CN108742170B - 一种烤箱的智能识别烹饪系统 - Google Patents
一种烤箱的智能识别烹饪系统 Download PDFInfo
- Publication number
- CN108742170B CN108742170B CN201810430869.8A CN201810430869A CN108742170B CN 108742170 B CN108742170 B CN 108742170B CN 201810430869 A CN201810430869 A CN 201810430869A CN 108742170 B CN108742170 B CN 108742170B
- Authority
- CN
- China
- Prior art keywords
- image
- temperature
- value
- cooking
- light source
- 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.)
- Active
Links
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
- A47J37/0629—Small-size cooking ovens, i.e. defining an at least partially closed cooking cavity with electric heating elements
-
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2643—Oven, cooking
Abstract
本发明公开了一种烤箱的智能识别烹饪系统,其特征在于,主要由图像采集系统、图像分析处理系统和温度测量与监控系统部分组成;图像采集系统与图像分析处理系统连接;智能菜单控制系统分别与图像分析处理系统以及温度测量与监控系统连接;通过计算机视觉和识别技术以及温度传感技术,有效识别扒的种类、厚度、大小、肥瘦程度和温度等参数,并对烹饪菜单进行自动匹配和校正,将控制程序输出至控制端并执行,实现智能烹饪,本发明的智能识别烹饪系统具有结构简单、容易实现、降低成本、适用性强等优点。
Description
技术领域
本发明涉及一种烤箱的智能识别烹饪系统,特别涉及一种在烤箱中利用计算机视觉和识别技术以及温度传感技术智能识别扒的种类、厚度、大小、肥瘦程度和温度等参数,对烹饪菜单进行自动匹配和校正,并将控制程序输出至控制端执行,以实现智能烹饪的系统。
背景技术
在使用传统烤箱对扒类食品进行烘烤烹饪时,用户需要对影响其烹饪曲线的一些特征参数进行综合评估,并结合对生熟程度的需求,来对烤箱的烤制条件进行设置(主要是输出功率或烤制温度和时间),然后进行烹饪。这样,就要求用户对影响扒类食品烹饪曲线的主要特征和参数能作出较准确的评估,才能获得理想的烹饪效果。
对扒类食品烹饪曲线影响较大的特征和参数主要包括扒的种类、大小/重量、厚度、肥瘦程度以及初始温度等。如果用户对这些参数的综合评估具有较大偏差,将影响烹饪效果,造成烘烤不足或过度,而导致过生或焦化的现象发生,甚至无法食用。而现有烤箱一般为固定化程式,消费者在使用时,可能缺乏专业的知识和烘烤食物的经验,很难对不同的扒类原料进行有效的识别来调整烹饪参数,并且,由于市场上购买的原料千差万别,导致烹饪后食品差异很大。因此,提升烤箱的智能化程度,对原料进行精准化识别,在此基础上,自动化设置差异化的烹饪参数,实现消费者一键式操作,使扒类烹饪得到良好的品控显得尤为重要。
发明内容
本发明的目的在于克服现有技术的不足,提供一种烤箱的智能识别烹饪系统,在烤箱中利用计算机视觉和识别技术以及温度传感技术智能识别扒的种类、厚度、大小、肥瘦程度和温度等参数,并对烹饪菜单进行自动匹配和控制的系统。
采用计算机视觉和识别技术替代人类视觉和大脑来对扒类食品的特征进行感知和分析,将可以减少人类判断所造成的误差。计算机视觉和识别技术开始发展于上世纪60年代初,它是指使用计算机及相关设备对生物视觉的一种模拟,通过对采集的图片或视频进行处理以获得相应场景的三维信息,形象地说,就是给计算机安装上眼睛(照相机)和大脑(算法),让计算机能够感知目标分析物,获得它的一些特征参数信息。通过计算机对所得到的特征参数信息进行统计和分析,对目标分析物进行分类,再根据分类结果向机器终端发出指令,由终端根据分类结果进行差异化处理,最终实现人工智能的目的。而对于实现计算机视觉和识别功能,所需要的硬件设备十分简单,仅需要图像采集系统(包括摄像头和稳定的光源)和图像处理分析系统(处理器)即可完成。此外,只要采用简单合适的算法,即可实现对图像快速分析处理并降低图像处理分析系统的配置要求。将计算机视觉和识别技术应用于烤箱中,对扒类食品特征进行感知和分析,并与预设菜单相对应,是实现烤箱智能化烹饪的一种比较简单易行的途径。
