CN114486886A - 食物检测方法、装置、存储介质及电子设备 - Google Patents
食物检测方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114486886A CN114486886A CN202210014551.8A CN202210014551A CN114486886A CN 114486886 A CN114486886 A CN 114486886A CN 202210014551 A CN202210014551 A CN 202210014551A CN 114486886 A CN114486886 A CN 114486886A
- Authority
- CN
- China
- Prior art keywords
- food
- deteriorated
- cooking
- gas
- user
- 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
- 235000013305 food Nutrition 0.000 title claims abstract description 389
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000010411 cooking Methods 0.000 claims abstract description 102
- 239000000463 material Substances 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000036541 health Effects 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 5
- 239000007789 gas Substances 0.000 description 56
- 241000209094 Oryza Species 0.000 description 8
- 235000007164 Oryza sativa Nutrition 0.000 description 8
- 235000009566 rice Nutrition 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 4
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 3
- ZMANZCXQSJIPKH-UHFFFAOYSA-N Triethylamine Chemical compound CCN(CC)CC ZMANZCXQSJIPKH-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 235000014347 soups Nutrition 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- 239000004475 Arginine Substances 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 208000018522 Gastrointestinal disease Diseases 0.000 description 1
- ODKSFYDXXFIFQN-BYPYZUCNSA-P L-argininium(2+) Chemical compound NC(=[NH2+])NCCC[C@H]([NH3+])C(O)=O ODKSFYDXXFIFQN-BYPYZUCNSA-P 0.000 description 1
- KDXKERNSBIXSRK-YFKPBYRVSA-N L-lysine Chemical compound NCCCC[C@H](N)C(O)=O KDXKERNSBIXSRK-YFKPBYRVSA-N 0.000 description 1
- 239000004472 Lysine Substances 0.000 description 1
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 1
- 241000404975 Synchiropus splendidus Species 0.000 description 1
- ODKSFYDXXFIFQN-UHFFFAOYSA-N arginine Natural products OC(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 235000013527 bean curd Nutrition 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- QVYARBLCAHCSFJ-UHFFFAOYSA-N butane-1,1-diamine Chemical compound CCCC(N)N QVYARBLCAHCSFJ-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 150000007530 organic bases Chemical class 0.000 description 1
