CN113465253B - 一种智能冰箱及食材表面农药残留量的检测方法 - Google Patents
一种智能冰箱及食材表面农药残留量的检测方法 Download PDFInfo
- Publication number
- CN113465253B CN113465253B CN202010675914.3A CN202010675914A CN113465253B CN 113465253 B CN113465253 B CN 113465253B CN 202010675914 A CN202010675914 A CN 202010675914A CN 113465253 B CN113465253 B CN 113465253B
- Authority
- CN
- China
- Prior art keywords
- food material
- identified
- pesticide residue
- characteristic
- determining
- 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.)
- Active
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 227
- 239000000463 material Substances 0.000 title claims abstract description 227
- 239000000447 pesticide residue Substances 0.000 title claims abstract description 121
- 238000001514 detection method Methods 0.000 title claims description 26
- 230000003595 spectral effect Effects 0.000 claims abstract description 96
- 230000004044 response Effects 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 description 14
- 235000004280 healthy diet Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 235000012055 fruits and vegetables Nutrition 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 244000241257 Cucumis melo Species 0.000 description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 241000234295 Musa Species 0.000 description 2
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 2
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 235000005686 eating Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013531 bayesian neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- ATROHALUCMTWTB-OWBHPGMISA-N phoxim Chemical compound CCOP(=S)(OCC)O\N=C(\C#N)C1=CC=CC=C1 ATROHALUCMTWTB-OWBHPGMISA-N 0.000 description 1
- 229950001664 phoxim Drugs 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D11/00—Self-contained movable devices, e.g. domestic refrigerators
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D23/00—General constructional features
- F25D23/12—Arrangements of compartments additional to cooling compartments; Combinations of refrigerators with other equipment, e.g. stove
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
- F25D29/005—Mounting of control devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D29/00—Arrangement or mounting of control or safety devices
- F25D29/008—Alarm devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2400/00—General features of, or devices for refrigerators, cold rooms, ice-boxes, or for cooling or freezing apparatus not covered by any other subclass
- F25D2400/36—Visual displays
