CN112353259A

CN112353259A - 基于图像识别和温度感应的烹饪方法

Info

Publication number: CN112353259A
Application number: CN202011181118.0A
Authority: CN
Inventors: 苏雨轩; 潘叶江
Original assignee: Vatti Co Ltd
Current assignee: Vatti Co Ltd
Priority date: 2020-10-29
Filing date: 2020-10-29
Publication date: 2021-02-12
Anticipated expiration: 2040-10-29
Also published as: CN112353259B

Abstract

本发明公开了一种基于图像识别和温度感应的烹饪方法，包括以下步骤：S1，采集当前烹饪行为的图像信息和温度信息；S2，对图像信息和温度信息进行处理，根据处理结果识别当前烹饪行为，通过识别当前烹饪行为计算出下一阶段烹饪的目标温度；S3,根据目标温度调节烹饪设备的火力对下一阶段进行烹饪；S4，重复步骤S1至S3，直至至最后一烹饪阶段；S5，通过图像识别对最后一烹饪阶段的菜品进行检验。可以精准的控制下一阶段的火力，保证每一阶段的烹饪质量，提高用户的烹饪体验，保证出菜的质量。本发明应用于烹饪技术领域。

Description

基于图像识别和温度感应的烹饪方法

技术领域

本发明涉及烹饪技术领域，具体涉及一种基于图像识别和温度感应的烹饪方法。

背景技术

目前带Ai智能烹饪功能的厨电设备越来越多，市面上的很多的Ai智能烹饪算法，基本上都是采用温度和时间两个维度的参数，进行算法计算。

现有技术中，Ai智能烹饪算法由于参考量单一，紧紧温度的参数就存在干扰源较多，普遍受环境、炊具材质、食物分量等因素干扰。同时由于大部分的智能烹饪算法都是采用固化的程序，在人为干扰的情况下，很容易导致程序出错，程序无法执行等情况，最终导致用户的烹饪体验较差，烹饪出的菜品质量差。

发明内容

(一)要解决的技术问题

一种基于图像识别和温度感应的烹饪方法，可以精准的控制下一阶段的火力，保证每一阶段的烹饪质量，提高用户的烹饪体验，保证出菜的质量。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于图像识别和温度感应的烹饪方法，包括以下步骤：

S1，采集当前烹饪行为的图像信息和温度信息；

S2，对图像信息和温度信息进行处理，根据处理结果识别当前烹饪行为，通过识别当前烹饪行为计算出下一阶段烹饪的目标温度；

S3,根据目标温度调节烹饪设备的火力对下一阶段进行烹饪；

S4，重复步骤S1至S3，直至至最后一烹饪阶段；

S5，通过图像识别对最后一烹饪阶段的菜品进行检验。

进一步改进的，步骤S1中，通过温度传感器采集当前烹饪行为的温度信息；通过摄像头采集当前烹饪行为的图像信息。

进一步改进的，步骤S1中，在第一预设时间和预设采样周期内内采集当前烹饪行为的温度信息。

进一步改进的，步骤S2中，对所述温度信息的处理包括以下步骤：

在预设采样周期内还采用Kalman滤波算法过滤无效温度数据，

再在第二预设时间内通过温度积分算法形成温度数据模型；

对所述图像信息的处理包括以下步骤：

通过OpenCV中的霍夫圆变换识别图像信息；

然后根据摄像头像素对霍夫圆参数进行调整；

再根据锅具形状获取多张目标图像；

然后对各目标图像进行处理，通过对各目标图像的处理获取当前烹饪食物的烹饪信息；

通过温度数据模型和烹饪信息识别当前烹饪行为计算出下一阶段烹饪的目标温度。

进一步改进的，所述烹饪信息包括食物的色泽、焦糊程度和水分含量。

进一步改进的，对各目标图像进行处理包括：对各目标图像分别进行不同的旋转处理、进行不同的亮度处理、进行不同的色度处理、进行不同的对比度处理和进行不同的锐度处理。

进一步改进的，所述旋转处理的旋转角度为α＝15，β，其中,0<β<24,在旋转后通过比例计算得到边长缩放比为：1:(|sin(α)|+|cos(α)|)；

所述亮度处理的亮度系数为0.6～1.4；所述色度处理的色度系数为0.7～1.3；

所述对比度处理的对比度系数为0.7～1.3；

所述锐度处理的锐度系数为0.7～1.3。

进一步改进的，步骤S5中，对最后一烹饪阶段的菜品图像进行分割检测，然后将分割出来的菜品图像进行菜品图像识别。

(三)有益效果

本发明基于图像识别和温度感应的烹饪方法，通过采集当前烹饪行为的图像信息和温度信息，通过图像信息和温度信息的结合，能够更加精确的识别当前烹饪行为，并通过识别当前烹饪行为计算出下一阶段烹饪的目标温度，然后根据目标温度可以精准的控制下一阶段的火力，控制下一阶段的烹饪时间，从而保证每一阶段的烹饪质量。若至最后一烹饪阶段时，通过图像识别对最后一烹饪阶段的菜品进行检测，还可以保证出菜的质量。

附图说明

图1为本发明一实施例基于图像识别和温度感应的烹饪方法的流程示意图；

图2为本发明一实施例为锅具中目标图像的示意图；

图3为CCD摄像头、灶具和油烟机的关系示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

请参照图1至图3，一种基于图像识别和温度感应的烹饪方法，包括以下步骤：

S1，采集当前烹饪行为的图像信息和温度信息；

S3,根据目标温度调节烹饪设备的火力对下一阶段进行烹饪，调节火力可以通过调节档位等方式调节；

S4，重复步骤S1至S3，直至至最后一烹饪阶段；

S5，通过图像识别对最后一烹饪阶段的菜品进行检验。

本实施例基于图像识别和温度感应的烹饪方法，通过采集当前烹饪行为的图像信息和温度信息，通过图像信息和温度信息的结合，能够更加精确的识别当前烹饪行为，并通过识别当前烹饪行为计算出下一阶段烹饪的目标温度，然后根据目标温度可以精准的控制下一阶段的火力，控制下一阶段的烹饪时间，从而保证每一阶段的烹饪质量。若至最后一烹饪阶段时，通过图像识别对最后一烹饪阶段的菜品进行检测，还可以保证出菜的质量。

具体的，当前烹饪行为包括烧水行为、热锅行为、热油行为、炒菜行为、油炸行为、炖煮行为、煲汤行为、水开、水干、炊具类型、小中大火收汁行为、小中大火炖行为和低中高温煎等。

进一步地，在一实施例中，步骤S1中，通过温度传感器采集当前烹饪行为的温度信息，具体的，通过温度传感器检测灶具的锅底温度或者蒸烤箱类腔内温度。利用到了ADC模拟转数据电路、数据运放发大电路和硬件滤波电路；通过摄像头采集当前烹饪行为的图像信息。具体的，摄像头为CCD摄像头。

进一步地，在一实施例中，步骤S1中，在第一预设时间和预设采样周期内内采集当前烹饪行为的温度信息。具体的，第一预设时间为1S，预设采集周期为10S。

进一步地，在一实施例中，步骤S2中，对所述温度信息的处理包括以下步骤：

在预设采样周期内还采用Kalman滤波算法过滤无效温度数据；Kalman滤波算法为卡尔曼滤波的简称，卡尔曼滤波(Kalman filtering)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。

再在第二预设时间内通过温度积分算法形成温度数据模型；具体的，第二预设时间为10S。

对所述图像信息的处理包括以下步骤：

通过OpenCV中的霍夫圆变换识别图像信息；霍夫变换是图像处理中的一种特征提取技术，该过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。具体的，通过OpenCV中的霍夫圆变换，先识别出在灶具台上俯视拍摄的照片。

OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。[1]它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

然后根据摄像头像素对霍夫圆参数进行调整；

再根据锅具形状获取多张目标图像；这里统一为类圆形锅具，获取的目标图像内容也为类圆形或其他形状。如图2所示，获得的目标图像内容主要为图2中圆圈部分所示。

进一步地，在一实施例中，所述烹饪信息包括食物的色泽、焦糊程度和水分含量。

进一步地，在一实施例中，对各目标图像进行处理包括：对各目标图像分别进行不同的旋转处理、进行不同的亮度处理、进行不同的色度处理、进行不同的对比度处理和进行不同的锐度处理。

