CN111651982A - 得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法 - Google Patents
得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法 Download PDFInfo
- Publication number
- CN111651982A CN111651982A CN202010360896.XA CN202010360896A CN111651982A CN 111651982 A CN111651982 A CN 111651982A CN 202010360896 A CN202010360896 A CN 202010360896A CN 111651982 A CN111651982 A CN 111651982A
- Authority
- CN
- China
- Prior art keywords
- dish
- flavor
- temperature information
- neural network
- temperature
- 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
- 239000000796 flavoring agent Substances 0.000 title claims abstract description 102
- 235000019634 flavors Nutrition 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 36
- 238000012549 training Methods 0.000 title claims abstract description 21
- 238000010411 cooking Methods 0.000 claims abstract description 61
- 235000019640 taste Nutrition 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 235000021186 dishes Nutrition 0.000 description 34
- 244000061456 Solanum tuberosum Species 0.000 description 12
- 235000002595 Solanum tuberosum Nutrition 0.000 description 12
- 235000012015 potatoes Nutrition 0.000 description 11
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 10
- 240000003768 Solanum lycopersicum Species 0.000 description 10
- 235000013601 eggs Nutrition 0.000 description 10
- 238000001514 detection method Methods 0.000 description 3
- 235000019645 odor Nutrition 0.000 description 3
- 235000009508 confectionery Nutrition 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 235000011194 food seasoning agent Nutrition 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 206010013911 Dysgeusia Diseases 0.000 description 1
- 239000004278 EU approved seasoning Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
- A47J36/00—Parts, details or accessories of cooking-vessels
- A47J36/32—Time-controlled igniting mechanisms or alarm devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Food Science & Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Preparation And Processing Of Foods (AREA)
Abstract
本发明提供了一种得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法，通过已训练好的人工神经网络来分析菜谱信息、温度信息这两者与风味词汇之间的关联关系，使得用户在输入风味词汇和菜谱信息后，就可以得到所述菜肴实现所述风味所需要的温度信息。本发明提供的计算机可读存储介质被自动烹饪设备的处理器执行就可以依照温度信息和菜谱信息自动烹饪菜肴，并且在自动烹饪过程中，实时检测并依照所述温度信息调整菜肴温度，使得现有的自动烹饪设备也能根据检测到的温度实时调整输出功率以减小误差的存在，自动烹饪出菜肴出具有用户期待风味的指定菜肴。
Description
技术领域
本发明涉及菜肴烹饪领域，尤其涉及得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法。
背景技术
菜肴的品质高低平不仅仅取决于菜肴呈现的味觉感受，还涉及到口感、气味等多种因素，这些因素相互影响共同体现了一道菜肴的风味，例如甜而不腻、软糯鲜滑、香酥爽脆、回味悠长等，这种风味则直接影响了菜肴的品质。为了获得高品质的菜肴，人们期待这些风味能够被复制至不同菜肴，并能够被重复再现。
但是，目前没有一种传感器能够准确地测量这种风味因素，因为不同气味的组合会极大地影响风味，所以即使使用一系列的传感器来测量菜肴中的各种气味因子，也很难衡量出这些气味因子在何种组合下能够获得最佳风味。并且，这些风味的形成复杂，难以量化分析，具体而言，风味的形成并不是依赖单一一种调料的定量添加，或者特定若干种调料的固定比例调配，影响风味的因素多种多样难以进行分析。因此，目前并没有可以分析检测这种风味因素的设备，仅能依据人们的感受对风味因素进行分析，可是，这种风味难以描述，人们也惯于用各种模糊的词汇来描述这些风味，这些菜肴评价词汇的语义模糊，难以进行分析，这就导致了菜肴的风味难以再现的问题。
发明内容
本发明解决的技术问题是提供一种得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法，使用该菜肴风味重现方法可以根据菜谱信息、风味词汇分析出菜肴实现所述风味所需要的温度信息，从而再现菜肴的风味。
发明人在研究过程中发现：烹饪过程中菜肴的温度变化对菜肴的风味有着大的影响，即便按照完全相同的菜谱进行烹饪(也就是使用完全相同的材料和烹饪流程进行烹饪)，只要烹饪时菜肴的温度不同，就会导致菜肴的风味不同，而且在烹饪过程中，菜肴的温度不是固定不变的，而是受烹饪的时间和动作的影响而不断变化的，所以要使菜肴最终能呈现预期的风味，就需要精确控制烹饪过程中菜肴的温度。而菜肴风味又大程度地依赖于人的感受进行评价，无法通过检测设备直接测量得出确切数据，所以发明人考虑将人作为一种“检测设备”，由很多个人各自使用语义模糊的菜肴评价词来评价记录了温度信息和菜谱信息的菜肴，再通过大数据算法建立语义模糊的菜肴评价词汇、温度信息这两者和菜谱信息之间的关系，从而实现再现菜肴风味的目的。
为实现上述目的，本发明提供了一种菜肴风味重现方法，包括对人工神经网络的训练方法和得到菜肴温度信息的方法，详述如下。
首先给出对人工神经网络的训练方法：
P.多次执行下述样本获取步骤，获得多组学习样本，每次样本获取步骤包括如下A、B、C：
——A.记录制作一种菜肴的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况；
——B.记录实验者品尝该种菜肴后给出的评价，该评价是从风味词汇库中选择出的风味词汇；
——C.以菜谱信息、风味词汇作为输入信号，以温度信息作为输出信号，构成供人工神经网络进行模式识别训练的一组学习样本；
Q.采用上述多组学习样本对人工神经网络进行模式识别训练，直至该人工神经网络具备根据菜谱信息、风味词汇给出菜肴实现所述风味所需要的温度信息的能力。
人工神经网络具备了这样的识别能力，我们就可以得到菜肴温度信息了，本发明给出得到菜肴温度信息的方法如下：
接收用户输入的风味词汇和菜谱信息，并将其输入已训练好的人工神经网络，由该人工神经网络据此输出温度信息；菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。
相应地，本发明提还供了一种计算机可读存储介质，其存储有计算机程序，其特征是该程序被处理器执行时实现如前述的为得到预期风味的菜肴的温度信息而对人工神经网络的训练方法。
相应地，本发明提还供了一种计算机可读存储介质，其存储有计算机程序，其特征是该程序被处理器执行时实现如前述的得到菜肴温度信息的方法。
本发明提供的得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法与现有技术相比，通过已训练好的人工神经网络来分析菜谱信息、温度信息这两者与风味词汇之间的关联关系，使得用户在输入风味词汇和菜谱信息后，就可以得到所述菜肴实现所述风味所需要的温度信息。
进一步地，该计算机可读存储介质所存储的计算机程序被处理器执行时实现所述的得到菜肴温度信息的方法后，实现以下自动烹饪步骤：在得到菜肴温度信息后，依照菜谱信息和所得到的温度信息，自动烹饪菜肴。本发明提供的计算机可读存储介质被自动烹饪设备的处理器执行就可以依照温度信息和菜谱信息，自动烹饪菜肴，使得现有的自动烹饪设备也能烹饪出实现预期风味的菜肴。
进一步地，该计算机可读存储介质所述的自动烹饪步骤中，实时检测并依照所述温度信息调整菜肴温度。由于目前的自动烹饪设备都是通过控制输出功率来控制烹饪时的温度的，但是这种控制其实控制的是烹饪器具预计可以达到的温度，而不是实际烹饪中菜肴的温度，这就会导致自动烹饪设备控制的温度与实际菜肴的温度有误差，并且因为使用环境的不同，比如环境较冷这种误差还会增大，而这种误差的存在会明显影响菜肴风味的实现，对此本发明提供了一种计算机可读存储介质，该存储介质所存储的计算机程序被自动烹饪设备的处理器执行时，实时检测并依照所述温度信息调整菜肴温度，使得自动烹饪菜肴的菜肴温度随时间的变化情况符合温度信息，从而保证了菜肴风味的实现。
附图说明
图1是本发明的一种计算机可读存储介质的流程图。
具体实施方式
要使普通菜肴呈现出特殊的风味，需事先对人工神经网络进行训练以建立菜谱信息、温度信息两者与风味词汇的联系。为了对人工神经网络进行训练，需要收集人工神经网络学习样本。
人工神经网络学习样本以菜谱信息、风味词汇作为输入信号，以温度信息作为输出信号。其中风味词汇是实验者品尝该种菜肴后给出的评价，该评价是从风味词汇库中选择出的风味词汇。故而邀请100位实验者参与此次学习样本的收集，并建立风味词汇库。风味词汇库中包含大量风味词汇，风味词汇是指语义模糊的菜肴评价词汇，实验者在品尝记录了菜谱信息和温度信息的菜肴后选择该词汇库内的词汇以评价菜肴。实验者评价菜肴的风味词汇均来自风味词汇库，可以统一实验者对同一风味的表达方式，避免出现不同实验者对相同的风味使用了不同的表达方式从而导致分析难度加大的情况。
预热160度烹饪西红柿炒鸡蛋并记录此次烹饪的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。请前述的100位实验者品尝该菜肴，每位实验者从风味词汇库中选择一个最能体现该菜肴风味的风味词汇对该菜肴进行评价，其中有87为实验者选择“酸甜可口”形容本次烹饪的西红柿炒鸡蛋，故而将风味词汇“酸甜可口”与记录的菜谱信息、温度信息一起作为一组学习样本保存。
预热180度烹饪西红柿炒鸡蛋并记录此次烹饪的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。请前述的100位实验者品尝该菜肴，每位实验者从风味词汇库中选择一个最能体现该菜肴风味的风味词汇对该菜肴进行评价，其中有79为实验者选择“绵软”形容本次烹饪的西红柿炒鸡蛋，故而将风味词汇“绵软”与记录的菜谱信息、温度信息一起作为一组学习样本保存。
预热120度烹饪西红柿炒鸡蛋并记录此次烹饪的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。请前述的100位实验者品尝该菜肴，每位实验者从风味词汇库中选择一个最能体现该菜肴风味的风味词汇对该菜肴进行评价，其中有65为实验者选择“嫩滑”形容本次烹饪的西红柿炒鸡蛋，故而将风味词汇“嫩滑”与记录的菜谱信息、温度信息一起作为一组学习样本保存。
如法炮制，使用不同的温度多次烹饪西红柿炒鸡蛋，请实验者品尝每次烹饪得到的西红柿炒鸡蛋，实验者从风味词汇库中选择风味词汇对该菜肴进行评价，将每次记录的菜谱信息、温度信息和实验者选择的风味词汇分别作为一组学习样本保存。直至该人工神经网络具备根据菜谱信息、风味词汇给出西红柿炒鸡蛋实现所述风味所需要的温度信息的能力，则完成了针对西红柿炒鸡蛋的训练，开始烹饪其他菜肴。
预热160度烹饪炒土豆丝并记录此次烹饪的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。请前述的100位实验者品尝该菜肴，每位实验者从风味词汇库中选择一个最能体现该菜肴风味的风味词汇对该菜肴进行评价，其中有75为实验者选择“爽脆”形容本次烹饪的炒土豆丝，故而将风味词汇“爽脆”与记录的菜谱信息、温度信息一起作为一组学习样本保存。
预热200度烹饪炒土豆丝并记录此次烹饪的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。请前述的100位实验者品尝该菜肴，每位实验者从风味词汇库中选择一个最能体现该菜肴风味的风味词汇对该菜肴进行评价，其中有92为实验者选择“焦香”形容本次烹饪的炒土豆丝，故而将风味词汇“焦香”与记录的菜谱信息、温度信息一起作为一组学习样本保存。如法炮制，使用不同的温度多次烹饪炒土豆丝，请实验者品尝每次烹饪得到的炒土豆丝，实验者从风味词汇库中选择风味词汇对该菜肴进行评价，将每次记录的菜谱信息、温度信息和实验者选择的风味词汇分别作为一组学习样本保存。直至该人工神经网络具备根据菜谱信息、风味词汇给出炒土豆丝实现所述风味所需要的温度信息的能力，则完成了针对炒土豆丝的训练。
使用前述方法对人工神经网络进行针对不同菜肴的训练，直至该人工神经网络具备根据菜谱信息、风味词汇给出菜肴实现所述风味所需要的温度信息的能力。将该训练得到的人工神经网络使用在自动炒菜机中，使得用户只需要输入菜谱信息和风味词汇就可以得到预期的菜肴。
该种自动炒菜机可以放在商场或餐厅中，如果用户想吃爽脆的炒土豆丝，只需要在用户在该炒菜机上保存的菜谱信息和风味词汇中分别选择炒土豆丝的菜谱信息和风味词汇“爽脆”(也可以由用户自行输入)，炒菜机的处理器便将菜谱信息和风味词汇输入经过训练得到的人工神经网络，人工神经网络根据输入菜谱信息和风味词汇给出菜肴实现所述风味所需要的温度信息。炒菜机的处理器根据温度信息控制加热部件将烹饪锅预热至160度，然后处理器根据菜谱信息控制机械手将生土豆丝放入烹饪锅中进行烹饪，烹饪过程中，处理器控制温度检测部件实时监测烹饪锅内菜肴的温度并根据温度信息实时调整加热部件的输出功率以使烹饪中菜肴温度的变化情况与温度信息相同，烹饪完成后，处理器控制机械手将完成的菜肴从烹饪锅中盛出，如此用户便获得了爽脆的炒土豆丝。
以上所述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，这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.为得到预期风味的菜肴的温度信息而对人工神经网络的训练方法，其特征在于包括以下步骤：
P.多次执行下述样本获取步骤，获得多组学习样本，每次样本获取步骤包括如下A、B、C：
——A.记录制作一种菜肴的菜谱信息和温度信息，菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况；
——B.记录实验者品尝该种菜肴后给出的评价，该评价是从风味词汇库中选择出的风味词汇；
——C.以菜谱信息、风味词汇作为输入信号，以温度信息作为输出信号，构成供人工神经网络进行模式识别训练的一组学习样本；
Q.采用上述多组学习样本对人工神经网络进行模式识别训练，直至该人工神经网络具备根据菜谱信息、风味词汇给出菜肴实现所述风味所需要的温度信息的能力。
2.一种计算机可读存储介质，其存储有计算机程序，其特征是该程序被处理器执行时实现如权利要求1所述的为得到预期风味的菜肴的温度信息而对人工神经网络的训练方法。
3.一种得到菜肴温度信息的方法，其特征在于包括以下步骤：接收用户输入的风味词汇和菜谱信息，并将其输入已训练好的人工神经网络，由该人工神经网络据此输出温度信息；菜谱信息包括制作该菜肴的材料和烹饪流程，温度信息包括烹饪过程中菜肴温度随时间的变化情况。
4.一种计算机可读存储介质，其存储有计算机程序，其特征是该程序处理器执行时实现如权利要求3所述的得到菜肴温度信息的方法。
5.根据权利要求4所述的计算机可读存储介质，其特征是所存储的计算机程序被处理器执行时实现以下自动烹饪步骤：在得到菜肴温度信息后，依照菜谱信息和所得到的温度信息，自动烹饪菜肴。
6.根据权利要求5所述的计算机可读存储介质，其特征是自动烹饪步骤中，实时检测并依照所述温度信息调整菜肴温度。
7.一种菜肴风味重现方法，其特征是包括权1所述的训练方法和权3所述的得到菜肴温度信息的方法，该得到菜肴温度信息的方法中的人工神经网络即为在执行训练方法后得到的人工神经网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010360896.XA CN111651982A (zh) | 2020-04-30 | 2020-04-30 | 得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010360896.XA CN111651982A (zh) | 2020-04-30 | 2020-04-30 | 得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111651982A true CN111651982A (zh) | 2020-09-11 |
Family
ID=72344074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010360896.XA Pending CN111651982A (zh) | 2020-04-30 | 2020-04-30 | 得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111651982A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113303657A (zh) * | 2021-04-08 | 2021-08-27 | 添可智能科技有限公司 | 厨房机器人及其作业控制方法和加热底座 |
| CN113598596A (zh) * | 2021-09-13 | 2021-11-05 | 浙江旅游职业学院 | 一种用于烹饪研究的智能化分子料理平台 |
| CN113729512A (zh) * | 2021-09-13 | 2021-12-03 | 浙江旅游职业学院 | 一种基于区块链的分子料理监控系统 |
| CN114680635A (zh) * | 2020-12-28 | 2022-07-01 | 云米互联科技(广东)有限公司 | 烹饪指导信息生成方法、系统、主控设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1159221A (zh) * | 1994-09-27 | 1997-09-10 | 松下电器产业株式会社 | 被烹饪物体内部温度推定方法及用该方法的加热烹饪装置 |
| CN106485052A (zh) * | 2016-09-14 | 2017-03-08 | 珠海优特物联科技有限公司 | 一种智能烹饪系统及方法 |
| CN111046289A (zh) * | 2019-12-13 | 2020-04-21 | 珠海格力电器股份有限公司 | 食材处理推荐方法、食材处理模型的训练方法及相关装置 |
-
2020
- 2020-04-30 CN CN202010360896.XA patent/CN111651982A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1159221A (zh) * | 1994-09-27 | 1997-09-10 | 松下电器产业株式会社 | 被烹饪物体内部温度推定方法及用该方法的加热烹饪装置 |
| CN106485052A (zh) * | 2016-09-14 | 2017-03-08 | 珠海优特物联科技有限公司 | 一种智能烹饪系统及方法 |
| CN111046289A (zh) * | 2019-12-13 | 2020-04-21 | 珠海格力电器股份有限公司 | 食材处理推荐方法、食材处理模型的训练方法及相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 柳艳霞;王振宇;郑晓春;朱瑶迪;陈丽;张德权;: "基于品质指标预测北京烤鸭的中心温度", 中国农业科学 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114680635A (zh) * | 2020-12-28 | 2022-07-01 | 云米互联科技(广东)有限公司 | 烹饪指导信息生成方法、系统、主控设备及存储介质 |
| CN113303657A (zh) * | 2021-04-08 | 2021-08-27 | 添可智能科技有限公司 | 厨房机器人及其作业控制方法和加热底座 |
| CN113598596A (zh) * | 2021-09-13 | 2021-11-05 | 浙江旅游职业学院 | 一种用于烹饪研究的智能化分子料理平台 |
| CN113729512A (zh) * | 2021-09-13 | 2021-12-03 | 浙江旅游职业学院 | 一种基于区块链的分子料理监控系统 |
| CN113729512B (zh) * | 2021-09-13 | 2022-07-22 | 浙江旅游职业学院 | 一种基于区块链的分子料理监控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111651982A (zh) | 得到菜肴温度信息的方法及其神经网络训练方法、存储介质和菜肴风味重现方法 | |
| US20210228022A1 (en) | System and Method for Collecting and Annotating Cooking Images for Training Smart Cooking Appliances | |
| KR102131161B1 (ko) | 전자레인지 음성 제어 방법 및 전자레인지 | |
| Caladcad et al. | Determining Philippine coconut maturity level using machine learning algorithms based on acoustic signal | |
| US7409311B2 (en) | Method for cooking a cooking load including cooking items of varying size, and cooking device for carrying out such a method | |
| CN104730931B (zh) | 一种美食交互系统和美食食谱的生成方法 | |
| US20190111569A1 (en) | Robotic Chef | |
| CN111596563A (zh) | 一种智能烟灶系统及其烹饪指导方法 | |
| JP2016103042A (ja) | 調理スキル評価方法、調理スキル評価システム及び調理スキル評価システムを制御する制御プログラム | |
| EP3932273B1 (en) | Cooking robot, cooking robot control device, and control method | |
| CN111198529A (zh) | 一种烹饪设备、烹饪方法、装置、电子设备及存储介质 | |
| WO2014199584A1 (ja) | 調理スキル評価方法、調理スキル評価システム及び調理スキル評価システムを制御する制御プログラム | |
| CN110754922A (zh) | 烹饪控制方法、装置、存储介质及烹饪器具 | |
| CN115251719A (zh) | 一种智能炒菜机的菜谱录入系统 | |
| CN107704816A (zh) | 食物的蒸煮方法及装置 | |
| CN111839243A (zh) | 一种食物烹饪控制方法 | |
| CN111414752A (zh) | 与菜肴风味及其制作相关的方法和装置，计算机可读存储介质和程序模块构架 | |
| CN111665715A (zh) | 对人工神经网络的训练方法、自动烹饪方法、计算机可读存储介质及烹饪设备 | |
| CN109419308A (zh) | 一种智能炒菜锅 | |
| Bechoff et al. | Combined use of sensory methods for the selection of root, tuber and banana varieties acceptable to end‐users | |
| WO2020179407A1 (ja) | データ処理装置、データ処理方法 | |
| CN114840038A (zh) | 一种智能烹饪分享方法及烹饪装置 | |
| CN111722558A (zh) | 对人工神经网络的训练方法、烹饪口味优化方法、计算机可读存储介质及烹饪设备 | |
| CN114831501A (zh) | 食材表面成熟曲线的获取方法及其智能烹饪器具 | |
| CN114831495B (zh) | 一种食物保食曲线获取方法及其智能烹饪保食器材 |
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 |
Application publication date: 20200911 |
|
| RJ01 | Rejection of invention patent application after publication |