CN114399651A - 烹饪过失信息的确定方法及装置、存储介质、电子装置 - Google Patents
烹饪过失信息的确定方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN114399651A CN114399651A CN202210130121.2A CN202210130121A CN114399651A CN 114399651 A CN114399651 A CN 114399651A CN 202210130121 A CN202210130121 A CN 202210130121A CN 114399651 A CN114399651 A CN 114399651A
- Authority
- CN
- China
- Prior art keywords
- target
- cooking
- image
- dish
- information
- 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 318
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000008569 process Effects 0.000 claims description 61
- 238000012790 confirmation Methods 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 17
- 230000009471 action Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 235000009508 confectionery Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 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
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000010794 food waste Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 235000014347 soups Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种烹饪过失信息的确定方法及装置、存储介质、电子装置,上述方法包括:获取目标菜品烹饪完成后的目标图像;通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据;根据特征差异数据,确定目标菜品的烹饪过失信息,解决了现有技术中无法及时准确的对烹饪完成后的目标菜品的失败原因进行评价等问题,进而使得可以对目标菜品存在的烹饪过失信息及时调整,减少目标菜品烹饪失败的原因,大大提升烹饪体验。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种烹饪过失信息的确定方法及装置、存储介质、电子装置。
背景技术
随着科学技术的进步和人工智能的发展,智能算法也越来越多的应用到日常生活中,特别是对于家电而言,其智能化发展是至关重要的,而智能化的最关键问题,就在于智能解决用户的迫切需求。目前家庭用户业余烹饪爱好者群体数量巨大,但是业余下厨烹饪存在专业知识储备不足及无指导者的问题,经常按照网络菜谱或成品图片一阵忙碌,最后成果差强人意却不知道原因,无法精进厨艺,容易造成各种浪费食材和影响用户心情的后果。
此外,大量烹饪经验不足的用户采用网络菜谱进行烹饪菜品,这些菜品可能是用户随机在社交网络看到的菜品照片或随机搜索的菜品,烹饪成果只能通过个人品尝或肉眼观察图片评价菜品是否成功。即使知道失败无法直观获取失败原因,得不到及时的指导意见。
针对相关技术中,无法及时准确的对烹饪完成后的目标菜品的失败原因进行评价等问题,尚未提出有效的技术方案。
发明内容
本发明实施例提供了一种烹饪过失信息的确定方法及装置、存储介质、电子装置,以至少解决相关技术中,无法及时准确的对烹饪完成后的目标菜品的失败原因进行评价等问题。
根据本发明的一个实施例,提供了一种烹饪过失信息的确定方法,包括:获取目标菜品烹饪完成后的目标图像;通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据;根据特征差异数据,确定目标菜品的烹饪过失信息。
在一个示例性实施例中,通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据,包括:对目标图像进行图像检测,确定出目标图像对应的图像类型;根据图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取目标图像与预置标准图像之间的特征差异数据。
在一个示例性实施例中,根据图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取目标图像与预置标准图像之间的特征差异数据,包括:在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在色彩上的变化数据,得到第一特征差异;在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在形状上的变化数据,得到第二特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定目标图像存在的第一动作与目标标准图像中存在的第二动作的变化数据,得到第三特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定相邻的两个目标图像的时间间隔与相邻的两个目标标准图像对应时间间隔的变化数据,得到第四特征差异;汇总第一特征差异、第二特征差异、第三特征差异以及第四差异,确定出目标图像与预置标准图像之间的特征差异数据。
在一个示例性实施例中,根据特征差异数据,确定目标菜品的烹饪过失信息,包括:统计特征差异数据,将特征差异数据依据差异类别划分为多个过失类型;其中,差异类别包括以下至少之一:目标菜品的烹饪过程差异、目标菜品的烹饪结果差异、目标菜品的烹饪材料配置差异;将多个过失类型反馈至烹饪目标菜品的目标对象,获取目标对象对于多个过失类型的确认结果;其中,确认结果用于指示目标对象针对每一个过失类型反馈的评价信息;基于确认结果确定出目标菜品的烹饪过失信息。
在一个示例性实施例中,基于确认结果确定出目标菜品的烹饪过失信息,包括:确定多个过失类型对目标菜品的影响等级;通过影响等级以及确认结果,确定出多个过失类型中的每一个过失类型对于目标菜品烹饪合格的影响概率;选择影响概率大于预设概率的多个目标过失类型,以确定出目标菜品的烹饪过失信息。
在一个示例性实施例中,根据特征差异数据,确定目标菜品的烹饪过失信息之后,上述方法还包括:确定烹饪目标菜品的目标对象对应的烹饪等级;其中,烹饪等级用于指示目标对象对于目标菜品烹饪的熟练度;在烹饪等级小于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度低,将目标菜品的指示信息向目标对象进行推送,其中,指示信息包括目标菜品的烹饪视频和/或目标菜品的烹饪流程描述;在烹饪等级大于以及等于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度高,将目标菜品的推荐信息向目标对象进行推送;其中,推荐信息包括目标菜品的烹饪注意事项和/或与目标菜品烹饪流程相同的其他菜品的菜谱信息。
在一个示例性实施例中,获取目标菜品烹饪完成后的目标图像,包括:接收目标对象发送的识别指令;其中,识别指令用于指示目标对象需要获取已完成的目标菜品的烹饪过失信息;根据识别指令开启对目标对象绑定的图像拍摄设备中图像信息的识别;从图像信息中获取目标菜品的目标图像;其中,目标图像至少包括目标菜品在烹饪完成后的正面图像。
根据本发明的另一个实施例,提供了一种烹饪过失信息的确定装置,包括:获取模块,用于获取目标菜品烹饪完成后的目标图像;比较模块,用于通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;信息模块,用于根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
在一个示例性实施例中,上述比较模块,还用于对目标图像进行图像检测,确定出目标图像对应的图像类型;根据图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取目标图像与预置标准图像之间的特征差异数据。
在一个示例性实施例中,上述比较模块,还用于在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在色彩上的变化数据,得到第一特征差异;在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在形状上的变化数据,得到第二特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定目标图像存在的第一动作与目标标准图像中存在的第二动作的变化数据,得到第三特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定相邻的两个目标图像的时间间隔与相邻的两个目标标准图像对应时间间隔的变化数据,得到第四特征差异;汇总第一特征差异、第二特征差异、第三特征差异以及第四差异,确定出目标图像与预置标准图像之间的特征差异数据。
在一个示例性实施例中,上述信息模块,还用于统计特征差异数据,将特征差异数据依据差异类别划分为多个过失类型;其中,差异类别包括以下至少之一:目标菜品的烹饪过程差异、目标菜品的烹饪结果差异、目标菜品的烹饪材料配置差异;将多个过失类型反馈至烹饪目标菜品的目标对象,获取目标对象对于多个过失类型的确认结果;其中,确认结果用于指示目标对象针对每一个过失类型反馈的评价信息;基于确认结果确定出目标菜品的烹饪过失信息。
在一个示例性实施例中,上述信息模块,还用于确定多个过失类型对目标菜品的影响等级;通过影响等级以及确认结果,确定出多个过失类型中的每一个过失类型对于目标菜品烹饪合格的影响概率;选择影响概率大于预设概率的多个目标过失类型,以确定出目标菜品的烹饪过失信息。
在一个示例性实施例中,上述装置还包括:推送模块,用于确定烹饪目标菜品的目标对象对应的烹饪等级;其中,烹饪等级用于指示目标对象对于目标菜品烹饪的熟练度;在烹饪等级小于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度低,将目标菜品的指示信息向目标对象进行推送,其中,指示信息包括目标菜品的烹饪视频和/或目标菜品的烹饪流程描述;在烹饪等级大于以及等于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度高,将目标菜品的推荐信息向目标对象进行推送;其中,推荐信息包括目标菜品的烹饪注意事项和/或与目标菜品烹饪流程相同的其他菜品的菜谱信息。
在一个示例性实施例中,上述获取模块,还用于接收目标对象发送的识别指令;其中,识别指令用于指示目标对象需要获取已完成的目标菜品的烹饪过失信息;根据识别指令开启对目标对象绑定的图像拍摄设备中图像信息的识别;从图像信息中获取目标菜品的目标图像;其中,目标图像至少包括目标菜品在烹饪完成后的正面图像。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,获取目标菜品烹饪完成后的目标图像;通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据;根据特征差异数据,确定目标菜品的烹饪过失信息,即通过确定目标对象当前烹饪的目标菜品的目标图像与目标菜品的预置标准图像之间存在的特征差异数据,进而确定出目标对象当前烹饪的目标菜品的烹饪过失信息,进而可以通过烹饪过失信息为目标对象改进目标菜品的烹饪过程提供参考,最终提升目标对象对于目标菜品的烹饪熟练度,使得目标菜品的烹饪过程越来越趋于预置标准图像,因此,可以解决现有技术中无法及时准确的对烹饪完成后的目标菜品的失败原因进行评价等问题,进而使得可以对目标菜品存在的烹饪过失信息及时调整,减少目标菜品烹饪失败的原因,大大提升烹饪体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种烹饪过失信息的确定方法的物联网云端的硬件结构框图;
图2是根据本发明实施例的烹饪过失信息的确定方法的流程图;
图3是本发明可选实施例的基于图像分类识别算法的菜品烹饪成果评价系统的结构示意图;
图4是本发明可选实施例的成果分类识别算法模块输出示例(以糖醋排骨为例);
图5是根据本发明实施例的烹饪过失信息的确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在计算机终端或者设备终端类似的运算装置中执行。以运行在物联网云端上为例,图1是本发明实施例的一种烹饪过失信息的确定方法的物联网云端的硬件结构框图。如图1所示,物联网云端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,在一个示例性实施例中,上述物联网云端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述物联网云端的结构造成限定。例如,物联网云端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示等同功能或比图1所示功能更多的不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的烹饪过失信息的确定方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至物联网云端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括物联网云端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种烹饪过失信息的确定方法,图2是根据本发明实施例的烹饪过失信息的确定方法的流程图,该流程包括如下步骤:
步骤S202,获取目标菜品烹饪完成后的目标图像;
需要说明的是,为了提升目标对象对于目标菜品展示效果的把握,上述目标图像还可以是目标菜品的3D立体图,使得目标对象可以对目标菜品进行展示形象上的提升,此外,当目标菜品具有多张目标图像时,可以对多张目标图像进行图像融合,提升目标菜品对应目标图像的清晰度,使得在进行目标菜品的图像比较时,更加贴合实际情况。并且上述目标图像不仅仅是目标菜品烹饪完成后的图像,还可以是目标菜品在烹饪过程的图像,即对目标菜品的烹饪流程进行记录的图像。
步骤S204,通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;
可选的,上述特征差异数据是用于指示目标菜品对应的目标图像与目标菜品的预置标准图像在色泽、形状等菜品特征上的差异,继而将目标对象对目标菜品的烹饪结果标准化,使得目标对象通过多次实践也可以做出趋近与标准图像的目标菜品。
步骤S206,根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
需要说明的是,烹饪过失信息还包括烹饪的控制过程,以及辅料量,烹饪顺序,每一烹饪步骤的时长等信息。
通过上述步骤,获取目标菜品烹饪完成后的目标图像;通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据;根据特征差异数据,确定目标菜品的烹饪过失信息,即通过确定目标对象当前烹饪的目标菜品的目标图像与目标菜品的预置标准图像之间存在的特征差异数据,进而确定出目标对象当前烹饪的目标菜品的烹饪过失信息,进而可以通过烹饪过失信息为目标对象改进目标菜品的烹饪过程提供参考,最终提升目标对象对于目标菜品的烹饪熟练度,使得目标菜品的烹饪过程越来越趋于预置标准图像,因此,可以解决现有技术中无法及时准确的对烹饪完成后的目标菜品的失败原因进行评价等问题,进而使得可以对目标菜品存在的烹饪过失信息及时调整,减少目标菜品烹饪失败的原因,大大提升烹饪体验。
在一个示例性实施例中,通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据,包括:对目标图像进行图像检测,确定出目标图像对应的图像类型;根据图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取目标图像与预置标准图像之间的特征差异数据。
可选的,由于目标图像可能包含目标菜品在烹饪完成前的所有图像,这些图像的图像类型多种多样,例如,目标菜品的材料配置图像、目标菜品的制作图像、目标菜品的成品图像,因此,在确定特征差异数据时,需要根据不同的图像类型确定对应的特征差异,以保证确定出的目标图像与预置标准图像之间的特征差异数据具有较高的置信度,提升了对于特征差异的识别效率。
在一个示例性实施例中,根据图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取目标图像与预置标准图像之间的特征差异数据,包括:在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在色彩上的变化数据,得到第一特征差异;在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在形状上的变化数据,得到第二特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定目标图像存在的第一动作与目标标准图像中存在的第二动作的变化数据,得到第三特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定相邻的两个目标图像的时间间隔与相邻的两个目标标准图像对应时间间隔的变化数据,得到第四特征差异;汇总第一特征差异、第二特征差异、第三特征差异以及第四差异,确定出目标图像与预置标准图像之间的特征差异数据。
也就是说,在确定目标图像与目标菜品的预置标准图像的特征差异,该特征差异可以是烹饪目标菜品的流程次序变更,或者是烹饪条件的调整,烹饪条件可以是火候、烹饪时间等,影响烹饪结果的信息,也可以是烹饪目标菜品之前,目标菜品需要的主材料以及辅助材料对应的图像差异,从而识别出目标菜品的烹饪材料是否存在异常,或者是烹饪目标菜品之后,通过目标菜品的色泽信息、形状信息、图像信息预计出的目标菜品在烹饪过程中可能出现的问题,当目标对象再次烹饪目标菜品时可以结合该特征差异数据有针对性的调整目标菜品的烹饪过程。
在一个示例性实施例中,根据特征差异数据,确定目标菜品的烹饪过失信息,包括:统计特征差异数据,将特征差异数据依据差异类别划分为多个过失类型;其中,差异类别包括以下至少之一:目标菜品的烹饪过程差异、目标菜品的烹饪结果差异、目标菜品的烹饪材料配置差异;将多个过失类型反馈至烹饪目标菜品的目标对象,获取目标对象对于多个过失类型的确认结果;其中,确认结果用于指示目标对象针对每一个过失类型反馈的评价信息;基于确认结果确定出目标菜品的烹饪过失信息。
简单来说,由于不同的目标对象与目标菜品烹饪流程中出现的烹饪过失信息的关注点不同,因此,通过获取目标对象对于多个过失类型的确认结果,进而可以确定出属于当前目标对象对应个性化的烹饪过失信息,重点提升目标对象当前需要提升的烹饪过失信息,对于可以接受的轻微烹饪过失信息进行忽略,保证目标菜品的烹饪过失信息的实用性,使得目标对象可以在此基础上快速提升对于目标菜品的烹饪熟练度。
也就是说,在确定目标菜品的目标图像与目标菜品的预置标准图像的特征差异之后,为了确定目标对象对于特征差异中的重点关注信息,通过获取目标对象对于目标图像对应特征差异的确定结果以及目标对象主动编辑的评价信息,利用确定结果和评价信息可以快速识别出目标对象对于目标菜品的烹饪过程的关注点,例如,当目标对象觉得确定出的特征差异存在异常的情况下,可以指示从新确定特征差异,以及目标对象在烹饪目标菜品后,还可以将失败原因附上进行目标菜品的烹饪总结,进而从中可以提取出目标对象可以快速改进的烹饪技术点以及目标对象想优先改进的关注点,并通过指示方式的数据库或者大数据获取与关注点匹配的指示信息。
在一个示例性实施例中,基于确认结果确定出目标菜品的烹饪过失信息,包括:确定多个过失类型对目标菜品的影响等级;通过影响等级以及确认结果,确定出多个过失类型中的每一个过失类型对于目标菜品烹饪合格的影响概率;选择影响概率大于预设概率的多个目标过失类型,以确定出目标菜品的烹饪过失信息。
在一个示例性实施例中,根据特征差异数据,确定目标菜品的烹饪过失信息之后,上述方法还包括:确定烹饪目标菜品的目标对象对应的烹饪等级;其中,烹饪等级用于指示目标对象对于目标菜品烹饪的熟练度;在烹饪等级小于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度低,将目标菜品的指示信息向目标对象进行推送,其中,指示信息包括目标菜品的烹饪视频和/或目标菜品的烹饪流程描述;在烹饪等级大于以及等于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度高,将目标菜品的推荐信息向目标对象进行推送;其中,推荐信息包括目标菜品的烹饪注意事项和/或与目标菜品烹饪流程相同的其他菜品的菜谱信息。
简单来说,由于不同的目标对象对于目标菜品的烹饪流程掌握的熟练度不同,因此,需要根据目标对象对应的烹饪等级发送改进烹饪流程的指示信息,以避免向熟练度较高的目标对象发送过多的基础信息,使得在向对应的目标对象推送信息时,推送效果更好。
即,可以通过预设等级对目标对象进行烹饪流程新手与烹饪流程老手的划分,继而向烹饪流程新手推送直观的目标菜品的视频和/或目标菜品的烹饪流程,使得目标对象在获取到对应的指示信息后,可以对目标菜品的烹饪流程进行完整的了解,逐步进行解析;而对于烹饪流程老手,其具有一定的烹饪基础,向其推送目标菜品的烹饪注意事项,以提升该目标对象对于目标菜品烹饪细节的控制,快速提升目标对象对于目标菜品烹饪的熟练度,由于单一的目标菜品的烹饪影响目标对象的烹饪体验,还以将与目标菜品烹饪流程相同的其他菜品推送给目标对象进行烹饪练习,使得目标对象可以快速掌握相同烹饪流程其他菜品的制作。
在一个示例性实施例中,上述方法还包括:获取目标对象对于指示信息和/或推荐信息的学习结果;在学习结果指示目标对象已完成的情况下,结束向目标对象推送信息,并生成目标对象的推送记录。
可以理解的是,为了保证目标对象对于目标菜品对应推送信息的学习结果以及对于推送信息的重复有效学习,获取目标对象对于推送信息的学习结果;在学习结果指示目标对象已完成的情况下,结束向目标对象推送信息,并生成目标对象的推送记录,通过推送记录对目标对象的烹饪进阶路程进行记录,并且可以对之前学习过的推送信息进行及时查找,保证学习效果。
在一个示例性实施例中,获取目标菜品烹饪完成后的目标图像,包括:接收目标对象发送的识别指令;其中,识别指令用于指示目标对象需要获取已完成的目标菜品的烹饪过失信息;根据识别指令开启对目标对象绑定的图像拍摄设备中图像信息的识别;从图像信息中获取目标菜品的目标图像;其中,目标图像至少包括目标菜品在烹饪完成后的正面图像。
可选的,为了保护目标对象的隐私,在目标菜品完成后,在接收到目标对象发送的识别指令的情况下,才会主动获取目标对象在烹饪目标菜品时通过不同的图像拍摄设备采集的目标图像,并根据图像的采集时间,确定不同目标图像之间的先后次序,并且为了更好的确定目标菜品的预置标准图像,需要通过目标菜品在烹饪完成后的正面图像进行目标菜品的识别,使得确定出的用于比较的目标菜品的预置标准图像具有较高的准确性。
为了更好的理解上述烹饪过失信息的确定方法的过程,以下结合两个可选实施例对上述烹饪过失信息的确定方法流程进行说明。
本发明可选实施例中,主要提供了一种基于图像识别的烹饪成果点评分析系统,通过在网络菜谱的平台提供收集用户作品的入口,积累大量的用户数据,并将用户反馈进行烹饪成果等级分组作为图像分类识别算法训练集,进而训练出能够通过菜品照片识别菜品烹饪成果等级的算法模型,并且随着用户数据的积累,识别准确率越来越高,烹饪评价准确率也越来越高。进一步,为识别结果匹配对应的指导意见(相当于本发明实施例中的指示信息),实现用户及时查找烹饪指导意见,厨艺得以精进,有效提升用户体验,采用人工智能的方式通过用户上传一张烹饪成果图片输出烹饪成果的评价结果及失败原因分析。
作为一种可选的实施方式,图3是本发明可选实施例的基于图像分类识别算法的菜品烹饪成果评价系统的结构示意图,上述菜品烹饪成果评价系统包括以下模块;菜品图像采集模块32、菜品分类识别算法模块34和评价反馈模块36;其中,菜品图像采集模块32对目标菜品对应的烹饪成果正面拍照。菜品分类识别算法模块34用于输入菜品正面图片,输出为图像识别结果及原因分析或相关建议,评价反馈模块36用于收集用户对识别结果反馈及矫正建议。
可选的,图4是本发明可选实施例的成果分类识别算法模块输出示例(以糖醋排骨为例),具体包含以下步骤:
步骤一、用户烹饪完成对成果菜品正面拍照,将图像数据输入图像分类识别算法模块,识别成果菜品评价类别。
例如,图4中的a示例为菜品糖醋排骨对应的标准图像(相当于本发明实施例中烹饪完成后的预置标准图像),表示菜品制作成功;图4中的b示例为菜品对应的第一等级图像,与标准图像形状相似,但色泽较深,表示菜品制作完成的实物图像(相当于本发明实施例中烹饪完成后的目标图像)火大了;图4中的c示例为菜品对应的第二等级图像,与标准图像形状相似,但汤汁较多,色泽偏亮,表示菜品制作完成的实物图像糖放多了;图4中的d示例为菜品对应的第三等级图像,与标准图像形状相似,但是缺少辅料,图4中的e示例为菜品对应的第四等级图像,与标准图像形状不相似,表示制作失败,可能原因,生抽太多。
步骤二、用户对识别结果反馈建议,比如正确或不正确,可手动编辑失败原因。
步骤三、识别分类算法模块结合平台收集的用户数据,进行数据增强训练,算法准确率提升或类别增加。
需要说明的是,通过菜谱平台收集大量用户数据训练图像分类识别算法,烹饪菜品成果进行识别,映射相关建议一起输出,作为点评结果。用户对识别结果进行反馈或矫正,帮助算法数据增强学习。即根据图像识别方法对用户烹饪菜品成果是否成功或失败原因进行识别和同时根据用户不断反馈增强优化算法,不断提升算法准确率,从而提高用户烹饪体验,同时通过识别结果可以匹配对应得指导意见。实现用户及时查找烹饪指导意见,厨艺得以精进,有效提升用户体验。
综上,通过本发明可选实施例,通过确定目标对象当前烹饪的目标菜品的实物图像与目标菜品的标准图像的特征差异,进而确定出目标对象当前烹饪的目标菜品的改进方向,并且结合相关数据库中的目标菜品对应标准图像的烹饪流程信息,向目标对象发送对应的指示信息,指示目标对象在烹饪目标菜品时注意操作,最终提升目标对象对于目标菜品的烹饪熟练度,使得目标菜品的实物图像越来越趋于标准图像,因此,可以解决现有技术中无法及时准确的对目标对象烹饪的菜品进行评价以及改进等问题,进而使得目标对象及时调整对于目标菜品烹饪失败的原因,大大提升目标对象的烹饪体验。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种烹饪过失信息的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的烹饪过失信息的确定装置的结构框图,如图5所示,该装置包括:
(1)获取模块52,用于获取目标菜品烹饪完成后的目标图像;
(2)比较模块54,用于通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;
(3)信息模块56,用于根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
通过上述装置,获取目标菜品烹饪完成后的目标图像;通过比较目标图像与目标菜品的预置标准图像,获取特征差异数据;根据特征差异数据,确定目标菜品的烹饪过失信息,即通过确定目标对象当前烹饪的目标菜品的目标图像与目标菜品的预置标准图像之间存在的特征差异数据,进而确定出目标对象当前烹饪的目标菜品的烹饪过失信息,进而可以通过烹饪过失信息为目标对象改进目标菜品的烹饪过程提供参考,最终提升目标对象对于目标菜品的烹饪熟练度,使得目标菜品的烹饪过程越来越趋于预置标准图像,因此,可以解决现有技术中无法及时准确的对烹饪完成后的目标菜品的失败原因进行评价等问题,进而使得可以对目标菜品存在的烹饪过失信息及时调整,减少目标菜品烹饪失败的原因,大大提升烹饪体验。
在一个示例性实施例中,上述比较模块,还用于对目标图像进行图像检测,确定出目标图像对应的图像类型;根据图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取目标图像与预置标准图像之间的特征差异数据。可选的,由于目标图像可能包含目标菜品在烹饪完成前的所有图像,这些图像的图像类型多种多样,例如,目标菜品的材料配置图像、目标菜品的制作图像、目标菜品的成品图像,因此,在确定特征差异数据时,需要根据不同的图像类型确定对应的特征差异,以保证确定出的目标图像与预置标准图像之间的特征差异数据具有较高的置信度,提升了对于特征差异的识别效率。
在一个示例性实施例中,上述比较模块,还用于在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在色彩上的变化数据,得到第一特征差异;在目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较目标图像与目标标准图像在形状上的变化数据,得到第二特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定目标图像存在的第一动作与目标标准图像中存在的第二动作的变化数据,得到第三特征差异;在目标图像为烹饪过程对应的图像类型情况下,确定相邻的两个目标图像的时间间隔与相邻的两个目标标准图像对应时间间隔的变化数据,得到第四特征差异;汇总第一特征差异、第二特征差异、第三特征差异以及第四差异,确定出目标图像与预置标准图像之间的特征差异数据。
也就是说,在确定目标图像与目标菜品的预置标准图像的特征差异,该特征差异可以是烹饪目标菜品的流程次序变更,或者是烹饪条件的调整,烹饪条件可以是火候、烹饪时间等,影响烹饪结果的信息,也可以是烹饪目标菜品之前,目标菜品需要的主材料以及辅助材料对应的图像差异,从而识别出目标菜品的烹饪材料是否存在异常,或者是烹饪目标菜品之后,通过目标菜品的色泽信息、形状信息、图像信息预计出的目标菜品在烹饪过程中可能出现的问题,当目标对象再次烹饪目标菜品时可以结合该特征差异数据有针对性的调整目标菜品的烹饪过程。
在一个示例性实施例中,上述信息模块,还用于统计特征差异数据,将特征差异数据依据差异类别划分为多个过失类型;其中,差异类别包括以下至少之一:目标菜品的烹饪过程差异、目标菜品的烹饪结果差异、目标菜品的烹饪材料配置差异;将多个过失类型反馈至烹饪目标菜品的目标对象,获取目标对象对于多个过失类型的确认结果;其中,确认结果用于指示目标对象针对每一个过失类型反馈的评价信息;基于确认结果确定出目标菜品的烹饪过失信息。
简单来说,由于不同的目标对象与目标菜品烹饪流程中出现的烹饪过失信息的关注点不同,因此,通过获取目标对象对于多个过失类型的确认结果,进而可以确定出属于当前目标对象对应个性化的烹饪过失信息,重点提升目标对象当前需要提升的烹饪过失信息,对于可以接受的轻微烹饪过失信息进行忽略,保证目标菜品的烹饪过失信息的实用性,使得目标对象可以在此基础上快速提升对于目标菜品的烹饪熟练度。
也就是说,在确定目标菜品的目标图像与目标菜品的预置标准图像的特征差异之后,为了确定目标对象对于特征差异中的重点关注信息,通过获取目标对象对于目标图像对应特征差异的确定结果以及目标对象主动编辑的评价信息,利用确定结果和评价信息可以快速识别出目标对象对于目标菜品的烹饪过程的关注点,例如,当目标对象觉得确定出的特征差异存在异常的情况下,可以指示从新确定特征差异,以及目标对象在烹饪目标菜品后,还可以将失败原因附上进行目标菜品的烹饪总结,进而从中可以提取出目标对象可以快速改进的烹饪技术点以及目标对象想优先改进的关注点,并通过指示方式的数据库或者大数据获取与关注点匹配的指示信息。
在一个示例性实施例中,上述信息模块,还用于确定多个过失类型对目标菜品的影响等级;通过影响等级以及确认结果,确定出多个过失类型中的每一个过失类型对于目标菜品烹饪合格的影响概率;选择影响概率大于预设概率的多个目标过失类型,以确定出目标菜品的烹饪过失信息。
在一个示例性实施例中,上述装置还包括:推送模块,用于确定烹饪目标菜品的目标对象对应的烹饪等级;其中,烹饪等级用于指示目标对象对于目标菜品烹饪的熟练度;在烹饪等级小于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度低,将目标菜品的指示信息向目标对象进行推送,其中,指示信息包括目标菜品的烹饪视频和/或目标菜品的烹饪流程描述;在烹饪等级大于以及等于预设等级的情况下,确定目标对象对于目标菜品烹饪的熟练度高,将目标菜品的推荐信息向目标对象进行推送;其中,推荐信息包括目标菜品的烹饪注意事项和/或与目标菜品烹饪流程相同的其他菜品的菜谱信息。
简单来说,由于不同的目标对象对于目标菜品的烹饪流程掌握的熟练度不同,因此,需要根据目标对象对应的烹饪等级发送改进烹饪流程的指示信息,以避免向熟练度较高的目标对象发送过多的基础信息,使得在向对应的目标对象推送信息时,推送效果更好。
即,可以通过预设等级对目标对象进行烹饪流程新手与烹饪流程老手的划分,继而向烹饪流程新手推送直观的目标菜品的视频和/或目标菜品的烹饪流程,使得目标对象在获取到对应的指示信息后,可以对目标菜品的烹饪流程进行完整的了解,逐步进行解析;而对于烹饪流程老手,其具有一定的烹饪基础,向其推送目标菜品的烹饪注意事项,以提升该目标对象对于目标菜品烹饪细节的控制,快速提升目标对象对于目标菜品烹饪的熟练度,由于单一的目标菜品的烹饪影响目标对象的烹饪体验,还以将与目标菜品烹饪流程相同的其他菜品推送给目标对象进行烹饪练习,使得目标对象可以快速掌握相同烹饪流程其他菜品的制作。
在一个示例性实施例中,上述获取模块,还用于接收目标对象发送的识别指令;其中,识别指令用于指示目标对象需要获取已完成的目标菜品的烹饪过失信息;根据识别指令开启对目标对象绑定的图像拍摄设备中图像信息的识别;从图像信息中获取目标菜品的目标图像;其中,目标图像至少包括目标菜品在烹饪完成后的正面图像。
可选的,为了保护目标对象的隐私,在目标菜品完成后,在接收到目标对象发送的识别指令的情况下,才会主动获取目标对象在烹饪目标菜品时通过不同的图像拍摄设备采集的目标图像,并根据图像的采集时间,确定不同目标图像之间的先后次序,并且为了更好的确定目标菜品的预置标准图像,需要通过目标菜品在烹饪完成后的正面图像进行目标菜品的识别,使得确定出的用于比较的目标菜品的预置标准图像具有较高的准确性。
在本发明的描述中,需要理解的是,术语中“中心”、“上”、“下”、“前”、“后”、“左”、“右”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组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”、“连接”、“相连”应做广义理解,例如,可以是固定连接,也可以是拆卸连接,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,也可以是通过中间媒介间接相连,可以是两个组件内部的连通。当组件被称为“固定于”或“设置于”另一个元件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。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的具体含义。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取目标菜品烹饪完成后的目标图像;
S2,通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;
S3,根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
在一个示例性实施例中,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
在一个示例性实施例中,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取目标菜品烹饪完成后的目标图像;
S2,通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;
S3,根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
在一个示例性实施例中,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,在一个示例性实施例中,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别烹饪成各个集成电路模块,或者将它们中的多个模块或步骤烹饪成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种烹饪过失信息的确定方法,其特征在于,包括:
获取目标菜品烹饪完成后的目标图像;
通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;
根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
2.根据权利要求1所述烹饪过失信息的确定方法,其特征在于,通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据,包括:
对所述目标图像进行图像检测,确定出所述目标图像对应的图像类型;
根据所述图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取所述目标图像与所述预置标准图像之间的特征差异数据。
3.根据权利要求2所述烹饪过失信息的确定方法,其特征在于,根据所述图像类型从目标菜品的预置标准图像中匹配对应的目标标准图像进行比较,以获取所述目标图像与所述预置标准图像之间的特征差异数据,包括:
在所述目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较所述目标图像与所述目标标准图像在色彩上的变化数据,得到第一特征差异;
在所述目标图像为烹饪结果或烹饪材料配置对应的图像类型情况下,比较所述目标图像与所述目标标准图像在形状上的变化数据,得到第二特征差异;
在所述目标图像为烹饪过程对应的图像类型情况下,确定所述目标图像存在的第一动作与所述目标标准图像中存在的第二动作的变化数据,得到第三特征差异;
在所述目标图像为烹饪过程对应的图像类型情况下,确定相邻的两个所述目标图像的时间间隔与相邻的两个所述目标标准图像对应时间间隔的变化数据,得到第四特征差异;
汇总所述第一特征差异、所述第二特征差异、第三特征差异以及第四差异,确定出所述目标图像与所述预置标准图像之间的特征差异数据。
4.根据权利要求1所述烹饪过失信息的确定方法,其特征在于,根据所述特征差异数据,确定所述目标菜品的烹饪过失信息,包括:
统计所述特征差异数据,将所述特征差异数据依据差异类别划分为多个过失类型;其中,所述差异类别包括以下至少之一:目标菜品的烹饪过程差异、目标菜品的烹饪结果差异、目标菜品的烹饪材料配置差异;
将所述多个过失类型反馈至烹饪所述目标菜品的目标对象,获取所述目标对象对于所述多个过失类型的确认结果;其中,所述确认结果用于指示目标对象针对每一个过失类型反馈的评价信息;
基于所述确认结果确定出所述目标菜品的烹饪过失信息。
5.根据权利要求4所述烹饪过失信息的确定方法,其特征在于,基于所述确认结果确定出所述目标菜品的烹饪过失信息,包括:
确定所述多个过失类型对所述目标菜品的影响等级;
通过所述影响等级以及所述确认结果,确定出所述多个过失类型中的每一个过失类型对于目标菜品烹饪合格的影响概率;
选择所述影响概率大于预设概率的多个目标过失类型,以确定出所述目标菜品的烹饪过失信息。
6.根据权利要求1所述烹饪过失信息的确定方法,其特征在于,根据所述特征差异数据,确定所述目标菜品的烹饪过失信息之后,所述方法还包括:
确定烹饪所述目标菜品的目标对象对应的烹饪等级;其中,所述烹饪等级用于指示目标对象对于目标菜品烹饪的熟练度;
在所述烹饪等级小于预设等级的情况下,确定所述目标对象对于目标菜品烹饪的熟练度低,将所述目标菜品的指示信息向所述目标对象进行推送,其中,所述指示信息包括所述目标菜品的烹饪视频和/或所述目标菜品的烹饪流程描述;
在所述烹饪等级大于以及等于预设等级的情况下,确定所述目标对象对于目标菜品烹饪的熟练度高,将所述目标菜品的推荐信息向所述目标对象进行推送;其中,所述推荐信息包括所述目标菜品的烹饪注意事项和/或与所述目标菜品烹饪流程相同的其他菜品的菜谱信息。
7.根据权利要求1所述烹饪过失信息的确定方法,其特征在于,获取目标菜品烹饪完成后的目标图像,包括:
接收目标对象发送的识别指令;其中,所述识别指令用于指示目标对象需要获取已完成的目标菜品的烹饪过失信息;
根据所述识别指令开启对所述目标对象绑定的图像拍摄设备中图像信息的识别;
从所述图像信息中获取所述目标菜品的目标图像;其中,所述目标图像至少包括所述目标菜品在烹饪完成后的正面图像。
8.一种烹饪过失信息的确定装置,其特征在于,包括:
获取模块,用于获取目标菜品烹饪完成后的目标图像;
比较模块,用于通过比较所述目标图像与所述目标菜品的预置标准图像,获取特征差异数据;
信息模块,用于根据所述特征差异数据,确定所述目标菜品的烹饪过失信息。
9.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210130121.2A CN114399651A (zh) | 2022-02-11 | 2022-02-11 | 烹饪过失信息的确定方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210130121.2A CN114399651A (zh) | 2022-02-11 | 2022-02-11 | 烹饪过失信息的确定方法及装置、存储介质、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114399651A true CN114399651A (zh) | 2022-04-26 |
Family
ID=81234811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210130121.2A Pending CN114399651A (zh) | 2022-02-11 | 2022-02-11 | 烹饪过失信息的确定方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114399651A (zh) |
-
2022
- 2022-02-11 CN CN202210130121.2A patent/CN114399651A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105953520B (zh) | 智能冰箱控制方法及其控制系统 | |
CN107863138B (zh) | 菜谱生成装置和方法 | |
CN108512670B (zh) | 一种群组创建的方法及其终端 | |
US9679259B1 (en) | Systems and methods for training and employing a machine learning system in evaluating entity pairs | |
CN109784381A (zh) | 标注信息处理方法、装置及电子设备 | |
CN110781805B (zh) | 一种目标物体检测方法、装置、计算设备和介质 | |
CN109800320A (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
CN109948395A (zh) | 基于无人机的动物识别及数量统计方法与无人机 | |
CN110569759B (zh) | 一种获取个体进食数据的方法、系统、服务端及前端 | |
JP7380567B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
US11881023B2 (en) | Method and system for generating video | |
CN109166614A (zh) | 一种推荐个人健康菜谱的系统及方法 | |
CN112817237A (zh) | 一种烹饪控制方法、装置、设备及存储介质 | |
CN111915020A (zh) | 检测模型的更新方法、装置及存储介质 | |
CN111213900B (zh) | 烟叶烘烤智能图像分析自动控制系统及方法 | |
CN111444075B (zh) | 一种自动发现关键影响力指标的方法 | |
CN113591576A (zh) | 食材信息的检测方法和装置、存储介质及电子装置 | |
CN115203393A (zh) | 一种对话应答方法及其系统、电子设备、存储介质 | |
CN114266959A (zh) | 食材的烹饪方法及装置、存储介质、电子装置 | |
CN113009839B (zh) | 场景推荐方法和装置、存储介质及电子设备 | |
CN114399651A (zh) | 烹饪过失信息的确定方法及装置、存储介质、电子装置 | |
CN112420162A (zh) | 食谱的智能化推荐方法及装置、智能橱柜 | |
CN111046293B (zh) | 一种根据测评结果推荐内容的方法及其系统 | |
CN110472537B (zh) | 一种自适应识别方法、装置、设备及介质 | |
CN111611973A (zh) | 目标用户识别的方法、装置及存储介质 |
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 |