JPH05172334A

JPH05172334A - 調理器具

Info

Publication number: JPH05172334A
Application number: JP14724192A
Authority: JP
Inventors: Kazunari Nishii; 一成西井; Hirohisa Imai; 博久今井; Yoshihiro Ishizaki; 祥浩石嵜; Kenzo Ochi; 謙三黄地; Kison Naka; 基孫中
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1991-10-21
Filing date: 1992-06-08
Publication date: 1993-07-09

Abstract

(57)【要約】【目的】調理物を環境物理量から推定し、調理メニュ
ーの選択の操作を不要にし、かつ調理の出来上がり向上
と自動調理を目的とする。【構成】調理物を調理する調理手段３と、調理物周辺
の環境を検出する環境物理量検出手段６と、調理物固有
の物理量を検出する固有物理量検出手段７と、環境物理
量検出手段６の出力と固有物理量検出手段７の出力に基
づき調理物を推定する調理物推定手段９と、調理物推定
手段９の出力に基づき調理手段３を制御する制御手段５
とを備え、調理物推定手段９は実際に自動調理の対象と
なる調理メニューを調理し学習が既に済んだ固定された
複数の結合重み係数を内部に持つ神経回路網模式手段を
組み込んだ構成とし、調理物の推定ができ、従来以上に
出来上り状態がよい自動調理と、自動調理のキーの集約
化を実現した。

Description

【発明の詳細な説明】

【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。

【０００２】

【従来の技術】従来、この種の調理器具、例えば電子レ
ンジで図２４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
収納する調理室２と、調理物を調理する調理手段３（マ
イクロ波供給手段）、調理室２の相対湿度を検出する湿
度センサなど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
するために、調理物の重量、初期温度などを知る必要が
ある。そのために電源投入時からの湿度検出手段４の出
力がある湿度に達するまでの時間Ｔを測定し、この時間
Ｔを基に調理物の重量を推測し、この時間に各調理物特
有の定数ｋを乗じた時間を最適調理時間としていた。

【０００４】また電子オーブンレンジにおいては、図２
５に示すように、調理器具１は、調理物を収納する調理
皿１６の位置を可変可能とする調理室２、調理皿を載せ
る棚１５、調理物を調理する調理手段３、調理室２内の
温度を検出するサーミスター等から構成される温度検出
手段４ａ、温度検出手段４ａ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。オーブン調理を
例にとると、メニューとして、ケーキ、アップルパイ、
ピザ、クッキー、バターロール、シュークリーム、グラ
タン、ホイル焼き、ハンバーグ、肉の付け焼き、バーベ
キュー、魚の付け焼き等があった。つまり、電子オーブ
ンレンジの操作部上で、前記の１２のメニューに分けら
れていた。また、それぞれのメニューで調理皿を置く位
置が異なり、上、中、下の３つの位置がメニューにより
決定されていた。例えば、ピザの場合は皿位置は下で、
シュークリームは中段である。使用者は、まずメニュー
を決め、そのメニューに対応した位置に調理物を載せた
調理皿をセットし調理スタートキーを押し調理を開始さ
せていた。その後は、そのメニューに対応した自動調理
シーケンスで調理手段３を制御するような制御シーケン
ス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、調理開始から温度検出手段４ａが調理室
内の温度が、ある温度に到達するまでの時間Ｔに選択メ
ニューに対応した定数Ｋを乗じた時間だけ加熱させるも
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、メニュ
ーでの最適値を決定していた。

【０００５】

【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。また調理の出来上がりにかなりばらつきがあっ
た。例えば”ごはん”と”みそ汁”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、”みそ
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、”みそ汁”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
化の数だけ増えることになり、使い勝手が大変悪いもの
になるという課題を有していた。また電子オーブンレン
ジにおいても同様であり、メニューに対応した自動調理
シーケンスを備えているので、メニューに対する自動化
はある程度実現されていた。しかし、メニューを選択す
るメニューキーの数が多いので、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。

【０００６】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・検出できる調理物周辺の環境
物理量、調理皿が置かれた皿位置検出情報により推定す
ることで、メニューの選択が不要でワンボタン操作が可
能な自動調理器具を提供することを目的としている。

【０００７】

【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、前記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。

【０００８】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３の解決手段として、調理物を調理
する調理手段と、前記調理物を載せる調理皿の位置を検
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および前記固有物理量
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。

【００１０】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、前記調理物を載せる調理皿の位置を検
出する皿位置検出手段と、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、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
の出力と前記電圧レベル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固有物理量検出手段の出力
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。

