CN110486761B - 一种油烟机控烟方法及油烟机 - Google Patents
一种油烟机控烟方法及油烟机 Download PDFInfo
- Publication number
- CN110486761B CN110486761B CN201910698787.6A CN201910698787A CN110486761B CN 110486761 B CN110486761 B CN 110486761B CN 201910698787 A CN201910698787 A CN 201910698787A CN 110486761 B CN110486761 B CN 110486761B
- Authority
- CN
- China
- Prior art keywords
- value
- gray
- oil smoke
- range hood
- rotating speed
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Ventilation (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种油烟机控烟方法及油烟机,该方法包括:获取烹饪区域内锅具中的食材图像;对食材图像进行灰度转换以获取相应的灰度表征值,将灰度表征值与预设标准进行比对;根据比对结果对油烟机的油烟识别值进行校准。本发明公开的油烟机控烟方法及油烟机,对油烟识别结果结合食材颜色划分进行校准,从而达到更精准的识别目的,避免了用户所选择的要烹饪的食材颜色对油烟识别结果产生重大影响。
Description
技术领域
本文涉及厨房家电领域,尤指一种油烟机控烟方法及油烟机。
背景技术
将图像识别技术应用于油烟检测,其识别准确率会受到外界环境参数影响,由于每个用户所处地理位置、楼层和房屋户型各不相同,导致每个用户某一时刻其厨房环境光照度和色温也不尽相同,同一套识别算法无法自适应上述各种厨房环境,目前的识别算法优化方案多集中在适应兼容上述复杂多变的环境上,但当用户环境接近算法调试的实验室环境时,如果用户烹饪偏白、偏暗或者不易出烟的食材时,识别结果仍然会出现较大误差。
发明内容
第一方面,本申请提供了一种油烟机控烟方法,其中油烟机包括摄像头,所述摄像头对烹饪区域进行拍摄,所述方法包括:
获取所述烹饪区域内锅具中的食材图像;
对所述食材图像进行灰度转换以获取相应的灰度表征值,将所述灰度表征值与预设标准进行比对;
根据比对结果对所述油烟机的油烟识别值进行校准。
进一步地,在上述实施例中,所述预设标准包括基准灰阶图,所述基准灰阶图根据灰度值的大小均匀划分为连续的灰阶区域,所述灰阶区域包括具有最大灰度值A的纯白区域、具有最小灰度值C的纯黑区域以及具有中心灰度值B的最佳灰色区域。
进一步地,在上述实施例中,所述对所述食材图像进行灰度转换以获取相应的灰度表征值,将所述灰度表征值与预设标准进行比对,根据比对结果对所述油烟机的油烟识别值进行校准,包括:
提取所述食材图像每一像素点的RGB值,将RGB值进行灰度转换得到每一像素点的灰度值,将所有像素点的灰度值进行加权平均得到所述食材图像的灰度表征值;
将所述灰度表征值与所述基准灰阶图各个区域中的灰度值进行比较,判定所述灰度表征值落在所述基准灰阶图的区域;
在所述灰度表征值落在A点和B点之间时,减小所述油烟机的油烟识别值,以得到校准后的油烟值;
在所述灰度表征值落在B点和C点之间时,增大所述油烟机的油烟识别值,以得到校准后的油烟值;
在所述灰度表征值落在B点上时,对所述油烟机的油烟识别值不进行校准。
进一步地,在上述实施例中,所述减小所述油烟机的油烟识别值,以得到校准后的油烟值,包括:
采用公式K=x-a*(m1/d1)计算校准后的油烟值K;
其中,x为校准前的油烟识别值,m1为所述灰度值与B点灰度值的差值的绝对值,d1为A点灰度值和B点灰度值的差值的绝对值,a为第一预设经验值。
进一步地,在上述实施例中,所述增大所述油烟机的油烟识别值,以得到校准后的油烟值包括:
采用公式K=x+c*(m2/d2)计算校准后的油烟值K;
其中,x为校准前的油烟识别值,m2为所述灰度值与B点灰度值的差值的绝对值,d2为B点灰度值和C点灰度值的差值的绝对值,c为第二预设经验值。
进一步地,在上述实施例中,所述对所述食材图像进行灰度转换以获取相应的灰度表征值之前,所述方法还包括:
检测用户是否触发定制菜谱烹饪模式;
在用户未触发定制菜谱烹饪模式时,对所述食材图像进行灰度转换以获取相应的灰度表征值。
进一步地,在上述实施例中,所述方法还包括:
在用户触发定制菜谱烹饪模式时,搜索与所述食材图像匹配的预设定制菜谱的烹饪参数,所述烹饪参数中包括与食材图像的灰度表征值对应的油烟校准值;
根据匹配的油烟校准值对所述油烟机的油烟识别值进行校准。
进一步地,在上述实施例中,所述预设定制菜谱包括N个烹饪阶段,N为正整数;所述油烟校准值包括:每一烹饪阶段油烟机的校准转速值和校正灯光参数值中的至少一种;
根据匹配的油烟校准值对所述油烟机的油烟识别值进行校准,包括:
对于每一烹饪阶段,将所述油烟机的油烟识别值对应的转速值X与该阶段的校准转速值D进行比较,根据转速比较结果校准所述识别结果值对应的转速值;
和/或;
对于每一烹饪阶段,将所述油烟机的油烟识别值对应的灯光亮度值与该阶段的校准灯光参数值进行比较,根据亮度比较结果校准所述识别结果值对应的灯光亮度值。
进一步地,在上述实施例中,根据转速比较结果校准所述识别结果值对应的转速值,包括:
