CN112203055A - 电饭煲的烹饪方法、存储介质和电饭煲 - Google Patents
电饭煲的烹饪方法、存储介质和电饭煲 Download PDFInfo
- Publication number
- CN112203055A CN112203055A CN202011074458.3A CN202011074458A CN112203055A CN 112203055 A CN112203055 A CN 112203055A CN 202011074458 A CN202011074458 A CN 202011074458A CN 112203055 A CN112203055 A CN 112203055A
- Authority
- CN
- China
- Prior art keywords
- electric cooker
- water
- cooking
- food material
- water level
- 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
- 238000010411 cooking Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 41
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 179
- 235000013305 food Nutrition 0.000 claims abstract description 128
- 239000000463 material Substances 0.000 claims abstract description 127
- 241000209094 Oryza Species 0.000 claims description 87
- 235000007164 Oryza sativa Nutrition 0.000 claims description 86
- 235000009566 rice Nutrition 0.000 claims description 86
- 238000010438 heat treatment Methods 0.000 claims description 22
- 238000005303 weighing Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 235000013339 cereals Nutrition 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 description 10
- 235000016709 nutrition Nutrition 0.000 description 7
- 230000035764 nutrition Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 2
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 2
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 2
- 235000021329 brown rice Nutrition 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 description 1
- AUNGANRZJHBGPY-UHFFFAOYSA-N D-Lyxoflavin Natural products OCC(O)C(O)C(O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-UHFFFAOYSA-N 0.000 description 1
- 102000015781 Dietary Proteins Human genes 0.000 description 1
- 108010010256 Dietary Proteins Proteins 0.000 description 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- JZRWCGZRTZMZEH-UHFFFAOYSA-N Thiamine Natural products CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N JZRWCGZRTZMZEH-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001746 carotenes Chemical class 0.000 description 1
- 235000005473 carotenes Nutrition 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 229960003512 nicotinic acid Drugs 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 235000020944 retinol Nutrition 0.000 description 1
- 229960003471 retinol Drugs 0.000 description 1
- 239000011607 retinol Substances 0.000 description 1
- 235000019192 riboflavin Nutrition 0.000 description 1
- 229960002477 riboflavin Drugs 0.000 description 1
- 239000002151 riboflavin Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 235000019157 thiamine Nutrition 0.000 description 1
- KYMBYSLLVAOCFI-UHFFFAOYSA-N thiamine Chemical compound CC1=C(CCO)SCN1CC1=CN=C(C)N=C1N KYMBYSLLVAOCFI-UHFFFAOYSA-N 0.000 description 1
- 229960003495 thiamine Drugs 0.000 description 1
- 239000011721 thiamine Substances 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Cookers (AREA)
Abstract
本发明公开了一种电饭煲的烹饪方法、存储介质和电饭煲，所述方法包括：识别放入电饭煲中的食材的种类，检测放入电饭煲中的食材的重量以及放入电饭煲中的实际水量；根据所述食材的种类确定放入电饭煲中的食材的重量与水量的预设比例；根据所述预设比例和放入电饭煲中的食材的重量确定电饭煲中应放入的水量；判断放入电饭煲中的实际水量与电饭煲中应放入的水量是否一致：若是，则根据食材的种类和食材的重量确定对食材进行烹饪时的烹饪参数，并按照所述烹饪参数进行烹饪，本发明不仅自动识别食材的种类、食材的重量，还判断加入的水量，从而根据食材的种类和重量以及水量确定合适的烹饪参数，最大限度保留食材的营养。
Description
技术领域
本发明属于智能化家电应用技术领域，具体涉及一种电饭煲的烹饪方法、存储介质和电饭煲。
背景技术
随着社会的发展和生活水平的提高，人们不断追求更高的生活品质和更贴心的服务，尤其是在饮食方面，也更注重营养的均衡，荤素搭配以及多种维生素的补充。
例如，米饭作为人们每天都会食用的主食，并且米饭中含有蛋白质、膳食纤维、烟酸、核黄素、视黄醇当量、硫胺素、胡萝卜素等多种营养物质，还含有多种维生素和矿物质。然而，米饭的营养保留却常常被人忽略，很多人单纯认为，将米饭煮熟即可，对食材直接进行加热，不设置合适的加热温度和加热时间，会导致米饭流失大部分的营养成分，因此，为了最大限度的保留米饭的营养成分，不同的食材需要不同的加热温度和加热时间，不同的米量也需要加入不同的水量，因此，煮饭时需要根据不同的米种，米量，加入合适的水量，并利用合适的加热温度和加热时间对食材进行烹饪。
现有技术中，通过识别的米种，能够获取烹饪程序，但是无法自动识别加入水量的多少，从而无法判断加入的水量是否合适，也无法根据米量得到与米量最匹配的烹饪程序。
现在亟须一种电饭煲的烹饪方法、存储介质和电饭煲。
发明内容
本发明所要解决的技术问题是如何通过电饭煲中的食材的种类、食材的重量和水量为食材提供最合适的加热温度和加热时间，从而最大限度保留食材的营养。
针对上述问题，本发明提供了一种电饭煲的烹饪方法、存储介质和电饭煲。
第一方面，本发明提供了一种电饭煲的烹饪方法，包括以下步骤：
识别放入电饭煲中的食材的种类，检测放入电饭煲中的食材的重量以及放入电饭煲中的实际水量；
根据所述食材的种类确定放入电饭煲中的食材的重量与水量的预设比例；
根据所述预设比例和放入电饭煲中的食材的重量确定电饭煲中应放入的水量；
判断放入电饭煲中的实际水量与电饭煲中应放入的水量是否一致：
当放入电饭煲中的实际水量与电饭煲中应放入的水量一致时，根据食材的种类和食材的重量确定对食材进行烹饪时的烹饪参数，并按照所述烹饪参数进行烹饪。
根据本发明的实施例，优选地，识别放入电饭煲中的食材的种类，包括以下步骤：
检测包含放入电饭煲中的食材的图像信息；
将包含放入电饭煲中的食材的图像信息输入预先训练好的食材分类识别模型中，对所述图像信息中的食材进行识别，得到所述食材的种类。
根据本发明的实施例，优选地，检测放入电饭煲中的食材的重量，包括以下步骤：
利用电饭煲中内置的称重装置检测放入电饭煲中的食材的重量。
根据本发明的实施例，优选地，检测放入电饭煲中的实际水量，包括以下步骤：
在电饭煲的指定位置检测包含放入电饭煲中的水的水位的图像；
对所述包含放入电饭煲中的水的水位的图像进行滤波，得到滤波后的图像；
利用边缘检测算法识别所述滤波后的图像中的水位线；
测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离；
基于已知的水位线上指定点相对于所述已知参考点的垂直距离与电饭煲中实际水量之间的对应关系，根据水位线上指定点相对于所述已知参考点的垂直距离换算出电饭煲中实际水量。
根据本发明的实施例，优选地，所述滤波后的图像上已知参考点为电饭煲锅内预设的固定点对应在所述滤波后的图像上的点，测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离，包括以下步骤：
以电饭煲锅内预设的固定点对应在所述滤波后的图像上的点为原点、所述滤波后的图像中穿过所述原点的水平线和竖直线分别为x轴和y轴建立坐标系，得到带有坐标系的图像；
对所述带有坐标系的图像中的水位线进行轮廓提取，并对提取出来的水位线进行曲线拟合；
读取曲线拟合后的水位线上指定点在所述坐标系中的纵坐标数值，该纵坐标数值即所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离。
根据本发明的实施例，优选地，当所述水位线为弧形曲线时，所述水位线上指定点为所述弧形曲线的顶点。
根据本发明的实施例，优选地，根据食材的种类和食材的重量确定对食材进行烹饪时的烹饪参数，并按照所述烹饪参数进行烹饪，包括以下步骤：
基于已知的食材的种类与食材的烹饪曲线之间的对应关系，根据食材的种类获取与其对应的烹饪曲线，其中，该烹饪曲线为对预设重量的食材进行烹饪时随时间变化的温度曲线；
根据食材的实际重量与所述烹饪曲线对应的食材的预设重量之间的比例值，来调整所述烹饪曲线；
根据调整后的烹饪曲线对食材进行烹饪。
根据本发明的实施例，优选地，所述食材包括谷物。
根据本发明的实施例，优选地，所述烹饪参数包括加热时间和/或加热温度。
第二方面，本发明提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
第三方面，本发明提供了一种电饭煲，包括：
摄像装置，其设置在所述电饭煲锅口边沿处，用于拍摄包含放入电饭煲中的食材的图像，并在电饭煲的指定位置拍摄包含放入电饭煲中的水的水位的图像；
称重装置，其内置于所述电饭煲中，用于检测放入电饭煲中的食材的重量；
服务器，其与所述摄像装置和所述称重装置连接，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时，根据所述包含放入电饭煲中的食材的图像、包含放入电饭煲中的水的水位的图像以及所述放入电饭煲中的食材的重量，实现如权利要求1至9中任一项所述方法的步骤。
根据本发明的实施例，优选地，所述摄像装置具有可自动伸缩的摄像头，所述摄像装置被设置成，在对放入电饭煲中的食材和对放入电饭煲中的水的水位进行拍照时，伸出所述摄像头进行拍照，并在拍照完成后缩回所述摄像头。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
应用本发明的电饭煲的烹饪方法，识别放入电饭煲中的食材的种类，检测放入电饭煲中的食材的重量以及放入电饭煲中的实际水量；根据所述食材的种类确定放入电饭煲中的食材的重量与水量的预设比例；根据所述预设比例和放入电饭煲中的食材的重量确定电饭煲中应放入的水量；判断放入电饭煲中的实际水量与电饭煲中应放入的水量是否一致：当放入电饭煲中的实际水量与电饭煲中应放入的水量一致时，根据食材的种类和食材的重量确定对食材进行烹饪时的烹饪参数，并按照所述烹饪参数进行烹饪，不仅可以自动识别食材的种类、食材的重量，还可以判断加入水量的多少，从而根据食材的种类、食材的重量以及水量确定合适的烹饪参数，最大限度保留食材的营养，为人们提供更高的生活的品质。
本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：
图1示出了本发明实施例一电饭煲的烹饪方法的流程图；
图2示出了本发明实施例一中烹饪曲线示意图；
图3示出了本发明实施例二电饭煲的烹饪方法的流程图；
图4示出了本发明实施例三电饭煲的烹饪方法的流程图；
图5示出了本发明实施例三中卷积神经网络判别米种模型示意图；
图6示出了本发明实施例三中边缘检测识别水位示意图；
图7示出了本发明实施例三中根据图像中水位线计算电饭煲中实际水位的流程示意图；
图8示出了本发明实施例三中电饭煲的结构示意图；
附图说明：1-摄像装置，2-摄像头。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
实施例一
为解决现有技术中存在的上述技术问题，本发明实施例提供了一种电饭煲的烹饪方法。
参照图1，本实施例的电饭煲的烹饪方法，包括以下步骤：
S110，识别放入电饭煲中的食材的种类，检测放入电饭煲中的食材的重量以及放入电饭煲中的实际水量；
S120，根据所述食材的种类确定放入电饭煲中的食材的重量与水量的预设比例；
S130，根据所述预设比例和放入电饭煲中的食材的重量确定电饭煲中应放入的水量；
S140，判断放入电饭煲中的实际水量与电饭煲中应放入的水量是否一致：
若是，则执行步骤S150；
若否，则执行步骤S180；
S150，基于已知的食材的种类与食材的烹饪曲线之间的对应关系，根据食材的种类获取与其对应的烹饪曲线，其中，如图2所示，该烹饪曲线为对预设重量的食材进行烹饪时随时间变化的温度曲线；
S160，根据食材的实际重量与所述烹饪曲线对应的食材的预设重量之间的比例值，来调整所述烹饪曲线；
S170，根据调整后的烹饪曲线对食材进行烹饪。
S180，提示调整水量。
在步骤S110中，所述食材包括谷物。
在步骤S160中，例如长粒米的烹饪曲线为，按照烹饪500g米时，需要的加热温度和加热时间作为基础的烹饪曲线，当称重米量为300g时，可以将基础烹饪曲线的各个阶段的时间缩短为原来的3/5，当称重米量为200g时，将基础烹饪曲线的各个阶段的时间缩短为原来的1/2，当称重米量为1000g时，可以将基础烹饪曲线的各个阶段的加热时间扩增为原来的3/2。
实施例二
为解决现有技术中存在的上述技术问题，本发明实施例基于实施例一提供了一种电饭煲的烹饪方法，其中，在本实施例中，对实施例一中步骤S110进行改进。
参照图3，本实施例的电饭煲的烹饪方法，包括以下步骤：
S211，识别放入电饭煲中的食材的种类，检测放入电饭煲中的食材的重量；
S212，在电饭煲的指定位置检测包含放入电饭煲中的水的水位的图像；
S213，对所述包含放入电饭煲中的水的水位的图像进行滤波，得到滤波后的图像；
S214，利用边缘检测算法识别所述滤波后的图像中的水位线；
S215，测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离；
S216，基于已知的水位线上指定点相对于所述已知参考点的垂直距离与电饭煲中实际水量之间的对应关系，根据水位线上指定点相对于所述已知参考点的垂直距离换算出电饭煲中实际水量；
S220，根据所述食材的种类确定放入电饭煲中的食材的重量与水量的预设比例；
S230，根据所述预设比例和放入电饭煲中的食材的重量确定电饭煲中应放入的水量；
S240，判断放入电饭煲中的实际水量与电饭煲中应放入的水量是否一致：
若是，则执行步骤S250；
若否，则执行步骤S280；
S250，基于已知的食材的种类与食材的烹饪曲线之间的对应关系，根据食材的种类获取与其对应的烹饪曲线，其中，该烹饪曲线为对预设重量的食材进行烹饪时随时间变化的温度曲线；
S260，根据食材的实际重量与所述烹饪曲线对应的食材的预设重量之间的比例值，来调整所述烹饪曲线；
S270，根据调整后的烹饪曲线对食材进行烹饪。
S280，提示调整水量。
在步骤S211中，识别放入电饭煲中的食材的种类，包括以下步骤：
检测包含放入电饭煲中的食材的图像信息；
将包含放入电饭煲中的食材的图像信息输入预先训练好的食材分类识别模型中，对所述图像信息中的食材进行识别，得到所述食材的种类。
在步骤S211中，检测放入电饭煲中的食材的重量，包括以下步骤：
利用电饭煲中内置的称重装置检测放入电饭煲中的食材的重量。
在步骤S215中，所述滤波后的图像上已知参考点为电饭煲锅内预设的固定点对应在所述滤波后的图像上的点，测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离，包括以下步骤：
以电饭煲锅内预设的固定点对应在所述滤波后的图像上的点为原点、所述滤波后的图像中穿过所述原点的水平线和竖直线分别为x轴和y轴建立坐标系，得到带有坐标系的图像；
对所述带有坐标系的图像中的水位线进行轮廓提取，并对提取出来的水位线进行曲线拟合；
读取曲线拟合后的水位线上指定点在所述坐标系中的纵坐标数值，该纵坐标数值即所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离。
在步骤S215中，当所述水位线为弧形曲线时，所述水位线上指定点为所述弧形曲线的顶点。
在步骤S216中，已知的水位线上指定点相对于所述已知参考点的垂直距离与电饭煲中实际水量之间的对应关系通过以下步骤构建：
在电饭煲中放入预定量的水，并在电饭煲的指定位置检测包含放入电饭煲中的水的水位的图像；
对所述包含放入电饭煲中的水的水位的图像进行滤波，得到滤波后的图像；
利用边缘检测算法识别所述滤波后的图像中的水位线；
测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离；
将水位线上指定点相对于所述已知参考点的垂直距离与电饭煲中实际水量进行关联；
重复以上步骤，得到多组水位线上指定点相对于所述已知参考点的垂直距离与电饭煲中实际水量之间的对应关系。
实施例三
为解决现有技术中存在的上述技术问题，本发明实施例基于实施例一提供了一种电饭煲的烹饪方法，其中，在本实施例中以大米为食材。
参照图4，本实施例的电饭煲的烹饪方法主要分为深度学习CNN(ConvolutionalNeural Networks，卷积神经网络)技术识别米种、称重传感器识别米量、边缘检测算法计算水量、制定加热温度和时间四部分。首先，对放入的大米后拍照，利用深度学习CNN算法进行识别，识别出大米种类，同时利用电饭煲内的称重传感器计算出米量的多少，然后加水，再次拍照，利用边缘检测算法，自动检测识别图片中的水位线高度，计算出加入的水量，当水量不合适时，语音提示进行调节，最后制定合适的加热温度和加热时间，例如，识别到米种为长粒米，米量为300g，设定合适的加热温度和时间，进行蒸煮。
其中，大米种类可以按照米的外形和颜色分为长粒米、中粒米、短粒米、糯米、糙米、有色米、留胚米等不同种类。
图5是深度学习CNN神经网络判别米种模型图。利用CNN实现特征提取和判别的过程，利用摄像头拍摄电饭煲内大米，将拍摄到的大米图片，送入到CNN判别模型中，进行特征提取，主要提取大米的颜色、长度和宽度等特征，然后对提取到的特征进行判别。最终输出可表示为：
y＝Softmax(x)
式中，x表示大米图像经CNN Feature提取的特征，y为每帧图像的判别为某种大米的概率大小，例如拍摄某类大米图片，CNN模型经过提取图片中米的颜色、长度、宽度等特征，经过上式最终判该大米属于长粒米的概率为80％。
图6为边缘检测识别水位示意图，加入水后，先进行拍照，对拍摄到的图片，进行滤波，滤除一些噪声，然后利用边缘检测算法，检测识别图片中的水位线高度，计算出加入的水量，当水量不合适时，语音提示人们调整水量，最后设定加热温度和加热时间进行蒸煮。
在这里，水量是否合适是通过大米的种类和重量确定的，具体如下：
根据不同的米种确定预设的米量与水量的比例值，再通过米量判断加入的水量是否合适，例如，预设的米量与水量的比例值为：300g长粒米，需要加入水量是500ml。
在这里，如图7所示，利用边缘检测算法，自动检测识别图片中的水位线高度，计算出加入的水量，具体包括以下步骤：
当用户向电饭煲内加水后，对加入电饭煲中的水的水位进行拍照，得到包含水位线的图片；
对包含水位线的图片进行过滤、边缘检测和建立坐标系，对带有坐标系的图像中的水位线进行轮廓提取，并对提取出来的水位线进行曲线拟合；
通过求出曲线拟合后图片中水位线最高点Y坐标，然后查询实际水位与拍摄到的图片上的水位线最高点Y坐标之间的对应关系表，就可以得出实际的水位高度。
由图8可知，电饭煲上摄像头的拍摄角度和伸出长度都是固定的，所以无论实际水位的高度是多少，每次拍摄时得到的照片的长度和宽度都是相同的，并且在拍摄时，可以将摄像头固定对着电饭煲中间位置拍摄，所以图片是左右对称的，为了方便，利用中间位置水位曲线最高点与实际水位高度进行对应关系的构建。因此，可以通过以下步骤构建实际水位与拍摄到的图片上的水位线最高点Y坐标之间的对应关系：
将所述图片的左下角顶点作为原点，穿过该原点的图片的横向边缘和纵向边缘分别为X轴和Y轴建立像素坐标系；
每隔一定实际水位高度拍摄一次照片，然后人工查出照片中水位线最高点Y坐标对应的像素值列坐标，例如每隔两毫米实际水位拍摄一次，2mm水位高度对应图片中的水位线最高点Y坐标为100像素值，4mm水位高度对应图片中的水位线最高点Y坐标为150像素值，6mm水位高度对应图片中水位线最高点Y坐标为200像素值，依次进行拍摄，最后将所有的水位高度和像素值做一个一一对应的表格，如下表1所示，其中，表1即实际水位与拍摄到的图片上的水位线最高点Y坐标之间的对应关系表。
表1
值得说明的是，在建立坐标系时，可以以图片四个顶点的任意一个顶点作为原点，而且坐标系的坐标单位可以为像素，也可以为图片的实际尺寸。
本发明设计的智能识别电饭煲，针对目前市场上的电饭煲蒸煮功能单一，无法识别米种、米量、水量的问题，采用深度学习CNN技术智能识别大米为长粒米、中粒米、短粒米、糯米、糙米等等，通过称重传感器自动识别蒸煮米饭的多少，利用边缘检测算法识别电饭煲内加入的高度，计算加入水量的多少，语音提示人们水量是否合适，设置最合适的加热温度和时间，能够最大限度的保留米饭中的营养，从而提高人们的生活品质。
实施例四
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种存储介质。
本实施例的存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例中电饭煲的烹饪方法的步骤。
实施例五
为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种电饭煲。
本实施例的电饭煲，包括：
摄像装置，其设置在所述电饭煲锅口边沿处，用于拍摄包含放入电饭煲中的食材的图像，并在电饭煲的指定位置拍摄包含放入电饭煲中的水的水位的图像；
称重装置，其内置于所述电饭煲中，用于检测放入电饭煲中的食材的重量；
服务器，其与所述摄像装置和所述称重装置连接，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时，根据所述包含放入电饭煲中的食材的图像、包含放入电饭煲中的水的水位的图像以及所述放入电饭煲中的食材的重量，实现上述实施例中电饭煲的烹饪方法的步骤。
其中，所述摄像装置具有可自动伸缩的摄像头，所述摄像装置被设置成，在对放入电饭煲中的食材和对放入电饭煲中的水的水位进行拍照时，伸出所述摄像头进行拍照，并在拍照完成后缩回所述摄像头。
如图8所示，当需要拍照时，摄像装置1伸出摄像头2进行拍照，拍照完成后，摄像头2缩回结构内部。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (12)
1.一种电饭煲的烹饪方法，其特征在于，包括以下步骤：
识别放入电饭煲中的食材的种类，检测放入电饭煲中的食材的重量以及放入电饭煲中的实际水量；
根据所述食材的种类确定放入电饭煲中的食材的重量与水量的预设比例；
根据所述预设比例和放入电饭煲中的食材的重量确定电饭煲中应放入的水量；
判断放入电饭煲中的实际水量与电饭煲中应放入的水量是否一致：
当放入电饭煲中的实际水量与电饭煲中应放入的水量一致时，根据食材的种类和食材的重量确定对食材进行烹饪时的烹饪参数，并按照所述烹饪参数进行烹饪。
2.根据权利要求1所述的方法，其特征在于，识别放入电饭煲中的食材的种类，包括以下步骤：
检测包含放入电饭煲中的食材的图像信息；
将包含放入电饭煲中的食材的图像信息输入预先训练好的食材分类识别模型中，对所述图像信息中的食材进行识别，得到所述食材的种类。
3.根据权利要求1所述的方法，其特征在于，检测放入电饭煲中的食材的重量，包括以下步骤：
利用电饭煲中内置的称重装置检测放入电饭煲中的食材的重量。
4.根据权利要求1所述的方法，其特征在于，检测放入电饭煲中的实际水量，包括以下步骤：
在电饭煲的指定位置检测包含放入电饭煲中的水的水位的图像；
对所述包含放入电饭煲中的水的水位的图像进行滤波，得到滤波后的图像；
利用边缘检测算法识别所述滤波后的图像中的水位线；
测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离；
基于已知的水位线上指定点相对于所述已知参考点的垂直距离与电饭煲中实际水量之间的对应关系，根据水位线上指定点相对于所述已知参考点的垂直距离换算出电饭煲中实际水量。
5.根据权利要求4所述的方法，其特征在于，所述滤波后的图像上已知参考点为电饭煲锅内预设的固定点对应在所述滤波后的图像上的点，测定所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离，包括以下步骤：
以电饭煲锅内预设的固定点对应在所述滤波后的图像上的点为原点、所述滤波后的图像中穿过所述原点的水平线和竖直线分别为x轴和y轴建立坐标系，得到带有坐标系的图像；
对所述带有坐标系的图像中的水位线进行轮廓提取，并对提取出来的水位线进行曲线拟合；
读取曲线拟合后的水位线上指定点在所述坐标系中的纵坐标数值，该纵坐标数值即所述水位线上指定点相对于所述滤波后的图像上已知参考点的垂直距离。
6.根据权利要求4或5所述的方法，其特征在于，当所述水位线为弧形曲线时，所述水位线上指定点为所述弧形曲线的顶点。
7.根据权利要求1所述的方法，其特征在于，根据食材的种类和食材的重量确定对食材进行烹饪时的烹饪参数，并按照所述烹饪参数进行烹饪，包括以下步骤：
基于已知的食材的种类与食材的烹饪曲线之间的对应关系，根据食材的种类获取与其对应的烹饪曲线，其中，该烹饪曲线为对预设重量的食材进行烹饪时随时间变化的温度曲线；
根据食材的实际重量与所述烹饪曲线对应的食材的预设重量之间的比例值，来调整所述烹饪曲线；
根据调整后的烹饪曲线对食材进行烹饪。
8.根据权利要求1所述的方法，其特征在于，所述食材包括谷物。
9.根据权利要求1所述的方法，其特征在于，所述烹饪参数包括加热时间和/或加热温度。
10.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至9中任一项所述方法的步骤。
11.一种电饭煲，其特征在于，包括：
摄像装置，其设置在所述电饭煲锅口边沿处，用于拍摄包含放入电饭煲中的食材的图像，并在电饭煲的指定位置拍摄包含放入电饭煲中的水的水位的图像；
称重装置，其内置于所述电饭煲中，用于检测放入电饭煲中的食材的重量；
服务器，其与所述摄像装置和所述称重装置连接，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被处理器执行时，根据所述包含放入电饭煲中的食材的图像、包含放入电饭煲中的水的水位的图像以及所述放入电饭煲中的食材的重量，实现如权利要求1至9中任一项所述方法的步骤。
12.根据权利要求11所述的电饭煲，其特征在于，所述摄像装置具有可自动伸缩的摄像头，所述摄像装置被设置成，在对放入电饭煲中的食材和对放入电饭煲中的水的水位进行拍照时，伸出所述摄像头进行拍照，并在拍照完成后缩回所述摄像头。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011074458.3A CN112203055A (zh) | 2020-10-09 | 2020-10-09 | 电饭煲的烹饪方法、存储介质和电饭煲 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011074458.3A CN112203055A (zh) | 2020-10-09 | 2020-10-09 | 电饭煲的烹饪方法、存储介质和电饭煲 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112203055A true CN112203055A (zh) | 2021-01-08 |
Family
ID=74013809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011074458.3A Pending CN112203055A (zh) | 2020-10-09 | 2020-10-09 | 电饭煲的烹饪方法、存储介质和电饭煲 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112203055A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160364613A1 (en) * | 2015-06-11 | 2016-12-15 | Panasonic Intellectual Property Management Co., Ltd. | Control method for associating image with cooking information, cooking equipment, and program |
| CN107536436A (zh) * | 2016-06-24 | 2018-01-05 | 九阳股份有限公司 | 一种带图像识别模块的智能电饭煲及智能烹饪系统 |
| CN107728515A (zh) * | 2017-09-27 | 2018-02-23 | 珠海格力电器股份有限公司 | 米饭的蒸煮方法及装置 |
| CN107833203A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于图像处理的水平面识别及水位实时测量方法 |
| CN109124293A (zh) * | 2017-06-27 | 2019-01-04 | 浙江绍兴苏泊尔生活电器有限公司 | 烹饪器具及其控制方法、系统、服务器 |
-
2020
- 2020-10-09 CN CN202011074458.3A patent/CN112203055A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160364613A1 (en) * | 2015-06-11 | 2016-12-15 | Panasonic Intellectual Property Management Co., Ltd. | Control method for associating image with cooking information, cooking equipment, and program |
| CN107536436A (zh) * | 2016-06-24 | 2018-01-05 | 九阳股份有限公司 | 一种带图像识别模块的智能电饭煲及智能烹饪系统 |
| CN109124293A (zh) * | 2017-06-27 | 2019-01-04 | 浙江绍兴苏泊尔生活电器有限公司 | 烹饪器具及其控制方法、系统、服务器 |
| CN107728515A (zh) * | 2017-09-27 | 2018-02-23 | 珠海格力电器股份有限公司 | 米饭的蒸煮方法及装置 |
| CN107833203A (zh) * | 2017-10-19 | 2018-03-23 | 南京邮电大学 | 一种基于图像处理的水平面识别及水位实时测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11229311B2 (en) | Food preparation system | |
| CN107578060B (zh) | 一种基于可判别区域的深度神经网络用于菜品图像分类的方法 | |
| CN104535588B (zh) | 基于安卓系统的鸡蛋新鲜度无损检测系统及其检测方法 | |
| CN105335725B (zh) | 一种基于特征融合的步态识别身份认证方法 | |
| CN107943449A (zh) | 一种基于面部表情识别的智能音响系统 | |
| CN109237582A (zh) | 基于图像识别的吸油烟机控制方法、控制系统、吸油烟机 | |
| CN112364842B (zh) | 一种双摄人脸识别方法及装置 | |
| CN108766529A (zh) | 一种智能食谱推荐方法及系统 | |
| CN112069403A (zh) | 菜谱推荐方法、装置、计算机设备和存储介质 | |
| CN111366104A (zh) | 一种具有自动亮度调节功能的扫描方法、装置及电子设备 | |
| CN110702559A (zh) | 物体的识别方法、装置、烹饪设备及计算机可读存储介质 | |
| WO2019238130A1 (zh) | 谷物评估方法、装置和存储介质 | |
| CN108090517A (zh) | 一种谷物识别方法、装置和计算机存储介质 | |
| CN115131783A (zh) | 基于机器视觉的用户饮食营养成分信息自主感知方法 | |
| CN114743194A (zh) | 基于深度残差神经网络的食谱生成方法 | |
| CN112203055A (zh) | 电饭煲的烹饪方法、存储介质和电饭煲 | |
| CN114724032A (zh) | 一种基于深度学习的杂粮作物病虫害检测方法 | |
| CN117078955B (zh) | 一种基于图像识别的健康管理方法 | |
| CN117636334A (zh) | 一种基于图像处理的猪肉品质分类方法 | |
| CN108664979A (zh) | 基于图像识别的玉米叶部病虫害检测模型的构建方法及应用 | |
| CN111325241A (zh) | 果蔬分类方法、装置、智能传感器及计算机存储介质 | |
| CN111435427A (zh) | 识别大米的方法、装置和烹饪器具 | |
| KR101718085B1 (ko) | 음식 영상의 시각적 풍미 강조 장치 및 그 방법 | |
| CN115601690A (zh) | 一种基于智慧农业的食用菌环境检测方法 | |
| CN206363347U (zh) | 基于角点检测与匹配的药品识别系统 |
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: 20210108 |