【００１１】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、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
前記調理物の重量を検出する重量検出手段と、予め定め
た調理物周辺の所定温度を記憶する所定温度記憶手段
と、前記温度検出手段の出力が前記所定温度記憶手段の
記憶値に達するまでの前記温度検出手段の出力と前記湿
度検出手段の出力および前記重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。

【００１２】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、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
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、前記調理物の重量を検出する重量検出手段と、予
め定めた調理物周辺の所定温度を記憶する所定温度記憶
手段と、前記電圧レベル検出手段の出力と前記温度検出
手段の出力が前記所定温度記憶手段の記憶値に達するま
での前記温度検出手段の出力と前記湿度検出手段の出力
および前記重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。

【００１３】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、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
前記調理物を載せる調理皿の位置を検出する皿位置検出
手段と、前記調理物の重量を検出する重量検出手段と、
予め定めた調理物周辺の所定温度を記憶する所定温度記
憶手段と、前記皿位置検出手段の出力と前記温度検出手
段の出力が前記所定温度記憶手段の記憶値に達するまで
の前記温度検出手段の出力と前記湿度検出手段の出力お
よび前記重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。

【００１４】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、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
前記調理物を載せる調理皿の位置を検出する皿位置検出
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、前記調理物の重量を検出する重量検出手
段と、予め定めた調理物周辺の所定温度を記憶する所定
温度記憶手段と、前記皿位置検出手段の出力と前記電圧
レベル検出手段の出力と前記温度検出手段の出力が前記
所定温度記憶手段の記憶値に達するまでの前記温度検出
手段の出力と前記湿度検出手段の出力および前記重量検
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。

【００１５】また第９の解決手段として、制御手段は所
定温度記憶手段の記憶値より低い第２の所定温度を記憶
する第２所定温度記憶部を有し、温度検出手段からの出
力が初期に第２所定温度より高い時に第２所定温度より
低くなるまで調理手段を停止させる待機部を設ける構成
とした。

【００１６】さらに、前記調理物推定手段は、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。

【００１７】

【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
段からの調理物周辺の環境情報と調理物固有の重量情報
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し、制御手段は調理物推定
手段からの調理物情報で調理物を認識し、認識した調理
物に最適な制御シーケンスで調理手段を制御する。

【００１８】また第２の解決手段により環境物理量検出
手段からの調理物周辺の環境情報と調理物固有の重量情
報と電圧レベル検出手段からの商用電源電圧の電圧レベ
ル情報を、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し、制御手段は調理
物推定手段からの調理物情報で調理物を認識し、認識し
た調理物に最適な制御シーケンスで調理手段を制御す
る。

【００１９】また第３の解決手段により、調理物を載せ
る皿位置検出手段の情報により調理物の種類を大分類
し、そのカテゴリーを認識し、環境物理量検出手段から
の調理物周辺の環境情報と調理物固有の重量情報を、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
定手段はそのカテゴリー内での調理物を推定し、制御手
段は調理物推定手段からの調理物情報で調理物を認識
し、認識した調理物に最適な制御シーケンスで調理手段
を制御する。

【００２０】また第４の解決手段により、調理物を載せ
る皿位置検出手段の情報により調理物の種類を大分類
し、そのカテゴリーを認識し、環境物理量検出手段から
の調理物周辺の環境情報と調理物固有の重量情報と電圧
レベル検出手段からの商用電源電圧の電圧レベル情報
を、時々刻々調理物推定手段に入力することにより、調
理物推定手段はそのカテゴリー内での調理物を推定し、
制御手段は調理物推定手段からの調理物情報で調理物を
認識し、認識した調理物に最適な制御シーケンスで調理
手段を制御する。

【００２１】また第５の解決手段により調理物周辺の温
度が予め定めた所定の温度に達するまでの調理物周辺の
温度情報と湿度情報と調理物の重量情報を、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
調理物を推定し、制御手段は調理物推定手段からの調理
物情報で調理物を認識し、認識した調理物に最適な制御
シーケンスで調理手段を制御する。

【００２２】また第６の解決手段により調理物周辺の温
度が予め定めた所定の温度に達するまでの商用電源電圧
の電圧レベル情報と調理物周辺の温度情報と湿度情報と
調理物の重量情報を、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し、制御
手段は調理物推定手段からの調理物情報で調理物を認識
し、認識した調理物に最適な制御シーケンスで調理手段
を制御する。

