CN110633756A - 烹饪设备的菜谱生成方法、系统、设备和介质 - Google Patents
烹饪设备的菜谱生成方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN110633756A CN110633756A CN201910893015.8A CN201910893015A CN110633756A CN 110633756 A CN110633756 A CN 110633756A CN 201910893015 A CN201910893015 A CN 201910893015A CN 110633756 A CN110633756 A CN 110633756A
- Authority
- CN
- China
- Prior art keywords
- cooking
- parameter data
- historical
- data sets
- target
- 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.)
- Granted
Links
- 238000010411 cooking Methods 0.000 title claims abstract description 547
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005070 sampling Methods 0.000 claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000012141 concentrate Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000012976 tarts Nutrition 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种烹饪设备的菜谱生成方法、系统、设备和介质。其中,所述菜谱生成方法包括:获取所述烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱;按照相同预设规则分别对所述多个历史烹饪菜谱进行采样,得到每个历史烹饪菜谱对应的历史烹饪参数数据集;对得到的多个历史烹饪参数数据集进行聚类,得到若干簇;根据每个簇包括的若干历史烹饪参数数据集生成用于供所述烹饪设备设置所述烹饪参数的目标烹饪菜谱。本发明基于对用户过去使用烹饪设备而记录的历史烹饪菜谱进行聚类,来生成得到用户个性化使用的烹饪设备的菜谱,从而用户无需集中精力致力于实时录制一次成功的烹饪菜谱,提高了菜谱的生成效率,提升了用户对烹饪设备的使用感。
Description
技术领域
本发明涉及智能烹饪技术领域,尤其涉及一种烹饪设备的菜谱生成方法、系统、设备和介质。
背景技术
烹饪设备中预先存储的用于自动调节设备烹饪参数的菜谱有限,难以满足用户的多种烹饪需求,而为了丰富烹饪设备中存储的菜谱,用户当前可以通过实时录制其烹饪过程的方式来个性化地生成菜谱。然而,由于菜谱录制的方式依赖于一次成功的烹饪,但烹饪口味欠佳等原因往往导致难以一次性烹饪成功,从而需要反复多次录制,用户操作繁琐,菜谱生成效率低下。
发明内容
本发明要解决的技术问题是为了克服现有技术中基于实时菜谱录制生成菜谱的方式效率低下的缺陷,提供一种烹饪设备的菜谱生成方法、系统、设备和介质。
本发明是通过下述技术方案来解决上述技术问题:
一种烹饪设备的菜谱生成方法,其特点在于,所述菜谱生成方法包括:
获取所述烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱,其中,所述历史烹饪菜谱用于表征所述烹饪设备在历史烹饪过程中烹饪参数与时间的对应关系,所述烹饪参数包括烹饪温度或烹饪功率;
按照相同预设规则分别对所述多个历史烹饪菜谱进行采样,得到每个历史烹饪菜谱对应的并且按照采样顺序排列的历史烹饪参数数据集;
对得到的多个历史烹饪参数数据集进行聚类,得到若干簇,其中,每个簇包括若干历史烹饪参数数据集;
根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱,所述目标烹饪菜谱用于供所述烹饪设备设置所述烹饪参数。
较佳地,所述对得到的多个历史烹饪参数数据集进行聚类的步骤包括:
根据预设聚类条件对得到的多个历史烹饪参数数据集进行聚类,其中,所述预设聚类条件包括以下条件的任意组合:
任意两个历史烹饪参数数据集中相同采样位置处的烹饪参数数据之差的绝对值小于第一阈值;
任意两个历史烹饪参数数据集在相同采样时间段内烹饪参数数据的累计变化之差的绝对值小于第二阈值;
任意两个历史烹饪参数数据集之间的欧式距离小于第三阈值。
较佳地,所述对得到的多个历史烹饪参数数据集进行聚类的步骤包括:
设置用于评估多个历史烹饪参数数据集的相似度的评估参数;
分别以每个历史烹饪参数数据集作为参考数据集,构造由若干历史烹饪参数数据集组成的所述参考数据集的相似数据集,其中,所述相似数据集中的历史烹饪参数数据集的评估参数数据与所述参考数据集的评估参数数据之差的绝对值小于第四阈值;
统计每个参考数据集的相似数据集中历史烹饪参数数据集的第一数量;
按照所述第一数量从大到小的顺序排列所述多个历史烹饪参数数据集;
确定与排在首位的历史烹饪参数数据集相邻的连续若干历史烹饪参数数据集为同簇数据集,其中,所述同簇数据集中的历史烹饪参数数据集的评估参数数据与排在首位的历史烹饪参数数据集的评估参数数据之差的绝对值小于第五阈值;
合并排在首位的历史烹饪参数数据集与所述同簇数据集,得到一个簇。
较佳地,所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤包括:
统计每个簇中包括的历史烹饪参数数据集的第二数量;
确定所述第二数量大于第六阈值的簇为目标簇;
在每个目标簇中按照采样顺序依次计算所有历史烹饪参数数据集在每个采样位置的烹饪参数数据的参数均值,得到历史烹饪参数均值集;
根据所述历史烹饪参数均值集拟合目标烹饪菜谱;
和/或,
在所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤之后,所述菜谱生成方法还包括:
获取所述目标烹饪菜谱在应用过程中烹饪参数数据被调整后得到的自定义烹饪菜谱;
判断所述自定义烹饪菜谱与所述目标烹饪菜谱的相似度是否小于第七阈值;
若是,则根据所述自定义烹饪菜谱更新所述目标烹饪菜谱;
和/或,
在所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤之后,所述菜谱生成方法还包括:
设置所述目标烹饪菜谱的特征参数;
根据所述特征参数将所述目标烹饪菜谱拆分成若干曲线段;
分别根据每一曲线段生成烹饪步骤,所述烹饪步骤包括烹饪参数;
和/或,
在所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤之后,所述菜谱生成方法还包括:
对所述目标烹饪菜谱进行命名。
一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特点在于,所述处理器执行所述计算机程序时实现上述任一种烹饪设备的菜谱生成方法。
一种计算机可读存储介质,其上存储有计算机程序,其特点在于,所述计算机程序被处理器执行时实现上述任一种烹饪设备的菜谱生成方法的步骤。
一种烹饪设备的菜谱生成系统,其特点在于,所述菜谱生成系统包括:
获取模块,用于获取所述烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱,其中,所述历史烹饪菜谱用于表征所述烹饪设备在历史烹饪过程中烹饪参数与时间的对应关系,所述烹饪参数包括烹饪温度或烹饪功率;
采样模块,用于按照相同预设规则分别对所述多个历史烹饪菜谱进行采样,得到每个历史烹饪菜谱对应的并且按照采样顺序排列的历史烹饪参数数据集;
聚类模块,用于对得到的多个历史烹饪参数数据集进行聚类,得到若干簇,其中,每个簇包括若干历史烹饪参数数据集;
第一生成模块,用于根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱,所述目标烹饪菜谱用于供所述烹饪设备设置所述烹饪参数。
较佳地,所述聚类模块具体用于根据预设聚类条件对得到的多个历史烹饪参数数据集进行聚类,其中,所述预设聚类条件包括以下条件的任意组合:
任意两个历史烹饪参数数据集中相同采样位置处的烹饪参数数据之差的绝对值小于第一阈值;
任意两个历史烹饪参数数据集在相同采样时间段内烹饪参数数据的累计变化之差的绝对值小于第二阈值;
任意两个历史烹饪参数数据集之间的欧式距离小于第三阈值。
较佳地,所述聚类模块包括:
设置单元,用于设置用于评估多个历史烹饪参数数据集的相似度的评估参数;
构造单元,用于分别以每个历史烹饪参数数据集作为参考数据集,构造由若干历史烹饪参数数据集组成的所述参考数据集的相似数据集,其中,所述相似数据集中的历史烹饪参数数据集的评估参数数据与所述参考数据集的评估参数数据之差的绝对值小于第四阈值;
第一统计单元,用于统计每个参考数据集的相似数据集中历史烹饪参数数据集的第一数量;
排序单元,用于按照所述第一数量从大到小的顺序排列所述多个历史烹饪参数数据集;
第一确定单元,用于确定与排在首位的历史烹饪参数数据集相邻的连续若干历史烹饪参数数据集为同簇数据集,其中,所述同簇数据集中的历史烹饪参数数据集的评估参数数据与排在首位的历史烹饪参数数据集的评估参数数据之差的绝对值小于第五阈值;
合并单元,用于合并排在首位的历史烹饪参数数据集与所述同簇数据集,得到一个簇。
较佳地,所述第一生成模块包括:
第二统计单元,用于统计每个簇中包括的历史烹饪参数数据集的第二数量;
第二确定单元,用于确定所述第二数量大于第六阈值的簇为目标簇;
计算单元,用于在每个目标簇中按照采样顺序依次计算所有历史烹饪参数数据集在每个采样位置的烹饪参数数据的参数均值,得到历史烹饪参数均值集;
拟合单元,用于根据所述历史烹饪参数均值集拟合目标烹饪菜谱;
和/或,
所述获取模块还用于获取所述目标烹饪菜谱在应用过程中烹饪参数数据被调整后得到的自定义烹饪菜谱;
所述菜谱生成系统还包括:
判断模块,用于判断所述自定义烹饪菜谱与所述目标烹饪菜谱的相似度是否小于第七阈值;
若是,则调用更新模块,所述更新模块用于根据所述自定义烹饪菜谱更新所述目标烹饪菜谱;
和/或,
所述菜谱生成系统还包括:
设置模块,用于设置所述目标烹饪菜谱的特征参数;
拆分模块,用于根据所述特征参数将所述目标烹饪菜谱拆分成若干曲线段;
第二生成模块,用于分别根据每一曲线段生成烹饪步骤,所述烹饪步骤包括烹饪参数;
和/或,
所述菜谱生成系统还包括:
命名模块,用于对所述目标烹饪菜谱进行命名。
本发明的积极进步效果在于:本发明基于对用户过去使用烹饪设备而记录的历史烹饪菜谱进行聚类,来生成得到用户个性化使用的烹饪设备的菜谱,从而用户无需集中精力致力于实时录制一次成功的烹饪菜谱,即可基于历史烹饪菜谱自动生成烹饪设备的目标菜谱,提高了菜谱的生成效率,提升了用户对烹饪设备的使用感。
附图说明
图1为根据本发明实施例1的烹饪设备的菜谱生成方法的流程图。
图2为根据本发明实施例1的烹饪设备的菜谱生成方法中步骤S103的流程图。
图3为根据本发明实施例1的烹饪设备的菜谱生成方法中步骤S104的流程图。
图4为根据本发明实施例2的电子设备的硬件结构示意图。
图5为根据本发明实施例4的烹饪设备的菜谱生成系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本发明提供一种烹饪设备的菜谱生成方法,图1示出了本实施例的流程图。参照图1,本实施例的菜谱生成方法包括:
S101、获取烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱。
在本实施例中,记录烹饪设备在烹饪过程中的烹饪菜谱,历史烹饪菜谱用于表征烹饪设备在历史烹饪过程中烹饪参数与时间的对应关系,烹饪参数可以包括烹饪温度或烹饪功率,也即,本实施例中的历史烹饪菜谱可以是温度-时间曲线,也可以是功率-时间曲线。
S102、按照相同预设规则分别对多个历史烹饪菜谱进行采样,得到历史烹饪参数数据集。
在本实施例中,历史烹饪参数数据集分别与历史烹饪菜谱对应并且其中烹饪参数数据按照采样顺序排列,预设规则可以根据烹饪设备的类型对历史烹饪参数数据集的采样起点进行限定,例如,对于蒸烤箱,由于用户通常会对其进行预热以达到预热温度,预设规则可以规定,将满足预热温度的时间点限定为采样起点。在本实施例中,预设规则还可以对采样周期、采样个数等进行自定义限定,例如,采样周期可以是1分钟,采样个数可以是30个。对于采样周期t、采样个数n(n为正整数),本实施例中的历史烹饪参数数据集P可以表示为P{P(t)、P(2t)、……、P(nt)}。
S103、对得到的多个历史烹饪参数数据集进行聚类,得到若干簇。
在本实施例中,得到的每个簇包括若干历史烹饪参数数据集。具体地,步骤S103可以包括根据预设聚类条件对得到的多个历史烹饪参数数据集进行聚类,其中,预设聚类条件包括以下条件的任意组合:
条件1:任意两个历史烹饪参数数据集中相同采样位置处的烹饪参数数据之差的绝对值小于第一阈值;
条件2:任意两个历史烹饪参数数据集在相同采样时间段内烹饪参数数据的累计变化之差的绝对值小于第二阈值;
条件3:任意两个历史烹饪参数数据集之间的欧式距离小于第三阈值。
在本实施例中,将m(m为正整数)个历史烹饪参数数据集P分别记为P1{P1(t)、P1(2t)、……、P1(nt)}、P2{P2(t)、P2(2t)、……、P2(nt)}、……、Pm{Pm(t)、Pm(2t)、……、Pm(nt)},对于其中任意两个历史烹饪参数数据集Px和Py(1≤x,y≤m),有:
条件1中相同采样位置zt(1≤z≤n)处的烹饪参数数据为:Px(zt)和Py(zt);
条件2中相同采样时间段内的烹饪参数数据的累计变化为:
条件3中的欧式距离为:
其中,第一阈值、第二阈值、第三阈值可以根据实际应用自定义设置。
在本实施例中,例如,预设聚类条件可以同时包括条件1、条件2以及条件3,将同时满足条件1、条件2以及条件3的历史烹饪参数数据集归为一个簇。
进一步地,在本实施例中,图2示出了步骤S103的具体流程图。参照图2,步骤S103具体包括:
S1031、设置用于评估多个历史烹饪参数数据集的相似度的评估参数;
S1032、分别以每个历史烹饪参数数据集作为参考数据集,构造由若干历史烹饪参数数据集组成的参考数据集的相似数据集;
S1033、统计每个参考数据集的相似数据集中历史烹饪参数数据集的第一数量;
S1034、按照第一数量从大到小的顺序排列多个历史烹饪参数数据集;
S1035、确定与排在首位的历史烹饪参数数据集相邻的连续若干历史烹饪参数数据集为同簇数据集;
S1036、合并排在首位的历史烹饪参数数据集与同簇数据集,得到一个簇。
在本实施例中,相似数据集中的历史烹饪参数数据集的评估参数数据与参考数据集的评估参数数据之差的绝对值小于第四阈值,同簇数据集中的历史烹饪参数数据集的评估参数数据与排在首位的历史烹饪参数数据集的评估参数数据之差的绝对值小于第五阈值,其中,第四阈值、第五阈值可以根据实际应用自定义设置。
具体地,在本实施例中,可以根据预设聚类条件来选择评估参数,例如,当预设聚类条件包括条件1时,评估参数可以包括烹饪参数,当预设聚类条件包括条件2时,评估参数可以包括烹饪参数数据的累计变化,当预设聚类条件包括条件3时,评估参数可以包括欧式距离。
例如,在步骤S1031中设置评估参数为烹饪参数,进一步地,评估参数数据可以是历史烹饪参数数据集中的第一个烹饪参数数据P(t)。在步骤S1032中构造历史烹饪参数数据集Px的相似数据集Pxs,具体地,若有|Px(t)-Py(t)|小于第四阈值,即将历史烹饪参数数据集Py加入相似数据集Pxs,如此,获得历史烹饪参数数据集Px的相似数据集Pxs。
假设本实施例中共有4个历史烹饪参数数据集P1、P2、P3、P4,历史烹饪参数数据集P1的相似数据集P1s是P1s{P1、P2},其中,第一数量为2;历史烹饪参数数据集P2的相似数据集P2s是P2s{P1、P2、P3},其中,第一数量为3;历史烹饪参数数据集P3的相似数据集P3s是P3s{P2、P3},其中,第一数量为2;历史烹饪参数数据集P4的相似数据集P4s是P4s{P4},其中,第一数量为1。
经由步骤S1034将4个历史烹饪参数数据集重新排列为:P2、P1、P3、P4。在步骤S1035中,确定历史烹饪参数数据集P2的同簇数据集,具体地,首先判断|P2(t)-P1(t)|是否小于第五阈值,若是,则继续判断|P2(t)-P3(t)|是否小于第五阈值,若否,则历史烹饪参数数据集P2的同簇数据集为空集。若|P2(t)-P3(t)|小于第五阈值,则继续判断|P2(t)-P4(t)|是否小于第五阈值;若|P2(t)-P3(t)|不小于第五阈值,则历史烹饪参数数据集P2的同簇数据集为P1。以此类推,得到排在首位的历史烹饪参数数据集的同簇数据集。
最后,合并排在首位的历史烹饪参数数据集及其同簇数据集,得到一个簇,例如,假设历史烹饪参数数据集P2的同簇数据集为P1,可以得到簇{P2,P1}。对于未归于簇内的其他历史烹饪参数数据集,可以再次执行上述步骤S1031-S1036,以将所有历史烹饪参数数据集归为若干簇,实现历史烹饪参数数据集的聚类。
S104、根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱。
在本实施例中,图3示出了步骤S104的具体流程图。参照如3,步骤S104具体包括:
S1041、统计每个簇中包括的历史烹饪参数数据集的第二数量;
S1042、确定第二数量大于第六阈值的簇为目标簇;
S1043、在每个目标簇中按照采样顺序依次计算所有历史烹饪参数数据集在每个采样位置的烹饪参数数据的参数均值,得到历史烹饪参数均值集;
S1044、根据历史烹饪参数均值集拟合目标烹饪菜谱。
在本实施例中,可以根据实际应用设置第六阈值的取值。假设有目标簇{P1、P2、P3、P4、P5},采样位置zt处的参数均值为:(P1(zt)+P2(zt)+P3(zt)+P4(zt)+P5(zt))/5。进而,基于得到的历史烹饪参数均值集可以拟合得到对应目标簇的目标烹饪菜谱,目标烹饪菜谱用于供烹饪设备设置烹饪参数。
S105、对目标烹饪菜谱进行命名。
在本实施例中,可以对得到的目标烹饪菜谱进行自定义命名,例如,烤蛋挞、蒸鸡蛋等,以便于用户再次使用烹饪设备时,可以基于其自定义的命名,实现指定菜谱的回放,自动设置烹饪设备的烹饪参数,减少用户的操作,并呈现符合用户喜好的烹饪口味。
在步骤S104之后,本实施例的菜谱生成方法还可以包括以下步骤:
设置目标烹饪菜谱的特征参数;
根据特征参数将目标烹饪菜谱拆分成若干曲线段;
分别根据每一曲线段生成烹饪步骤。
在本实施例中,还可以对目标烹饪菜谱进行预处理,以得到平滑的目标烹饪菜谱,并且,其中特征参数可以是但不限于目标烹饪菜谱中的拐点,生成的烹饪步骤中包括用于设置烹饪设备的烹饪参数。
又有,用户在回放应用本实施例生成的目标烹饪菜谱时,还可能在应用该目标烹饪菜谱的过程中调整烹饪参数数据,也即,该次目标烹饪菜谱的回放后得到了与目标烹饪菜谱不同的自定义烹饪菜谱,可以利用该自定义烹饪菜谱来更新本实施例中的目标烹饪菜谱。
具体地,可以判断自定义烹饪菜谱与目标烹饪菜谱的相似度是否小于第七阈值,其中,第七阈值可以根据实际应用自定义设置,若判断为是,则根据自定义烹饪菜谱更新目标烹饪菜谱,若判断为否,则无需更新被回放应用的目标烹饪菜谱。
在本实施例中,根据自定义烹饪菜谱P’更新基于目标簇{P1、P2、P3、P4、P5}生成得到的目标烹饪菜谱后,新的目标烹饪菜谱的参数均值可以是(P1(zt)+P2(zt)+P3(zt)+P4(zt)+P5(zt)+P’(zt))/6。
在本实施例中,基于对用户过去使用烹饪设备而记录的历史烹饪菜谱进行聚类,来生成得到用户个性化使用的烹饪设备的菜谱,从而用户无需集中精力致力于实时录制一次成功的烹饪菜谱,即可基于历史烹饪菜谱自动生成烹饪设备的菜谱,提高了菜谱的生成效率,提升了用户对烹饪设备的使用感。
实施例2
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1提供的烹饪设备的菜谱生成方法。
图4示出了本实施例的硬件结构示意图,如图4所示,电子设备9具体包括:
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93,其中:
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器,例如随机存取存储器(RAM)921和/或高速缓存存储器922,还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925,这样的程序模块924包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1所提供的烹饪设备的菜谱生成方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且,电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备9使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分得到由多个单元/模块来具体化。
实施例3
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1提供的烹饪设备的菜谱生成方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1中的烹饪设备的菜谱生成方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
实施例4
本发明提供一种烹饪设备的菜谱生成系统,图5示出了本实施例的模块示意图。参照图5,本实施例的菜谱生成系统包括:
获取模块401,用于获取烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱。
在本实施例中,记录烹饪设备在烹饪过程中的烹饪菜谱,历史烹饪菜谱用于表征烹饪设备在历史烹饪过程中烹饪参数与时间的对应关系,烹饪参数可以包括烹饪温度或烹饪功率,也即,本实施例中的历史烹饪菜谱可以是温度-时间曲线,也可以是功率-时间曲线。
采样模块402,用于按照相同预设规则分别对多个历史烹饪菜谱进行采样。
在本实施例中,历史烹饪参数数据集分别与历史烹饪菜谱对应并且其中烹饪参数数据按照采样顺序排列,预设规则可以根据烹饪设备的类型对历史烹饪参数数据集的采样起点进行限定,例如,对于蒸烤箱,由于用户通常会对其进行预热以达到预热温度,预设规则可以规定,将满足预热温度的时间点限定为采样起点。在本实施例中,预设规则还可以对采样周期、采样个数等进行自定义限定,例如,采样周期可以是1分钟,采样个数可以是30个。对于采样周期t、采样个数n(n为正整数),本实施例中的历史烹饪参数数据集P可以表示为P{P(t)、P(2t)、……、P(nt)}。
聚类模块403,用于对得到的多个历史烹饪参数数据集进行聚类,得到若干簇。
在本实施例中,得到的每个簇包括若干历史烹饪参数数据集。具体地,聚类模块403可以用于根据预设聚类条件对得到的多个历史烹饪参数数据集进行聚类,其中,预设聚类条件包括以下条件的任意组合:
条件1:任意两个历史烹饪参数数据集中相同采样位置处的烹饪参数数据之差的绝对值小于第一阈值;
条件2:任意两个历史烹饪参数数据集在相同采样时间段内烹饪参数数据的累计变化之差的绝对值小于第二阈值;
条件3:任意两个历史烹饪参数数据集之间的欧式距离小于第三阈值。
在本实施例中,将m(m为正整数)个历史烹饪参数数据集P分别记为P1{P1(t)、P1(2t)、……、P1(nt)}、P2{P2(t)、P2(2t)、……、P2(nt)}、……、Pm{Pm(t)、Pm(2t)、……、Pm(nt)},对于其中任意两个历史烹饪参数数据集Px和Py(1≤x,y≤m),有:
条件1中相同采样位置zt(1≤z≤n)处的烹饪参数数据为:Px(zt)和Py(zt);
条件2中相同采样时间段内的烹饪参数数据的累计变化为:
其中,1≤a≤b≤n;
条件3中的欧式距离为:
其中,第一阈值、第二阈值、第三阈值可以根据实际应用自定义设置。
在本实施例中,例如,预设聚类条件可以同时包括条件1、条件2以及条件3,将同时满足条件1、条件2以及条件3的历史烹饪参数数据集归为一个簇。
进一步地,参照图5,聚类模块403包括:
设置单元4031,用于设置用于评估多个历史烹饪参数数据集的相似度的评估参数;
构造单元4032,用于分别以每个历史烹饪参数数据集作为参考数据集,构造由若干历史烹饪参数数据集组成的参考数据集的相似数据集;
第一统计单元4033,用于统计每个参考数据集的相似数据集中历史烹饪参数数据集的第一数量;
排序单元4034,用于按照第一数量从大到小的顺序排列多个历史烹饪参数数据集;
第一确定单元4035,用于确定与排在首位的历史烹饪参数数据集相邻的连续若干历史烹饪参数数据集为同簇数据集;
合并单元4036,用于合并排在首位的历史烹饪参数数据集与同簇数据集,得到一个簇。
在本实施例中,相似数据集中的历史烹饪参数数据集的评估参数数据与参考数据集的评估参数数据之差的绝对值小于第四阈值,同簇数据集中的历史烹饪参数数据集的评估参数数据与排在首位的历史烹饪参数数据集的评估参数数据之差的绝对值小于第五阈值,其中,第四阈值、第五阈值可以根据实际应用自定义设置。
具体地,在本实施例中,可以根据预设聚类条件来选择评估参数,例如,当预设聚类条件包括条件1时,评估参数可以包括烹饪参数,当预设聚类条件包括条件2时,评估参数可以包括烹饪参数数据的累计变化,当预设聚类条件包括条件3时,评估参数可以包括欧式距离。
例如,设置单元4031设置评估参数为烹饪参数,进一步地,评估参数数据可以是历史烹饪参数数据集中的第一个烹饪参数数据P(t)。构造单元4032构造历史烹饪参数数据集Px的相似数据集Pxs,具体地,若有|Px(t)-Py(t)|小于第四阈值,即将历史烹饪参数数据集Py加入相似数据集Pxs,如此,获得历史烹饪参数数据集Px的相似数据集Pxs。
假设本实施例中共有4个历史烹饪参数数据集P1、P2、P3、P4,历史烹饪参数数据集P1的相似数据集P1s是P1s{P1、P2},其中,第一数量为2;历史烹饪参数数据集P2的相似数据集P2s是P2s{P1、P2、P3},其中,第一数量为3;历史烹饪参数数据集P3的相似数据集P3s是P3s{P2、P3},其中,第一数量为2;历史烹饪参数数据集P4的相似数据集P4s是P4s{P4},其中,第一数量为1。
经由排序单元4034将4个历史烹饪参数数据集重新排列为:P2、P1、P3、P4。第一确定单元4035确定历史烹饪参数数据集P2的同簇数据集,具体地,首先判断|P2(t)-P1(t)|是否小于第五阈值,若是,则继续判断|P2(t)-P3(t)|是否小于第五阈值,若否,则历史烹饪参数数据集P2的同簇数据集为空集。若|P2(t)-P3(t)|小于第五阈值,则继续判断|P2(t)-P4(t)|是否小于第五阈值;若|P2(t)-P3(t)|不小于第五阈值,则历史烹饪参数数据集P2的同簇数据集为P1。以此类推,得到排在首位的历史烹饪参数数据集的同簇数据集。
最后,合并排在首位的历史烹饪参数数据集及其同簇数据集,得到一个簇,例如,假设历史烹饪参数数据集P2的同簇数据集为P1,可以得到簇{P2,P1}。对于未归于簇内的其他历史烹饪参数数据集,可以再次执行上述聚类模块403,以将所有历史烹饪参数数据集归为若干簇,实现历史烹饪参数数据集的聚类。
第一生成模块404,用于根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱。
参见图5,第一生成模块404具体包括:
第二统计单元4041,用于统计每个簇中包括的历史烹饪参数数据集的第二数量;
第二确定单元4042,用于确定第二数量大于第六阈值的簇为目标簇;
计算单元4043,用于在每个目标簇中按照采样顺序依次计算所有历史烹饪参数数据集在每个采样位置的烹饪参数数据的参数均值,得到历史烹饪参数均值集;
拟合单元4044,用于根据历史烹饪参数均值集拟合目标烹饪菜谱。
在本实施例中,可以根据实际应用设置第六阈值的取值。假设有目标簇{P1、P2、P3、P4、P5},采样位置zt处的参数均值为:(P1(zt)+P2(zt)+P3(zt)+P4(zt)+P5(zt))/5。进而,基于得到的历史烹饪参数均值集可以拟合得到对应目标簇的目标烹饪菜谱,目标烹饪菜谱用于供烹饪设备设置烹饪参数。
命名模块405,用于对目标烹饪菜谱进行命名。
在本实施例中,可以对得到的目标烹饪菜谱进行自定义命名,例如,烤蛋挞、蒸鸡蛋等,以便于用户再次使用烹饪设备时,可以基于其自定义的命名,实现指定菜谱的回放,自动设置烹饪设备的烹饪参数,减少用户的操作,并呈现符合用户喜好的烹饪口味。
在本实施例中,参照图5,菜谱生成系统还可以包括:
设置模块406,用于设置目标烹饪菜谱的特征参数;
拆分模块407,用于根据特征参数将目标烹饪参数菜谱拆分成若干曲线段;
第二生成模块408,用于分别根据每一曲线段生成烹饪步骤。
在本实施例中,还可以对目标烹饪菜谱进行预处理,以得到平滑的目标烹饪菜谱,并且,其中特征参数可以是但不限于目标烹饪菜谱中的拐点,生成的烹饪步骤中包括用于设置烹饪设备的烹饪参数。
又有,用户在回放应用本实施例生成的目标烹饪菜谱时,还可能在应用该目标烹饪菜谱的过程中调整烹饪参数数据,也即,该次目标烹饪菜谱的回放后得到了与目标烹饪菜谱不同的自定义烹饪菜谱,可以利用该自定义烹饪菜谱来更新本实施例中的目标烹饪菜谱。
具体地,在本实施例中,获取模块401还可以用于获取上述自定义烹饪菜谱,
参照图5,本实施例菜谱生成系统还可以包括:
判断模块409,用于判断自定义烹饪菜谱与目标烹饪菜谱的相似度是否小于第七阈值。若判断模块409判断为是,则调用更新模块410,根据自定义烹饪菜谱更新目标烹饪菜谱,若判断模块409判断为否,则无需更新被回放应用的目标烹饪菜谱。
在本实施例中,根据自定义烹饪菜谱P’更新基于目标簇{P1、P2、P3、P4、P5}生成得到的目标烹饪菜谱后,新的目标烹饪菜谱的参数均值可以是(P1(zt)+P2(zt)+P3(zt)+P4(zt)+P5(zt)+P’(zt))/6。
在本实施例中,基于对用户过去使用烹饪设备而记录的历史烹饪菜谱进行聚类,来生成得到用户个性化使用的烹饪设备的菜谱,从而用户无需集中精力致力于实时录制一次成功的烹饪菜谱,即可基于历史烹饪菜谱自动生成烹饪设备的菜谱,提高了菜谱的生成效率,提升了用户对烹饪设备的使用感。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (10)
