CN113983503A - 锅具类别识别方法及智能烹饪设备 - Google Patents
锅具类别识别方法及智能烹饪设备 Download PDFInfo
- Publication number
- CN113983503A CN113983503A CN202111275327.6A CN202111275327A CN113983503A CN 113983503 A CN113983503 A CN 113983503A CN 202111275327 A CN202111275327 A CN 202111275327A CN 113983503 A CN113983503 A CN 113983503A
- Authority
- CN
- China
- Prior art keywords
- cookware
- optical signal
- light signal
- preset information
- pot
- 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 79
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000003287 optical effect Effects 0.000 claims abstract description 144
- 238000001514 detection method Methods 0.000 claims description 48
- 239000003550 marker Substances 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 101
- 239000000463 material Substances 0.000 description 17
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 235000013547 stew Nutrition 0.000 description 9
- 238000000576 coating method Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 235000013305 food Nutrition 0.000 description 6
- 239000011248 coating agent Substances 0.000 description 5
- 230000006698 induction Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000010355 oscillation Effects 0.000 description 5
- 239000010935 stainless steel Substances 0.000 description 5
- 229910001220 stainless steel Inorganic materials 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 229910000838 Al alloy Inorganic materials 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 241000467686 Eschscholzia lobbii Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 239000011247 coating layer Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C7/00—Stoves or ranges heated by electric energy
- F24C7/08—Arrangement or mounting of control or safety devices
- F24C7/081—Arrangement or mounting of control or safety devices on stoves
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47J—KITCHEN EQUIPMENT; COFFEE MILLS; SPICE MILLS; APPARATUS FOR MAKING BEVERAGES
- A47J27/00—Cooking-vessels
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Cookers (AREA)
- Induction Heating Cooking Devices (AREA)
Abstract
本申请实施例提供一种锅具类别识别方法及智能烹饪设备。其中,所述方法包括:获取光信号;确定所述光信号是否为由所述锅具反射回的反射光信号;所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。采用本申请实施例提供的技术方案,能够使得智能烹饪设备具有自主识别锅具所属类别的功能,从而也就能够使得智能烹饪设备实现自动启动与锅具所属类别适配的烹饪模式、向用户推荐与锅具适配的数字化菜谱等,这利于提高智能烹饪设备的智能化程度、提升用户的使用体验感。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种锅具类别识别方法及智能烹饪设备。
背景技术
随着人工智能技术的迅速发展,越来越多的智能机器应用到人们的生活。例如,智能烹饪设备。一台智能烹饪设备通常会标配多个功能锅具,如炒锅、蒸锅等。
一台智能烹饪设备之所以搭配多个不同类型的锅具,目的在于不同类型的锅具可用于烹饪不同美食。实际使用时,需用户在智能烹饪设备的操作面板上选择与锅具类型相适应的烹饪模式。但在某些情况下,存在因用户操作失误或记忆错误而选择错误的烹饪模式,从而导致烹饪失败或烹饪效果不佳。
发明内容
鉴于上述问题,本申请实施例提供一种锅具类别识别方法、以及智能烹饪设备。
在本申请的一个实施例中,提供了一种锅具类别识别方法。该方法包括:
获取光信号;
确定所述光信号是否为由所述锅具反射回的反射光信号;
所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。
在本申请的另一个实施例中,提供了一种智能烹饪设备。该智能烹饪设备包括:
锅具;
基座,其上设置有光接收器,用于接收光信号;
处理器,与所述光接收器电连接,用于通过所述接收器获取光信号;确定所述光信号是否为由所述锅具反射回的反射光信号;所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。
本申请各实施例提供的技术方案,通过在基座上设置光接收器,在利用光接收器获取到光信号后,若确定出光信号为由锅具反射回的反射光信号时,能够基于光信号识别出锅具所属的类别。可见,本申请方案能够使得智能烹饪设备具有自主识别锅具所属类别的功能,从而也就能够使得智能烹饪设备实现自动启动与锅具所属类别适配的烹饪模式、向用户推荐与锅具适配的数字化菜谱等,这利于提高智能烹饪设备的智能化程度、提升用户的使用体验感。