【００２３】また第７の解決手段により調理物を載せる
皿位置検出手段の情報により調理物の種類を大分類し、
そのカテゴリーを認識し、次に調理物周辺の温度が予め
定めた所定の温度に達するまでの調理物周辺の温度情報
と湿度情報と調理物の重量情報を、時々刻々調理物推定
手段に入力することにより、調理物推定手段はそのカテ
ゴリー内での調理物を推定し、制御手段は調理物推定手
段からの調理物情報で調理物を認識し、認識した調理物
に最適な制御シーケンスで調理手段を制御する。

【００２４】また第８の解決手段により調理物を載せる
皿位置検出手段の情報により調理物の種類を大分類し、
そのカテゴリーを認識し、次に調理物周辺の温度が予め
定めた所定の温度に達するまでの商用電源電圧の電圧レ
ベル情報と調理物周辺の温度情報と湿度情報と調理物の
重量情報を、時々刻々調理物推定手段に入力することに
より、調理物推定手段はそのカテゴリー内での調理物を
推定し、制御手段は調理物推定手段からの調理物情報で
調理物を認識し、認識した調理物に最適な制御シーケン
スで調理手段を制御する。

【００２５】また第９の解決手段により、調理後、すぐ
に調理をしようとした場合は調理室内の温度は高いが、
温度検出手段からの出力が初期に第２所定温度より高い
時に第２所定温度より低くなるまで調理手段を停止させ
る待機部を設ける構成としているので、調理器具を連続
使用した場合でも確実に調理物の推定が可能となる。

【００２６】また第１０の解決手段により、調理物推定
手段を構成する神経回路網模式手段は、使用される環境
下で既に学習された結合重み係数を備えており、調理中
の調理物を推定することができる。

【００２７】また第１１の解決手段により、調理物推定
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、調理物の推
定をより正確に行なうことができる。

【００２８】

【実施例】以下、本発明の一実施例を図１から図２３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。

【００２９】（実施例１）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。図１に
示すように、環境物理量検出手段６は調理物周辺の環境
を検出する。本実施例では、調理室２内の絶対湿度を検
出するものであり、湿度センサなどで構成されている。
固有物理量検出手段７は調理物が固有に持っている固有
の物理量を検出するものであり、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。計時手段８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９は環境物理量検出手段６、固有物
理量検出手段７、計時手段８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。調理
手段３は、本実施例では、マイクロ波供給手段であり調
理室２に配設されている。さらに、１０、１１はＡＤ変
換手段であり環境物理量検出手段６、固有物理量検出手
段７の出力をディジタル値に変換している。図１０は、
操作手段１２のキー構成を示した構成図である。

【００３０】調理物推定手段８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モデル化した方
法で構成している。神経回路網をモデル化する手法は、
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
定されたテー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、神経回路網をモデル化した手法によって獲得
され、固定された結合重み係数を内部にテーブルとして
もち調理物を推定する神経回路網模式手段を有する調理
物推定手段８を設けている。

【００３１】異なる調理物を調理した場合、調理物の重
量が変化し、調理開始にともなう時々刻々の調理物から
発生する蒸気によって調理室内の湿度が変化する。

【００３２】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する調
理物を調理した場合、調理物の重量と調理室内の絶対湿
度がどのように変化するかというデータを収集し、調理
物とその重量変化データと調理室内の絶対湿度データと
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。用いるべき神経回路網模式手段とし
ては、文献１（Ｄ．Ｅ．ラメルハート他２名著、甘利俊
一監訳「ＰＤＰモデル」（株）産業図書、１９８９
年）、文献２（中野馨他７名著「ニューロコンピュータ
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ーセプト
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。

【００３３】図１１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１１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、信号処理モードと学習モードの２つの種類の動作モ
ードがある。

【００３４】以下、図１１に基づいて神経素子のそれぞ
れのモードの動作について説明する。まず、信号処理モ
ー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。つぎ
に、学習モードの動作について説明する。学習モードで
は、疑似シナプス結合変換器２１〜２Ｎと非線形変換器
２ｂの変換パラメータＷ１〜Ｗｎとｈを、修正手段から
の変換パラメータの修正量△Ｗ１〜△Ｗｎと△ｈを表す
修正信号を受けて、Ｗｉ＋△Ｗｉ；ｉ＝１，２，…… ，Ｎｈ＋△ｈ（式２）と修正する。

【００３５】図１２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。なお、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個に限定するものではない。図１２において、２１１
〜２４４は疑似シナプス結合変換器であり、２０１〜２
０４は、図１１で説明した加算器２ａと非線形変換器２
ｂをまとめた加算非線形変換器である。図１２におい
て、図１１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２１
１〜２４４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１１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。