1.一种烹饪设备的菜谱生成方法,其特征在于,所述菜谱生成方法包括:
获取所述烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱,其中,所述历史烹饪菜谱用于表征所述烹饪设备在历史烹饪过程中烹饪参数与时间的对应关系,所述烹饪参数包括烹饪温度或烹饪功率;
按照相同预设规则分别对所述多个历史烹饪菜谱进行采样,得到每个历史烹饪菜谱对应的并且按照采样顺序排列的历史烹饪参数数据集;
对得到的多个历史烹饪参数数据集进行聚类,得到若干簇,其中,每个簇包括若干历史烹饪参数数据集;
根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱,所述目标烹饪菜谱用于供所述烹饪设备设置所述烹饪参数。
2.如权利要求1所述的烹饪设备的菜谱生成方法,其特征在于,所述对得到的多个历史烹饪参数数据集进行聚类的步骤包括:
根据预设聚类条件对得到的多个历史烹饪参数数据集进行聚类,其中,所述预设聚类条件包括以下条件的任意组合:
任意两个历史烹饪参数数据集中相同采样位置处的烹饪参数数据之差的绝对值小于第一阈值;
任意两个历史烹饪参数数据集在相同采样时间段内烹饪参数数据的累计变化之差的绝对值小于第二阈值;
任意两个历史烹饪参数数据集之间的欧式距离小于第三阈值。
3.如权利要求1所述的烹饪设备的菜谱生成方法,其特征在于,所述对得到的多个历史烹饪参数数据集进行聚类的步骤包括:
设置用于评估多个历史烹饪参数数据集的相似度的评估参数;
分别以每个历史烹饪参数数据集作为参考数据集,构造由若干历史烹饪参数数据集组成的所述参考数据集的相似数据集,其中,所述相似数据集中的历史烹饪参数数据集的评估参数数据与所述参考数据集的评估参数数据之差的绝对值小于第四阈值;
统计每个参考数据集的相似数据集中历史烹饪参数数据集的第一数量;
按照所述第一数量从大到小的顺序排列所述多个历史烹饪参数数据集;
确定与排在首位的历史烹饪参数数据集相邻的连续若干历史烹饪参数数据集为同簇数据集,其中,所述同簇数据集中的历史烹饪参数数据集的评估参数数据与排在首位的历史烹饪参数数据集的评估参数数据之差的绝对值小于第五阈值;
合并排在首位的历史烹饪参数数据集与所述同簇数据集,得到一个簇。
4.如权利要求1所述的烹饪设备的菜谱生成方法,其特征在于,所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤包括:
统计每个簇中包括的历史烹饪参数数据集的第二数量;
确定所述第二数量大于第六阈值的簇为目标簇;
在每个目标簇中按照采样顺序依次计算所有历史烹饪参数数据集在每个采样位置的烹饪参数数据的参数均值,得到历史烹饪参数均值集;
根据所述历史烹饪参数均值集拟合目标烹饪菜谱;
和/或,
在所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤之后,所述菜谱生成方法还包括:
获取所述目标烹饪菜谱在应用过程中烹饪参数数据被调整后得到的自定义烹饪菜谱;
判断所述自定义烹饪菜谱与所述目标烹饪菜谱的相似度是否小于第七阈值;
若是,则根据所述自定义烹饪菜谱更新所述目标烹饪菜谱;
和/或,
在所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤之后,所述菜谱生成方法还包括:
设置所述目标烹饪菜谱的特征参数;
根据所述特征参数将所述目标烹饪菜谱拆分成若干曲线段;
分别根据每一曲线段生成烹饪步骤,所述烹饪步骤包括烹饪参数;
和/或,
在所述根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱的步骤之后,所述菜谱生成方法还包括:
对所述目标烹饪菜谱进行命名。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-4中任一项所述的烹饪设备的菜谱生成方法。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的烹饪设备的菜谱生成方法的步骤。
7.一种烹饪设备的菜谱生成系统,其特征在于,所述菜谱生成系统包括:
获取模块,用于获取所述烹饪设备在历史烹饪过程中记录的多个历史烹饪菜谱,其中,所述历史烹饪菜谱用于表征所述烹饪设备在历史烹饪过程中烹饪参数与时间的对应关系,所述烹饪参数包括烹饪温度或烹饪功率;
采样模块,用于按照相同预设规则分别对所述多个历史烹饪菜谱进行采样,得到每个历史烹饪菜谱对应的并且按照采样顺序排列的历史烹饪参数数据集;
聚类模块,用于对得到的多个历史烹饪参数数据集进行聚类,得到若干簇,其中,每个簇包括若干历史烹饪参数数据集;
第一生成模块,用于根据每个簇包括的若干历史烹饪参数数据集生成目标烹饪菜谱,所述目标烹饪菜谱用于供所述烹饪设备设置所述烹饪参数。
8.如权利要求7所述的烹饪设备的菜谱生成系统,其特征在于,所述聚类模块具体用于根据预设聚类条件对得到的多个历史烹饪参数数据集进行聚类,其中,所述预设聚类条件包括以下条件的任意组合:
任意两个历史烹饪参数数据集中相同采样位置处的烹饪参数数据之差的绝对值小于第一阈值;
任意两个历史烹饪参数数据集在相同采样时间段内烹饪参数数据的累计变化之差的绝对值小于第二阈值;
任意两个历史烹饪参数数据集之间的欧式距离小于第三阈值。
9.如权利要求7所述的烹饪设备的菜谱生成系统,其特征在于,所述聚类模块包括:
设置单元,用于设置用于评估多个历史烹饪参数数据集的相似度的评估参数;
构造单元,用于分别以每个历史烹饪参数数据集作为参考数据集,构造由若干历史烹饪参数数据集组成的所述参考数据集的相似数据集,其中,所述相似数据集中的历史烹饪参数数据集的评估参数数据与所述参考数据集的评估参数数据之差的绝对值小于第四阈值;
第一统计单元,用于统计每个参考数据集的相似数据集中历史烹饪参数数据集的第一数量;
排序单元,用于按照所述第一数量从大到小的顺序排列所述多个历史烹饪参数数据集;
第一确定单元,用于确定与排在首位的历史烹饪参数数据集相邻的连续若干历史烹饪参数数据集为同簇数据集,其中,所述同簇数据集中的历史烹饪参数数据集的评估参数数据与排在首位的历史烹饪参数数据集的评估参数数据之差的绝对值小于第五阈值;