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/06—Controlling according to a predetermined profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Cold Air Circulating Systems And Constructional Details In Refrigerators (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种智能冰箱及食材表面农药残留量的检测方法。本申请中，智能冰箱包括：箱体、制冷部，箱体上安装有门体；箱体上设置有高光谱相机，用于响应于门体的开启，采集具有待识别食材的高光谱图像，并得到高光谱图像对应的光谱响应曲线；高光谱相机连接于控制器，控制器被配置为：接收高光谱图像和光谱响应曲线，识别待识别食材的种类，根据待识别食材的种类确定待识别食材对应的多个特征波长；根据高光谱图像或光谱响应曲线确定各特征波长分别对应的光谱特征值；根据待识别食材的种类确定待识别食材不同特征波长对应的农药残留权重系数；根据待识别食材对应的光谱特征值和农药残留权重系数确定待识别食材的农药残留概率。
Description
技术领域
本申请涉及智能冰箱技术领域，特别涉及一种智能冰箱及食材表面农药残留量的检测方法。
背景技术
随着生活水平的日益提高，冰箱已经成为人们生活中必不可少的家用电器，用户可以将吃不完的食物放置在冰箱中保存，避免食物出现腐坏。随着生活需求的提高，人们对冰箱产品的智能化的要求程度也越来越高。
发明内容
本申请一些实施例提供了一种智能冰箱及食材表面农药残留量的检测方法，用以提高智能冰箱的智能化。
本申请一些实施例提供的智能冰箱，所述智能冰箱包括：箱体、制冷部，所述箱体上安装有门体；
所述箱体上设置有高光谱相机，用于响应于所述门体的开启，采集具有待识别食材的高光谱图像，并得到所述高光谱图像对应的光谱响应曲线；
所述高光谱相机连接于控制器，所述控制器被配置为：
接收所述高光谱图像和所述高光谱图像对应的光谱响应曲线；
根据所述高光谱图像识别所述待识别食材的种类；
根据所述待识别食材的种类确定所述待识别食材对应的多个特征波长；其中所述特征波长用于表征食材对农药残留量的光谱响应特征；
根据所述高光谱图像或所述光谱响应曲线确定各所述特征波长分别对应的光谱特征值；
根据所述待识别食材的种类确定所述待识别食材不同特征波长对应的农药残留权重系数；
根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数确定所述待识别食材的农药残留概率。
本申请一些实施例中，所述控制器被进一步配置为：
确定所述待识别食材中的农药残留概率是否超过设定的阈值；
如果超过，则确定所述待识别食材农药残留过量。
本申请一些实施例中，所述控制器被进一步配置为：
根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数确定所述待识别食材的农药残留概率：
其中，xi表示第i个特征波长对应的光谱特征值，θi表示第i个特征波长对应的农药残留权重系数。
本申请一些实施例中，所述控制器被进一步配置为：
根据所述待识别食材的种类通过查询预存的食材特征波长数据库确定所述待识别食材对应的多个所述特征波长；其中，所述食材特征波长数据库包括多个种类的食材，且每一种类的食材对应有多个所述特征波长。
本申请一些实施例中，所述控制器被进一步配置为：所述控制器被进一步配置为：
预先通过连续投影法计算得到所述食材特征波长数据库中的每一种食材对应的多个特征波长。
本申请一些实施例中，所述控制器被进一步配置为：所述智能冰箱还包括语音播报单元，所述语音播报单元与所述控制器连接；
所述语音播报单元用于当所述控制器确定所述待识别食材中农药残留过量时播报语音信息，所述语音信息用于提示所述待识别食材中农药残留过量。
本申请一些实施例中，所述门体上设置有显示屏，所述显示屏与所述控制器连接；
所述显示屏用于当所述控制器确定所述待识别食材中农药残留过量时显示提示信息，所述提示信息用于提示所述待识别食材中农药残留过量。
根据示例性的实施方式中的一方面，提供一种食材表面农药残留量的检测方法，包括：
获取待识别食材的高光谱图像，并得到所述高光谱图像对应的光谱响应曲线；
根据所述高光谱图像识别所述待识别食材的种类；
根据所述待识别食材的种类确定所述待识别食材对应的多个特征波长；其中所述特征波长用于表征食材对农药残留量的光谱响应特征；
根据所述高光谱图像或所述光谱响应曲线确定各所述特征波长分别对应的光谱特征值；
根据所述待识别食材的种类确定所述待识别食材不同特征波长对应的农药残留权重系数；
根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数确定所述待识别食材的农药残留概率。
本申请一些实施例中，还包括：确定所述待识别食材中的农药残留概率是否超过设定的阈值；
如果超过，则确定所述待识别食材农药残留过量。
本申请一些实施例中，根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数依据如下公式确定所述待识别食材中是否农药残留概率：
其中，xi表示第i个特征波长对应的光谱特征值，θi表示第i个特征波长对应的农药残留权重系数。
本申请的上述实施例中，利用高光谱相机采集具有待识别食材的高光谱图像，并得到高光谱图像对应的光谱响应曲线；然后根据高光谱图像识别待识别食材的种类；根据待识别食材的种类确定待识别食材对应的多个特征波长；其中特征波长用于表征食材对农药残留量的光谱响应特征；根据高光谱图像或光谱响应曲线确定各特征波长分别对应的光谱特征值；根据待识别食材的种类确定待识别食材不同特征波长对应的农药残留权重系数；根据待识别食材对应的光谱特征值和农药残留权重系数确定待识别食材的农药残留概率。即本申请的智能冰箱能够根据食材种类自适应地选择不同的检测模型实现食材表面农药残留检测，打破了仅支持一种食材表面农药残留检测的局限，提高了智能冰箱健康饮食管理的智能化，能够为用户的健康饮食提供科学建议。
在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本申请各较佳实施例。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1a示例性示出了本申请实施例中的智能冰箱关闭状态的示意图；
图1b示例性示出了本申请实施例中的智能冰箱打开状态的示意图；
图2示例性示出了本申请实施例中的智能冰箱的配置框图；
图3示例性示出了本申请实施例中的处理器的架构配置框图；
图4示例性示出了本申请实施例中智能冰箱的控制器的功能结构示意图；
图5示例性示出了本申请实施例提供的食材表面农药残留量的检测方法的流程示意图。
具体实施方式
为使本申请一些实施例的目的、技术方案和优点更加清楚，下面将结合本申请一些实施例的附图，对本申请一些实施例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申请的一部分实施例，而不是全部的实施例。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。基于所描述的本申请的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另外定义，本申请使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
本申请的说明书和权利要求书及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要注意的是，附图中各图形的尺寸和形状不反映真实比例，目的只是示意说明本申请内容。并且自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
随着生活需求的提高，人们对于冰箱的需求，已不再单单局限在保鲜冷藏等冰箱传统的固有功能上，越来越多的智能冰箱走进了人们的视野中。智能冰箱的功能，主要集中在食材智能管理和用户健康饮食两个方面。前者旨在帮助用户实现冰箱内现有食材的精准管理，如保鲜期、存放位置等；用户健康饮食则主要为用户科学搭配食材、推荐健康食谱、饮食习惯监管等功能。
在用户存取果蔬食材时，无法根据自己观察来判断果蔬食材表面是否存在农药残留。如果有农药残留，不充分清洗掉果蔬食材表面的残留农药，将会对用户的身体健康造成伤害。人们对果蔬食材农药残留的检测主要通过试纸、试剂盒等实现，这类检测技术操作复杂，更难以在冰箱场景下实施。
有鉴于此，本申请一些实施例提供的智能冰箱，能够自动检测果蔬食材表面农药残留是否过量。并且，本申请一些实施例提供的智能冰箱，针对不同的食材，采用不同的识别模型，识别精度高。
本申请一些实施例提供的智能冰箱，可以应用于对智能冰箱中的健康饮食管理的场景中，例如，识别用户拿取的食材农药残留量是否超量，以及时提醒用户。
下面结合附图对本申请实施例进行详细描述。
图1a和图1b示例性示出了本申请实施例提供的一种智能冰箱的结构。
如图1a所示，智能冰箱包括箱体10、制冷部(未在图中示出)以及其他附件(比如箱体内可设置照明灯、温度计等，未在图中示出)。制冷系统中主要组成有压缩机、冷凝器、蒸发器和毛细管节流器等部件，自成一个封闭的循环系统。其中，蒸发器可安装在智能冰箱内部的上方，其他部件安装在智能冰箱的背面。箱体10安装有门体20，门体20上可进一步设置有显示屏50，显示屏50与控制器耦接(如通过电路连接)。
在箱体10上还可设置高光谱相机30，该高光谱相机可采集箱体10前侧区域内的图像。其中，以冰箱门所在平面为第一平面，箱体10前侧区域至少包括以第一平面为基准，向冰箱外方向扩展一定距离的区域，高光谱相机可采集该区域的图像，即能够拍摄到用户打开门体20后进行食材存取过程中具有待识别食材的高光谱图像，并得到各高光谱图像对应的光谱响应曲线。
在一些实施例中，如高光谱相机30可设置在箱体10的上部靠近门体20的位置，以便能够拍摄箱体10前侧区域内的图像。
在一些实施例中，高光谱相机30可设置在箱体10顶端门体20内侧的位置，不当用户打开门体时可触发该高光谱相机开启，当用户关闭门体时可触发该高光谱相机关闭。本申请实施例对该固定部件的形状、连接方式以及材料不做限制。
在一些实施例中，高光谱相机30可设置在固定部件上，该固定部件可使得高光谱相机的镜头探出门体20所在的平面一定距离，以便能够更好地拍摄箱体10前侧区域内的图像。当用户打开门体时可触发该高光谱相机开启，当用户关闭门体时可触发该高光谱相机关闭。本申请实施例对该固定部件的形状、连接方式以及材料不做限制。
在另一些实施例中，高光谱相机30可设置在活动部件上，该活动部件可在门体20被打开时将高光谱相机30弹出，使得高光谱相机30探出门体20所在的平面一定距离，当门体20被关闭时，该活动部件将高光谱相机30收回。该活动部件可采用机械连接方式或其他方式与门体20进行联动，使得门体20在被打开和关闭时触发该活动部件的控制高光谱相机。在一些实施例中，该活动部件还可包括摄像头保护盖，在将高光谱相机弹出后打开该保护盖并启动高光谱相机，在将高光谱相机收回后关闭该保护盖并关闭高光谱相机，从而一方面对高光谱相机起到保护作用，一方面节省电源开销。
需要说明的是，图1a和图1b所示的智能冰箱的结构仅为一种示例，本申请实施例对智能冰箱的大小、以及对门体的数量(比如可以是单个门体，也可以是多个门体)等不做限制。
在本申请一些实施例中，图2中示例性示出了智能冰箱的一些配置框图。如图2所示，包括控制器110、存储器120、通信器130、用户输入接口140、用户输出接口150、供电电源160，图像采集接口170，以及显示器180。
控制器110包括随机存取存储器(Random Access Memory，RAM)111、只读存储器(Read Only Memory image，ROM)112、处理器113、通信接口以及通信总线。控制器110用于控制上述器件的运行和操作，以及内部各部件之间的通信协作、外部和内部的数据处理功能。
示例性的，当检测到用户按压在按键144的交互或触摸在触摸板142上的交互时，控制器110可控制处理器113产生与检测到的交互相应的信号，并将该信号发送到显示屏50，以使显示屏50可以显示相应的内容或画面。