本发明所采取的技术方案是:
一种烤箱的智能识别烹饪系统,主要由图像采集系统、图像分析处理系统和温度测量与监控系统部分组成;图像采集系统与图像分析处理系统连接;智能菜单控制系统分别与图像分析处理系统以及温度测量与监控系统连接;
所述图像采集系统主要由摄像头和光源组成,所述摄像头用于采集图像信息;所述光源为固定灯光光源,为摄像头提供稳定的光照环境;
所述图像分析处理系统由图像分析处理器和信号调解器组成,由图像采集系统所采集到的图像模式为RGB彩色格式,分析处理器先将RGB彩色格式转换成YIQ格式,其中,Y值代表亮度,I和Q为色调值,分别代表从橙色到青色以及从紫色到黄绿色;再对图像中像素点的YIQ值通过下式进行计算,得到分类值Pmn;
Pmn=a×Ymn+b×Imn+c×Qmn+A
式中,Pmn为像素点的分类值,a、b、c和A为可变参数,0≤Pmn≤1;
通过对分类值Pmn的阈值进行限定,对扒类图像进行分割,将图像划分为以下几个区域:扒类的上表面区域S1、扒类的侧面区域S2以及背景S3;上表面区域S1根据亮度值Y再细分为瘦肉区域S1-1和肥肉区域S1-2;进而对扒的种类、扒的厚度值h、扒的大小/重量和扒的肥瘦程度进行识别;
所述温度测量和监控系统主要包括红外温度传感器和热电偶温度传感器,分别用于测量和监控食品表面温度和烤箱腔内温度;
智能菜单控制系统收集到图像分析处理系统以及温度测量系统的信号,根据分析得到扒的种类与预设标准烹饪曲线相匹配,再以厚度、大小/重量、肥瘦程度以及初始温度对标准烹饪曲线进行校正,得到校正烹饪曲线,同时根据用户输入的生熟度需求,得到烹饪控制程序,最后,将该控制程序输出至控制端并执行,实现智能烹饪。
为进一步实现本发明目的,优选地,所述的摄像头正对放置食物的烤盘/烤架中心位置,并与水平面成30°~60°角度。
优选地,所述的光源位于烤箱腔体的上方,与摄像头以及烤架/烤盘的中心线位于同一平面上,固定光源与摄像头分别位于烤架/烤盘另一中心线的两侧。
优选地,所述的所述光源为白色或黄色光源;所述光源和烤盘/烤架中心的连线与水平面的角度为60°~90°。
优选地,对扒的种类识别是通过对表面瘦肉区域S1‐1中像素点的分类值Pmn的阈值进行限定进行的。
优选地,对扒的厚度值h的识别是对扒类侧面区域S2的下底边进行识别后,通过下底边对侧面的高度值进行函数校正,获得扒类厚度值h。
优选地,扒的大小/重量识别是对扒类的上表面区域S1进行视场校正,采用对烤盘/烤架平面进行网格划分的方法,通过计量S1区域所占网格数,得到扒类的上表面积S;再根据上表面积S以及得到的厚度值h,根据公式V=S×h估算出扒的近似有效体积;近似有效体积V可对应扒的大小或重量。
优选地,肥瘦程度的识别是通过视场校正后,对扒类表面瘦肉区域S1-1以及肥肉区S1-2面积进行识别后,通过计算瘦肉/肥肉比例Z=S1-1/S1-2,用于表征扒的肥瘦程度。
优选地,所述的红外温度传感器测量扒类的表面的初始温度T0,将信号传输至智能菜单控制系统上,在烘烤过程中对扒类的温度T进行监控,通过设置过载温度值Tx,以防止烤焦;所述的热电偶温度传感器监控炉腔内温度Ts,并反馈调节烤箱电热管输出功率,以维持设定的烘烤温度;优选地,所述过载温度值Tx为105℃~115℃。
优选地,所述的可变参数a、b、c和A由实验人员根据不同扒类测试所得。
具体而言,所述图像分析处理系统由图像分析处理器和信号调解器组成,通过图像分析处理器对图像采集系统所采集到的图像信息进行分割、统计和分析,再通过信号调解器将分析结果转换成电信号输出至控制面板,与预设菜单相匹配,从而实现智能烹饪。所述图像分析处理器所采用的分析步骤和方法如下:
1、图像分割
由图像采集系统所采集到的图像模式为RGB彩色格式,但在该格式下,无法表征图像的亮度值,对侧面与上表面、肥肉与背景无法有效区分。因此,分析处理器先将RGB彩色格式转换成YIQ格式,其中,Y值代表亮度,I和Q为色调值,分别代表从橙色到青色以及从紫色到黄绿色。然后,再对图像中像素点的YIQ值通过下式进行计算,得到分类值Pmn。
Pmn=a×Ymn+b×Imn+c×Qmn+A
式中,Pmn为像素点的分类值,a、b、c和A为可变参数,使得0≤Pmn≤1;通过优化后的可变参数a、b、c以及A值,将像素点的YIQ值代入上式进行计算后,即可得到图像中每一像素点的分类值Pmn。这样,通过对分类值P的范围(阈值)进行限定,即可按照限定条件对扒类图像进行分割。由于上述摄像头与光源的特殊位置关系,在靠近摄像头扒类的侧面会形成暗影区,背景为白色亮区,而扒类上表面通过反射光源,亮度值在两者之间。因此,通过优化的a、b和c值,并对Pmn的阈值进行限定,可实现将图像划分为以下几个区域:扒类的上表面区域S1(根据亮度值Y再细分为瘦肉区域S1-1和肥肉区域S1-2)、扒类的侧面区域S2以及背景S3。