【００３６】図１３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は学習モードにおける信号
変換手段３１の修正量を算出する修正手段である。以
下、図１３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δj（Ｘ）の入力があるま
で待機する。誤差信号δj（Ｘ）が入力され修正量を △Ｗij＝δj（Ｘ）・Ｓjout（Ｘ）・（１−Ｓjout（Ｘ））・Ｓiin（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ータを上で
説明した学習モードにしたがって修正する。

【００３７】図１４は、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ーセプトロンについて、図
１４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Ｓiin
（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Ｓiin
（Ｘ）と信号Ｓjout（Ｘ）を受け、誤差信号δj（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。

【００３８】

【数１】

【００３９】ただし、ηは多層パーセプトロンの学習速
度を定めるパラメータである。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の変換パラメータの修正量
△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ータを修正する。なお、誤差信
号δ（Ｙ）は（式６）で与えられる。

【００４０】

【数２】

【００４１】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ータである。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、多層パー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段の多層パーセプトロン
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
メータ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。

【００４２】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、調理物固有の物理量（本実施例では重量）と調理
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、調理物とその重量変化と調理
物周辺の環境物理量（絶対湿度データ）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
終えた後の多層パー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９を構成する。実際に学習させたデ
ータについて説明する。

【００４３】図１５は、”ごはん”を再加熱した時の環
境物理量検出手段６と固有物理量検出手段７の出力電圧
の変化を示している。すなわち図１５（ａ）は調理室内
の湿度の変化を示し、図１５（ｂ）は時々刻々の重量変
化を示している。図１６は、”みそ汁”を再加熱した時
の環境物理量検出手段６と固有物理量検出手段７の出力
電圧の変化を示している。図１６（ａ）は調理室内の湿
度の変化を示し、図１６（ｂ）は時々刻々の重量変化を
示している。ている。図１５、図１６から”ごはん”
と”みそ汁”では明らかに蒸気の出方が異なるため調理
室内の湿度状態も異なっている。重量情報は、同じ”ご
はん”、”味噌汁”でも調理する毎にその量が異なるた
め必要となる。自動調理の対象となる調理メニューすべ
てについてこのような実験をしデータを採取した。そし
て、その実験データを神経回路網模式手段に入力し学習
をさせた。つまり、神経回路網模式手段へは環境物理量
検出手段６の調理室内の絶対湿度情報と、絶対湿度勾配
情報として現時点より１分前の絶対湿度情報と、固有物
理量検出手段７の重量情報と、重量勾配情報として現時
点より１分前の重量情報と、計時手段８より得られる調
理開始時からの経過時間情報の５情報と、理想出力とし
て調理物の種類を入力し学習させ、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内に入
れ、操作手段１２の再加熱キー１２ａにより再加熱モー
ドを選択する。そして調理キー１２ｂにより調理が開始
される。制御手段５は計時手段８に計時開始の信号を出
力するとともに、調理手段３を駆動すべく調理開始信号
を出力する。計時手段８の計時情報は調理物推定手段９
に入力されている。そして調理物周辺の環境物理量情報
（絶対湿度情報）と調理物固有の固有物理量（重量）は
ＡＤ変換手段１０、１１でディジタル変換され、時々刻
々調理物推定手段９に入力されている。調理物推定手段
９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。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、調理メニューに応じた調理シー
ケンスを実行させることができる。各々の調理シーケン
スとは、本実施例では、従来より行われている調理開始
からある量の湿度を検出するまでの時間に調理メニュー
毎に用意された定数Ｋを乗じた時間をそのメニューの調
理時間とするものである。この制御プログラムは制御手
段５に備えており調理手段３を制御するように動作す
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、そ
の時の時々刻々の調理物の重量情報と調理室内の湿度情
報を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９
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、より調理状態
をよくすることができ、自動調理に最適なものとなる。

【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１３を有している点が異なる。この電
圧レベル検出手段１３の出力を調理物推定手段９に入力
することにより、調理物の推定に、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）と調理物固有の物理量（重量）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。図３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２内の絶対湿度の検出と
調理室２内の温度と調理室２内のガス量を検出するもの
であり、湿度センサ６ａとサーミスタ６ｂとガスセンサ
６ｃで構成されている。本実施例で用いたガスセンサ６
ｃ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。固有物理量検出手段７は実施例１と同様、調
理物の重量を検出する。計時手段８は調理開始時からの
時間をカウントする。皿位置検出手段１４は調理皿１６
を調理室２内のどの棚１５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９は環境
物理量検出手段６、固有物理量検出手段７、計時手段
８、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
の出力および固有物理量検出手段７の重量センサの出力
をディジタル値に変換している。

【００４９】次に調理物推定手段を構成する神経回路網
模式手段に学習させたデータについて説明する。図１７
は、”パイ”をオーブン調理した時の環境物理量検出手
段６の出力電圧の変化を示している。図１７（ａ）は調
理室内の湿度の変化を示し、図１７（ｂ）は調理室内の
温度変化を示し、図１７（ｃ）は調理室内のガス量変化
を示している。図１７（ｄ）は重量変化を示している。
図１８は”スポンジケーキ”、図１９は”ハンバー
グ”、図２０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と固有物理量検出手段７
の出力電圧の変化を示している。図１８（ａ）、図１９
（ａ）、図２０（ａ）は図１７（ａ）と同様に調理室内
の湿度の変化を示し、図１８（ｂ）、図１９（ｂ）、図
２０（ｂ）は調理室内の温度変化を示し、図１８
（ｃ）、図１９（ｃ）、図２０（ｃ）は調理室内のガス
量変化を示し、図１８（ｄ）、図１９（ｄ）、図２０
（ｄ）は調理物の重量変化を示している。図１７、図１
８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１９、図２
０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。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
量情報と、調理物の重量情報と、調理皿の皿位置情報の
５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９に組み込んでいる。

【００５０】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１６にの
せ、あらかじめ決められた調理室２の棚１５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１２のオーブン調理キー１２ｃによりオーブン調理
モードを選択する。そして調理キー１２ｂ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９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の出力からＡ／Ｄ変換手
段１０でディジタル変換され、また調理物固有の物理量
は固有物理量検出手段７の出力からＡ／Ｄ変換手段１１
でディジタル変換され、時々刻々調理物推定手段９に入
力されている。調理物推定手段９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。調理物推定手段
９は、皿位置検出情報により、調理物を大分類し、カテ
ゴリーを認識し、調理室内の環境物理量情報と固有物理
量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、調理メニューに応じた調理シーケンスを
実行させることができる。

【００５１】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と調理物の重量
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９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。

【００５２】（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１３と、調理室２にセットされる調
理皿１６の位置を検出する皿位置検出手段１４の情報を
調理物推定手段９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
３と皿位置検出手段１４を備えているので、調理物の推
定の精度は実施例２の場合と同様により向上する。

【００５３】（実施例５）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。構成を図５に示
す。湿度検出手段１７は調理室２内の湿度を検出する。
本実施例では、調理室２内の絶対湿度を検出するもので
あり、湿度センサ等で構成されている。１８は温度検出
手段であり調理室２内の温度を検出する。また重量検出
手段１９は調理物の重量を検出するものであり、ストレ
インゲージ等の重量センサから構成されている。このセ
ンサは、重量を検出できるものであれば何でもよく、本
発明を拘束するものではない。所定温度記憶手段２０
は、調理物を推定するタイミングを温度検出手段１８で
検出できる調理室２内の温度で記憶している。調理物推
定手段９は、温度検出手段１８の検出温度が所定温度記
憶手段２０の記憶値まで上昇した時点で、温度検出手段
１８、湿度検出手段１７、重量検出手段１９、計時手段
８の出力に基づき調理物を推定する。制御手段５は調理
物推定手段９の出力に基づき調理温度、調理時間、調理
方法（上ヒータと下ヒータの通電比率）を決め、調理手
段であるヒータ３ａ、３ｂを制御する。

【００５４】次に調理物推定手段９を構成する神経回路
網模式手段に学習させたデータについて説明する。図２
１は、ハンバーグを調理した時の温度検出手段１８、湿
度検出手段１７の出力電圧の変化を示している。図２２
は、グラタンを調理した時の温度検出手段１８、湿度検
出手段１７の出力電圧の変化を示している。図２１
（ａ）は調理室２内の温度変化を示し、図２１（ｂ）は
湿度変化を示し、図２１（ｃ）は重量変化を示してい
る。図２２（ａ）および図２２（ｂ）および図２２
（ｃ）は、図２１（ａ）および図２１（ｂ）および図２
１（ｃ）に対応している。調理室内の温度が１５０℃に
達した時点で調理物を推定し、以後、推定した調理物に
より調理室２内の制御温度、ヒータ３ａ、３ｂの通電比
率を変えるので温度検出手段１８からの出力電圧が１５
０℃に相当する電圧になるまでのデータを収集してい
る。図２１、図２２は調理物を推定した後、調理完了ま
でのデータを示している。図２１、図２２から明らかな
ようにハンバーグはグラタンに比べて体積の割に空気中
にふれる面積が多く湿度の上昇が早い。

【００５５】このようにして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、神経
回路網模式手段に学習させた。つまり、神経回路網模式
手段へは温度検出手段１８の調理室内の温度情報、湿度
検出手段１７の調理室内の湿度情報、重量検出手段１９
からの調理物の重量情報と、計時手段８より得られる調
理開始からの経過時間情報を簡略化し、温度検出手段１
８の検出温度が１００℃の時、１２５℃の時、１５０℃
の時、それぞれの湿度情報、経過時間情報の合計６情報
と、理想出力として調理物の情報（例えばグラタンなら
１、ハンバーグなら０）を入力し学習させた。

【００５６】動作としては、調理開始後、所定温度記憶
手段２０に予め記憶値（例えば１５０℃）を入力してお
き、温度検出手段１８からの検出温度が記憶値に達した
時点で、温度検出手段１８の検出温度が１００℃、１２
５℃、１５０℃の時の湿度情報、重量情報、経過時間情
報の９情報を抽出して調理物推定手段９に入力し調理物
を推定し、その情報を制御手段５に出力している。制御
手段５は、その調理物推定情報により調理手段３（ヒー
タ３ａ、３ｂ）を制御する。即ち、温度検出手段１８の
検出温度が１５０℃に達した時点で調理物推定手段９か
らの出力をうけ、１であれば調理物はグラタンであり、
０であればハンバーグであるとして、以後の調理室２の
制御温度、ヒータ３ａ・３ｂの通電比率を決定し、また
加熱時間を決定する。そして制御手段５は温度検出手段
１８から得られる調理室２内の温度が制御温度となるよ
うにヒータ３ａ、３ｂのオン・オフ制御をする。

【００５７】以上のように本実施例によれば、調理開始
の初期に調理物を推定し、以後調理完了まで推定した調
理物に合わせて調理を行う自動調理が可能となる。効果
は、実施例１と同様の効果が得られる。

【００５８】（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。構成を図６に示
す。実施例５とほぼ同様であるが、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１３を有している
点が異なる。この電圧レベル検出手段１３の出力を調理
物推定手段９に入力することにより、調理物の推定に、
より精度をあげることができる。その作用は、実施例２
と同様であり、実施例２と同様の効果が得られる。

【００５９】（実施例７）本実施例として、電子オーブ
ンレンジに応用した例について説明する。構成を図７に
示す。実施例５とほぼ同様であるが、調理室２にセット
される調理皿１６の位置を検出する皿位置検出手段１４
の情報を調理物推定手段９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３と同様であり、実施例
３と同様の効果が得られる。

【００６０】（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の調理物の推定を、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１３と、調理室２にセットされる調理皿
１６の位置を検出する皿位置検出手段１４の情報を調理
物推定手段９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と同様で
あり、実施例４と同様の効果が得られる。

【００６１】（実施例９）本実施例は、実施例５、実施
例６、実施例７および実施例８において、調理室の環境
条件がばらついても正しく調理物を推定出きるように調
理物の推定の精度をさらに向上させるものである。構成
を図９に示す。実施例５、実施例６、実施例７および実
施例８と異なる点は、制御手段５に第２所定温度記憶部
２１と待機部２２を設けた点にある。第２所定温度記憶
部２１には、所定温度記憶部２０の記憶値（例えば１５
０℃）より低い温度（例えば８０℃）を記憶している。
待機部２２は調理開始時の温度検出手段１８の検出温度
が第２所定温度記憶部２１の記憶値より高い時に記憶値
より低くなるまで調理手段３であるヒータ３ａ・３ｂへ
の通電を禁止し、調理を待機させる。

【００６２】たとえば使用者が、グラタンの調理を行っ
た直後にハンバーグの調理を行った場合、調理室内の温
度は高い。この時には、待機部２２がヒータ３ａ・３ｂ
の通電を禁止する。この時にファン（図示せず）を駆動
して調理室内を冷却するなどして第２所定温度記憶部２
１の記憶値より低くなってからヒータ３ａ・３ｂに通電
して調理を開始する。図２３はその場合のハンバーグを
調理した時の温度検出手段１８、湿度検出手段１７、重
量検出手段１９の出力電圧の変化を示している。図２３
（ａ）は調理室内の温度の変化を示し、図２３（ｂ）は
調理室内の湿度の変化を示し、図２３（ｃ）は調理物の
重量の変化を示し、図２３（ａ）、（ｂ）および（ｃ）
は図２１（ａ）、（ｂ）および（ｃ）にそれぞれ対応し
ている。この実験は、調理開始直後の調理室２内の温度
が高く第２所定温度記憶部２１の記憶値である８０度よ
り低くなってから実際の調理を開始している。図２３と
図２１から明らかなように、いったん調理室２内の温度
が下がってからは温度情報、湿度情報、重量情報ともほ
ぼ同様の変化を示す。従って、調理物推定手段８で神経
回路網模式手段に入力する温度検出手段１７の検出温度
が１００度の時、１２５度の時、１５０度の時、それぞ
れの湿度情報、重量情報、経過時間情報の合計９情報に
ついては同様の値になり正しく調理物を推定することが
出来る。以上のように調理室の環境条件がばらついても
調理物の推定が可能である。

【００６３】以上の実施例では、制御手段５、計時手段
８、調理物推定手段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。

【００６４】

【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
環境物理量を検出する環境物理量検出手段と、調理物固
有の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、調理物が何であるのかを認識
することができると同時に、その調理物に最適に調理手
段を制御できるので、調理の出来上り状態をより向上さ
せることが可能となる。さらに、自動調理を可能にする
ための操作部のキーが集約化でき使い勝手が向上する。

【００６５】また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、調理物固
有の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に対しても調理物の推定の
精度が向上する。

【００６６】また調理物を調理する調理手段と、前記調
理物を載せる調理皿の位置を検出する皿位置検出手段
と、調理物周辺の環境を検出する環境物理量検出手段
と、調理物固有の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、前記環境物理量検出手段の出
力および前記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、最初に調理物の推定を皿位置により大まかに
分類でき、次に詳細に調理物を推定できるので調理物推
定の精度がより向上できるとともに、推定可能な調理物
の数を増やすことがで、自動調理が可能となる調理物の
種類を増やすことができる。

【００６７】また調理物を調理する調理手段と、前記調
理物を載せる調理皿の位置を検出する皿位置検出手段
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、調理物周辺の環境を検出する環境物理量検出
手段と、調理物固有の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電圧レベル検
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、
調理物の推定を、さらに向上させることができる。

【００６８】また調理物を調理する調理手段と、調理物
周辺の温度を検出する温度検出手段と、調理物周辺の湿
度を検出する湿度検出手段と、調理物の重量を検出する
重量検出手段と、予め定めた調理物周辺の所定温度を記
憶する所定温度記憶手段と、前記温度検出手段の出力が
前記所定温度記憶手段の記憶値に達するまでの前記温度
検出手段の出力と前記湿度検出手段の出力および前記重
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、使用者は調
理メニューを選択する操作が不要になり煩雑な操作が解
消され使い勝手の良く出来上りばらつきの少ない調理器
具を提供できる。

【００６９】また調理物を調理する調理手段と、調理物
周辺の温度を検出する温度検出手段と、調理物周辺の湿
度を検出する湿度検出手段と、調理物の重量を検出する
重量検出手段と、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、予め定めた調理物周辺の所定温
度を記憶する所定温度記憶手段と、前記電圧レベル検出
手段の出力と前記温度検出手段の出力が前記所定温度記
憶手段の記憶値に達するまでの前記温度検出手段の出力
と前記湿度検出手段の出力および前記重量検出手段の出
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、電源電圧の変動に対しても
調理物の推定の精度が向上する。

【００７０】また調理物を調理する調理手段と、調理物
周辺の温度を検出する温度検出手段と、調理物周辺の湿
度を検出する湿度検出手段と、調理物の重量を検出する
重量検出手段と、前記調理物を載せる調理皿の位置を検
出する皿位置検出手段と、予め定めた調理物周辺の所定
温度を記憶する所定温度記憶手段と、前記皿位置検出手
段の出力と前記温度検出手段の出力が前記所定温度記憶
手段の記憶値に達するまでの前記温度検出手段の出力と
前記湿度検出手段の出力および前記重量検出手段の出力
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最初に調理物の推定を皿位置に
より大まかに分類でき、次に詳細に調理物を推定できる
ので調理物推定の精度がより向上できるとともに、推定
可能な調理物の数を増やすことがで、自動調理が可能と
なる調理物の種類を増やすことができる。

【００７１】また調理物を調理する調理手段と、調理物
周辺の温度を検出する温度検出手段と、調理物周辺の湿
度を検出する湿度検出手段と、調理物の重量を検出する
重量検出手段と、前記調理物を載せる調理皿の位置を検
出する皿位置検出手段と、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、予め定めた調理物周辺
の所定温度を記憶する所定温度記憶手段と、前記皿位置
検出手段の出力と前記電圧レベル検出手段の出力と前記
温度検出手段の出力が前記所定温度記憶手段の記憶値に
達するまでの前記温度検出手段の出力と前記湿度検出手
段の出力および前記重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
なるから調理物の推定を、さらに向上させることができ
る。

【００７２】また制御手段は所定温度記憶手段の記憶値
より低い第２の所定温度を記憶する第２所定温度記憶部
を有し、温度検出手段からの出力が初期に第２所定温度
より高い時に第２所定温度より低くなるまで調理手段を
停止させる待機部を設けているので、例えば連続使用の
ように調理室の環境条件がばらついても調理物の推定を
誤らずに精度の高い推定が可能となる。

【００７３】また調理物推定手段は、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い調理器具を提供でき
る。

【図面の簡単な説明】

【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３】本発明の他の実施例の調理器具の構成ブロック
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５】本発明の他の実施例の調理器具の構成ブロック
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７】本発明の他の実施例の調理器具の構成ブロック
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９】本発明の他の実施例の調理器具の構成ブロック
図

【図１０】本発明の一実施例の調理器具に用いた操作部
の構成図

【図１１】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

【図１２】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

【図１３】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

【図１４】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

【図１５】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

【図１６】同調理器具の実験データの他の例を示す図

【図１７】図３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

【図１８】同調理器具の実験データの他の例を示す図

【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】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

【図２２】同調理器具の実験データの他の例を示す図

【図２３】図９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

【図２４】従来の調理器具の構成ブロック図

【図２５】従来の調理器具の他の構成ブロック図

【符号の説明】

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７固有物理量検出手段９調理物推定手段１３電圧レベル検出手段１４皿位置検出手段１６調理皿１７湿度検出手段１８温度検出手段１９重量検出手段２０所定温度記憶手段２１第２所定温度記憶手段２２待機部

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

Claims

【特許請求の範囲】

【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、前記調理物
を載せる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
出力および前記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
らなる調理器具。
【請求項４】調理物を調理する調理手段と、前記調理物
を載せる調理皿の位置を検出する皿位置検出手段と、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、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電圧レベル検
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
記固有物理量検出手段の出力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
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
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、前記調理物の重量を検出する
重量検出手段と、予め定めた調理物周辺の所定温度を記
憶する所定温度記憶手段と、前記温度検出手段の出力が
前記所定温度記憶手段の記憶値に達するまでの前記温度
検出手段の出力と前記湿度検出手段の出力および前記重
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
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、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、前記調理物の重量を検
出する重量検出手段と、予め定めた調理物周辺の所定温
度を記憶する所定温度記憶手段と、前記電圧レベル検出
手段の出力と前記温度検出手段の出力が前記所定温度記
憶手段の記憶値に達するまでの前記温度検出手段の出力
と前記湿度検出手段の出力および前記重量検出手段の出
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調理器具。
【請求項７】調理物を調理する調理手段と、調理物周辺
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、前記調理物を載せる調理皿の
位置を検出する皿位置検出手段と、前記調理物の重量を
検出する重量検出手段と、予め定めた調理物周辺の所定
温度を記憶する所定温度記憶手段と、前記皿位置検出手
段の出力と前記温度検出手段の出力が前記所定温度記憶
手段の記憶値に達するまでの前記温度検出手段の出力と
前記湿度検出手段の出力および前記重量検出手段の出力
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調理器具。
【請求項８】調理物を調理する調理手段と、調理物周辺
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、前記調理物を載せる調理皿の
位置を検出する皿位置検出手段と、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、前記調理物の
重量を検出する重量検出手段と、予め定めた調理物周辺
の所定温度を記憶する所定温度記憶手段と、前記皿位置
検出手段の出力と前記電圧レベル検出手段の出力と前記
温度検出手段の出力が前記所定温度記憶手段の記憶値に
達するまでの前記温度検出手段の出力と前記湿度検出手
段の出力および前記重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
なる調理器具。
【請求項９】制御手段は所定温度記憶手段の記憶値より
低い第２の所定温度を記憶する第２所定温度記憶部を有
し、温度検出手段からの出力が初期に第２所定温度より
高い時に第２所定温度より低くなるまで調理手段を停止
させる待機部を設けた請求項５ないし請求項９記載の調
理器具。
【請求項１０】調理物推定手段は、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請求項１ないし
請求項８記載の調理器具。
【請求項１１】調理物推定手段は、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。