- 235000021395 porridge Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000014102 seafood Nutrition 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及食物检测技术领域,具体涉及一种食物检测方法、装置、存储介质及电子设备,包括:采集烹饪前的食物图像并识别食材;采集烹饪完成时的图像和时间;按照预设时间间隔采集食物的状态图像和食物气体;将状态图像、食物气体和当前时刻距离烹饪完成时刻的时间长度,与预先建立的熟食卫生安全知识库中对应记录的食材相应的数据进行比对,判断食物是否变质;若判断食物已变质,则向用户发出提醒。本申请通过深度学习技术在烹饪前识别烹饪装置内用户放入的食材,并根据预先建立的熟食卫生安全知识库,匹配所识别食材的类型。通过检测食物气体、状态图像和存放时长,推断食物是否变质,帮助用户管理电饭锅内食物状态,保障了用户的饮食安全。
Description
技术领域
本申请涉及食物检测技术领域,特别地涉及一种食物检测方法、装置、存储介质及电子设备。
背景技术
电饭煲的出现,将人们从一项耗时的厨房劳动中解放出来,同时其清洁便利,安全的电加热方式,更是使其成为人们现代生活中不可或缺的家用电器。如今,电饭煲的功能已不仅仅是加热米饭,还兼具了煲汤,蒸煮等功能。
人们在使用电饭煲之后,常常是将未吃完的食物放置在锅内,这在冬天是影响甚微。但在炎炎夏日,往往饭菜隔夜放置之后就会变质,散发出闻之令人作呕的气体。有时这种气体并不明显,让人们在第二天打开电饭锅时会下意识忽略这些气体,但食用这些食物,就可能引起肠胃疾病。
现在人们均是依靠经验闻气体来判断食物是否变质,这是非常不准确的,很容易判断错误,食用了变质的食物给身体造成伤害。
发明内容
针对上述问题,本申请提供一种食物检测方法、装置、存储介质及电子设备,解决了相关技术中依靠经验闻气体来判断食物是否变质,这是非常不准确的,很容易判断错误,食用了变质的食物给身体造成伤害的技术问题。
第一方面,本申请提供了一种食物检测方法,所述方法包括:
采集烹饪前的食物图像,并识别并记录所有食材;
采集烹饪完成时的食物图像和烹饪完成时间;
从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;
将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;
若判断食物已变质,则向用户发出提醒。
在一些实施例中,所述预设时间间隔为2小时。
在一些实施例中,所述熟食卫生安全知识库的建立过程,包括:
从实验数据、互联网数据和食品安全专家处获取每种食材在所有状态下的相关数据,建立所述熟食卫生安全知识库。
在一些实施例中,所述采集烹饪前的食物图像,并识别并记录所有食材,包括:
通过摄像头拍摄烹饪前的食物图像,并通过预先学习完成的CNN神经网络模型识别所述烹饪前的食物图像中的所有食材,并进行记录。
在一些实施例中,所述将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质,包括:
将所述状态图像与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的食物变质状态图像进行比对,判断食物是否变质;
将所述食物气体中的腐败气体浓度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的腐败气体浓度进行比对,判断食物是否变质;
将所述状当前时刻距离烹饪完成时刻的时间长度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的可存放时间长度进行比对,判断食物是否变质;
当所述状态图像、所述食物气体和所述时间长度中存在任意一项判断结果为食物已变质,则判定所述食物已变质。
在一些实施例中,所述若判断食物已变质,则向用户发出提醒,包括:
向用户的智能终端发送提示信息提示用户食物已变质;和/或,
通过显示屏显示文字提醒用户食物已变质。
在一些实施例中,在所述向用户的智能终端发送提示信息提示用户食物已变质后,还包括:
向用户发送食物烹饪完成时的食物图像和判定食物已变质时食物的状态图像。
第二方面,一种食物检测装置,所述装置包括:
第一采集单元,用于采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像;
第二采集单元,用于从所述烹饪完成时间起,按照预设时间间隔采集食物气体;
判断单元,用于将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;
提醒单元,用于若判断食物已变质,则向用户发出提醒。
第三方面,一种存储介质,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如上述第一方面所述的食物检测方法。
第四方面,一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述存储器和所述处理器之间互相通信连接,该计算机程序被所述处理器执行时,执行如上述第一方面所述的食物检测方法。
本申请提供的一种食物检测方法、装置、存储介质及电子设备,包括:采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;若判断食物已变质,则向用户发出提醒。本申请通过深度学习技术在烹饪前识别烹饪装置内用户放入的食材,并根据预先建立的熟食卫生安全知识库,匹配所识别食材的类型。通过检测食物气体、状态图像和存放时长,推断食物是否变质,帮助用户管理电饭锅内食物状态,保障了用户的饮食安全。
附图说明
为了更清楚地说明本发明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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种食物检测方法的流程示意图;
图2为本申请实施例提供的一种食物检测装置的结构示意图;
图3为本申请实施例提供的一种电子设备的连接框图。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式,借此对本申请如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本申请的保护范围之内。
由背景技术可知,现在人们均是依靠经验闻气体来判断食物是否变质,这是非常不准确的,很容易判断错误,食用了变质的食物给身体造成伤害。
有鉴于此,本申请提供一种食物检测方法、装置、存储介质及电子设备,解决了相关技术中依靠经验闻气体来判断食物是否变质,这是非常不准确的,很容易判断错误,食用了变质的食物给身体造成伤害的技术问题。
实施例一
图1为本申请实施例提供的一种食物检测方法的流程示意图,如图1所示,本方法包括:
S101、采集烹饪前的食物图像,并识别并记录所有食材;
S102、采集烹饪完成时的食物图像和烹饪完成时间;
S103、从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;
S104、将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;
S105、若判断食物已变质,则向用户发出提醒。
需要说明的是,本申请的食物检测方法依托于食物检测装置,该食物检测装置可以应用在烹饪电器中,例如电饭锅,电炒锅等等,以电饭锅为例,可以在电饭锅锅盖的中心位置上安装摄像头,可以将常用的食材通过电饭锅拍摄食材图像后输入到CNN神经网络深度学习模型中进行学习训练,最终得到能够识别多种食材的神经网络模型。
其中,采集食物的状态图像可以用摄像头,采集食物气体可以用气体传感器,计时可以用计时器。
具体的,在用户将食物放入电饭锅内,并盖上锅盖时,锅内摄像头开始工作拍摄照片,得到的照片用于上传至云平台,以识别锅内的食物,比如米,肉,蛋等,并在数据库中建立记录。这里的作用是,食物在烹饪之后,锅内食物的整体面貌可能不利于识别,相对的,烹饪之前,锅内的食材,样式更容易识别,而不同种类的食物在烹饪之后保质期也不一样,比如海鲜即便烹饪过后,保质时间依然很短。
在食物烹饪结束时,摄像头再次工作,拍摄食物烹饪后的照片,随食物烹饪好的时间一起上传至云平台中,识别锅内食物的状态:比如粥,汤,米饭等等。存入数据库中。
在食物烹饪结束之后,若锅内尚有食物存留,就2h对锅内食物拍摄一次照片,并上传至云端,更新数据库。
在一些实施例中,也可以将食材识别的神经网络模型和熟食卫生安全知识库存储在本地使用,这样即便离线状态也可以进行食物检测工作。
在一些实施例中,所述预设时间间隔为2小时。
需要说明的是,不同食物烹饪完成后能够存放的时间长度是不同的,综合参考取2小时为最优,该时间间隔也可以自行调整,例如,冬天可以时间长些为4h,夏天时间短些如2h。
在一些实施例中,所述熟食卫生安全知识库的建立过程,包括:
从实验数据、互联网数据和食品安全专家处获取每种食材在所有状态下的相关数据,建立所述熟食卫生安全知识库。
需要说明的是,熟食相较生鲜食物,有着更高的卫生要求,有时用户会忘记锅内还有未吃完的熟食而不进行加热杀菌或是长时间忘记食用,在家庭这温湿度适宜的环境下,食物极易滋生细菌,并迅速变质,食物的外观也会发生一些变化,如发霉,变稀等等。因此,根据网络数据库和专家知识,以及通过实验得到的相关数据,建立包含多种食物的熟食卫生安全知识库。
具体的,以米饭为例,记录了米饭在刚烹饪完成时的状态图像,以及存放不同时间对应的状态图像和腐败气体浓度,并付有相应的说明,这是由于不同食物烹饪完成后能够存放的时间不同,并且有时外表看不出明显变化,但其实内里已经变质,因此需要多方面的数据进行参考。
在一些实施例中,所述采集烹饪前的食物图像,并识别并记录所有食材,包括:
通过摄像头拍摄烹饪前的食物图像,并通过预先学习完成的CNN神经网络模型识别所述烹饪前的食物图像中的所有食材,并进行记录。
需要说明的是,CNN神经网络模型可以将图像中食材的形状和RGB三元素分开后进行比对识别,以准确的识别出相应的食材。
在一些实施例中,所述将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质,包括:
将所述状态图像与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的食物变质状态图像进行比对,判断食物是否变质;
将所述食物气体中的腐败气体浓度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的腐败气体浓度进行比对,判断食物是否变质;
将所述状当前时刻距离烹饪完成时刻的时间长度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的可存放时间长度进行比对,判断食物是否变质;
当所述状态图像、所述食物气体和所述时间长度中存在任意一项判断结果为食物已变质,则判定所述食物已变质。
需要说明的是,由于不同食物烹饪完成后能够存放的时间不同,并且有时外表看不出明显变化,但其实内里已经变质,因此需要多方面的数据进行参考,只要三种参考因素中存在一种确认已经变质,则说明该食物已变质,不应再食用。
具体的,食物的状态图像,可以查看食物的外观变化,是否已经发霉,变稀,颜色变化,形状变化等等,来与知识库中相应的数据作比对,判断食物是否变质。
食物气味参数,在识别到食物种类和烹饪结束时间之后,通过这些气体传感器检测食物散发出的变质气味。并将数据上传至云平台中,辅助图像识别对食物的变质作出推断。其中,微生物腐败营养源的气味极其难闻,气体部分有硫化氢,二氧化硫和氨气,固液部分有极易升华的甲醇,赖氨酸和丁二胺、精氨、三乙胺等有机碱。但有些食材比较特殊,烹饪这些食材时某些气体成分的检测参数,可以由用户进行设定,比如,咸鱼,臭豆腐,臭鳜鱼。
食物的存放时长,由于不同食物烹饪完成后能够存放的时间不同,因此可以将存放时长作为一个检测参数对食物是否变质进行判定。
在一些实施例中,还可以实时检测食物气体,并与知识库中的数据进行比对,一旦检测到腐败气体浓度超过预设阈值,则判定食物已变质。
在一些实施例中,还可以实时计算烹饪完成时的时刻与当前时刻的时间长度,并与知识库中相应的食材的时长数据做比对,一旦超过数据记录的存放时长,则判定食物已变质。
在一些实施例中,所述若判断食物已变质,则向用户发出提醒,包括:
向用户的智能终端发送提示信息提示用户食物已变质;和/或,
通过显示屏显示文字提醒用户食物已变质。
需要说明的是,还可以配合声音对用户进行提醒,并将相关数据上传到云平台数据库进行储存。
在一些实施例中,在所述向用户的智能终端发送提示信息提示用户食物已变质后,还包括:
向用户发送食物烹饪完成时的食物图像和判定食物已变质时食物的状态图像。
需要说明的是,向用户发送食物烹饪完成时的食物图像和判定食物已变质时食物的状态图像,由用户进行决策。
综上所述,本申请实施例提供了一种食物检测方法,包括:采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;若判断食物已变质,则向用户发出提醒。本申请通过深度学习技术在烹饪前识别烹饪装置内用户放入的食材,并根据预先建立的熟食卫生安全知识库,匹配所识别食材的类型。通过检测食物气体、状态图像和存放时长,推断食物是否变质,帮助用户管理电饭锅内食物状态,保障了用户的饮食安全。
实施例二
基于上述本发明实施例公开的食物检测方法,图2具体公开了应用该食物检测方法的食物检测装置。
如图2所示,本发明实施例公开了一种食物检测装置,所述装置包括:
第一采集单元201,用于采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像;
第二采集单元202,用于从所述烹饪完成时间起,按照预设时间间隔采集食物气体;
判断单元203,用于将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;
提醒单元204,用于若判断食物已变质,则向用户发出提醒。
需要说明的是,本申请的食物检测装置应用在烹饪器具中,例如电饭锅,电炒锅等等。
在一些实施例中,所述预设时间间隔为2小时。
在一些实施例中,所述熟食卫生安全知识库的建立过程,包括:
从实验数据、互联网数据和食品安全专家处获取每种食材在所有状态下的相关数据,建立所述熟食卫生安全知识库。
在一些实施例中,所述采集烹饪前的食物图像,并识别并记录所有食材,包括:
通过摄像头拍摄烹饪前的食物图像,并通过预先学习完成的CNN神经网络模型识别所述烹饪前的食物图像中的所有食材,并进行记录。
在一些实施例中,所述将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质,包括:
将所述状态图像与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的食物变质状态图像进行比对,判断食物是否变质;
将所述食物气体中的腐败气体浓度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的腐败气体浓度进行比对,判断食物是否变质;
将所述状当前时刻距离烹饪完成时刻的时间长度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的可存放时间长度进行比对,判断食物是否变质;
当所述状态图像、所述食物气体和所述时间长度中存在任意一项判断结果为食物已变质,则判定所述食物已变质。
在一些实施例中,所述若判断食物已变质,则向用户发出提醒,包括:
向用户的智能终端发送提示信息提示用户食物已变质;和/或,
通过显示屏显示文字提醒用户食物已变质。
在一些实施例中,在所述向用户的智能终端发送提示信息提示用户食物已变质后,还包括:
向用户发送食物烹饪完成时的食物图像和判定食物已变质时食物的状态图像。
以上本发明实施例公开的食物检测装置中的各个单元的具体工作过程,可参见本发明上述实施例公开的食物检测方法中的对应内容,这里不再进行赘述。
综上所述,本申请实施例提供了一种食物检测装置,包括:采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;若判断食物已变质,则向用户发出提醒。本申请通过深度学习技术在烹饪前识别烹饪装置内用户放入的食材,并根据预先建立的熟食卫生安全知识库,匹配所识别食材的类型。通过检测食物气体、状态图像和存放时长,推断食物是否变质,帮助用户管理电饭锅内食物状态,保障了用户的饮食安全。
实施例三
本实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,该计算机程序被处理器执行时可以实现如实施例一的方法步骤,本实施例在此不再重复赘述。
实施例四
图3为本申请实施例提供的一种电子设备500的连接框图,如图3所示,该电子设备500可以包括:处理器501,存储器502,多媒体组件503,输入/输出(I/O)接口504,以及通信组件505。
其中,处理器501用于执行如实施例一中的食物检测方法中的全部或部分步骤。存储器502用于存储各种类型的数据,这些数据例如可以包括电子设备中的任何应用程序或方法的指令,以及应用程序相关的数据。
处理器501可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述实施例一中的食物检测方法。
存储器502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,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。
多媒体组件503可以包括屏幕和音频组件,该屏幕可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器,用于输出音频信号。
I/O接口504为处理器501和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。
通信组件505用于该电子设备500与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near Field Communication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件505可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
综上,本申请提供的一种食物检测方法、装置、存储介质及电子设备,该方法包括:采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;若判断食物已变质,则向用户发出提醒。本申请通过深度学习技术在烹饪前识别烹饪装置内用户放入的食材,并根据预先建立的熟食卫生安全知识库,匹配所识别食材的类型。通过检测食物气体、状态图像和存放时长,推断食物是否变质,帮助用户管理电饭锅内食物状态,保障了用户的饮食安全。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的方法,也可以通过其它的方式实现。以上所描述的方法实施例仅仅是示意性的。
需要说明的是,在本文中,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过程、方法、物品或者设备不仅包括那些要素,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过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上,但上述的内容只是为了便于理解本申请而采用的实施方式,并非用以限定本申请。任何本申请所属技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种食物检测方法,其特征在于,所述方法包括:
采集烹饪前的食物图像,并识别并记录所有食材;
采集烹饪完成时的食物图像和烹饪完成时间;
从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像和食物气体;
将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;
若判断食物已变质,则向用户发出提醒。
2.根据权利要求1所述的方法,其特征在于,所述预设时间间隔为2小时。
3.根据权利要求1所述的方法,其特征在于,所述熟食卫生安全知识库的建立过程,包括:
从实验数据、互联网数据和食品安全专家处获取每种食材在所有状态下的相关数据,建立所述熟食卫生安全知识库。
4.根据权利要求1所述的方法,其特征在于,所述采集烹饪前的食物图像,并识别并记录所有食材,包括:
通过摄像头拍摄烹饪前的食物图像,并通过预先学习完成的CNN神经网络模型识别所述烹饪前的食物图像中的所有食材,并进行记录。
5.根据权利要求1所述的方法,其特征在于,所述将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质,包括:
将所述状态图像与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的食物变质状态图像进行比对,判断食物是否变质;
将所述食物气体中的腐败气体浓度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的腐败气体浓度进行比对,判断食物是否变质;
将所述状当前时刻距离烹饪完成时刻的时间长度与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的可存放时间长度进行比对,判断食物是否变质;
当所述状态图像、所述食物气体和所述时间长度中存在任意一项判断结果为食物已变质,则判定所述食物已变质。
6.根据权利要求1所述的方法,其特征在于,所述若判断食物已变质,则向用户发出提醒,包括:
向用户的智能终端发送提示信息提示用户食物已变质;和/或,
通过显示屏显示文字提醒用户食物已变质。
7.根据权利要求6所述的方法,其特征在于,在所述向用户的智能终端发送提示信息提示用户食物已变质后,还包括:
向用户发送食物烹饪完成时的食物图像和判定食物已变质时食物的状态图像。
8.一种食物检测装置,其特征在于,所述装置包括:
第一采集单元,用于采集烹饪前的食物图像,并识别并记录所有食材;采集烹饪完成时的食物图像和烹饪完成时间;从所述烹饪完成时间起,按照预设时间间隔采集食物的状态图像;
第二采集单元,用于从所述烹饪完成时间起,按照预设时间间隔采集食物气体;
判断单元,用于将所述状态图像、所述食物气体和当前时刻距离烹饪完成时刻的时间长度,分别与预先建立的熟食卫生安全知识库中对应所述记录的食材相应的数据进行比对,判断食物是否变质;
提醒单元,用于若判断食物已变质,则向用户发出提醒。
9.一种存储介质,其特征在于,该存储介质存储的计算机程序,可被一个或多个处理器执行,可用来实现如权利要求1~7任意一项所述的食物检测方法。
10.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,所述存储器和所述处理器之间互相通信连接,该计算机程序被所述处理器执行时,执行如权利要求1~7任意一项所述的食物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014551.8A CN114486886A (zh) | 2022-01-07 | 2022-01-07 | 食物检测方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210014551.8A CN114486886A (zh) | 2022-01-07 | 2022-01-07 | 食物检测方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114486886A true CN114486886A (zh) | 2022-05-13 |
Family
ID=81510178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210014551.8A Pending CN114486886A (zh) | 2022-01-07 | 2022-01-07 | 食物检测方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114486886A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018719A (zh) * | 2016-06-29 | 2016-10-12 | 蔡璟 | 一种家用智能异味检测电热装置 |
CN106056870A (zh) * | 2016-06-29 | 2016-10-26 | 蔡璟 | 一种基于智能家居的变质食物食用警示方法及其系统 |
CN106444451A (zh) * | 2016-10-13 | 2017-02-22 | 北京小米移动软件有限公司 | 智能电饭锅中的食物取放提示方法和装置 |
CN108224894A (zh) * | 2018-01-08 | 2018-06-29 | 合肥美的智能科技有限公司 | 基于深度学习的食材新鲜度识别方法、装置、冰箱和介质 |
CN109691856A (zh) * | 2017-10-24 | 2019-04-30 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪器具及其剩饭检测方法、装置 |
CN110689516A (zh) * | 2018-06-19 | 2020-01-14 | 佛山市顺德区美的电热电器制造有限公司 | 一种质量检测的方法、装置以及计算机存储介质 |
CN111000448A (zh) * | 2019-12-02 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种食物变质的检测方法及烹饪器具 |
CN111027479A (zh) * | 2019-12-10 | 2020-04-17 | 珠海格力电器股份有限公司 | 食材处理方法、装置和冰箱 |
CN111209849A (zh) * | 2020-01-03 | 2020-05-29 | 珠海格力电器股份有限公司 | 食材保鲜度的检测方法、装置、食物贮藏设备及存储介质 |
CN111896694A (zh) * | 2020-07-06 | 2020-11-06 | 珠海格力电器股份有限公司 | 食品储存设备及其食品新鲜状态判断方法、装置和介质 |
CN112506078A (zh) * | 2020-11-16 | 2021-03-16 | 刘玲玲 | 烹饪食材管理机器人及其控制方法 |
CN113834809A (zh) * | 2020-06-08 | 2021-12-24 | 珠海格力电器股份有限公司 | 判断食材是否变质的方法、电子设备及食物储存装置 |
-
2022
- 2022-01-07 CN CN202210014551.8A patent/CN114486886A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018719A (zh) * | 2016-06-29 | 2016-10-12 | 蔡璟 | 一种家用智能异味检测电热装置 |
CN106056870A (zh) * | 2016-06-29 | 2016-10-26 | 蔡璟 | 一种基于智能家居的变质食物食用警示方法及其系统 |
CN106444451A (zh) * | 2016-10-13 | 2017-02-22 | 北京小米移动软件有限公司 | 智能电饭锅中的食物取放提示方法和装置 |
CN109691856A (zh) * | 2017-10-24 | 2019-04-30 | 佛山市顺德区美的电热电器制造有限公司 | 烹饪器具及其剩饭检测方法、装置 |
CN108224894A (zh) * | 2018-01-08 | 2018-06-29 | 合肥美的智能科技有限公司 | 基于深度学习的食材新鲜度识别方法、装置、冰箱和介质 |
CN110689516A (zh) * | 2018-06-19 | 2020-01-14 | 佛山市顺德区美的电热电器制造有限公司 | 一种质量检测的方法、装置以及计算机存储介质 |
CN111000448A (zh) * | 2019-12-02 | 2020-04-14 | 珠海格力电器股份有限公司 | 一种食物变质的检测方法及烹饪器具 |
CN111027479A (zh) * | 2019-12-10 | 2020-04-17 | 珠海格力电器股份有限公司 | 食材处理方法、装置和冰箱 |
CN111209849A (zh) * | 2020-01-03 | 2020-05-29 | 珠海格力电器股份有限公司 | 食材保鲜度的检测方法、装置、食物贮藏设备及存储介质 |
CN113834809A (zh) * | 2020-06-08 | 2021-12-24 | 珠海格力电器股份有限公司 | 判断食材是否变质的方法、电子设备及食物储存装置 |
CN111896694A (zh) * | 2020-07-06 | 2020-11-06 | 珠海格力电器股份有限公司 | 食品储存设备及其食品新鲜状态判断方法、装置和介质 |
CN112506078A (zh) * | 2020-11-16 | 2021-03-16 | 刘玲玲 | 烹饪食材管理机器人及其控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020125456A1 (zh) | 一种食物监控方法、冰箱及具有存储功能的装置 | |
CN108415298B (zh) | 一种控制方法及装置 | |
CN110488696B (zh) | 一种智能防干烧方法及系统 | |
CN108415294B (zh) | 一种控制方法及装置 | |
CN108937554B (zh) | 一种利用终端进行饮食提醒的蒸烤设备及方法 | |
US20190215915A1 (en) | Enhanced Consumer Interface for Preparation, Conditioning and Information of Nutritional Substances | |
CN108414701A (zh) | 一种食材新鲜度辨识方法和家电 | |
CN106604435A (zh) | 微波炉 | |
KR102005404B1 (ko) | 어육류 조리용 가열장치 및 그 구동방법 | |
US10120553B1 (en) | User interface and controller for a heating system | |
CN109691864B (zh) | 一种烹饪控制方法、装置、烹饪设备及计算机存储介质 | |
CN114486886A (zh) | 食物检测方法、装置、存储介质及电子设备 | |
EP4280813A1 (en) | System and method for moisture and ambient humidity level prediction for food doneness | |
CN112394149A (zh) | 食材成熟度检测提示的方法及装置、厨电设备 | |
CN110974038B (zh) | 食材熟度确定方法、装置、烹饪控制设备和可读存储介质 | |
US11879769B2 (en) | Automatic cooking assistance device and method to provide cooking instructions | |
CN111459054A (zh) | 食谱推送方法、设备、存储介质和厨房电器 | |
CN111248716A (zh) | 食材的烹饪控制方法、图像处理方法、装置及烹饪设备 | |
CN114203278A (zh) | 一种健康饮食建议的生成方法及装置 | |
CN110865150A (zh) | 食物烤制监控方法及系统 | |
CN110186239A (zh) | 一种冰箱内食物储藏信息的提示方法及冰箱 | |
CN111358293A (zh) | 养生壶的壶身识别方法及装置、养生壶 | |
US20180299136A1 (en) | Custom cooking program based on feedback | |
KR100892612B1 (ko) | 다중 센서를 이용한 식습관 관리 장치 및 그 방법 | |
CN113812856A (zh) | 控制方法、控制装置、烹饪设备和可读存储介质 |
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 |