2、分析和处理
通过图像分析处理器对图像进行分析和处理,主要得到以下信息和参数:
a.种类
不同种类的扒(瘦肉区域)表面色泽是有差异的,例如,鸡扒的颜色偏白,亮度较高;猪扒的颜色浅红,亮度适中;牛扒的颜色为深红,亮度较低。因此,通过对表面瘦肉区域S1-1中像素点的分类值P的阈值进行限定,即可对扒的种类进行有效识别。
b.厚度
由于拍摄图像中每个像素点与摄像头的距离不同(靠下靠中间的像素点距离摄像头近,靠上靠两边的像素点距离摄像头远),因此,需要对厚度值进行校正,需要先对扒类侧面区域S2的下底边进行识别,通过下底边对侧面的高度值进行函数校正,即可获得扒类厚度值h。
c.大小/重量
由于受到摄像头拍摄角度以及圆角视场的影响,拍摄所得到的图像为曲面,因此,需要对扒类的上表面区域S1进行视场校正。采用对烤盘/烤架平面进行网格划分的方法,通过计量S1区域所占网格数,即可得到扒类的上表面积S。再根据上表面积S以及通过上述方法所得到的厚度值h,即可根据公式V=S×h估算出扒的有效体积。有效体积V可对应扒的大小或重量。
d.肥瘦程度
通过视场校正后,对扒类表面瘦肉区域S1-1以及肥肉区S1-2面积进行识别后,通过计算瘦肉/肥肉比例,即Z=S1-1/S1-2,即可表征扒的肥瘦程度。
本发明的烤箱智能识别烹饪系统具有如下优点:
1、本发明的智能识别系统可有效识别扒的种类、厚度、大小、肥瘦程度和温度等参数,并对烹饪菜单进行自动匹配,无需人工估算和操作,实现了智能烹饪。
2、本发明的烤箱智能识别烹饪系统,依靠计算机视觉和识别技术,即可实现对影响扒类烹饪曲线的多个主要参数进行有效识别,代替了传统的重量传感器、厚度传感器等多种独立工作且结构复杂的传感系统,具有结构简单、容易实现、降低成本、适用性强等优点。
附图说明
图1为本发明智能烹饪系统的结构及实现原理示意图。
图2为本发明智能烹饪系统图像处理工作原理示意图。
图3为本发明智能烹饪系统对扒类厚度h以及上表面积S图像校正示意图。
具体实施方式
为更好地理解本发明,下面结合附图和实施例对本发明作进一步的说明,但本发明要求保护的范围并不局限于实施例表述的范围。
实施例1
如图1所示,一种烤箱的智能识别烹饪系统,主要包括图像采集系统、图像分析处理系统、温度测量与监控系统以及智能菜单控制系统;图像采集系统与图像分析处理系统连接;智能菜单控制系统分别与图像分析处理系统以及温度测量与监控系统连接;图中,F代表摄像头,L代表光源,T1代表红外温度传感器,T2代表热电偶温度传感器,AA'B'B代表扒类食品,MNQP代表烤盘/烤架,O点为烤盘/烤架的中心点。
图像采集系统主要由摄像头F和光源L组成;其中,摄像头F位于烤箱腔体的侧面上,正对烤盘/烤架中心点O,并与水平面成45°,即∠FOM=45°。光源L为一黄色灯管,位于烤箱腔体的上方,与摄像头F以及烤架/烤盘MNQP的中心线位于同一平面上,并且,光源L和烤盘/烤架中心O点连线与水平面成75°,即∠LON=75°。
需要说明的是,为避免采集到的图像中扒类表面过度曝光,优选地,所述烤盘颜色为白色,或在使用烤架进行烤制时,在扒类下方铺垫白色硅油纸。
图像分析处理系统主要由图像分析处理器和信号调解器组成,通过图像分析处理器对图像采集系统所采集到的图像信息进行分割、统计和分析,再通过信号调解器将分析结果转换成电信号输出至智能菜单控制系统。
如图2所示,图像分析处理器分析步骤如下:
1、图像分割
分析处理器先将采集到扒类的图像由RGB彩色格式转换成YIQ格式,其中,Y值代表亮度,I和Q为色调值,分别代表从橙色到青色以及从紫色到黄绿色;再对图像中像素点的YIQ值通过下式进行计算,得到分类值Pmn。
Pmn=a×Ymn+b×Imn+c×Qmn+A
式中,Pmn为像素点的分类值,a、b、c和A为经过优化的可变参数,使得满足0≤Pmn≤1,a、b、c和A由实验人员根据不同扒类测试所得。将像素点的YIQ值代入上式进行计算后,即可得到图像中每一像素点的分类值Pmn。对每个像素点Pmn的阈值进行限定,将图像划分为以下几个区域:扒类的侧面区域S2(0≤Pmn<K1)、扒类的上表面区域S1(K1≤Pmn<K2)以及背景S3(K2≤Pmn≤1)。再根据亮度值Y将上表面区域S1细分为瘦肉区域S1-1(Y≤K3)和肥肉区域S1-2(Y>K3)。其中,K1、K2和K3为经过优化的分类限定值。
2、分析和处理
如图3所示的扒类图像校正示意图,其中,长方体ABCD-A'B'C'D'代表扒类食品,O点为视场中心,通过图像分析处理器对图像进行分析和处理,主要得到以下信息和参数:
a.种类
