CN114720646B - 基于大数据的食品油炸锅的智能优化分析方法 - Google Patents

基于大数据的食品油炸锅的智能优化分析方法 Download PDF

Info

Publication number
CN114720646B
CN114720646B CN202210360981.5A CN202210360981A CN114720646B CN 114720646 B CN114720646 B CN 114720646B CN 202210360981 A CN202210360981 A CN 202210360981A CN 114720646 B CN114720646 B CN 114720646B
Authority
CN
China
Prior art keywords
intensity
food
reflecting
sequence
time
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
Application number
CN202210360981.5A
Other languages
English (en)
Other versions
CN114720646A (zh
Inventor
王芳
陈小勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hand In Hand Nanotechnology Jiaxing Co ltd
Original Assignee
Hand In Hand Nanotechnology Jiaxing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hand In Hand Nanotechnology Jiaxing Co ltd filed Critical Hand In Hand Nanotechnology Jiaxing Co ltd
Priority to CN202210360981.5A priority Critical patent/CN114720646B/zh
Publication of CN114720646A publication Critical patent/CN114720646A/zh
Application granted granted Critical
Publication of CN114720646B publication Critical patent/CN114720646B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N33/03—Edible oils or edible fats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Frying-Pans Or Fryers (AREA)

Abstract

本发明涉及电数字数据处理技术领域，具体涉及基于大数据的食品油炸锅的智能优化分析方法。该方法是一种数字数据处理方法，利用数据库和云数据库服务等互联网数据服务实现食用油更换判断。该方法获取相邻帧食品碎屑图像的连通域数量的差值为碎屑增加数量；相邻帧油炸锅气泡图像的像素点数量的差异为气泡的反映剧烈程度，进而得到气泡稳定性；由碎屑增加数量和连通域数量得到目标油质评价；由气泡稳定性和目标油质评价得到食品成熟评价；由锅内温度对标准时间补偿得到食品成熟时间；结合食品成熟评价和食品成熟时间判断是否更换食用油。本发明根据食品成熟评价和成熟时间判断是否更换食用油，达到了通过评价参数来及时更换食用油的目的。

Description

基于大数据的食品油炸锅的智能优化分析方法
技术领域
本发明涉及电数字数据处理技术领域，具体涉及基于大数据的食品油炸锅的智能优化分析方法。
背景技术
随着社会的发展，人们的快餐的需求量越来越大。快餐店的食品油炸锅，在浸炸的过程中，食品的成熟是完全依靠人工计时，但由于在快餐店中的客流量较大，食品的下锅顺序容易被操作员遗忘，导致部分商品受到油质和受热的情况变化的影响而出现口感被影响等之类的问题，致使食品被浪费，同时当油炸锅内的食用油长时间不更换时会导致食用油质量降低，会对油炸食品的口感带来一定的影响。
目前，常见的判断油炸锅内的食用油是否需要更换的方法为根据食用油使用时间来判断，根据使用时间来判断是否需要换油，忽略了在炸制产生食品碎屑较大的食品时，产生的大量食品碎屑会对食用油油质产生影响，进而会减少食用油的使用寿命。
发明内容
为了解决上述技术问题，本发明的目的在于提供基于大数据的食品油炸锅的智能优化分析方法，所采用的技术方案具体如下：
获取食品碎屑图像，对所述食品碎屑图像进行预处理得到对应的连通域数量；相邻帧食品碎屑图像的连通域数量的差值为碎屑增加数量；
获取油炸锅气泡图像，根据相邻帧所述油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度；调整油炸锅气泡图像的采样频率得到气泡的多个反映剧烈程度序列；
由所述碎屑增加数量发生变化开始计时得到碎屑存在时间，根据所述碎屑存在时间得到碎屑权重；获取每分钟所述碎屑增加数量和所述连通域数量的数量比值；所述数量比值和所述碎屑权重加权求和得到目标油质评价；
根据所述反映剧烈程度序列之间的差异得到气泡稳定性；由气泡稳定性序列的波动程度和所述目标油质评价得到食品成熟评价；
获取油炸锅内的温度，将所述温度和标准温度的比值作为温差可靠度，所述温差可靠度和标准时间的乘积为补偿时间，所述补偿时间和所述标准时间之和为食品成熟时间；
获取食品油炸时间，当所述食品油炸时间大于所述食品成熟时间且食品成熟评价小于预设成熟评价阈值时，更换食用油。
优选的，所述对所述食品碎屑图像进行预处理得到对应的连通域数量，包括：
灰度化所述食品碎屑图像得到碎屑灰度图；对所述碎屑灰度图去噪得到初始碎屑图；提取所述初始碎屑图中的碎屑像素点，构建第二碎屑图，对所述第二碎屑图进行开运算得到目标碎屑图；对所述目标碎屑图进行连通域分析得到多个连通域和连通域数量。
优选的，所述根据相邻帧所述油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度，包括：
相邻帧油炸锅气泡图像对应像素值相减得到差分图像，所述差分图像内像素点数量为气泡的反映剧烈程度。
优选的，所述根据所述碎屑存在时间得到碎屑权重，包括：
所述碎屑权重的计算公式为：
其中，y为所述碎屑权重；x为所述碎屑存在时间。
优选的，所述根据所述反映剧烈程度序列之间的差异得到气泡稳定性，包括：
多个反映剧烈程度序列包括：每1秒采集一次反映剧烈程度的短反映剧烈程度序列，每5秒采集一次反映剧烈程度的中反映剧烈程度序列，每10秒采集一次反映剧烈程度的长反映剧烈程度序列；
获取相同时间内所述短反映剧烈程度序列和所述中反映剧烈程度序列的第一反映剧烈程度差异，相同时间内所述中反映剧烈程度序列和所述长反映剧烈程度序列的第二反映剧烈程度差异，相同时间内所述短反映剧烈程度序列和所述长反映剧烈程度序列的第三反映剧烈程度差异；
由所述第一反映剧烈程度差异、所述第二反映剧烈程度差异和所述第三反映剧烈程度差异的均值作为稳定性权重，所述短反映剧烈程度序列中第一个反映剧烈程度和所述长反映剧烈程度序列中最后一个反映剧烈程度的比值作为初始稳定性；
所述稳定性权重和所述初始稳定性的乘积为气泡稳定性。
优选的，所述由气泡稳定性序列的波动程度和所述目标油质评价得到食品成熟评价，包括：
获取食用油存在时间；
所述食品成熟评价的计算公式为：
其中，u1为第一分钟的所述食品成熟评价；STD{w10,w20}为第一个10秒的气泡稳定性和第二个10秒的气泡稳定性构成的气泡稳定性序列的标准差；STD{w10,w20,w30}为第一个10秒、第二个10秒和第三个10秒的气泡稳定性构成的气泡稳定性序列的标准差；STD{w10,w20,w30w40,w50w60}为第一个10秒、第二个10秒、第三个10秒、第四个10秒、第五个10秒和第六个10秒构成的气泡稳定性序列的标准差；e为自然常数；为所述食品油炸时间为第一分钟且食用油存在时间为第h分钟的所述目标油质评价。
优选的，所述温差可靠度和标准时间的乘积为补偿时间，包括：
所述补偿时间的计算公式为：
其中，h为所述补偿时间；s为所述标准时间；为第i秒的所述温差可靠度；ci为归一化后的第i秒的温差可靠度；t为所述标准温度；ti为第i秒的温度；n为炸制食品的总秒数。
本发明实施例至少具有如下有益效果：
本发明实施例利用大数据处理技术，该方法是一种数字数据处理方法，利用数据库和云数据库服务等互联网数据服务实现食用油更换判断。该方法首先获取食品碎屑图像，对食品碎屑图像进行预处理得到对应的连通域数量；相邻帧食品碎屑图像的连通域数量的差值为碎屑增加数量；获取油炸锅气泡图像，根据相邻帧油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度；调整油炸锅气泡图像的采样频率得到气泡的多个反映剧烈程度序列；获取碎屑存在时间，根据碎屑存在时间得到碎屑权重；获取每分钟碎屑增加数量和连通域数量的数量比值；数量比值和碎屑权重加权求和得到目标油质评价；根据反映剧烈程度序列之间的差异得到气泡稳定性；由气泡稳定性序列的波动程度和目标油质评价得到食品成熟评价；根据油炸锅内的温度得到补偿时间，补偿时间和标准时间之和为食品成熟时间；获取食品油炸时间，当食品油炸时间大于食品成熟时间且食品成熟评价小于预设成熟评价阈值时，更换食用油。本发明实施例通过获取食用油碎屑数量进一步得到目标油质评价，并获取油炸锅表面气泡的气泡稳定性，结合气泡稳定性和目标油质评价得到食品成熟评价，根据食品成熟评价和食品成熟时间来判断是否需要更换食用油，达到了实时获取食用油的油质评价以及时更换食用油，进而避免食用油的油质影响食品口感和味道的目的。
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和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为本发明一个实施例所提供的基于大数据的食品油炸锅的智能优化分析方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于大数据的食品油炸锅的智能优化分析方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例提供了基于大数据的食品油炸锅的智能优化分析方法的具体实施方法，该方法适用于油炸锅炸制食品场景。在该场景下炸制食品时利用按压工具将食品压于油面一下，避免食品炸制时出现炸制不均匀的现象，同时在油炸锅内底部放置架子，在炸制食品时利用底部的架子抬起食品，以便于食品的取出以及食品碎屑图像的获取。该场景下的油炸锅为透明油炸锅，油炸锅两侧放置有背景板和相机用于采集油炸锅内的食品碎屑图像。为了解决根据食用油使用时间来更换食用油会导致食用油质下降，会影响炸制食品的口感的问题。本发明实施例利用数据库和云数据库服务等互联网数据服务实现食用油更换判断，具体通过获取食用油碎屑数量进一步得到目标油质评价，并获取油炸锅表面气泡的气泡稳定性，结合气泡稳定性和目标油质评价得到食品成熟评价，根据食品成熟评价和食品成熟时间来判断是否需要更换食用油，达到了实时获取食用油的油质评价以及时更换食用油，进而避免食用油的油质影响食品口感和味道的目的。
下面结合附图具体的说明本发明所提供的基于大数据的食品油炸锅的智能优化分析方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的基于大数据的食品油炸锅的智能优化分析方法的步骤流程图，该方法包括以下步骤：
步骤S100，获取食品碎屑图像，对食品碎屑图像进行预处理得到对应的连通域数量；相邻帧食品碎屑图像的连通域数量的差值为碎屑增加数量。
油炸锅内食用油的碎屑主要是来自食品碎屑掉落进入油中，经过长时间的浸炸，食品碎屑会被炸至焦糊的状态。当食品的碎屑炸至焦糊状时，会导致食用油中会含有焦糊味，影响油的质量，进而对食品的味道产生影响。在检测到食品碎屑时及时去除碎屑可以延长食用油的使用寿命，并且可以尽可能的减少对食品的味道的影响。
在食品油炸锅的两侧分别安装一个背景板和相机，设计食品浸入油锅后，每隔固定时间油炸锅的底部架子抬起食品出油锅，同时，利用相机采集透明油炸锅内的食品碎屑图像。在本发明实施例中，固定时间为一分钟，即每间隔一分钟油炸锅锅底的架子抬起食品出油锅，当食品被抬出油锅时，再利用相机采集油炸锅内的食品碎屑图像。
将采集到的食品碎屑图像进行灰度化处理得到碎屑灰度图，为了进一步得到碎屑灰度图中的食品碎屑，去除碎屑灰度图上的高斯噪声和一些细微的细节结构得到模糊处理后的初始碎屑图。需要说明的是，由于采集食品碎屑图像时食品被架子抬出油锅，故经过处理得到的碎屑灰度图中仅存在食品碎屑和一些噪声点，进而经过去噪处理后得到的初始碎屑图中仅含有食品碎屑。
从初始碎屑图中提取多个像素点作为碎屑像素点，该碎屑像素点用于表征图像中的碎屑信息，具体的：初始碎屑图中灰度值大于等于预设灰度阈值的像素点作为背景像素点，灰度值小于预设灰度阈值的像素点作为碎屑像素点。在本发明实施例中预设灰度阈值为180，在其他实施例中实施者可根据实际情况调整该阈值。
由得到的碎屑像素点构建第二碎屑图，对第二碎屑图进行开运算得到目标碎屑图，也即对第二碎屑图先腐蚀后膨胀得到目标碎屑图，目的是为了断开碎屑之间狭窄的连接，去除细小的突出部分。
进一步的，对开运算后得到的目标碎屑图进行连通域分析得到多个连通域并对其进行标记，根据标记数量得到目标碎屑图中的连通域数量。需要说明的是，该连通域数量即为目标碎屑图中食品碎屑的数量。随着锅底的架子抬起食品出油锅的频率，每隔固定时间采集一次食品碎屑图像，对其食品碎屑图像进行分析得到对应的连通域数量。采集一小时内的食品碎屑图像，并得到对应的连通域数量序列。
基于得到的连通域数量序列，得到其对应的时间序列。将该连通域数量序列中相邻的连通域数量相减得到的差值为碎屑增加数量，也即相邻时间内的连通域数量的差值为碎屑增加数量，得到对应的每分钟的碎屑增加数量序列。
步骤S200，获取油炸锅气泡图像，根据相邻帧油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度；调整油炸锅气泡图像的采样频率得到气泡的多个反映剧烈程度序列。
利用相机俯拍油炸锅得到油炸锅气泡图像，每秒钟采集一帧油炸锅气泡图像。按照帧值对油炸锅气泡图像进行排序，相邻帧油炸锅气泡图像对应像素值相减得到差分图像，差分图像内像素点数量为气泡的反映剧烈程度。需要说明的是由于食品为食品按压工具压进油锅内了，所以采集到的油炸锅气泡图像中仅含有气泡不含有油炸锅内的食品。
对油炸锅拍照会得到油面的气泡，气泡是由于在食品炸制过程中的水分快速流失产生的气泡，食品中的水分越多，油面产生的气泡越大越多，气泡出现的速度越快，炸制的过程越剧烈。
