CN111159831A - 食材新鲜度的预测方法及装置、家电设备 - Google Patents
食材新鲜度的预测方法及装置、家电设备 Download PDFInfo
- Publication number
- CN111159831A CN111159831A CN201811217956.1A CN201811217956A CN111159831A CN 111159831 A CN111159831 A CN 111159831A CN 201811217956 A CN201811217956 A CN 201811217956A CN 111159831 A CN111159831 A CN 111159831A
- Authority
- CN
- China
- Prior art keywords
- food
- characteristic data
- food material
- freshness
- prediction
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 196
- 239000000463 material Substances 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012549 training Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims 1
- 238000010276 construction Methods 0.000 claims 1
- 230000035943 smell Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种食材新鲜度的预测方法及装置、家电设备。其中，该方法包括：获取食材的特征数据，得到特征数据集合，其中，特征数据集合中包括至少一个特征数据；将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。本申请解决了由于没有及时发现家电设备中存放的食材已经腐败变质，没有及时清理腐败变质的食材造成的家电设备中存在的异味难以消除的技术问题。
Description
技术领域
本申请涉及智能家电领域，具体而言，涉及一种食材新鲜度的预测方法及装置、家电设备。
背景技术
现阶段，家电设备的冷藏功能解决了食材迅速变质的问题，但由于技术限制，依然存在以下情况：家电设备中存放食材的时间比较长导致食材已经腐败变质，由于没有及时发现这一情况，没有及时清理腐败变质的食材，使家电设备中存在的异味难以消除。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种食材新鲜度的预测方法及装置、家电设备，以至少解决由于没有及时发现家电设备中存放的食材已经腐败变质，没有及时清理腐败变质的食材造成的家电设备中存在的异味难以消除的技术问题。
根据本申请实施例的一个方面，提供了一种食材新鲜度的预测方法，包括：获取食材的特征数据，得到特征数据集合，其中，特征数据集合中包括至少一个特征数据；将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
可选地，将特征数据集合输入到预测模型中，得到预测结果之前，上述方法还包括：通过以下方式对预测模型进行训练：获取食材的多组训练数据；将多组训练数据依次输入到预测模型中，得到多个预测结果，其中，预测结果用于表征食材的新鲜程度；依据多个预测结果依次更新预测模型的参数，直至预测模型的参数收敛，生成训练好的预测模型。
可选地，多组训练数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期、食材的新鲜度指数，食材的新鲜度指数用于表征食材的新鲜程度。
可选地，将训练数据依次输入到预测模型中，得到多个预测结果之前，上述方法还包括：依据食材的类型确定每组训练数据中各个数据的权重。
可选地，其特征在于，将特征数据集合输入到预测模型中，得到预测结果之后，上述方法还包括：将预测结果显示在食材所在家电设备的显示屏上，其中，家电设备用于容纳食材；或者将预测结果发送至终端。
可选地，特征数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期。
根据本申请实施例的另一方面，还提供了一种用于预测食材新鲜度的预测模型的构建方法，包括：获取食材的特征数据，得到多组特征数据；将多组特征数据依次输入到预测模型中，得到多个预测结果，其中，预测结果用于表征食材的新鲜程度；依据多个预测结果依次更新预测模型的参数，直至预测模型的参数收敛。
根据本申请实施例的再一方面，还提供了一种食材新鲜度的预测装置，包括：获取模块，用于获取食材的特征数据，得到特征数据集合，其中特征数据包括至少一个特征数据；处理模块，用于将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
根据本申请实施例的再一方面，还提供了一种家电设备，包括：采集装置，用于获取食材的特征数据，得到特征数据集合，其中特征数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期；处理器，用于将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度；容纳腔体，用于存放食材。
根据本申请实施例的再一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的食材新鲜度的预测方法。
根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的食材新鲜度的预测方法。
在本申请实施例中，采用获取食材的特征数据，得到特征数据集合，其中，特征数据集合中包括至少一个特征数据；将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度的方式，通过预测模型对家电设备中存放的食材的新鲜度进行预测，根据预测结果对食材的新鲜度进行监测，从而实现了实时监测家电设备中食材的新鲜度，从而及时清理掉腐败变质的食材，提高用户的使用体验的技术效果，进而解决了由于没有及时发现家电设备中存放的食材已经腐败变质，没有及时清理腐败变质的食材造成的家电设备中存在的异味难以消除的技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种食材新鲜度的预测方法的流程图；
图2是根据本申请实施例的一种训练食材新鲜度预测模型的方法的流程图；
图3是根据本申请实施例的一种预测食材新鲜度的预测模型的构建方法的流程图；
图4是根据本申请实施例的一种食材新鲜度的预测装置的结构图；
图5是根据本申请实施例的一种家电设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
需要说明的是，本申请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，以便这里描述的本申请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。
根据本申请实施例，提供了一种食材新鲜度的预测方法的实施例，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是根据本申请实施例的一种食材新鲜度的预测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取食材的特征数据，得到特征数据集合，其中，特征数据集合中包括至少一个特征数据。
在本申请的一些可选的实施例中，步骤S102中的特征数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期。
步骤S104，将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
在本申请的一些可选的实施例中，在执行步骤S104之前，还需要对预测模型进行训练，图2是根据本申请实施例的一种训练食材新鲜度预测模型的方法的流程图，如图2所示，该方法包括以下步骤：
步骤S202，获取食材的多组训练数据。
根据本申请的一个可选的实施例，步骤S202中的多组训练数据包括如下至少之一：食材的类型，食材的颜色、食材的气味、食材放入家电设备的日期、食材的新鲜度指数，食材的新鲜度指数用于表征食材的新鲜程度。
由于不同种类的食材的保质期不同，比如绿叶蔬菜可存放的时间较短，土豆等根茎类的蔬菜可存放的时间比较长，因此首先需要获取食材的种类；其次通常通过食材的颜色、食材的气味也可以判断食材的新鲜程度；并且由于不同种类的食材的保质期不同，因此还要获取食材放入家电设备中的日期；食材的新鲜度指数为评价食材新鲜度的指标。
步骤S204，将多组训练数据依次输入到预测模型中，得到多个预测结果，其中，预测结果用于表征食材的新鲜程度。
在本申请的一些可选的实施例中，采用预测模型进行训练，其中本申请采用的预测模型为三层展开的循环神经网络模型，该三层展开的循环神经网络模型可以通过时序展开，变成一个基础的深层神经网络，该深层神经网络的权值是共享的，该模型通过时序反向传播算法来学习，反向传播算法本质上是一种梯度下降，它通过将神经网络的输出与标签值进行对比得到残差，然后利用链式求导法则将残差沿着梯度方向一步步向前传。步骤S204执行时，将获取的多组训练数据输入上述三层展开的循环神经网络模型，得到多个预测结果。
根据本申请的一个可选的实施例，在执行步骤S204之前，依据食材的类型确定每组训练数据中各个数据的权重。
根据本申请的一个可选的实施例，比如有些食材主要是根据食材颜色的变化来判断食材是否发生腐败变质，有的食材主要是通过气味的变化情况来判断该食材是否变质，因此可以首先获取食材的种类，然后根据食材的种类确定该种食材主要是通过哪种特征数据来判断是否发生腐败变质，对于通过食材颜色变化来判断是否发生变质的食材，则在对该种食材进行预测时相应地加大食材颜色的权重，对于通过食材气味变化来判断是否发生变质的食材，则在对该种食材进行预测时相应地加大食材气味的权重。
步骤S206，依据多个预测结果依次更新预测模型的参数，直至预测模型的参数收敛，生成训练好的预测模型。
执行步骤S206时，利用得到的食材新鲜度的预测结果更新预测模型的参数，继续对待预测的食材进行预测，并判断预测模型的参数是否收敛，如果参数收敛则认为预测模型训练完成，如果模型参数不收敛，则需要继续对预测模型进行训练，直至预测模型的参数收敛，完成预测模型的训练。
根据本申请的一个可选的实施例，在执行步骤S104时，将步骤S102中获取的食材的特征数据输入到训练好的预测模型中进行预测，得到食材新鲜度的预测结果的原理是将获取的待预测食材的特征数据与用于训练预测模型的训练数据进行匹配，如果匹配成功，则将训练数据中的食材新鲜度指数作为待预测食材的食材新鲜度指数。
在本申请的一些可选的实施例中，在步骤S104执行完成后，将预测结果显示在食材所在家电设备的显示屏上，其中，家电设备用于容纳食材；或者将预测结果发送至终端。
将得到的待预测食材的食材新鲜度指数发送到家电设备的电子显示屏上，可以方便用户随时查看家电设备内食材是否腐败变质。其中，家电设备包括但不限于电冰箱等能够储存食材的家电设备。
根据本申请的一个可选的实施例，还可以将得到的待预测食材的食材新鲜度指数发送到终端，比如发送到安装在用户的手机终端的应用软件上，从而提醒用户实时关注家电设备中存放的食材的新鲜度，以便及时清理家电设备中腐败变质的食材。
通过上述步骤，通过利用预测模型预测存放在家电设备中的食材的新鲜度，并将预测结果实时通知给用户，可以使用户实时查看家电设备中存放的食材的新鲜度，以便及时清理掉腐败变质的食材，避免因腐败变质的食材被清理地不及时，导致家电设备中存在难以消除的异味，影响用户的使用体验。
图3是根据本申请实施例的一种预测食材新鲜度的预测模型的构建方法的流程图，如图3所示，该方法包括以下步骤：
步骤S302，获取食材的特征数据，得到多组特征数据。
步骤S304，将多组特征数据依次输入到预测模型中，得到多个预测结果，其中，预测结果用于表征食材的新鲜程度。
步骤S306，依据多个预测结果依次更新预测模型的参数，直至预测模型的参数收敛。
利用得到的食材新鲜度的预测结果更新预测模型的参数，继续对待预测的食材进行预测，并判断预测模型的参数是否收敛，如果参数收敛则认为预测模型训练完成，如果模型参数不收敛，则需要继续对预测模型进行训练，直至预测模型的参数收敛，以完成预测模型的训练。
需要说明的是图3所示实施例的优选实施方式可以参见图1至图2所示实施例的相关描述，此处不再赘述。
图4是根据本申请实施例的一种食材新鲜度的预测装置的结构图，如图4所示，该装置包括：
获取模块40，用于获取食材的特征数据，得到特征数据集合，其中特征数据包括至少一个特征数据。
处理模块42，用于将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
需要说明的是图4所示实施例的优选实施方式可以参见图1至图2所示实施例的相关描述，此处不再赘述。
图5是根据本申请实施例的一种家电设备的结构图，如图5所示，该家电设备包括：
采集装置50，用于获取食材的特征数据，得到特征数据集合，其中特征数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期。
在本申请的一些可选的实施例中，采集装置50可以是安装在家电设备上的摄像装置和传感器，比如通过摄像装置采集食材的照片，根据食材的照片判断食材的类型和食材的颜色；通过传感器采集食材的气味；而食材放入家电设备的日期则是在摄像装置第一次采集到某种食材的日期，也可以是用户将食材放入家电设备的日期通过手动如入到采集装置50中。
处理器52，用于将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
根据本申请的一个可选的实施例，处理器52与采集装置50连接，用于处理采集装置50采集到的存放在家电设备中的食材的特征数据，得到食材的新鲜度。
容纳腔体54，用于存放食材。
需要说明的是图5所示实施例的优选实施方式可以参见图1至图2所示实施例的相关描述，此处不再赘述。
本申请实施例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以上的食材新鲜度的预测方法。
上述存储介质用于存储执行以下功能的程序：获取食材的特征数据，得到特征数据集合，其中，特征数据集合中包括至少一个特征数据；将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
本申请实施例还提供了一种处理器，处理器用于运行程序，其中，在程序运行时执行以上的食材新鲜度的预测方法。
上述处理器用于执行实现以下功能的程序：获取食材的特征数据，得到特征数据集合，其中，特征数据集合中包括至少一个特征数据；将特征数据集合输入到预测模型中，得到预测结果，其中，预测结果用于表征食材的新鲜程度。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，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，在本申请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，本申请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)执行本申请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。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (11)
1.一种食材新鲜度的预测方法，其特征在于，包括：
获取食材的特征数据，得到特征数据集合，其中，所述特征数据集合中包括至少一个特征数据；
将所述特征数据集合输入到预测模型中，得到预测结果，其中，所述预测结果用于表征所述食材的新鲜程度。
2.根据权利要求1所述的方法，其特征在于，将所述特征数据集合输入到预测模型中，得到预测结果之前，所述方法还包括：通过以下方式对所述预测模型进行训练：
获取食材的多组训练数据；
将所述多组训练数据依次输入到预测模型中，得到多个预测结果，其中，所述预测结果用于表征食材的新鲜程度；
依据所述多个预测结果依次更新所述预测模型的参数，直至所述预测模型的参数收敛，生成训练好的预测模型。
3.根据权利要求2所述的方法，其特征在于，所述多组训练数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期、食材的新鲜度指数，所述食材的新鲜度指数用于表征所述食材的新鲜程度。
4.根据权利要求3所述的方法，其特征在于，将所述训练数据依次输入到预测模型中，得到多个预测结果之前，所述方法还包括：
依据所述食材的类型确定每组训练数据中各个数据的权重。
5.根据权利要求1所述的方法，其特征在于，将所述特征数据集合输入到预测模型中，得到预测结果之后，所述方法还包括：将所述预测结果显示在所述食材所在家电设备的显示屏上，其中，所述家电设备用于容纳所述食材；或者将所述预测结果发送至终端。
6.根据权利要求1所述的方法，其特征在于，所述特征数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期。
7.一种用于预测食材新鲜度的预测模型的构建方法，其特征在于，包括：
获取食材的特征数据，得到多组特征数据；
将所述多组特征数据依次输入到预测模型中，得到多个预测结果，其中，所述预测结果用于表征所述食材的新鲜程度；
依据所述多个预测结果依次更新所述预测模型的参数，直至所述预测模型的参数收敛。
8.一种食材新鲜度的预测装置，其特征在于，包括：
获取模块，用于获取食材的特征数据，得到特征数据集合，其中所述特征数据包括至少一个特征数据；
处理模块，用于将所述特征数据集合输入到预测模型中，得到预测结果，其中，所述预测结果用于表征所述食材的新鲜程度。
9.一种家电设备，其特征在于，包括：
采集装置，用于获取食材的特征数据，得到特征数据集合，其中所述特征数据包括如下至少之一：食材的类型、食材的颜色、食材的气味、食材放入家电设备的日期；
处理器，用于将所述特征数据集合输入到预测模型中，得到预测结果，其中，所述预测结果用于表征所述食材的新鲜程度；
容纳腔体，用于存放所述食材。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的食材新鲜度的预测方法。
11.一种处理器，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6中任意一项所述的食材新鲜度的预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811217956.1A CN111159831A (zh) | 2018-10-18 | 2018-10-18 | 食材新鲜度的预测方法及装置、家电设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811217956.1A CN111159831A (zh) | 2018-10-18 | 2018-10-18 | 食材新鲜度的预测方法及装置、家电设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111159831A true CN111159831A (zh) | 2020-05-15 |
Family
ID=70554416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811217956.1A Pending CN111159831A (zh) | 2018-10-18 | 2018-10-18 | 食材新鲜度的预测方法及装置、家电设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111159831A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111624317A (zh) * | 2020-06-22 | 2020-09-04 | 南京农业大学 | 一种娃娃菜新鲜度判别的无损检测方法 |
| CN112635025A (zh) * | 2020-12-31 | 2021-04-09 | 青岛海尔科技有限公司 | 食谱的预测方法及装置、存储介质、电子装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
| CN103278609A (zh) * | 2013-06-27 | 2013-09-04 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
| CN103543703A (zh) * | 2013-07-17 | 2014-01-29 | 中国海洋石油总公司 | 食品保鲜度实时监测仪及其监测方法 |
| CN106338517A (zh) * | 2016-09-23 | 2017-01-18 | 江苏大学 | 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法 |
| CN106766662A (zh) * | 2017-01-19 | 2017-05-31 | Tcl家用电器（合肥）有限公司 | 冰箱内食材监测管理方法及系统 |
| CN108133743A (zh) * | 2016-12-01 | 2018-06-08 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息推送的方法、装置和系统 |
| CN108224894A (zh) * | 2018-01-08 | 2018-06-29 | 合肥美的智能科技有限公司 | 基于深度学习的食材新鲜度识别方法、装置、冰箱和介质 |
| CN108414701A (zh) * | 2017-02-09 | 2018-08-17 | 佛山市顺德区美的电热电器制造有限公司 | 一种食材新鲜度辨识方法和家电 |
| CN108663331A (zh) * | 2017-03-27 | 2018-10-16 | 青岛海尔智能技术研发有限公司 | 检测冰箱内食物新鲜度的方法与冰箱 |
-
2018
- 2018-10-18 CN CN201811217956.1A patent/CN111159831A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507459A (zh) * | 2011-11-23 | 2012-06-20 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
| CN103278609A (zh) * | 2013-06-27 | 2013-09-04 | 山东商业职业技术学院 | 一种基于多源感知信息融合的肉品新鲜度检测方法 |
| CN103543703A (zh) * | 2013-07-17 | 2014-01-29 | 中国海洋石油总公司 | 食品保鲜度实时监测仪及其监测方法 |
| CN106338517A (zh) * | 2016-09-23 | 2017-01-18 | 江苏大学 | 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法 |
| CN108133743A (zh) * | 2016-12-01 | 2018-06-08 | 佛山市顺德区美的电热电器制造有限公司 | 一种信息推送的方法、装置和系统 |
| CN106766662A (zh) * | 2017-01-19 | 2017-05-31 | Tcl家用电器（合肥）有限公司 | 冰箱内食材监测管理方法及系统 |
| CN108414701A (zh) * | 2017-02-09 | 2018-08-17 | 佛山市顺德区美的电热电器制造有限公司 | 一种食材新鲜度辨识方法和家电 |
| CN108663331A (zh) * | 2017-03-27 | 2018-10-16 | 青岛海尔智能技术研发有限公司 | 检测冰箱内食物新鲜度的方法与冰箱 |
| CN108224894A (zh) * | 2018-01-08 | 2018-06-29 | 合肥美的智能科技有限公司 | 基于深度学习的食材新鲜度识别方法、装置、冰箱和介质 |
Non-Patent Citations (1)
| Title |
|---|
| 刘莹莹等: "基于图像处理的鸡蛋新鲜度预测模型研究", 《食品与机械》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111624317A (zh) * | 2020-06-22 | 2020-09-04 | 南京农业大学 | 一种娃娃菜新鲜度判别的无损检测方法 |
| CN112635025A (zh) * | 2020-12-31 | 2021-04-09 | 青岛海尔科技有限公司 | 食谱的预测方法及装置、存储介质、电子装置 |
| CN112635025B (zh) * | 2020-12-31 | 2023-02-03 | 青岛海尔科技有限公司 | 食谱的预测方法及装置、存储介质、电子装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109726843B (zh) | 配送数据预测的方法、装置和终端 | |
| US20230140684A1 (en) | Edible oil deterioration level determination device, edible oil deterioration level determination system, edible oil deterioration level determination method, edible oil deterioration level determination program, edible oil deterioration level learning device, learned model for use in edible oil deterioration level determination, and edible oil exchange system | |
| CN111159831A (zh) | 食材新鲜度的预测方法及装置、家电设备 | |
| CN112596937A (zh) | 故障处理方法和装置、存储介质及电子装置 | |
| CN108197635B (zh) | 烹饪方式的展示方法及装置、抽油烟机 | |
| CN110619371A (zh) | 一种食材烹煮时长推荐方法、存储介质和电火锅 | |
| CN110857831A (zh) | 控制冰箱温度的方法及装置 | |
| CN111259231A (zh) | 应用程序的推荐方法和装置 | |
| CN110322323A (zh) | 实体展示方法、装置、存储介质和电子设备 | |
| CN107918798B (zh) | 食物处理方法及装置 | |
| CN111222553A (zh) | 机器学习模型的训练数据处理方法、装置和计算机设备 | |
| CN111323551A (zh) | 食材新鲜度的提示方法、装置及家电设备 | |
| CN107526753B (zh) | 应用程序的推荐方法和装置 | |
| US20220322879A1 (en) | Frying oil deterioration assessment device and frying oil deterioration assessment method | |
| CN111248716B (zh) | 食材的烹饪控制方法、图像处理方法、装置及烹饪设备 | |
| CN116484083A (zh) | 菜品信息的显示方法和装置、存储介质及电子装置 | |
| CN108123985A (zh) | 菜谱推荐方法、系统、服务器及智能终端 | |
| CN111580839B (zh) | 电器设备的升级方法及装置 | |
| CN114992970B (zh) | 清洁指令的发送方法、装置、存储介质及电子装置 | |
| CN110762943B (zh) | 物品的展示方法、装置以及家电设备 | |
| CN111104952A (zh) | 识别食物种类的方法、系统及装置、冰箱 | |
| CN115345225A (zh) | 推荐场景的确定方法及装置、存储介质及电子装置 | |
| CN109166628A (zh) | 运动能力检测的方法及装置、存储介质、处理器 | |
| CN114677830A (zh) | 用水消息的提醒方法、存储介质及电子装置 | |
| CN110895721B (zh) | 电器功能的预测方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200515 |