在一些示例中，处理器113可以是中央处理器(Central Processing Unit，CPU)，图形处理器(Graphics Processing Unit，GPU)或者CPU和GPU的组合。处理器还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(Application-Specific IntegratedCircuit，ASIC)，可编程逻辑器件(Programmable Logic Device，PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(Complex Programmable Logic Device，CPLD)，现场可编程逻辑门阵列(Field-Programmable Gate Array，FPGA)，通用阵列逻辑(Generic Array Logic，GAL)或其任意组合。
存储器120，用于在控制器110的控制下存储驱动和控制的各种运行程序、数据和应用。存储器120，可以存储用户输入的各类控制信号指令。在一些示例中，存储器通过总线或其它方式与处理器相连，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，上述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行。在一些示例中，存储器可以为易失性存储器(Volatile Memory)，非易失性存储器(Non-volatileMemory)或者它们的组合。易失性存储器可以为随机存取存储器(Random-Access Memory，RAM)，例如静态随机存取存储器(Static Random Access Memory，SRAM)，动态随机存取存储器(Dynamic Random Access Memory，DRAM)。非易失性存储器可以为只读存储器(ReadOnly Memory，ROM)，例如可编程只读存储器(Programmable Read Only Memory，PROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)。非易失性存储器也可以为快闪存储器(Flash Memory)，磁存储器，例如磁带(MagneticTape)，软盘(Floppy Disk)，硬盘。非易失性存储器也可以为光盘。
通信器130，可以是用于根据各种通信协议类型与外部设备或外部服务器进行通信的组件。例如冰箱可将内容数据发送至经由通信器130连接的外部设备，或者，从经由通信器130连接的外部设备浏览和下载内容数据。通信器130可以包括红外信号接口131、射频信号接口132、WIFI模块133、蓝牙通信协议模块134、有线以太网通信协议模块135等网络通信协议模块或近场通信协议模块，从而通信器130可根据控制器110的控制，实现与外部设备或外部服务器之间控制信号和数据信号的通信。例如：红外信号接口时，需要将用户发送的红外控制信号按照红外控制协议转化后输出给控制器110。例如，射频信号接口时，需将用户输入的射频控制信号模式的指令转化后输出给控制器110。例如，通过WIFI模块133、蓝牙通信协议模块134、有线以太网通信协议模块135接收外部设备控制冰箱的控制信号，并将控制信号处理后输出给控制器110。
用户输入接口140，可包括麦克风141、触摸板142、传感器143、按键144等中至少一者，从而用户可以通过语音、触摸、手势、按压等将关于控制冰箱的用户指令输入到冰箱。
用户输出接口150，通过将用户输入接口140接收的用户指令输出给控制器110，以通过控制器110控制处理器113执行相应的程序步骤。或者，也可以使处理器113执行相应的程序步骤后，控制显示器180显示相应的画面或者通过用户输出接口输出相应的内容。这里，用户输出接口150可以包括LED接口151、产生振动的振动接口152、输出声音的声音输出接口153等。例如，外部设备中的显示设备可从用户输出接口150接收音频、视频或数据等输出信号，并且将输出信号在显示设备上显示为图像形式、在声音输出接口153输出为音频形式或在振动接口152输出为振动形式。
图像采集接口170，用于将高光谱相机30与冰箱进行信号连接。例如，高光谱相机30采集到的高光谱图像和光谱响应曲线可以通过图像采集接口170传输给控制器110中的处理器113。
显示屏50，用于接收处理器113输入的图像信号，进行显示视频内容、图像以及菜单操控界面。显示视频内容，可以来自处理器113处理后的视频内容，也可以来自通信器130或用户输入接口140输入的视频内容。显示屏50，还可以同时显示用于控制冰箱的用户操控界面UI。
供电电源160，用于在控制器110的控制下为冰箱中的各元件提供运行电力支持。形式可以为电池及相关控制电路。
图3中示例性示出了存储器120中操作系统的架构配置框图。该操作系统架构从上到下依次是应用层、中间件层和内核层。
应用层，系统内置的应用程序以及非系统级的应用程序都是属于应用层。负责与用户进行直接交互。应用层可包括多个应用程序，如设置应用程序、电子帖应用程序、媒体中心应用程序等。这些应用程序可被实现为Web应用，其基于WebKit引擎来执行，具体可基于HTML5、层叠样式表(CSS)和JavaScript来开发并执行。
这里，HTML，全称为超文本标记语言(HyperText Markup Language)，是一种用于创建网页的标准标记语言，通过标记标签来描述网页，HTML标签用以说明文字、图形、动画、声音、表格、链接等，浏览器会读取HTML文档，解释文档内标签的内容，并以网页的形式显示出来。
CSS，全称为层叠样式表(Cascading Style Sheets)，是一种用来表现HTML文件样式的计算机语言，可以用来定义样式结构，如字体、颜色、位置等的语言。CSS样式可以直接存储与HTML网页或者单独的样式文件中，实现对网页中样式的控制。
JavaScript，是一种应用于Web网页编程的语言，可以插入HTML页面并由浏览器解释执行。其中Web应用的交互逻辑都是通过JavaScript实现。JavaScript可以通过浏览器，封装JavaScript扩展接口，实现与内核层的通信。
中间件层，可以提供一些标准化的接口，以支持各种环境和系统的操作。例如，中间件层可以实现为与数据广播相关的中间件的多媒体和超媒体信息编码专家组(MHEG)，还可以实现为与外部设备通信相关的中间件的DLNA中间件，还可以实现为提供显示设备内各应用程序所运行的浏览器环境的中间件等。
内核层，提供核心系统服务，例如：文件管理、内存管理、进程管理、网络管理、系统安全权限管理等服务。内核层可以被实现为基于各种操作系统的内核，例如，基于Linux操作系统的内核。
内核层也同时提供系统软件和硬件之间的通信，为各种硬件提供设备驱动服务，例如：为显示器提供显示驱动程序、为摄像头提供摄像头驱动程序、为遥控器提供按键驱动程序、为WIFI模块提供WiFi驱动程序、为音频输出接口提供音频驱动程序、为电源管理(PM)模块提供电源管理驱动等。
在一些实施例中，用户还可以在显示屏50上显示的图形用户界面(graphic userinterface，GUI)输入用户命令，则控制器110可以接收用户输入的命令。其中，“用户界面”，是应用程序或操作系统与用户之间进行交互和信息交换的介质接口，它实现信息的内部形式与用户可以接受形式之间的转换。用户界面常用的表现形式是图形用户界面(GUI)，是指采用图形方式显示的与计算机操作相关的用户界面。它可以是在电子设备的显示器中显示的一个图标、窗口、控件等界面元素，其中控件可以包括图标、控件、菜单、选项卡、文本框、对话框、状态栏、频道栏、Widget等可视的界面元素。
本申请实施例提供的智能冰箱中，控制器与高光谱相机耦接(比如通过电路连接)，该控制器可在当智能冰箱的门体被打开时，接收高光谱图像和高光谱图像对应的光谱响应曲线；根据高光谱图像识别待识别食材的种类；根据待识别食材的种类确定待识别食材对应的多个特征波长；其中特征波长用于表征食材对农药残留量的光谱响应特征；根据高光谱图像或光谱响应曲线确定各特征波长分别对应的光谱特征值；根据待识别食材的种类确定待识别食材不同特征波长对应的农药残留权重系数；根据待识别食材对应的光谱特征值和农药残留权重系数确定待识别食材的农药残留概率。
基于上述控制器所实现的功能，图4示例性示出了该控制器的功能结构。
图4示例性示出了本申请实施例中的智能冰箱控制器的功能结构示意图。如图所示，该控制器110可包括以下功能模块：图像识别模块301、光谱特征提取模块302、分类识别模块303和检测模块304。
在当智能冰箱的门体被打开时，图像识别模块301接收高光谱图像和高光谱图像对应的光谱响应曲线，根据高光谱图像识别待识别食材的种类，并将识别到的待识别食材的种类信息以及高光谱图像或光谱响应曲线传递给光谱特征提取模块302和分类识别模块303。
光谱特征提取模块302根据待识别食材的种类确定待识别食材对应的多个特征波长，根据高光谱图像或光谱响应曲线确定各特征波长分别对应的光谱特征值，并将待识别食材对应的光谱特征值的信息传递给检测模块304。其中，特征波长用于表征食材对农药残留的光谱响应特征。
分类识别模块303根据待识别食材的种类确定待识别食材不同特征波长对应的农药残留权重系数，并将待识别食材对应的各农药残留权重系数信息传递给检测模块304。
检测模块304根据待识别食材对应的光谱特征值以及对应的农药残留权重系数确定待识别食材是否农药残留过量。
图5示例性示出了本申请实施例提供的一种食材表面农药残留量的检测方法的流程示意图。
如图5所示，该流程可包括以下步骤：
S501、获取待识别食材的高光谱图像，并得到高光谱图像对应的光谱响应曲线。
该步骤中，当智能冰箱的门体被打开时，设置在智能冰箱的箱体上的高光谱相机被启动，该高光谱相机采集待识别食材的高光谱图像，并得到高光谱图像对应的光谱响应曲线，并将采集到的高光谱图像和光谱响应曲线传递给控制器。高光谱相机采集到的高光谱图像是由多个不同波长范围的光谱图像组成。
其中，光谱响应曲线是不同波长对应的光谱响应值的曲线，一般横坐标表示波长，纵坐标表示光谱响应值，光谱响应值的大小在0～1之间。
S502、根据高光谱图像识别待识别食材的种类。
在一些实施例中，对高光谱图像进行食材的种类识别。可通过成熟的深度学习方法进行识别，以得到食材的种类信息。用于进行图像识别所使用的神经网络可以是但不限于(深度)神经网络、卷积神经网络、深度置信网络、深度堆栈神经网络、深度融合网络、深度递归神经网络、深度循环神经网络、深度贝叶斯神经网络、深度生成网络、深度强化学习等网络结构的一种或其衍生模型。无论采用哪种深度神经网络，都不影响本申请实施例的实质。
S503、根据待识别食材的种类确定待识别食材对应的多个特征波长；其中特征波长用于表征食材对农药残留量的光谱响应特征。
对于一种食材，高光谱相机采集到的高光谱图像，其光谱波长范围跨度很大，如哈密瓜的光谱波长范围在400-1000nm。如果以全光谱为特征，首先混杂的大量噪声对检测造成干扰，其次高维度的全光谱特征会使得处理时间冗长。另一方面，不同种类的食材，其光谱响应曲线是不同的，无法直接选定某一波段范围作为光谱特征。因此，对于果蔬食材的光谱特征处理，可以选择几个特定波长作为特征波长，如识别哈密瓜表面辛硫磷农药残留时可选用595.61nm、621.32nm、655.56nm、814.33nm、978.13nm等5个特征波长。只要特征波长能够表征食材对农药残留的光谱响应特征即可。
在本申请的一些实施例中，可以根据待识别食材的种类通过查询预存的食材特征波长数据库确定待识别食材对应的多个特征波长；其中，食材特征波长数据库包括多个种类的食材，且每一种类的食材对应有多个特征波长。
在构建食材特征波长数据库时，对于不同种类的食材的特征波长的选择，可以通过连续投影法、主成分分析法、峰值法等方法，本申请对此不作限定。
在本申请的一些实施例中，预先通过连续投影法计算得到食材特征波长数据库中的每一种食材对应的多个特征波长。其实现流程如下：对于一种食材，假设其有M个样本，该食材对应的光谱波长数为K，可构建一个维度为M×K的光谱矩阵，从光谱矩阵中任选一个列向量，计算它在光谱矩阵中剩余其他波长上的投影，将投影向量最大的波长引入到波长组合，直到循环N次，其中N为要提取的特征波长数目。基于得到的波长组合，对其进行多元回归分析，根据最小预测评价标准偏差确定特征波长，最终得到食材特征波长数据库。表1示例性示出了一种食材特征波长数据库的内容。
表1.