通过对表面瘦肉区域S1-1中像素点的分类值Pmn的阈值进行限定,可实现有效区分鸡扒、猪扒和牛扒等主要扒类。
b.厚度
先对扒类侧面区域S2的下底边进行识别,通过下底边对侧面的高度值进行函数校正,即可获得扒类的侧面高度,取平均厚度值得到h。
c.大小/重量
采用对烤盘/烤架平面进行网格划分的方法,对扒类上表面的区域S1面积进行校正,通过计量S1区域所占网格数,得到扒类的上表面积S。再根据上表面的面积S以及上述方法所得到的厚度值h,即可根据公式V=S×h估算出扒的有效体积。有效体积V可对应扒的大小或重量。
d.肥瘦程度
通过视场校正后,对扒类表面瘦肉区域S1-1以及肥肉区S1-2面积进行识别后,通过计算瘦肉/肥肉比例,即Z=S1-1/S1-2,用于表征扒的肥瘦程度。
如图1所示,烤箱设有温度测量与监控系统,温度测量和监控系统主要包括一个红外温度传感器T1和一个热电偶温度传感器T2。其中,红外温度传感器T1用于测量扒类的表面的初始温度T0,将信号传输至智能菜单控制系统上,并在烘烤过程中对扒类的温度T进行监控,通过设置过载温度值Tx=110℃,以防止烤焦;热电偶温度传感器T2用于监控炉腔内温度Ts,并反馈调节烤箱电热管输出功率,以维持设定的烘烤温度。
智能菜单控制系统收集到图像分析处理系统以及温度测量系统的信号,根据分析得到扒的种类与预设标准烹饪曲线相匹配,再以厚度、大小/重量、肥瘦程度以及初始温度对标准烹饪曲线进行校正,得到校正烹饪曲线,同时,根据用户输入的生熟度需求,得到烹饪控制程序,最后,将该控制程序输出至控制端并执行,实现智能烹饪。
采用本实施例烹饪部分扒类的智能烹饪效果见表1。表1列举了一些不同种类、厚度、重量、肥瘦程度以及初始温度的扒类,通过用户设定不同的生熟度,所取得的烹饪效果。表1的烹饪结果表明,本发明的烤箱智能识别烹饪系统可以有效地对扒类的基本特征进行智能识别,与烹饪曲线相匹配,同时根据用户生熟度设定,自动获取烹饪条件,最终实现智能烹饪,并取得令人满意的烹饪效果。
表1烤箱的智能识别烹饪系统部分烹饪效果
实施例2
如图1所示,一种烤箱的智能识别烹饪系统,主要包括图像采集系统、图像分析处理系统、温度测量与监控系统以及智能菜单控制系统;图像采集系统与图像分析处理系统连接;智能菜单控制系统分别与图像分析处理系统以及温度测量与监控系统连接;图中,F代表摄像头,L代表光源,T1代表红外温度传感器,T2代表热电偶温度传感器,AA'B'B代表扒类食品,MNQP代表烤盘/烤架,O点为烤盘/烤架的中心点。
其中,摄像头F位于烤箱门上,正对烤盘/烤架中心点O,并与水平面成30°,即∠FOM=30°。光源L为一白色灯管,位于烤箱腔体的上方,与摄像头F以及烤架/烤盘MNQP的中心线位于同一平面上,并且,光源L和烤盘/烤架中心O点连线与水平面成75°,即∠LON=75°。
为避免采集到的图像中扒类表面过度曝光,优选地,烤盘颜色为白色,或在使用烤架进行烤制时,在扒类下方铺垫白色硅油纸。
图像分析处理系统由图像分析处理器和信号调解器组成,通过图像分析处理器对图像采集系统所采集到的图像信息进行分割、统计和分析,再通过信号调解器将分析结果转换成电信号输出至控制面板,与预设菜单相匹配,从而实现智能烹饪。图像分析处理器所采用的分析步骤和方法如图2所示,与实施例1相同。
烤箱设有温度测量和监控系统,温度测量和监控系统主要包括一个红外温度传感器T1和一个热电偶温度传感器T2。其中,红外温度传感器T1用于测量扒类的表面的初始温度T0,将信号传输至智能菜单控制系统上,并在烘烤过程中对扒类的温度T进行监控,通过设置过载温度值Tx=115℃,以防止烤焦;热电偶温度传感器T2用于监控炉腔内温度Ts,并反馈调节烤箱电热管输出功率,以维持设定的烘烤温度。
智能菜单控制系统收集到图像分析处理系统以及温度测量系统的信号,根据分析得到扒的种类与预设烹饪曲线相匹配,再以厚度、大小/重量、肥瘦程度以及初始温度对烹饪曲线进行校正,得到校正烹饪曲线,同时,根据用户输入的生熟度需求,得到烹饪控制程序,最后,将该控制程序输出至控制端并执行,实现智能烹饪。
采用本实施例烹饪扒类,可取得符合用户预期的智能烹饪效果。
Claims (2)
1.一种烤箱的智能识别烹饪系统,其特征在于,主要由图像采集系统、图像分析处理系统和温度测量与监控系统部分组成;图像采集系统与图像分析处理系统连接;智能菜单控制系统分别与图像分析处理系统以及温度测量与监控系统连接;
所述图像采集系统主要由摄像头和光源组成,所述摄像头用于采集图像信息;所述光源为固定灯光光源,为摄像头提供稳定的光照环境;所述的摄像头正对放置食物的烤盘/烤架中心位置,并与水平面成30°~60°角度;所述的光源位于烤箱腔体的上方,与摄像头以及烤架/烤盘的中心线位于同一平面上,固定光源与摄像头分别位于烤架/烤盘另一中心线的两侧;所述光源为白色或黄色光源;所述光源和烤盘/烤架中心的连线与水平面的角度为60°~90°;
所述图像分析处理系统由图像分析处理器和信号调解器组成,由图像采集系统所采集到的图像模式为RGB彩色格式,分析处理器先将RGB彩色格式转换成YIQ格式,其中,Y值代表亮度,I和Q为色调值,分别代表从橙色到青色以及从紫色到黄绿色;再对图像中像素点的YIQ值通过下式进行计算,得到分类值Pmn;
Pmn=a×Ymn+b×Imn+c×Qmn+A
式中,Pmn为像素点的分类值,0≤Pmn≤1;a、b、c和A为经过优化的可变参数,使得满足0≤Pmn≤1,a、b、c和A由实验人员根据不同扒类测试所得;
通过对分类值Pmn的阈值进行限定,对扒类图像进行分割,将图像划分为以下几个区域:扒类的上表面区域(S1)、扒类的侧面区域(S2)以及背景(S3);扒类的上表面区域(S1)根据亮度值Y再细分为瘦肉区域(S1-1)和肥肉区域(S1-2);进而对扒的种类、扒的厚度值h、扒的大小/重量和扒的肥瘦程度进行识别;
对扒的种类识别是通过对表面瘦肉区域(S1-1)中像素点的分类值Pmn的阈值进行限定进行的;
对扒的厚度值h的识别是对扒类侧面区域(S2)的下底边进行识别后,通过下底边对侧面的高度值进行函数校正,获得扒类厚度值(h);
扒的大小/重量识别是对扒类的上表面区域(S1)进行视场校正,采用对烤盘/烤架平面进行网格划分的方法,通过计量扒类的上表面区域(S1)所占网格数,得到扒类的上表面积(S);再根据上表面积(S)以及得到的厚度值(h),根据公式V=S×h估算出扒的近似有效体积;近似有效体积V可对应扒的大小或重量;
肥瘦程度的识别是通过视场校正后,对扒类表面瘦肉区域(S1-1)以及肥肉区(S1-2)面积进行识别后,通过计算瘦肉/肥肉比例Z=S1-1/ S1-2,用于表征扒的肥瘦程度;
所述温度测量和监控系统主要包括红外温度传感器和热电偶温度传感器,分别用于测量和监控食品表面温度和烤箱腔内温度;
智能菜单控制系统收集到图像分析处理系统以及温度测量系统的信号,根据分析得到扒的种类与预设标准烹饪曲线相匹配,再以厚度、大小/重量、肥瘦程度以及初始温度对标准烹饪曲线进行校正,得到校正烹饪曲线,同时根据用户输入的生熟度需求,得到烹饪控制程序,最后,将该控制程序输出至控制端并执行,实现扒类智能烹饪。
2.根据权利要求1所述的烤箱的智能识别烹饪系统,其特征在于,所述的红外温度传感器测量扒类的表面的初始温度T0,将信号传输至智能菜单控制系统上,在烘烤过程中对扒类的温度T进行监控,通过设置过载温度值Tx,以防止烤焦;所述的热电偶温度传感器监控炉腔内温度Ts,并反馈调节烤箱电热管输出功率,以维持设定的烘烤温度。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810430869.8A CN108742170B (zh) | 2018-05-08 | 2018-05-08 | 一种烤箱的智能识别烹饪系统 |
US17/053,693 US11478108B2 (en) | 2018-05-08 | 2018-10-25 | Intelligent identification cooking system for oven |
PCT/CN2018/111946 WO2019214171A1 (zh) | 2018-05-08 | 2018-10-25 | 一种烤箱的智能识别烹饪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810430869.8A CN108742170B (zh) | 2018-05-08 | 2018-05-08 | 一种烤箱的智能识别烹饪系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108742170A CN108742170A (zh) | 2018-11-06 |
CN108742170B true CN108742170B (zh) | 2020-08-18 |
Family
ID=64010397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810430869.8A Active CN108742170B (zh) | 2018-05-08 | 2018-05-08 | 一种烤箱的智能识别烹饪系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11478108B2 (zh) |
CN (1) | CN108742170B (zh) |
WO (1) | WO2019214171A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109717722B (zh) * | 2018-11-14 | 2021-01-26 | 中画高新技术产业发展(重庆)有限公司 | 多功能监控型电锅 |
CN109700332B (zh) * | 2019-01-04 | 2021-09-24 | 深圳市力特实业发展有限公司 | 牛排机及牛排机工作方法 |
CN110084244B (zh) * | 2019-03-14 | 2023-05-30 | 上海达显智能科技有限公司 | 基于图像识别物体的方法、智能设备及应用 |
CN110623555B (zh) * | 2019-09-19 | 2022-02-08 | 杭州九阳小家电有限公司 | 一种烤箱内的食材尺寸计算方法、尺寸标识装置和烤箱 |
CN112515491A (zh) * | 2019-09-19 | 2021-03-19 | 杭州九阳小家电有限公司 | 一种烤箱食材烹饪方法、烤箱和烤盘 |
CN111248762B (zh) * | 2020-03-23 | 2021-12-28 | 杭州九阳小家电有限公司 | 一种烹饪设备的控制方法及烹饪设备 |
CN111419096B (zh) * | 2020-03-26 | 2021-06-22 | 中国联合网络通信集团有限公司 | 一种食物加工的方法、控制器及食物加工设备 |
CN114305139B (zh) * | 2020-09-26 | 2023-09-01 | 广东格兰仕集团有限公司 | 一种肉类烘烤方法及烤箱 |
CN113243773A (zh) * | 2021-04-23 | 2021-08-13 | 广州碳思科技有限公司 | 一种能够识别物体生熟程度的智能烤盘及方法 |
CN113283447B (zh) * | 2021-05-28 | 2023-12-19 | 青岛海尔科技有限公司 | 食物烘焙方法及装置、存储介质及电子装置 |
CN115500708B (zh) * | 2022-11-15 | 2023-03-10 | 广东海新智能厨房股份有限公司 | 基于电热的智能化食品烤箱温控系统及烤箱 |
CN117064031B (zh) * | 2023-08-30 | 2024-04-19 | 嘉兴美旺机械制造有限公司 | 一种基于流动层的食品加工焙煎方法及系统 |
CN117075500B (zh) * | 2023-10-12 | 2024-01-02 | 深圳市发掘科技有限公司 | 一种智能厨电自适应控制方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104042124A (zh) * | 2014-06-05 | 2014-09-17 | 宁波方太厨具有限公司 | 一种智能烤箱及其工作控制方法 |
CN104246375A (zh) * | 2012-05-08 | 2014-12-24 | 伊莱克斯家用产品股份有限公司 | 用于加工食品的器具及其操作方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0544941A (ja) * | 1991-08-09 | 1993-02-23 | Sharp Corp | 調理器 |
JP4183811B2 (ja) * | 1998-11-17 | 2008-11-19 | 三菱電機株式会社 | 加熱調理装置及び加熱調理方法 |
US20060081135A1 (en) * | 2004-08-16 | 2006-04-20 | Britton Douglas F | Industrial overline imaging system and method |
JP5313037B2 (ja) * | 2009-05-11 | 2013-10-09 | パナソニック株式会社 | 電子カメラ、画像処理装置および画像処理方法 |
US20110033584A1 (en) * | 2009-08-03 | 2011-02-10 | Rf Dynamics Ltd. | Method and system for dielectric heating and cooking |
EP2674013B1 (en) * | 2011-02-11 | 2017-05-10 | Goji Limited | An interface for controlling energy application apparatus |
US9538880B2 (en) * | 2012-05-09 | 2017-01-10 | Convotherm Elektrogeraete Gmbh | Optical quality control system |
CN103347111B (zh) * | 2013-07-27 | 2016-12-28 | 青岛歌尔声学科技有限公司 | 具有尺寸和重量估测功能的智能移动电子设备 |
DE102014210672A1 (de) * | 2014-06-05 | 2015-12-17 | BSH Hausgeräte GmbH | Gargerät mit Lichtmusterprojektor und Kamera |
JP2016020833A (ja) | 2014-07-14 | 2016-02-04 | 株式会社タニタ | 食材判定装置、方法、プログラム、及びクッキングスケール |
EP3189509B1 (en) * | 2014-09-03 | 2022-04-13 | Electrolux Appliances Aktiebolag | Method for data communication between a mobile computer device and a household device, as well as application software, mobile computer device, computer program and system |
US10739013B2 (en) * | 2015-05-05 | 2020-08-11 | June Life, Inc. | Tailored food preparation with an oven |
US9644847B2 (en) * | 2015-05-05 | 2017-05-09 | June Life, Inc. | Connected food preparation system and method of use |
US11388788B2 (en) * | 2015-09-10 | 2022-07-12 | Brava Home, Inc. | In-oven camera and computer vision systems and methods |
JP7221689B2 (ja) * | 2015-09-10 | 2023-02-14 | ブラバ・ホーム・インコーポレイテッド | オーブン内カメラ |
EP3394515A1 (de) * | 2016-04-20 | 2018-10-31 | Vorwerk & Co. Interholding GmbH | System zur zubereitung von mindestens einem nahrungsmittel sowie verfahren zum betreiben des betreffenden systems |
CN107678278A (zh) | 2017-08-23 | 2018-02-09 | 深圳市优品壹电子有限公司 | 一种智能加热方法及电烤箱 |
WO2019075610A1 (en) * | 2017-10-16 | 2019-04-25 | Midea Group Co., Ltd. | CONTROL BY AUTOMATIC LEARNING OF COOKING APPARATUS |
US10605463B2 (en) * | 2017-10-27 | 2020-03-31 | Whirlpool Corporation | Cooking appliance with a user interface |
-
2018
- 2018-05-08 CN CN201810430869.8A patent/CN108742170B/zh active Active
- 2018-10-25 WO PCT/CN2018/111946 patent/WO2019214171A1/zh active Application Filing
- 2018-10-25 US US17/053,693 patent/US11478108B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104246375A (zh) * | 2012-05-08 | 2014-12-24 | 伊莱克斯家用产品股份有限公司 | 用于加工食品的器具及其操作方法 |
CN104042124A (zh) * | 2014-06-05 | 2014-09-17 | 宁波方太厨具有限公司 | 一种智能烤箱及其工作控制方法 |
Non-Patent Citations (4)
Title |
---|
《Colour calibration of a laboratory computer vision system for quality evaluation of pre-sliced hams 》;Valous N A,Mendoza F,Sun D-W, et al;《Meat Science》;20080718;第81卷(第1期);132-141 * |
《Estimating the surface area and volume of ellipsoidal ham using computer vision》;Du C J,Sun D-W;《Journal of Food Engineering》;20050317;第73卷(第3期);260-268 * |
《现代光学成像技术在食品品质快速检测中的应用》;孙大文,吴迪,何鸿举,冯耀泽;《华南理工大学学报(自然科学版)》;20121025;59-68 * |
Analysis and classification of commercial ham slice images using directional fractal dimension features;Mendoza F,Valous N A,Allen P, et al.;《Meat Science》;20080817;第81卷(第2期);313-320 * |
Also Published As
Publication number | Publication date |
---|---|
CN108742170A (zh) | 2018-11-06 |
US20210186262A1 (en) | 2021-06-24 |
US11478108B2 (en) | 2022-10-25 |
WO2019214171A1 (zh) | 2019-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108742170B (zh) | 一种烤箱的智能识别烹饪系统 | |
CN104871175B (zh) | 对食品质量进行评分和控制 | |
CN104256882B (zh) | 基于计算机视觉的烟丝中再造烟叶比例测定方法 | |
CN103914708B (zh) | 基于机器视觉的食品品种检测方法及系统 | |
CN103974053B (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
US20170164888A1 (en) | Organ imaging device | |
JP2009524884A (ja) | 画像内の照明域を識別する方法及びシステム | |
JP2000171304A (ja) | カラ―照明色温度の検出方法及び該装置 | |
CN110705655A (zh) | 一种基于光谱和机器视觉耦合的烟叶分类方法 | |
US8260005B2 (en) | Portable tool for determining meat quality | |
JPH0214748B2 (zh) | ||
Asmara et al. | Chicken meat freshness identification using the histogram color feature | |
CN104198325A (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN112056945A (zh) | 一种烹饪设备食物烹饪状态的提醒方法 | |
CN110110131A (zh) | 一种基于深度学习与双目立体视觉的飞机线缆支架识别与参数获取方法 | |
CN107668107A (zh) | 肉制品煎烤熟度控制方法及肉制品煎烤设备 | |
CN109447938B (zh) | 一种烤箱烤制性能的检测方法及检测装置 | |
CN111199545B (zh) | 一种基于机器视觉鉴别初烤烟叶颜色的方法 | |
CN108871187B (zh) | 一种卷烟烟丝卷曲度的定量表征方法 | |
CN115880282A (zh) | 一种用于火锅底料均匀装料的监测方法及其监测装置 | |
CN211268335U (zh) | 一种基于机器视觉的月饼全自动烘烤装置 | |
CN111192332A (zh) | 一种基于烟雾检测的烟机控制方法以及烟机 | |
DE102019107828B4 (de) | Verfahren zum Betreiben eines Gargeräts und Gargerät | |
CN109612950B (zh) | 一种冷冻畜肉储藏周期预测装置及方法 | |
CN112734688A (zh) | 基于机器视觉的马铃薯褐变检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |