CN111665715A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111665715A
CN111665715A CN202010413712.1A CN202010413712A CN111665715A CN 111665715 A CN111665715 A CN 111665715A CN 202010413712 A CN202010413712 A CN 202010413712A CN 111665715 A CN111665715 A CN 111665715A
Authority
CN
China
Prior art keywords
cooking
neural network
artificial neural
taste
parameters
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
Application number
CN202010413712.1A
Other languages
English (en)
Inventor
傅峰峰
江志强
刘嘉荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Fugang Wanjia Intelligent Technology Co Ltd
Original Assignee
Guangzhou Fugang Wanjia Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Fugang Wanjia Intelligent Technology Co Ltd filed Critical Guangzhou Fugang Wanjia Intelligent Technology Co Ltd
Priority to CN202010413712.1A priority Critical patent/CN111665715A/zh
Publication of CN111665715A publication Critical patent/CN111665715A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Preparation And Processing Of Foods (AREA)

Abstract

本发明提供为实现自动烹饪而对人工神经网络的训练方法和自动烹饪方法,因为已训练好的人工神经网络具备根据烹饪口味分析出烹饪参数的能力,所以用户输入自己所需的烹饪口味,该人工神经网络就会据此分析出相应的烹饪参数,烹饪设备就能根据该烹饪参数对烹饪过程进行控制,因此,用户只需简单地输入自己所需的烹饪口味就可以令烹饪设备自动烹饪,从而使得烹饪过程简便。

Description

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
技术领域
本发明涉及智能烹饪设备技术领域,特别涉及为实现自动烹饪而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。
背景技术
目前市面上的烹饪设备通常设有烹饪器皿和调味料下料装置,在使用烹饪器皿对菜品进行烹饪的过程中,利用调味料下料装置向烹饪中的菜品自动添加调味料,从而实现全自动化烹饪。但是,该烹饪设备都是按照预设的烹饪参数对烹饪器皿和调味料下料装置进行控制的,例如,烹饪器皿按照预设的加热功率和加热时间进行烹饪,调味料下料装置按照预设的调味料添加量自动添加调味料,但这样,用户需在烹饪前预设加热功率、加热时间和各种调味料的添加量这些烹饪参数,以使得烹饪设备所烹饪出来的菜品符合用户的口味,因此用户需设置复杂的烹饪参数,导致烹饪过程复杂。
发明内容
本发明要解决的技术问题是如何令烹饪过程简便。
为解决上述技术问题,本发明提供一种为实现自动烹饪而对人工神经网络的训练方法,包括如下步骤:
P.在利用烹饪设备按照不同的烹饪参数进行多次烹饪的过程中,每次执行下述学习样本获取步骤,获得多组学习样本,每次学习样本获取步骤包括如下A、B:
——A.获取菜品的烹饪口味;
——B.以所述烹饪口味作为输入信号,以相应的烹饪参数作为输出信号,构成供人工神经网络进行烹饪参数分析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烹饪参数分析训练,直至该人工神经网络具备根据烹饪口味分析出烹饪参数的能力。
优选地,所述步骤A具体地:检测烹饪气体从而获得气体成分数据,对所获得的气体成分数据进行分析从而获取菜品的烹饪口味。
优选地,所述步骤A中,利用电子鼻检测烹饪气体。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述训练方法中的步骤。
本发明还提供一种自动烹饪方法,包括烹饪步骤:根据烹饪参数对烹饪过程进行控制;还包括在烹饪步骤前执行的如下步骤:
a.获取用户输入的烹饪口味;
b.把用户输入的烹饪口味输入到已训练好的人工神经网络,由该人工神经网络据此分析出烹饪参数提供给烹饪步骤以对烹饪过程进行控制。
优选地,所述人工神经网络是执行上述训练方法后得到的人工神经网络。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述自动烹饪方法中的步骤。
本发明还提供一种烹饪设备,包括相互电连接的控制器和输入装置,所述控制器包括相互连接的处理器和计算机可读存储介质,计算机可读存储介质如上所述,所述输入装置用于在所述步骤a中获取用户输入的烹饪口味。
优选地,包括烹饪器皿和调味料下料装置,所述烹饪参数包括加热功率、加热时间和各种调味料的添加量,所述步骤b中,对烹饪过程进行控制具体地:根据加热功率和加热时间对烹饪器皿进行控制,根据各种调味料的添加量对调味料下料装置进行控制。
优选地,所述输入装置具体是触控屏,其上显示有用于输入各种烹饪口味的滑动条。
优选地,包括所述人工神经网络。
优选地,包括与控制器相互电连接的通讯模块,所述通讯模块用于与所述人工神经网络通讯,所述人工神经网络是执行上述训练方法后得到的人工神经网络。
本发明具有以下有益效果:因为已训练好的人工神经网络具备根据烹饪口味分析出烹饪参数的能力,所以用户输入自己所需的烹饪口味,该人工神经网络就会据此分析出相应的烹饪参数,烹饪设备就能根据该烹饪参数对烹饪过程进行控制,因此,用户只需简单地输入自己所需的烹饪口味就可以令烹饪设备自动烹饪,从而使得烹饪过程简便。
附图说明
图1是烹饪设备的电路连接框图。
附图标记说明:1-烹饪器皿;2-调味料下料装置;3-电子鼻;4-控制器;5-输入装置。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例,然而应当理解,能够以各种形式实现本申请而不应被这里阐述的实施例所限制。相反地,提供这些实施例是为了令本领域的技术人员能够更透彻地理解本申请,并且能够将本申请的范围完整地传达给本领域的技术人员。
下文提及的控制器包括相互连接的处理器和计算机可读存储介质,计算机可读存储介质中存储有计算机程序,所述计算机程序被处理器执行时实现控制器的功能。
烹饪设备如图1所示,包括烹饪器皿1、调味料下料装置2、电子鼻3、控制器4和输入装置5,控制器4分别电连接烹饪器皿1、调味料下料装置2、电子鼻3和输入装置5,调味料下料装置2设在烹饪器皿1上方以便于向烹饪器皿1中自动添加调味料;烹饪器皿1顶部设有用于排出烹饪气体(即油烟)的排气通道(图中未示出),电子鼻3设在烹饪器皿1的排气通道中以便于检测烹饪气体,例如,烹饪器皿1是顶部盖有锅盖的烹饪锅,在锅盖上开有排气孔作为排气通道,电子鼻3设在该排气孔中。非优选地,排气通道不设在烹饪器皿1上;烹饪设备包括抽油烟机,该抽油烟机的烟道作为排气通道。输入装置5具体是触控屏,其上显示有分别用于输入甜、酸、苦、辣、咸这五种口味的五个滑动条。
本实施例中,调味料下料装置2是现有装置,其受控制器4控制,用于向烹饪器皿1自动添加调味料,例如申请号为201911151207.8的专利申请所公开的调味料下料装置,在此不再赘述。
本实施例中,电子鼻3能定性或定量地检测、分析及识别烹饪气体的气体成分数据,具体地,电子鼻3包括传感器阵列模块和信号处理模块,其中传感器阵列模块由多个性能彼此重叠的气敏传感器构成,这些气敏传感器主要以半导体材料为敏感材料,在烹饪气体中的不同气体成分的作用下会引起半导体材料内载流子浓度或分布的不同变化,传感器阵列模块根据这些载流子浓度或分布的不同变化分析出气体成分数据并转换成电信号,信号处理模块把该电信号转换为数字信号后输入至控制器4中,控制器4据此即可获取烹饪气体的气体成分数据。
烹饪设备在按照预设的烹饪参数工作时,控制器4控制相关电路令烹饪器皿1按照烹饪参数中的加热功率和加热时间启动,以对放入至烹饪器皿1中的菜品进行烹饪,在烹饪过程中,烹饪器皿1会源源不断产生烹饪气体,该烹饪气体经排气通道排出至外界。在烹饪过程中,控制器4控制相关电路令调味料下料装置2按照烹饪参数中的调味料添加量向烹饪器皿 1,即向烹饪中的菜品自动添加调味料,从而对烹饪中的菜品进行调味;在调味后,控制器4 控制相关电路令电子鼻3启动工作,由于电子鼻3设在排气通道中,电子鼻3能检测经排气通道排出的烹饪气体,并对该烹饪气体进行分析以获取气体成分数据,然后将分析获得的气体成分数据发送给控制器4。
需要说明的是,烹饪气体可能会包含用于形成各种气味的气体分子,电子鼻3的传感器阵列模块中包含了能被这些气体分子引起变化的气敏传感器,因此,电子鼻3分析获取到的气体成分数据包含了用于形成各种气味的气体分子含量数据。例如,用于添加酸味的调味料主要是食醋,而食醋的主要成分是醋酸,故烹饪气体中用于形成酸性气味的气体成分主要是醋酸分子,因此,电子鼻3的传感器阵列模块中包含了能被醋酸分子引起变化的气敏传感器,电子鼻3分析获取到的气体成分数据包含了醋酸分子含量数据。这样,控制器4所接收的气体成分数据中,若醋酸分子含量数据最大,则控制器4能据此分析出烹饪口味为偏酸味。
控制器4在获得气体成分数据后,根据该气体成分数据中用于形成各种气味的气体分子含量数据分析菜品的烹饪口味,具体地:气体成分数据中用于形成某种气味的气体分子含量数据每增加1ppm,则相应口味的程度数据增加1,例如,若醋酸分子含量数据为10ppm,则酸度数据为10,这样控制器4就能根据气体成分数据中用于形成各种气味的气体分子含量数据分析出菜品的烹饪口味。
烹饪口味除了与各种调味料的添加量有关之外,烹饪器皿1的加热功率和加热时间也会影响到烹饪口味,具体是因为不同调味料所需的加热温度和入味时间不同,例如,用于添加酸味的调味料主要是醋酸,用于添加苦味的调味料主要是料酒,这两种调味料是液态调味料,添加后与菜品结合容易,因此所需的加热温度低且入味时间短,而用于添加甜味的调味料主要是糖,用于添加咸味的调味料主要是盐,用于添加辣味的调味料主要是辣椒粉,这三种调味料是固态调味料,需与菜品一起炒匀后才与菜品结合,即添加后与菜品结合较难,因此所需的加热温度高且入味时间长,因此,在添加入多种调味料后,不同的加热功率和加热时间会导致气体成分数据不同,故上述的烹饪参数包括加热功率、加热时间和各种调味料的添加量。
本实施例中,控制器4结合人工神经网络来实现自动烹饪,人工神经网络是由大量的处理单元(神经元)互相连接而形成的复杂网络结构,其设在烹饪设备上,具有自学习功能。为了让人工神经网络具备根据烹饪口味分析出烹饪参数的能力,需要采用多组学习样本对人工神经网络进行训练。烹饪设备在按照不同的烹饪参数进行多次烹饪的过程中,每次执行下述学习样本获取步骤,获得多组学习样本,每次学习样本获取步骤包括如下A、B:
A.利用电子鼻3检测烹饪气体,分析获得气体成分数据并发送给控制器4,控制器4根据所获得的气体成分数据分析出烹饪口味;
B.以分析出的烹饪口味作为输入信号,以烹饪参数作为输出信号,构成供人工神经网络进行自动烹饪训练的一组学习样本。
非优选地,烹饪设备没有设置电子鼻3,故学习样本获取步骤中的A不会执行,改为执行如下步骤:A1.在烹饪完成后,人试吃烹饪出来的菜品,在试吃后人凭感觉分析烹饪口味,再利用输入装置5向人工神经网络输入烹饪口味。或改为执行如下步骤:A2.在烹饪过程中,人闻烹饪气体,在闻完后人凭感觉分析烹饪口味,再利用输入装置5向人工神经网络输入烹饪口味。上述步骤A1和A2中,烹饪口味是由人凭感觉分析出来的,故误差比较大。
在获得多组学习样本后,利用这些学习样本对人工神经网络进行烹饪参数分析训练,直至该人工神经网络具备根据烹饪口味分析出烹饪参数的能力,然后控制器4就可以利用该已训练好的人工神经网络实现自动烹饪了,具体包括在烹饪前执行的如下步骤a、b:
a.利用输入装置5获取用户输入的烹饪口味,具体地,用户通过在输入装置5上拖动表示不同口味的滑动条,来向控制器4输入想要的烹饪口味;
b.控制器4把所获得的烹饪口味输入到已训练好的人工神经网络,由该人工神经网络据此分析出所需的烹饪参数,该所需的烹饪参数包括各种调味料的添加量、加热功率和加热时间,在分析出所需的烹饪参数后,控制器4按照该烹饪参数中的加热功率和加热时间对烹饪器皿1进行控制,根据该烹饪参数中的各种调味料的添加量对调味料下料装置2进行控制,从而对烹饪设备的烹饪过程进行控制以实现自动烹饪,以获得用户所需的烹饪口味。
在其他实施例中,人工神经网络不设在烹饪设备上,烹饪设备上设有与控制器4相互电连接的通讯模块(图中未示出),例如GPRS模块、信号线接口等,控制器4利用上述通讯模块与上述人工神经网络实现互联网通讯,从而与人工神经网络进行信息交互。
非优选地,电子鼻3可改用电子舌,这样电子舌所检测的是烹饪口味而不是气体成分数据,但由于电子舌是用于液体介质研究的,所以电子舌需设于能接触到菜品的位置,但在烹饪过程中难以确保电子舌能接触到菜品,故容易导致电子舌所检测的结果不准确。
最后应当说明的是,以上实施例仅用以说明本申请的技术方案,而非对本申请保护范围的限制,尽管参照较佳实施例对本申请作了详细的说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或者等同替换,而不脱离本申请技术方案的实质和范围。

