CN111434290A - 确定烹饪器具的烹饪模式的方法和烹饪器具 - Google Patents

Abstract

本发明公开了一种确定烹饪器具的烹饪模式的方法和烹饪器具，通过摄像头采集烹饪器具烹饪的食物的食物图像；使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型；根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；基于预估的烹饪数据控制烹饪器具对食物进行烹饪。上述方案基于人工智能技术，通过米种识别和优化控制达到了智能识别与决策的目的，解决了现有技术的烹饪器具在蒸煮谷物的过程中，烹饪模式相对单一，导致烹饪控制灵活性差的技术问题。

Description

确定烹饪器具的烹饪模式的方法和烹饪器具

技术领域

本发明涉及智能小家电领域，具体而言，涉及一种确定烹饪器具的烹饪模式的方法和烹饪器具。

背景技术

随着科学技术的发展、社会的进步，人工智能技术已飞速发展并且应用场景不断增多。许多家用电器也与物联网-人工智能技术紧密连接，基于物联网与人工智能结合的新型家居产品的需求也已被大众认可。

由于生活节奏的加快，人们停留在厨房的时间越来越少，因此，节能、省时、易操作，能将食物所包含的营养完美地发挥出来的烹饪器具迫切需要被研发出来。传统的电饭煲节电性较弱，且针对不同的米粒类型，往往采用同一种烹饪模式，导致米的口感时好时坏，易挥发的营养元素流失严重，且不能被用户控制。

针对现有技术的烹饪器具在蒸煮谷物的过程中，烹饪模式相对单一，导致烹饪控制灵活性差的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种确定烹饪器具的烹饪模式的方法和烹饪器具，以至少解决现有技术的烹饪器具在蒸煮谷物的过程中，烹饪模式相对单一，导致烹饪控制灵活性差的技术问题。

根据本发明实施例的一个方面，提供了一种确定烹饪器具的烹饪模式的方法，包括：通过摄像头采集烹饪器具烹饪的食物的食物图像；使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型；根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；基于预估的烹饪数据控制烹饪器具对食物进行烹饪。

可选地，在基于预估的烹饪数据控制烹饪器具对食物进行烹饪之前，方法还包括：接收输入的烹饪模式，其中，烹饪模式包括至少一个预先设定的烹饪数据；使用预估的烹饪数据调整烹饪模式中的烹饪数据。

可选地，在基于预估的烹饪数据控制烹饪器具对食物进行烹饪之后，方法还包括：通过如下至少一种传感器监测烹饪器具的锅内参数：压力传感器和温湿度传感器；基于监测结果动态调整预估的烹饪数据。

可选地，方法还包括：在电饭煲故障断电或烹饪完成后电源自动断电的情况下，启用蓄电池中的电能，其中，通过烹饪过程中排气阀的排气来产生蓄电池中的电能。

可选地，烹饪器具包括：排气阀、设置在排气阀上部的蒸汽回收机构、发电机，其中，通过烹饪过程中排气阀的排气来产生蓄电池中的电能，包括：如果检测到排气阀进行排气，蒸汽回收机构利用排气阀排出的蒸汽驱动发电机工作；将发电机产生的电能存储至蓄电池，其中，蓄电池存储的电能为烹饪器具的如下一个或多个部件供电：排气阀、加热部件、计时模块、决策模块、显示模块、通信模块和报警模块。

可选地，在基于预估的烹饪数据控制烹饪器具对食物进行烹饪的过程中，方法还包括：通过温湿度传感器检测排气阀的排气口的蒸汽数据；基于温湿度传感器检测到的蒸汽数据，获取反馈信息，其中，反馈信息用于触发蒸汽回收机构开始工作。

可选地，蒸汽回收机构的内部设置有风轮结构，其中，控制蒸汽回收机构利用排气阀排出的蒸汽驱动发电机工作，包括：蒸汽回收机构中的风轮结构将蒸汽转换为机械能，机械能带动发电机运转，使得驱动发电机工作。

可选地，摄像头为独立于烹饪器具的外置摄像头，或安装在烹饪器具内部的摄像头，其中，安装在烹饪器具内部的摄像头具有防水耐高温材料和结构。

可选地，在食物为米粒的情况下，米粒的类型包括如下至少之一：整米、碎米和粘连米。

根据本发明实施例的另一方面，还提供了一种烹饪器具，包括：图像采集装置，用于采集烹饪器具烹饪的食物的食物图像；处理器，用于使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型，并根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；控制器，用于基于预估的烹饪数据控制烹饪器具对食物进行烹饪。

可选地，烹饪器具的外表面设置交互界面，用于接收外部输入的烹饪参数，其中，预估的烹饪数据用于调整外部输入的烹饪参数。

可选地，烹饪器具还包括：至少一种传感器，用于监测烹饪器具的锅内参数，并基于监测结果动态调整预估的烹饪数据；其中，传感器包括：压力传感器和温湿度传感器。

可选地，烹饪器具还包括：排气阀，用于排气；温湿度感应器，用于感应排气阀是否进行排气；设置在排气阀上部的蒸汽回收机构，用于利用排气阀排出的蒸汽驱动发电机工作；蓄电池，与发电机连接，用于存储发电机产生的电能，其中，蓄电池存储的电能为烹饪器具的一个或多个部件进行辅助供电。

可选地，蒸汽回收机构的内部设置有风轮结构，风轮结构将蒸汽转换为机械能，其中，机械能带动发电机运转，使得驱动发电机工作。

根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述任意一种确定烹饪器具的烹饪模式的方法。

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一种确定烹饪器具的烹饪模式的方法。

在本发明实施例中，通过摄像头采集烹饪器具烹饪的食物的食物图像；使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型；根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；基于预估的烹饪数据控制烹饪器具对食物进行烹饪。上述方案基于人工智能技术，通过米种识别和优化控制达到了智能识别与决策的目的，解决了现有技术的烹饪器具在蒸煮谷物的过程中，烹饪模式相对单一，导致烹饪控制灵活性差的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本申请实施例的一种可选的确定烹饪器具的烹饪模式的方法流程图；

图2是根据本申请实施例的一种可选的电饭煲结构示意图；

图3是根据本申请实施例的一种可选的蒸汽回收机构的示意图；

图4是根据本申请实施例的一种可选的电饭煲控制逻辑图；以及

图5是根据本申请实施例的一种可选的烹饪器具示意图。

其中，1-电饭煲主体，2-锅盖，3-排气阀，4-蒸汽回收机构，41-风轮机构，5-压力传感器，6-温湿度传感器，7-wifi模块，8-决策模块，9-插销，10-蓄电池，11-摄像头，12-热电阻加热盘。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明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、装置、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、装置、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种确定烹饪器具的烹饪模式的方法实施例，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是根据本发明实施例的一种确定烹饪器具的烹饪模式的方法流程图，如图1所示，该方法包括如下步骤：

步骤S102，通过摄像头采集烹饪器具烹饪的食物的食物图像。

一种可选方案中，上述烹饪器件可以是电饭煲、电压力锅、养生壶等。上述摄像头可以设置于烹饪器具内部，也可以设置于烹饪器具外部。当然，摄像头也可以替换为其它任何具有拍摄功能的图像采集设备。

步骤S104，使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型。

卷积神经网络属于有监督的学习算法，是深度神经网络中的一种特殊情况，它相比于深度人工神经网络具有权值数量少、训练速度快等优点。

卷积神经网络主要由三部分组成，分别是输入层、隐藏层和输出层。其中，输入层和输出层只有一层，而隐藏层可以有多层，深度神经网络就是有很多个隐藏层的神经网络。卷积神经网络的输入层为食物图像，通过使用卷积神经网络对食物图像进行识别，以确定具体的食物类型。

可选地，使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型，具体包括：获取包含食物的图片；分割图片，得到多张子图片；使用卷积神经网络模型处理多张子图片，识别出每张子图片中的食物。

可选地，使用卷积神经网络模型处理多张子图片，识别出每张子图片中的食物，包括：获取多张子图片；提取每张子图片中包含的对象的图像特征；判断每张子图片中包含的对象的图像特征是否符合食物特征，如果符合，则确定对象为食物。

一种可选方案中，上述图像特征可以为食物的颜色、纹理、形状等。

例如，如果需要识别图片中的大米区域，则需要对输入卷积神经网络模型的多张子图片进行特征提取，判断每张子图片中包含的对象的颜色、纹理以及形状等特征，当获得颜色为白色、纹理呈稀疏的横竖相间状、形状呈椭圆状的判断结果，则确定该区域为大米区域，以便和非大米区域区分开来。又如，如果需要识别图片中的大豆区域，当获得颜色为黄色、纹理稀少、形状呈球状的判断结果，则确定该区域为大豆区域，以便和非大豆区域区分开来。

可选地，卷积神经网络模型至少包括：输入层、卷积层、池化层、全连接层和softmax层，其中，通过输入层获取多张子图片。

卷积神经网络通过输入层获取多张子图片，隐藏层可以包括卷积层、池化层、全连接层，输出层为softmax层，采用softmax分类函数。

可选地，提取每张子图片中包含的对象的图像特征，包括：通过卷积层中的每个卷积核扫描对应的子图片，得到每个子图片所包含的对象的特征图层；通过池化层对每个子图片所包含的对象的特征图层进行去冗余处理；通过至少一个全连接层将去冗余处理后的多个特征图层进行转换，得到对象的图像特征。

卷积层和池化层可以有多种不同的组合，全连接层也可以有多层，具体的层次和网络深度可以根据实际需要进行选取。层数越多，识别结果越准确，网络越复杂。

可选地，通过softmax层判断每张子图片中包含的对象的图像特征是否符合食物特征，并输出判断结果。

输出层采用softmax分类函数，对全连接层的输出结果进行分类，判断子图片中的小正方形尺寸区域是否符合食物特征，输出是否为食物的结果。

可选地，在识别出每张子图片中的食物之后，上述方法还包括：将识别出食物的子图片进行轮廓提取，并将没有识别出食物的区域设置为预定的背景，得到多张处理后的子图片；将多张处理后的子图片进行拼合，得到还原后的食物图片。

一种可选方案中，上述预定的背景可以为黑色、白色等单一的颜色。

利用卷积神经网络识别出每张子图片中的小正方形区域的食物区和非食物区后，将小正方形区域内的非食物区全部置为预定的背景，对食物区的食物进行轮廓提取。然后按分割顺序对每个子图片进行还原，最后得到整体米粒的轮廓。

可选地，在将识别出食物的子图片进行轮廓提取，并将没有识别出食物的区域设置为预定的背景，得到多张处理后的子图片之前，方法还包括：判断多个子图片中是否存在食物；如果存在，对存在食物的子图片进行识别，并确定食物在子图片中的位置；如果不存在，将不存在食物的子图片设置为预定的背景。

在对识别出食物的子图片进行处理之前，还可以预先判断每个子图片中是否存在食物。如果存在食物，对识别出食物的子图片进行轮廓提取，进一步确定食物在子图片中的位置；如果不存在食物，则直接将该子图片设置为预定的背景，以去除背景中的噪声信号，提高识别效率。

可选地，在将多张处理后的子图片进行拼合，得到还原后的食物图片之后，方法还包括：输出还原后的食物图片，并提取还原后的食物图片中的食物轮廓；基于还原后的食物图片中的食物轮廓，确定食物的品质参数。

一种可选方案中，上述食物的品质参数可以为食物的碎米率、长宽比等质量参数。

上述步骤中，通过拼合得到还原后的食物图片之后，将其输出并提取还原后的食物轮廓，进而进行碎米率、长宽比的计算，以确定食物的优良。

步骤S106，根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间。

一种可选方案中，食物类型与烹饪数据的对应关系可以预先存储于本地设备的智能芯片或云端服务器中。上述烹饪数据除了包括不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间外，还可以包括食物浸泡时间、排气阀开度等。

步骤S108，基于预估的烹饪数据控制烹饪器具对食物进行烹饪。

一种可选方案中，执行上述烹饪操作的机构可以为加热电阻、计时模块等。

烹饪器具根据卷积神经网络模型输出的食物的类型，自动选择烹饪方式，例如泡米时间、蒸煮时间、排气阀的排气时间、排气阀开度和保温时间等，以便获得最佳的烹饪方式，保证食物的口感，同时确保营养不会流失。

需要说明的是，功能不变的烹饪器具势必满足不了需求不断增加的用户，当有新的功能开发出来后，服务器可以通过通信模块将新版本的运行程序传输给烹饪器具，实现远程更新，使服务效果更理想。

在一种可选的实施例中，电饭煲内置的摄像头采集锅内的食物图像，根据卷积神经网络确定食物的种类为大米，然后基于预先存储于锅内智能芯片中的食物类型与烹饪数据的对应关系，得出泡米10分钟、蒸煮21分钟、排气时间5分钟的烹饪数据，并控制电饭煲的加热电阻、计时模块对其进行烹饪，以获得最佳的大米口感，同时确保营养不会流失，操作便捷。

基于本申请上述实施例提供的方案，通过摄像头采集烹饪器具烹饪的食物的食物图像；使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型；根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；基于预估的烹饪数据控制烹饪器具对食物进行烹饪。上述方案基于人工智能技术，通过米种识别和优化控制达到了智能识别与决策的目的，解决了现有技术的烹饪器具在蒸煮谷物的过程中，烹饪模式相对单一，导致烹饪控制灵活性差的技术问题。

可选地，在基于预估的烹饪数据控制烹饪器具对食物进行烹饪之前，方法还包括：接收输入的烹饪模式，其中，烹饪模式包括至少一个预先设定的烹饪数据；使用预估的烹饪数据调整烹饪模式中的烹饪数据。

一种可选方案中，上述预先设定的烹饪数据可以是用户在烹饪之前设置的口感与偏好，例如偏软、适中、偏硬、煮粥、煲汤等模式。上述预先设定的烹饪数据可以通过设置于烹饪器具外表面的显示面板输入，也可以通过遥控器输入。

由于预估的烹饪数据是符合口感和营养度的数据，而如果使用的用户是老人，喜欢偏软的米饭，那么在烹饪过程中，使用预估的烹饪数据调整用户预先设定的烹饪数据，烹饪出符合用户口味的最佳米饭。

可选地，在基于预估的烹饪数据控制烹饪器具对食物进行烹饪之后，方法还包括：通过如下至少一种传感器监测烹饪器具的锅内参数：压力传感器和温湿度传感器；基于监测结果动态调整预估的烹饪数据。

一种可选方案中，上述压力传感器和温湿度传感器均可以由防水耐高温材料制成。

在烹饪过程中，实时监测烹饪器具内部的压力和温湿度，以便动态调整热电阻电热盘、计时模块、排气阀开度等执行机构的数据，进一步调整各项烹饪参数，确保食物的最佳口感与营养度。

可选地，方法还包括：在电饭煲故障断电或烹饪完成后电源自动断电的情况下，启用蓄电池中的电能，其中，通过烹饪过程中排气阀的排气来产生蓄电池中的电能。

一种可选方案中，上述蓄电池可以设置在烹饪器具内，也可以设置在烹饪器具外。

对于烹饪器具，尤其是高压锅，由于排气阀排出的蒸汽具有很大的动力，利用能量转换，将蒸汽能转换为动能，进而驱动电机产生电能，储存于蓄电池中。当烹饪器具故障断电或烹饪完成后电源自动断电仍需保温的情况下，蓄电池中的电能可以作为辅助用电，降低了能耗。

可选地，烹饪器具包括：排气阀、设置在排气阀上部的蒸汽回收机构、发电机，其中，通过烹饪过程中排气阀的排气来产生蓄电池中的电能，包括：如果检测到排气阀进行排气，蒸汽回收机构利用排气阀排出的蒸汽驱动发电机工作；将发电机产生的电能存储至蓄电池，其中，蓄电池存储的电能为烹饪器具的如下一个或多个部件供电：排气阀、加热部件、计时模块、决策模块、显示模块、通信模块和报警模块。

一种可选方案中，上述烹饪器具至少包括排气阀、设置在排气阀上部的蒸汽回收机构和发电机。图2是根据本申请实施例的一种电饭煲结构示意图，如图2所示，由于排气阀3上部设有蒸汽回收机构4，其可以将蒸汽能转化为机械能，并带动发电机(图中未示出)运转，产生电能。

电饭煲中存在很多耗电部件，例如排气阀、加热部件、计时模块、决策模块、显示模块、通信模块和报警模块等。这些部件在烹饪器具故障断电或烹饪完成后电源自动断电仍需保温的情况下，还需将插销插在电源插座上。本申请中，由于蓄电池已经存储了一定的由蒸汽能转换而来的电能，故蓄电池可以为上述部件供电，达到节能的目的。

可选地，在基于预估的烹饪数据控制烹饪器具对食物进行烹饪的过程中，方法还包括：通过温湿度传感器检测排气阀的排气口的蒸汽数据；基于温湿度传感器检测到的蒸汽数据，获取反馈信息，其中，反馈信息用于触发蒸汽回收机构开始工作。

需要说明的是，只有蒸汽数据超过一定阈值，所产生的机械能才足以促进蒸汽回收机构动作。所以当决策模块基于温湿度传感器检测到的蒸汽数据大于蒸汽数据阈值时，才发出反馈信息，触发蒸汽回收机构开始工作。

可选地，蒸汽回收机构的内部设置有风轮结构，其中，控制蒸汽回收机构利用排气阀排出的蒸汽驱动发电机工作，包括：蒸汽回收机构中的风轮结构将蒸汽转换为机械能，机械能带动发电机运转，使得驱动发电机工作。

图3是根据本申请实施例的一种可选的蒸汽回收机构的示意图。当烹饪器具内部的压力达到一定数值时，蒸汽就会推动蒸汽回收机构4内部的风轮结构41旋转，将蒸汽能转化为机械能，进而带动发电机运转，产生电能。产生的电能存储在蓄电池中，为电饭煲的一个或多个部件辅助供电，以达到节能目的。

可选地，摄像头为独立于烹饪器具的外置摄像头，或安装在烹饪器具内部的摄像头，其中，安装在烹饪器具内部的摄像头具有防水耐高温材料和结构。

一种可选方案中，上述外置摄像头可以为智能终端的摄像头，例如手机的摄像头。用户打开与烹饪器具关联的手机APP，点击摄像功能，对食物进行拍照，利用卷积神经网络模型识别出食物的类型，获得最佳烹饪数据，并将该烹饪数据通过wifi模块发送给烹饪器具。

另一种可选方案中，上述内置的摄像头可以是具有防水耐高温功能的摄像头，方便在蒸煮过程中对米粒拍照，以便动态调整烹饪数据。

可选地，在食物为米粒的情况下，米粒的类型包括如下至少之一：整米、碎米和粘连米。

米粒的类型不同，蒸煮时间自然不同。粘连米含量多的米粒比整米的蒸煮时间要长，整米含量多的米粒比碎米的蒸煮时间要长，因此，在食物为米粒的情况下，准确识别米粒的类型有助于得到最佳烹饪数据，获得香甜米糯的口感。

仍以图2和图3的电饭煲为例，电饭煲设有电饭煲主体1、锅盖2、排气阀3、蒸汽回收机构4、风轮机构41、压力传感器5、温湿度传感器6、wifi模块7、决策模块8、插销9、蓄电池结构10、摄像头11和热电阻加热盘12等。

当图2中的电饭煲执行确定烹饪模式的方法时，图4示出了电饭煲的控制逻辑图：首先，打开与烹饪器具关联的手机APP软件，软件中具有拍照按键对大米进行拍照，卷积神经网络模型对图片进行识别，返回米种类别序号，并发送给wifi模块7。其次，wifi模块7将信息解码并发送给电饭煲的决策模块8，决策模块8内部具有执行机构(热电阻电热盘12，计时模块等)，决策模块8根据解码返回的米种信息，查找预先储存的决策控制表，智能设置加热时间、温度、排气阀3开度，同时，电饭煲外表面设有按键阵列，可供用户手动选择口感与偏好(偏软、适中、偏硬、煮粥、煲汤等模式)。然后，优化控制决策可根据米种类别智能控制煮饭策略，比如控制加热时间、温度控制、压力控制、排气阀控制以及断电时间；其中，蒸汽回收机构4内部的风轮机构41带动电机产生电能，将电能储存于蓄电池10中，为决策模块8供电。最后，远程服务器可以为手机APP与wifi模块7提供数据通信功能，以及当有新版本时，为其进行远程更新，使服务效果更加理想。

简单来说，本申请的工作原理为：摄像头采集食物图像；卷积神经网络分类食物；通信模块接收并解析数据；决策模块根据用户设定以及食物类型确定烹饪数据；执行机构执行；传感器检测状态；决策模块发出反馈信息；排气阀上部蒸汽回收机构转换能量输出电能；蓄电池充电；煮饭完成自动断电；蓄电池为决策模块供电；完成。

通过上述方案，通过摄像头采集烹饪器具烹饪的食物的食物图像；使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型；根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；基于预估的烹饪数据控制烹饪器具对食物进行烹饪。上述方案基于人工智能技术，通过米种识别和优化控制达到了智能识别与决策的目的，解决了现有技术的烹饪器具在蒸煮谷物的过程中，烹饪模式相对单一，导致烹饪控制灵活性差的技术问题，同时可以动态调整烹饪参数，获得最佳的口感和营养度。

实施例2

根据本发明实施例，提供了一种烹饪器具，图4是根据本申请实施例的烹饪器具示意图。如图5所示，该烹饪器具包括：

图像采集装置502，用于采集烹饪器具烹饪的食物的食物图像。

一种可选方案中，上述烹饪器件可以是电饭煲、电压力锅、养生壶等。上述摄像头可以设置于烹饪器具内部，也可以设置于烹饪器具外部。当然，摄像头也可以替换为其它任何具有拍摄功能的图像采集设备。

处理器504，用于使用卷积神经网络模型识别食物图像，确定食物图像中食物的类型，并根据食物的类型，得到预估的烹饪数据，其中，预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间。

一种可选方案中，食物类型与烹饪数据的对应关系可以预先存储于本地设备的智能芯片或云端服务器中。上述烹饪数据除了包括不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间外，还可以包括食物浸泡时间、排气阀开度等。

卷积神经网络属于有监督的学习算法，是深度神经网络中的一种特殊情况，它相比于深度人工神经网络具有权值数量少、训练速度快等优点。

卷积神经网络主要由三部分组成，分别是输入层、隐藏层和输出层。其中，输入层和输出层只有一层，而隐藏层可以有多层，深度神经网络就是有很多个隐藏层的神经网络。卷积神经网络的输入层为食物图像，通过使用卷积神经网络对食物图像进行识别，以确定具体的食物类型。

控制器506，用于基于预估的烹饪数据控制烹饪器具对食物进行烹饪。

一种可选方案中，执行上述烹饪操作的机构可以为加热电阻、计时模块等。

烹饪器具根据卷积神经网络模型输出的食物的类型，自动选择烹饪方式，例如泡米时间、蒸煮时间、排气阀的排气时间、排气阀开度和保温时间等，以便获得最佳的烹饪方式，保证食物的口感，同时确保营养不会流失。

需要说明的是，功能不变的烹饪器具势必满足不了需求不断增加的用户，当有新的功能开发出来后，服务器可以通过通信模块将新版本的运行程序传输给烹饪器具，实现远程更新，使服务效果更理想。

可选地，烹饪器具的外表面设置交互界面，用于接收外部输入的烹饪参数，其中，预估的烹饪数据用于调整外部输入的烹饪参数。

一种可选方案中，上述预先设定的烹饪数据可以是用户在烹饪之前设置的口感与偏好，例如偏软、适中、偏硬、煮粥、煲汤等模式。上述预先设定的烹饪数据可以通过设置于烹饪器具外表面的显示面板输入，也可以通过遥控器输入。

在烹饪过程中，使用预估的烹饪数据调整烹饪模式中的烹饪数据。

可选地，烹饪器具还包括：至少一种传感器，用于监测烹饪器具的锅内参数，并基于监测结果动态调整预估的烹饪数据；其中，传感器包括：压力传感器和温湿度传感器。

一种可选方案中，上述压力传感器和温湿度传感器均可以由防水耐高温材料制成。

在烹饪过程中，实时监测烹饪器具内部的压力和温湿度，以便动态调整各项烹饪参数，确保食物的最佳口感与营养度。

可选地，烹饪器具还包括：排气阀，用于排气；温湿度感应器，用于感应排气阀是否进行排气；设置在排气阀上部的蒸汽回收机构，用于利用排气阀排出的蒸汽驱动发电机工作；蓄电池，与发电机连接，用于存储发电机产生的电能，其中，蓄电池存储的电能为烹饪器具的一个或多个部件进行辅助供电。

一种可选方案中，上述烹饪器具至少包括排气阀、设置在排气阀上部的蒸汽回收机构和发电机。由于排气阀上部设有蒸汽回收机构，其可以将蒸汽能转化为机械能，并带动发电机运转，产生电能。

电饭煲中存在很多耗电部件，例如排气阀、加热部件、计时模块、决策模块、显示模块、通信模块和报警模块等。这些部件在烹饪器具故障断电或烹饪完成后电源自动断电仍需保温的情况下，还需将插销插在电源插座上。本申请中，由于蓄电池已经存储了一定的由蒸汽能转换而来的电能，故蓄电池可以为上述部件供电，达到节能的目的。

可选地，蒸汽回收机构的内部设置有风轮结构，风轮结构将蒸汽转换为机械能，其中，机械能带动发电机运转，使得驱动发电机工作。

当烹饪器具内部的压力达到一定数值时，蒸汽就会推动蒸汽回收机构内部的风轮结构旋转，将蒸汽能转化为机械能，进而带动发电机运转，产生电能。产生的电能存储在蓄电池中，为电饭煲的一个或多个部件辅助供电，以达到节能目的。

需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，但不仅限于实施例1所公开的内容，在此不再赘述。

实施例3

根据本发明实施例，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实施例1中的确定烹饪器具的烹饪模式的方法。

实施例4

根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行实施例1中的确定烹饪器具的烹饪模式的方法。

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。

在本发明的上述实施例中，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。

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，在本发明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。

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)执行本发明各个实施例装置的全部或部分步骤。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。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (16)

1.一种确定烹饪器具的烹饪模式的方法，包括：

通过摄像头采集烹饪器具烹饪的食物的食物图像；

使用卷积神经网络模型识别所述食物图像，确定所述食物图像中食物的类型；

根据所述食物的类型，得到预估的烹饪数据，其中，所述预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；

基于所述预估的烹饪数据控制所述烹饪器具对所述食物进行烹饪。

2.根据权利要求1所述的方法，其特征在于，在基于所述预估的烹饪数据控制所述烹饪器具对所述食物进行烹饪之前，所述方法还包括：

接收输入的烹饪模式，其中，所述烹饪模式包括至少一个预先设定的烹饪数据；

使用所述预估的烹饪数据调整所述烹饪模式中的烹饪数据。

3.根据权利要求1或2所述的方法，其特征在于，在基于所述预估的烹饪数据控制所述烹饪器具对所述食物进行烹饪之后，所述方法还包括：

通过如下至少一种传感器监测所述烹饪器具的锅内参数：压力传感器和温湿度传感器；

基于监测结果动态调整所述预估的烹饪数据。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：在所述电饭煲故障断电或烹饪完成后电源自动断电的情况下，启用蓄电池中的电能，其中，通过烹饪过程中排气阀的排气来产生所述蓄电池中的电能。

5.根据权利要求4所述的方法，其特征在于，所述烹饪器具包括：排气阀、设置在所述排气阀上部的蒸汽回收机构、发电机，其中，通过烹饪过程中排气阀的排气来产生所述蓄电池中的电能，包括：

如果检测到所述排气阀进行排气，所述蒸汽回收机构利用所述排气阀排出的蒸汽驱动所述发电机工作；

将所述发电机产生的电能存储至蓄电池，其中，所述蓄电池存储的电能为所述烹饪器具的如下一个或多个部件供电：排气阀、加热部件、计时模块、决策模块、显示模块、通信模块和报警模块。

6.根据权利要求4所述的方法，其特征在于，在基于所述预估的烹饪数据控制所述烹饪器具对所述食物进行烹饪的过程中，所述方法还包括：

通过所述温湿度传感器检测所述排气阀的排气口的蒸汽数据；

基于所述温湿度传感器检测到的蒸汽数据，获取反馈信息，其中，所述反馈信息用于触发所述蒸汽回收机构开始工作。

7.根据权利要求5所述的方法，其特征在于，所述蒸汽回收机构的内部设置有风轮结构，其中，控制所述蒸汽回收机构利用所述排气阀排出的蒸汽驱动所述发电机工作，包括：

所述蒸汽回收机构中的风轮结构将所述蒸汽转换为机械能，所述机械能带动所述发电机运转，使得驱动所述发电机工作。

8.根据权利要求1所述的方法，其特征在于，所述摄像头为独立于所述烹饪器具的外置摄像头，或安装在所述烹饪器具内部的摄像头，其中，安装在所述烹饪器具内部的摄像头具有防水耐高温材料和结构。

9.根据权利要求1所述的方法，其特征在于，在所述食物为米粒的情况下，所述米粒的类型包括如下至少之一：整米、碎米和粘连米。

10.一种烹饪器具，包括：

图像采集装置，用于采集烹饪器具烹饪的食物的食物图像；

处理器，用于使用卷积神经网络模型识别所述食物图像，确定所述食物图像中食物的类型，并根据所述食物的类型，得到预估的烹饪数据，其中，所述预估的烹饪数据至少包括：不同烹饪阶段的烹饪温度、烹饪器具内压力、烹饪时间和排气时间；

控制器，用于基于所述预估的烹饪数据控制所述烹饪器具对所述食物进行烹饪。

11.根据权利要求10所述的烹饪器具，其特征在于，所述烹饪器具的外表面设置交互界面，用于接收外部输入的烹饪参数，其中，所述预估的烹饪数据用于调整所述外部输入的烹饪参数。

12.根据权利要求10或11所述的烹饪器具，其特征在于，所述烹饪器具还包括：

至少一种传感器，用于监测所述烹饪器具的锅内参数，并基于监测结果动态调整所述预估的烹饪数据；

其中，所述传感器包括：压力传感器和温湿度传感器。

13.根据权利要求10所述的烹饪器具，其特征在于，所述烹饪器具还包括：

排气阀，用于排气；

温湿度感应器，用于感应所述排气阀是否进行排气，

设置在所述排气阀上部的蒸汽回收机构，用于利用所述排气阀排出的蒸汽驱动发电机工作；

蓄电池，与所述发电机连接，用于存储所述发电机产生的电能，其中，所述蓄电池存储的电能为所述烹饪器具的一个或多个部件进行辅助供电。

14.根据权利要求13所述的烹饪器具，其特征在于，所述蒸汽回收机构的内部设置有风轮结构，所述风轮结构将所述蒸汽转换为机械能，其中，所述机械能带动所述发电机运转，使得驱动所述发电机工作。

15.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的确定烹饪器具的烹饪模式的方法。

16.一种处理器，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9中任意一项所述的确定烹饪器具的烹饪模式的方法。

Images