Ｓ
iin（Ｘ）と信号Ｓjout（Ｘ）を受け、誤差信号δ
j（Ｘ）（ｊ＝１〜Ｋ）が入力されるまで待機する。以
下同様の処理が、信号処理手段３４Ｙ、３４Ｚにおいて
行われ、信号変換手段３１Ｚより最終出力Ｓhout（Ｚ）
（ｈ＝１〜Ｍ）が出力される。最終出力Ｓhout（Ｚ）
は、誤差計算手段３３にも送られる。誤差計算手段３３
においては、２乗誤差の評価関数ＣＯＳＴ（式４）に基
づいて理想的な出力Ｔ（Ｔ1 ，・・・・・，ＴM ）との
誤差が計算され、誤差信号δh（Ｚ）が修正手段３２Ｚ
に送られる。
層パ−セプトロンの構成を示すブロック図であり、３１
Ｘ、３１Ｙ、３１ＺはそれぞれＫ個、Ｌ個、Ｍ個の神経
素子からなる信号変換手段であり、３２Ｘ、３２Ｙ、３
２Ｚは修正手段であり、３３は誤差計算手段である。以
上のように構成された多層パ−セプトロンについて、図
１３を参照しながらその動作を説明する。信号処理手段
３４Ｘにおいて、信号変換手段３１Ｘは、入力Ｓ
iin（Ｘ）（ｉ＝１〜Ｎ）を受け、出力Ｓjout（Ｘ）
（ｊ＝１〜Ｋ）を出力する。修正手段３２Ｘは、信号Ｓ
iin（Ｘ）と信号Ｓjout（Ｘ）を受け、誤差信号δ
j（Ｘ）（ｊ＝１〜Ｋ）が入力されるまで待機する。以
下同様の処理が、信号処理手段３４Ｙ、３４Ｚにおいて
行われ、信号変換手段３１Ｚより最終出力Ｓhout（Ｚ）
（ｈ＝１〜Ｍ）が出力される。最終出力Ｓhout（Ｚ）
は、誤差計算手段３３にも送られる。誤差計算手段３３
においては、２乗誤差の評価関数ＣＯＳＴ（式４）に基
づいて理想的な出力Ｔ（Ｔ1 ，・・・・・，ＴM ）との
誤差が計算され、誤差信号δh（Ｚ）が修正手段３２Ｚ
に送られる。
【００３６】
【数１】
【００３７】ただし、ηは多層パ−セプトロンの学習速
度を定めるパラメ−タである。つぎに、評価関数を２乗
誤差とした場合には誤差信号は、 δｈ（Ｚ）＝−η・（Ｓhout（Ｚ）−Ｔh） （式５） となる。修正手段３２Ｚは、上で説明した手続きにした
がって、信号変換手段３１Ｚの変換パラメ−タの修正量
△Ｗ（Ｚ）を計算し、修正手段３２Ｙに送る誤差信号を
（式６）に基づき計算し、修正信号△Ｗ（Ｚ）を信号変
換手段３１Ｚに送り、誤差信号δ（Ｙ）を修正手段３２
Ｙに送る。信号変換手段３１Ｚは、修正信号△Ｗ（Ｚ）
に基づいて内部のパラメ−タを修正する。なお、誤差信
号δ（Ｙ）は（式６）で与えられる。
度を定めるパラメ−タである。つぎに、評価関数を２乗
誤差とした場合には誤差信号は、 δｈ（Ｚ）＝−η・（Ｓhout（Ｚ）−Ｔh） （式５） となる。修正手段３２Ｚは、上で説明した手続きにした
がって、信号変換手段３１Ｚの変換パラメ−タの修正量
△Ｗ（Ｚ）を計算し、修正手段３２Ｙに送る誤差信号を
（式６）に基づき計算し、修正信号△Ｗ（Ｚ）を信号変
換手段３１Ｚに送り、誤差信号δ（Ｙ）を修正手段３２
Ｙに送る。信号変換手段３１Ｚは、修正信号△Ｗ（Ｚ）
に基づいて内部のパラメ−タを修正する。なお、誤差信
号δ（Ｙ）は（式６）で与えられる。
【００３８】
【数２】
【００３９】ここで、Ｗij（Ｚ）は信号変換手段３１Ｚ
の疑似シナプス結合変換器の変換パラメ−タである。以
下、同様の処理が信号処理手段３４Ｘ、３４Ｙにおいて
行われる。学習と呼ばれる以上の手続きを繰り返し行う
ことにより、多層パ−セプトロンは入力が与えられると
理想出力Ｔをよく近似する出力を出すようになる。な
お、上記の説明においては、３段の多層パ−セプトロン
を用いたが、これは何段であってもよい。また、文献１
にある信号変換手段のなかの非線形変換手段の変換パラ
メ−タｈの修正法についてと慣性項として知られる学習
高速化の方法については、説明の簡略化のため省略した
が、この省略は以下に述べる本発明を拘束するものでは
ない。
の疑似シナプス結合変換器の変換パラメ−タである。以
下、同様の処理が信号処理手段３４Ｘ、３４Ｙにおいて
行われる。学習と呼ばれる以上の手続きを繰り返し行う
ことにより、多層パ−セプトロンは入力が与えられると
理想出力Ｔをよく近似する出力を出すようになる。な
お、上記の説明においては、３段の多層パ−セプトロン
を用いたが、これは何段であってもよい。また、文献１
にある信号変換手段のなかの非線形変換手段の変換パラ
メ−タｈの修正法についてと慣性項として知られる学習
高速化の方法については、説明の簡略化のため省略した
が、この省略は以下に述べる本発明を拘束するものでは
ない。
【００４０】こうして、神経回路網模式手段は、実際に
自動調理の対象となる調理物と、その調理物を調理した
場合、調理室２内の温度と調理室２内の絶対湿度と調理
室２内のガス量がどのように変化するかというデ−タを
収集し、調理物と調理室２内の絶対湿度デ−タと温度デ
−タとガス量データとの関係を学習し、簡単なル−ルで
記述することが容易でない調理物の推定と調理度合の推
定の仕方を自然な形で表現することができる。但し、調
理度合の学習時には調理開始からの経過時間も学習させ
ている。本実施例は、こうして得られた情報を組み込ん
で、調理物推定手段８と調理度合推定手段９を構成する
ものである。具体的には、十分学習を終えた後の多層パ
−セプトロンの信号変換手段３１Ｘ、３１Ｙ、３１Ｚの
みを神経回路網模式手段として用いて、調理物推定手段
８と調理度合推定手段９を構成する。
自動調理の対象となる調理物と、その調理物を調理した
場合、調理室２内の温度と調理室２内の絶対湿度と調理
室２内のガス量がどのように変化するかというデ−タを
収集し、調理物と調理室２内の絶対湿度デ−タと温度デ
−タとガス量データとの関係を学習し、簡単なル−ルで
記述することが容易でない調理物の推定と調理度合の推
定の仕方を自然な形で表現することができる。但し、調
理度合の学習時には調理開始からの経過時間も学習させ
ている。本実施例は、こうして得られた情報を組み込ん
で、調理物推定手段８と調理度合推定手段９を構成する
ものである。具体的には、十分学習を終えた後の多層パ
−セプトロンの信号変換手段３１Ｘ、３１Ｙ、３１Ｚの
みを神経回路網模式手段として用いて、調理物推定手段
８と調理度合推定手段９を構成する。
【００４１】実際に学習させたデ−タについて説明す
る。図１４は、”パイ”をオーブン調理した時の環境物
理量検出手段８の出力電圧の変化を示している。図１４
（ａ）は調理室内の湿度の変化を示し、図１４（ｂ）は
調理室内の温度変化を示し、図１４（ｃ）は調理室内の
ガス量変化を示し、図１４（ｄ）は調理度合を示してい
る。図１５は”スポンジケーキ”、図１６は”ハンバー
グ”、図１７は”グラタン”を、それぞれオーブン調理
した時の環境物理量検出手段６の出力電圧の変化と調理
度合を示している。図１５（ａ）、図１６（ａ）および
図１７（ａ）は図１４（ａ）と同様に調理室内の湿度の
変化を示し、図１５（ｂ）、図１６（ｂ）および図１７
（ｂ）は調理室内の温度変化を示し、図１５（ｃ）、図
１６（ｃ）および図１７（ｃ）は調理室内のガス量変化
を示し、図１５（ｄ）、図１６（ｄ）および図１７
（ｄ）は調理度合を調理未終了と調理終了の２値状態で
示している。
る。図１４は、”パイ”をオーブン調理した時の環境物
理量検出手段８の出力電圧の変化を示している。図１４
（ａ）は調理室内の湿度の変化を示し、図１４（ｂ）は
調理室内の温度変化を示し、図１４（ｃ）は調理室内の
ガス量変化を示し、図１４（ｄ）は調理度合を示してい
る。図１５は”スポンジケーキ”、図１６は”ハンバー
グ”、図１７は”グラタン”を、それぞれオーブン調理
した時の環境物理量検出手段６の出力電圧の変化と調理
度合を示している。図１５（ａ）、図１６（ａ）および
図１７（ａ）は図１４（ａ）と同様に調理室内の湿度の
変化を示し、図１５（ｂ）、図１６（ｂ）および図１７
（ｂ）は調理室内の温度変化を示し、図１５（ｃ）、図
１６（ｃ）および図１７（ｃ）は調理室内のガス量変化
を示し、図１５（ｄ）、図１６（ｄ）および図１７
（ｄ）は調理度合を調理未終了と調理終了の２値状態で
示している。
【００４２】図１４、図１５から”パイ”と”スポンジ
ケーキ”では調理室内の温度変化は、それほど変わらな
