CN113139436A - 基于图像识别的火锅温度自动控制方法、系统及介质 - Google Patents
基于图像识别的火锅温度自动控制方法、系统及介质 Download PDFInfo
- Publication number
- CN113139436A CN113139436A CN202110350179.3A CN202110350179A CN113139436A CN 113139436 A CN113139436 A CN 113139436A CN 202110350179 A CN202110350179 A CN 202110350179A CN 113139436 A CN113139436 A CN 113139436A
- Authority
- CN
- China
- Prior art keywords
- hot pot
- neural network
- convolutional neural
- network model
- human hand
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims abstract description 84
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 62
- 238000010411 cooking Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000012549 training Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims 2
- 238000009835 boiling Methods 0.000 abstract description 11
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000001276 controlling effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 235000019640 taste Nutrition 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010053615 Thermal burn Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/107—Static hand or arm
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (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)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别的火锅温度自动控制方法,包括以下步骤:获取图像采集装置采集的火锅图像数据;将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态;将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。该方法根据火锅的沸腾程度及人手的操作,自动控制灶的输出功率控制火锅的烹煮状态。方便用餐者更好的食用火锅,也避免了能源的浪费,具有很大的社会和经济效益。
Description
技术领域
本发明涉及温度控制技术领域,具体涉及一种基于图像识别的火锅温度自动控制方法、系统、终端及介质。
背景技术
火锅作为民间流行的美食,流行于全国各地。我国的锅花色纷呈,百锅千味。火锅不仅是种烹饪方式,也是种用餐方式;不仅是种饮食式,也是种文化模式。当今,越来越多的喜欢上了吃火锅,们通常喜欢用大火涮火锅而用小火煮火锅,因此就要经常调节锅的温度,以控制适当的候。
现在的火锅都需要们经常亲自用手调节温度,这就给人们带来了很多不必要的麻烦。为人们专的用餐和用餐时开的交谈都造成了常不好的打扰。有时容易因为聊的开就忘记了随时调节温度。已经沸腾的锅如果忘记调低温度就会造成营养成分的破坏和燃料资源的浪费。在调低温度以后加了新菜料但忘了调高温度就会造成煮熟的时间会变长,这种小火慢煮不但会影响食物的口味,而且更浪费了们的宝贵时间。火锅沸腾时,若调功率,下锅冷冻菜品会导致锅停沸腾,导致等待时间长。火锅沸腾之后,如果忘记调低温度就会造成营养成分的破坏和燃料资源的浪费。沸腾的锅容易造成油滴飞溅,甚至可能意外烫伤。火锅如果直处于强烈沸腾的状态,会挥发出来带有火锅的味道的蒸汽,很容易让衣服上沾上味道,降低用户体验。
发明内容
针对现有技术中的缺陷,本发明实施例提供一种基于图像识别的火锅温度自动控制方法、系统、终端及介质,通过对火锅的图像进行识别分析,根据火锅的烹煮状态和人手的操作,可以自动合理控制火锅的温度,避免资源浪费。
第一方面,本发明实施例提供的一种基于图像识别的火锅温度自动控制方法,包括以下步骤:
获取图像采集装置采集的火锅图像数据;
将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态;
将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;
根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
第二方面,本发明实施例提供的一种基于图像识别的火锅温度自动控制系统,包括图像获取模块、火锅烹煮状态分析模块、人手识别分析模块和PID控制模块;
所述图像获取模块用于获取图像采集装置采集的火锅图像数据;
所述火锅烹煮状态分析模块用于将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态;
所述人手识别分析模块用于将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;
所述PID控制模块用于根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
第三方面,本发明实施例提供的一种火锅温度自动控制终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述实施例描述的方法。
第四方面,本发明实施例提供的一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法。
本发明的有益效果:
本发明实施例提供的一种基于图像识别的火锅温度自动控制方法、系统、终端及介质,根据火锅的沸腾程度及人手的操作,自动控制灶的输出功率控制火锅的烹煮状态。方便用餐者更好的食用火锅,也避免了能源的浪费,具有很大的社会和经济效益。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明第一实施例所提供的一种基于图像识别的火锅温度自动控制方法的流程图;
图2示出了本发明第二实施例所提供的一种基于图像识别的火锅温度自动控制系统的结构框图;
图3示出了本发明第三实施例所提供的一种火锅温度自动控制终端的结构框图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,示出了本发明第一实施例所提供的一种基于图像识别的火锅温度自动控制方法的流程图,该方法包括以下步骤:
获取图像采集装置采集的火锅图像数据。
将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态。
将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果。
根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
具体地,图像采集装置可以是摄像头或拍照装置,通过图像采集装置采集人们食用火锅时的图片,火锅图像数据包括了火锅烹煮时表面图像和人夹菜或烫菜时的图像,人夹菜或烫菜时火锅图像数据会出现人手图像。将火锅图像数据输入火锅状态检测神经网络模型进行识别,得到火锅的烹煮状态。将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
本发明实施例的基于图像识别的火锅温度自动控制方法还包括:构建火锅状态检测神经网络模型步骤,该步骤在获取图像采集装置采集的火锅图像数据步骤之前,具体的构建方法包括:先对火锅图像样本数据集进行火锅状态标记得到火锅表面图像样本数据集。火锅未沸腾标记为0,火锅沸腾较小标记为0~1之间,火锅沸腾大标记为1,将火锅表面图像样本数据集分为第一训练集和第一测试集。火锅状态检测神经网络模型包括输入层、隐藏层和输出层,其中,将第一训练集输入待训练的火锅状态检测卷积神经网络模型,输出层采用sigmoid激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对火锅状态检测卷积神经网络模型进行训练得到训练好的火锅状态检测卷积神经网络模型;将第一测试集输入训练好的火锅状态检测卷积神经网络模型进行验证;计算火锅状态检测卷积神经网络模型的识别率并通过第一测试集对模型进行参数调整,得到最终的火锅状态检测卷积神经网络模型。将当前采集的火锅图像数据输入最终的火锅状态检测卷积神经网络模型中进行识别分析,输出火锅烹煮状态。
本发明实施例的基于图像识别的火锅温度自动控制方法还包括:构建人手检测卷积神经网络模型,该步骤在获取图像采集装置采集的火锅图像数据步骤之前,具体的构建方法包括:对火锅图像样本数据集进行人手标记得到人手检测数据集。将含有人手的图像标记为【0,1】;无人手的图像标记为【1,0】。将人手检测数据集分为第二训练集和第二训练集。人手检测卷积神经网络模型包括输入层、隐藏层和输出层,将第二训练集输入待训练的人手检测卷积神经网络模型,输出层采用softmax激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对人手检测卷积神经网络模型进行训练得到训练好的人手检测卷积神经网络模型;将第二测试集输入训练好的人手检测卷积神经网络模型进行验证;计算人手检测卷积神经网络模型的识别率并通过第二测试集对模型进行参数调整,得到最终的人手检测卷积神经网络模型。将当前采集的火锅图像数据输入最终的人手检测卷积神经网络模型中识别分析,识别出图像中是否有人手。
根据火锅的烹煮状态和人手识别结果,采用离散增量式PID控制算法控制火锅烹煮状态。PID控制算法的计算公式为:
Δμ(k)=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2)),式中,Kp为比例系数,Ki为积分系数,Kd为微分系数,e(k)为火锅状态检测卷积神经网络输出值与目标值的偏差,μ(k)为控制灶输出功率大小,k为整数。若当前火锅沸腾较小和有人手时,控制火锅沸腾变大,若当前沸腾大和没有人手,控制火锅保持沸腾较小的状态,若火锅未沸腾,则增大灶的输出功率使火锅沸腾。
本发明实施例提供的一种基于图像识别的火锅温度自动控制方法,根据火锅的沸腾程度及人手的操作,自动控制灶的输出功率控制火锅的烹煮状态。方便用餐者更好的食用火锅,也避免了能源的浪费,具有很大的社会和经济效益。
在上述的第一实施例中,提供了一种基于图像识别的火锅温度自动控制方法,与之相对应的,本申请还提供一种基于图像识别的火锅温度自动控制系统。请参考图2,其为本发明第二实施例提供的一种基于图像识别的火锅温度自动控制系统的结构框图。由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图2所示,示出了本发明第二实施例提供的一种基于图像识别的火锅温度自动控制系统的结构框图,该系统包括:图像获取模块、火锅烹煮状态分析模块、人手识别分析模块和PID控制模块;所述图像获取模块用于获取图像采集装置采集的火锅图像数据;所述火锅烹煮状态分析模块用于将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态;所述人手识别分析模块用于将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;所述PID控制模块用于根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
本实施例的一种基于图像识别的火锅温度自动控制系统包括火锅状态检测模型构建模块,所述火锅状态检测模型构建模块用于对火锅图像样本数据集进行火锅状态标记得到火锅表面图像样本数据集;
将火锅表面图像样本数据集分为第一训练集和第一测试集;
将第一训练集输入待训练的火锅状态检测卷积神经网络模型,输出层采用sigmoid激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对火锅状态检测卷积神经网络模型进行训练得到训练好的火锅状态检测卷积神经网络模型;
将第一测试集输入训练好的火锅状态检测卷积神经网络模型进行验证;
计算模型的识别率并通过测试集对模型进行参数调整,得到火锅状态检测卷积神经网络模型。
本实施例的一种基于图像识别的火锅温度自动控制系统包括人手检测模型构建模块,所述人手检测模块构建模块用于对火锅图像样本数据集进行人手标记得到人手检测数据集;将人手检测数据集分为第二训练集和第二训练集;
将第二训练集输入待训练的人手检测卷积神经网络模型,输出层采用softmax激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对人手检测卷积神经网络模型进行训练得到训练好的人手检测卷积神经网络模型;将第二测试集输入训练好的人手检测卷积神经网络模型进行验证;计算模型的识别率并通过测试集对模型进行参数调整,得到人手检测卷积神经网络模型。
PID控制模块采用的PID控制算法的公式为:
Δμ(k)=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2)),
式中,Kp为比例系数,Ki为积分系数,Kd为微分系数,e(k)为火锅状态检测卷积神经网络输出值与目标值的偏差,μ(k)为控制火锅输出功率大小,k为整数。
以上,为本发明第二实施例提供的一种基于图像识别的火锅温度自动控制系统的说明。
本发明实施例提供的一种基于图像识别的火锅温度自动控制系统,根据火锅的沸腾程度及人手的操作,自动控制灶的输出功率控制火锅的烹煮状态。方便用餐者更好的食用火锅,也避免了能源的浪费,具有很大的社会和经济效益。
如图3所示,示出了本发明第三实施例还提供一种火锅温度自动控制终端的结构框图,该终端包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一实施例描述的方法。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等,输出设备可以包括显示器(LCD等)、扬声器等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器、输入设备、输出设备可执行本发明实施例提供的方法实施例所描述的实现方式,也可执行本发明实施例所描述的系统实施例的实现方式,在此不再赘述。
在本发明还提供一种计算机可读存储介质的实施例,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述第一实施例描述的方法。
所述计算机可读存储介质可以是前述实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的终端和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露终端和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅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。另外,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、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于图像识别的火锅温度自动控制方法,其特征在于,包括以下步骤:
获取图像采集装置采集的火锅图像数据;
将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态;
将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;
根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
2.如权利要求1所述的火锅温度自动控制方法,其特征在于,所述PID控制算法的计算公式为:Δμ(k)=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2)),式中,Kp为比例系数,Ki为积分系数,Kd为微分系数,e(k)为火锅状态检测卷积神经网络输出值与目标值的偏差,μ(k)为控制灶输出功率大小,k为整数。
3.如权利要求1所述的火锅温度自动控制方法,其特征在于,所述方法还包括构建火锅状态检测卷积神经网络模型的步骤,具体包括:
对火锅图像样本数据集进行火锅状态标记得到火锅表面图像样本数据集;
将火锅表面图像样本数据集分为第一训练集和第一测试集;
将第一训练集输入待训练的火锅状态检测卷积神经网络模型,输出层采用sigmoid激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对火锅状态检测卷积神经网络模型进行训练得到训练好的火锅状态检测卷积神经网络模型;
将第一测试集输入训练好的火锅状态检测卷积神经网络模型进行验证;
计算模型的识别率并通过第一测试集对模型进行参数调整,得到火锅状态检测卷积神经网络模型。
4.如权利要求1所述的火锅温度自动控制方法,其特征在于,所述方法还包括构建人手检测卷积神经网络模型,具体包括:
对火锅图像样本数据集进行人手标记得到人手检测数据集;
将人手检测数据集分为第二训练集和第二训练集;
将第二训练集输入待训练的人手检测卷积神经网络模型,输出层采用softmax激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对人手检测卷积神经网络模型进行训练得到训练好的人手检测卷积神经网络模型;
将第二测试集输入训练好的人手检测卷积神经网络模型进行验证;
计算模型的识别率并通过第二测试集对模型进行参数调整,得到人手检测卷积神经网络模型。
5.一种基于图像识别的火锅温度自动控制系统,其特征在于,包括图像获取模块、火锅烹煮状态分析模块、人手识别分析模块和PID控制模块;
所述图像获取模块用于获取图像采集装置采集的火锅图像数据;
所述火锅烹煮状态分析模块用于将火锅图像数据输入火锅状态检测卷积神经网络模型进行识别,得到火锅的烹煮状态;
所述人手识别分析模块用于将火锅图像数据输入人手检测卷积神经网络模型进行识别,得到人手识别结果;
所述PID控制模块用于根据火锅的烹煮状态和人手识别结果,采用PID控制算法控制火锅烹煮状态。
6.如权利要求5所述的火锅温度自动控制系统,其特征在于,所述PID控制模块采用的PID控制算法的公式为:
Δμ(k)=Kp(e(k)-e(k-1))+Kie(k)+Kd(e(k)-2e(k-1)+e(k-2)),
式中,Kp为比例系数,Ki为积分系数,Kd为微分系数,e(k)为火锅状态检测卷积神经网络输出值与目标值的偏差,μ(k)为控制灶的输出功率大小,k为整数。
7.如权利要求5所述的火锅温度自动控制系统,其特征在于,还包括火锅状态检测模型构建模块,所述火锅状态检测模型构建模块用于对火锅图像样本数据集进行火锅状态标记得到火锅表面图像样本数据集;
将火锅表面图像样本数据集分为第一训练集和第一测试集;
将第一训练集输入待训练的火锅状态检测卷积神经网络模型,输出层采用sigmoid激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对火锅状态检测卷积神经网络模型进行训练得到训练好的火锅状态检测卷积神经网络模型;
将第一测试集输入训练好的火锅状态检测卷积神经网络模型进行验证;
计算模型的识别率并通过测试集对模型进行参数调整,得到火锅状态检测卷积神经网络模型。
8.如权利要求5所述的火锅温度自动控制系统,其特征在于,还包括人手检测模型构建模块,所述人手检测模块构建模块用于对火锅图像样本数据集进行人手标记得到人手检测数据集;
将人手检测数据集分为第二训练集和第二训练集;
将第二训练集输入待训练的人手检测卷积神经网络模型,输出层采用softmax激活函数进行归一化处理,采用交叉熵损失函数,使用Adam优化器对人手检测卷积神经网络模型进行训练得到训练好的人手检测卷积神经网络模型;
将第二测试集输入训练好的人手检测卷积神经网络模型进行验证;
计算模型的识别率并通过测试集对模型进行参数调整,得到人手检测卷积神经网络模型。
9.一种火锅温度自动控制终端,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,其特征在于,所述处理器被配置用于调用所述程序指令,执行如权利要求1-4任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110350179.3A CN113139436B (zh) | 2021-03-31 | 2021-03-31 | 基于图像识别的火锅温度自动控制方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110350179.3A CN113139436B (zh) | 2021-03-31 | 2021-03-31 | 基于图像识别的火锅温度自动控制方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139436A true CN113139436A (zh) | 2021-07-20 |
CN113139436B CN113139436B (zh) | 2023-12-15 |
Family
ID=76810227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110350179.3A Active CN113139436B (zh) | 2021-03-31 | 2021-03-31 | 基于图像识别的火锅温度自动控制方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139436B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024000800A1 (zh) * | 2022-06-30 | 2024-01-04 | 福建省龙德新能源有限公司 | 用于六氟磷酸锂制备的能源管理控制系统及其控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204559917U (zh) * | 2015-05-11 | 2015-08-12 | 成都冠深科技有限公司 | 一种火力大小可调式自动控制系统 |
CN204611863U (zh) * | 2015-04-17 | 2015-09-02 | 南京信息工程大学 | 一种火锅电磁炉 |
CN105662117A (zh) * | 2016-04-13 | 2016-06-15 | 浙江大学 | 免沸节能火锅装置及其免沸控制方法 |
CN206043885U (zh) * | 2016-05-18 | 2017-03-29 | 张丽 | 一种智能火锅桌 |
CN110619371A (zh) * | 2019-09-23 | 2019-12-27 | 珠海格力电器股份有限公司 | 一种食材烹煮时长推荐方法、存储介质和电火锅 |
CN111297209A (zh) * | 2020-03-17 | 2020-06-19 | 南京航空航天大学 | 一种基于眼球驱动与控制的自动煮饭系统 |
KR102230066B1 (ko) * | 2020-07-10 | 2021-03-19 | 주식회사 라니앤라이프 | 전골불판의 가열성능 향상구조 |
-
2021
- 2021-03-31 CN CN202110350179.3A patent/CN113139436B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204611863U (zh) * | 2015-04-17 | 2015-09-02 | 南京信息工程大学 | 一种火锅电磁炉 |
CN204559917U (zh) * | 2015-05-11 | 2015-08-12 | 成都冠深科技有限公司 | 一种火力大小可调式自动控制系统 |
CN105662117A (zh) * | 2016-04-13 | 2016-06-15 | 浙江大学 | 免沸节能火锅装置及其免沸控制方法 |
CN206043885U (zh) * | 2016-05-18 | 2017-03-29 | 张丽 | 一种智能火锅桌 |
CN110619371A (zh) * | 2019-09-23 | 2019-12-27 | 珠海格力电器股份有限公司 | 一种食材烹煮时长推荐方法、存储介质和电火锅 |
CN111297209A (zh) * | 2020-03-17 | 2020-06-19 | 南京航空航天大学 | 一种基于眼球驱动与控制的自动煮饭系统 |
KR102230066B1 (ko) * | 2020-07-10 | 2021-03-19 | 주식회사 라니앤라이프 | 전골불판의 가열성능 향상구조 |
Non-Patent Citations (1)
Title |
---|
多多: "冬日涮锅 在家不愁――电火锅新品竞相登场", 中国商贸, no. 24 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024000800A1 (zh) * | 2022-06-30 | 2024-01-04 | 福建省龙德新能源有限公司 | 用于六氟磷酸锂制备的能源管理控制系统及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113139436B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105975182B (zh) | 一种终端操作方法及终端 | |
KR102212064B1 (ko) | 냉장고에 의해 헬스 서비스를 제공하는 방법 및 이를 위한 냉장고 | |
US20190213416A1 (en) | Electronic device and method for processing information associated with food | |
CN110730962A (zh) | 查询处理系统中的众包响应 | |
US20170128006A1 (en) | Electronic device for providing health information and operation method thereof | |
US10733479B2 (en) | System and method for providing a recipe | |
CN107622483A (zh) | 一种图像合成方法及终端 | |
Ocay et al. | NutriTrack: Android-based food recognition app for nutrition awareness | |
CN108319641A (zh) | 菜品信息录入方法及装置 | |
CN112902406B (zh) | 空调和/或风扇参数设置方法、控制设备及可读存储介质 | |
CN113139436A (zh) | 基于图像识别的火锅温度自动控制方法、系统及介质 | |
WO2017071392A1 (zh) | 一种控制方法及装置 | |
CN109522858A (zh) | 植物疾病检测方法、装置及终端设备 | |
JP6728259B2 (ja) | 情報提供装置、情報提供方法、および情報提供プログラム | |
CN109697237A (zh) | 通过针对内容自动生成标签以增加社交媒体曝光 | |
CN113040578A (zh) | 枕头高度调节方法、装置、计算机设备和存储介质 | |
CN112120541A (zh) | 烹饪权限的控制方法、设备及计算机可读存储介质 | |
CN113011236A (zh) | 信息显示方法、智能门锁及计算机可读存储介质 | |
CN108958080B (zh) | 一种控制转桌的方法、装置、计算机存储介质及终端 | |
CN112861571A (zh) | 家电设备控制方法、控制设备及计算机可读存储介质 | |
US20210391051A1 (en) | Information processing apparatus, information processing method, and program | |
CN109784026A (zh) | 基于生物特征识别的菜品推荐方法及装置、介质和设备 | |
CN109541986A (zh) | 一种烹饪器具的控制方法及烹饪器具 | |
WO2021082285A1 (zh) | 食材体积检测的方法及装置、厨电设备 | |
CN113742579A (zh) | 冰箱的食物推荐方法、食物推荐装置、存储介质及冰箱 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |