CN115204528B - 油烟管道的清洗周期预测方法、装置、服务器及存储介质 - Google Patents

油烟管道的清洗周期预测方法、装置、服务器及存储介质 Download PDF

Info

Publication number
CN115204528B
CN115204528B CN202211118436.1A CN202211118436A CN115204528B CN 115204528 B CN115204528 B CN 115204528B CN 202211118436 A CN202211118436 A CN 202211118436A CN 115204528 B CN115204528 B CN 115204528B
Authority
CN
China
Prior art keywords
cleaning
target
oil smoke
oil
smoke pipeline
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
CN202211118436.1A
Other languages
English (en)
Other versions
CN115204528A (zh
Inventor
黄旭阳
万敏
许俊涛
丁凌峰
张振斌
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.)
Hangzhou Shenhao Technology Co Ltd
Original Assignee
Hangzhou Shenhao Technology 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 Hangzhou Shenhao Technology Co Ltd filed Critical Hangzhou Shenhao Technology Co Ltd
Priority to CN202211118436.1A priority Critical patent/CN115204528B/zh
Publication of CN115204528A publication Critical patent/CN115204528A/zh
Application granted granted Critical
Publication of CN115204528B publication Critical patent/CN115204528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种油烟管道的清洗周期预测方法、装置、服务器及存储介质，涉及计算机技术领域。该方法包括：接收客户端设备发送的目标油烟管道的清洗记录信息以及目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，其中，各第一检测设备分别设置在目标油烟管道内或者油烟管道所在的厨房内；根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期。服务器自动预测出目标油烟管道的目标清洗周期，使得预测的清洗周期更加客观、准确，便于及时清洗，提升了油烟管道的安全性。

Description

油烟管道的清洗周期预测方法、装置、服务器及存储介质
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种油烟管道的清洗周期预测方法、装置、服务器及存储介质。
背景技术
目前，餐饮行业油烟管道长期使用中会积累大量油污，油烟管道温度高、油污多，在明火作业环境下存在较大安全隐患，定期对油烟管道进行清洗也变得越来越重要。
相关技术中，通过人工观察厨房油烟管道的油污情况，人工确定厨房油烟管道的油烟积累情况，在油烟积累较多时，对厨房油烟管道进行清洗。
但是，相关技术中，通过人工观察油污情况较为主观，容易造成清洗不及时的问题，存在安全隐患。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种油烟管道的清洗周期预测方法、装置、服务器及存储介质，以便解决相关技术中通过人工观察油污情况较为主观，容易造成清洗不及时的问题，存在安全隐患的问题。
为实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种油烟管道的清洗周期预测方法，所述方法包括：
接收客户端设备发送的目标油烟管道的清洗记录信息以及所述目标油烟管道所在的厨房的基础信息；
接收至少一个第一检测设备发送的所述目标油烟管道内的油污积累量以及所述厨房的使用数据，其中，各所述第一检测设备分别设置在所述目标油烟管道内或者所述油烟管道所在的厨房内；
根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期。
可选的，所述根据所述目标油烟管道的清洗记录信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期，包括：
根据所述目标油烟管道的每个区域的清洗记录信息、每个区域的所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的每个区域的目标清洗周期。
可选的，所述根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期，包括：
根据所述目标油烟管道的清洗记录信息，确定至少一个历史清洗周期、最后一次清洗到当前时间的营业时长、每次清洗时的历史油污积累量；
根据所述厨房的使用数据，确定最后一次清洗后的累计烹饪时长，以及每个历史清洗周期内的周期烹饪时长；
根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污积累量为最后一次清洗到当前时间的油污积累量。
可选的，所述根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，包括：
根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污影响系数用于表征所述目标油烟管道所在的厨房的硬件设施对油污积累的影响程度。
可选的，根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期之前，还包括：
根据目标油烟管道所在的厨房的位置信息确定第一影响系数；
根据目标油烟管道所在的厨房的类型确定第二影响系数；
根据目标油烟管道所在的厨房内安装的净化设备确定第三影响系数；
将所述第一影响系数、第二影响系数以及所述第三影响系数作为所述油污影响系数。
可选的，所述方法还包括：
根据所述历史油污积累量，生成历史油污积累曲线；
对多个时间周期的所述历史油污积累曲线进行比较，得到比较结果，所述比较结果用于指示各时间周期的历史油污积累曲线之间的差异；
根据所述比较结果，修正所述油污影响系数。
可选的，所述方法还包括：
获取第二检测设备发送的所述目标油烟管道清洗后的图像，所述第二检测设备设置在管道清洗设备上，所述第二检测设备用于采集所述目标油烟管道清洗后的图像；
根据所述清洗后的图像，判断所述目标油烟管道的清洗是否满足预期目标；
若是，则生成本次清洗的清洗记录信息，并将所述本次清洗的清洗记录信息发送给所述客户端设备。
第二方面，本发明实施例还提供了一种油烟管道的清洗周期预测装置，所述装置包括：
接收模块，用于接收客户端设备发送的目标油烟管道的清洗记录信息以及所述目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的所述目标油烟管道内的油污积累量以及所述厨房的使用数据，其中，各所述第一检测设备分别设置在所述目标油烟管道内或者所述油烟管道所在的厨房内；
预测模块，用于根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期。
可选的，所述预测模块，具体用于根据所述目标油烟管道的每个区域的清洗记录信息、每个区域的所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的每个区域的目标清洗周期。
可选的，所述预测模块，具体用于根据所述目标油烟管道的清洗记录信息，确定至少一个历史清洗周期、最后一次清洗到当前时间的营业时长、每次清洗时的历史油污积累量；根据所述厨房的使用数据，确定最后一次清洗后的累计烹饪时长，以及每个历史清洗周期内的周期烹饪时长；根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污积累量为最后一次清洗到当前时间的油污积累量。
可选的，所述预测模块，具体用于根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污影响系数用于表征所述目标油烟管道所在的厨房的硬件设施对油污积累的影响程度。
可选的，所述装置还包括：
确定模块，用于根据目标油烟管道所在的厨房的位置信息确定第一影响系数；根据目标油烟管道所在的厨房的类型确定第二影响系数；根据目标油烟管道所在的厨房内安装的净化设备确定第三影响系数；将所述第一影响系数、第二影响系数以及所述第三影响系数作为所述油污影响系数。
可选的，所述装置还包括：
生成模块，用于根据所述历史油污积累量，生成历史油污积累曲线；
比较模块，用于对多个时间周期的所述历史油污积累曲线进行比较，得到比较结果，所述比较结果用于指示各时间周期的历史油污积累曲线之间的差异；
修正模块，用于根据所述比较结果，修正所述油污影响系数。
可选的，所述装置还包括：
获取模块，用于获取第二检测设备发送的所述目标油烟管道清洗后的图像，所述第二检测设备设置在管道清洗设备上，所述第二检测设备用于采集所述目标油烟管道清洗后的图像；
判断模块，用于根据所述清洗后的图像，判断所述目标油烟管道的清洗是否满足预期目标；
发送模块，用于若是，则生成本次清洗的清洗记录信息，并将所述本次清洗的清洗记录信息发送给所述客户端设备。
第三方面，本发明实施例还提供了一种服务器，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的油烟管道的清洗周期预测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述第一方面任一项所述的油烟管道的清洗周期预测方法。
本发明的有益效果是：本申请实施例提供一种油烟管道的清洗周期预测方法包括：接收客户端设备发送的目标油烟管道的清洗记录信息以及目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，其中，各第一检测设备分别设置在目标油烟管道内或者油烟管道所在的厨房内；根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期。服务器基于客户端设备发送的目标油烟管道的清洗记录信息、所述厨房的基础信息，第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，自动预测出目标油烟管道的目标清洗周期，使得预测的清洗周期更加客观、准确，便于及时清洗，提升了油烟管道的安全性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例提供的一种油烟管道的清洗周期预测系统的结构示意图；
图2为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图；
图3为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图；
图4为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图；
图5为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图；
图6为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图；
图7为本发明实施例提供的一种油烟管道的清洗周期预测装置的结构示意图；
图8为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作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。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、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，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元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申请的限制。
此外，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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
相关技术中，通过人工观察厨房油烟管道的油污情况，人工确定厨房油烟管道的油烟积累情况，在油烟积累较多时，对厨房油烟管道进行清洗。但是，相关技术中，通过人工观察油污情况较为主观，容易造成清洗不及时的问题，存在安全隐患。
针对相关技术中所存在的上述技术问题，本申请实施例提供一种油烟管道的清洗周期预测方法，服务器基于客户端设备发送的目标油烟管道的清洗记录信息、所述厨房的基础信息，第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，自动预测出目标油烟管道的目标清洗周期，使得预测的清洗周期更加客观、准确，便于及时清洗，提升了油烟管道的安全性。
图1为本发明实施例提供的一种油烟管道的清洗周期预测系统的结构示意图，如图1所示，该油烟管道的清洗周期预测系统可以包括：服务器101、多个客户端设备102以及多个检测设备103；
其中，各客户端设备102分别用于记录一个或多个油烟管道的清洗记录信息以及油烟管道所在的厨房的基础信息，各检测设备103分别设置在油烟管道内或厨房内。
在一些实施方式中，客户端设备102可以向服务器101发送目标油烟管道的清洗记录信息以及目标油烟管道所在的厨房的基础信息；第一检测设备103可以向服务器101发送目标油烟管道内的油污积累量以及厨房的使用数据；服务器101可以接收目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，并基于这些信息预测出目标油烟管道的目标清洗周期。
另外，至少一个第一检测设备103可以为多个检测设备103中的至少一个检测设备103，上述客户端设备102可以为上述多个客户端设备102中的一个客户端设备102。
需要说明的是，客户端设备102可以为下述中的任一项：智能手机、平板电脑、笔记本电脑等等。另外，客户端设备102与服务器101之间的通信方式可以为无线通信，检测设备103与服务器101之间的通信方式也可以为无线通信。
以下服务器101为执行主体，对本申请实施例提供的一种油烟管道的清洗周期预测方法进行解释说明。其中，服务器101可以为云服务器101。
图2为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图，如图2所示，该方法可以包括：
S201、接收客户端设备发送的目标油烟管道的清洗记录信息以及目标油烟管道所在的厨房的基础信息。
其中，目标油烟管道的清洗记录信息可以为目标油烟管道的历史清洗记录信息。
在一些实施方式中，客户端设备可以记录并向服务器发送目标油烟管道的清洗记录信息，以及目标油烟管道所在的厨房的基础信息，服务器可以接收目标油烟管道的清洗记录信息以及厨房的基础信息。
可选的，客户端设备上可以安装有应用程序，客户端设备可以通过应用程序向服务器发送目标油烟管道的清洗记录信息以及厨房的基础信息；云服务器上可以安装有服务端，云服务器可以通过服务端执行S201至S203的过程。
S202、接收至少一个第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据。
其中，各第一检测设备分别设置在目标油烟管道内或者油烟管道所在的厨房内。
在一些实施方式中，第一检测设备可以采集并向服务器发送目标油烟管道内的油污积累量，以及厨房的使用数据；服务器可以接收目标油烟管道内的油污积累量，以及厨房的使用数据。
需要说明的是，设置在目标油烟管道内的第一检测设备，可以采集目标油烟管道内的油污积累量，设置在油烟管道所在的厨房内的第一检测设备，可以采集厨房的使用数据。
其中，设置在目标油烟管道内的第一检测设备可以为摄像头或者其他类型能够采集油污积累量的传感器，设置在油烟管道所在的厨房内的第一检测设备可以为摄像头。
S203、根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期。
在本申请实施例中，服务器可以采用预设规则、预设模型、预设算法或者预设公式，根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期。
另外，服务器可以根据最后一次清洗的时间以及目标油烟管道的目标清洗周期，计算目标油烟管道的下一次清洗时间。其中，目标油烟管道的最后一次清洗的时间可以为T0，目标油烟管道的目标清洗周期可以为PΔ，目标油烟管道的下一次清洗时间Tn= T0+PΔ。
综上所述，本申请实施例提供一种油烟管道的清洗周期预测方法包括：接收客户端设备发送的目标油烟管道的清洗记录信息以及目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，其中，各第一检测设备分别设置在目标油烟管道内或者油烟管道所在的厨房内；根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期。服务器基于客户端设备发送的目标油烟管道的清洗记录信息、所述厨房的基础信息，第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，自动预测出目标油烟管道的目标清洗周期，使得预测的清洗周期更加客观、准确，便于及时清洗，提升了油烟管道的安全性。
需要说明的是，厨房烹饪过程中使用食用油，炉灶工作时产生高温油烟废气，油烟废气中含油质、有机物及加热分解或裂接产物，通过油烟管道对外排放过程中，由于油质、有机物等粘着性油污逐步积累附着在油烟管道壁上，设置在目标油烟管道内的第一检测设备可以采集扫油烟管道内壁上的油烟积累量。
可选的，上述S203中根据目标油烟管道的清洗记录信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期的过程，可以包括：
根据目标油烟管道的每个区域的清洗记录信息、每个区域的油污积累量以及厨房的使用数据，预测目标油烟管道的每个区域的目标清洗周期。
其中，目标油烟管道可以包括多个区域，多个区域可以包括：风机所在的风机区、油烟净化器所在的油烟净化器区、竖管所在的油烟竖管区、水平管所在的油烟水平管区、集烟罩灶台所在的集烟罩灶台区。
值得说明的是，各个区域油污积累程度存在不同，每个区域油污积累超过限制都会产生危险，本申请实施例中每个区域均有对应的清洗记录信息以及油污积累量，根据每个区域的清洗记录信息、每个区域的油污积累量以及厨房的使用数据，可以实现单独、精细化预测目标油烟管道的每个区域的目标清洗周期，根据每个区域的目标清洗周期对每个区域的及时清洗，便于及时清洗油污积累过多的区域，进一步提升了油烟管道使用的安全性。
可选的，图3为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图，如图3所示，上述S203中根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期的过程，可以包括：
S301、根据目标油烟管道的清洗记录信息，确定至少一个历史清洗周期、最后一次清洗到当前时间的营业时长、每次清洗时的历史油污积累量。
其中，根据目标油烟管道的清洗记录信息，确定至少一个历史清洗周期，最后一次清洗到当前时间的营业时长Pβ。
需要说明的是，可以根据至少一个历史清洗周期，确定平均历史油污积累量，平均历史油污积累量可以为：
Figure M_220907092707799_799860001
其中，
Figure M_220907092707911_911202001
为每个历史油污积累量，
Figure M_220907092707958_958066002
为平均历史油污积累量，
Figure M_220907092707989_989313003
为在强制性清洗周期内的油污积累量，强制性清洗周期为允许范围内的最长清洗周期。
另外，在本申请实施例中，可以根据每次清洗时的历史油污积累量，确定平均历史油污积累量，平均历史油污积累量可以为：
Figure M_220907092708020_020562001
其中，
Figure M_220907092708051_051856001
为每次清洗时的历史油污积累量，
Figure M_220907092708085_085494002
为平均历史油污积累量。
需要说明的是，营业时长可以为厨房所属餐厅的营业时长。
S302、根据厨房的使用数据，确定最后一次清洗后的累计烹饪时长，以及每个历史清洗周期内的周期烹饪时长。
其中，根据厨房的使用数据，确定最后一次清洗后的累计烹饪时长Sβ。
另外，在本申请实施例中，可以根据每个历史清洗周期内的周期烹饪时长，确定平均周期烹饪时长，平均周期烹饪时长可以为：
Figure M_220907092708101_101623001
其中，
Figure M_220907092708148_148507001
为每个历史清洗周期内的周期烹饪时长，
Figure M_220907092708164_164115002
为平均周期烹饪时长。
S303、根据历史清洗周期、营业时长、历史油污积累量、累计烹饪时长、周期烹饪时长以及油污积累量，预测目标油烟管道的清洗周期。
其中，油污积累量
Figure M_220907092708195_195381001
为最后一次清洗到当前时间的油污积累量。
在一些实施方式中，根据平均历史清洗周期Pα、营业时长Pβ、平均历史油污积累量
Figure M_220907092708226_226632001
、累计烹饪时长Sβ、平均周期烹饪时长
Figure M_220907092708242_242243002
以及油污积累量
Figure M_220907092708273_273505003
，预测目标油烟管道的清洗周期。
可选的，上述S303中根据历史清洗周期、营业时长、历史油污积累量、累计烹饪时长、周期烹饪时长以及油污积累量，预测目标油烟管道的清洗周期的过程，可以包括：
根据每个区域的历史清洗周期、营业时长、每个区域的历史油污积累量、累计烹饪时长、周期烹饪时长以及每个区域的油污积累量，预测目标油烟管道每个区域的清洗周期。
可选的，上述S303中根据历史清洗周期、营业时长、历史油污积累量、累计烹饪时长、周期烹饪时长以及油污积累量，预测目标油烟管道的清洗周期的过程，可以包括：
根据油污影响系数、历史清洗周期、营业时长、历史油污积累量、累计烹饪时长、周期烹饪时长以及油污积累量，预测目标油烟管道的清洗周期。
其中，油污影响系数可以用于表征目标油烟管道所在的厨房的硬件设施对油污积累的影响程度。
在一些实施方式中，计算营业时长Pβ与平均历史清洗周期Pα的第一比值，累计烹饪时长Sβ与平均周期烹饪时长
Figure M_220907092708292_292025001
的第二比值，油污积累量
Figure M_220907092708308_308172002
与平均历史油污积累量
Figure M_220907092708339_339435003
的第三比值，根据油污影响系数、第一比值、第二比值、第三比值预测目标油烟管道的清洗周期。
可选的，上述根据油污影响系数、历史清洗周期、营业时长、历史油污积累量、累计烹饪时长、周期烹饪时长以及油污积累量，预测目标油烟管道的清洗周期的过程，可以包括：
根据油污影响系数、每个区域的历史清洗周期、营业时长、每个区域的历史油污积累量、累计烹饪时长、周期烹饪时长以及每个区域的油污积累量，预测目标油烟管道每个区域的清洗周期。
可选的，图4为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图，如图4所示，在上述根据油污影响系数、历史清洗周期、营业时长、历史油污积累量、累计烹饪时长、周期烹饪时长以及油污积累量，预测目标油烟管道的清洗周期的过程之前，该方法还可以包括：
S401、根据目标油烟管道所在的厨房的位置信息确定第一影响系数。
其中，可以根据厨房所属的登记餐厅的具体区域以及地点，确定第一影响系数ft。
S402、根据目标油烟管道所在的厨房的类型确定第二影响系数。
其中，根据厨房所属的登记餐厅的类型，确定第二影响系数fg。
示例的，根据中式或者西餐，油炸或者蒸煎方式，细分配置食材与食用油等烹饪过程中挥发情况，确定第二影响系数fg。
S403、根据目标油烟管道所在的厨房内安装的净化设备确定第三影响系数。
其中，根据目标油烟管道所在的厨房内安装的净化设备的功率、净化程度不同确定第三影响系数fs。
S404、将第一影响系数、第二影响系数以及第三影响系数作为油污影响系数。
需要说明的是，油污影响系数包括：第一影响系数ft、第二影响系数fg、第三影响系数fs。
在一些实施方式中，可以采用下述公式计算目标油烟管道的目标清洗周期可以为PΔ：
Figure M_220907092708370_370670001
其中， ft为第一影响系数、fg为第二影响系数、fs为第三影响系数，Pα为平均历史清洗周期、Pβ为营业时长、
Figure M_220907092708528_528405001
为平均历史油污积累量、Sβ为累计烹饪时长、
Figure M_220907092708559_559649002
为平均周期烹饪时长以及
Figure M_220907092708575_575244003
为油污积累量。
可选的，图5为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图，如图5所示，该方法还可以包括：
S501、根据历史油污积累量，生成历史油污积累曲线。
其中，可以根据多个时间周期的历史油积累量进行统计处理，生成多个历史油污积累曲线。
需要说明的是，多个时间周期可以为一年中的不同季度或者不同月份，或者不同年份的相同季度或者相同月份。
S502、对多个时间周期的历史油污积累曲线进行比较，得到比较结果。
其中，比较结果用于指示各时间周期的历史油污积累曲线之间的差异。
S503、根据比较结果，修正油污影响系数。
在本申请实施例中，可以根据比较结果分析引起各时间周期的历史油污积累曲线之间的差异的影响因素，根据影响因素修正第一影响系数、第二影响系数、第三影响系数中的至少一项。
可选的，图6为本发明实施例提供的一种油烟管道的清洗周期预测方法的流程示意图，如图6所示，该方法还可以包括：
S601、获取第二检测设备发送的目标油烟管道清洗后的图像。
其中，第二检测设备设置在管道清洗设备上，第二检测设备用于采集目标油烟管道清洗后的图像。
值得说明的是，在当前时间为油烟管道的一区域的清洗时间时，可以采用清洗设备对油烟管道的该区域进行清洗，第二检测设备设置在管道清洗设备上，第二检测设备可以为摄像头，示例的，可以为带有补光功能的摄像头，所采集的目标油烟管道清洗后的图像更加图像。
另外，第二检测设备与服务器之间的通信方式可以为无线通信。
S602、根据清洗后的图像，判断目标油烟管道的清洗是否满足预期目标。
在一些实施方式中，服务器可以根据目标油烟管道的目标区域的清洗后的图像，采用目标区域对应的评判规则，判断目标目标油烟管道的区域的清洗是否满足预期目标。确保每次清洗作业标准化，使得清洗后的清洁程度保持一致，以更好的保正按需清洗模型的有效性。