いが、明かにガスの出方と調理室内の湿度変化が異なっ
ている。又、図１６、図１７から”ハンバーグ”と”グ
ラタン”においても、ガス量の変化が異なっている。自
動調理の対象となる調理メニューすべてについて実験を
しデータを採取した。そして、その実験デ−タを神経回
路網模式手段に入力し学習をさせた。
ケーキ”では調理室内の温度変化は、それほど変わらな
いが、明かにガスの出方と調理室内の湿度変化が異なっ
ている。又、図１６、図１７から”ハンバーグ”と”グ
ラタン”においても、ガス量の変化が異なっている。自
動調理の対象となる調理メニューすべてについて実験を
しデータを採取した。そして、その実験デ−タを神経回
路網模式手段に入力し学習をさせた。
【００４３】つまり、神経回路網模式手段へは環境物理
量手段６の調理室内の絶対湿度情報と、温度情報と、ガ
ス量情報の３つの入力情報と、理想出力として調理物の
メニューを入力し学習させ、神経回路網模式手段の中の
信号変換手段３１Ｘ、３１Ｙ、３１Ｚを確立し、それら
を神経回路網模式手段として調理物推定手段８に組み込
んでいる。また調理度合推定手段９の神経回路網模式手
段へも同様に環境物理量手段６の調理室内の絶対湿度情
報と、温度情報と、ガス量情報と調理物推定情報および
調理開始時からの経過時間情報の５入力情報と、理想出
力として調理物の調理度合を入力し学習させ、神経回路
網模式手段の中の信号変換手段３１Ｘ、３１Ｙ、３１Ｚ
を確立し、それらを神経回路網模式手段として調理度合
推定手段９に組み込んでいる。
量手段６の調理室内の絶対湿度情報と、温度情報と、ガ
ス量情報の３つの入力情報と、理想出力として調理物の
メニューを入力し学習させ、神経回路網模式手段の中の
信号変換手段３１Ｘ、３１Ｙ、３１Ｚを確立し、それら
を神経回路網模式手段として調理物推定手段８に組み込
んでいる。また調理度合推定手段９の神経回路網模式手
段へも同様に環境物理量手段６の調理室内の絶対湿度情
報と、温度情報と、ガス量情報と調理物推定情報および
調理開始時からの経過時間情報の５入力情報と、理想出
力として調理物の調理度合を入力し学習させ、神経回路
網模式手段の中の信号変換手段３１Ｘ、３１Ｙ、３１Ｚ
を確立し、それらを神経回路網模式手段として調理度合
推定手段９に組み込んでいる。
【００４４】つぎに、図１に示した構成ブロック図に基
づき動作を説明する。まず、調理物を調理室２に入れ
る。本実施例では、対象となる自動オーブン調理メニュ
ーとして、１２種類を考慮している。操作手段１３のオ
ーブン調理キー１３ａによりオーブン調理モードを選択
する。そして調理キー１３ｂにより調理が開始される。
制御手段５は、調理手段７を駆動すべく加熱開始信号を
出力する。そして調理室内の環境物理情報は環境物理量
検出手段６の出力がＡ／Ｄ変換手段１０、１１、１２で
ディジタル変換され、時々刻々調理物推定手段８と調理
度合推定手段９に入力されている。調理物推定手段８
は、これらの入力された信号・情報をもとに調理物が何
であるのかを推定し、その情報を制御手段５に出力し、
さらに制御手段５を介して調理度合推定手段９にも出力
している。調理物推定手段８は、調理室内の環境物理量
情報の変化から学習された神経回路網により調理メニュ
ーを推定するように動作する。制御手段５は、この推定
調理物情報で調理メニューが認識できたので、調理度合
推定手段９に調理物が何であるかの推定調理物情報を出
力する。調理度合推定手段９は、推定調理物情報と、環
境物理量情報と計時手段７からの調理開始からの経過時
間情報で推定調理メニューに応じた調理度合を推定して
いく。この調理度合推定手段９の調理度合推定情報は制
御手段５に出力されており、制御手段５はこの調理度合
推定情報で調理手段３を制御し出来上りを認識して調理
手段３を停止させる。
づき動作を説明する。まず、調理物を調理室２に入れ
る。本実施例では、対象となる自動オーブン調理メニュ
ーとして、１２種類を考慮している。操作手段１３のオ
ーブン調理キー１３ａによりオーブン調理モードを選択
する。そして調理キー１３ｂにより調理が開始される。
制御手段５は、調理手段７を駆動すべく加熱開始信号を
出力する。そして調理室内の環境物理情報は環境物理量
検出手段６の出力がＡ／Ｄ変換手段１０、１１、１２で
ディジタル変換され、時々刻々調理物推定手段８と調理
度合推定手段９に入力されている。調理物推定手段８
は、これらの入力された信号・情報をもとに調理物が何
であるのかを推定し、その情報を制御手段５に出力し、
さらに制御手段５を介して調理度合推定手段９にも出力
している。調理物推定手段８は、調理室内の環境物理量
情報の変化から学習された神経回路網により調理メニュ
ーを推定するように動作する。制御手段５は、この推定
調理物情報で調理メニューが認識できたので、調理度合
推定手段９に調理物が何であるかの推定調理物情報を出
力する。調理度合推定手段９は、推定調理物情報と、環
境物理量情報と計時手段７からの調理開始からの経過時
間情報で推定調理メニューに応じた調理度合を推定して
いく。この調理度合推定手段９の調理度合推定情報は制
御手段５に出力されており、制御手段５はこの調理度合
推定情報で調理手段３を制御し出来上りを認識して調理
手段３を停止させる。
【００４５】以上のように本実施例によれば、実際に自
動調理の対象となる調理メニューについて調理をし、調
理中の時々刻々の調理室内の温度情報と湿度情報とガス
量情報を、既に学習した神経回路網の複数の固定結合重
み係数を有する神経回路網模式手段を組み込んだ調理物
推定手段と調理度合推定手段を備えた構成としているの
で、調理物のメニューが認識でき、各々のメニューにつ
いて最適な調理シーケンスを駆動することができるの
で、従来に比べ、メニュー選択キーの数を集約すること
ができ、使い勝手上大変便利なものとなる。
動調理の対象となる調理メニューについて調理をし、調
理中の時々刻々の調理室内の温度情報と湿度情報とガス
量情報を、既に学習した神経回路網の複数の固定結合重
み係数を有する神経回路網模式手段を組み込んだ調理物
推定手段と調理度合推定手段を備えた構成としているの
で、調理物のメニューが認識でき、各々のメニューにつ
いて最適な調理シーケンスを駆動することができるの
で、従来に比べ、メニュー選択キーの数を集約すること
ができ、使い勝手上大変便利なものとなる。
【００４６】（実施例２）本実施例では、電子オーブン
レンジに応用した例について説明する。特にオーブン調
理においては、調理手段３として、ヒータを用いるので
商用電源電圧の電圧レベルが調理時に特に影響を与え
る。本実施例の構成は、図２に示すように、実施例１と
同様であるが、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段１４を有している点が異なる。この電
圧レベル検出手段１４の出力を調理物推定手段８と調理
度合推定手段９に入力することにより、調理物の種類と
調理度合の推定に、より精度をあげることができる。ま
た調理物推定手段８と調理度合推定手段９を構成する神
経回路網模式手段には、実際に自動調理の対象となる調
理物を調理した場合、商用電源電圧とともに調理物周辺
の環境物理量（絶対湿度）がどのように変化するかとい
うデータを収集し、調理物と調理物周辺の環境物理量
（絶対湿度データ）と商用電源電圧レベルとの関係を学
習し、簡単なルールで記述することが容易でない調理物
の推定の仕方を自然な形で表現することができる。本実
施例は、こうして得られた情報を組み込んで、調理物推
定手段８と調理度合推定手段９を構成するものである。
レンジに応用した例について説明する。特にオーブン調
理においては、調理手段３として、ヒータを用いるので
商用電源電圧の電圧レベルが調理時に特に影響を与え
る。本実施例の構成は、図２に示すように、実施例１と
同様であるが、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段１４を有している点が異なる。この電
圧レベル検出手段１４の出力を調理物推定手段８と調理
度合推定手段９に入力することにより、調理物の種類と
調理度合の推定に、より精度をあげることができる。ま
た調理物推定手段８と調理度合推定手段９を構成する神
経回路網模式手段には、実際に自動調理の対象となる調
理物を調理した場合、商用電源電圧とともに調理物周辺
の環境物理量（絶対湿度）がどのように変化するかとい
うデータを収集し、調理物と調理物周辺の環境物理量
（絶対湿度データ）と商用電源電圧レベルとの関係を学
習し、簡単なルールで記述することが容易でない調理物
の推定の仕方を自然な形で表現することができる。本実
施例は、こうして得られた情報を組み込んで、調理物推
定手段８と調理度合推定手段９を構成するものである。
【００４７】以上のように本実施例によれば、商用電源
電圧レベルは９０ｖから１１０ｖぐらいまで変動すると
いわれているが、調理物推定手段を構成する神経回路網
模式手段には、電源電圧が変動しても、環境物理量と商
用電源電圧レベルと調理物の関係をあらかじめ学習させ
た構成としているので、調理物の種類と調理度合を推定
する精度がより向上する。
電圧レベルは９０ｖから１１０ｖぐらいまで変動すると
いわれているが、調理物推定手段を構成する神経回路網
模式手段には、電源電圧が変動しても、環境物理量と商
用電源電圧レベルと調理物の関係をあらかじめ学習させ
た構成としているので、調理物の種類と調理度合を推定
する精度がより向上する。
【００４８】（実施例３）本実施例では、同様に電子オ
ーブンレンジに応用した例について説明する。本実施例
の構成は、図３に示すように、実施例１と同様である
が、調理物を載せる調理皿１５の位置を検出する皿位置
検出手段１６を設けた点が異なる。皿位置検出手段１６
は調理皿１５を調理室２内のどの棚１７に載せたかを検
出するものであり、本実施例ではマイクロスイッチより
構成されているが、皿位置を検出できるものであれば何
でも良く、本発明を拘束するものではない。調理物推定
手段８は環境物理量検出手段６、計時手段７、皿位置検
出手段１４の出力に基づき調理物が何であるのかを推定
するものであり、制御手段５は調理物推定手段８の出力
に基づき調理手段３を制御する。
ーブンレンジに応用した例について説明する。本実施例
の構成は、図３に示すように、実施例１と同様である
が、調理物を載せる調理皿１５の位置を検出する皿位置
検出手段１６を設けた点が異なる。皿位置検出手段１６
は調理皿１５を調理室２内のどの棚１７に載せたかを検
出するものであり、本実施例ではマイクロスイッチより
構成されているが、皿位置を検出できるものであれば何
でも良く、本発明を拘束するものではない。調理物推定
手段８は環境物理量検出手段６、計時手段７、皿位置検
出手段１４の出力に基づき調理物が何であるのかを推定
するものであり、制御手段５は調理物推定手段８の出力
に基づき調理手段３を制御する。
【００４９】つぎに、図３に示した構成ブロック図に基
づき動作を説明する。まず、調理物を調理皿１５にの
せ、あらかじめ決められた調理室２の棚１７にセットす
る。本実施例では、対象となる自動オーブン調理メニュ
ーとして、１２種類を考慮しており、”パイ”、”ケー
キ類”であれば、棚位置は下であり、”ハンバー
グ”、”グラタン”であれば、棚位置は上である。操作
手段１３のオーブン調理キー１３ａによりオーブン調理
モードを選択する。そして調理キー１３ｂにより調理が
開始される。制御手段５は、調理手段３を駆動すべく加
熱開始信号を出力する。又、皿位置検出手段１４の皿位
置情報は調理皿のセットされた棚位置であり、調理物推
定手段８に入力されている。そして調理室内の環境物理
量情報は環境物理量検出手段６の出力がＡ／Ｄ変換手段
９でディジタル変換され、時々刻々調理物推定手段８と
調理度合推定手段９に入力されている。調理物推定手段
８は、これらの入力された信号・情報をもとに調理物が
何であるのかを推定し、その情報を制御手段５に出力し
ている。そして制御手段５はこの推定調理物情報を調理
度合推定手段９に出力する。調理物推定手段８は、皿位
置検出情報により、調理物をどの調理カテゴリーに含ま
れるメニューなのかを大分類し、調理室内の環境物理量
情報の変化から詳細メニューを推定するように動作す
る。制御手段５は、この推定調理物情報で調理メニュー
が認識できたので、調理度合推定手段９に調理物が何で
あるかの推定調理物情報を出力する。調理度合推定手段
９は、推定調理物情報と、環境物理量情報と計時手段７
からの調理開始からの経過時間情報で推定調理メニュー
に応じた調理度合を推定していく。この調理度合推定手
段９の調理度合推定情報は制御手段５に出力されてお
り、制御手段５はこの調理度合推定情報で調理手段３を
制御し出来上りを認識して調理手段３を停止させる。以
上のように本実施例によれば、実際に自動調理の対象と
なる調理メニューについて調理をし、セットされた調理
皿の棚位置と、調理中の時々刻々の調理室内の温度情報
と湿度情報とガス量情報を、既に学習した複数の固定結
合重み係数を有する神経回路網模式手段を組み込んだ調
理物推定手段を備えた構成としているので、調理メニュ
ーを認識数が大幅に増え、かつ調理度合推定手段を備え
ていることより、そのメニューに対応して最適な調理シ
ーケンスを駆動することができるので、従来に比べ、メ
ニュー選択キーの数を集約することができ、使い勝手上
大変便利なものとなる。また出来上りも向上する。
づき動作を説明する。まず、調理物を調理皿１５にの
せ、あらかじめ決められた調理室２の棚１７にセットす
る。本実施例では、対象となる自動オーブン調理メニュ
ーとして、１２種類を考慮しており、”パイ”、”ケー
キ類”であれば、棚位置は下であり、”ハンバー
グ”、”グラタン”であれば、棚位置は上である。操作
手段１３のオーブン調理キー１３ａによりオーブン調理
モードを選択する。そして調理キー１３ｂにより調理が
開始される。制御手段５は、調理手段３を駆動すべく加
熱開始信号を出力する。又、皿位置検出手段１４の皿位
置情報は調理皿のセットされた棚位置であり、調理物推
定手段８に入力されている。そして調理室内の環境物理
量情報は環境物理量検出手段６の出力がＡ／Ｄ変換手段
９でディジタル変換され、時々刻々調理物推定手段８と
調理度合推定手段９に入力されている。調理物推定手段
８は、これらの入力された信号・情報をもとに調理物が
何であるのかを推定し、その情報を制御手段５に出力し
ている。そして制御手段５はこの推定調理物情報を調理
度合推定手段９に出力する。調理物推定手段８は、皿位
置検出情報により、調理物をどの調理カテゴリーに含ま
れるメニューなのかを大分類し、調理室内の環境物理量
情報の変化から詳細メニューを推定するように動作す
る。制御手段５は、この推定調理物情報で調理メニュー
が認識できたので、調理度合推定手段９に調理物が何で
あるかの推定調理物情報を出力する。調理度合推定手段
９は、推定調理物情報と、環境物理量情報と計時手段７
からの調理開始からの経過時間情報で推定調理メニュー
に応じた調理度合を推定していく。この調理度合推定手
段９の調理度合推定情報は制御手段５に出力されてお
り、制御手段５はこの調理度合推定情報で調理手段３を
制御し出来上りを認識して調理手段３を停止させる。以
上のように本実施例によれば、実際に自動調理の対象と
なる調理メニューについて調理をし、セットされた調理
皿の棚位置と、調理中の時々刻々の調理室内の温度情報
と湿度情報とガス量情報を、既に学習した複数の固定結
合重み係数を有する神経回路網模式手段を組み込んだ調
理物推定手段を備えた構成としているので、調理メニュ
ーを認識数が大幅に増え、かつ調理度合推定手段を備え
ていることより、そのメニューに対応して最適な調理シ
ーケンスを駆動することができるので、従来に比べ、メ
ニュー選択キーの数を集約することができ、使い勝手上
大変便利なものとなる。また出来上りも向上する。
【００５０】（実施例４）本実施例では、電子オーブン
レンジに応用した例について説明する。構成は図４に示
すように、実施例１による調理物の推定を、より精度を
向上させるために商用電源電圧の電圧レベルを検出する
電圧レベル検出手段１４と、調理室２にセットされる調
理皿１５の位置を検出する皿位置検出手段１６の情報を
調理物推定手段８に入力することにより実現している。
具体的な内容は実施例１、実施例２、および実施例３で
説明したので省略する。効果は、電圧レベル検出手段１
４と皿位置検出手段１６を備えているので、調理物の推
定と調理度合推定の精度は実施例２の場合と同様により
向上する。
レンジに応用した例について説明する。構成は図４に示
すように、実施例１による調理物の推定を、より精度を
向上させるために商用電源電圧の電圧レベルを検出する
電圧レベル検出手段１４と、調理室２にセットされる調
理皿１５の位置を検出する皿位置検出手段１６の情報を
調理物推定手段８に入力することにより実現している。
具体的な内容は実施例１、実施例２、および実施例３で
説明したので省略する。効果は、電圧レベル検出手段１
４と皿位置検出手段１６を備えているので、調理物の推
定と調理度合推定の精度は実施例２の場合と同様により
向上する。
【００５１】（実施例５）本実施例では、調理器具とし
て、電子レンジに応用した例について説明する。構成を
図５に示す。実施例１とほぼ同様の構成であるが、調理
物固有の物理量を検出する固有物理量検出手段１８を設
けた点が異なる。そして調理物推定手段８と調理度合推
定手段９には、調理中に生じる調理物からの環境物理量
だけでなく、調理物固有の物理量をも学習させている。
固有物理量検出手段１８は、本実施例では調理物の重量
を検出するものであり、重量センサ等で構成されてい
る。これは、重量を検出できるものであれば良く、本発
明を拘束するものではない。
て、電子レンジに応用した例について説明する。構成を
図５に示す。実施例１とほぼ同様の構成であるが、調理
物固有の物理量を検出する固有物理量検出手段１８を設
けた点が異なる。そして調理物推定手段８と調理度合推
定手段９には、調理中に生じる調理物からの環境物理量
だけでなく、調理物固有の物理量をも学習させている。
固有物理量検出手段１８は、本実施例では調理物の重量
を検出するものであり、重量センサ等で構成されてい
る。これは、重量を検出できるものであれば良く、本発
明を拘束するものではない。
【００５２】実際に学習させたデ−タについて説明す
る。図１８は、”パイ”をオーブン調理した時の環境物
理量検出手段８の出力電圧の変化を示している。図１８
（ａ）は調理室内の湿度の変化を示し、図１８（ｂ）は
調理室内の温度変化を示し、図１８（ｃ）は調理室内の
ガス量変化を示し、図１８（ｄ）は重量量変化を示し、
図１８（ｅ）は調理度合を示している。図１９は”スポ
ンジケーキ”、図２０は”ハンバーグ”、図２１は”グ
ラタン”を、それぞれオーブン調理した時の環境物理量
検出手段６の出力電圧の変化と固有物理量検出手段１８
の出力電圧と調理度合を示している。図１９（ａ）、図
２０（ａ）および図２１（ａ）は図１８（ａ）と同様に
調理室内の湿度の変化を示し、図１９（ｂ）、図２０
（ｂ）および図２１（ｂ）は調理室内の温度変化を示
し、図１９（ｃ）、図２０（ｃ）および図２１（ｃ）は
調理室内のガス量変化を示し、図１９（ｄ）、図２０
（ｄ）および図２１（ｄ）は調理物の重量変化を示し、
図１９（ｅ）、図２０（ｅ）および図２１（ｅ）は調理
度合を調理未終了と調理終了の２値状態で示している。
図１８、図１９から”パイ”と”スポンジケーキ”で
は調理室内の温度変化は、それほど変わらないが、明か
にガスの出方と調理室内の湿度変化が異なっている。さ
らに重量変化にも差異がみられる。又、図２０、図２１
から”ハンバーグ”と”グラタン”においても、ガス量
の変化が異なっており、重量変化も異なる。自動調理の
対象となる調理メニューすべてについて実験をしデータ
を採取した。そして、その実験デ−タを神経回路網模式
手段に入力し学習をさせた。
る。図１８は、”パイ”をオーブン調理した時の環境物
理量検出手段８の出力電圧の変化を示している。図１８
（ａ）は調理室内の湿度の変化を示し、図１８（ｂ）は
調理室内の温度変化を示し、図１８（ｃ）は調理室内の
ガス量変化を示し、図１８（ｄ）は重量量変化を示し、
図１８（ｅ）は調理度合を示している。図１９は”スポ
ンジケーキ”、図２０は”ハンバーグ”、図２１は”グ
ラタン”を、それぞれオーブン調理した時の環境物理量
検出手段６の出力電圧の変化と固有物理量検出手段１８
の出力電圧と調理度合を示している。図１９（ａ）、図
２０（ａ）および図２１（ａ）は図１８（ａ）と同様に
調理室内の湿度の変化を示し、図１９（ｂ）、図２０
（ｂ）および図２１（ｂ）は調理室内の温度変化を示
し、図１９（ｃ）、図２０（ｃ）および図２１（ｃ）は
調理室内のガス量変化を示し、図１９（ｄ）、図２０
（ｄ）および図２１（ｄ）は調理物の重量変化を示し、
図１９（ｅ）、図２０（ｅ）および図２１（ｅ）は調理
度合を調理未終了と調理終了の２値状態で示している。
図１８、図１９から”パイ”と”スポンジケーキ”で
は調理室内の温度変化は、それほど変わらないが、明か
にガスの出方と調理室内の湿度変化が異なっている。さ
らに重量変化にも差異がみられる。又、図２０、図２１
から”ハンバーグ”と”グラタン”においても、ガス量
の変化が異なっており、重量変化も異なる。自動調理の
対象となる調理メニューすべてについて実験をしデータ
を採取した。そして、その実験デ−タを神経回路網模式
手段に入力し学習をさせた。
【００５３】つまり、神経回路網模式手段へは環境物理
量手段６の調理室内の絶対湿度情報と、温度情報と、ガ
ス量情報および調理物の重量情報の４つの入力情報と、
理想出力として調理物のメニューを入力し学習させ、神
経回路網模式手段の中の信号変換手段３１Ｘ、３１Ｙ、
３１Ｚを確立し、それらを神経回路網模式手段として調
理物推定手段８に組み込んでいる。また調理度合推定手
段９の神経回路網模式手段へも同様に環境物理量手段６
の調理室内の絶対湿度情報と、温度情報と、ガス量情報
と調理物の重量情報と調理物推定情報および調理開始時
からの経過時間情報の６入力情報と、理想出力として調
理物の調理度合を入力し学習させ、神経回路網模式手段
の中の信号変換手段３１Ｘ、３１Ｙ、３１Ｚを確立し、
それらを神経回路網模式手段として調理度合推定手段９
に組み込んでいる。
量手段６の調理室内の絶対湿度情報と、温度情報と、ガ
ス量情報および調理物の重量情報の４つの入力情報と、
理想出力として調理物のメニューを入力し学習させ、神
経回路網模式手段の中の信号変換手段３１Ｘ、３１Ｙ、
３１Ｚを確立し、それらを神経回路網模式手段として調
理物推定手段８に組み込んでいる。また調理度合推定手
段９の神経回路網模式手段へも同様に環境物理量手段６
の調理室内の絶対湿度情報と、温度情報と、ガス量情報
と調理物の重量情報と調理物推定情報および調理開始時
からの経過時間情報の６入力情報と、理想出力として調
理物の調理度合を入力し学習させ、神経回路網模式手段
の中の信号変換手段３１Ｘ、３１Ｙ、３１Ｚを確立し、
それらを神経回路網模式手段として調理度合推定手段９
に組み込んでいる。
【００５４】以上のように本実施例によれば、実際に自
動調理の対象となる調理メニューについて調理をし、調
理中の時々刻々の調理室内の温度情報と湿度情報とガス
量情報と調理物の重量情報および調理開始からの経過時
間情報を、既に学習した複数の固定結合重み係数を有す
る神経回路網模式手段を組み込んだ調理物推定手段と調
理度合推定手段を備えた構成としているので、調理物の
メニューが認識でき、かつ各々のメニューについて最適
な調理の出来映えを実現することができ、従来に比べ、
メニュー選択キーの数を集約することができるとともに
調理性能を向上させることができる。
動調理の対象となる調理メニューについて調理をし、調
理中の時々刻々の調理室内の温度情報と湿度情報とガス
量情報と調理物の重量情報および調理開始からの経過時
間情報を、既に学習した複数の固定結合重み係数を有す
る神経回路網模式手段を組み込んだ調理物推定手段と調
理度合推定手段を備えた構成としているので、調理物の
メニューが認識でき、かつ各々のメニューについて最適
な調理の出来映えを実現することができ、従来に比べ、
メニュー選択キーの数を集約することができるとともに
調理性能を向上させることができる。
【００５５】（実施例６）本実施例では、電子オーブン
レンジに応用した例について説明する。特にオーブン調
理においては、調理手段３として、ヒータを用いるので
商用電源電圧の電圧レベルが調理時に特に影響を与え
る。本実施例の構成は、図２に示すように、実施例５と
同様であるが、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段１４を有している点が異なる。具体的
な内容は、実施例２および実施例５と同様であり、実施
例２および実施例５と同様の効果が得られる。
レンジに応用した例について説明する。特にオーブン調
理においては、調理手段３として、ヒータを用いるので
商用電源電圧の電圧レベルが調理時に特に影響を与え
る。本実施例の構成は、図２に示すように、実施例５と
同様であるが、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段１４を有している点が異なる。具体的
な内容は、実施例２および実施例５と同様であり、実施
例２および実施例５と同様の効果が得られる。
【００５６】（実施例７）本実施例では、同様に電子オ
ーブンレンジに応用した例について説明する。本実施例
の構成は、図７に示すように、実施例５と同様である
が、調理物を載せる調理皿１５の位置を検出する皿位置
検出手段１６を設けた点が異なる。具体的な内容は、実
施例３および実施例５と同様であり、実施例３および実
施例５と同様の効果が得られる。
ーブンレンジに応用した例について説明する。本実施例
の構成は、図７に示すように、実施例５と同様である
が、調理物を載せる調理皿１５の位置を検出する皿位置
検出手段１６を設けた点が異なる。具体的な内容は、実
施例３および実施例５と同様であり、実施例３および実
施例５と同様の効果が得られる。
【００５７】（実施例８）本実施例では、電子オーブン
レンジに応用した例について説明する。構成は図８に示
すように、実施例５による調理物の推定を、より精度を
向上させるために商用電源電圧の電圧レベルを検出する
電圧レベル検出手段１４と、調理室２にセットされる調
理皿１５の位置を検出する皿位置検出手段１６の情報を
調理物推定手段８に入力することにより実現している。
具体的な内容は実施例１、実施例２、実施例３および実
施例５で説明したので省略する。効果は、電圧レベル検
出手段１４と皿位置検出手段１６を備えているので、調
理物の推定と調理度合推定の精度は実施例２の場合と同
様により向上する。
レンジに応用した例について説明する。構成は図８に示
すように、実施例５による調理物の推定を、より精度を
向上させるために商用電源電圧の電圧レベルを検出する
電圧レベル検出手段１４と、調理室２にセットされる調
理皿１５の位置を検出する皿位置検出手段１６の情報を
調理物推定手段８に入力することにより実現している。
具体的な内容は実施例１、実施例２、実施例３および実
施例５で説明したので省略する。効果は、電圧レベル検
出手段１４と皿位置検出手段１６を備えているので、調
理物の推定と調理度合推定の精度は実施例２の場合と同
様により向上する。
【００５８】以上の実施例では、制御手段５、計時手段
７、調理物推定手段８および調理度合推定手段９は、す
べて４ビットマイクロコンピュータで構成したが、これ
らは１つのマイクロコンピュータで構成することはもち
ろん可能である。なお、調理物推定手段９には環境物理
量情報として温度情報、湿度情報、ガス情報等を適切に
加工して入力し、固有物理量情報として重量情報を加工
して入力しているが、この限定は本発明を拘束するもの
でなく加工方法を変えたり、情報量を増やして推定の精
度を向上させることは可能である。また、環境物理量情
報として上記の以外にも、温度情報、煙情報、調理物か
らでるにおい情報や調理物の色情報などでも適用でき、
また固有物理量情報として上記以外にも調理物の形状、
体積、高さ等の情報も適用できる。また相互に事前に演
算を施し加工した値を入力しても同様の効果が得られ、
複数のセンサを用いれば更に精度が向上する。また、本
実施例では、調理室を持つ電子レンジ、電子オーブンレ
ンジについて説明したが、ガステーブル、電磁調理器な
どの調理室を持たない調理器具にも適用できる。さらに
本実施例では、電子レンジの再加熱機能や、オーブンレ
ンジでのお菓子の調理を説明したが、惣菜やレンジ料理
の煮込み、下ごしらえにも適用できる。
７、調理物推定手段８および調理度合推定手段９は、す
べて４ビットマイクロコンピュータで構成したが、これ
らは１つのマイクロコンピュータで構成することはもち
ろん可能である。なお、調理物推定手段９には環境物理
量情報として温度情報、湿度情報、ガス情報等を適切に
加工して入力し、固有物理量情報として重量情報を加工
して入力しているが、この限定は本発明を拘束するもの
でなく加工方法を変えたり、情報量を増やして推定の精
度を向上させることは可能である。また、環境物理量情
報として上記の以外にも、温度情報、煙情報、調理物か
らでるにおい情報や調理物の色情報などでも適用でき、
また固有物理量情報として上記以外にも調理物の形状、
体積、高さ等の情報も適用できる。また相互に事前に演
算を施し加工した値を入力しても同様の効果が得られ、
複数のセンサを用いれば更に精度が向上する。また、本
実施例では、調理室を持つ電子レンジ、電子オーブンレ
ンジについて説明したが、ガステーブル、電磁調理器な
どの調理室を持たない調理器具にも適用できる。さらに
本実施例では、電子レンジの再加熱機能や、オーブンレ
ンジでのお菓子の調理を説明したが、惣菜やレンジ料理
の煮込み、下ごしらえにも適用できる。
【００５９】
【発明の効果】以上の実施例から明らかなように本発明
によれば、調理物を調理する調理手段と、調理物周辺の
環境を検出する環境物理量検出手段と、前記調理物の固
有物理量を検出する調理物固有物理量検出手段と、前記
環境物理量検出手段と前記調理物固有物理量検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力に基づき前記調理手段を制御
する制御手段とからなるから、調理物の種類を自動的に
認識し、かつその調理物にあった調理の出来上りも認識
するので、操作キーの集約と同時に出来上りも向上す
る。
によれば、調理物を調理する調理手段と、調理物周辺の
環境を検出する環境物理量検出手段と、前記調理物の固
有物理量を検出する調理物固有物理量検出手段と、前記
環境物理量検出手段と前記調理物固有物理量検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力に基づき前記調理手段を制御
する制御手段とからなるから、調理物の種類を自動的に
認識し、かつその調理物にあった調理の出来上りも認識
するので、操作キーの集約と同時に出来上りも向上す
る。
【００６０】また調理物を調理する調理手段と、調理物
周辺の環境物理量を検出する環境物理量検出手段と、商
用電源電圧の電圧レベルを検出する電圧レベル検出手段
と、前記環境物理量検出手段、前記電圧レベル検出手段
の出力に基づき前記調理物を推定する調理物推定手段
と、前記調理物推定手段の出力と前記環境物理量推定手
段の出力および前記電圧レベル検出手段の出力に基づき
調理物の調理度合を推定する調理度合推定手段と、前記
調理度合推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなるから、電源電圧の変動が生じて
も、調理物の自動認識と出来上り検出が可能となる。
周辺の環境物理量を検出する環境物理量検出手段と、商
用電源電圧の電圧レベルを検出する電圧レベル検出手段
と、前記環境物理量検出手段、前記電圧レベル検出手段
の出力に基づき前記調理物を推定する調理物推定手段