Claims (12)

1.为实现自动烹饪而对人工神经网络的训练方法,其特征是包括如下步骤:
P.在按照不同的烹饪参数多次进行烹饪的过程中,每次执行下述学习样本获取步骤,获得多组学习样本,每次学习样本获取步骤包括如下A、B:
——A.获取菜品的烹饪口味;
——B.以所述烹饪口味作为输入信号,以相应的烹饪参数作为输出信号,构成供人工神经网络进行烹饪参数分析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烹饪参数分析训练,直至该人工神经网络具备根据烹饪口味分析出烹饪参数的能力。
2.根据权利要求1所述的训练方法,其特征是,所述步骤A具体地:检测烹饪气体从而获得气体成分数据,对所获得的气体成分数据进行分析从而获取菜品的烹饪口味。
3.根据权利要求2所述的训练方法,其特征是:所述步骤A中,利用电子鼻检测烹饪气体。
4.计算机可读存储介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行时实现权利要求1至3任一项所述训练方法中的步骤。
5.自动烹饪方法,包括烹饪步骤:根据烹饪参数对烹饪过程进行控制;其特征是还包括在烹饪步骤前执行的如下步骤:
a.获取用户输入的烹饪口味;
b.把用户输入的烹饪口味输入到已训练好的人工神经网络,由该人工神经网络据此分析出烹饪参数提供给烹饪步骤以对烹饪过程进行控制。
6.根据权利要求5所述的自动烹饪方法,其特征是:所述人工神经网络是执行权利要求1至3任一项所述训练方法后得到的人工神经网络。
7.计算机可读存储介质,其上存储有计算机程序,其特征是,所述计算机程序被处理器执行时实现权利要求5或6所述自动烹饪方法中的步骤。
8.烹饪设备,其特征是:包括相互电连接的控制器和输入装置,所述控制器包括相互连接的处理器和计算机可读存储介质,计算机可读存储介质如权利要求7所述,所述输入装置用于在所述步骤a中获取用户输入的烹饪口味。
9.根据权利要求8所述的烹饪设备,其特征是,包括烹饪器皿和调味料下料装置,所述烹饪参数包括加热功率、加热时间和各种调味料的添加量,所述步骤b中,对烹饪过程进行控制具体地:根据加热功率和加热时间对烹饪器皿进行控制,根据各种调味料的添加量对调味料下料装置进行控制。
10.根据权利要求8所述的烹饪设备,其特征是,所述输入装置具体是触控屏,其上显示有用于输入各种烹饪口味的滑动条。
11.根据权利要求8所述的烹饪设备,其特征是:包括所述人工神经网络。
12.根据权利要求8所述的烹饪设备,其特征是:包括与控制器相互电连接的通讯模块,所述通讯模块用于与所述人工神经网络通讯。
CN202010413712.1A 2020-05-15 2020-05-15 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 Pending CN111665715A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010413712.1A CN111665715A (zh) 2020-05-15 2020-05-15 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010413712.1A CN111665715A (zh) 2020-05-15 2020-05-15 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

Publications (1)

Publication Number Publication Date
CN111665715A true CN111665715A (zh) 2020-09-15

Family

ID=72383819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010413712.1A Pending CN111665715A (zh) 2020-05-15 2020-05-15 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

Country Status (1)

Country Link
CN (1) CN111665715A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906758A (zh) * 2021-01-29 2021-06-04 广州富港万嘉智能科技有限公司 食材新鲜程度识别模型的训练方法、识别方法和设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112906758A (zh) * 2021-01-29 2021-06-04 广州富港万嘉智能科技有限公司 食材新鲜程度识别模型的训练方法、识别方法和设备

Similar Documents

Publication Publication Date Title
CN110488696B (zh) 一种智能防干烧方法及系统
CN111596563B (zh) 一种智能烟灶系统及其烹饪指导方法
CN113473890B (zh) 烹饪机器人、烹饪机器人控制装置和控制方法
CN109683516A (zh) 辅助烹饪方法、家电设备及计算机存储介质
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
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
CN110762571A (zh) 一种基于烹饪油烟的食谱推荐方法以及烟机
CN110701641A (zh) 烹饪器具的控制方法及烹饪器具及存储介质
CN108720546B (zh) 烹饪器具的控制方法、控制装置及烹饪器具
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
CN112394149A (zh) 食材成熟度检测提示的方法及装置、厨电设备
JP2008102688A (ja) 日本酒と料理の相性判定方法、相性判定システム、並びに、相性判定プログラム及びそれを記録した記録媒体
CN112420162A (zh) 食谱的智能化推荐方法及装置、智能橱柜
CN113662446A (zh) 基于物联网的烹饪辅助方法、装置、智能终端及存储介质
Wang et al. Rapid quantitative authentication and analysis of camellia oil adulterated with edible oils by electronic nose and FTIR spectroscopy
WO2020179407A1 (ja) データ処理装置、データ処理方法
CN109691864A (zh) 一种烹饪控制方法、装置、烹饪设备及计算机存储介质
CN111781865A (zh) 二次调味方法、计算机可读存储介质及烹饪设备
EP3932627B1 (en) Cooking robot, cooking robot control device, and control method
CN109856981A (zh) 一种智能厨房辅助烹饪方法及系统
CN111728489A (zh) 烹饪气味显示方法、计算机可读存储介质及烹饪设备
CN112859647B (zh) 烹饪曲线调整方法、装置、家电设备和存储介质
CN111603050A (zh) 一种炒菜机控制方法、装置、存储介质及炒菜机
CN110848759A (zh) 加热设备防干烧的控制方法、装置、加热设备及存储介质
CN112700842A (zh) 一种家庭饮食方案推荐方法

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: 20200915