其中，目标区域可以为目标油烟管道的区域中的至少一个。
可选的，服务器可以风机区的评判规则可以为：风机叶轮表面90%见到底漆；油烟净化器区的评判规则可以为：极片85%可见原有金属颜色；油烟竖管区的评判规则可以为：85%以上内壁可见原有金属颜色；油烟水平管区的评判规则可以为：90%以上内壁可见材质本色。
S603、若是，则生成本次清洗的清洗记录信息，并将本次清洗的清洗记录信息发送给客户端设备。
在本申请实施例中，若目标油烟管道的清洗满足预期目标，向客户端设备发送本次清洗的清洗记录信息，客户端设备可以接收本次清洗的清洗记录信息，并根据本次清洗的清洗记录信息，更新目标油烟管道的清洗记录信息。
综上所述，本申请实施例提供一种油烟管道的清洗周期预测方法包括：接收客户端设备发送的目标油烟管道的清洗记录信息以及目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，其中，各第一检测设备分别设置在目标油烟管道内或者油烟管道所在的厨房内；根据目标油烟管道的清洗记录信息、厨房的基础信息、油污积累量以及厨房的使用数据，预测目标油烟管道的目标清洗周期。服务器基于客户端设备发送的目标油烟管道的清洗记录信息、所述厨房的基础信息，第一检测设备发送的目标油烟管道内的油污积累量以及厨房的使用数据，自动预测出目标油烟管道的目标清洗周期，使得预测的清洗周期更加客观、准确，便于及时清洗，提升了油烟管道的安全性。
而且，使得用户能够准确获知厨房油烟管道油污状况；通过按需清洗有效降低餐厅运营成本，同时通过及时清洗，避免火灾造成经济损失；分区域确定清洗周期，可以便于对于一些区域的及时清洗；另一方面符合法规监管等要求，确定的清洗周期安全有效。
下述对用以执行本申请所提供的油烟管道的清洗周期预测方法的油烟管道的清洗周期预测装置、服务器及存储介质等进行说明，其具体的实现过程以及技术效果参见上述油烟管道的清洗周期预测方法的相关内容，下述不再赘述。
图7为本发明实施例提供的一种油烟管道的清洗周期预测装置的结构示意图，如图7所示，所述装置包括：
接收模块701，用于接收客户端设备发送的目标油烟管道的清洗记录信息以及所述目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的所述目标油烟管道内的油污积累量以及所述厨房的使用数据，其中，各所述第一检测设备分别设置在所述目标油烟管道内或者所述油烟管道所在的厨房内；
预测模块702，用于根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期。
可选的，所述预测模块702，具体用于根据所述目标油烟管道的每个区域的清洗记录信息、每个区域的所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的每个区域的目标清洗周期。
可选的，所述预测模块702，具体用于根据所述目标油烟管道的清洗记录信息，确定至少一个历史清洗周期、最后一次清洗到当前时间的营业时长、每次清洗时的历史油污积累量；根据所述厨房的使用数据，确定最后一次清洗后的累计烹饪时长，以及每个历史清洗周期内的周期烹饪时长；根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污积累量为最后一次清洗到当前时间的油污积累量。
可选的，所述预测模块702，具体用于根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污影响系数用于表征所述目标油烟管道所在的厨房的硬件设施对油污积累的影响程度。
可选的，所述装置还包括：
确定模块，用于根据目标油烟管道所在的厨房的位置信息确定第一影响系数；根据目标油烟管道所在的厨房的类型确定第二影响系数；根据目标油烟管道所在的厨房内安装的净化设备确定第三影响系数；将所述第一影响系数、第二影响系数以及所述第三影响系数作为所述油污影响系数。
可选的，所述装置还包括：
生成模块，用于根据所述历史油污积累量，生成历史油污积累曲线；
比较模块，用于对多个时间周期的所述历史油污积累曲线进行比较，得到比较结果，所述比较结果用于指示各时间周期的历史油污积累曲线之间的差异；
修正模块，用于根据所述比较结果，修正所述油污影响系数。
可选的，所述装置还包括：
获取模块，用于获取第二检测设备发送的所述目标油烟管道清洗后的图像，所述第二检测设备设置在管道清洗设备上，所述第二检测设备用于采集所述目标油烟管道清洗后的图像；
判断模块，用于根据所述清洗后的图像，判断所述目标油烟管道的清洗是否满足预期目标；
发送模块，用于若是，则生成本次清洗的清洗记录信息，并将所述本次清洗的清洗记录信息发送给所述客户端设备。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路（Application Specific Integrated Circuit，简称ASIC），或，一个或多个微处理器（digital singnal processor，简称DSP），或，一个或者多个现场可编程门阵列（Field Programmable Gate Array，简称FPGA）等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器（CentralProcessing Unit，简称CPU）或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统（system-on-a-chip，简称SOC）的形式实现。
图8为本发明实施例提供的一种服务器的结构示意图，如图8所示，该服务器包括：处理器801、存储器802。
其中，存储器802用于存储程序，处理器801调用存储器802存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
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单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，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）或处理器（英文：processor）执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文：Read-Only Memory，简称：ROM）、随机存取存储器（英文：Random Access Memory，简称：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上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 (8)

1.一种油烟管道的清洗周期预测方法，其特征在于，所述方法包括：
接收客户端设备发送的目标油烟管道的清洗记录信息以及所述目标油烟管道所在的厨房的基础信息；
接收至少一个第一检测设备发送的所述目标油烟管道内的油污积累量以及所述厨房的使用数据，其中，各所述第一检测设备分别设置在所述目标油烟管道内或者所述油烟管道所在的厨房内；
根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期；
所述根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期，包括：
根据所述目标油烟管道的清洗记录信息，确定至少一个历史清洗周期、最后一次清洗到当前时间的营业时长、每次清洗时的历史油污积累量；
根据所述厨房的使用数据，确定最后一次清洗后的累计烹饪时长，以及每个历史清洗周期内的周期烹饪时长；
根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污积累量为最后一次清洗到当前时间的油污积累量；
所述根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，包括：
根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污影响系数用于表征所述目标油烟管道所在的厨房的硬件设施对油污积累的影响程度；
其中，采用下述公式计算得到所述目标油烟管道的清洗周期：
Figure M_221123161924883_883581001
Figure M_221123161924961_961756001
为所述目标油烟管道的清洗周期，ft为第一影响系数、fg为第二影响系数、fs为第三影响系数，Pα为平均历史清洗周期、Pβ为所述营业时长、
Figure M_221123161924992_992986002
为平均历史油污积累量、Sβ为所述累计烹饪时长、
Figure M_221123161925010_010513003
为平均周期烹饪时长以及
Figure M_221123161925042_042277004
为所述油污积累量，所述油污影响系数包括：所述第一影响系数、所述第二影响系数以及所述第三影响系数。
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标油烟管道的清洗记录信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期，包括：
根据所述目标油烟管道的每个区域的清洗记录信息、每个区域的所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的每个区域的目标清洗周期。
3.根据权利要求1所述的方法，其特征在于，根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期之前，还包括：
根据目标油烟管道所在的厨房的位置信息确定所述第一影响系数；
根据目标油烟管道所在的厨房的类型确定所述第二影响系数；
根据目标油烟管道所在的厨房内安装的净化设备确定所述第三影响系数；
将所述第一影响系数、所述第二影响系数以及所述第三影响系数作为所述油污影响系数。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述历史油污积累量，生成历史油污积累曲线；
对多个时间周期的所述历史油污积累曲线进行比较，得到比较结果，所述比较结果用于指示各时间周期的历史油污积累曲线之间的差异；
根据所述比较结果，修正所述油污影响系数。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取第二检测设备发送的所述目标油烟管道清洗后的图像，所述第二检测设备设置在管道清洗设备上，所述第二检测设备用于采集所述目标油烟管道清洗后的图像；
根据所述清洗后的图像，判断所述目标油烟管道的清洗是否满足预期目标；
若是，则生成本次清洗的清洗记录信息，并将所述本次清洗的清洗记录信息发送给所述客户端设备。
6.一种油烟管道的清洗周期预测装置，其特征在于，所述装置包括：
接收模块，用于接收客户端设备发送的目标油烟管道的清洗记录信息以及所述目标油烟管道所在的厨房的基础信息；接收至少一个第一检测设备发送的所述目标油烟管道内的油污积累量以及所述厨房的使用数据，其中，各所述第一检测设备分别设置在所述目标油烟管道内或者所述油烟管道所在的厨房内；