と、前記調理物推定手段の出力と前記環境物理量推定手
段の出力および前記電圧レベル検出手段の出力に基づき
調理物の調理度合を推定する調理度合推定手段と、前記
調理度合推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなるから、電源電圧の変動が生じて
も、調理物の自動認識と出来上り検出が可能となる。
【００６１】また調理物を調理する調理手段と、調理皿
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、前記皿位置検
出手段の出力と前記環境物理量検出手段との出力に基づ
き前記調理物を推定する調理物推定手段と、前記調理物
推定手段の出力と前記環境物理量推定手段の出力に基づ
き調理物の調理度合を推定する調理度合推定手段と、前
記調理度合推定手段の出力に基づき前記調理手段を制御
する制御手段とからなるから、調理カテゴリーごとに調
理物が認識できるので、調理物の総認識数が増え自動調
理の対象となるメニューを増やすことができる。
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、前記皿位置検
出手段の出力と前記環境物理量検出手段との出力に基づ
き前記調理物を推定する調理物推定手段と、前記調理物
推定手段の出力と前記環境物理量推定手段の出力に基づ
き調理物の調理度合を推定する調理度合推定手段と、前
記調理度合推定手段の出力に基づき前記調理手段を制御
する制御手段とからなるから、調理カテゴリーごとに調
理物が認識できるので、調理物の総認識数が増え自動調
理の対象となるメニューを増やすことができる。
【００６２】また調理物を調理する調理手段と、調理皿
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、商用電源電圧
の電圧レベルを検出する電圧レベル検出手段と、前記皿
位置検出手段の出力と前記環境物理量検出手段の出力お
よび前記電圧レベル検出手段の出力に基づき前記調理物
を推定する調理物推定手段と、前記調理物推定手段の出
力と前記環境物理量推定手段の出力および前記電圧レベ
ル検出手段の出力に基づき調理物の調理度合を推定する
調理度合推定手段と、前記調理度合推定手段の出力に基
づき前記調理手段を制御する制御手段とからなるから、
電源電圧が変動しても調理物の種類の自動認識や出来上
り検出が可能となり、さらに調理カテゴリーごとに調理
物が認識できるので、調理物の総認識数が増え自動調理
の対象となるメニューを増やすことができる。
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、商用電源電圧
の電圧レベルを検出する電圧レベル検出手段と、前記皿
位置検出手段の出力と前記環境物理量検出手段の出力お
よび前記電圧レベル検出手段の出力に基づき前記調理物
を推定する調理物推定手段と、前記調理物推定手段の出
力と前記環境物理量推定手段の出力および前記電圧レベ
ル検出手段の出力に基づき調理物の調理度合を推定する
調理度合推定手段と、前記調理度合推定手段の出力に基
づき前記調理手段を制御する制御手段とからなるから、
電源電圧が変動しても調理物の種類の自動認識や出来上
り検出が可能となり、さらに調理カテゴリーごとに調理
物が認識できるので、調理物の総認識数が増え自動調理
の対象となるメニューを増やすことができる。
【００６３】また調理物を調理する調理手段と、調理物
周辺の環境物理量を検出する環境物理量検出手段と、前
記調理物の固有物理量を検出する固有物理量検出手段
と、前記環境物理量検出手段の出力と前記固有物理量検
出手段との出力に基づき前記調理物を推定する調理物推
定手段と、前記調理物推定手段の出力と前記環境物理量
推定手段の出力および前記固有物理量検出手段の出力と
に基づき調理物の調理度合を推定する調理度合推定手段
と、前記調理度合推定手段の出力に基づき前記調理手段
を制御する制御手段とからなるから、調理物の種類の自
動認識や出来上り検出の精度が向上する。
周辺の環境物理量を検出する環境物理量検出手段と、前
記調理物の固有物理量を検出する固有物理量検出手段
と、前記環境物理量検出手段の出力と前記固有物理量検
出手段との出力に基づき前記調理物を推定する調理物推
定手段と、前記調理物推定手段の出力と前記環境物理量
推定手段の出力および前記固有物理量検出手段の出力と
に基づき調理物の調理度合を推定する調理度合推定手段
と、前記調理度合推定手段の出力に基づき前記調理手段
を制御する制御手段とからなるから、調理物の種類の自
動認識や出来上り検出の精度が向上する。
【００６４】また調理物を調理する調理手段と、調理物
周辺の環境物理量を検出する環境物理量検出手段と、前
記調理物の固有物理量を検出する固有物理量検出手段
と、商用電源電圧の電圧レベルを検出する電圧レベル検
出手段と、前記環境物理量検出手段の出力と前記固有物
理量検出手段の出力および前記電圧レベル検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力と前記環境物理量推定手段の出
力と前記固有物理量検出手段の出力および前記電圧レベ
ル検出手段の出力に基づき調理物の調理度合を推定する
調理度合推定手段と、前記調理度合推定手段の出力に基
づき前記調理手段を制御する制御手段とからなるから、
電源電圧の変動が生じても、調理物の自動認識と出来上
り検出がより精度よく可能となる。
周辺の環境物理量を検出する環境物理量検出手段と、前
記調理物の固有物理量を検出する固有物理量検出手段
と、商用電源電圧の電圧レベルを検出する電圧レベル検
出手段と、前記環境物理量検出手段の出力と前記固有物
理量検出手段の出力および前記電圧レベル検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力と前記環境物理量推定手段の出
力と前記固有物理量検出手段の出力および前記電圧レベ
ル検出手段の出力に基づき調理物の調理度合を推定する
調理度合推定手段と、前記調理度合推定手段の出力に基
づき前記調理手段を制御する制御手段とからなるから、
電源電圧の変動が生じても、調理物の自動認識と出来上
り検出がより精度よく可能となる。
【００６５】また調理物を調理する調理手段と、調理皿
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、前記調理物の
固有物理量を検出する固有物理量検出手段と、前記皿位
置検出手段の出力と前記環境物理量検出手段の出力と前
記固有物理量検出手段との出力に基づき前記調理物を推
定する調理物推定手段と、前記調理物推定手段の出力と
前記環境物理量推定手段の出力および前記固有物理量検
出手段の出力とに基づき調理物の調理度合を推定する調
理度合推定手段と、前記調理度合推定手段の出力に基づ
き前記調理手段を制御する制御手段とからなるから、調
理物の種類の自動認識や出来上り検出の精度が向上す
る。また調理カテゴリーごとに調理物が認識できるの
で、調理物の総認識数が増え自動調理の対象となるメニ
ューを増やすことができる。
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、前記調理物の
固有物理量を検出する固有物理量検出手段と、前記皿位
置検出手段の出力と前記環境物理量検出手段の出力と前
記固有物理量検出手段との出力に基づき前記調理物を推
定する調理物推定手段と、前記調理物推定手段の出力と
前記環境物理量推定手段の出力および前記固有物理量検
出手段の出力とに基づき調理物の調理度合を推定する調
理度合推定手段と、前記調理度合推定手段の出力に基づ
き前記調理手段を制御する制御手段とからなるから、調
理物の種類の自動認識や出来上り検出の精度が向上す
る。また調理カテゴリーごとに調理物が認識できるの
で、調理物の総認識数が増え自動調理の対象となるメニ
ューを増やすことができる。
【００６６】また調理物を調理する調理手段と、調理皿
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、前記調理物の
固有物理量を検出する固有物理量検出手段と、商用電源
電圧の電圧レベルを検出する電圧レベル検出手段と、前
記皿位置検出手段の出力と前記環境物理量検出手段の出
力と前記固有物理量検出手段の出力および前記電圧レベ
ル検出手段の出力に基づき前記調理物を推定する調理物
推定手段と、前記調理物推定手段の出力と前記環境物理
量推定手段の出力と前記固有物理量検出手段の出力およ
び前記電圧レベル検出手段の出力に基づき調理物の調理
度合を推定する調理度合推定手段と、前記調理度合推定
手段の出力に基づき前記調理手段を制御する制御手段と
からなるから、調理物の種類の自動認識や出来上り検出
の精度が向上する。また電源電圧が変動しても調理物の
種類の自動認識や出来上り検出が可能となり、さらに調
理カテゴリーごとに調理物が認識できるので、調理物の
総認識数が増え自動調理の対象となるメニューを増やす
ことができる。
の位置を検出する皿位置検出手段と、調理物周辺の環境
物理量を検出する環境物理量検出手段と、前記調理物の
固有物理量を検出する固有物理量検出手段と、商用電源
電圧の電圧レベルを検出する電圧レベル検出手段と、前
記皿位置検出手段の出力と前記環境物理量検出手段の出
力と前記固有物理量検出手段の出力および前記電圧レベ
ル検出手段の出力に基づき前記調理物を推定する調理物
推定手段と、前記調理物推定手段の出力と前記環境物理
量推定手段の出力と前記固有物理量検出手段の出力およ
び前記電圧レベル検出手段の出力に基づき調理物の調理
度合を推定する調理度合推定手段と、前記調理度合推定
手段の出力に基づき前記調理手段を制御する制御手段と
からなるから、調理物の種類の自動認識や出来上り検出
の精度が向上する。また電源電圧が変動しても調理物の
種類の自動認識や出来上り検出が可能となり、さらに調
理カテゴリーごとに調理物が認識できるので、調理物の
総認識数が増え自動調理の対象となるメニューを増やす
ことができる。
【００６７】また調理物推定手段と調理度合推定手段
は、複数の神経素子より構成される神経回路網をモデル
化し学習によって得られ、調理物の種類および調理度合
を推定する複数の固定された結合重み係数を内部に持つ
神経回路網模式手段を有し、または、複数の神経素子よ
り構成される層が多数組み合わされて構築される階層型
の神経回路網模式手段を有するから、自動調理の対象と
なる学習させた調理メニューについては、調理物の種類
と調理度合の推定ができ自動調理が可能となり、調理メ
ニュー選択の操作が不要な使い勝手の良く、調理性能の
良い調理器具を提供できる。
は、複数の神経素子より構成される神経回路網をモデル
化し学習によって得られ、調理物の種類および調理度合
を推定する複数の固定された結合重み係数を内部に持つ
神経回路網模式手段を有し、または、複数の神経素子よ
り構成される層が多数組み合わされて構築される階層型
の神経回路網模式手段を有するから、自動調理の対象と
なる学習させた調理メニューについては、調理物の種類
と調理度合の推定ができ自動調理が可能となり、調理メ
ニュー選択の操作が不要な使い勝手の良く、調理性能の
良い調理器具を提供できる。
【図１】本発明の一実施例の調理器具の構成ブロック図
【図２】本発明の他の実施例の調理器具の構成ブロック
図
図
【図３】本発明の他の実施例の調理器具の構成ブロック
図
図
【図４】本発明の他の実施例の調理器具の構成ブロック
図
図
【図５】本発明の他の実施例の調理器具の構成ブロック
図
図
【図６】本発明の他の実施例の調理器具の構成ブロック
図
図
【図７】本発明の他の実施例の調理器具の構成ブロック
図
図
【図８】本発明の他の実施例の調理器具の構成ブロック
図
図
【図９】本発明の一実施例の調理器具に用いた操作部の
構成図
構成図
【図１０】同調理器具に用いた神経回路網模式手段の構
成単位となる神経素子の概念図
成単位となる神経素子の概念図
【図１１】同調理器具に用いた神経素子で構成した信号
変換手段の概念図
変換手段の概念図
【図１２】同調理器具に用いた学習アルゴリズムとして
誤差逆伝搬法を採用した信号処理手段のブロック図
誤差逆伝搬法を採用した信号処理手段のブロック図
【図１３】同調理器具に用いた神経回路網模式手段を用
いた多層パーセプトロンの構成を示すブロック図
いた多層パーセプトロンの構成を示すブロック図
【図１４】図１の構成ブロック図に基づく調理器具の実
験データの一例を示す図
験データの一例を示す図
【図１５】同調理器具の実験データの他の例を示す図
【図１６】同調理器具の実験データの他の例を示す図
【図１７】同調理器具の実験データの他の例を示す図
【図１８】図５の構成ブロック図に基づく調理器具の実
験データの一例を示す図
験データの一例を示す図
【図１９】同調理器具の実験データの他の例を示す図
【図２０】同調理器具の実験データの他の例を示す図
【図２１】同調理器具の実験データの他の例を示す図
【図２２】従来の調理器具の構成ブロック図
１ 調理器具 ３ 調理手段 ５ 制御手段 ６ 環境物理量検出手段 ８ 調理物推定手段 ９ 調理度合推定手段 １４ 電圧レベル検出手段 １５ 調理皿 １６ 皿位置検出手段 １８ 固有物理量検出手段
───────────────────────────────────────────────────── フロントページの続き (72)発明者 黄地 謙三 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (72)発明者 中 基孫 神奈川県川崎市多摩区東三田３丁目10番 １号 松下技研株式会社内 (56)参考文献 特開 平４−292714（ＪＰ，Ａ) 特開 平４−297723（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) F24C 7/02 310
Claims (10)
- 【請求項１】調理物を調理する調理手段と、調理物周辺
の環境物理量を検出する環境物理量検出手段と、前記環
境物理量検出手段の出力に基づき前記調理物を推定する
調理物推定手段と、前記調理物推定手段の出力と前記環
境物理量推定手段の出力に基づき調理物の調理度合を推
定する調理度合推定手段と、前記調理度合推定手段の出
力に基づき前記調理手段を制御する制御手段とからなる
調理器具。 - 【請求項２】調理物を調理する調理手段と、調理物周辺
の環境物理量を検出する環境物理量検出手段と、商用電
源電圧の電圧レベルを検出する電圧レベル検出手段と、
前記環境物理量検出手段、前記電圧レベル検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力と前記環境物理量推定手段の出
力および前記電圧レベル検出手段の出力に基づき調理物
の調理度合を推定する調理度合推定手段と、前記調理度
合推定手段の出力に基づき前記調理手段を制御する制御
手段とからなる調理器具。 - 【請求項３】調理物を調理する調理手段と、調理皿の位
置を検出する皿位置検出手段と、調理物周辺の環境物理
量を検出する環境物理量検出手段と、前記皿位置検出手
段の出力と前記環境物理量検出手段との出力に基づき前
記調理物を推定する調理物推定手段と、前記調理物推定
手段の出力と前記環境物理量検出手段の出力に基づき調
理物の調理度合を推定する調理度合推定手段と、前記調
理度合推定手段の出力に基づき前記調理手段を制御する
制御手段とからなる調理器具。 - 【請求項４】調理物を調理する調理手段と、調理皿の位
置を検出する皿位置検出手段と、調理物周辺の環境物理
量を検出する環境物理量検出手段と、商用電源電圧の電
圧レベルを検出する電圧レベル検出手段と、前記皿位置
検出手段の出力と前記環境物理量検出手段の出力および
前記電圧レベル検出手段の出力に基づき前記調理物を推
定する調理物推定手段と、前記調理物推定手段の出力と
前記環境物理量推定手段の出力および前記電圧レベル検
出手段の出力に基づき調理物の調理度合を推定する調理
度合推定手段と、前記調理度合推定手段の出力に基づき
前記調理手段を制御する制御手段とからなる調理器具。 - 【請求項５】調理物を調理する調理手段と、調理物周辺
の環境物理量を検出する環境物理量検出手段と、前記調
理物の固有物理量を検出する固有物理量検出手段と、前
記環境物理量検出手段の出力と前記固有物理量検出手段
との出力に基づき前記調理物を推定する調理物推定手段
と、前記調理物推定手段の出力と前記環境物理量推定手
段の出力および前記固有物理量検出手段の出力とに基づ
き調理物の調理度合を推定する調理度合推定手段と、前
記調理度合推定手段の出力に基づき前記調理手段を制御
する制御手段とからなる調理器具。 - 【請求項６】調理物を調理する調理手段と、調理物周辺
の環境物理量を検出する環境物理量検出手段と、前記調
理物の固有物理量を検出する固有物理量検出手段と、商
用電源電圧の電圧レベルを検出する電圧レベル検出手段
と、前記環境物理量検出手段の出力と前記固有物理量検
出手段の出力および前記電圧レベル検出手段の出力に基
づき前記調理物を推定する調理物推定手段と、前記調理
物推定手段の出力と前記環境物理量推定手段の出力と前
記固有物理量検出手段の出力および前記電圧レベル検出
手段の出力に基づき調理物の調理度合を推定する調理度
合推定手段と、前記調理度合推定手段の出力に基づき前
記調理手段を制御する制御手段とからなる調理器具。 - 【請求項７】調理物を調理する調理手段と、調理皿の位
置を検出する皿位置検出手段と、調理物周辺の環境物理
量を検出する環境物理量検出手段と、前記調理物の固有
物理量を検出する固有物理量検出手段と、前記皿位置検
出手段の出力と前記環境物理量検出手段の出力と前記固
有物理量検出手段との出力に基づき前記調理物を推定す
る調理物推定手段と、前記調理物推定手段の出力と前記
環境物理量推定手段の出力および前記固有物理量検出手
段の出力とに基づき調理物の調理度合を推定する調理度
合推定手段と、前記調理度合推定手段の出力に基づき前
記調理手段を制御する制御手段とからなる調理器具。 - 【請求項８】調理物を調理する調理手段と、調理皿の位
置を検出する皿位置検出手段と、調理物周辺の環境物理
量を検出する環境物理量検出手段と、前記調理物の固有
物理量を検出する固有物理量検出手段と、商用電源電圧
の電圧レベルを検出する電圧レベル検出手段と、前記皿
位置検出手段の出力と前記環境物理量検出手段の出力と
前記固有物理量検出手段の出力および前記電圧レベル検
出手段の出力に基づき前記調理物を推定する調理物推定
手段と、前記調理物推定手段の出力と前記環境物理量推
定手段の出力と前記固有物理量検出手段の出力および前
記電圧レベル検出手段の出力に基づき調理物の調理度合
を推定する調理度合推定手段と、前記調理度合推定手段
の出力に基づき前記調理手段を制御する制御手段とから
なる調理器具。 - 【請求項９】調理物推定手段と調理度合推定手段は、複
数の神経素子より構成される神経回路網をモデル化した
手法により獲得され、かつ調理物と調理度合を推定する
神経回路網の固定された結合重み係数を内部に持つ神経
回路網模式手段を備えたことを特徴とする請求項１ない
し請求項８記載の調理器具。 - 【請求項１０】調理物推定手段と調理度合推定手段は、
複数の神経素子より構成される層が多層組み合わされて
構築される階層型の神経回路網模式手段を備えたことを
特徴とする請求項１ないし請求項８記載の調理器具。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4147244A JP2861636B2 (ja) | 1992-06-08 | 1992-06-08 | 調理器具 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4147244A JP2861636B2 (ja) | 1992-06-08 | 1992-06-08 | 調理器具 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05340544A JPH05340544A (ja) | 1993-12-21 |
| JP2861636B2 true JP2861636B2 (ja) | 1999-02-24 |
Family
ID=15425846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4147244A Expired - Fee Related JP2861636B2 (ja) | 1992-06-08 | 1992-06-08 | 調理器具 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2861636B2 (ja) |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2902801B2 (ja) * | 1991-03-20 | 1999-06-07 | 三洋電機株式会社 | 加熱調理器 |
-
1992
- 1992-06-08 JP JP4147244A patent/JP2861636B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05340544A (ja) | 1993-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR0150799B1 (ko) | 조리기구 | |
| JP3818601B2 (ja) | 調理装置および調理装置の制御方法 | |
| JPH06241463A (ja) | 調理器具 | |
| JP2548320B2 (ja) | 電子レンジ | |
| JP2861636B2 (ja) | 調理器具 | |
| JP3088506B2 (ja) | 調理器具 | |
| JP2936838B2 (ja) | 調理器具 | |
| JPH05312329A (ja) | 調理器具 | |
| JP2855902B2 (ja) | 調理器具 | |
| JP2936839B2 (ja) | 調理器具 | |
| JP2943504B2 (ja) | 調理器具 | |
| JPH05172334A (ja) | 調理器具 | |
| JP2936853B2 (ja) | 調理器具 | |
| JP2855901B2 (ja) | 調理器具 | |
| JP2917675B2 (ja) | 調理器具 | |
| CN115363432A (zh) | 模型训练方法、烹饪控制方法、***、设备及介质 | |
| JP2943468B2 (ja) | 調理器具 | |
| JP3110505B2 (ja) | 調理器具 | |
| JP2943467B2 (ja) | 調理器具 | |
| JPH05288353A (ja) | 調理器具 | |
| JP2902801B2 (ja) | 加熱調理器 | |
| JPH05113221A (ja) | 調理器具 | |
| JP3072928B2 (ja) | 加熱調理器 | |
| JPH0556860A (ja) | 調理器具 | |
| JPH05158562A (ja) | 加熱調理器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071211 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081211 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091211 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091211 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101211 Year of fee payment: 12 |
|
| LAPS | Cancellation because of no payment of annual fees |