合并单元,用于合并排在首位的历史烹饪参数数据集与所述同簇数据集,得到一个簇。
10.如权利要求7所述的烹饪设备的菜谱生成系统,其特征在于,所述第一生成模块包括:
第二统计单元,用于统计每个簇中包括的历史烹饪参数数据集的第二数量;
第二确定单元,用于确定所述第二数量大于第六阈值的簇为目标簇;
计算单元,用于在每个目标簇中按照采样顺序依次计算所有历史烹饪参数数据集在每个采样位置的烹饪参数数据的参数均值,得到历史烹饪参数均值集;
拟合单元,用于根据所述历史烹饪参数均值集拟合目标烹饪菜谱;
和/或,
所述获取模块还用于获取所述目标烹饪菜谱在应用过程中烹饪参数数据被调整后得到的自定义烹饪菜谱;
所述菜谱生成系统还包括:
判断模块,用于判断所述自定义烹饪菜谱与所述目标烹饪菜谱的相似度是否小于第七阈值;
若是,则调用更新模块,所述更新模块用于根据所述自定义烹饪菜谱更新所述目标烹饪菜谱;
和/或,
所述菜谱生成系统还包括:
设置模块,用于设置所述目标烹饪菜谱的特征参数;
拆分模块,用于根据所述特征参数将所述目标烹饪菜谱拆分成若干曲线段;
第二生成模块,用于分别根据每一曲线段生成烹饪步骤,所述烹饪步骤包括烹饪参数;
和/或,
所述菜谱生成系统还包括:
命名模块,用于对所述目标烹饪菜谱进行命名。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893015.8A CN110633756B (zh) | 2019-09-20 | 2019-09-20 | 烹饪设备的菜谱生成方法、系统、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910893015.8A CN110633756B (zh) | 2019-09-20 | 2019-09-20 | 烹饪设备的菜谱生成方法、系统、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110633756A true CN110633756A (zh) | 2019-12-31 |
CN110633756B CN110633756B (zh) | 2023-01-13 |
Family
ID=68972033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910893015.8A Active CN110633756B (zh) | 2019-09-20 | 2019-09-20 | 烹饪设备的菜谱生成方法、系统、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633756B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112903550A (zh) * | 2021-01-28 | 2021-06-04 | 宁波方太厨具有限公司 | 油烟浓度数据集生成方法、装置、系统、设备及介质 |
CN114688571A (zh) * | 2020-12-28 | 2022-07-01 | 云米互联科技(广东)有限公司 | 烹饪设备控制方法、烹饪设备及计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005115622A (ja) * | 2003-10-07 | 2005-04-28 | Koichi Kaneko | 調理管理システム |
CN104914898A (zh) * | 2015-04-17 | 2015-09-16 | 珠海优特电力科技股份有限公司 | 一种数字菜谱的生成方法及系统 |
CN106503442A (zh) * | 2016-10-21 | 2017-03-15 | 广州视源电子科技股份有限公司 | 菜谱的推荐方法和装置 |
CN107621789A (zh) * | 2016-07-15 | 2018-01-23 | 德国福维克控股公司 | 用于控制多功能烹饪装置的食谱程序生成的系统和方法 |
CN108062343A (zh) * | 2017-07-27 | 2018-05-22 | 宁波方太厨具有限公司 | 一种个性化智能菜谱的生成方法 |
CN108259539A (zh) * | 2016-12-29 | 2018-07-06 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪参数设定方法及装置 |
US20190053332A1 (en) * | 2017-08-11 | 2019-02-14 | Brava Home, Inc. | Configurable cooking systems and methods |
CN109725662A (zh) * | 2018-12-29 | 2019-05-07 | 珠海优特智厨科技有限公司 | 一种烹饪方法及烹饪控制装置 |
-
2019
- 2019-09-20 CN CN201910893015.8A patent/CN110633756B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005115622A (ja) * | 2003-10-07 | 2005-04-28 | Koichi Kaneko | 調理管理システム |
CN104914898A (zh) * | 2015-04-17 | 2015-09-16 | 珠海优特电力科技股份有限公司 | 一种数字菜谱的生成方法及系统 |
CN107621789A (zh) * | 2016-07-15 | 2018-01-23 | 德国福维克控股公司 | 用于控制多功能烹饪装置的食谱程序生成的系统和方法 |
CN106503442A (zh) * | 2016-10-21 | 2017-03-15 | 广州视源电子科技股份有限公司 | 菜谱的推荐方法和装置 |
CN108259539A (zh) * | 2016-12-29 | 2018-07-06 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪参数设定方法及装置 |
CN108062343A (zh) * | 2017-07-27 | 2018-05-22 | 宁波方太厨具有限公司 | 一种个性化智能菜谱的生成方法 |
US20190053332A1 (en) * | 2017-08-11 | 2019-02-14 | Brava Home, Inc. | Configurable cooking systems and methods |
CN109725662A (zh) * | 2018-12-29 | 2019-05-07 | 珠海优特智厨科技有限公司 | 一种烹饪方法及烹饪控制装置 |
Non-Patent Citations (3)
Title |
---|
刘刚: "一种新型可变功率微波炉的研制", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
梁为磊: "基于温度检测的电压力锅控制系统设计", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
邓力: "基于时间温度积分器将手工烹饪转变为自动烹饪的方法", 《农业工程学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114688571A (zh) * | 2020-12-28 | 2022-07-01 | 云米互联科技(广东)有限公司 | 烹饪设备控制方法、烹饪设备及计算机可读存储介质 |
CN112903550A (zh) * | 2021-01-28 | 2021-06-04 | 宁波方太厨具有限公司 | 油烟浓度数据集生成方法、装置、系统、设备及介质 |
CN112903550B (zh) * | 2021-01-28 | 2022-04-19 | 宁波方太厨具有限公司 | 油烟浓度数据集生成方法、装置、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110633756B (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220365961A1 (en) | Dynamic feedback in a recommendation system | |
JP2019215935A (ja) | ハプティック効果の自動適合 | |
CN110633756B (zh) | 烹饪设备的菜谱生成方法、系统、设备和介质 | |
CN111666396A (zh) | 用户意图理解满意度评估方法、装置、设备和存储介质 | |
EP3916538B1 (en) | Creating a cinematic storytelling experience using network-addressable devices | |
CN110674320B (zh) | 一种检索方法、装置和电子设备 | |
JP2023515556A (ja) | 機械学習技術を用いた通信ワークフローのための強化された処理 | |
CN111767385A (zh) | 一种智能问答方法及装置 | |
WO2020232279A1 (en) | Generating sentiment metrics using emoji selections | |
US20230188595A1 (en) | Computer-Implemented Systems and Methods for a User-Controllable Parameter | |
CN112149737A (zh) | 选择模型训练方法、模型选择方法、装置及电子设备 | |
CN111883131B (zh) | 语音数据的处理方法及装置 | |
CN112185369A (zh) | 一种基于语音控制的音量调节方法、装置、设备和介质 | |
US20240070726A1 (en) | Automated generation of creative parameters based on approval feedback | |
US11568860B2 (en) | System and method for federated, context-sensitive, acoustic model refinement | |
WO2020168451A1 (zh) | 睡眠预测方法、装置、存储介质及电子设备 | |
US20060020639A1 (en) | Engine for validating proposed changes to an electronic entity | |
CN116431458B (zh) | 一种平板电脑智能管理系统与方法 | |
CN105741857B (zh) | 一种音调序列的鲁棒阶跃规整方法 | |
US20230069549A1 (en) | Generating compound action links in a multi-modal networked environment | |
US11756541B1 (en) | Contextual resolver for voice requests | |
KR20140047219A (ko) | 콘텐츠를 제공하는 방법 및 콘텐츠 서버 | |
US20230074756A1 (en) | Categorizing and Recommending Content Through Multi-Dimensional Explicit User Feedback | |
US11681870B2 (en) | Reducing latency and improving accuracy of work estimates utilizing natural language processing | |
CN114218486A (zh) | 信息推荐方法、模型训练方法、装置、设备及存储介质 |
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 |