CN109464028A - 电器设备及其控制方法和装置 - Google Patents

Abstract

本发明公开了一种电器设备及其控制方法和装置。其中，该方法包括：获取微波雷达探测器检测到的电器设备内部的食物量和水量；基于食物量和水量，得到电器设备的加热曲线；控制电器设备按照加热曲线进行烹饪操作。本发明解决了现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的技术问题。

Description

电器设备及其控制方法和装置

技术领域

本发明涉及电器设备领域，具体而言，涉及一种电器设备及其控制方法和装置。

背景技术

电饭煲、电压力锅等电器设备是常见的家用电器，用户在使用过程中可以根据烹饪需要人为设定加热曲线，或者通过选择不同的加热模式，使用默认加热曲线对电器设备进行控制。但是，对于相同的加热曲线，用户放入电器设备内的食物量和水量不同，烹饪效果也不同。因此，通过人为设定加热曲线或默认加热曲线对电器设备进行控制，无法得到预期的烹饪效果，烹饪效果较差。

针对现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种电器设备及其控制方法和装置，以至少解决现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的技术问题。

根据本发明实施例的一个方面，提供了一种电器设备的控制方法，包括：获取微波雷达探测器检测到的电器设备内部的食物量和水量；基于食物量和水量，得到电器设备的加热曲线；控制电器设备按照加热曲线进行烹饪操作。

进一步地，获取微波雷达探测器检测到的电器设备内部的食物量和水量，包括：通过微波雷达探测器发送无线电波，并接收反馈信号；对反馈信号进行处理，得到食物量和水量。

进一步地，对反馈信号进行处理，得到食物量和水量，包括：对反馈信号进行处理，得到第一高度和第二高度，其中，第一高度为食物平面距离电器设备的内胆上边沿的高度，第二高度为水平面距离电器设备的内胆上边沿的高度；基于第一高度和第二高度，得到水的深度；基于水的深度、第二高度和内胆的深度，得到食物的深度；基于食物的深度和内胆的内部直径，得到食物量，且基于水的深度和内胆的内部直径，得到水量。

进一步地，基于第一高度和第二高度，得到水的深度，包括：获取第一高度和第二高度的差值，得到水的深度。

进一步地，基于水的深度、第二高度和内胆的深度，得到食物的深度，包括：获取内胆的深度与第二高度的差值，得到第一差值；获取第一差值与水的深度的差值，得到食物的深度。

进一步地，在电器设备内部未盛放食物和水的情况下，获取微波雷达探测器检测到的内胆的深度。

进一步地，基于食物量和水量，得到电器设备的加热曲线，包括：利用第一模型对食物量和水量进行处理，得到加热曲线，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、烹饪操作结束之后的含水量和相应的加热曲线。

进一步地，基于食物量和水量，得到电器设备的加热曲线，包括：获取食物种类、烹饪口感和烹饪模式；利用第二模型对食物量、水量、食物种类、烹饪口感和烹饪模式进行处理，得到加热曲线，其中，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、食物种类、烹饪口感、烹饪模式、烹饪操作结束之后的含水量和相应的加热曲线。

进一步地，获取食物种类、烹饪口感和烹饪模式，包括：获取移动终端发送的食物种类、烹饪口感和烹饪模式。

进一步地，在烹饪结束之后，上述方法还包括：获取微波雷达探测器检测到的含水量；基于食物量、水量、含水量和加热曲线，对第一模型或第二模型进行训练，得到更新后的第一模型或更新后的第二模型。

根据本发明实施例的另一方面，还提供了一种电器设备的控制装置，包括：获取模块，用于获取微波雷达探测器检测到的电器设备内部的食物量和水量；处理模块，用于基于食物量和水量，得到电器设备的加热曲线；控制模块，用于控制电器设备按照加热曲线进行烹饪操作。

根据本发明实施例的另一方面，还提供了一种电器设备，包括：微波雷达探测器，设置在电器设备的内部，用于检测电器设备内部的食物量和水量；处理器，设置在电器设备的内部，与微波雷达探测器连接，用于基于食物量和水量，得到电器设备的加热曲线；控制器，设置在电器设备的内部，与处理器连接，用于控制电器设备按照加热曲线进行烹饪操作。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的电器设备的控制方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述的电器设备的控制方法。

在本发明实施例中，可以通过微波雷达探测器检测电器设备内部的食物量和水量，在获取到食物量和水量之后，可以基于食物量和水量得到电器设备的加热曲线，进一步控制电器设备按照加热曲线进行烹饪操作，实现电器设备的自动化烹饪。与现有技术相比，可以利用微波雷达探测技术在开始烹饪之前探测食物量和水量，得到最优的加热曲线，从而达到简化用户操作，提升电器设备的灵活性，提高烹饪效果的技术效果，进而解决了现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种电器设备的控制方法的流程图；

图2是根据本发明实施例的一种电器设备的控制装置的示意图；以及

图3是根据本发明实施例的一种电器设备的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种电器设备的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种电器设备的控制方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取微波雷达探测器检测到的电器设备内部的食物量和水量。

可选地，微波雷达探测器设置在电器设备的内腔顶部。

微波雷达探测器是一种利用微波无线技术探测目标物体高度、距离、轮廓等信息的电学器具。微波是一种波长很短的无线电波，微波的方向性很好，速度等于光速。微波对生活中的大部分材料比较敏感，当微波雷达发生无线电波的时候，不同的材料反馈回来的无线电波强度和相位角度不同，同一种材料反馈回来的无线电波强度和相位角度信息相近。

具体地，上述的电器设备可以是电饭煲、电压力锅等，本发明对此不作具体限定，在本发明实施例中，以电饭煲为例进行详细说明。用户放入电饭煲的食物可以是大米。但不仅限于此。

在一种可选的方案中，可以在电饭煲的内腔顶部安装微波雷达探测器，用户在将大米和自来水放入电饭煲内胆中，并关上电饭煲盖子之后，微波雷达探测器可以利用微波无线技术探测到电饭煲开始煮饭之前的米量和水量。

步骤S104，基于食物量和水量，得到电器设备的加热曲线。

步骤S106，控制电器设备按照加热曲线进行烹饪操作。

在一种可选的方案中，在电饭煲开始煮饭之前，电饭煲MCU结合得到的水量和米量制定本次煮饭的加热曲线，具体可以利用深度学习的方法，利用预先通过机器学习训练好的神经网络模型对米量和水量进行识别，得到加热曲线，并控制电饭煲按照加热曲线开始烹饪。神经网络模型可以根据多次煮饭的效果来调节神经网络模型，使得煮饭次数越多，煮饭效果越好。

通过本发明上述实施例，可以通过微波雷达探测器检测电器设备内部的食物量和水量，在获取到食物量和水量之后，可以基于食物量和水量得到电器设备的加热曲线，进一步控制电器设备按照加热曲线进行烹饪操作，实现电器设备的自动化烹饪。与现有技术相比，可以利用微波雷达探测技术在开始烹饪之前探测食物量和水量，得到最优的加热曲线，从而达到简化用户操作，提升电器设备的灵活性，提高烹饪效果的技术效果，进而解决了现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的技术问题。

可选地，在本发明上述实施例中，步骤S102，获取微波雷达探测器检测到的电器设备内部的食物量和水量，包括：通过微波雷达探测器发送无线电波，并接收反馈信号；对反馈信号进行处理，得到食物量和水量。

在一种可选的方案中，电饭煲内胆、自来水、水中的米对微波雷达探测器发射出去的无线电波吸收和反射都不一样，因此，微波雷达探测器可以向电饭煲内胆内发射无线电波，并接收反馈回来的反馈信号，通过对反馈信号进行处理，可以计算出每一次开始煮饭时的米量和水量。

可选地，在本发明上述实施例中，对反馈信号进行处理，得到食物量和水量，包括：对反馈信号进行处理，得到第一高度和第二高度，其中，第一高度为食物平面距离电器设备的内胆上边沿的高度，第二高度为水平面距离电器设备的内胆上边沿的高度；基于第一高度和第二高度，得到水的深度；基于水的深度、第二高度和内胆的深度，得到食物的深度；基于食物的深度和内胆的内部直径，得到食物量，且基于水的深度和内胆的内部直径，得到水量。

具体地，上述的内胆的深度可以是电饭煲出厂后第一次上电时，通过微波雷达探测器探测出的空内胆的深度，如果检测不到空内胆的深度，则可以使用程序默认的深度进行计算。

在一种可选内胆的内径大小即可计算出具体水量。同样地，可以根据两个高度得到米深度，的方案中，根据水平面和米平面反射回来的反馈信号，可以得到水面到内胆上边沿的高度(即上述的第二高度)和米面到内胆上边沿的高度(即上述的第一高度)，进一步根据两个高度可以得到水深度，结合内胆的内径大小即可计算出具体米量。

可选地，在本发明上述实施例中，基于第一高度和第二高度，得到水的深度，包括：获取第一高度和第二高度的差值，得到水的深度。

在一种可选的方案中，用户在内胆中放入米和水之后，米会沉在内胆底部，水位于米的上方，因此，通过计算米面到内胆上边沿的高度，与水面到内胆上边沿的高度之差，即可得到水深。

可选地，在本发明上述实施例中，基于水的深度、第二高度和内胆的深度，得到食物的深度，包括：获取内胆的深度与第二高度的差值，得到第一差值；获取第一差值与水的深度的差值，得到食物的深度。

在一种可选的方案中，米会沉在内胆底部，水位于米的上方，因此，通过计算空内胆深度，与水面到内胆上边沿的高度之差，得到第一差值，进一步计算第一差值与水深之差即可得到米深。根据水深的计算公式，可以通过计算空内胆深度，与米面到内胆上边沿的高度之差，即可得到米深。

可选地，在本发明上述实施例中，在电器设备内部未盛放食物和水的情况下，获取微波雷达探测器检测到的内胆的深度。

在一种可选的方案中，在电饭煲出厂后第一次上电时，可以通过微波雷达探测器探测出电饭煲的空内胆的深度。

可选地，在本发明上述实施例中，步骤S104，基于食物量和水量，得到电器设备的加热曲线，包括：利用第一模型对食物量和水量进行处理，得到加热曲线，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、烹饪操作结束之后的含水量和相应的加热曲线。

具体地，上述的第一模型可以是预先训练好的神经网络模型，可以利用深度学习的方案，将每次煮饭前的水量和米量作为神经网络模型的输入参数，并将米饭最终的含水量作为模型的解。通过调节煮饭多个环节的加热时间和温度控制，在不同水量和米量的组合下，求出最优解，也就是使电饭煲煮出来的米饭最合口感。

在一种可选的方案中，在通过微波雷达探测器探测出放入内胆中的米和水的米量和水量之后，电饭煲MCU可以利用预先训练好的第一模型，对米量和水量进行识别，从而获取第一模型的输出，得到本次煮饭的加热曲线。

可选地，在本发明上述实施例中，步骤S104，基于食物量和水量，得到电器设备的加热曲线，包括：获取食物种类、烹饪口感和烹饪模式；利用第二模型对食物量、水量、食物种类、烹饪口感和烹饪模式进行处理，得到加热曲线，其中，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、食物种类、烹饪口感、烹饪模式、烹饪操作结束之后的含水量和相应的加热曲线。

在一种可选的方案中，用户可以在电饭煲开始煮饭之前选择此次煮饭的“大米种类”，个人喜欢的“口感”以及相应的煮饭的“模式”，进一步可以将上述三个参数作为可选参数参与到计算中，在第一模型进行训练的过程中，结合上述三个参数能够训练，得到第二模型。在通过微波雷达探测器探测出放入内胆中的米和水的米量和水量之后，电饭煲MCU可以利用预先训练好的第二模型，对米量、水量以及“大米米种”、“口感”和“模式”进行识别，从而获取第二模型的输出，得到本次煮饭的加热曲线。

需要说明的是，当用户未设定这三个参数时，可以按照默认值进行计算。

可选地，在本发明上述实施例中，获取食物种类、烹饪口感和烹饪模式，包括：获取移动终端发送的食物种类、烹饪口感和烹饪模式。

具体地，上述的移动终端可以是用户的智能手机(包括：Android手机、IOS手机)、平板电脑、IPAD、掌上电脑等，本发明对此不作具体限定。移动终端上可以预先安装相应的应用程序APP，用户可以在APP的界面上对电饭煲进行控制。

在一种可选的方案中，在电饭煲开始煮饭之前，用户可以在移动终端上选择此次煮饭的“大米种类”，个人喜欢的“口感”以及相应的煮饭的“模式”，从而移动终端通过无线网络将三个参数发送给电饭煲，由电饭煲进行计算。

可选地，在本发明上述实施例中，在烹饪结束之后，该方法还包括：获取微波雷达探测器检测到的含水量；基于食物量、水量、含水量和加热曲线，对第一模型或第二模型进行训练，得到更新后的第一模型或更新后的第二模型。

在一种可选的方案中，在每次煮饭之后，可以利用微波雷达探测器检测米饭的含水量，根据多次煮饭的结果来优化第一模型和第二模型，也即优化下一次煮饭的控制流程，从而煮饭次数越多，煮饭效果越好，使得电饭煲越用越聪明。

需要说明的是，用户可以在移动终端上评价每次煮饭的结果，用户的评价可以优先作为第一模型和第二模型的解来优化煮饭控制流程。

实施例2

根据本发明实施例，提供了一种电器设备的控制装置的实施例。

图2是根据本发明实施例的一种电器设备的控制装置的示意图，如图2所示，该装置包括：

获取模块22，用于获取微波雷达探测器检测到的电器设备内部的食物量和水量。

可选地，微波雷达探测器设置在电器设备的内腔顶部。

微波雷达探测器是一种利用微波无线技术探测目标物体高度、距离、轮廓等信息的电学器具。微波是一种波长很短的无线电波，微波的方向性很好，速度等于光速。微波对生活中的大部分材料比较敏感，当微波雷达发生无线电波的时候，不同的材料反馈回来的无线电波强度和相位角度不同，同一种材料反馈回来的无线电波强度和相位角度信息相近。

具体地，上述的电器设备可以是电饭煲、电压力锅等，本发明对此不作具体限定，在本发明实施例中，以电饭煲为例进行详细说明。用户放入电饭煲的食物可以是大米。但不仅限于此。

在一种可选的方案中，可以在电饭煲的内腔顶部安装微波雷达探测器，用户在将大米和自来水放入电饭煲内胆中，并关上电饭煲盖子之后，微波雷达探测器可以利用微波无线技术探测到电饭煲开始煮饭之前的米量和水量。

处理模块24，用于基于食物量和水量，得到电器设备的加热曲线。

控制模块26，用于控制电器设备按照加热曲线进行烹饪操作。

在一种可选的方案中，在电饭煲开始煮饭之前，电饭煲MCU结合得到的水量和米量制定本次煮饭的加热曲线，具体可以利用深度学习的方法，利用预先通过机器学习训练好的神经网络模型对米量和水量进行识别，得到加热曲线，并控制电饭煲按照加热曲线开始烹饪。神经网络模型可以根据多次煮饭的效果来调节神经网络模型，使得煮饭次数越多，煮饭效果越好。

通过本发明上述实施例，可以通过微波雷达探测器检测电器设备内部的食物量和水量，在获取到食物量和水量之后，可以基于食物量和水量得到电器设备的加热曲线，进一步控制电器设备按照加热曲线进行烹饪操作，实现电器设备的自动化烹饪。与现有技术相比，可以利用微波雷达探测技术在开始烹饪之前探测食物量和水量，得到最优的加热曲线，从而达到简化用户操作，提升电器设备的灵活性，提高烹饪效果的技术效果，进而解决了现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的技术问题。

可选地，在本发明上述实施例中，获取模块包括：通信子模块，用于通过微波雷达探测器发送无线电波，并接收反馈信号；第一处理子模块，用于对反馈信号进行处理，得到食物量和水量。

可选地，在本发明上述实施例中，第一处理子模块包括：第一处理单元，用于对反馈信号进行处理，得到第一高度和第二高度，其中，第一高度为食物平面距离电器设备的内胆上边沿的高度，第二高度为水平面距离电器设备的内胆上边沿的高度；第二处理单元，用于基于第一高度和第二高度，得到水的深度；第三处理单元，用于基于水的深度、第二高度和内胆的深度，得到食物的深度；第四处理单元，用于基于食物的深度和内胆的内部直径，得到食物量，且基于水的深度和内胆的内部直径，得到水量。

可选地，在本发明上述实施例中，第二处理单元还用于获取第一高度和第二高度的差值，得到水的深度。

可选地，在本发明上述实施例中，第三处理单元还用于获取内胆的深度与第二高度的差值，得到第一差值，并获取第一差值与水的深度的差值，得到食物的深度。

可选地，在本发明上述实施例中，获取模块还用于在电器设备内部未盛放食物和水的情况下，获取微波雷达探测器检测到的内胆的深度。

可选地，在本发明上述实施例中，处理模块包括：第二处理子模块，用于利用第一模型对食物量和水量进行处理，得到加热曲线，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、烹饪操作结束之后的含水量和相应的加热曲线。

可选地，在本发明上述实施例中，处理模块包括：获取子模块，用于获取食物种类、烹饪口感和烹饪模式；第二处理子模块，用于利用第二模型对食物量、水量、食物种类、烹饪口感和烹饪模式进行处理，得到加热曲线，其中，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、食物种类、烹饪口感、烹饪模式、烹饪操作结束之后的含水量和相应的加热曲线。

可选地，在本发明上述实施例中，获取子模块还用于获取移动终端发送的食物种类、烹饪口感和烹饪模式。

可选地，在本发明上述实施例中，获取模块还用于在烹饪结束之后，获取微波雷达探测器检测到的含水量；该装置还包括：训练模块，用于基于食物量、水量、含水量和加热曲线，对第一模型或第二模型进行训练，得到更新后的第一模型或更新后的第二模型。

实施例3

根据本发明实施例，提供了一种电器设备的实施例。

图3是根据本发明实施例的一种电器设备的示意图，如图3所示，该电器设备包括：

微波雷达探测器32，设置在电器设备的内部，用于检测电器设备内部的食物量和水量。

可选地，微波雷达探测器设置在电器设备的内腔顶部。

微波雷达探测器是一种利用微波无线技术探测目标物体高度、距离、轮廓等信息的电学器具。微波是一种波长很短的无线电波，微波的方向性很好，速度等于光速。微波对生活中的大部分材料比较敏感，当微波雷达发生无线电波的时候，不同的材料反馈回来的无线电波强度和相位角度不同，同一种材料反馈回来的无线电波强度和相位角度信息相近。

具体地，上述的电器设备可以是电饭煲、电压力锅等，本发明对此不作具体限定，在本发明实施例中，以电饭煲为例进行详细说明。用户放入电饭煲的食物可以是大米。但不仅限于此。

在一种可选的方案中，可以在电饭煲的内腔顶部安装微波雷达探测器，用户在将大米和自来水放入电饭煲内胆中，并关上电饭煲盖子之后，微波雷达探测器可以利用微波无线技术探测到电饭煲开始煮饭之前的米量和水量。

处理器34，设置在电器设备的内部，与微波雷达探测器连接，用于基于食物量和水量，得到电器设备的加热曲线。

控制器36，设置在电器设备的内部，与微波雷达探测器连接，用于控制电器设备按照加热曲线进行烹饪操作。

在一种可选的方案中，在电饭煲开始煮饭之前，电饭煲MCU结合得到的水量和米量制定本次煮饭的加热曲线，具体可以利用深度学习的方法，利用预先通过机器学习训练好的神经网络模型对米量和水量进行识别，得到加热曲线，并控制电饭煲按照加热曲线开始烹饪。神经网络模型可以根据多次煮饭的效果来调节神经网络模型，使得煮饭次数越多，煮饭效果越好。

通过本发明上述实施例，可以通过微波雷达探测器检测电器设备内部的食物量和水量，在获取到食物量和水量之后，可以基于食物量和水量得到电器设备的加热曲线，进一步控制电器设备按照加热曲线进行烹饪操作，实现电器设备的自动化烹饪。与现有技术相比，可以利用微波雷达探测技术在开始烹饪之前探测食物量和水量，得到最优的加热曲线，从而达到简化用户操作，提升电器设备的灵活性，提高烹饪效果的技术效果，进而解决了现有技术中通过人为设定加热曲线或默认加热曲线对电器设备进行控制，导致烹饪效果较差的技术问题。

可选地，在本发明上述实施例中，微波雷达探测器还用于发送无线电波，并接收反馈信号，对反馈信号进行处理，得到食物量和水量。

可选地，在本发明上述实施例中，微波雷达探测器还用于对反馈信号进行处理，得到第一高度和第二高度，基于第一高度和第二高度，得到水的深度，基于水的深度、第二高度和内胆的深度，得到食物的深度，基于食物的深度和内胆的内部直径，得到食物量，且基于水的深度和内胆的内部直径，得到水量，其中，第一高度为食物平面距离电器设备的内胆上边沿的高度，第二高度为水平面距离电器设备的内胆上边沿的高度。

可选地，在本发明上述实施例中，微波雷达探测器还用于获取第一高度和第二高度的差值，得到水的深度。

可选地，在本发明上述实施例中，微波雷达探测器还用于获取内胆的深度与第二高度的差值，得到第一差值，获取第一差值与水的深度的差值，得到食物的深度。

可选地，在本发明上述实施例中，微波雷达探测器还用于在电器设备内部未盛放食物和水的情况下，检测内胆的深度。

可选地，在本发明上述实施例中，控制器还用于利用第一模型对食物量和水量进行处理，得到加热曲线，其中，第一模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、烹饪操作结束之后的含水量和相应的加热曲线。

可选地，在本发明上述实施例中，控制器还用于获取食物种类、烹饪口感和烹饪模式，并利用第二模型对食物量、水量、食物种类、烹饪口感和烹饪模式进行处理，得到加热曲线，其中，第二模型为使用多组数据通过机器学习训练出的，多组数据中的每组数据均包括：食物量、水量、食物种类、烹饪口感、烹饪模式、烹饪操作结束之后的含水量和相应的加热曲线。

可选地，在本发明上述实施例中，电器设备还包括：通信模块，用于获取移动终端发送的食物种类、烹饪口感和烹饪模式。

可选地，在本发明上述实施例中，微波雷达探测器还用于在烹饪结束之后，检测含水量；控制器还用于基于食物量、水量、含水量和加热曲线，对第一模型或第二模型进行训练，得到更新后的第一模型或更新后的第二模型。

实施例4

根据本发明实施例，提供了一种存储介质的实施例，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的电器设备的控制方法。

实施例5

根据本发明实施例，提供了一种处理器的实施例，处理器用于运行程序，其中，程序运行时执行上述实施例1中的电器设备的控制方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

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

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (14)

1.一种电器设备的控制方法，其特征在于，包括：

获取微波雷达探测器检测到的电器设备内部的食物量和水量；

基于所述食物量和所述水量，得到所述电器设备的加热曲线；

控制所述电器设备按照所述加热曲线进行烹饪操作。

2.根据权利要求1所述的方法，其特征在于，获取微波雷达探测器检测到的电器设备内部的食物量和水量，包括：

通过所述微波雷达探测器发送无线电波，并接收反馈信号；

对所述反馈信号进行处理，得到所述食物量和所述水量。

3.根据权利要求2所述的方法，其特征在于，对所述反馈信号进行处理，得到所述食物量和所述水量，包括：

对所述反馈信号进行处理，得到第一高度和第二高度，其中，所述第一高度为食物平面距离所述电器设备的内胆上边沿的高度，所述第二高度为水平面距离所述电器设备的内胆上边沿的高度；

基于所述第一高度和所述第二高度，得到水的深度；

基于所述水的深度、所述第二高度和所述内胆的深度，得到食物的深度；

基于所述食物的深度和所述内胆的内部直径，得到所述食物量，且基于所述水的深度和所述内胆的内部直径，得到所述水量。

4.根据权利要求3所述的方法，其特征在于，基于所述第一高度和所述第二高度，得到水的深度，包括：

获取所述第一高度和所述第二高度的差值，得到所述水的深度。

5.根据权利要求3所述的方法，其特征在于，基于所述水的深度、所述第二高度和所述内胆的深度，得到食物的深度，包括：

获取所述内胆的深度与所述第二高度的差值，得到第一差值；

获取所述第一差值与所述水的深度的差值，得到所述食物的深度。

6.根据权利要求3所述的方法，其特征在于，在所述电器设备内部未盛放食物和水的情况下，获取所述微波雷达探测器检测到的所述内胆的深度。

7.根据权利要求1所述的方法，其特征在于，基于所述食物量和所述水量，得到所述电器设备的加热曲线，包括：

利用第一模型对所述食物量和所述水量进行处理，得到所述加热曲线，其中，所述第一模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食物量、水量、烹饪操作结束之后的含水量和相应的加热曲线。

8.根据权利要求1所述的方法，其特征在于，基于所述食物量和所述水量，得到所述电器设备的加热曲线，包括：

获取食物种类、烹饪口感和烹饪模式；

利用第二模型对所述食物量、所述水量、所述食物种类、所述烹饪口感和所述烹饪模式进行处理，得到所述加热曲线，其中，所述第二模型为使用多组数据通过机器学习训练出的，所述多组数据中的每组数据均包括：食物量、水量、食物种类、烹饪口感、烹饪模式、烹饪操作结束之后的含水量和相应的加热曲线。

9.根据权利要求8所述的方法，其特征在于，获取食物种类、烹饪口感和烹饪模式，包括：

获取移动终端发送的所述食物种类、所述烹饪口感和所述烹饪模式。

10.根据权利要求7或8所述的方法，其特征在于，在烹饪结束之后，所述方法还包括：

获取所述微波雷达探测器检测到的含水量；

基于所述食物量、所述水量、所述含水量和所述加热曲线，对第一模型或第二模型进行训练，得到更新后的第一模型或更新后的第二模型。

11.一种电器设备的控制装置，其特征在于，包括：

获取模块，用于获取微波雷达探测器检测到的电器设备内部的食物量和水量；

处理模块，用于基于所述食物量和所述水量，得到所述电器设备的加热曲线；

控制模块，用于控制所述电器设备按照所述加热曲线进行烹饪操作。

12.一种电器设备，其特征在于，包括：

微波雷达探测器，设置在所述电器设备的内部，用于检测电器设备内部的食物量和水量；

处理器，设置在所述电器设备的内部，与所述微波雷达探测器连接，用于基于所述食物量和所述水量，得到所述电器设备的加热曲线；

控制器，设置在所述电器设备的内部，与所述处理器连接，用于控制所述电器设备按照所述加热曲线进行烹饪操作。

13.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至10中任意一项所述的方法。

14.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至10中任意一项所述的方法。