| 食材种类 | 特征波长1/nm | 特征波长2/nm | 特征波长/nm | … | 特征波长N/nm |
| 食材1 | λ<sub>11</sub> | λ<sub>12</sub> | λ<sub>13</sub> | λ<sub>1N</sub> | |
| 食材2 | λ<sub>21</sub> | λ<sub>22</sub> | λ<sub>23</sub> | λ<sub>2N</sub> | |
| … | |||||
| 食材m | λ<sub>m1</sub> | λ<sub>m2</sub> | λ<sub>m3</sub> | λ<sub>mN</sub> |
S504、根据高光谱图像或光谱响应曲线确定各特征波长分别对应的光谱特征值。
该步骤中，主要考虑到不同种类的食材对光谱的响应是不同，因此，根据不同食材光谱特征值来检测该食材的农药残留概率，可以提高检测结果的准确性。
在本申请的一些实施例中，在得到食材的特征波长后提取器对应的光谱特征值，可采用两种方法。第一是基于特征波长，选择该特征波长对应的高光谱图像作为特征数据进行提取。这类方法直接以高光谱图像作为原始特征，对食材的表征能力最强，但每一个特征波长对应一张高光谱图像，处理较为耗时。另一种是根据光谱响应曲线直接将特征波长其对应的光谱响应值作为光谱特征值，这样得到的一组光谱特征值维度小，是个一维向量，处理速度快。
S505、根据待识别食材的种类确定待识别食材不同特征波长对应的农药残留权重系数。
在该步骤中，对于不同种类的食材，需要根据食材的种类自适应地选择不同的模型参数即农药残留权重系数，以实现分类检测，打破了仅支持一种果蔬食材表面农药残留检测的局限，能够为用户的健康饮食提供科学建议。
在该步骤中，不同种类的食材，对应的农药残留权重系数是不同的。例如，食材为香蕉，香蕉为黄色，主要需要考虑黄色波段范围内的特征波长，那么黄色波段范围内的特征波长所对应的农药残留权重系数应该是比较高的，其它颜色波段范围内的特征波长对应的农药残留权重系数就比较低。例如，食材为苹果，苹果为红色，主要需要考虑红色波段范围内的特征波长，那么红色波段范围内的特征波长所对应的农药残留权重系数应该是比较高的，其它颜色波段范围内的特征波长对应的农药残留权重系数就比较低。这里仅是举例说明，具体每一种食材的各特征波长所对应的农药残留权重系数可以通过训练得到。
在本申请的一些实施例中，在构建食材特征波长数据库的同时，可以训练不同种类的食材的各特征波长对应的农药残留权重系数。
S506、根据待识别食材对应的光谱特征值和农药残留权重系数确定待识别食材的农药残留概率。
在该步骤中，对于不同种类的食材，可采用同一种分类算法，根据待识别食材对应的光谱特征值以及对应的农药残留权重系数来确定待识别食材的农药残留概率。具体地，多种分类模型可以实现上述功能，包括支持向量机、决策树、贝叶斯分类器、一维卷积神经网络等，在此不作限定。
在本申请的一些实施例中，可以采用逻辑回归法来确定待识别食材的农药残留概率。具体为根据待识别食材对应的光谱特征值和对应的农药残留权重系数依据如下公式确定待识别食材中是否农药残留过量：
其中，xi表示第i个特征波长对应的光谱特征值，θi表示第i个特征波长对应的农药残留权重系数。
在本申请实施例中，步骤S506采用的分类算法，与预先训练得到农药残留权重系数所采用的算法相同。例如，步骤S506中采用逻辑回归法来确定待识别食材的农药残留概率，那么在预先训练得到农药残留权重系数时采用的模型也是采用逻辑回归法。
在本申请实施例中，对步骤S503和步骤S505的顺序不作具体限定，步骤S503可以在步骤S505之前，步骤S503也可以在步骤S505之后，步骤S503和步骤S505也可以同时进行。
在本申请的一些实施例中，控制器被进一步配置为：确定待识别食材中的农药残留概率是否超过设定的阈值；如果超过，则确定待识别食材农药残留过量。
在本申请的一些实施例中，显示屏还用于当控制器确定待识别食材中农药残留过量时显示提示信息，提示信息用于提示待识别食材中农药残留过量，从而提醒用户在食用时更加注意清洗。
在本申请的一些实施例中，如图1b所示，智能冰箱还包括语音播报单元40，语音播报单元40与控制器连接；语音播报单元40用于当控制器确定待识别食材中农药残留过量时播报语音信息，语音信息用于提示待识别食材中农药残留过量，从而提醒用户在食用时更加注意清洗。
在本申请的一些实施例中，语音播报单元可以为扬声器；扬声器设置于的箱体上。
本申请一些实施例提供的上述智能冰箱，利用高光谱相机采集具有待识别食材的高光谱图像，并得到高光谱图像对应的光谱响应曲线；然后根据高光谱图像识别待识别食材的种类；根据待识别食材的种类确定待识别食材对应的多个特征波长；其中特征波长用于表征食材对农药残留量的光谱响应特征；根据高光谱图像或光谱响应曲线确定各特征波长分别对应的光谱特征值；根据待识别食材的种类确定待识别食材不同特征波长对应的农药残留权重系数；根据待识别食材对应的光谱特征值和农药残留权重系数确定待识别食材的农药残留概率。即本申请的智能冰箱能够根据食材种类自适应地选择不同的检测模型实现食材表面农药残留检测，打破了仅支持一种食材表面农药残留检测的局限，提高了智能冰箱健康饮食管理的智能化，能够为用户的健康饮食提供科学建议。
根据示例性的实施方式中的再一方面，本申请实施例还提供一种计算机存储介质，计算机存储介质中存储有计算机程序指令，当指令在计算机上运行时，使得计算机执行如上的处理方法。
由于本申请实施例中的智能终端和计算机存储介质可以应用于上述处理方法，因此，其所能获得的技术效果也可参考上述方法实施例，本申请的实施例在此不再赘述。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
根据示例性的实施方式中的又一方面，本申请一些实施例还提供了一种智能家居系统，包括本申请一些实施例提供的上述智能冰箱。该智能家居系统解决问题的原理与前述智能冰箱相似，因此该智能家居系统的实施可以参见前述智能冰箱的实施，重复之处在此不再赘述。
虽然以上描述了本申请的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本申请的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本申请的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本申请的保护范围。
Claims (12)
1.一种智能冰箱，其特征在于，所述智能冰箱包括：箱体、制冷部，所述箱体上安装有门体；
所述箱体上设置有高光谱相机，用于响应于所述门体的开启，采集具有待识别食材的高光谱图像，并得到所述高光谱图像对应的光谱响应曲线，所述光谱响应曲线是不同波长对应的光谱响应值的曲线；
所述高光谱相机连接于控制器，所述控制器被配置为：
接收所述高光谱图像和所述高光谱图像对应的光谱响应曲线；
根据所述高光谱图像识别所述待识别食材的种类；
根据所述待识别食材的种类确定所述待识别食材对应的多个特征波长；其中所述特征波长用于表征食材对农药残留量的光谱响应特征；
根据所述高光谱图像或所述光谱响应曲线确定各所述特征波长分别对应的光谱特征值；
根据所述待识别食材的种类确定所述待识别食材不同特征波长对应的农药残留权重系数；其中，位于所述待识别食材的颜色所在的波段范围内的所述特征波长对应的所述农药残留权重系数大于位于其他波段范围内的所述特征波长对应的所述农药残留权重系数；
根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数确定所述待识别食材的农药残留概率；
所述控制器被进一步配置为：
根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数依据如下公式确定所述待识别食材的农药残留概率：
其中，xi表示第i个特征波长对应的光谱特征值，θi表示第i个特征波长对应的农药残留权重系数。
2.如权利要求1所述的智能冰箱，其特征在于，所述控制器被进一步配置为：
确定所述待识别食材中的农药残留概率是否超过设定的阈值；
如果超过，则确定所述待识别食材农药残留过量。
3.如权利要求1所述的智能冰箱，其特征在于，所述控制器被进一步配置为：
根据所述待识别食材的种类通过查询预存的食材特征波长数据库确定所述待识别食材对应的多个所述特征波长；其中，所述食材特征波长数据库包括多个种类的食材，且每一种类的食材对应有多个所述特征波长。
4.如权利要求3所述的智能冰箱，其特征在于，所述控制器被进一步配置为：
预先通过连续投影法计算得到所述食材特征波长数据库中的每一种食材对应的多个特征波长。
5.如权利要求2所述的智能冰箱，其特征在于，所述智能冰箱还包括语音播报单元，所述语音播报单元与所述控制器连接；
所述语音播报单元用于当所述控制器确定所述待识别食材农药残留过量时播报语音信息，所述语音信息用于提示所述待识别食材农药残留过量。
6.如权利要求2所述的智能冰箱，其特征在于，所述门体上设置有显示屏，所述显示屏与所述控制器连接；
所述显示屏用于当所述控制器确定所述待识别食材农药残留过量时显示提示信息，所述提示信息用于提示所述待识别食材农药残留过量。
7.一种食材表面农药残留量的检测方法，其特征在于，包括：
获取待识别食材的高光谱图像，并得到所述高光谱图像对应的光谱响应曲线，所述光谱响应曲线是不同波长对应的光谱响应值的曲线；
根据所述高光谱图像识别所述待识别食材的种类；
根据所述待识别食材的种类确定所述待识别食材对应的多个特征波长；其中所述特征波长用于表征食材对农药残留量的光谱响应特征；
根据所述高光谱图像或所述光谱响应曲线确定各所述特征波长分别对应的光谱特征值；
根据所述待识别食材的种类确定所述待识别食材不同特征波长对应的农药残留权重系数；其中，位于所述待识别食材的颜色所在的波段范围内的所述特征波长对应的所述农药残留权重系数大于位于其他波段范围内的所述特征波长对应的所述农药残留权重系数；
根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数确定所述待识别食材的农药残留概率；
其中，根据所述待识别食材对应的所述光谱特征值和所述农药残留权重系数依据如下公式确定所述待识别食材中农药残留概率：
其中，xi表示第i个特征波长对应的光谱特征值，θi表示第i个特征波长对应的农药残留权重系数。
8.如权利要求7所述的检测方法，其特征在于，还包括：确定所述待识别食材中的农药残留概率是否超过设定的阈值；
如果超过，则确定所述待识别食材农药残留过量。
9.如权利要求7所述的检测方法，其特征在于，所述根据所述待识别食材的种类确定所述待识别食材对应的多个特征波长，具体包括：
根据所述待识别食材的种类通过查询预存的食材特征波长数据库确定所述待识别食材对应的多个所述特征波长；其中，所述食材特征波长数据库包括多个种类的食材，且每一种类的食材对应有多个所述特征波长。
10.如权利要求9所述的检测方法，其特征在于，还包括：预先通过连续投影法计算得到所述食材特征波长数据库中的每一种食材对应的多个特征波长。
11.如权利要求7所述的检测方法，其特征在于，还包括：
当确定所述待识别食材农药残留过量时，通过语音播报单元播报语音信息，所述语音信息用于提示所述待识别食材农药残留过量。
12.如权利要求7所述的检测方法，其特征在于，还包括：
当确定所述待识别食材农药残留过量时，通过显示屏显示提示信息，所述提示信息用于提示所述待识别食材农药残留过量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010675914.3A CN113465253B (zh) | 2020-07-14 | 2020-07-14 | 一种智能冰箱及食材表面农药残留量的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010675914.3A CN113465253B (zh) | 2020-07-14 | 2020-07-14 | 一种智能冰箱及食材表面农药残留量的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113465253A CN113465253A (zh) | 2021-10-01 |
| CN113465253B true CN113465253B (zh) | 2023-03-17 |
Family
ID=77868167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010675914.3A Active CN113465253B (zh) | 2020-07-14 | 2020-07-14 | 一种智能冰箱及食材表面农药残留量的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113465253B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114893943A (zh) * | 2022-05-05 | 2022-08-12 | 长虹美菱股份有限公司 | 一种具有去除抗生素功能的冰箱及操作方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| ATE363652T1 (de) * | 1997-03-07 | 2007-06-15 | Clare Chemical Res Inc | Fluorometrischer nachweis mit sichtbarem light |
| CN103868857A (zh) * | 2014-02-18 | 2014-06-18 | 成都理工大学 | 一种农药残留的检测方法、装置及系统 |
| US9518974B2 (en) * | 2014-06-10 | 2016-12-13 | Chung Ang University Industry Academic Cooperation | Sensor system for detecting organophosphorus residues by inducing coagulation of gold nanoparticles |
| CN204165319U (zh) * | 2014-09-22 | 2015-02-18 | 四川长虹电器股份有限公司 | 果蔬农药残留检测冰箱 |
| CN106841167A (zh) * | 2017-03-27 | 2017-06-13 | 北京工商大学 | 果蔬农药残留的无损检测方法 |
| CN107300528B (zh) * | 2017-07-05 | 2019-12-06 | 中科谱光科技（北京）有限公司 | 一种蔬菜农药残留检测方法及系统 |
-
2020
- 2020-07-14 CN CN202010675914.3A patent/CN113465253B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113465253A (zh) | 2021-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598011B (zh) | 数据处理方法、装置、计算机设备以及可读存储介质 | |
| US20200088463A1 (en) | Refrigerator and method of controlling thereof | |
| CN111503990A (zh) | 一种冰箱及食材识别方法 | |
| US11392975B2 (en) | Brand sonification | |
| KR20150045683A (ko) | 맞춤형 식생활 서비스 제공 방법 및 맞춤형 식생활 서비스 제공 장치 | |
| US11915343B2 (en) | Color representations for textual phrases | |
| CN105940399A (zh) | 声音检索装置、声音检索方法以及显示装置 | |
| CN113465253B (zh) | 一种智能冰箱及食材表面农药残留量的检测方法 | |
| CN111811182B (zh) | 一种冰箱及食谱推荐方法 | |
| Volpentesta et al. | Intelligent food information provision to consumers in an internet of food era | |
| CN111552874B (zh) | 一种冰箱及食谱推荐方法 | |
| CN111125314A (zh) | 书籍查询页面的展示方法、电子设备及计算机存储介质 | |
| KR20200098376A (ko) | 최적 스낵군 추천을 위한 서버, 방법 및 단말 | |
| Chen et al. | Hyperspectral face recognition with log‐polar Fourier features and collaborative representation based voting classifiers | |
| Dan et al. | Classification of orange growing locations based on the near-infrared spectroscopy using data mining | |
| CN113473221B (zh) | 一种智能设备、视频播放方法及视频处理方法 | |
| US11367283B2 (en) | Electronic device and control method thereof | |
| Dinç et al. | Evaluation of hyperspectral image classification using random forest and Fukunaga-Koontz transform | |
| KR102543731B1 (ko) | 인공지능과 디지털 휴먼을 적용한 식품판매장치 및 그 장치의 구동방법 | |
| Bostanci et al. | A neuro fuzzy embedded agent approach towards the development of an intelligent refrigerator | |
| Swathi et al. | Survey on IoT based farm freshness mobile application | |
| Shobana et al. | Fruit Freshness Detecting System Using Deep Learning and Raspberry PI | |
| CN113486689B (zh) | 一种冰箱及食材体积估计方法 | |
| CN113465268B (zh) | 一种冰箱及食材识别方法 | |
| CN116664039A (zh) | 食品储存管理方法及食品储存系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 266555, No. 218, Bay Road, Qingdao economic and Technological Development Zone, Shandong Patentee after: Hisense Group Holding Co.,Ltd. Address before: 266555, No. 218, Bay Road, Qingdao economic and Technological Development Zone, Shandong Patentee before: QINGDAO HISENSE ELECTRONIC INDUSTRY HOLDING Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |