CN110857787B - 一种油烟机集油盒的集油量检测方法和油烟机 - Google Patents

Abstract

本申请提出一种油烟机集油盒的集油量检测方法和油烟机，所述方法包括：获取烹饪区域内的图像信息；根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；根据所述烹饪油烟量确定本次烹饪过程中落入所述集油盒内的第一废油量。通过对用户的烹饪过程的图像采集，基于图像分析的烹饪油烟量确定的废油量；实现实时检测集油盒内废油量。

Description

一种油烟机集油盒的集油量检测方法和油烟机

技术领域

本发明涉及智能设备检测领域，具体涉及一种油烟机集油盒的集油量检测方法和油烟机。

背景技术

目前，市面上几乎所有的油烟机都配有集油盒，但是用户在使用油烟机的过程中，会由于没有及时清理集油盒导致集油盒内的油溢出，污染厨房环境且难于清理干净。而油烟机集油盒多长时间才会集满油受到油烟机类型、集油盒体积以及用户烹饪喜好、烹饪频率的影响。有些油烟机集油盒的安装位置是肉眼很难观测到。

相关技术中，检测集油盒是否将满的方案主要有称重、超声波距离测算、单位时间内油杯加热后的温度变化；以上方案不仅存在检测误差，而且会增加额外成本。另外，目前部分油烟机具有自清洁功能，但自清洁过程中的清洁液也有可能导致集油盒满溢。

发明内容

本发明提供一种油烟机集油盒的集油量检测方法和油烟机，实现在烹饪过程中自动检测落入集油盒的废油量。

为了实现上述发明目的，本发明采取的技术方案如下：

第一方面，本发明提供一种油烟机集油盒的集油量检测方法，包括：

获取烹饪区域内的图像信息；

根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；

根据所述烹饪油烟量确定本次烹饪过程中落入所述集油盒内的第一废油量。

优选地，所述的方法还包括：

获取与所述图像信息相对应的油烟机的转速信息，所述油烟机的转速与所述烹饪油烟量相匹配；

根据所述油烟机的转速信息确定本次烹饪过程中落入所述集油盒内的第一废油量。

优选地，所述的方法还包括：

在触发油烟机自清洁指令时，预测被油烟机吸收而落入所述集油盒内的清洁废液量；

获取历史烹饪过程中累积落入所述集油盒的第二废油量；

根据所述清洁废液量以及所述第二废油量确定是否执行所述油烟机自清洁指令。

优选地，所述的方法还包括：

当所述第二废油量与所述清洁废液量之和大于或者等于第一阈值时，发出提醒；

当所述第二废油量与所述清洁废液量之和大于或者等于第二阈值时，暂停油烟机执行的操作。

优选地，根据所述烹饪油烟量确定落入所述集油盒内的废油量的步骤包括：

确定烹饪过程中与t时刻所拍摄的图像相对应的烹饪方式和/或烹饪阶段；

根据所确定的烹饪方式和/或烹饪阶段确定影响系数K_t；

检测t时刻下的当前油烟量A_t；

记录所述烹饪过程的持续时间T；

根据所述影响系数K_t、所述当前油烟量A_t以及所述累计时间T确定所述废油量；

所述影响系数K_t表征t时刻所对应的烹饪方式和/或烹饪阶段下所述当前油烟量A_t转化为所述废油量的比率。

优选地，确定烹饪过程中与所拍摄的图像相对应的烹饪方式和/或烹饪阶段的步骤包括：

根据烹饪食谱信息确定所述烹饪方式和/或烹饪阶段；或者

根据预先训练的图像识别模型确定所述烹饪方式和/或烹饪阶段。

优选地，根据所述影响系数K_t、所述当前油烟量A_t以及所述累计时间T确定所述废油量包括：

优选地，所述方法之前还包括：

通过预先训练的系数推算模型确定每一种烹饪方式和/或每一种烹饪阶段下影响系数k_xy，所述系数推算模型根据所述烹饪方式和/或所述烹饪阶段确定所述影响系数k_xy；

根据如下公式计算所述烹饪方式和/或所述烹饪阶段的影响系数k：

所述a_i为训练时刻i时产生的油烟量；

所述N为所述烹饪方式和/或所述烹饪阶段的训练持续时间；

所述V为所述烹饪方式和/或所述烹饪阶段的训练持续时间内产生的废油量。

优选地，根据所述图像信息确定烹饪过程中所产生的烹饪油烟量至少包括以下三种方式：

根据烹饪过程中所拍摄图像的高频分量和低频分量确定油烟浓度信息；

根据烹饪过程中所拍摄图像的清晰度信息确定油烟浓度信息；或者，

根据烹饪过程中所拍摄图像的灰度值确定油烟浓度信息。

第二方面，本发明还提供一种油烟机，包括摄像头、图像处理单元以及计算单元，

所述摄像头用于获取烹饪区域内的图像信息；

所述图像处理单元用于根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；

所述计算单元用于根据所述烹饪油烟量确定本次烹饪过程中落入所述集油盒内的第一废油量。

本发明通过对用户的烹饪过程的图像采集，基于图像分析的烹饪油烟量确定的废油量；实现实时检测集油盒内废油量。具有如下有益效果：

1、本发明在计算废油量时，利用烹饪过程中的油烟大小、在不同烹饪方式、不同烹饪阶段、不同时间段内产生的废油量的关系从而精准推算出每次烹饪过程产生的落于集油盒中的废油量；

2、本发明在执行自动清洗流程前先判断集油盒中是否有足够的容量容纳自动清洗所产生的废液，在有足够的容量时，执行自动清洗，在容量不够时，不执行自动清洗，自动清洗完成后及时更新集油盒中累计废液量，以此避免集油外溢，带来更精准的集油体积检测和更友好的自动清洗体验；

3、本发明根据累计费油量的多少语音提醒用户倒油清理集油盒，避免了用户因忘记及时清理集油盒而造成的废油外溢污染厨房环境的情况发生；

4、本发明在每次油烟机上电后用户开始烹饪之前进行语音提醒，若集油盒内的集油量达到第一阈值则语音提示用户倒油，此时用户仍可以进行正常的烹饪动作，若集油盒内的集油量达到第二阈值，此时限制用户的烹饪操作，避免集油盒中的废弃液体溢出。此种策略留给用户足够的时间来清理油槽，避免影响的用户交互体验；

5、通过检测用户取集油盒和重新安放集油盒的动作，并根据两个动作之间的间隔时间判断用户是否完成了倒油和清洗操作。根据识别结果将集油量数值清零，重新循环往复测算集油量。

附图说明

图1为本发明实施例的烟机集油盒的集油量检测方法的流程图；

图2为本发明实施例的油烟机的结构示意图；

图3为本发明实施例的集油盒的溢出报警的流程图；

图4为本发明实施例的确定油烟量的流程图；

图5为本发明实施例的提示用户倒油的处理流程图；

图6为本发明实施例的自动清洁的处理流程图。

具体实施方式

为使本发明的发明目的、技术方案和有益效果更加清楚明了，下面结合附图对本发明的实施例进行说明，需要说明的是，在不冲突的情况下，本申请中的实施例和实施例中的特征可以相互任意组合。

如图1所示，本发明实施例提供一种油烟机集油盒的集油量检测方法，包括：

S101、获取烹饪区域内的图像信息；

S102、根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；

S103、根据所述烹饪油烟量确定本次烹饪过程中落入所述集油盒内的第一废油量。

本发明实施例，可以涉及对所有带集油盒的油烟机的改进，在油烟机面向用户一侧边沿下方(优选在油烟机的正中)安装有用于图像识别的带摄像头，通过摄像头可采集油烟机正下方灶台烹饪区域(包含左右灶头)完整区域图像，通过图像处理单元识别油烟烹饪过程中的饪油烟量；计算单元根据烹饪方式、当前所处烹饪阶段、烹饪时间长短和油烟大小计算出烹饪过程中流到集油盒中的废油量。废油量可以采用体积或者质量作为检测参数。

本发明实施例中，所述的方法还包括：

获取与所述图像信息相对应的油烟机的转速信息，所述油烟机的转速与所述烹饪油烟量相匹配；

根据所述油烟机的转速信息确定本次烹饪过程中落入所述集油盒内的第一废油量。

目前市场上的智能油烟机，油烟机的转速随着烹饪过程中产生的油烟量变化，获取结合油烟机的转速信息能够更准确的获得落入到集油盒内的废油量。

本发明实施例中，所述的方法还包括：

在触发油烟机自清洁指令时，预测被油烟机吸收而落入所述集油盒内的清洁废液量；

获取历史烹饪过程中累积落入所述集油盒的第二废油量；

根据所述清洁废液量以及所述第二废油量确定是否执行所述油烟机自清洁指令。

本发明实施例中，可以按照以下方式执行自动清洗指令：

将自动清洗产生的清洁废液量与历史累计记录的第二废油量求和估算集油盒内的清洗后废液量；

当所述清洗后废液量小于集油盒的容量时，执行自动清洁；

当所述清洗后废液量大于或者等于集油盒的容量时，不执行自动清洁。

本实施例可以采用高温蒸汽或者高压喷水的方式进行自动清洁，最终清洗的油渍和水渍都将作为清洁废液流入集油盒。如果某次自动清洗开始前未查看集油盒中是否有足够容量容纳本次清洗流入的清洁废液，则可能出现集油盒溢出的情况，因此，本实施例会预先估算自动清洁产生的清洁废液量，

本发明实施例中，所述的方法还包括：

当所述第二废油量与所述清洁废液量之和大于或者等于第一阈值时，发出提醒；

当所述第二废油量与所述清洁废液量之和大于或者等于第二阈值时，暂停油烟机执行的操作。

本发明实施例中，所述的方法还包括：

当所述第二废油量与所述第一废油量之和大于或者等于第一阈值时，发出提醒；

当所述第二废油量与所述第一废油量之和大于或者等于第二阈值时，暂停油烟机执行的操作。

本发明实施例中，将历史累计记录的第二废油量与阈值进行比较，确定对应的控制过程，其中第一阈值、第二阈值可以根据统计数据进行设置，例如第一阈值为集油盒容量的70％-80％，第二阈值为集油盒容量的85％-95％。

本发明实施例中，步骤S103中根据所述烹饪油烟量确定落入所述集油盒内的废油量的步骤包括：

确定烹饪过程中与t时刻所拍摄的图像相对应的烹饪方式和/或烹饪阶段；

根据所确定的烹饪方式和/或烹饪阶段确定影响系数K_t；

检测t时刻下的当前油烟量A_t；

记录所述烹饪过程的持续时间T；

根据所述影响系数K_t、所述当前油烟量A_t以及所述累计时间T确定所述废油量；

所述影响系数K_t表征t时刻所对应的烹饪方式和/或烹饪阶段下所述当前油烟量A_t转化为所述废油量的比率。

其中，确定烹饪过程中与所拍摄的图像相对应的烹饪方式和/或烹饪阶段的步骤包括：

根据烹饪食谱信息确定所述烹饪方式和/或烹饪阶段；或者

根据预先训练的图像识别模型确定所述烹饪方式和/或烹饪阶段。

本发明实施例中，根据所述影响系数K_t、所述当前油烟量A_t以及所述累计时间T确定所述废油量包括：

所述方法之前还包括：

通过预先训练的系数推算模型确定每一种烹饪方式和/或每一种烹饪阶段下影响系数k_xy，所述系数推算模型根据所述烹饪方式和/或所述烹饪阶段确定所述影响系数k_xy；

根据如下公式计算所述烹饪方式和/或所述烹饪阶段的影响系数k_xy：

所述a_i为训练时刻i时产生的油烟量；

所述N为所述烹饪方式和/或所述烹饪阶段的训练持续时间；

所述V为所述烹饪方式和/或所述烹饪阶段的训练持续时间内产生的废油量。

本发明实施例中，x和y分别指代对应的烹饪方式的序号和烹饪阶段的序号。

由于智能油烟机的转速随烟雾浓度自动调节，本发明实施例中，油烟机的转速信息与烹饪过程产生的油烟量大小相匹配，在预先通过训练获得影响系数k_xy时，油烟机的转速随着某一种烹饪方式和/或某一种烹饪阶段过程中产生的烟雾浓度自动调节，在用户实际烹饪过程中，也会随着烹饪过程中产生的烟雾浓度自动调节，在计算落入所述集油盒内的第一废油量时，结合所述油烟机的转速信息能够更加准确的计算第一废油量。

本发明实施例中，步骤S102中根据所述图像信息确定烹饪过程中所产生的烹饪油烟量至少包括以下三种方式：

根据烹饪过程中所拍摄图像的高频分量和低频分量确定油烟浓度信息；

根据烹饪过程中所拍摄图像的清晰度信息确定油烟浓度信息；或者，

根据烹饪过程中所拍摄图像的灰度值确定油烟浓度信息。

本发明实施例中，还可以：检测用户拿取集油盒的动作和放置集油盒的动作，并记录拿取集油盒的动作和放置集油盒的动作的时间间隔，当所述时间间隔满足预设时间阈值时，将所述历史累计记录的第二废油量清零。

本发明实施例还可以结合其他的检测方式，如液位检测等方式，进行集油盒第二废油量的校准，还可以结合也为检测等方式确定用户是否完成集油盒倒油。

本发明实施例还可以在接收到用户触发的倒油完毕指令时，将所述历史累计记录的第二废油量清零。

本发明实施例还可以利用目前油烟机上的摄像头拍摄用户的操作，通过识别用户的倒油动作，将所述历史累计记录的第二废油量清零，或者利用摄像头拍摄集油盒的图片，确定集油盒内第二废油量是否清零。

如图2所示，本发明还提供一种油烟机，包括摄像头100、图像处理单元200以及计算单元300，

所述摄像头100，用于获取烹饪区域内的图像信息；

所述图像处理单元200，用于根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；

所述计算单元300，用于根据所述烹饪油烟量确定本次烹饪过程中落入所述集油盒内的第一废油量。

实施例一

如图3所示，本实施例说明集油盒的溢出报警整体处理流程：

S11、油烟大小检测：通过摄像头检测识别当前油烟大小；

S12、集油体积换算：根据烹饪方式、当前所处烹饪阶段、烹饪时间长短和油烟大小计算出烹饪过程中流到集油盒中的废油体积；

S13、集油盒将满提醒：判断累计废油体积是否已达到报警提示阈值，若达到阈值则语音提示用户油盒将满并提示用户倒油，否则重复上述过程直到本次烹饪结束。

实施例二

本实施例说明确定油烟量的过程：

烹饪过程中不同的烹饪方式(如爆炒和煮汤)、同一烹饪方式的不同阶段(如热油和翻炒)其产生的油烟中的废油含量都是不一样的，所以检测油烟大小必须同步判别本次烹饪的烹饪方式和当前所处的烹饪阶段，这样才能在进行更精确的废油量计算。具体处理流程如图4所示：

S21、判断是否根据食谱进行烹饪，

S22、若用户是根据烹饪系统中的食谱进行烹饪的，则根据食谱的不同将烹饪分为炒、煎、贴、烹、炸、溜、汆，涮、煮、炖、煨、焐、蒸、鲊、卤、烤、炝、拔丝、焗等烹饪方式，记录所选食谱对应的烹饪方式。烹饪阶段划分为热锅、热油、下料、翻炒、盖锅盖、接锅盖，记录所选食谱对应的烹饪阶段。

S23、若用户自主烹饪，识别方式采用深度学习算法，采集上述每个烹饪动作一个连续的图像序列进行深度学习训练，在用户实际烹饪时通过摄像头实时获取图像视频流，传入训练模型中得到烹饪动作并记录存储起来，从而在用户烹饪过程中识别对应的烹饪方式和烹饪阶段。

本实施例中，将烹饪过程中产生的实际油烟大小划分为小烟、中烟、大烟等三个层级，油烟大小的量化采用一次小波变换算法，用低频分量表征烹饪过程中产生的油烟对获取到的一帧帧图像造成的模糊程度，用高频分量表征识别区域的边沿信息，提取出上述摄像头采集的烟机下方一帧帧图像数据的高低频分量，取低频分量与高频分量的比值作为油烟大小量化值。当油烟越来越大，识别区域的边沿信息将会越来越少，识别区域的模糊程度越来越大，其对应的比值也将越来越大。此外，油烟大小的量化还可采用将获取到的图像做灰阶处理根据灰度值的大小得出油烟的大小；或者通过深度学习算法，将烹饪过程中获取到的图像与烹饪前的图像做清晰度对比的方式来获取油烟大小。将上述量化值划归到上述三个不同的烟量等级，记录当前烹饪方式当前阶段下该油烟等级持续的时间。

实施例三

本实施例说明确定影响系数k_xy的过程：

	炒	煎	烹	炸
					热锅	k<sub>11</sub>	k<sub>12</sub>	k<sub>13</sub>	k<sub>14</sub>
热油	k<sub>21</sub>	k<sub>22</sub>	k<sub>23</sub>	k<sub>24</sub>
					下料	k<sub>31</sub>	k<sub>32</sub>	k<sub>33</sub>	k<sub>34</sub>
翻炒	k<sub>41</sub>	k<sub>42</sub>	k<sub>43</sub>	k<sub>44</sub>

上表中，每一行为主要烹饪方式，分为炒、煎、贴、烹、炸、溜、汆，涮、煮、炖、煨、焐、蒸、鲊、卤、烤、炝、拔丝、焗，共分为19种，表中示例4种，每一列为烹饪动作，分为热锅、热油、下料、翻炒、盖锅盖、接锅盖，共分为6种，表中示例4种。

表格中对应的每一个烹饪动作在上述不同烹饪方式下都有可能产生不同大小的油烟。预先通过实时调控火力的燃气灶给锅具加热，保持对应的烹饪方式和烹饪阶段，并实时记录每一时刻的实际油烟大小。由于烹饪过程中的油烟最终转化为集油盒中的废油是一个持续的过程，要确定最终落到集油盒中废油体积的关键影响因素系数，需要一个足够长的时间使人肉眼或通过容积测量工具能够明显检测到集油盒中的废油在这段时间内的体积变化，具体计算如下：

所述a_i为训练时刻i时产生的油烟量；

所述N为所述烹饪方式和/或所述烹饪阶段的训练持续时间；

所述V为所述烹饪方式和/或所述烹饪阶段的训练持续时间内产生的废油量；

x和y分别指代对应的烹饪方式的序号和烹饪阶段的序号，x取1-19，y取1-6。

实施例四

如图5所示，本实施例说明检测废油量后，提示用户的处理过程：

通常在烹饪过程中用户不会去倒油盒中的集油，由于烹饪过程中手被烹饪器具占用或沾满油渍、水渍，此时如果提示用户倒油，用户也并不方便操作，因此，本实施例在烹饪开始前提示用户倒油：

首先，在油烟机每次上电开机即开始判断累计集油体积是否已达到预设的第一阈值(集油盒总容积的80％)，若达到第一阈值则语音提醒用户倒油，此时用户如果不执行倒油动作仍可进行正常的烹饪动作，当用户响应油烟机发出的倒油语音提示，油烟机检测到用户有取油盒和重新安置油盒且两者时间间隔满足正常人清洗集油盒的最小值即认为用户完成了清理集油盒的动作，此时累计集油体积清零，重新开始计数。若用户在第一阈值时仍继续执行正常的烹饪动作，则油烟机实时检测油烟大小，计算集油盒中累计集油体积，在油烟机再次开机上电后判断集油体积是否已达到第二阈值(集油盒总容积的90％)，此时若不执行倒油动作，则废油有溢出集油盒的危险发生，所以此时强制用户倒油，短暂禁止油烟机响应用户烹饪动作，直到确认用户完成倒油动作为止。用户倒油后累计集油体积清零，重新开始油烟大小识别和集油体积计算。

实施例五

当前很多油烟机都增加了自动清洗功能，一般采用高温蒸汽和/或高压喷水的方式进行油烟机内部附着油渍的清洗。最终清洗的油渍和水渍都将流入集油盒。如果某次自动清洗开始前未查看集油盒中是否有足够容量容纳本次清洗流入的液体则可能出现废油从集油盒中溢出情况发生。如图6所示，本实施例针对上述情况进行自动清洁执行：

油烟机执行自动清洗流程前需判断集油盒中是否还有足够的容积来容纳本次清洗将流入到集油盒中的液体，若空间足够则可以执行正常的清洗流程，并更新清洗后累计的集油盒内液体体积。若空间不够，则清洗流程暂时中止，并语音提示用户倒油，待检测到用户执行了倒油动作之后累计集油体积计数清零，重新开始集油盒累计废油体积计算。

虽然本发明所揭示的实施方式如上，但其内容只是为了便于理解本发明的技术方案而采用的实施方式，并非用于限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭示的核心技术方案的前提下，可以在实施的形式和细节上做任何修改与变化，但本发明所限定的保护范围，仍须以所附的权利要求书限定的范围为准。

Claims (8)

1.一种油烟机集油盒的集油量检测方法，其特征在于，包括：

获取烹饪区域内的图像信息；

根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；

根据所述烹饪油烟量确定本次烹饪过程中落入所述集油盒内的第一废油量，其具体步骤包括：

根据烹饪食谱信息或者根据预先训练的图像识别模型确定烹饪过程中与t时刻所拍摄的图像相对应的烹饪方式和烹饪阶段；

根据所确定的烹饪方式和烹饪阶段确定影响系数K_t；

通过图像信息确定t时刻下的当前油烟量A_t；

记录所述烹饪过程的持续时间T；

根据所述影响系数K_t、所述当前油烟量A_t以及所述持续时间T确定所述第一废油量；

所述影响系数K_t表征t时刻所对应的烹饪方式和烹饪阶段下所述当前油烟量A_t转化为所述第一废油量的比率。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取与所述图像信息相对应的油烟机的转速信息，所述油烟机的转速与所述烹饪油烟量相匹配；

根据所述油烟机的转速信息确定本次烹饪过程中落入所述集油盒内的第一废油量。

3.根据权利要求1所述的方法，其特征在于，还包括：

在触发油烟机自清洁指令时，预测被油烟机吸收而落入所述集油盒内的清洁废液量；

获取历史烹饪过程中累积落入所述集油盒的第二废油量；

根据所述清洁废液量以及所述第二废油量确定是否执行所述油烟机自清洁指令。

4.根据权利要求3所述的方法，其特征在于，还包括：

当所述第二废油量与所述清洁废液量之和大于或者等于第一阈值时，发出提醒；

当所述第二废油量与所述清洁废液量之和大于或者等于第二阈值时，暂停油烟机执行的操作。

5.根据权利要求1所述的方法，其特征在于，根据所述影响系数K_t、所述当前油烟量A_t以及所述持续时间T确定所述废油量包括：

6.根据权利要求1所述的方法，其特征在于，所述方法之前还包括：

通过预先训练的系数推算模型确定相对应的烹饪方式和烹饪阶段下影响系数k_xy，所述系数推算模型根据所述烹饪方式和所述烹饪阶段确定所述影响系数k_xy；

根据如下公式计算所述烹饪方式和所述烹饪阶段的影响系数k_xy：

所述a_i为训练时刻i时产生的油烟量；

所述N为所述烹饪方式和所述烹饪阶段的训练持续时间；

所述V为所述烹饪方式和所述烹饪阶段的训练持续时间内产生的废油量。

7.根据权利要求1所述的方法，其特征在于，根据所述图像信息确定烹饪过程中所产生的烹饪油烟量至少包括以下三种方式：

根据烹饪过程中所拍摄图像的高频分量和低频分量确定油烟浓度信息；或者，

根据烹饪过程中所拍摄图像的清晰度信息确定油烟浓度信息；或者，

根据烹饪过程中所拍摄图像的灰度值确定油烟浓度信息。

8.一种油烟机，其特征在于，包括摄像头、图像处理单元以及计算单元，

所述摄像头用于获取烹饪区域内的图像信息；

所述图像处理单元用于根据所述图像信息确定烹饪过程中所产生的烹饪油烟量；

所述计算单元用于根据所述烹饪油烟量确定本次烹饪过程中落入集油盒内的第一废油量，其具体步骤包括：

根据烹饪食谱信息或者根据预先训练的图像识别模型确定烹饪过程中与t时刻所拍摄的图像相对应的烹饪方式和烹饪阶段；

根据所确定的烹饪方式和烹饪阶段确定影响系数K_t；

通过图像信息确定t时刻下的当前油烟量A_t；

记录所述烹饪过程的持续时间T；

根据所述影响系数K_t、所述当前油烟量A_t以及所述持续时间T确定所述第一废油量；

所述影响系数K_t表征t时刻所对应的烹饪方式和烹饪阶段下所述当前油烟量A_t转化为所述第一废油量的比率。

Images