进一步地，在一实施例中，所述旋转处理的旋转角度为α＝15，β，其中,0<β<24,在旋转后通过比例计算得到边长缩放比为：1:(|sin(α)|+|cos(α)|)；具体的，旋转处理的目标图像为23张。

所述亮度处理的亮度系数为0.6～1.4，具体的，亮度处理的目标图像为6张，该6张为从上述23张经旋转处理的目标图像中选出，从23张选出6张看起来差别比较大的目标图像分别进行亮度处理、色度处理、对比度处理和锐度处理。各目标图像的亮度系数分别为0.6、0.75、0.9、1.1、1.25和1.4；

所述色度处理的色度系数为0.7～1.3，具体的，色度处理的目标图像为6张，各目标图像的色度系数分别为0.7、0.8、0.9、1.1、1.2和1.3；

所述对比度处理的对比度系数为0.7～1.3，具体的，对比度处理的目标图像为6张，各目标图像的色度系数分别为0.7、0.8、0.9、1.1、1.2和1.3；

所述锐度处理的锐度系数为0.7～1.3，具体的，锐度处理的目标图像为6张，各目标图像的锐度系数分别为0.7、0.8、0.9、1.1、1.2和1.3。

进一步地，在一实施例中，步骤S5中，对最后一烹饪阶段的菜品图像进行分割检测，然后将分割出来的菜品图像进行菜品图像识别，进而调节出合理的温度保证菜品质量。

综上，如图3所示，图3中标注了CCD摄像头的安装方法，CCD摄像头位于家庭抽烟烟机端，采用俯视拍照的方式，采集下方灶具端的彩色图片。灶具端在炉头火盖中心位置，安置感温传感器，通过感温传感器、CCD摄像头、时间三个参数识别用户烹饪行为，从而自动调整灶具端的火力，实现辅助烹饪。其中图像识别系统对锅内食物图片进行分割检测，将分离出来的图像再进行菜品图像识别。

以上所述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，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims

1.一种基于图像识别和温度感应的烹饪方法，其特征在于，包括以下步骤：

S1，采集当前烹饪行为的图像信息和温度信息；

S3,根据目标温度调节烹饪设备的火力对下一阶段进行烹饪；

S4，重复步骤S1至S3，直至至最后一烹饪阶段；

S5，通过图像识别对最后一烹饪阶段的菜品进行检验。

2.根据权利要求1所述的基于图像识别和温度感应的烹饪方法，其特征在于，步骤S1中，通过温度传感器采集当前烹饪行为的温度信息；通过摄像头采集当前烹饪行为的图像信息。

3.根据权利要求2所述的基于图像识别和温度感应的烹饪方法，其特征在于，步骤S1中，在第一预设时间和预设采样周期内内采集当前烹饪行为的温度信息。

4.根据权利要求3所述的基于图像识别和温度感应的烹饪方法，其特征在于，步骤S2中，对所述温度信息的处理包括以下步骤：

在预设采样周期内还采用Kalman滤波算法过滤无效温度数据，

再在第二预设时间内通过温度积分算法形成温度数据模型；

对所述图像信息的处理包括以下步骤：

通过OpenCV中的霍夫圆变换识别图像信息；

然后根据摄像头像素对霍夫圆参数进行调整；

再根据锅具形状获取多张目标图像；

5.根据权利要求4所述的基于图像识别和温度感应的烹饪方法，其特征在于，所述烹饪信息包括食物的色泽、焦糊程度和水分含量。

6.根据权利要求4所述的基于图像识别和温度感应的烹饪方法，其特征在于，对各目标图像进行处理包括：对各目标图像分别进行不同的旋转处理、进行不同的亮度处理、进行不同的色度处理、进行不同的对比度处理和进行不同的锐度处理。

7.根据权利要求6所述的基于图像识别和温度感应的烹饪方法，其特征在于，所述旋转处理的旋转角度为α＝15，β，其中,0<β<24,在旋转后通过比例计算得到边长缩放比为：1:(|sin(α)|+|cos(α)|)；

所述对比度处理的对比度系数为0.7～1.3；

所述锐度处理的锐度系数为0.7～1.3。

8.根据权利要求1至7任一项所述的基于图像识别和温度感应的烹饪方法，其特征在于，步骤S5中，对最后一烹饪阶段的菜品图像进行分割检测，然后将分割出来的菜品图像进行菜品图像识别。