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利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的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的智能烹饪设备的具体结构示意图;
图2为本申请一实施例提供的基座上的防呆结构的局部放大示意图;
图3为本申请一实施例提供的基座上的用于安装霍尔元件的安装结构的局部放大示意图;
图4a为本申请一实施例提供的基座上设置的多个接触点的示意图;
图4b为本申请一实施例提供的基座上设置的多个接触点对应的电路示意图;
图5为本申请一实施例提供的锅具所属类别识别方法的流程示意图;
图6为本申请另一实施例提供的锅具所属类别识别方法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在本申请的说明书、权利要求书及上述附图中描述的一些流程中,包含了按照特定顺序出现的多个操作,这些操作可以不按照其在本文中出现的顺序来执行或并行执行。操作的序号如101、102等,仅仅是用于区分各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。此外,下述的各实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
在介绍本申请提供的锅具类别识别方法之前,先对实现本申请提供的所述方法所可基于的硬件设备进行说明。
实现本申请提供的方法需要结合的硬件设备为专门设置的、服务于特定领域的硬件设备,如图1示出的智能烹饪设备。智能烹饪设备可以为但不限于炒菜机、料理机、厨师机等,本实施例对此不作限定。图1示出了智能烹饪设备为炒菜机的情况。
参见图1示出的本申请一实施例提供的智能烹饪设备的结构示意图,本实施例提供的所述智能烹饪设备包括:锅具10、基座20及处理器(图中未示出)。其中,锅具10,用于盛饭烹饪食材,并配合基座20上布设的功能部件实现对食材的烹饪。基座20可包括操作平台,用于放置锅具10以为锅具提供支撑。进一步地,基座20还可设置其他功能部件,比如:加热体,其可包含由线圈盘及谐振电容等组成的谐振电路,用于为锅具提供热量来源以加热锅具内的食材;显示区域,供用户操作和控制智能烹饪设备,并显示操作步骤、烹饪过程等参数;操作区域,操作区域可以是与显示区域形成一个整体,操作区域供用户操作和控制智能烹饪设备,例如输入人机交互的控制指令、选择所欲烹饪菜品对应的数字化菜谱、选择相应的烹饪模式(如炒、蒸、煮、炖)等等。图1中并未具体示出或指出以上示例介绍的基座20所可设置的其他功能部件。
针对基座20上具有的多种烹饪模式,一个基座20常会搭配有多种类型的锅具,比如,炒锅、炖锅(如高压锅)、蒸锅等。不同类型锅具一般具有不同的制造材质、加工工艺以及外涂层等,这些会致使不同类型锅具对同一光的反射能力也将不同,基于此,为能够实现对锅具所属类别的智能识别,以基于识别结果自动启动相应的烹饪模式,并自动匹配与锅具所属类适配的数字化菜谱以推荐给用户供其选择,在一些实施例中,在基座20的开盖机构210上还设置有光发射器2101及光接收器2102。其中,光发射器2101,用于发出检测光信号,如红外光,便于后续处理器能够利用该检测光信号经锅具10反射回的反射光信号识别锅具10所属类别;光接收器2102用于获取光信号,比如经锅具10反射回的反射光信号、环境光信号等,并将光信号发送至处理器。关于光发射器2101及光接收器2102的具体设置位置相关介绍,可参见下述各实施例相关内容,此处不作具体赘述。
不过,考虑到不同类锅具也可能存在具有相同材质或外涂层等情况,这种情况下,简单的利用锅具自身特征对光的反射能力是无法精准识别出锅具所属类别的。针对此问题,在一些实施例中,锅具10上还可设置有标记件,不同类锅具10上所设置的标记件具有不同的材质、加工工艺或颜色等属性特征,比如在炒菜锅上可设置黄色标记件,在炖锅(如高压锅)上可设置蓝色标记件等,利用不同颜色标记件对同一光的反射能力不同来实现锅具所属类别的智能识别。
上述处理器是与光发射器2101及光接收器2102电接连的,其能够控制光发射器2101发射检测光信号,并通过光接收器2102获取光信号,从而基于获取到的光信号,通过执行预写入其内的相应程序,控制实现本申请所提供的锅具类别识别方法逻辑。有关如何控制实现本申请提供的锅具类型识别方法逻辑,具体可参见下述相关内容,此处不作赘述。
具体实施时,处理器可以为具有数据处理能力的单片机、微控制单元(Microcontroller Unit,MCU)、中央处理器单元(Central Processing Unit,CPU)、图形处理器(Graphics Processing Unit,GPU)、基于现场可编程逻辑门阵列(FieldProgrammable Gate Array,FPGA)或者复杂可编程逻辑器件(Complex ProgrammingLogicdevice,CPLD)实现的处理芯片等等,本实施例对此不作限定。
进一步地,在其他一些实施例中,锅具10上还可设置有触发件,相应地,基座20上的还可设置有传感件,触发件和传感件可以是任何能够相互配合以产生感应信号的构件。比如,触发件可为磁性件,传感件可为霍尔元件,在不同类锅具上可分别设置具有不同磁性强度的磁性件,具有不同磁性强度的磁性件与霍尔元件间将会产生不同强度的感应信号,处理器依据监测到的触发件与霍尔元件间的感性信号来识别锅具10所属类别。
智能烹饪设备上除了可设置有上述所述的光发射器、光接收器、处理器、或者触发件及传感件等硬件结构之外,还可设置有智能烹饪设备的一些基本组件。比如,基座20上还可设置有防呆结构220(如图2所示)、存储器、多个接触点240(如图4a所示)、测重传感器、电源组件、音频组件、显示组件等等。其中,防呆结构220,用于确保锅具以固定安装方式安装于基座20;存储器可设置于基座20的内部,其主要用于存储一个或多个计算机指令,这些计算机指令可被处理器执行,致使处理器控制智能烹饪设备实现相应的功能,完成相应动作或任务。存储器除了存储计算机指令外,还可被配置为存储其他各种数据以支持智能烹饪设备上的操作,比如:光发射器所发出的检测光信号对应的特征信息(如光强、波长等)、光接收器获取到的光信号(如环境光信号、由锅具反射回的反射光信号等)、以及与锅具相关的预置信息(如锅具自身的属性特征、锅具上的标记件对应的属性特征等)。其中,标记件指的是用来限定锅具类型的标记,如标记带。处理器可通过执行存储器中存储的计算机指令及调用存储器中存储的其他各种数据,控制智能烹饪设备实现锅具所属类别识别等功能,完成相应的烹饪任务。
上述多个接触点240可设置在基座20的顶部,且多个接触点均是与基座20内部对应的电路(如图4b所示)连通的。本实施例提供的技术方案中,除了可利用上述所述的基于检测光信号、传感件与触发件件的感应信号等方式实现对锅具所属类别的识别外,处理器还可以基于检测到的多个接触点中的任意两接触点间的阻抗大小来识别锅具所属类别。有关根据任意两接触点间的阻抗大小识别锅具所属类别的具体实现,可参见下述各实施例中的相关内容,此处不作具体赘述。
这里需补充说明的是:有关智能烹饪设备各功能硬件结构的具体交互,以处理器具体如何基于智能烹饪设备上所布设的结构功能部件实现对锅具所属类别的识别功能,将在下文各实施例中进行详细描述。
基于上文所述的硬件设备结构,下面对本申请提供的锅具类别识别方法实施例进行介绍说明。
图5示出了本申请一实施例提供的锅具类别识别方法的流程示意图。该方法的执行主体为上文所述的处理器。如图5所示,本实施提供的所述方法包括如下步骤:
101、获取光信号;
102、确定所述光信号是否为由所述锅具反射回的反射光信号;
103、所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。
实际应用中,在一具体应用场景,如图1示出的烹饪场景,为能够实现对锅具所属类别的检测,基座20上设置有光发射器2101及光接收器2102。具体设置时,为确保锅具10放置在基座20上时,光发射器2101所发出的检测光信号能够投射至锅具10,以及光接收器2102能够接收到由锅具10反射会的反射光信号,光发射器2101及光接收器2102是并列排布设置在开盖机构210上的与锅具10侧壁对齐的位置处,且二者之间具有一定距离h1,如该距离h1可以为5~15mm左右。当用户启动智能烹饪设备以欲进行烹制美食时,光发射器2101及光接收器2102同时也会被启动,光发射器2101沿探测方向发出检测光信号,光接收器2102用于实时采集光信号。
具体实施时,光接收器2102采集到的光信号可能是环境光信号,也可能是检测光信号经由锅具10反射回的反射光信号,这与锅具10放置在基座20上的状况有关。例如,在锅具10未放置在基座20上时,光发射器2101的探测方向因无障碍物致使发出的检测光信号难以产生反射,因此光接收器2102是无法采集到检测光信号经由锅具反射回来的反射光信号的;而由于场景内的环境光(如太阳光、灯之类的光源产生的光等),会作用于场景内所有物体的表面,为此光接收器2102将采集到环境光信号。再例如,在锅具10放置在基座20上时,检测光信号投射至锅具10上后会发生反射,反射回的反射光线可被光接收器2102采集,同时因场景内环境光的存在,光接收器2102在采集检测光信号经锅具10反射回的反射光信号的同时,也可能会采集到环境光信号。也就是说,在锅具10放置在基座20上时,光接收器2102所采集到的光信号为由检测光信号经由锅具10反射回的反射光信号,但该反射光信号中可能包含有当前环境中的环境光信号及真实有效的检测光信号经由锅具反射回的反射光信号。为方便描述,下文中将真实有效的检测光信号经由锅具反射回的反射光信号称为有效反射光信号。
这里补充需要说明的是,锅具10放置在基座20上时,由于防呆结构220作用,锅具10将是以固定方式安装于基座20上的,且锅具10的与开盖机构210相对的侧壁,也会与光发射器及光接收器具有一定距离h2,该距离h2可以为30~100mm左右,以便于检测光信号投射至锅具10上产生反射以及反射回的反射光信号能够被光接收器接收。另外,为减少环境光以及二次反射光信号的影响,还可以将光发射器2101及光接收器2102所在位置处周围的开盖机构210的壳体设置为黑色,以用来尽可能地吸收投射至光发射器及光接收器周遭的光线。其中,二次反射光信号指的是经锅具10反射回的反射光信号或者环境光信号投射至光接收器2102所在位置的周围其他位置处时,经再次多次反射产生的反射光信号。该二次反射光信号若被光接收器2102采集,光接收器2102采集到的光信号中除了会包含有当前环境中的环境光信号以及有效反射光信号外,还会包含有二次反射光信号,在二次反射光信号的干扰下,后续在利用光信号识别锅具所属类别时,也就会使得识别精确度进一步降低。而利用黑色壳体对光具有较强的吸收作用,可以使得投射至光接收器2102所在位置的周围其他位置处时的光线被全部或大部分吸收,从而降低再次反射的发生,因此后续在利用光信号上识别锅具所属类别时也就能够减少二次反射光信号对识别结果的影响。
基于上述所描述的内容,上述101中的光信号可以是通过光接收器采集获得。具体实施时,光信号可能是光接收器采集到的环境光信号,也可能是光接收器采集到的检测光信号经由锅具反射回的反射光信号,且反射光信号中可能混合有环境光信号。基于此,为能够利用光信号实现对锅具类别的识别,必须先确定出光信号是否为锅具反射回的反射光信号。
这里,继续参见图1,考虑到基座20上在放置有锅具与未放置有锅具时,其对应的重量是不同的,为此可通过传感器对基座20的重量进行监测后反馈的监测信号,来确定出基座的重量;根据基座的重量确定光信号是否为锅具反射回的反射光信号。即在一具体实现技术方案中,上述102“确定所述光信号是否为由所述锅具反射回的反射光信号”,可具体包括:
采集基座的重量;根据所述重量确定所述基座上放置有锅具时,确定所述光信号为由锅具反射回的反射光信号。
具体实施时,可以在基座上设置一测重传感器,通过测重传感器监测到基座20的重量大于预设阈值时,即确定基座20上放置有锅具。其中,预设阈值可以根据基座20未放置锅具时自身对应的重量(下文简称为基准重量)进行灵活设置。例如,预设阈值可以为基准重量,或者也可以稍微大于基准重量,但大于基准重量的程度要小于锅具重量等,此处不作限定。
在另一具体可实现技术方案中,上述102“确定所述光信号是否为由所述锅具反射回的反射光信号”,可具体包括:
采集基座内的谐振电路工作的状态数据;基于所述状态数据确定所述基座上放置有锅具时,确定所述光信号为由锅具反射回的反射光信号。
具体实施时,如图1示出的烹饪场景下,基座20是通过IH(Induction Heating,电磁加热)来为锅具10提供热量来源的,而IH电磁加热是通过基座20内所设置的由线圈盘及谐振电容等组成的谐振电路(图中未示出)来实现的。在无负载(即无锅具10)与在有负载(即有锅具)不同的情况下,谐振电路将会产生不同的工作状态数据(如震荡时长、能量衰减时长、脉冲个数等)。具体地,例如无锅具时,谐振电路一般会作较长时间的阻尼振荡(谐振周期大约为40us),相应地,能量衰减时间也较长,且单位时间内脉冲个数较少;相反地,有锅具时,由于锅具的阻尼加入,谐振电路作阻尼振荡的时间几乎为零(这里指能产生谐振的总时间几乎为零,即基座20上一旦放置上锅具,谐振电路会立刻停止振荡),能量衰减也较快,且单位时间内脉冲个数比无锅具时要多很多。为此,是可以通过采集基座20内的谐振电路工作的状态数据,基于状态数据来确定出基座20上是否放置有锅具。当采集到的状态数据为阻尼振荡时间几乎为零、能量衰减加快、单位时间内脉冲个数较多时,即可确定基座20上放置有锅具,从而也就可确定光接收器此时所采集到的光信号为由锅具反射回的反射光信号。
本实施例为提高识别结果的精准性,是通过在不同类锅具的侧壁上分别设置具有不同属性特征的标记件,利用具有不同属性特征的标记件对检测光信号的反射能力不同,来达到识别锅具所属类别的目的。具体设置时,参见图1所示,标记件110是设置在锅具10与开盖机构210相对的侧壁上,具体地,标记件110设置的位置与光发射器2101及光接收器2102所处位置对应,以确保检测光信号能够投射至标记件110上,并经由标记件110反射后,反射回的反射光信号可被光接收器2102接收。基于此,在确定出光接收器2102采集到的光信号为由锅具10反射回的反射光信号时,所述光信号具体是为由锅具10上的标记件110反射回的反射光信号。其中,标记件110可以为但不限于图1中示出的标记带,标记带的形状可以为长方形、多边形、椭圆形等,此处不作限定。
在确定出光信号为由锅具反射回的反射光信号时,可以基于光信号对应的属性特征及相关的预置信息来识别锅具所属类别。即,上述103中“基于光信号识别所述锅具所属的类别”的一种可实现方案为:
1031、获取所述光信号对应的第一属性特征;
1032、确定多个预置信息中是否存在有与所述第一属性特征匹配的目标预置信息;其中,一个预置信息与一类锅具对应;
1033、存在有所述目标预置信息时,将所述目标预置信息对应的锅具类作为所述锅具所属的类别。
上述1031中,光信号对应的第一属性特征可以包含但不限于:波长、频率、颜色、光强等。其中,波长、频率及颜色三者是具有相关性的,因此,在获取光信号对应的属性特征时,也可以只获取波长、频率及颜色中的任一项,本实施例对此不作限定。
上述1032中,多个预置信息是分别针对多个不同类的锅具进行设置的,也就是说,一个预置信息与一类锅具对应。在设置多个预置信息时,具体是依据不同类锅具上所设置的不同标记件对检测光信号的反射能力设置的。
示例性地,参见图1所示,假设智能烹饪设备包括炒菜锅和炖锅(如高压锅)两种锅具,可以在炒菜锅与炖锅上分别设置具有不同材质、加工工艺或颜色等的标记件110,比如炒菜锅上可设置黄色、铝合金材质的标记件、炖锅上可设置蓝色、不锈钢材质的标记件,且该炒菜锅与炖锅上的标记件因加工工艺的不同其表面也具有不同的光滑度。在炒菜锅与炖锅上所设置的标记件具有不同材质、加工工艺及颜色等的情况下,检测光信号分别投射至炒菜锅及炖锅上的标记件上时,检测光信号所产生的能量损失也将不同。由于光的能量e是通过计算光的频率f及普朗克常数h间的乘积值得到,光的波长λ=光速c/光的频率f,且光的能量e与光强度呈正比关系,为此当检测光信号投射至标记件110后,因存在能量损失,会致使经标记件110反射回的反射光信号对应的光能量,小于检测光信号对应的光能量,从而也就会使得反射光信号对应的频率f、波长λ、颜色、强度等发生变化。基于此,在初始分别针对炒菜锅及炖锅设置与其对应的预置信息时,是经过大量实验研究分析,先根据炒菜锅、炖锅上的标记件各自对应的属性特征来确定出其分别对检测光信号造成的不同能量损失,再结合检测光信号对应的属性特征,来设置炒菜锅及炖锅各自对应的预置信息的。其中,预置信息中包含有检测光信号投射至对应锅具上的标记件经其反射后,反射光信号可能对应的属性特征范围(如波长、频率、颜色、光强等)。将预置信息与对应锅具可以按如表1示出的数据存储格式进行关联存储,以供在需要时调用。
表1
这里需要说明的是,这里预置信息中的特征采用特征范围方式表示,是考虑到在根据不同类锅具上的标记件各自对应的属性特征,来确定其分别对检测光信号造成的不同能量损失的过程中,因受各种因素影响,确定出的能量损失结果一般会存有误差,而采用特征范围表示方式能够提高容错性。这样,当经由步骤1031获取到的光信号对应的第一属性特征,比如波长,在一预置信息中的波长范围内时,即可认为该预置信息对应的锅具所属类即为当前放置在基座20上的锅具所属的类别。
不过,在具体实施时,为减少环境光信号对锅具所属类别结果的影响,针对不同的环境光信号,将会采用不同的策略来确定多个预置信息中是否存在有与第一属性特征匹配的目标预置信息。具体地,当前环境中的环境光信号较强时,光接收器采集到的光信号中是可能包含有当前环境中的环境光信号与真实有效的检测光信号经锅具上的标记件反射回的反射光信号(即有效反射光信号)的,且环境光信号对有效反射光信号可能具有较大的影响,为此,为能够排除环境光信号的影响可以采用差值方式来确定多个预置信息中是否存在有与第一属性特征匹配的目标预置信息,具体地,即确定多个预置信息中是否存在有与第一属性特征与环境光信号对应的属性特征间的差值特征匹配的目标预置信息。反之,若环境光信号较弱,即使光信号中存在有环境光信号,其对有效反射光信号的影响程度也相对较小,甚至可以忽略不计,这种情况下,也就可以直接确定多个预置信息中是否存在有与第一属性特征匹配的目标预置信息。基于此,
上述1032中“确定多个预置信息中是否存在有与所述第一属性特征匹配的目标预置信息”,具体可采用如下步骤来实现:
10321、确定匹配策略;
10322、按照所述匹配策略,基于所述第一属性特征确定对应的匹配参数;
10323、在所述多个预置信息中,查找所述匹配参数所在的特征范围;其中,一个预置信息包括至少一个特征范围;
10324、将查找到的所述匹配参数所在的特征范围对应的预置信息作为所述目标预置信息。
在一种可实现的技术方案中,上述步骤10321“确定匹配策略”,可具体包括如下步骤:
A11、获取检测光信号的第二属性特征及环境光信号的第三属性特征;
A12、对所述第二属性特征及所述第三属性特征进行数据分析,以确定第一策略和第二策略中的一个作为所述匹配策略。
具体实施时,可以在确定当前环境光信号对应的光强度大于或等于检测光信号对应的光强度时,认为环境光信号过强,对有效反射光信号具有较大的影响,此种情况下,可确定采用第一策略,具体地即基于光信号对应的第一属性特征与环境光信号对应的第三属性特征间的差异,来确定匹配参数。反之,若确定出环境光信号对应的光强度小于检测光信号对应的光强度,认为环境光信号较弱,对有效反射光信号具有较小的影响,此种情况下,可确定采用第二策略,即直接将光信号对应的第一属性特征作为匹配参数。当然,除了通过比较光强度来判定环境光信号是否处于过强状态外,还也可以采用其他特征,比如光的波长、频率等,本实施对此不再限定,具体采用其他特征判定环境光信号是否处于过强状态的过程,可参见上述利用光强度进行判断的过程,此处不再作具体赘述。
基于上述内容,上述步骤10322“按照所述匹配策略,基于所述第一属性特征确定对应的匹配参数”,可具体包括如下步骤:
A21、在按照所述第一策略确定匹配参数时,具体为:基于所述第一属性特征与所述第三属性特征间的差异,确定所述匹配参数;
A22、在按照所述第二策略确定匹配参数时,具体为:将所述第一属性特征作为所述匹配参数。
上述基于第一属性特征与第三属性特征间的差异确定匹配参数,所确定出的匹配参数可具体指的是:光信号对应的第一属性特征与环境光信号对应的第三属性特征间的差值特征。
上述步骤10323及10324中,每一个预置信息是包括至少一个特征范围的,为此在按照相应的匹配策略确定出匹配参数后,可以通过查找方式,在多个预置信息中查找匹配参数所在的特征范围,将查找到的匹配参数所在的特征范围对应的预置信息作为目标预置信息。
举例来说,参见表1,假设确定出的匹配参数为光信号对应的第一属性特征,该第一属性特征中包括光波长λ、光频率f、光颜色值c及光强度L等多个特征,若第一属性特征中的至少一特征在炒菜锅对应的预置信息中对应的至少一个特征范围内,比如光波长λ在波长范围[λ11,λ12]内时,即可确定炒菜锅对应的预置信息为与第一属性特征匹配的目标预置信息。
上述1033中,在确定多个预置信息中存在有与第一属性特征匹配的目标预置信息时,即可将目标预置信息对应的锅具类作为当前放置在基座20上的锅具10所属的类别。例如,承接上述步骤10323中的示例并参加图1,在确定出炒菜锅对应的预置信息为与第一属性特征匹配的目标预置信息时,也就可说明当前放置在基座20上的锅具10为炒菜锅。
上文中,主要介绍了利用不同类锅具上设置的标记件对检测光信号的反射能力不同,来设置相应的预置信息,从而在确定光信号为由锅具上的标记件反射回的反射光信号时,基于光信号完成当前放置在基座20上的锅具所属类别的识别。在其他一些实施例中,也可以不在锅具上设置标记件,而是利用不同类锅具因自身特性的不同,对检测光信号的反射能力也将不同,来设置相应的预置信息,从而在确定光信号为锅具自身反射回的反射光时,基于光信号来识别出当前放置在基座20上的锅具所属的类别。具体地,
例如,参见图1所示,假设智能烹饪设备包括炒菜锅和炖锅两种锅具,一般情况下,炒菜锅的外表面涂层为黑色涂图层,炖锅,如高压锅的外表面为不锈钢金属色的涂层,且炒菜锅与高压锅各自对应的制作材质、加工工艺等也不同。在炒菜锅与高压锅各自对应的制作材质、加工工艺或外表面涂层等不同的情况下,检测光信号分别投射至炒菜锅及高压锅的自身上时,检测光信号所产生的能量损失也将不同。因存在不同的能量损失,也就会致使检测光信号分别经炒菜锅及高压锅的自身反射会的反射光信号对应的频率f、波长λ、颜色c、强度L等也将不同,为此也就能够基于光信号及相应的预置信息实现当前放置在基座20上的锅具所属类别的识别。具体在利用不同类锅具自身特征对检测光信号反射能力的不同,来实现当前放置在基座20上的锅具所属类的识别过程中,所涉及到的相应的预置信息设置、以及在确定光信号为锅具自身反射回的反射光信号时,基于光信号识别锅具所属的类别等的具体实现过程,可参见上述所描述的利用标记件完成锅具所属类别识别的过程,此处就不再作具体赘述。
作为本实施例优先锅具类别识别方式,优先选取利用标记件完成锅具所属类别的识别,这可避免在不同类锅具,比如炒菜锅与煮锅(如汤锅))具有相同材质、外表面涂层或加工工艺的情况下,出现无法精准识别出锅具是炒菜锅还是煮锅情况的发生。
本实施例提供的技术方案,在获取到的光信号基础上,若确定出光信号为由锅具反射回的反射光信号时,能够基于光信号识别出锅具所属的类别。由此可见,采用本实施例提供的技术方案,能够使得智能烹饪设备具有自主识别锅具所属类别的功能,从而也就能够使得智能烹饪设备实现自动启动与锅具所属类别适配的烹饪模式、向用户推荐与锅具适配的数字化菜谱等,这利于提高智能烹饪设备的智能化程度、提升用户的使用体验感。
进一步地,考虑到随着锅具使用次数或者总使用时长等的增加,锅具上的标记件(或锅具自身)的颜色、表面平滑度等会发生变化,这将会导致标记件(或锅具自身)对检测光信号的反射能力发生变化。为此,为保证能够精准确定出锅具所属类别,本实施例提供的所述方法还可包括如下步骤:
104、获取对多类锅具中任一类锅具进行监测得到的监测数据;
105、基于所述监测数据,对所述类锅具对应的预置信息进行修正。
上述104中,监测数据可指的是对多类锅具任一类锅具进行监测后获取到的与该类锅具相关的数据。具体实施时,该监测数据可指的是在确定出当前放置在基座上的锅具所属类后,获取到的与当前放置在基座上的锅具相关的数据。比如,当前放置在基座上的锅具所属类为炒菜锅,监测数据则为与炒菜锅相关的数据。上述监测数据可包括但不限于如下中的至少一项:已使用次数、总使用时长、当前时间与生产时间的间隔时长等。相应地,上述105“基于所述监测数据,对所述类锅具对应的预置信息进行修正”,可具体包括:
1051、基于所述监测数据,确定所述类锅具对应的预置信息是否满足修正条件;
1052、满足修正条件时,根据所述已使用次数、总使用时长、当前时间与生产时间的间隔时长中的至少一项,确定变更度;
1053、根据所述变更度及匹配参数,修正所述类锅具对应的预置信息。
上述1051中,可先基于监测数据中的已使用次数、总使用时长、当前时间与生产时间的间隔时长中的至少一项,确定出对应的判定参数;其中,总使用时长可以通过对锅具的每次使用时长进行统计获得。在确定判定参数满足预设条件时,则确定目标预置信息满足更新条件。上述确定出的判定参数可以为已使用次数、总使用时长、当前时间与生产时间的间隔时长中的任意一个、或者任意两个、或者均为判定参数,此处不作限定。在判定参数为一个的情况下,可以在判定参数满足对应的预设条件,即认为所述类锅具对应的预置信息是满足修正条件;在判定参数为多个的情况下,可以在所有判定参数均满足对应的预设条件或多个判断参数中的任一个满足对应的预设条件等,即认为所述类锅具对应的预置信息满足修正条件,此处不作限定。
例如,确定出的判定参数包括:已使用次数及总使用时长,则可在已使用次数大于或等于预设次数,且总使用时长大于或等于预设时长的情况下,认为所述类锅具对应的预置信息满足修正条件,反之则不满足。
上述1052中,在确定所述类锅具对应的预置信息满足更新条件后,可以根据已使用次数、总使用时长、当前时间与生产时间的间隔时长中的至少一项,确定变更度。具体实施时,例如若根据总使用时长及当前时间与生产时间的间隔时长来确定变更度,则可以基于经大量实验研究分系得到的总使用时长及间隔时长各自对锅具上的标记件(或锅具自身)发生变化的影响程度,来确定相应的变更度。
上述1053中,可以基于变更度及匹配参数,确定出所述类锅具对应的预置信息中对应特征范围的上下限,从而实现对所述类锅具对应的预置信息的更新。例如,承接上述步骤10323及10324中的示例,并参见表1,假设确定出的匹配参数为光信号对应的第一属性特征,且该属性特征中的光波长为λ、且λ在波长范围[λ11,λ12]内,即所述类锅具对应的预置信息为表1中示出的炒菜锅对应的预置信息。若确定出的变更度为Δ,则可得出炒菜锅对应的预置信息中波长范围的上下限应为λ-Δ及λ+Δ。基于此,对炒菜锅对应的原预置信息中波长范围进行修正,即波长范围由原先的[λ11,λ12]将被修正为[λ-Δ,λ+Δ],以便后续再次识别锅具所属类别时,基于修正后的目标预置信息进行识别。
综上所述,本实施提供的锅具所属类别识别方法,可总结为图6所示的过程。即:智能烹饪设备开启,光发射器沿探测方向发射检测光信号,光接收器实时监测(即实时采集光信号)。检测基座上是否放置有锅具,当检测到基座上放置有锅具时,确定光接收器采集到的光信号为环境光信号,对该环境光信号进行记录存储。进一步地,判断环境光信号的光强度是否过强,若环境光信号过强后续在检测到锅具放置在基座上时,将采用差值策略(即上文所述的第一策略)以完成锅具所属类别的识别;反之,若环境光信号较弱后续在检测到锅具放置在基座上时,将采用一般策略(即上文所述的第二策略)以完成锅具所属类别的识别。此外,在检测到锅具放置在基座上之前,还会基于光接收器实时采集到的环境光信号对所存储的环境光信号进行不断更新。
而当检测到基座上放置有锅具时,确定光接收器采集到的光信号为检测光信号经由锅具反射回的反射光信号,若基于环境光信号确定出采用差值策略以完成锅具所属类的识别,则会计算出光信号对应的属性特征与环境光信号对应的属性特征间的差值特征,通过判断差值特征是否在一预置信息中特征范围内来识别出锅具所属类;而若基于环境光信号确定出采用一般策略以完成锅具所属类的识别,则直接通过判断光信号对应的属性特征是否在预置信息中特征范围内来识别出锅具所属类。在判定出差值特征(或者光信号对应的属性特征)在一预置信息中特征范围内时,即可根据该预置信息对应关联的锅具类确定出当前放置在基座上的锅具所属的类别,对更新相应的预置信息。在判定出差值特征(或者光信号对应的属性特征)在一预置信息中特征范围外时,则确定无法识别出锅具所属类别,此时可以循环上述识别过程,直至识别出锅具所属类别;或者,也可以综合其他的识别方式,比如基于多个接触点中的两两接触点间的阻抗来识别锅具所属类别。当然,在能够识别出锅具所属类别的情况下,为提高识别精确度,也可以基于多个接触点中的两两接触点间的阻抗来综合识别出锅具所属的最终类别,此处不作限定。
基于此,进一步地,本实施例提供所述方法还可以包括如下步骤:
106、获取多个接触点中的两两接触点间的阻抗;其中,所述多个接触点与所述锅具接触;
107、根据所述阻抗及基于所述光信号识别出的所述锅具所属类别的识别结果,确定所述锅具所属的最终类别。
上述106中,参见图1、4a及图4b所示,多个接触点240是设置在基座20的顶部,且多个接触点均是与基座20内部对应的电路(如图4b所示)连通。多个接触点240为凸接触点,且其材质为导电材质,比如为铝合金材质。当锅具10按固定方式安装在基座20上时,该多个接触点240会与锅具10充分接触,使得多个接触点中的两两接触点间的电路可连通。由于不同类型的锅具10因其材质或外涂层等的不同,会致使任意两接触点与不同锅具10接触后,两接触点间所形成的阻抗也将不同,比如:不锈钢具有良好的导电性,因此两接触点与不锈钢材质的锅具(如高压锅)接触后,会检测到该两接触点间具有较小阻抗;再比如,由于黑色图层为绝缘材质,因此两接触点与具有外保护黑色图层的锅具(如炒菜锅)接触后,会检测到该两接触点间具有较大阻抗,等等。因此,能够根据检测到的任意两接触点间的阻抗大小来识别锅具所属类类别。
图4a中示出了基座20上设置有3个接触点(即接触点A、接触点B及接触点C)的情况。具体实施时,参见图4b中示出的与图4a中示出的3个接触点对应的电路示意图,3个接触点中的两两接触点间的阻抗的计算过程如下:当检测到锅具10放置在基座20上时,锅具与基座20上的3个接触点接触。假设处理器先检测A接触点与B接触点因与锅具接触,二者之间所形成的阻抗为RAB,则处理器将先控制SA和SB开关闭合,SC开关断开,并对A接触点输出设定电压(如3.3V的电压),对B接触点设置成ADC(Analog-to-Digital Converter,模数转换)模式以采集B接触点的电压;根据B接触点的电压VB及B接触点对地连接的电阻RB,可计算出A接触点与B接触点间电路中的电流IAB=VB/RB;同时可根据A接触点的电压VA及B接触点的电压VB,计算A接触点与B接触点间电路的电压VAB=VA-VB;进一步地,A接触点与B接触点间电路的电压VAB及电路IAB,也就可以得到A接触点与B接触点间的阻抗RAB=VAB/IAB。同理,也可以分别计算出B接触点与C接触点间的阻抗RBC、A接触点与C接触点间的阻抗RAC,具体计算过程可参见上述计算A接触点与B接触点间的阻抗RAB的过程,此处就不再作具体赘述。
上述107中,在经由步骤106计算得到多个接触点中的两两接触点间的阻抗的基础上,也接可以基于两两接触点间的阻抗来确定出当前放置在基座上的锅具所属的类别。例如,承接步骤106中的示例,以具有黑色涂层的炒菜锅以及不锈钢材质的高压锅为例,若存在有任意一个两接触点间的阻抗小于第一阈值(该第一阈值为较小阈值,如为0.5K),可判定当前放置在基座上的锅具为高压锅;反之,若存在有任意一个两接触点间的阻抗大于第一阈值(该第二阈值为较大阈值,如为20K),可判定当前放置在基座上的锅具为炒菜锅。
基于此,若基于光信号未识别出的当前放置在基座上的锅具所属类别,可直接将基于多个接触点中的两两接触点间的阻抗识别结果,作为锅具所属的最终类别。而若基于光信号识别出的当前放置在基座上的锅具所属类别,则可以直接将基于光信号识别出的锅具所属类别的识别结果,作为锅具所属的最终类别;或者,也可以基于光信号识别出的锅具所属类别的识别结果,以及基于多个接触点中的两两接触点间的阻抗识别出的锅具所属类别的识别结果,综合确定出锅具所属的最终类别,本实施例对此不再限定。不过考虑到多个接触点间的电路易存在遇水发生短路的情况,为此作为本实施例优选实例,在基于光信号能够识别出的锅具所属类别的情况下,优先选取将基于光信号识别出的锅具所属类别的识别结果,作为锅具所属的最终类别。
上文主要描述了利用检测光信号、多个接触点中的两两接触点间的阻抗来实现锅具所属类别的识别,除此之外,在其他一些实施例中,还可以采用如下方式来识别锅具所属类别。具体地,
方式一、根据获取到的触发件与传感件件的感应信号,识别锅具所属的类别。
具体实施时,参见图1至图3所示,以传感件为霍尔元件及触发件为磁性件为例。当锅具10放置在基座20上时,由于防呆结构220的作用,锅具是以固定方式安装于基座20上的。本实施例中,不同类锅具10上会设置有具有不同磁强度大小的磁性件(图中未示出),相应地,基座20上设置有一安装结构230,安装结构230中内嵌有霍尔元件(图中未示出),且霍尔元件与处理器电连接。在锅具10放置在基座20上时,锅具上的磁性件与基座上的霍尔元件位置关系是固定的,比如磁性件与霍尔元件位置对应。由于不同类锅具放置在基座上时,不同类锅具上的磁性件与霍尔元件间产生的感应信号也将不同,将不同类锅具上的磁性件与霍尔元件间的感应信号与对应锅具类进行预先关联存储,也就能够实现基于获取到的磁性件与霍尔元件间的感应信号,识别出当前放置在基座20上的锅具所属的类别。
方式二、根据采集到的基座内的谐振电路的状态数据来识别锅具所属的类别;其中,谐振电路是由线圈盘及谐振电容等组成的电路。
具体实施时,参见图1所示的烹饪场景,不同类锅具通常具有不同的材质,当不同材质的锅具10放置在基座20上,处理器控制基座20内的由线圈盘及谐振电容等组成的谐振电路(图中未示出)来对锅具10进行IH电磁加热,以为锅具10提供热量来源时,谐振电路因锅具材质的不同,其工作对应的振荡时间及能量衰减时间等状态数据也将不同,因此也可通过采集谐振电路工作对应的状态数据区分不同类的锅具。具体实现可参见现有技术,此处不再作具体赘述。
综合上文可见,本实施例提供的技术方案,能够使得智能烹饪设备具有识别锅具所属类别的能力,从而可使得智能烹饪设备能够针对锅具所属类别自主运行对应的烹饪模式,以及实现为用户推荐与锅具适配的数字化菜谱等等,这些都利于提高智能烹饪设备的智能性以降低用户使用门限。
上文中,主要是从软件角度介绍本申请实施例提供的技术方案的,下面从硬件角度介绍本申请实施例提供的技术方案。
本申请一实施例提供了一种智能烹饪设备。参见图1及图4a所示,该智能烹饪设备可具体包括:锅具10、基座20及处理器(图中未示出)。其中,
基座20,其上设置有光接收器2102,用于接收光信号;
处理器,与所述光接收器2102电连接,用于通过所述光接收器获取光信号;确定所述光信号是否为由所述锅具反射回的反射光信号;所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。
进一步地,基座20上还设置有多个接触点240,多个接触点240与锅具10接触。相应地,处理器,还用于获多个接触点中的两两接触点间的阻抗;根据所述阻抗及基于所述光信号识别出的所述锅具所属类别的结果,确定所述锅具所属的最终类别。
进一步地,锅具10上设置有标记件,基座20上还设置有光发射器2101;相应地,所述反射光信号为所述光发射器发出的检测光信号经所述标记件反射回的信号。
本实施例提供的智能烹饪设备除了包括上述所述的锅具、基座、光接收器、处理器等部件外,还可以具有其它的一些基本部件。比如,基座20上还可设置有防呆件、存储器、显示器、音频组件、人机交互装置(如触摸屏、控键、语义交互装置等)等等。上述存储器,主要用于存储一个或多个计算机指令,这些计算机指令可被处理器执行,致使处理器控制智能烹饪设备实现相应的功能,完成相应动作或任务。例如,处理器与存储器耦合,并通过执行存储器存储的一个或多个计算机指令,能够实现上文所介绍锅具所属类别识别方法中的各步骤。
另外,上述存储器还可被配置为存储其它各种数据以支持在处理器上的操作。这些数据的示例包括用于检测光信号对应的属性特征、不同类锅具对应的预置信息等等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
这里需要说明的是:本实施例提供的智能烹饪设备中各步骤未尽详述的内容可参见上述各实施例中的相应内容,此处不再作赘述。此外,本实施例提供的智能烹饪设备除了上述各步骤外,还可包括上述各实施例中其他部分或全部步骤,具体可参见上述各实施例相应内容,在此不再赘述。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被计算机执行时能够实现上述各实施例提供的锅具所属类别识别方法步骤或功能。
最后,结合几个具体的应用场景对本申请实施例提供的技术方案进行说明。
场景一
参见图1示出的烹饪场景,假设该智能烹饪设备搭配有炒菜锅和高压锅两类锅具10,炒菜锅上设置有黄色标记件,高压锅上设置有蓝色标记件,且炒菜锅和高压锅上各自所设置的标记件具有不同的材质、加工工艺;另外,假设设置在基座20上的光发射器发出的检测光信号的波长为L0,经实验研究分析,初始时检测光信号分别经炒菜锅及高压锅上的标记件所反射回的反射光信号对应的波长在[L11,L12]、[L21,L22]范围内,则初始可设置炒菜锅对应的预设波长特征范围为[L11,L12],以及设置高压锅对应的预设波长特征范围为[L21,L22]。
后续中,当检测到基座20上放置有锅具时,若按照相应的匹配策略确定出匹配参数为由锅具上的标记件反射回的反射光信号对应的波长L1,且该波长L1∈[L11,L12],则可确定当前放置在基座20上的锅具为炒菜锅,后续智能烹饪设备可自主启动与炒菜锅适配的烹饪模式以烹饪美食。另外,进一步地,在满足更新条件的情况下,还可以基于确定出的变更度Δ及波长L1对原预设的炒菜锅对应的波长特征范围为[L11,L12]进行更新,即将预设波长特征范围为[L11,L12]更新为[L1-Δ,L1+Δ]。
场景二
继续参见图1示出的烹饪场景,假设该智能烹饪设备搭配有炒菜锅和高压锅两类锅具10,炒菜锅和高压锅具有不同的材质、加工工艺及外涂层。另外,假设设在基座20上的光发射器发出的检测光信号的波长为L0,经实验研究分析,初始时检测光信号分别经由炒菜锅及高压锅反射回的反射光信号对应的波长在[L11’,L12’]、[L21’,L22’]范围内,则初始可设置炒菜锅对应的预设波长特征范围为[L11’,L12’],以及设置高压锅对应的预设波长特征范围为[L21’,L22’]。
后续中,当检测到基座20上放置有锅具时,若按照相应的匹配策略确定出匹配参数为由锅具反射回的反射光信号对应的波长L1与环境光信号对应的波长L2间的差值波长ΔL,且该差值波长ΔL∈[L21’,L22’],则可确定当前放置在基座20上的锅具为高压锅。进一步地,若此时满足更新条件,还可以基于确定出的变更度Δ’及差值波长ΔL,更新原预设的高压锅对应的波长特征范围,即可将预设波长特征范围为[L21’,L22’]更新为[ΔL-Δ’,ΔL+Δ’]。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (12)
1.一种锅具类别识别方法,其特征在于,包括:
获取光信号;
确定所述光信号是否为由所述锅具反射回的反射光信号;
所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。
2.根据权利要求1所述的方法,其特征在于,基于所述光信号识别所述锅具所属的类别,包括:
获取所述光信号对应的第一属性特征;
确定多个预置信息中是否存在有与所述第一属性特征匹配的目标预置信息;其中,一个预置信息与一类锅具对应;
存在有所述目标预置信息时,将所述目标预置信息对应的锅具类作为所述锅具所属的类别。
3.根据权利要求2所述的方法,其特征在于,确定多个预置信息中是否存在有与所述第一属性特征匹配的目标预置信息,包括:
确定匹配策略;
按照所述匹配策略,基于所述第一属性特征确定对应的匹配参数;
在所述多个预置信息中,查找所述匹配参数所在的特征范围;其中,一个预置信息包括至少一个特征范围;
将查找到的所述匹配参数所在的特征范围对应的预置信息作为所述目标预置信息。
4.根据权利要求3所述的方法,其特征在于,确定匹配策略,包括:
获取检测光信号的第二属性特征及当前环境光信号的第三属性特征;
对所述第二属性特征及所述第三属性特征进行数据分析,以确定第一策略和第二策略中的一个作为所述匹配策略;
其中,在按照所述第一策略确定匹配参数时,具体为:基于所述第一属性特征与所述第三属性特征间的差异,确定所述匹配参数;在按照所述第二策略确定匹配参数时,具体为:将所述第一属性特征作为所述匹配参数。
5.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:
获取对多类锅具中任一类锅具进行监测得到的监测数据;
根据所述监测数据,对所述类锅具对应的预置信息进行修正。
6.根据权利要求5所述的方法,其特征在于,所述监测数据包括如下中至少一项:已使用次数、总使用时长、当前时间与生产时间的间隔时长;以及
根据所述监测数据,对所述类锅具对应的预置信息进行修正,包括:
基于所述监测数据,确定所述类锅具对应的预置信息是否满足修正条件;
满足修正条件时,根据所述已使用次数、总使用时长、当前时间与生产时间的间隔时长中的至少一项,确定变更度;
根据所述变更度及匹配参数,对所述类锅具对应的预置信息进行修正。
7.根据权利要求1至4中任一项所述的方法,其特征在于,还包括:
获取多个接触点中的两两接触点间的阻抗;其中,所述多个接触点与所述锅具接触;
根据所述阻抗及基于所述光信号识别出的所述锅具所属类别的识别结果,确定所述锅具所属的最终类别。
8.根据权利要求1至4中任一项所述的方法,其特征在于,确定所述光信号是否为由所述锅具反射回的反射光信号,包括:
采集基座的重量;根据所述重量确定所述基座上放置有锅具时,确定所述光信号为由锅具反射回的反射光信号;或者
采集基座内的谐振电路工作的状态数据;基于所述状态数据确定所述基座上放置有锅具时,确定所述光信号为由锅具反射回的反射光信号。
9.根据权利要求8所述的方法,其特征在于,所述光信号为反射光信号时,所述光信号具体为由所述锅具上的标记件反射回的反射光信号。
10.一种智能烹饪设备,其特征在于,包括:
锅具;
基座,其上设置有光接收器,用于接收光信号;
处理器,与所述光接收器电连接,用于通过所述光接收器获取光信号;确定所述光信号是否为由所述锅具反射回的反射光信号;所述光信号为反射光信号时,基于所述光信号识别所述锅具所属的类别。
11.根据权利要求10所述的智能烹饪设备,其特征在于,所述基座上还设置有多个接触点,所述多个接触点与所述锅具接触;以及
所述处理器,还用于获多个接触点中的两两接触点间的阻抗;根据所述阻抗及基于所述光信号识别出的所述锅具所属类别的识别结果,确定所述锅具所属的最终类别。
12.根据权利要求10或11所述的智能烹饪设备,其特征在于,所述锅具上设置有标记件;
所述基座上还设置有光发射器;
所述反射光信号为所述光发射器发出的检测光信号经所述标记件反射回的信号。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111275327.6A CN113983503A (zh) | 2021-10-29 | 2021-10-29 | 锅具类别识别方法及智能烹饪设备 |
PCT/CN2022/125254 WO2023071824A1 (zh) | 2021-10-29 | 2022-10-14 | 锅盖控制方法和智能烹饪设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111275327.6A CN113983503A (zh) | 2021-10-29 | 2021-10-29 | 锅具类别识别方法及智能烹饪设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113983503A true CN113983503A (zh) | 2022-01-28 |
Family
ID=79744682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111275327.6A Pending CN113983503A (zh) | 2021-10-29 | 2021-10-29 | 锅具类别识别方法及智能烹饪设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113983503A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207561727U (zh) * | 2017-05-05 | 2018-07-03 | 浙江绍兴苏泊尔生活电器有限公司 | 电烹饪锅具 |
CN109870616A (zh) * | 2017-12-05 | 2019-06-11 | 佛山市顺德区美的电热电器制造有限公司 | 取峰值电路、控制电路、烹饪器具及锅具类型的判断方法 |
CN110613309A (zh) * | 2018-06-20 | 2019-12-27 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备的控制方法及控制装置、存储介质及烹饪设备 |
CN110848747A (zh) * | 2018-08-21 | 2020-02-28 | 青岛海尔智能技术研发有限公司 | 燃气灶控制方法及装置、燃气灶、计算机设备、存储介质 |
CN111743381A (zh) * | 2019-03-28 | 2020-10-09 | 佛山市顺德区美的电热电器制造有限公司 | 运行控制方法、装置、烹饪器具和计算机可读存储介质 |
-
2021
- 2021-10-29 CN CN202111275327.6A patent/CN113983503A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207561727U (zh) * | 2017-05-05 | 2018-07-03 | 浙江绍兴苏泊尔生活电器有限公司 | 电烹饪锅具 |
CN109870616A (zh) * | 2017-12-05 | 2019-06-11 | 佛山市顺德区美的电热电器制造有限公司 | 取峰值电路、控制电路、烹饪器具及锅具类型的判断方法 |
CN110613309A (zh) * | 2018-06-20 | 2019-12-27 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪设备的控制方法及控制装置、存储介质及烹饪设备 |
CN110848747A (zh) * | 2018-08-21 | 2020-02-28 | 青岛海尔智能技术研发有限公司 | 燃气灶控制方法及装置、燃气灶、计算机设备、存储介质 |
CN111743381A (zh) * | 2019-03-28 | 2020-10-09 | 佛山市顺德区美的电热电器制造有限公司 | 运行控制方法、装置、烹饪器具和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108174470A (zh) | 一种烹饪设备的控制方法、装置及烹饪设备 | |
CN103874976A (zh) | 电子设备 | |
KR20190057020A (ko) | 요리 시스템용 사용자 인터페이스 | |
CN107367959A (zh) | 智能电饭煲的控制方法及装置 | |
CN108983674B (zh) | 电器的控制方法和装置 | |
CN107713721A (zh) | 一种自动烹饪方法、介质及设备 | |
CN110448250B (zh) | 一种餐具的存取方法及系统 | |
CN109445314A (zh) | 烹饪的方法、烹饪器具、移动终端及计算机存储介质 | |
KR102242648B1 (ko) | 인공지능 복합조리시스템 | |
CN109567557A (zh) | 一种电饭煲的检测方法和装置 | |
CN105534348B (zh) | 智能切菜板 | |
CN107831692B (zh) | 厨具控制方法、装置和电子设备 | |
CN113983503A (zh) | 锅具类别识别方法及智能烹饪设备 | |
CN207198613U (zh) | 烹饪系统 | |
CN111990902A (zh) | 一种烹饪控制方法及装置、电子设备及存储介质 | |
CN108415307B (zh) | 一种烹饪控制方法及装置、烹饪器 | |
CN111237823B (zh) | 一种微波炉的加热控制方法和微波炉 | |
CN111190360A (zh) | 一种智能厨具的控制方法、装置、服务器及存储介质 | |
CN110986105A (zh) | 一种智能灶具的提示方法及具有提示功能的智能灶具 | |
CN109512271A (zh) | 电器设备及其控制方法和装置 | |
CN110250919A (zh) | 烹饪器具的控制方法、装置及烹饪器具 | |
CN112344386B (zh) | 火力调节方法、设备及存储介质 | |
CN210662967U (zh) | 一种电磁炉 | |
KR102567454B1 (ko) | 조리 과정에 대한 타임라인을 결정할 수 있는 전자 장치 | |
CN113310549B (zh) | 锅具液面监控方法、系统及计算机存储介质 |
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 |