由于气泡在油锅中产生的过程是快速产生，快速消失的，所以每隔一秒钟采集一次油炸锅气泡图像是合理的，可以由油炸锅气泡图像的帧差情况表达出气泡的变化。每1秒采集一次油炸锅气泡图像并得到对应的每1秒的反映剧烈程度，构建短反映强烈程度序列。
调整帧差的采样频率得到气泡的多个反映剧烈程度序列。
扩大帧差时间，每间隔5秒采集一次油炸锅气泡图像，可以得到中长时间的气泡变化对比，气泡在这段时间段内的变化同样也可以反映气泡的稳定程度。即每5秒采集一次反映剧烈程度，构建中反映剧烈程度序列。
进一步的，再次扩大帧差时间，得到更长时间的气泡变化对比，每间隔10秒采集一次油炸锅气泡图像，气泡在这段时间段内的变化同样也可以反映气泡的稳定程度。即每10秒采集一次反映剧烈程度，构建长反映剧烈程度序列。
步骤S300，由碎屑增加数量发生变化开始计时得到碎屑存在时间，根据碎屑存在时间得到碎屑权重；获取每分钟碎屑增加数量和连通域数量的数量比值；数量比值和碎屑权重加权求和得到目标油质评价。
基于得到的油锅内的碎屑存在时间和连通域数量得到目标油质评价。
由于锅内的碎屑存在的时间是不一致的，碎屑存在的时间越长，对油的污染越严重，应得到的碎屑权重越高，设置一条赋权曲线来反映碎屑存在时间和碎屑权重的关系。从碎屑增加数量发生变化开始计时，也即从碎屑增加数量不为0时开始计时，得到碎屑存在时间。进一步的，根据碎屑存在时间得到碎屑权重。
碎屑权重y的计算公式为：
其中，x为碎屑存在时间。
该反正切函数能够反映碎屑存在时间和碎屑权重关系，符合碎屑在油炸锅内对油质的实际影响情况。当碎屑存在时间越长，得到的碎屑权重就越大，碎屑存在时间越短，得到的碎屑权重就越小，随着存在时间的延长，碎屑权重逐渐趋近于1。
对得到的碎屑权重进行归一化，将碎屑权重更新为归一化后的碎屑权重。
获取每分钟碎屑增加数量和连通域数量的数量比值，该数量比值和碎屑权重加权求和得到目标油质评价。
该第i分钟的目标油质评价ri的计算公式为：
其中，yi为第i分钟的碎屑权重；yi-1为第i-1分钟的碎屑权重；y2为第2分钟的碎屑权重；y1为第1分钟的碎屑权重；a1为第1分钟的碎屑增加数量；a2为第2分钟的碎屑增加数量；ai-1为第i-1分钟的碎屑增加数量；ai为第i分钟的碎屑增加数量；z1为第1分钟的连通域数量；z2为第2分钟的连通域数量；zi-1为第i-1分钟的连通域数量；zi为第i分钟的连通域数量；为第1分钟的数量比值；/>为第2分钟的数量比值；/>为第i-1分钟的数量比值；/>为第i分钟的数量比值。
每更换一次新的食用油，从0开始计时，得到食用油存在时间，并从0开始获取每分钟的目标油质评价。
需要说明的是，碎屑存在的时间越长，分配的碎屑权重应越大，因为碎屑存在的时间越长，对油炸锅内油的影响越大。故将第i分钟的碎屑权重作为第1分钟的数量比值的权重，因为第一分钟出现的碎屑在油锅中出现的时间最长。在碎屑权重的基础上，同时考虑了碎屑的数量和存在时间。
油质直接影响食品成熟质量，当油质较差时，油质浸炸食物，会有部分油质进入食品内部，破坏食品的口感味道。
步骤S400，根据反映剧烈程度序列之间的差异得到气泡稳定性；由气泡稳定性序列的波动程度和目标油质评价得到食品成熟评价。
基于得到的每分钟的目标油质评价和气泡剧烈程度的序列得到食品的成熟评价。
由于食品在进入油锅浸炸的成熟过程中的气泡会由大到小，由快到慢，当食品成熟时油面的气泡会趋于稳定，平缓且有小气泡冒出。
由于图像在处理气泡时，气泡的产生与消失具有不确定性，故利用不同采样频率采集到的油炸锅气泡图像对应的反映剧烈程度序列来共同综合确定气泡的稳定性。
也即根据反映剧烈程度序列之间的差异得到气泡稳定性。其中，多个反映剧烈程度序列包括：每1秒采集一次反映剧烈程度的短反映剧烈程度序列，每5秒采集一次反映剧烈程度的中反映剧烈程度序列，每10秒采集一次反映剧烈程度的长反映剧烈程度序列。
获取相同时间内短反映剧烈程度序列和中反映剧烈程度序列的第一反映剧烈程度差异，相同时间内中反映剧烈程度序列和长反映剧烈程度序列的第二反映剧烈程度差异，相同时间内短反映剧烈程度序列和长反映剧烈程度序列的第三反映剧烈程度差异。
由第一反映剧烈程度差异、第二反映剧烈程度差异和第三反映剧烈程度差异的均值作为稳定性权重，短反映剧烈程度序列中第一个反映剧烈长反映剧烈程度序列中最后一个反映剧烈程度的比值作为初始稳定性。
稳定性权重和初始稳定性的乘积为气泡稳定性。
该第一个10秒的气泡稳定性w10的计算公式为：
其中，为短反映剧烈程度序列中第1秒的反映剧烈程度；/>为短反映剧烈程度序列中第2秒的反映剧烈程度；/>为短反映剧烈程度序列中第3秒的反映剧烈程度；/>为短反映剧烈程度序列中第4秒的反映剧烈程度；/>为短反映剧烈程度序列中第5秒的反映剧烈程度；/>为短反映剧烈程度序列中第6秒的反映剧烈程度；/>为短反映剧烈程度序列中第7秒的反映剧烈程度；/>为短反映剧烈程度序列中第8秒的反映剧烈程度；/>为短反映剧烈程度序列中第9秒的反映剧烈程度；/>为短反映剧烈程度序列中第10秒的反映剧烈程度；/>为中反映剧烈程度序列中第5秒的反映剧烈程度；/>为中反映剧烈程度序列中第10秒的反映剧烈程度；/>为长反映剧烈程度序列中第10秒的反映剧烈程度；/>为第一反映剧烈程度差异；/>为第三反映剧烈程度差异；/>为第二反映剧烈程度差异；/>为稳定性权重；/>为初始稳定性。
该第一个10秒的气泡稳定性反映了十秒内的气泡激烈程度，该值越趋近于1，气泡越稳定，其激烈程度越小。
稳定性权重是从1秒、5秒和10秒三个方向证明气泡的激烈程度评价的可靠性。
进一步的，根据气泡稳定性序列的波动程度和目标油质评价得到食品成熟评价。
当气泡越趋近于稳定时反映食品的水分越少，食品越接近于成熟。获取食品油炸时间和食用油存在时间，该食用油存在时间在步骤S300处已获取；该食品油炸时间为从放置食品至油炸锅时开始计时，即得到食品油炸时间。
第一分钟的食品成熟评价u1的计算公式为：
其中，STD{w10,w20}为第一个10秒的气泡稳定性和第二个10秒的气泡稳定性构成的气泡稳定性序列的标准差；STD{w10,w20,w30}为第一个10秒、第二个10秒和第三个10秒的气泡稳定性构成的气泡稳定性序列的标准差；STD{w10,w20,w30w40,w50w60}为第一个10秒、第二个10秒、第三个10秒、第四个10秒、第五个10秒和第六个10秒构成的气泡稳定性序列的标准差；e为自然常数；为食品油炸时间为第一分钟且食用油存在时间为第h分钟的目标油质评价。
需要说明的是，食品油炸时间和食用油存在时间一一对应，如当食品油炸时间为5分钟时且其对应的食用油存在时间为50分钟时，对应有目标油质评价
食品成熟评价越大，说明食品在这段时间内的成熟度越好，对应的也即口感和味道越好。目标油质评价的参与在成熟度的基础上加上了味道的评价，也即若油质越差，会导致食品成熟评价越差，用目标油质评价和气泡的稳定性更全面的共同评价食品成熟情况。
得到食品成熟评价序列，即每分钟对应一个食品成熟评价，构建食品成熟评价序列。
步骤S500，获取油炸锅内的温度，将温度和标准温度的比值作为温差可靠度，温差可靠度和标准时间的乘积为补偿时间，补偿时间和标准时间之和为食品成熟时间。
由于实际食品的下锅顺序是不确定的，先下锅的食品附近的油温会受到后下锅食品的影响，会导致先下锅的食品在加热过程中会由受热不均匀的情况产生，会导致后续得到的食品成熟评价存在误差。故追加温度时间补偿，对食品温度变化进行调整，使得食品尽量处在恒温浸炸的状态。
在油炸锅底部的加热棒附近放置温度探针，对该区域的油温进行检测，实时记录下该区域的油温，当食品沉入该区域，该区域附近的油温出现骤降，导致原本在该区域的食品出现低油温浸炸的情况，会导致食品的成熟情况不可控。利用温度探针获取油炸锅内的温度，每秒采集一次温度，得到温度序列。
将温度和标准温度的比值作为温差可靠度，得到温差可靠度序列在本发明实施例中标准温度t为170，在其他实施例中实施者可根据实际情况调节该温度取值。
将温差可靠度序列i进行归一化，使得温差可靠度序列内的所有数值加和为1，得到归一化后的温差可靠度序列C＝{c1,..,ci}。
步骤S400得到的食品油炸时间是以分钟为计时单位的，将食品油炸时间的分钟转换成秒，即得到炸制食品的总秒数，也即60乘上食品油炸时间，得到炸制食品的总秒数。
该补偿时间h的计算公式为：
其中，s为标准时间；为第i秒的温差可靠度；ci为归一化后的第i秒的温差可靠度；t为标准温度；ti为第i秒的温度；n为炸制食品的总秒数。
即当温度与标准温度的差异超过一定范围时，对炸制食品的时间进行补偿；反之，当温度和标准温度差异未超过一定范围时，无需再对炸制食品的时间进行补偿。在本发明实施例中设置炸制的食品为炸鸡，标准时间的取值为13min，在其他实施例中实施者可根据实际情况调整该取值。需要说明的是，该补偿时间乘上60是因为标准时间是以分钟为单位的，而温差可靠度是每秒获取一次的，得到的补偿时间是以秒为单位的。
将补偿时间的计时单位转换成分钟，即转换后的补偿时间为
转换后的补偿时间和标准时间之和为食品成熟时间。
步骤S600，获取食品油炸时间，当食品油炸时间大于食品成熟时间且食品成熟评价小于预设成熟评价阈值时，更换食用油。
每种不同的食品都有合适的成熟时间和成熟的标准，根据食品预设成熟评价阈值，在本发明实施例设置炸制的食品为炸鸡，预设成熟评价阈值为0.9，在其他实施例中实施者根据实际情况调整该取值。
从食品放置进油炸锅开始计时，得到食品油炸时间，当食品油炸时间大于食品成熟时间且食品成熟评价大于预设成熟评价阈值时，即食品已经成熟，将食品从油炸锅内捞出；
当油炸时间大于食品成熟时间且在预设时间内食品成熟评价均小于预设成熟评价阈值时，认为是油质出现了问题而使得食品成熟评价降低，此时更换油炸锅内的食用油。在本发明实施例中，预设时间为3min，在其他实施例中实施者可根据实际情况调整该取值。
综上所述，本发明实施例利用大数据处理技术，该方法是一种数字数据处理方法，利用数据库和云数据库服务等互联网数据服务实现食用油更换判断。该方法首先获取食品碎屑图像，对食品碎屑图像进行预处理得到对应的连通域数量；相邻帧食品碎屑图像的连通域数量的差值为碎屑增加数量；获取油炸锅气泡图像，根据相邻帧油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度；调整油炸锅气泡图像的采样频率得到气泡的多个反映剧烈程度序列；获取碎屑存在时间，根据碎屑存在时间得到碎屑权重；获取每分钟碎屑增加数量和连通域数量的数量比值；数量比值和碎屑权重加权求和得到目标油质评价；根据反映剧烈程度序列之间的差异得到气泡稳定性；由气泡稳定性序列的波动程度和目标油质评价得到食品成熟评价；根据油炸锅内的温度得到补偿时间，补偿时间和标准时间之和为食品成熟时间；获取食品油炸时间，当食品油炸时间大于食品成熟时间且食品成熟评价小于预设成熟评价阈值时，更换食用油。本发明实施例通过获取食用油碎屑数量进一步得到目标油质评价，并获取油炸锅表面气泡的气泡稳定性，结合气泡稳定性和目标油质评价得到食品成熟评价，根据食品成熟评价和食品成熟时间来判断是否需要更换食用油，达到了实时获取食用油的油质评价以及时更换食用油，进而避免食用油的油质影响食品口感和味道的目的。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，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 (3)

1.基于大数据的食品油炸锅的智能优化分析方法，其特征在于，该方法包括以下步骤：
获取食品碎屑图像，对所述食品碎屑图像进行预处理得到对应的连通域数量；相邻帧食品碎屑图像的连通域数量的差值为碎屑增加数量；
获取油炸锅气泡图像，根据相邻帧所述油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度；调整油炸锅气泡图像的采样频率得到气泡的多个反映剧烈程度序列；
由所述碎屑增加数量发生变化开始计时得到碎屑存在时间，根据所述碎屑存在时间得到碎屑权重；获取每分钟所述碎屑增加数量和所述连通域数量的数量比值；所述数量比值和所述碎屑权重加权求和得到目标油质评价；
根据所述反映剧烈程度序列之间的差异得到气泡稳定性；由气泡稳定性序列的波动程度和所述目标油质评价得到食品成熟评价；
获取油炸锅内的温度，将所述温度和标准温度的比值作为温差可靠度，所述温差可靠度和标准时间的乘积为补偿时间，所述补偿时间和所述标准时间之和为食品成熟时间；
获取食品油炸时间，当所述食品油炸时间大于所述食品成熟时间且食品成熟评价小于预设成熟评价阈值时，更换食用油；
其中，该第分钟的目标油质评价/>的计算公式为：
其中，为第/>分钟的碎屑权重；/>为第/>分钟的碎屑权重；/>为第/>分钟的碎屑权重；/>为第/>分钟的碎屑权重；/>为第/>分钟的碎屑增加数量；/>为第/>分钟的碎屑增加数量；/>为第/>分钟的碎屑增加数量；/>为第/>分钟的碎屑增加数量；/>为第/>分钟的连通域数量；/>为第/>分钟的连通域数量；/>为第/>分钟的连通域数量；/>为第/>分钟的连通域数量；/>为第/>分钟的数量比值；/>为第/>分钟的数量比值；/>为第/>分钟的数量比值；/>为第/>分钟的数量比值；
其中，所述碎屑权重的计算公式为：
其中，为所述碎屑权重；/>为所述碎屑存在时间；
其中，根据所述反映剧烈程度序列之间的差异得到气泡稳定性，包括：多个反映剧烈程度序列包括：每1秒采集一次反映剧烈程度的短反映剧烈程度序列，每5秒采集一次反映剧烈程度的中反映剧烈程度序列，每10秒采集一次反映剧烈程度的长反映剧烈程度序列；获取相同时间内所述短反映剧烈程度序列和所述中反映剧烈程度序列的第一反映剧烈程度差异，相同时间内所述中反映剧烈程度序列和所述长反映剧烈程度序列的第二反映剧烈程度差异，相同时间内所述短反映剧烈程度序列和所述长反映剧烈程度序列的第三反映剧烈程度差异；由所述第一反映剧烈程度差异、所述第二反映剧烈程度差异和所述第三反映剧烈程度差异的均值作为稳定性权重，所述短反映剧烈程度序列中第一个反映剧烈程度和所述长反映剧烈程度序列中最后一个反映剧烈程度的比值作为初始稳定性；所述稳定性权重和所述初始稳定性的乘积为气泡稳定性；
其中，第一个10秒的气泡稳定性的计算公式为：
其中，为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为短反映剧烈程度序列中第/>秒的反映剧烈程度；/>为中反映剧烈程度序列中第/>秒的反映剧烈程度；/>为中反映剧烈程度序列中第/>秒的反映剧烈程度；/>为长反映剧烈程度序列中第/>秒的反映剧烈程度；/>为第一反映剧烈程度差异；/>为第三反映剧烈程度差异；/>为第二反映剧烈程度差异；
其中，由气泡稳定性序列的波动程度和所述目标油质评价得到食品成熟评价，包括：获取食用油存在时间；
所述食品成熟评价的计算公式为：
其中，为第一分钟的所述食品成熟评价；/>为第一个10秒的气泡稳定性和第二个10秒的气泡稳定性构成的气泡稳定性序列的标准差；/>为第一个10秒、第二个10秒和第三个10秒的气泡稳定性构成的气泡稳定性序列的标准差；为第一个10秒、第二个10秒、第三个10秒、第四个10秒、第五个10秒和第六个10秒构成的气泡稳定性序列的标准差；/>为自然常数；/>为所述食品油炸时间为第一分钟且食用油存在时间为第/>分钟的所述目标油质评价；
其中，所述补偿时间的计算公式为：
，/>
其中，为所述补偿时间；/>为所述标准时间；/>为第/>秒的所述温差可靠度；/>为归一化后的第/>秒的温差可靠度；/>为所述标准温度；/>为第/>秒的温度；/>为炸制食品的总秒数。
2.根据权利要求1所述的基于大数据的食品油炸锅的智能优化分析方法，其特征在于，所述对所述食品碎屑图像进行预处理得到对应的连通域数量，包括：
灰度化所述食品碎屑图像得到碎屑灰度图；对所述碎屑灰度图去噪得到初始碎屑图；提取所述初始碎屑图中的碎屑像素点，构建第二碎屑图，对所述第二碎屑图进行开运算得到目标碎屑图；对所述目标碎屑图进行连通域分析得到多个连通域和连通域数量。
3.根据权利要求1所述的基于大数据的食品油炸锅的智能优化分析方法，其特征在于，所述根据相邻帧所述油炸锅气泡图像的像素点数量的差异得到气泡的反映剧烈程度，包括：
相邻帧油炸锅气泡图像对应像素值相减得到差分图像，所述差分图像内像素点数量为气泡的反映剧烈程度。
CN202210360981.5A 2022-04-07 2022-04-07 基于大数据的食品油炸锅的智能优化分析方法 Active CN114720646B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210360981.5A CN114720646B (zh) 2022-04-07 2022-04-07 基于大数据的食品油炸锅的智能优化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210360981.5A CN114720646B (zh) 2022-04-07 2022-04-07 基于大数据的食品油炸锅的智能优化分析方法

Publications (2)

Publication Number Publication Date
CN114720646A CN114720646A (zh) 2022-07-08
CN114720646B true CN114720646B (zh) 2023-12-15

Family

ID=82242700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210360981.5A Active CN114720646B (zh) 2022-04-07 2022-04-07 基于大数据的食品油炸锅的智能优化分析方法

Country Status (1)

Country Link
CN (1) CN114720646B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116804669B (zh) * 2023-06-16 2024-04-02 枣庄华宝牧业开发有限公司 一种肉制品加工用油炸监视系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08182624A (ja) * 1994-12-29 1996-07-16 Nisshin Oil Mills Ltd:The 揚げ油の劣化度を検知する方法
JPH08242780A (ja) * 1995-03-10 1996-09-24 Nisshin Oil Mills Ltd:The フライ調理方法
JP2003083951A (ja) * 2001-09-10 2003-03-19 Nisshin Oillio Ltd 油ちょう食品美味しさ評価方法、油ちょう食品美味しさ評価方法をコンピュータに実行させるプログラム、及び油ちょう食品美味しさ評価装置
JP2006340687A (ja) * 2005-06-10 2006-12-21 Taniguchiya:Kk 油揚げの製造方法および同方法に用いる製造機具
JP2009165438A (ja) * 2008-01-18 2009-07-30 Higashiya Delica:Kk かき揚げ及びその製造方法
JP2014167470A (ja) * 2013-01-29 2014-09-11 Osaka Univ 食感評価システム、食感評価プログラム、記録媒体および食感評価方法
JP2015073453A (ja) * 2013-10-08 2015-04-20 辻製油株式会社 食用油脂の製造方法および食用油脂
CN205727819U (zh) * 2016-05-16 2016-11-30 李斌 一种桂林米粉锅烧食品自动炸制装置
CN106388640A (zh) * 2015-07-28 2017-02-15 伊莱克斯商用电器有限公司 油炸装置控制方法和计算机程序及执行该方法的油炸装置
CN106455867A (zh) * 2014-03-28 2017-02-22 弗瑞马斯特公司 利用设定值控制来保持油炸机中油的质量的方法和系统
JP2017151938A (ja) * 2016-02-28 2017-08-31 国立大学法人 千葉大学 揚物の質感評価方法及び揚物の質感評価プログラム
JP2019184528A (ja) * 2018-04-16 2019-10-24 長谷川香料株式会社 飲食品の風味の好ましさの解析方法および予測方法
JP2019211288A (ja) * 2018-06-01 2019-12-12 埼玉県 食品検査システムおよびプログラム
CN111260199A (zh) * 2020-01-10 2020-06-09 江西理工大学 一种人工智能感官评价食品风味系统及其构建方法
KR102237604B1 (ko) * 2019-10-11 2021-04-07 윤태연 전기튀김기 및 이를 이용한 조리방법
JPWO2021200103A1 (zh) * 2020-03-31 2021-10-07
WO2022024774A1 (ja) * 2020-07-30 2022-02-03 株式会社Ｊ－オイルミルズ 食品廃棄時期管理装置、食品廃棄時期管理システム、および食品廃棄時期管理方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8133520B2 (en) * 2007-03-01 2012-03-13 Restaurant Technology, Inc. Low oil volume frying device and method
WO2020077501A1 (en) * 2018-10-15 2020-04-23 Guangdong Midea Kitchen Appliances Manufacturing Co., Ltd. System and method for collecting and annotating cooking images for training smart cooking appliances, locating food items in smart cooking appliances, and determining cooking progress of food items in smart cooking appliances
JP6719716B2 (ja) * 2018-11-28 2020-07-08 クールフライヤー株式会社 フライヤー

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08182624A (ja) * 1994-12-29 1996-07-16 Nisshin Oil Mills Ltd:The 揚げ油の劣化度を検知する方法
JPH08242780A (ja) * 1995-03-10 1996-09-24 Nisshin Oil Mills Ltd:The フライ調理方法
JP2003083951A (ja) * 2001-09-10 2003-03-19 Nisshin Oillio Ltd 油ちょう食品美味しさ評価方法、油ちょう食品美味しさ評価方法をコンピュータに実行させるプログラム、及び油ちょう食品美味しさ評価装置
JP2006340687A (ja) * 2005-06-10 2006-12-21 Taniguchiya:Kk 油揚げの製造方法および同方法に用いる製造機具
JP2009165438A (ja) * 2008-01-18 2009-07-30 Higashiya Delica:Kk かき揚げ及びその製造方法
JP2014167470A (ja) * 2013-01-29 2014-09-11 Osaka Univ 食感評価システム、食感評価プログラム、記録媒体および食感評価方法
JP2015073453A (ja) * 2013-10-08 2015-04-20 辻製油株式会社 食用油脂の製造方法および食用油脂
CN106455867A (zh) * 2014-03-28 2017-02-22 弗瑞马斯特公司 利用设定值控制来保持油炸机中油的质量的方法和系统
CN106388640A (zh) * 2015-07-28 2017-02-15 伊莱克斯商用电器有限公司 油炸装置控制方法和计算机程序及执行该方法的油炸装置
JP2017151938A (ja) * 2016-02-28 2017-08-31 国立大学法人 千葉大学 揚物の質感評価方法及び揚物の質感評価プログラム
CN205727819U (zh) * 2016-05-16 2016-11-30 李斌 一种桂林米粉锅烧食品自动炸制装置
JP2019184528A (ja) * 2018-04-16 2019-10-24 長谷川香料株式会社 飲食品の風味の好ましさの解析方法および予測方法
JP2019211288A (ja) * 2018-06-01 2019-12-12 埼玉県 食品検査システムおよびプログラム
KR102237604B1 (ko) * 2019-10-11 2021-04-07 윤태연 전기튀김기 및 이를 이용한 조리방법
CN111260199A (zh) * 2020-01-10 2020-06-09 江西理工大学 一种人工智能感官评价食品风味系统及其构建方法
JPWO2021200103A1 (zh) * 2020-03-31 2021-10-07
WO2021200103A1 (ja) * 2020-03-31 2021-10-07 株式会社Ｊ－オイルミルズ 食用油の劣化度判定装置、食用油の劣化度判定システム、食用油の劣化度判定方法、食用油の劣化度判定プログラム、食用油の劣化度学習装置、食用油の劣化度判定に用いられる学習済モデル、及び食用油の交換システム
WO2022024774A1 (ja) * 2020-07-30 2022-02-03 株式会社Ｊ－オイルミルズ 食品廃棄時期管理装置、食品廃棄時期管理システム、および食品廃棄時期管理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Optimization of deep-fat frying operations;Michael M. Blumenthal and Richard F. Slier;Trends in Food Science & Technology;第2卷(第3期);全文 *
低温真空油炸对半干水产品营养成分和食用油品质的影响;杨金生;尚艳丽;夏松养;;食品工业科技(10);全文 *
煎炸油检测方法的比较;肖新生;毕艳兰;彭元怀;李潇颖;;中国油脂(05);全文 *
煎炸油质量调控及薯片品质分析;宋丽娟;中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)(第4期);全文 *
陶瑞霄.主食加工实用技术.四川科学技术出版社,2018,70-71. *

Also Published As

Publication number Publication date
CN114720646A (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN110349153B (zh) 基于多特征融合的图像法烟草含梗率检测方法
Di Martino et al. Benchmarking framework for SAR despeckling
Lee et al. Automatic retinal image quality assessment and enhancement
CN110599439A (zh) 用于训练神经网络的图像块的选择方法及图像质量评价方法
CN114720646B (zh) 基于大数据的食品油炸锅的智能优化分析方法
CN105180850B (zh) 计算玉米叶部大斑病病斑面积比例的方法及装置
CN116612470B (zh) 一种基于视觉特征的面包检测方法以及系统
CN109632811A (zh) 基于机器视觉的结构钢锭型偏析缺陷检验量化评级方法
CN110857787B (zh) 一种油烟机集油盒的集油量检测方法和油烟机
CN114565563A (zh) 基于人工智能的彩钢板表面异常检测方法
CN113313582A (zh) 拒客回捞模型训练方法、装置及电子设备
CN115457029B (zh) 一种基于感知特征的水下图像质量测量方法
CN110517226B (zh) 基于双边滤波的多特征纹理图像融合的烟梗区域提取方法
CN110118735A (zh) 一种检测香梨公母的高光谱成像检测方法及装置
CN111291951B (zh) 一种微波炉的烹调性能测定方法
JPH0376402B2 (zh)
CN114359895B (zh) 一种食品新鲜度检测的方法及系统
CN112858597A (zh) 一种食品现场检验检测用样品存放系统及方法
CN114943737B (zh) 一种酥饼品质评价方法、装置及可读存储介质
CN117952857B (zh) 一种天然食品添加剂的光谱图像智能分析方法
Costa et al. Application of image analysis to the study of water losses from potato slices during frying
JP2020041841A (ja) 変化率推定装置、変化率推定方法、状態推定装置及び状態推定方法
CN115561206B (zh) 高粱蒸煮程度在线检测方法
Ganchovska et al. Automatic mold analysis in blue cheese.
Teoh et al. Use of image analysis for grading size of mango

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
TA01 Transfer of patent application right

Effective date of registration: 20231120

Address after: 314000 No. 1128 Kaixi Road, Jiaxing City, Zhejiang Province

Applicant after: Hand in Hand Nanotechnology (Jiaxing) Co.,Ltd.

Address before: 226155 group 34, Liudong village, Liuhao Town, Haimen City, Nantong City, Jiangsu Province

Applicant before: Haimen Xinrong Electrical Appliances Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Intelligent optimization analysis method for food fryers based on big data

Granted publication date: 20231215

Pledgee: Zhejiang Hecheng Rural Commercial Bank Co.,Ltd.

Pledgor: Hand in Hand Nanotechnology (Jiaxing) Co.,Ltd.

Registration number: Y2024330000877

PE01 Entry into force of the registration of the contract for pledge of patent right