CN108759246A - 一种冰箱变温室及其自适应温度控制方法 - Google Patents

Abstract

本发明公开了一种冰箱变温室及其自适应温度控制方法，涉及智能控制领域，该变温室包括：至少一个储藏格、至少一个红外传感器、至少一个冷气通道、电磁阀和处理器；各个所述储藏格之间相互独立；冷气通道与储藏格一一对应；红外传感器与储藏格一一对应，用于检测对应的储藏格中放置的食品的密度，将采集的数据发送给处理器进行分析；处理器根据采集的数据确定储藏格的温度；电磁阀根据处理器的信号分别控制各个冷气通道，调节对应的储藏格的温度。解决了人工调节主观影响较大的问题，达到了自适应地根据食品的类型选择相匹配的温度的效果。

Description

一种冰箱变温室及其自适应温度控制方法

技术领域

本发明涉及智能控制领域，尤其是一种冰箱变温室及其自适应温度控制方法。

背景技术

冰箱的变温室是温度范围较冷藏室和冷冻室更宽的间室，根据用户的使用需求可以调成冷冻或软冷冻或冷藏模式，不需要的时候可以关闭。

目前对变温室的调节方式有轻触按键功能选择、触摸按键功能选择、APP WIFI按键功能选择、蓝牙按键功能选择，但是这些方式都需要用户通过手动输入的方式进行温度选择，受人为调节的不确定性和主观性影响较大，并且人工选择的温度与存放食物的最佳温度可能存在不匹配的问题。

发明内容

本发明针对上述问题及技术需求，提出了一种冰箱变温室及其自适应温度控制方法。

本发明的技术方案如下：

第一方面，提供了一种冰箱变温室，所述变温室包括：至少一个储藏格、至少一个红外传感器、至少一个冷气通道、电磁阀和处理器；各个所述储藏格之间相互独立；

所述冷气通道与所述储藏格一一对应；

所述红外传感器与所述储藏格一一对应，用于检测对应的储藏格中放置的食品的密度，将采集的数据发送给处理器进行分析；

所述处理器用于根据采集的数据确定对应的储藏格的温度；

所述电磁阀用于根据所述处理器的信号分别控制各个所述冷气通道，调节对应的储藏格的温度。

第二方面，提供了一种冰箱变温室的自适应温度控制方法，应用于如第一方面所述的冰箱变温器的各个储藏格中，所述方法包括：

控制红外传感器的发射端向对应的储藏格发射预定信号；

通过所述红外传感器的接收端接收返回信号，将所述返回信号发送给处理器；

通过所述处理器根据训练好的神经网络对所述返回信号进行分析，确定出所述储藏格中存储的食品类型；

根据确定出的食品类型查找预存的对应关系，确定出与所述食品类型对应的目标温度；

根据确定出的所述目标温度调节所述储藏格内的温度。

其进一步的技术方案为：所述神经网络的单次训练过程包括：

在储藏格中放入目标食品；

通过红外传感器的发射端向所述储藏格中发射预定信号；

通过所述红外传感器的接收端接收返回信号；

将所述返回信号输入所述神经网络；

通过所述神经网络输出训练结果；

检测所述训练结果与所述目标食品是否一致；

当所述训练结果与所述目标食品不一致时，根据所述训练结果与所述目标食品之间的差异对所述神经网络的参数进行调整，继续执行所述通过红外传感器的发射端向所述储藏格中发射预定信号的步骤；

当所述训练结果与所述目标食品一致时，确定当前的神经网络训练完毕，保存所述神经网络当前的参数。

本发明的有益技术效果是：

通过在变温室的每个储藏格上设置对应的红外传感器，通过红外传感器采集储藏格中食品的密度，处理器根据采集到的数据确定相匹配的温度，控制对应的冷气通道对储藏格的温度进行调节，可以根据食品的类型自动将储藏格的温度调节为相匹配的温度，不仅提高了调节效率，而且降低了用户手动进行温度选择的繁琐性，不会受到人为调节的不确定性和主观性影响，并且能够自动将食品与存放食品的最佳温度相匹配，达到较好的保存效果，有效改善食品的保鲜程度。

附图说明

图1是本发明提供的一种冰箱变温室的结构示意图。

图2是本发明提供的一种冰箱变温室的自适应温度控制方法的流程图。

图3是本发明提供的一种冰箱变温室的工作原理图。

图4是本发明提供的一种神经网络的控制原理图。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步说明。

图1是本发明提供的一种冰箱变温室的结构示意图，如图1所示，该变温室包括至少一个储藏格1、至少一个红外传感器2、至少一个冷气通道3、电磁阀4和处理器5；各个储藏格1之间相互独立。

在实际应用中，通常每个储藏格1用于存放一种食品。

冷气通道3与储藏格1一一对应。

红外传感器2与储藏格1一一对应，用于检测对应的储藏格1中放置的食品的密度，将采集的数据发送给处理器5进行分析。

可选的，每个红外传感器2设置在对应的储藏格1的上方。

各个红外传感器2分别与处理器5相连，每个红外传感器2包括发射端和接收端，处理器5可以控制各个红外传感器2的发射端向外发送预定信号，红外传感器2的接收端接收返回信号后，可以将接收到的返回信号发送给处理器5进行数据分析。

处理器5用于根据采集的数据确定对应的储藏格1的温度。

处理器5在根据采集的数据确定出储藏格1需要调节的温度后，向电磁阀4发送与该温度对应的信号，电磁阀4根据接收到的信号工作，控制对应的冷气通道3打开，调节对应的储藏格1的温度。

电磁阀4用于根据处理器5的信号分别控制各个冷气通道3，调节对应的储藏格1的温度。

图2是本发明提供的一种冰箱变温室的自适应温度控制方法的流程图，该方法应用在如图1所示的冰箱变温室的各个储藏格1中，如图2所示，该方法可以包括以下步骤：

步骤110，控制红外传感器的发射端向对应的储藏格发射预定信号。

步骤120，通过红外传感器的接收端接收返回信号，将返回信号发送给处理器。

由于储藏格中存储的食品不同，因此在红外传感器发送的预定信号相同的情况下，接收到的返回信号不同。

步骤130，通过处理器根据训练好的神经网络对返回信号进行分析，确定出储藏格中存储的食品类型。

在实际应用中，红外传感器会多次发送预定信号，相应的多次接收到返回信号，接收到的多组返回信号对应的数据被放入缓冲区进行算法分析。

步骤140，根据确定出的食品类型查找预存的对应关系，确定出与食品类型对应的目标温度。

处理器的数据库中会预先存储食品与要输出的控制温度的数据标准向量表，即食品与温度的对应关系，通过食品类型输出适合该食品的控制温度，即目标温度。

步骤150，根据确定出的目标温度调节储藏格内的温度。

这里确定出要调节的目标温度后，处理器控制电磁阀工作，通过对应的冷气通道调节储藏格内的温度。

结合参考图3，其示出了冰箱变温室的工作原理图，其中x表示采集的食品数据，y表示数据库中的存储数据，e(x)表示数据对比之后所做出的执行指令信号。

在用户使用时，冰箱变温室所使用的神经网络已经训练好，在出厂之前，需要对神经网络的参数进行训练，以达到自动识别食品类型的效果，神经网络的单次训练过程可以包括：

第一步，在储藏格中放入目标食品。

第二步，通过红外传感器的发射端向储藏格中发射预定信号。

第三步，通过红外传感器的接收端接收返回信号。

第四步，将返回信号输入神经网络。

第五步，通过神经网络输出训练结果。

根据红外传感器接收到的返回信号，通过神经网络对返回信号进行数据处理，可以计算得到食品的密度，根据食品与密度的对应关系，可以确定出食品的类型。比如猪肉的密度为M1，牛肉的密度为M2，白菜的密度为M3，番茄的密度为M4。

这里输出的训练结果可以是密度值，将训练得到的密度值与预定的密度值进行比较，得到相似度最高的密度对应的食品。

第六步，检测训练结果与目标食品是否一致。

第七步，当训练结果与目标食品不一致时，根据训练结果与目标食品之间的差异对神经网络的参数进行调整，继续执行第二步。

若训练结果得到的食品类型与实际放置的食品类型不一致，则根据计算出密度与实际摆放食品对应的密度之间的差异，通过误差反向传播算法对神经网络中的参数进行调节。重新执行第二步，利用更新后的神经网络得到新的训练结果，通过这样循环的操作不断对神经网络中的参数进行调节，直到神经网络中的参数在调节后，能够使训练结果与目标食品的类型一致，表明该神经网络能够用于对食品类型的正确判断。

第八步，当训练结果与目标食品一致时，确定当前的神经网络训练完毕，保存神经网络当前的参数。

神经网络训练好之后，可以投入用户的使用。

需要说明的是，上述训练步骤是针对一次的训练过程，在实际训练中，可以放入不同类型的目标食品，反复对神经网络的参数进行训练，直到神经网络可以正确判断各种类型的食品。

结合参考图4，其示出了神经网络的控制原理图。其中，x1、x2、…、x20表示采集的多组数据，输入层用来采集各种食品的特征值指令，中间层用来对应输入层的数据，输出层用来执行正确的指令。

以上所述的仅是本发明的优先实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。

Claims (3)

1.一种冰箱变温室，其特征在于，所述变温室包括：至少一个储藏格、至少一个红外传感器、至少一个冷气通道、电磁阀和处理器；各个所述储藏格之间相互独立；

所述冷气通道与所述储藏格一一对应；

所述红外传感器与所述储藏格一一对应，用于检测对应的储藏格中放置的食品的密度，将采集的数据发送给处理器进行分析；

所述处理器用于根据采集的数据确定对应的储藏格的温度；

所述电磁阀用于根据所述处理器的信号分别控制各个所述冷气通道，调节对应的储藏格的温度。

2.一种冰箱变温室的自适应温度控制方法，其特征在于，应用于如权利要求1所述的冰箱变温室的各个储藏格中，所述方法包括：

控制红外传感器的发射端向对应的储藏格发射预定信号；

通过所述红外传感器的接收端接收返回信号，将所述返回信号发送给处理器；

通过所述处理器根据训练好的神经网络对所述返回信号进行分析，确定出所述储藏格中存储的食品类型；

根据确定出的食品类型查找预存的对应关系，确定出与所述食品类型对应的目标温度；

根据确定出的所述目标温度调节所述储藏格内的温度。

3.根据权利要求2所述的方法，其特征在于，所述神经网络的单次训练过程包括：

在储藏格中放入目标食品；

通过红外传感器的发射端向所述储藏格中发射预定信号；

通过所述红外传感器的接收端接收返回信号；

将所述返回信号输入所述神经网络；

通过所述神经网络输出训练结果；

检测所述训练结果与所述目标食品是否一致；

当所述训练结果与所述目标食品不一致时，根据所述训练结果与所述目标食品之间的差异对所述神经网络的参数进行调整，继续执行所述通过红外传感器的发射端向所述储藏格中发射预定信号的步骤；

当所述训练结果与所述目标食品一致时，确定当前的神经网络训练完毕，保存所述神经网络当前的参数。