在X≤D,且转速值X与校准转速值D的差值的绝对值大于转速阈值γ时,将校准转速值D作为校准后的油烟转速值;
在X>D,且转速值X与校准转速值D的差值的绝对值大于转速阈值γ时,将校准转速值D和转速阈值γ之和作为校准后的油烟转速值。
第二方面,本申请提供了一种油烟机,包括摄像头,所述摄像头对烹饪区域进行拍摄,所述油烟机还包括:
获取模块,获取所述烹饪区域内锅具中的食材图像;
特征提取模块,用于对所述食材图像进行灰度转换以获取相应的灰度表征值;
比较模块,用于将所述灰度表征值与预设标准进行比对;
校准模块,根据比对结果对所述油烟机的油烟识别值进行校准。
本申请至少一个实施例提供的油烟机控烟方法及油烟机,与现有技术相比,具有以下有益效果:检测获取锅具中食材图像的灰度表征值,将灰度表征值作为食材的颜色特征值,对油烟识别结果结合食材颜色划分进行校准,使烹饪环境最接近算法实验室环境,从而达到更精准的识别目的,从而避免用户所选择的要烹饪的食材颜色对油烟识别结果将产生重大影响。
本申请实施例的一些实施方式中,预设标准是基准灰阶图,基准灰阶图根据灰度值的大小均匀划分为连续的灰阶区域,还可以达到以下效果:1、将食材图像的灰度表征值与基准灰阶图进行比较,以确定食材的颜色分布,从而更精准的识别食材图像的颜色,避免用户所选择的要烹饪的食材颜色对油烟识别结果将产生重大影响。2、根据灰度表征值在基准灰阶图所处的区间,以减小或增大油烟机的油烟识别值,避免偏黑的食材会使油烟识别结果偏小,以及避免偏白的食材会使油烟识别结果偏大,从而提高油烟机的油烟识别精度。
本申请实施例的一些实施方式中,油烟机设有定制菜谱烹饪模式,还可以达到以下效果:1、用户烹饪过程中若选择按定制菜谱烹饪,则油烟机根据烹饪各阶段的最佳油烟识别参数动态调节油烟识别值,使油烟机能得到更精确的识别结果。2、若用户未按定制菜谱烹饪,则识别出烹饪食材的灰度表征值,根据灰度表征值确定烹饪食材的颜色,根据烹饪食材的颜色进行油烟识别值的校准。3、对于不同的烹饪模式,采用不同的方式获取油烟识别值的校准值,可以提高油烟机的控烟精度。
本申请实施例的一些实施方式中,还可以达到以下效果:当用户选择通过预置定制菜谱进行烹饪时,可以将校准转速值D与识别算法算出的转速值X的差值与转速阈值γ比较,根据比较结果将校准转速值D或校准转速值D和转速阈值γ之和作为校准后的油烟转速值,可以提高油烟机的控烟精度。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本申请的技术方案,并不构成对本申请技术方案的限制。
图1为本发明实施例一提供的油烟机控烟方法的流程图;
图2为本发明实施例提供的基准灰阶图的示意图;
图3为本发明实施例二提供的油烟机控烟方法的流程图;
图4为本发明实施例三提供的油烟机控烟方法的流程图;
图5为本发明实施例四提供的油烟机控烟方法的流程图;
图6为本发明实施例提供的油烟机的结构示意图。
具体实施方式
本申请描述了多个实施例,但是该描述是示例性的,而不是限制性的,并且对于本领域的普通技术人员来说显而易见的是,在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合,并在具体实施方式中进行了讨论,但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外,任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用,或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合,以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合,以形成另一个由权利要求限定的独特的发明方案。因此,应当理解,在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此,除了根据所附权利要求及其等同替换所做的限制以外,实施例不受其它限制。此外,可以在所附权利要求的保护范围内进行各种修改和改变。
此外,在描述具有代表性的实施例时,说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而,在该方法或过程不依赖于本文所述步骤的特定顺序的程度上,该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的,其它的步骤顺序也是可能的。因此,说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外,针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤,本领域技术人员可以容易地理解,这些顺序可以变化,并且仍然保持在本申请实施例的精神和范围内。
在实际应用中,油烟机基于摄像头对获取的实时烹饪视频流进行本地算法处理算出当前油烟浓度进而调节烟机转速,然而在算法自动识别油烟大小的过程中用户所选择的要烹饪的食材颜色或烹饪方式对油烟识别结果将产生重大影响。比如,对于偏白色的蔬菜如花菜受到白色影响识别结果会不准确;对于本身不易产生油烟的菜谱如干煸四季豆识别结果数值几乎为0;对于黑色食材如黑木耳由于受到食材本身黑色影响识别结果会偏小。
为了解决上述问题,本发明实施例提供一种油烟机控烟方法,其中油烟机包括摄像头,摄像头对烹饪区域进行拍摄。图1为本发明实施例一提供的油烟机控烟方法的流程图,如图1所示,本发明实施例提供的油烟机控烟方法,可以包括:
S101:获取烹饪区域内锅具中的食材图像。
本实施例中,通过置于油烟机导烟板上的图像识别模块(比如摄像头),对烹饪区域进行拍摄,以获取烹饪区域内锅具中的食材图像。
具体的,在用户开启油烟机油烟自动巡航功能时,则图像识别模块开始采集图像进入油烟大小自动识别流程。
其中,获取烹饪区域内锅具中的食材图像的实现原理和方法与现有技术相同,本实施例在此不进行限定和赘述。
S102:对食材图像进行灰度转换以获取相应的灰度表征值,将灰度表征值与预设标准进行比对。
本实施例中,对油烟识别结果结合食材颜色划分进行校准。在实际应用中,由于食材颜色非纯色,无法确切的得出一副食材图像是某个特定颜色值。本实施例在识别油烟时,将食材图像的图像数据帧变换为灰度表征值进行处理,将灰度表征值作为食材图像的颜色特征值。
具体的,通过识别用户倒入锅中的食材图像,将食材图像的灰度表征值与预设标准进行比对,以确定食材图像的颜色分布。根据食材颜色分布对油烟识别结果进行校准,使烹饪环境最接近算法实验室环境,从而达到更精准的识别目的,从而避免用户所选择的要烹饪的食材颜色对油烟识别结果将产生重大影响。
其中,预设标准用于表示图像颜色的标准值。本实施例将灰度表征值与预设标准进行比对,用于确定食材图像的颜色分布。
S103:根据比对结果对油烟机的油烟识别值进行校准。
本实施例中,根据比对结果对油烟机的油烟识别值进行校准时,可以根据食材图像的颜色分布调节油烟识别算法参数(比如油烟转速)、摄像头画质参数或外围辅助光明暗度及色温。
本发明实施例提供的油烟机控烟方法,检测获取锅具中食材图像的灰度表征值,将灰度表征值作为食材的颜色特征值,对油烟识别结果结合食材颜色划分进行校准,使烹饪环境最接近算法实验室环境,从而达到更精准的识别目的,从而避免用户所选择的要烹饪的食材颜色对油烟识别结果将产生重大影响。
进一步地,在上述实施例中,预设标准包括基准灰阶图,基准灰阶图根据灰度值的大小均匀划分为连续的灰阶区域,灰阶区域包括具有最大灰度值A的纯白区域、具有最小灰度值C的纯黑区域以及具有中心灰度值B的最佳灰色区域。
本实施例中,预设标准可以是基准灰阶图,将食材图像的灰度表征值与基准灰阶图进行比较,以确定食材的颜色分布。其中,基准灰阶图表示灰度值连续变化的颜色区间划分,基准灰阶图可以但并不仅限于是灰度值连续变化的直线、栅格或平面。
具体的,图2为本发明实施例提供的基准灰阶图的示意图,如图2所示,基准灰阶图是灰度值连续变化的直线,颜色划分为纯白区域、纯黑区域和介于黑白之间最有利于油烟识别的最佳灰色区域,设纯白区域的纯白点(最大灰度值)为A,最佳灰色区域最佳油烟识别条件的食材颜色(中心灰度值)为B,黑色区域的纯黑点(最小灰度值)为C。
其中,最小灰度值C为0,最大灰度值A和中心灰度值B的取值根据食材图像像素的表示位数n确定,最大灰度值A=2n-1,中心灰度值B=(2n-1)/2。比如,n=8时,最大灰度值A=255,中心灰度值B=128。
本发明实施例提供的油烟机控烟方法,将食材图像的灰度表征值与基准灰阶图进行比较,基准灰阶图根据灰度值的大小均匀划分为连续的灰阶区域,以确定食材的颜色分布,从而更精准的识别食材图像的颜色,避免用户所选择的要烹饪的食材颜色对油烟识别结果将产生重大影响。
图3为本发明实施例二提供的油烟机控烟方法的流程图,如图3所示,在上述实施例的基础上,本发明实施例提供的油烟机控烟方法,对食材图像进行灰度转换以获取相应的灰度表征值,将灰度表征值与预设标准进行比对,根据比对结果对油烟机的油烟识别值进行校准,可以包括:
S301:提取食材图像每一像素点的RGB值,将RGB值进行灰度转换得到每一像素点的灰度值,将所有像素点的灰度值进行加权平均得到食材图像的灰度表征值。
在实际应用中,偏白或偏黑的食材,在烹饪翻炒过程中食材颜色本身会对油烟识别结果构成影响。本实施例中,通过提取获得食材图像的灰度表征值以表示当前锅具范围内的食材颜色。
其中,将像素点的RGB值进行灰度转换得到像素点的灰度值的实现原理和方法与现有技术相同,本实施例在此不进行限定和赘述。
S302:将灰度表征值与基准灰阶图各个区域中的灰度值进行比较,判定灰度表征值落在基准灰阶图的区域。
本实施例中,将食材图像的灰度表征值与基准灰阶图各个区域中的灰度值进行比较,以确定食材图像的灰度表征值所处的区间,根据食材图像的灰度表征值所处的区间进行油烟识别值的校准。
S303:在灰度表征值落在A点和B点之间时,减小油烟机的油烟识别值,以得到校准后的油烟值。
本实施例中,在食材图像的灰度表征值落在[A,B)时,判定食材图像为偏白的食材,此时,减小油烟机的油烟识别值,从而避免偏白的食材会使油烟识别结果偏大。
可选的,减小油烟机的油烟识别值,以得到校准后的油烟值,可以包括:采用公式K=x-a*(m1/d1)计算校准后的油烟值K;其中,x为校准前的油烟识别值,m1为灰度值与B点灰度值的差值的绝对值,d1为A点灰度值和B点灰度值的差值的绝对值,a为第一预设经验值。
本实施例中,a是本领域技术人员在实验室环境下预先测得的A点与B点之间油烟量的差值。其中,a值是[A,B)之间的一个共有值,只要食材图像的灰度表征值落在[A,B),均对应一个a值,即食材图像的灰度表征值落在[A,B)的位置不同,所对应的a值均相同。或者,a值是[A,B)之间的多个位置对应值,食材图像的灰度表征值落在[A,B)的位置不同,所对应的a值不同。
S304:在灰度表征值落在B点和C点之间时,增大油烟机的油烟识别值,以得到校准后的油烟值。
本实施例中,在食材图像的灰度表征值落在(B,C]时,判定食材图像为偏黑的食材,此时,增大油烟机的油烟识别值,从而避免偏黑的食材会使油烟识别结果偏小。
可选的,增大油烟机的油烟识别值,以得到校准后的油烟值,可以包括:采用公式K=x+c*(m2/d2)计算校准后的油烟值K;其中,x为校准前的油烟识别值,m2为灰度值与B点灰度值的差值的绝对值,d2为B点灰度值和C点灰度值的差值的绝对值,c为第二预设经验值。
本实施例中,c是本领域技术人员在实验室环境下预先测得的B点与C点之间油烟量的差值。其中,c值是(B,C]之间的一个共有值,只要食材图像的灰度表征值落在(B,C],均对应一个c值,即食材图像的灰度表征值落在(B,C]的位置不同,所对应的c值均相同。或者,c值是(B,C]之间的多个位置对应值,食材图像的灰度表征值落在(B,C]的位置不同,所对应的c值不同。
S305:在灰度表征值落在B点上时,对油烟机的油烟识别值不进行校准。
本实施例中,在食材图像的灰度表征值刚好落在最佳灰色区域上时,判定食材图像的颜色是油烟识别的最佳识别条件,此时,不需要校准油烟机的油烟识别值。
本发明实施例提供的油烟机控烟方法,将灰度表征值与基准灰阶图各个区域中的灰度值进行比较,判定灰度表征值落在基准灰阶图的区域,根据灰度表征值在基准灰阶图所处的区间,以减小或增大油烟机的油烟识别值,避免偏黑的食材会使油烟识别结果偏小,以及避免偏白的食材会使油烟识别结果偏大,从而提高油烟机的油烟识别精度。
进一步地,在上述实施例中,对食材图像进行灰度转换以获取相应的灰度表征值之前,本发明实施例提供的油烟机控烟方法还可以包括:检测用户是否触发定制菜谱烹饪模式,根据检测结果进行油烟值识别值的校正,其具体可以包括以下两种实现方案:
第一种实现方案:在用户未触发定制菜谱烹饪模式时,对食材图像进行灰度转换以获取相应的灰度表征值。
本实施例中,可以预先设置有定制菜谱烹饪模式,在定制菜谱烹饪模式下,包括多个定制菜谱,每一个定制菜谱中包括该菜谱整个烹饪过程的油烟校准值(最佳油烟识别参数)。其中,定制菜谱烹饪模式可以通过用户一键触发进入,本实施例在此不进行限定和赘述。
本实施例中,若用户未按定制菜谱烹饪,则识别出烹饪食材的灰度表征值,根据灰度表征值确定烹饪食材的颜色,根据烹饪食材的颜色进行油烟识别值的校准,其具体可详见上述实施例的描述,本实施例在此不进行赘述。
第二种实现方案:在用户触发定制菜谱烹饪模式时,搜索与食材图像匹配的预设定制菜谱的烹饪参数,烹饪参数中包括与食材图像的灰度表征值对应的油烟校准值;根据匹配的油烟校准值对油烟机的油烟识别值进行校准。
其中,预设定制菜谱的烹饪参数是本领域技术人员在实验室环境下预设设置好的。
本实施例中,用户烹饪过程中若选择按定制菜谱烹饪,则油烟机根据烹饪各阶段的最佳油烟识别参数动态调节油烟识别值,使油烟机能得到更精确的识别结果。
具体的,当用户选择通过预置定制菜谱进行烹饪时,将每个烹饪步骤流程对应的影响油烟识别效果的主要算法参数作为菜谱参数传入进去,实时读取算法参数并更新算法参数设置,则用户的整个烹饪都在最佳的算法参数环境下进行油烟大小识别。
可选的,预设定制菜谱包括N个烹饪阶段,N为正整数;油烟校准值包括:每一烹饪阶段油烟机的校准转速值和校正灯光参数值中的至少一种。
本实施例中,在定制菜谱中添加适合本道菜各烹饪阶段(如热锅、热油、下料和翻炒等)的油烟机的校准转速值和/或校正灯光参数,用户按菜谱流程烹饪时,根据菜谱每个步骤对应的校准转速值实时调整油烟识别值对应的转速,和/或,根据菜谱每个步骤对应的校正灯光参数实时调整油烟识别值对应的灯光亮度值。
举例来说,任意食材的烹饪阶段可以细分为:热锅、热油、加调料、下菜、翻炒、盖锅盖和揭锅盖,任何食材其整个烹饪流程为前述烹饪阶段按顺序按时间的叠加。每个阶段均有一套与之对应的最佳烹饪参数集合S。
具体的,根据匹配的油烟校准值对油烟机的油烟识别值进行校准,可以包括以下至少一种实现方式:
第一种实现方式:对于每一烹饪阶段,将油烟机的油烟识别值对应的转速值X与该阶段的校准转速值D进行比较,根据转速比较结果校准识别结果值对应的转速值。
本实施例中,按定制菜谱中烹饪阶段(热锅、热油、加调料、下菜、翻炒、盖锅盖和揭锅盖)划分,取标准份食材量(2至3人份)每个阶段均通过实验测得一个刚好能吸净油烟的烟机校准转速值D,设油烟机使用油烟识别算法获取的油烟识别值对应的转速为X,将校准转速值D与转速X比较,以进行油烟机转速的校准。
本实施例中,根据转速比较结果校准识别结果值对应的转速值时,若转速值X落在当前步骤预置的参考转速范围内则进行下一次调速流程,否则继续油烟机的转速校准直到最终结果落在参考转速范围内。
第二种实现方式:对于每一烹饪阶段,将油烟机的油烟识别值对应的灯光亮度值与该阶段的校准灯光参数值进行比较,根据亮度比较结果校准识别结果值对应的灯光亮度值。
本实施例中,按定制菜谱中烹饪阶段(比如热锅、热油、加调料、下菜、翻炒、盖锅盖和揭锅盖)划分,取标准份食材量(比如吧2至3人份)每个阶段均通过实验测得一个食材图像最佳清晰度的校准灯光参数值,将校准灯光参数值与油烟识别值对应的灯光亮度值比较,以进行油烟机灯光亮度的校准。
本发明实施例提供的油烟机控烟方法,油烟机设有定制菜谱烹饪模式,用户烹饪过程中若选择按定制菜谱烹饪,则油烟机根据烹饪各阶段的最佳油烟识别参数动态调节油烟识别值,使油烟机能得到更精确的识别结果;若用户未按定制菜谱烹饪,则识别出烹饪食材的灰度表征值,根据灰度表征值确定烹饪食材的颜色,根据烹饪食材的颜色进行油烟识别值的校准。对于不同的烹饪模式,采用不同的方式获取油烟识别值的校准值,可以提高油烟机的控烟精度。
图4为本发明实施例三提供的油烟机控烟方法的流程图,如图4所示,本发明实施例提供的油烟机控烟方法可以包括:
S400:获取当前烹饪步骤。
S401:获取当前步骤的预置光照度参数,从图像数据帧中读取当前实时光照度信息自动调节油烟机辅助照明装置,使实时光照度与预置光照度参数一致。
S402:获取油烟识别结果,将结果数值转化为对应的烟机转速X。
S403:获取当前步骤预置的默认转速参数D。
S404:判断是否|D-X|>γ。若是,执行S405;否则,执行S409。
S405:判断是否D>X。若是,执行S406;否则,执行S407。
S406:将转速设为D。
S407:将转速设为D+γ。
本实施例中,在S404~S407中,根据转速比较结果校准识别结果值对应的转速值,可以包括以下两种实现方式:
第一种实现方式:在D≤A,且转速值X与校准转速值D的绝对值大于转速阈值γ时,将校准转速值D作为校准后的油烟转速值。
第二种实现方式:在D>A,且转速值X与校准转速值D的绝对值大于转速阈值γ时,将校准转速值D和转速阈值γ之和作为校准后的油烟转速值。
本实施例中,可以设校准转速值D与识别算法算出的转速值X的差值为d,d的阈值为γ,在γ范围内则认为识别转速在可接受范围内,超过阈值γ则认为当前识别转速可能不够准确需进行转速的调整。
S408:获取下一烹饪步骤作为当前步骤;执行S401。
S409:判断烹饪步骤是否结束。若是,则结束;否则,执行S410。
S410:获取下一烹饪步骤作为当前步骤,执行S401。
本发明实施例提供的油烟机控烟方法,当用户选择通过预置定制菜谱进行烹饪时,可以将校准转速值D与识别算法算出的转速值X的差值与转速阈值γ比较,根据比较结果将校准转速值D或校准转速值D和转速阈值γ之和作为校准后的油烟转速值,可以提高油烟机的控烟精度。
图5为本发明实施例四提供的油烟机控烟方法的流程图,如图5所示,在上述实施例的基础上,本发明实施例提供的油烟机控烟方法可以包括:
S501:获取烹饪食材图像,识别图像亮度。
本实施例中,可选的,提取食材图像的颜色特征值之前,本发明实施例提供的油烟机控烟方法还可以包括:
获取食材图像的图像亮度值;根据图像亮度值判定是否开启油烟机的补光灯,补光灯用于调节油烟机的照明亮度和色温。
本实施例中,用户开启烟机油烟自动巡航功能,则图像识别模块开始采集图像进入油烟大小自动识别流程,首先获取当前图像数据帧的亮度信息,根据该亮度值决定是否开启辅助照明设备进行灯光明暗和色温调节,以使当前亮度值接近算法的实验室环境。
S502:判断是否需要开启补光灯。若是,则执行S503;否则,执行S504。
本实施例中,根据图像亮度值判定是否开启油烟机的补光灯可以包括:将图像亮度值与预设亮度值进行比较,图像亮度值与预设亮度值的差值在预设范围内,则不需要开启补光灯;图像亮度值与预设亮度值的差值不再预设范围内,开启补光灯。
其中,预设亮度值可以是本领域技术人员在实验室环境下测得的一个固定值。
S503:调节辅助照明设备亮度及色温;执行S501。
S504:判断是否按定制菜谱烹饪。若是,则执行S505;否则,执行S507。
S505:根据定制菜谱中的烹饪参数自动调节当前识别算法相关参数。
其中,烹饪参数中可以包括与食材图像的灰度表征值对应的油烟校准值,油烟校准值可以包括油烟机的校准转速值和/或校正灯光参数值。
其中,当前识别算法相关参数包括油烟识别值对应的转速值和/或烟识别值对应的灯光亮度值。
S506:根据油烟实时识别结果对应的转速落在菜谱中的转速调节范围内与否,进一步调节油烟转速和辅助灯光效果;执行S511。
本实施例中,若油烟实时识别结果对应的转速落在当前步骤预置的参考转速范围内则进行下一次调速流程,否则继续油烟机的转速校准和/或辅助灯光的调节直到最终结果落在参考转速范围内。
S507:识别食材颜色。
本实施例中,识别食材颜色可以包括:对食材图像进行灰度转换以获取相应的灰度表征值,将灰度表征值作为食材图像的颜色特征值。将灰度表征值与预设标准进行比对,以确定食材颜色的分布。
S508:根据颜色判断是否需要开启补光灯。若是,则执行S509;否则,执行S510。
本实施例中,可选的,对油烟机的油烟识别值进行校准之前,本发明实施例提供的油烟机控烟方法还可以包括:对食材颜色进行明暗度判断,若明暗度较低则开启辅助照明灯进行亮度调节,直到亮度落在算法可处理的范围内。
S509:进行亮度和色温调节;执行S508。
S510:根据食材颜色调节识别算法参数,进行油烟识别值的校准。
本实施例中,油烟识别值可以包括油烟机转速值。
S511:油烟大小识别,根据校准后的油烟机转速值调节油烟机转速。
举例来说,以食谱爆炒黑木耳油烟大小检测流程为例,其具体可以包括下述步骤:
步骤一:在热锅和热油场景下,获取当前锅具范围内食材图像的灰度表征值,根据明暗度信息(假设当前为白天)不开启辅助照明设备。
步骤二:倒入黑木耳翻炒。
步骤三:再次检测锅具内食材颜色对应的明暗亮度信息,根据检测结果,打开辅助照明灯,参考实验室亮度和色温值,调节当前厨房环境下油烟机的照明灯亮度及色温。
步骤四:取锅中图像的灰度表征值,若判别其落在图2所示的B和C区域之间,由上述公式可知,此时油烟大小K=x+c*(m2/d2)。
步骤五:重复上述步骤三和四,直至烹饪结束。
本发明实施例提供的油烟机控烟方法,油烟机设有定制菜谱烹饪模式,用户烹饪过程中若选择按定制菜谱烹饪,则油烟机根据烹饪各阶段的最佳油烟识别参数动态调节油烟识别值,使油烟机能得到更精确的识别结果;若用户未按定制菜谱烹饪,则识别出烹饪食材的灰度表征值,根据灰度表征值确定烹饪食材的颜色,根据烹饪食材的颜色进行油烟识别值的校准。对于不同的烹饪模式,采用不同的方式获取油烟识别值的校准值,可以提高油烟机的控烟精度。
本发明实施例还提供一种油烟机,油烟机包括摄像头,摄像头对烹饪区域进行拍摄。进一步地,图6为本发明实施例提供的油烟机的结构示意图,如图6所示,本发明实施例提供的油烟机还可以包括:获取模块61、特征提取模块62、比较模块63和校准模块64。
获取模块61,用于获取所述烹饪区域内锅具中的食材图像;
特征提取模块62,用于对所述食材图像进行灰度转换以获取相应的灰度表征值;
比较模块63,用于将所述灰度表征值与预设标准进行比对;
校准模块64,用于根据比对结果对所述油烟机的油烟识别值进行校准。
本发明实施例提供的油烟机用于执行图1所示方法实施例的技术方案,其实现原理和实现效果类似,此处不再赘述。
进一步地,在上述实施例中,所述预设标准包括基准灰阶图,所述基准灰阶图根据灰度值的大小均匀划分为连续的灰阶区域,所述灰阶区域包括具有最大灰度值A的纯白区域、具有最小灰度值C的纯黑区域以及具有中心灰度值B的最佳灰色区域。
进一步地,在上述实施例中,特征提取模块62对所述食材图像进行灰度转换以获取相应的灰度表征值,可以包括:提取所述食材图像每一像素点的RGB值,将RGB值进行灰度转换得到每一像素点的灰度值,将所有像素点的灰度值进行加权平均得到所述食材图像的灰度表征值;
比较模块63将所述灰度表征值与预设标准进行比对,可以包括:将所述灰度表征值与所述基准灰阶图各个区域中的灰度值进行比较,判定所述灰度表征值落在所述基准灰阶图的区域;
校准模块64根据比对结果对所述油烟机的油烟识别值进行校准,可以包括:在所述灰度表征值落在A点和B点之间时,减小所述油烟机的油烟识别值,以得到校准后的油烟值;在所述灰度表征值落在B点和C点之间时,增大所述油烟机的油烟识别值,以得到校准后的油烟值;在所述灰度表征值落在B点上时,对所述油烟机的油烟识别值不进行校准。
进一步地,在上述实施例中,校准模块64减小所述油烟机的油烟识别值,以得到校准后的油烟值可以包括:
采用公式K=x-a*(m1/d1)计算校准后的油烟值K;
其中,x为校准前的油烟识别值,m1为所述灰度值与B点灰度值的差值的绝对值,d1为A点灰度值和B点灰度值的差值的绝对值,a为第一预设经验值。
进一步地,在上述实施例中,校准模块64增大所述油烟机的油烟识别值,以得到校准后的油烟值可以包括:
采用公式K=x+c*(m2/d2)计算校准后的油烟值K;
其中,x为校准前的油烟识别值,m2为所述灰度值与B点灰度值的差值的绝对值,d2为B点灰度值和C点灰度值的差值的绝对值,c为第二预设经验值。
进一步地,在上述实施例中,本发明实施例提供的油烟机还可以包括:检测模块,用于检测用户是否触发定制菜谱烹饪模式;
获取模块61,还用于在用户未触发定制菜谱烹饪模式时,对所述食材图像进行灰度转换以获取相应的灰度表征值。
进一步地,在上述实施例中,本发明实施例提供的油烟机还可以包括:
查找模块,用于在用户触发定制菜谱烹饪模式时,搜索与所述食材图像匹配的预设定制菜谱的烹饪参数,所述烹饪参数中包括与食材图像的灰度表征值对应的油烟校准值;
校准模块64,还用于根据匹配的油烟校准值对所述油烟机的油烟识别值进行校准。
进一步地,在上述实施例中,所述预设定制菜谱包括N个烹饪阶段,N为正整数;所述油烟校准值包括:每一烹饪阶段油烟机的校准转速值和校正灯光参数值中的至少一种;
校准模块64根据匹配的油烟校准值对所述油烟机的油烟识别值进行校准,可以包括:
对于每一烹饪阶段,将所述油烟机的油烟识别值对应的转速值X与该阶段的校准转速值D进行比较,根据转速比较结果校准所述识别结果值对应的转速值;
和/或;
对于每一烹饪阶段,将所述油烟机的油烟识别值对应的灯光亮度值与该阶段的校准灯光参数值进行比较,根据亮度比较结果校准所述识别结果值对应的灯光亮度值。
进一步地,在上述实施例中,校准模块64根据转速比较结果校准所述识别结果值对应的转速值,可以包括:
在D≤A,且转速值X与校准转速值D的绝对值大于转速阈值γ时,将校准转速值D作为校准后的油烟转速值;
在D>A,且转速值X与校准转速值D的绝对值大于转速阈值γ时,将校准转速值D和转速阈值γ之和作为校准后的油烟转速值。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器,如数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
Claims (10)
1.一种油烟机控烟方法,其中油烟机包括摄像头,所述摄像头对烹饪区域进行拍摄,其特征在于,所述方法包括:
获取所述烹饪区域内锅具中的食材图像;
对所述食材图像进行灰度转换以获取相应的灰度表征值,将所述灰度表征值与预设标准进行比对;
根据比对结果对所述油烟机的油烟识别值进行校准。
2.根据权利要求1所述的方法,其特征在于,所述预设标准包括基准灰阶图,所述基准灰阶图根据灰度值的大小均匀划分为连续的灰阶区域,所述灰阶区域包括具有最大灰度值A的纯白区域、具有最小灰度值C的纯黑区域以及具有中心灰度值B的最佳灰色区域。
3.根据权利要求2所述的方法,其特征在于,所述对所述食材图像进行灰度转换以获取相应的灰度表征值,将所述灰度表征值与预设标准进行比对,根据比对结果对所述油烟机的油烟识别值进行校准,包括:
提取所述食材图像每一像素点的RGB值,将RGB值进行灰度转换得到每一像素点的灰度值,将所有像素点的灰度值进行加权平均得到所述食材图像的灰度表征值;
将所述灰度表征值与所述基准灰阶图各个区域中的灰度值进行比较,判定所述灰度表征值落在所述基准灰阶图的区域;
在所述灰度表征值落在A点和B点之间时,减小所述油烟机的油烟识别值,以得到校准后的油烟值;
在所述灰度表征值落在B点和C点之间时,增大所述油烟机的油烟识别值,以得到校准后的油烟值;
在所述灰度表征值落在B点上时,对所述油烟机的油烟识别值不进行校准。
4.根据权利要求3所述的方法,其特征在于,所述减小所述油烟机的油烟识别值,以得到校准后的油烟值,包括:
采用公式K=x-a*(m1/d1)计算校准后的油烟值K;
其中,x为校准前的油烟识别值,m1为所述灰度值与B点灰度值的差值的绝对值,d1为A点灰度值和B点灰度值的差值的绝对值,a为第一预设经验值。
5.根据权利要求3所述的方法,其特征在于,所述增大所述油烟机的油烟识别值,以得到校准后的油烟值包括:
采用公式K=x+c*(m2/d2)计算校准后的油烟值K;
其中,x为校准前的油烟识别值,m2为所述灰度值与B点灰度值的差值的绝对值,d2为B点灰度值和C点灰度值的差值的绝对值,c为第二预设经验值。
6.根据权利要求1所述的方法,其特征在于,所述对所述食材图像进行灰度转换以获取相应的灰度表征值之前,所述方法还包括:
检测用户是否触发定制菜谱烹饪模式;
在用户未触发定制菜谱烹饪模式时,对所述食材图像进行灰度转换以获取相应的灰度表征值。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
在用户触发定制菜谱烹饪模式时,搜索与所述食材图像匹配的预设定制菜谱的烹饪参数,所述烹饪参数中包括与食材图像的灰度表征值对应的油烟校准值;
根据匹配的油烟校准值对所述油烟机的油烟识别值进行校准。
8.根据权利要求7所述的方法,其特征在于,所述预设定制菜谱包括N个烹饪阶段,N为正整数;所述油烟校准值包括:每一烹饪阶段油烟机的校准转速值和校正灯光参数值中的至少一种;
根据匹配的油烟校准值对所述油烟机的油烟识别值进行校准,包括:
对于每一烹饪阶段,将所述油烟机的油烟识别值对应的转速值X与该阶段的校准转速值D进行比较,根据转速比较结果校准所述油烟识别值对应的转速值;
和/或;
对于每一烹饪阶段,将所述油烟机的油烟识别值对应的灯光亮度值与该阶段的校准灯光参数值进行比较,根据亮度比较结果校准所述油烟识别值对应的灯光亮度值。
9.根据权利要求8所述的方法,其特征在于,根据转速比较结果校准所述油烟识别值对应的转速值,包括:
在X≤D,且转速值X与校准转速值D的差值的绝对值大于转速阈值γ时,将校准转速值D作为校准后的油烟转速值;
在X>D,且转速值X与校准转速值D的差值的绝对值大于转速阈值γ时,将校准转速值D和转速阈值γ之和作为校准后的油烟转速值。
10.一种油烟机,包括摄像头,所述摄像头对烹饪区域进行拍摄,其特征在于,所述油烟机还包括:
获取模块,用于获取所述烹饪区域内锅具中的食材图像;
特征提取模块,用于对所述食材图像进行灰度转换以获取相应的灰度表征值;
比较模块,用于将所述灰度表征值与预设标准进行比对;
校准模块,用于根据比对结果对所述油烟机的油烟识别值进行校准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910698787.6A CN110486761B (zh) | 2019-07-31 | 2019-07-31 | 一种油烟机控烟方法及油烟机 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910698787.6A CN110486761B (zh) | 2019-07-31 | 2019-07-31 | 一种油烟机控烟方法及油烟机 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110486761A CN110486761A (zh) | 2019-11-22 |
CN110486761B true CN110486761B (zh) | 2021-04-06 |
Family
ID=68548926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910698787.6A Active CN110486761B (zh) | 2019-07-31 | 2019-07-31 | 一种油烟机控烟方法及油烟机 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110486761B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113124433A (zh) * | 2019-12-31 | 2021-07-16 | 青岛海尔智慧厨房电器有限公司 | 一种吸油烟机控制方法、装置、吸油烟机和存储介质 |
CN111765499B (zh) * | 2020-06-08 | 2023-05-02 | 杭州九阳小家电有限公司 | 一种烟机的转速控制方法及烟机 |
CN114440276B (zh) * | 2022-01-21 | 2023-05-09 | 珠海格力电器股份有限公司 | 油烟机自动控制方法、系统、存储介质及电子设备 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002089859A (ja) * | 2000-09-14 | 2002-03-27 | Tornex Inc | 焼物器 |
CN106254823A (zh) * | 2016-07-28 | 2016-12-21 | 广州紫川电子科技有限公司 | 基于红外热像仪的目标物闯入侦测方法、装置及系统 |
CN108072058B (zh) * | 2016-11-18 | 2019-10-25 | 台湾樱花股份有限公司 | 具热图像的智能烹饪控制系统 |
CN107449005A (zh) * | 2017-09-11 | 2017-12-08 | 广东万家乐燃气具有限公司 | 吸油烟机控制装置及烹饪控制系统 |
CN108548199B (zh) * | 2018-03-08 | 2019-12-03 | 佛山市云米电器科技有限公司 | 一种智能抽油烟机风速调级方法及装置 |
CN109028233B (zh) * | 2018-09-29 | 2020-11-10 | 佛山市云米电器科技有限公司 | 厨房油烟浓度划分方法及油烟图像识别系统及油烟机 |
CN109373404A (zh) * | 2018-11-30 | 2019-02-22 | 李珊珍 | 多功能顶吸烟机 |
CN109615622A (zh) * | 2018-12-04 | 2019-04-12 | 李珊珍 | 锅体空旷度分析平台 |
CN109631111A (zh) * | 2018-12-29 | 2019-04-16 | 佛山市云米电器科技有限公司 | 一种能与健康营食资料库比对的自动烟灶系统 |
CN109602264A (zh) * | 2019-01-08 | 2019-04-12 | 广东万和热能科技有限公司 | 一种基于卷积神经网络的食物识别智能烹饪控制方法 |
-
2019
- 2019-07-31 CN CN201910698787.6A patent/CN110486761B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110486761A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110486761B (zh) | 一种油烟机控烟方法及油烟机 | |
US7542077B2 (en) | White balance adjustment device and color identification device | |
US9386288B2 (en) | Compensating for sensor saturation and microlens modulation during light-field image processing | |
US7916347B2 (en) | Method and apparatus for automatic white balance | |
JP5377691B2 (ja) | オートホワイトバランスを備える画像処理装置 | |
CN105721845B (zh) | 用于电子照相机的自动白平衡系统 | |
US9483849B2 (en) | Method and apparatus for controlling camera for color calibration of multi-displays | |
US8013907B2 (en) | System and method for adaptive local white balance adjustment | |
US9420197B2 (en) | Imaging device, imaging method and imaging program | |
RU2496250C1 (ru) | Устройство и способ обработки изображения | |
US9460521B2 (en) | Digital image analysis | |
JP4956581B2 (ja) | 撮像装置、撮像装置のホワイトバランス処理方法、プログラム、及び記録媒体 | |
JPWO2006059573A1 (ja) | 色彩調整装置及び方法 | |
CN105898260B (zh) | 一种调节摄像头白平衡的方法及装置 | |
US20090021526A1 (en) | Determination method for white-point and correction method of the white balance | |
CN101957988B (zh) | 获得图像灰度点概率分布的方法、装置及白平衡方法、装置 | |
JP4421438B2 (ja) | 画像カラーバランス補正システムおよび方法 | |
US10602111B2 (en) | Auto white balance control algorithm based upon flicker frequency detection | |
CN105763861B (zh) | 用于电子照相机的自动白平衡系统 | |
CN106921837B (zh) | 相机模组镜头阴影补偿方法及装置、图像信号处理器 | |
JP2006135601A (ja) | 撮像装置 | |
CN114205569B (zh) | 投影设备色温补偿方法及设备 | |
WO2022228032A1 (zh) | 图像偏色的检测方法、设备及冰箱 | |
CN115249271A (zh) | 图像偏色的检测及校正方法、设备及冰箱 |
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 |