CN110414295A - 识别大米的方法、装置、烹饪设备及计算机存储介质 - Google Patents
识别大米的方法、装置、烹饪设备及计算机存储介质 Download PDFInfo
- Publication number
- CN110414295A CN110414295A CN201810384672.5A CN201810384672A CN110414295A CN 110414295 A CN110414295 A CN 110414295A CN 201810384672 A CN201810384672 A CN 201810384672A CN 110414295 A CN110414295 A CN 110414295A
- Authority
- CN
- China
- Prior art keywords
- rice
- type
- model
- new
- image
- 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.)
- Pending
Links
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 541
- 235000009566 rice Nutrition 0.000 title claims abstract description 541
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010411 cooking Methods 0.000 title claims abstract description 16
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 541
- 230000015654 memory Effects 0.000 claims description 34
- 238000012986 modification Methods 0.000 claims description 15
- 230000004048 modification Effects 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 3
- 239000013078 crystal Substances 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
Abstract
本发明公开了一种识别大米的方法，包括：通过图像采集器获取大米的图像；根据大米的图像与预设大米第一类模型集合，识别出大米的类型；其中，预设大米第一类模型集合包括：粳米类型模型和籼米类型模型。本发明同时还公开了一种识别大米的装置、烹饪设备及计算机存储介质。通过本发明提供的方案，能够实现自动识别出大米的类型，无需用户主动选择大米的类型，能够为用户带来便利，提高智能化程度。
Description
技术领域
本发明涉及家电智能化技术领域，尤其涉及一种识别大米的方法、装置、烹饪设备及计算机存储介质。
背景技术
不同种类大米的特点和作用存在着一定的差异，如今，随着人们的生活质量越来越高，对于不同种类大米的加工方法也越来越讲究；但现有的电饭煲加工大米时只有用户主动去选择大米的种类，电饭煲无法自动识别出大米的种类，这样一来电饭煲就显得不够智能化。
发明内容
有鉴于此，本发明实施例期望提供一种识别大米的方法、设备及计算机可存储介质，以实现自动识别出大米的类型，无需用户主动选择大米的类型，能够为用户带来便利，提高智能化程度。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供了一种识别大米的方法，所述方法包括：
通过图像采集器获取大米的图像；
根据所述大米的图像与预设大米第一类模型集合，识别出所述大米的类型；其中，所述预设大米第一类模型集合包括：粳米类型模型和籼米类型模型。
在上述方案中，在所述识别出所述大米的类型之后，所述方法还包括：
根据所述大米的图像、识别出的所述大米的类型及预设大米第二类模型集合，得到所述大米所属种类的概率分布；其中，所述预设大米第二类模型集合包括：所述粳米类型模型的至少一个大米种类模型和所述籼米类型模型的至少一个大米种类模型；
根据所述大米所属种类的概率分布识别出所述大米的种类。
在上述方案中，所述根据所述大米所属种类的概率分布识别出所述大米的种类，包括：
判断所述大米所属种类的概率分布的最大值是否大于或等于阈值；
在所述大米所属种类的概率分布的最大值大于或等于所述阈值时，将所述概率分布的最大值对应的大米种类模型对应的大米种类确定为所述大米的种类；
在所述大米所属种类的概率分布的最大值未大于或等于所述阈值时，输出提示信息，接收到输入新的大米的种类之后，将所述新的大米的种类确定为所述大米的种类。
在上述方案中，在所述将所述新的大米的种类确定为所述大米的种类之后，所述方法还包括：
通过所述图像采集器采集预设数量的所述大米的图片；
根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
在上述方案中，在所述将所述新的大米的种类确定为所述大米的种类之后，所述方法还包括：
通过所述图像采集器采集预设数量的所述大米的图片；
将所述新的大米的种类及所述预设数量的所述大米的图片上报至服务器侧，所述服务器侧根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
接收所述服务器侧发送的所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
在上述方案中，所述阈值为大于或等于第一百分比数字、且小于或等于第二百分比数字的百分比数字；其中，所述第一百分比数字小于所述第二百分比数字。
本发明实施例提供了一种识别大米的装置，所述装置包括：接口、处理器、存储器及总线；所述总线，用于实现所述接口、所述处理器和所述存储器之间的连接通信；所述处理器，用于执行所述存储器中存储的识别大米的程序，以实现所述识别大米的方法的步骤。
本发明实施例提供了一种识别大米的烹饪设备，所述烹饪设备包括所述的识别大米的装置。
本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有程序，所述程序可被处理器执行，以实现所述识别大米的方法的步骤。
本发明提供的识别大米的方法、装置、烹饪设备及计算机存储介质，通过图像采集器获取大米的图像；根据大米的图像与预设大米第一类模型集合，识别出大米的类型；其中，预设大米第一类模型集合包括：粳米类型模型和籼米类型模型；通过对大米的图片与预设大米第一类模型集合进行分析和识别，自动得到大米的类型，无需用户主动选择大米的类型，能够为用户带来便利，提高了智能化程度。
附图说明
图1为本发明识别大米的方法实施例一的流程图；
图2为本发明识别大米的方法实施例二的流程图；
图3为本发明识别大米的装置实施例的结构示意图；
图4为本发明识别大米的烹饪设备实施例的结构示意图。
具体实施方式
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。
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
图1为本发明识别大米的方法实施例一的流程图，如图1所示，本发明实施例提供的识别大米的方法应用在装置上，装置可以以各种形式来实施；例如，本发明中描述的装置可以包括诸如电饭煲、电压力锅、电炖锅等烹饪装置；本发明实施例中描述的装置如果具有操作系统，该操作系统可以为UNIX、Linux、Windows、Mac OS X、安卓(Android)、WindowsPhone等等；应用软件(Application，APP)是装置的第三方应用程序，用户可以通过各种各样的应用软件进行操作装置、输入信息、获取信息等等；具体的，该方法包括如下步骤：
步骤101、通过图像采集器获取大米的图像。
用户在利用装置烹饪米饭时，将待加工的大米放入装置内，装置根据盖上设置的图像采集器获取装置内的大米的图像。
步骤102、根据大米的图像与预设大米第一类模型集合，识别出大米的类型。
装置在获取到大米的图像之后，利用图像识别技术根据大米的图像与预设大米第一类模型集合，识别出大米的类型；其中，预设大米第一类模型集合包括：粳米类型模型和籼米类型模型；预设大米第一类模型集合是事先由工作人员对大米的类型进行训练学习后得到的各种大米类型的模型集合。
具体的，图像识别技术大致过程分为五部分：图像输入、预处理、特征提取、分类和匹配，其中预处理又可分为图像分割、图像增强、二值化和细化等几个部分。
以下介绍图像识别技术中的几种算法：
1、模式识别算法：当前，模式识别算法的应用范围十分广泛，它的观察对象囊括了人类感官直接或间接接受的外界信息，而运用模式识别算法的目的，则是利用计算机模仿人的识别能力来辨别观察对象，模式识别算法大致可分为两种，即结构算法和决策理论算法，其中神经网络算法就是属于模式识别算法中的一种。
常用的模式识别方法之一是模板匹配，顾名思义，就是在输入图像上不断切割出临时图像、并将之与模板图像匹配，如果相似度足够高，就认为我们寻找到了应有的目标，最常见的匹配方法包括平方差匹配法、相关匹配法、相关系数匹配法等。
例如，装置利用神经网络算法提取出大米的各种特征信息，比如，大米的长度、大米的形状、大米的色泽、大米的透光度等等；其中，神经网络算法具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题；这样，训练出的神经网络模型，可识别大米的各种特征信息；并且，由于神经网络可以得到更好的模型，这样，更能适应在不同的光线和不同的形态的图像中获取特征信息，提高了获取的精确性。
2、支持向量机(Support Vector Machine，SVM)：支持向量机是一种可训练的、基于结构风险最小化原则的通用机器学习算法，简单来说就是一种分类器，SVM算法的原理简单说即是线性化和升维的过程，SVM是从线性可分情况下的最优分类超平面发展而来的。
3、开源计算机视觉库(Open Source Computer Vision Library，OpenCV)算法：OpenCV是一个基于伯克利软件套件(Berkeley Software Distribution，BSD)许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上；它轻量级而且高效，由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
以上为举例说明的几种常用的算法，具体的图像识别技术利用哪些算法可以根据实际需求进行设置，在此不加以限制。
在装置识别出大米的类型之后，可以根据不同类型的大米自动选择对应烹饪方式对大米进行烹饪，无需用户主动选择，能够为用户带来便利，提高了智能化程度。
本发明实施例提供的识别大米的方法，通过图像采集器获取大米的图像；根据大米的图像与预设大米第一类模型集合，识别出大米的类型；其中，预设大米第一类模型集合包括：粳米类型模型和籼米类型模型；通过对大米的图片与预设大米第一类模型集合进行分析和识别，自动得到大米的类型，无需用户主动选择大米的类型，能够为用户带来便利，提高了智能化程度。
为了更加体现出本发明的目的，在上述实施例的基础上，进一步的举例说明。
图2为本发明识别大米的方法实施例二的流程图，如图2所示，本发明实施例提供的识别大米的方法应用在电饭煲上，该方法可以包括如下步骤：
步骤201、通过图像采集器获取大米的图像。
电饭煲通过设置在盖上的图像采集器获取电饭煲内的待烹饪的大米的图像。
步骤202、根据大米的图像与预设大米第一类模型集合，识别出大米的类型。
电饭煲根据获取到的大米的图像与预设大米的第一类模型集合，利用神经网络算法识别出大米的类型；其中，预设大米第一类模型集合包括：粳米类型模型和籼米类型模型；粳米类型及籼米类型的参数信息为国家或国际标准参数，本发明实施例中的粳米类型模型和籼米类型模型采用国家或国际标准参数，在此不加以赘述。
步骤203、根据大米的图像、识别出的大米的类型及预设大米第二类模型集合，得到大米所属种类的概率分布。
电饭煲在识别出大米的类型之后，再根据大米的图像及预设大米第二类模型集合，识别出大米所属种类的概率分布，即先在预设大米第二类模型集合中确定出大米的类型对应的大米种类模型，再根据大米的图像与大米的类型对应的大米种类模型确定出有多少概率的大米是属于同一种类的；其中，预设大米第二类模型集合包括：粳米类型模型的至少一个大米种类模型和籼米类型模型的至少一个大米种类模型；比如，粳米类型模型的至少一个大米种类模型包括但不限于：东北大米、珍珠大米、水晶大米等；籼米类型模型的至少一个大米种类模型包括但不限于：长粒香米、泰国香米等。
大米种类的参数信息为国家或国际标准参数，本发明实施例中的各种大米种类模型采用国家或国际标准参数，在此不加以赘述。
例如，电饭煲在步骤202中识别出大米的类型为粳米类型之后，在预设第二类模型集合中选择粳米类型的大米种类模型(其中，粳米类型的大米种类模型包括有东北大米、珍珠大米及水晶大米等)作为后续的处理模型，再根据大米的图像以及粳米类型的大米种类模型，具体在大米中确定出属于东北大米的概率是多少，属于珍珠大米的概率是多少，属于水晶大米的概率是多少等等。
又例如，电饭煲在步骤202中识别出大米的类型为籼米类型之后，在预设第二类模型集合中选择籼米类型的大米种类模型(其中，籼米类型的大米种类模型包括有长粒香米及泰国香米等)作为后续的处理模型，再根据大米的图像以及籼米类型的大米种类模型，具体在大米中确定出属于长粒香米的概率是多少，属于泰国香米的概率是多少等等。
步骤204、判断大米所属种类的概率分布的最大值是否大于或等于阈值。
电饭煲在得到大米所属种类的概率分布之后，判断大米所属种类的概率分布的最大值是否大于或等于阈值，在大米所属种类的概率分布的最大值大于或等于阈值时，执行步骤205；在大米所属种类的概率分布的最大值未大于或等于阈值时，执行步骤206。
通常将最大概率的大米的种类视为最终结果；但是，如果第二类模型集合中不包含要识别的大米的话，得到的这个最大概率值通常比较小，因此，事先通过实验确定一个阈值，如果最终概率分布的最大值大于或等于阈值，则认为大米识别成功；反之，则认为模型不能识别出该大米。
其中，阈值为大于或等于第一百分比数字、且小于或等于第二百分比数字的百分比数字，第一百分比数字小于第二百分比数字。
例如，第一百分比数字为70％，第二百分比数字为90％，将阈值设置成80％，只要有大米所属种类的概率分布的最大值大于或等于80％时，执行步骤205；未有大米所属种类的概率分布的最大值大于或等于80％时，执行步骤206；又例如，将阈值设置成83.7％，只要有大米所属种类的概率分布的最大值大于或等于83.7％时，执行步骤205；未有大米所属种类的概率分布的最大值大于或等于83.7％时，执行步骤206。
步骤205、将概率分布的最大值对应的大米种类模型对应的大米种类确定为大米的种类。
电饭煲将概率分布的最大值对应的大米种类模型对应的大米种类确定为大米的种类。
例如，电饭煲将概率分布的最大值85％对应的东北大米模型对应的东北大米确定为大米的种类，即电饭煲中该大米的种类为东北大米。
步骤206、输出提示信息。
电饭煲未能确定出当前大米的种类，输出提示信息；例如，电饭煲可以通过显示屏输出“请用户输入大米的种类”的提示信息，以及输入信息的对话框；或者电饭煲通过扬声器语音输出“请用户输入大米的种类”的提示语音，以及在显示屏上显示输入信息的对话框。
步骤207、接收到输入新的大米的种类之后，将新的大米的种类确定为大米的种类。
用户在输入新的大米的种类，电饭煲接收到输入新的大米的种类之后，将新的大米的种类确定为大米的种类，即电饭煲中该大米的种类为用户输入的大米的种类。
步骤208、通过图像采集器采集预设数量的大米的图片。
电饭煲通过设置在盖上的图像采集器采集预设数量的大米的图片，其中，预设数量的大米的图片可以从不盖上的不同角度去采集，预设数量可以根据实际需求进行设置，在此不加以限定。
之后，电饭煲执行步骤209至210或步骤211至213。
步骤209、根据新的大米的种类及预设数量的大米的图片进行训练，得到新的大米的模型。
电饭煲根据新的大米的种类及预设数量的大米的图片进行训练，得到新的大米的模型。
步骤210、根据新的大米的模型更新预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
电饭煲根据新的大米的模型更新预设大米第二类模型集合，得到更新后的预设大米第二类模型集合，即将新的大米的模型添加到预设大米第二类模型集合中，丰富了预设大米第二类模型集合的模型，能够实现电饭煲对大米识别的自学习能力。
步骤211、将新的大米的种类及预设数量的大米的图片上报至服务器侧。
电饭煲将新的大米的种类及预设数量的大米的图片通过有线或无线的连接方式上报至服务器侧，服务器侧根据新的大米的种类及预设数量的大米的图片进行训练，得到新的大米的模型；之后，服务器侧将训练得到的新的大米的模型下发至电饭煲。
步骤212、接收服务器侧发送的新的大米的模型。
电饭煲接收服务器侧发送的新的大米的模型。
步骤213、根据新的大米的模型更新预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
电饭煲根据新的大米的模型更新预设大米第二类模型集合，得到更新后的预设大米第二类模型集合，即将新的大米的模型添加到预设大米第二类模型集合中，丰富了预设大米第二类模型集合的模型，能够实现电饭煲对大米识别的自学习能力。
本发明实施例提供的识别大米的方法，通过图像采集器获取大米的图像；根据大米的图像与预设大米第一类模型集合，识别出大米的类型；根据大米的图像、识别出的大米的类型及预设大米第二类模型集合，得到大米所属种类的概率分布；判断大米所属种类的概率分布的最大值是否大于或等于阈值；在大米所属种类的概率分布的最大值大于或等于阈值时，将概率分布的最大值对应的大米种类模型对应的大米种类确定为大米的种类；在大米所属种类的概率分布的最大值未大于或等于阈值时，输出提示信息；接收到输入新的大米的种类之后，将新的大米的种类确定为大米的种类；通过图像采集器采集预设数量的大米的图片；根据新的大米的种类及预设数量的大米的图片进行训练，得到新的大米的模型，或者将新的大米的种类及预设数量的大米的图片上报至服务器侧，服务器侧根据新的大米的种类及预设数量的大米的图片进行训练，得到新的大米的模型，接收服务器侧发送的新的大米的模型；根据新的大米的模型更新预设大米第二类模型集合，得到更新后的预设大米第二类模型集合；通过对大米的图片与预设大米第一类模型集合进行分析和识别，自动得到大米的类型，之后再根据大米的图片与预设大米第二类模型集合，得到大米所属种类的概率分布，根据大米种类的概率分布确定出大米的种类，在无法确定出大米的种类时，根据用户输入的新的大米的种类自动进行学习识别，将新的大米的种类更新到预设大米第二类模型集合中，通过本发明实施例的方案，能够自动识别大米的类型，无需用户主动选择大米的类型，进一步还能识别大米的种类，能够为用户带来便利，提高了智能化程度。
图3为本发明识别大米的装置实施例的结构示意图，如图3所示，本发明实施例提供的识别大米的装置03包括：接口31、处理器32、存储器33及总线34；
其中，所述总线34，用于实现所述接口31、所述处理器32和所述存储器33之间的连接通信；
所述处理器32，用于执行所述存储器33中存储的识别大米的程序，以实现以下步骤：
通过图像采集器获取大米的图像；
根据所述大米的图像与预设大米第一类模型集合，识别出所述大米的类型；其中，所述预设大米第一类模型集合包括：粳米类型模型和籼米类型模型。
进一步的，所述处理器32，还用于执行所述识别大米的程序，以实现以下步骤：
根据所述大米的图像、识别出的所述大米的类型及预设大米第二类模型集合，得到所述大米所属种类的概率分布；其中，所述预设大米第二类模型集合包括：所述粳米类型模型的至少一个大米种类模型和所述籼米类型模型的至少一个大米种类模型；
根据所述大米所属种类的概率分布识别出所述大米的种类。
进一步的，所述处理器32，用于执行所述识别大米的程序，以具体实现以下步骤：
判断所述大米所属种类的概率分布的最大值是否大于或等于阈值；
在所述大米所属种类的概率分布的最大值大于或等于所述阈值时，将所述概率分布的最大值对应的大米种类模型对应的大米种类确定为所述大米的种类；
在所述大米所属种类的概率分布的最大值未大于或等于所述阈值时，输出提示信息，接收到输入新的大米的种类之后，将所述新的大米的种类确定为所述大米的种类。
进一步的，所述处理器32，还用于执行所述识别大米的程序，以实现以下步骤：
通过所述图像采集器采集预设数量的所述大米的图片；
根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
进一步的，所述处理器32，还用于执行所述识别大米的程序，以实现以下步骤：
通过所述图像采集器采集预设数量的所述大米的图片；
将所述新的大米的种类及所述预设数量的所述大米的图片上报至服务器侧，所述服务器侧根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
接收所述服务器侧发送的所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
进一步的，所述阈值为大于或等于第一百分比数字、且小于或等于第二百分比数字的百分比数字；其中，所述第一百分比数字小于所述第二百分比数字。
如图3所示，可理解，总线34除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，但是为了清楚说明起见，在图3中将各种总线都标为总线34。
其中，接口31可以包括显示器、键盘、鼠标、轨迹球、点击轮、按键、按钮、触感板或者触摸屏等。
可以理解，存储器33可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者；其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器；易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)；本发明实施例描述的存储器33旨在包括但不限于这些和任意其它适合类型的存储器。
本发明实施例中的存储器33用于存储各种类型的数据以支持识别大米的装置03的操作；这些数据的示例包括：用于在识别大米的装置03上操作的任何计算机程序，如操作系统和应用程序、联系人数据、电话簿数据、消息、图片、视频等；其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；应用程序可以包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务；实现本发明实施例方法的程序可以包含在应用程序中。
上述本发明实施例揭示的方法可以应用于处理器32中，或者由处理器32实现；处理器32可能是一种集成电路芯片，具有信号的处理能力；在实现过程中，上述方法的各步骤可以通过处理器32中的硬件的集成逻辑电路或者软件形式的指令完成；上述的处理器32可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等；处理器32可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图；通用处理器可以是微处理器或者任何常规的处理器等；结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成；软件模块可以位于存储介质中，该存储介质位于存储器33，处理器32读取存储器33中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，识别大米的装置03可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，Programmable Logic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable LogicDevice)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
本实施例的装置，可以用于执行上述所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图4为本发明识别大米的烹饪设备实施例的结构示意图，如图4所示，本发明实施例提供的识别大米的烹饪设备04包括识别大米的装置41，所述识别大米的装置41采用如上述任意实施例中所述的装置，所述识别大米的装置41包括：
获取模块411，用于通过图像采集器获取大米的图像；
第一识别模块412，用于根据所述大米的图像与预设大米第一类模型集合，识别出所述大米的类型；其中，所述预设大米第一类模型集合包括：粳米类型模型和籼米类型模型。
进一步的，所述识别大米的装置41还包括：
计算模块413，用于根据所述大米的图像、识别出的所述大米的类型及预设大米第二类模型集合，得到所述大米所属种类的概率分布；其中，所述预设大米第二类模型集合包括：所述粳米类型模型的至少一个大米种类模型和所述籼米类型模型的至少一个大米种类模型；
第二识别模块414，用于根据所述大米所属种类的概率分布识别出所述大米的种类。
进一步的，所述第二识别模块414，具体用于判断所述大米所属种类的概率分布的最大值是否大于或等于阈值；在所述大米所属种类的概率分布的最大值大于或等于所述阈值时，将所述概率分布的最大值对应的大米种类模型对应的大米种类确定为所述大米的种类；在所述大米所属种类的概率分布的最大值未大于或等于所述阈值时，输出提示信息，接收到输入新的大米的种类之后，将所述新的大米的种类确定为所述大米的种类。
进一步的，所述获取模块411，还用于通过所述图像采集器采集预设数量的所述大米的图片；
所述识别大米的装置41还包括：
第一训练模块415，根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
进一步的，所述获取模块411，还用于通过所述图像采集器采集预设数量的所述大米的图片；
所述识别大米的装置41还包括：
通信模块416，用于将所述新的大米的种类及所述预设数量的所述大米的图片上报至服务器侧，所述服务器侧根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；接收所述服务器侧发送的所述新的大米的模型；
第二训练模块417，用于根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
进一步的，所述阈值为大于或等于第一百分比数字、且小于或等于第二百分比数字的百分比数字；其中，所述第一百分比数字小于所述第二百分比数字。
本实施例的烹饪设备，可以用于执行上述所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明还提供一种计算机可读存储介质，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备，如移动电话、计算机、平板设备、个人数字助理等；所述计算机可读存储介质存储有程序，所述程序可被处理器执行，以实现以下步骤：
通过图像采集器获取大米的图像；
根据所述大米的图像与预设大米第一类模型集合，识别出所述大米的类型；其中，所述预设大米第一类模型集合包括：粳米类型模型和籼米类型模型。
进一步的，所述程序还可被处理器执行，以实现以下步骤：
根据所述大米的图像、识别出的所述大米的类型及预设大米第二类模型集合，得到所述大米所属种类的概率分布；其中，所述预设大米第二类模型集合包括：所述粳米类型模型的至少一个大米种类模型和所述籼米类型模型的至少一个大米种类模型；
根据所述大米所属种类的概率分布识别出所述大米的种类。
进一步的，所述程序可被所述处理器执行，以具体实现以下步骤：
判断所述大米所属种类的概率分布的最大值是否大于或等于阈值；
在所述大米所属种类的概率分布的最大值大于或等于所述阈值时，将所述概率分布的最大值对应的大米种类模型对应的大米种类确定为所述大米的种类；
在所述大米所属种类的概率分布的最大值未大于或等于所述阈值时，输出提示信息，接收到输入新的大米的种类之后，将所述新的大米的种类确定为所述大米的种类。
进一步的，所述程序还可被处理器执行，以实现以下步骤：
通过所述图像采集器采集预设数量的所述大米的图片；
根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
进一步的，所述程序还可被所述处理器执行，以实现以下步骤：
通过所述图像采集器采集预设数量的所述大米的图片；
将所述新的大米的种类及所述预设数量的所述大米的图片上报至服务器侧，所述服务器侧根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
接收所述服务器侧发送的所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
进一步的，所述阈值为大于或等于第一百分比数字、且小于或等于第二百分比数字的百分比数字；其中，所述第一百分比数字小于所述第二百分比数字。
本实施例的计算机可读存储介质，可以用于执行上述所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
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。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (9)
1.一种识别大米的方法，其特征在于，所述方法包括：
通过图像采集器获取大米的图像；
根据所述大米的图像与预设大米第一类模型集合，识别出所述大米的类型；其中，所述预设大米第一类模型集合包括：粳米类型模型和籼米类型模型。
2.根据权利要求1所述的方法，其特征在于，在所述识别出所述大米的类型之后，所述方法还包括：
根据所述大米的图像、识别出的所述大米的类型及预设大米第二类模型集合，得到所述大米所属种类的概率分布；其中，所述预设大米第二类模型集合包括：所述粳米类型模型的至少一个大米种类模型和所述籼米类型模型的至少一个大米种类模型；
根据所述大米所属种类的概率分布识别出所述大米的种类。
3.根据权利要求2所述的方法，其特征在于，所述根据所述大米所属种类的概率分布识别出所述大米的种类，包括：
判断所述大米所属种类的概率分布的最大值是否大于或等于阈值；
在所述大米所属种类的概率分布的最大值大于或等于所述阈值时，将所述概率分布的最大值对应的大米种类模型对应的大米种类确定为所述大米的种类；
在所述大米所属种类的概率分布的最大值未大于或等于所述阈值时，输出提示信息，接收到输入新的大米的种类之后，将所述新的大米的种类确定为所述大米的种类。
4.根据权利要求3所述的方法，其特征在于，在所述将所述新的大米的种类确定为所述大米的种类之后，所述方法还包括：
通过所述图像采集器采集预设数量的所述大米的图片；
根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
5.根据权利要求3所述的方法，其特征在于，在所述将所述新的大米的种类确定为所述大米的种类之后，所述方法还包括：
通过所述图像采集器采集预设数量的所述大米的图片；
将所述新的大米的种类及所述预设数量的所述大米的图片上报至服务器侧，所述服务器侧根据所述新的大米的种类及所述预设数量的所述大米的图片进行训练，得到所述新的大米的模型；
接收所述服务器侧发送的所述新的大米的模型；
根据所述新的大米的模型更新所述预设大米第二类模型集合，得到更新后的预设大米第二类模型集合。
6.根据权利要求3所述的方法，其特征在于，所述阈值为大于或等于第一百分比数字、且小于或等于第二百分比数字的百分比数字；其中，所述第一百分比数字小于所述第二百分比数字。
7.一种识别大米的装置，其特征在于，所述装置包括：接口、处理器、存储器及总线；所述总线，用于实现所述接口、所述处理器和所述存储器之间的连接通信；所述处理器，用于执行所述存储器中存储的识别大米的程序，以实现如权利要求1至6任一项所述识别大米的方法的步骤。
8.一种识别大米的烹饪设备，其特征在于，所述烹饪设备包括如权利要求7所述的识别大米的装置。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序，所述程序可被处理器执行，以实现如权利要求1至6任一项所述识别大米的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810384672.5A CN110414295A (zh) | 2018-04-26 | 2018-04-26 | 识别大米的方法、装置、烹饪设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810384672.5A CN110414295A (zh) | 2018-04-26 | 2018-04-26 | 识别大米的方法、装置、烹饪设备及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110414295A true CN110414295A (zh) | 2019-11-05 |
Family
ID=68345883
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810384672.5A Pending CN110414295A (zh) | 2018-04-26 | 2018-04-26 | 识别大米的方法、装置、烹饪设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110414295A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112730273A (zh) * | 2021-01-06 | 2021-04-30 | 淮阴工学院 | 一种便携式米质检测装置及其检测方法 |
| CN113255749A (zh) * | 2021-05-17 | 2021-08-13 | 福州大学 | 基于机器学习的大米品种快速识别方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105380498A (zh) * | 2015-10-20 | 2016-03-09 | 上海纯米电子科技有限公司 | 根据米种自动选择烹饪程序的方法及应用该方法的云电饭煲系统 |
| CN105809174A (zh) * | 2016-03-29 | 2016-07-27 | 北京小米移动软件有限公司 | 识别图像的方法及装置 |
| CN106154888A (zh) * | 2016-08-31 | 2016-11-23 | 广东格兰仕集团有限公司 | 一种基于图像识别的电饭煲控制方法 |
| CN107536436A (zh) * | 2016-06-24 | 2018-01-05 | 九阳股份有限公司 | 一种带图像识别模块的智能电饭煲及智能烹饪系统 |
| CN107550234A (zh) * | 2017-08-10 | 2018-01-09 | 深圳益创信息科技有限公司 | 一种智能煮饭方法及电饭煲 |
| CN107728515A (zh) * | 2017-09-27 | 2018-02-23 | 珠海格力电器股份有限公司 | 米饭的蒸煮方法及装置 |
| CN107788853A (zh) * | 2016-09-07 | 2018-03-13 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪控制信息生成方法及装置 |
-
2018
- 2018-04-26 CN CN201810384672.5A patent/CN110414295A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105380498A (zh) * | 2015-10-20 | 2016-03-09 | 上海纯米电子科技有限公司 | 根据米种自动选择烹饪程序的方法及应用该方法的云电饭煲系统 |
| CN105809174A (zh) * | 2016-03-29 | 2016-07-27 | 北京小米移动软件有限公司 | 识别图像的方法及装置 |
| CN107536436A (zh) * | 2016-06-24 | 2018-01-05 | 九阳股份有限公司 | 一种带图像识别模块的智能电饭煲及智能烹饪系统 |
| CN106154888A (zh) * | 2016-08-31 | 2016-11-23 | 广东格兰仕集团有限公司 | 一种基于图像识别的电饭煲控制方法 |
| CN107788853A (zh) * | 2016-09-07 | 2018-03-13 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪控制信息生成方法及装置 |
| CN107550234A (zh) * | 2017-08-10 | 2018-01-09 | 深圳益创信息科技有限公司 | 一种智能煮饭方法及电饭煲 |
| CN107728515A (zh) * | 2017-09-27 | 2018-02-23 | 珠海格力电器股份有限公司 | 米饭的蒸煮方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112730273A (zh) * | 2021-01-06 | 2021-04-30 | 淮阴工学院 | 一种便携式米质检测装置及其检测方法 |
| CN113255749A (zh) * | 2021-05-17 | 2021-08-13 | 福州大学 | 基于机器学习的大米品种快速识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10445562B2 (en) | AU feature recognition method and device, and storage medium | |
| CN106157956A (zh) | 语音识别的方法及装置 | |
| CN106774970A (zh) | 对输入法的候选项进行排序的方法和装置 | |
| CN107591155A (zh) | 语音识别方法及装置、终端及计算机可读存储介质 | |
| CN111179935B (zh) | 一种语音质检的方法和设备 | |
| CN105046238A (zh) | 一种面部表情机器人多通道信息情感表达映射方法 | |
| CN111260665A (zh) | 图像分割模型训练方法和装置 | |
| WO2020211387A1 (zh) | 电子合同显示方法、装置、电子设备及计算机存储介质 | |
| CN110853617A (zh) | 一种模型训练的方法、语种识别的方法、装置及设备 | |
| CN109941231A (zh) | 车载终端设备、车载交互系统和交互方法 | |
| CN104077597B (zh) | 图像分类方法及装置 | |
| WO2018214115A1 (zh) | 一种评价脸妆的方法及装置 | |
| CN110225202A (zh) | 音频流的处理方法、装置、移动终端及存储介质 | |
| CN108388553A (zh) | 对话消除歧义的方法、电子设备及面向厨房的对话系统 | |
| CN110443769A (zh) | 图像处理方法、图像处理装置及终端设备 | |
| CN106649696A (zh) | 信息分类方法及装置 | |
| CN112420049A (zh) | 数据处理方法、装置及存储介质 | |
| CN109819100A (zh) | 手机控制方法、装置、计算机装置及计算机可读存储介质 | |
| CN108776795A (zh) | 用户身份识别方法、装置及终端设备 | |
| CN111126280A (zh) | 基于融合手势识别的失语症患者辅助康复训练系统及方法 | |
| CN110414295A (zh) | 识别大米的方法、装置、烹饪设备及计算机存储介质 | |
| CN112735437A (zh) | 一种声纹比对方法及系统及装置及存储机构 | |
| CN109841221A (zh) | 基于语音识别的参数调节方法、装置及健身设备 | |
| CN110910898B (zh) | 一种语音信息处理的方法和装置 | |
| CN108880815A (zh) | 身份验证方法、装置和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |
|
| RJ01 | Rejection of invention patent application after publication |