预测模块，用于根据所述目标油烟管道的清洗记录信息、所述厨房的基础信息、所述油污积累量以及所述厨房的使用数据，预测所述目标油烟管道的目标清洗周期；
所述预测模块，具体用于根据所述目标油烟管道的清洗记录信息，确定至少一个历史清洗周期、最后一次清洗到当前时间的营业时长、每次清洗时的历史油污积累量；根据所述厨房的使用数据，确定最后一次清洗后的累计烹饪时长，以及每个历史清洗周期内的周期烹饪时长；根据所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污积累量为最后一次清洗到当前时间的油污积累量；
所述预测模块，具体用于根据油污影响系数、所述历史清洗周期、所述营业时长、所述历史油污积累量、所述累计烹饪时长、所述周期烹饪时长以及所述油污积累量，预测所述目标油烟管道的清洗周期，其中，所述油污影响系数用于表征所述目标油烟管道所在的厨房的硬件设施对油污积累的影响程度；
其中，采用下述公式计算得到所述目标油烟管道的清洗周期：
Figure M_221123161925057_057930001
Figure M_221123161925120_120419001
为所述目标油烟管道的清洗周期，ft为第一影响系数、fg为第二影响系数、fs为第三影响系数，Pα为平均历史清洗周期、Pβ为所述营业时长、
Figure M_221123161925136_136031002
为平均历史油污积累量、Sβ为所述累计烹饪时长、
Figure M_221123161925151_151659003
为平均周期烹饪时长以及
Figure M_221123161925182_182921004
为所述油污积累量，所述油污影响系数包括：所述第一影响系数、所述第二影响系数以及所述第三影响系数。
7.一种服务器，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-5任一项所述的油烟管道的清洗周期预测方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述权利要求1-5任一项所述的油烟管道的清洗周期预测方法。
CN202211118436.1A 2022-09-15 2022-09-15 油烟管道的清洗周期预测方法、装置、服务器及存储介质 Active CN115204528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211118436.1A CN115204528B (zh) 2022-09-15 2022-09-15 油烟管道的清洗周期预测方法、装置、服务器及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211118436.1A CN115204528B (zh) 2022-09-15 2022-09-15 油烟管道的清洗周期预测方法、装置、服务器及存储介质

Publications (2)

Publication Number Publication Date
CN115204528A CN115204528A (zh) 2022-10-18
CN115204528B true CN115204528B (zh) 2022-12-27

Family

ID=83573384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211118436.1A Active CN115204528B (zh) 2022-09-15 2022-09-15 油烟管道的清洗周期预测方法、装置、服务器及存储介质

Country Status (1)

Country Link
CN (1) CN115204528B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115984042B (zh) * 2023-03-20 2023-07-28 北京德众国良环保科技有限公司 一种自适应油烟净化器服务管理系统及方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7054264B1 (ja) * 2020-11-10 2022-04-13 日本ウイントン株式会社 ダクト汚れ監視システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106094541B (zh) * 2016-06-15 2020-06-02 北京小米移动软件有限公司 智能家居的清洗方法及装置
JP6968504B2 (ja) * 2018-02-13 2021-11-17 東京瓦斯株式会社 ダクト管理のシステム、プログラムおよび装置
CN110925818B (zh) * 2018-09-20 2021-10-08 九阳股份有限公司 一种油烟机的控制方法和油烟机
CN110285455A (zh) * 2019-06-24 2019-09-27 佛山市顺德区美的洗涤电器制造有限公司 一种用于清洗油烟机的控制方法
CN111025929B (zh) * 2019-12-27 2023-10-13 广东美的厨房电器制造有限公司 烹饪设备的清洁方法、装置、电子设备及存储介质
CN112595403A (zh) * 2020-12-07 2021-04-02 佛山市顺德区美的洗涤电器制造有限公司 清洗油烟机、集油盒的称重校准方法、装置、设备
CN113359518B (zh) * 2021-04-29 2023-06-13 青岛海尔科技有限公司 用于家电清洗的提醒方法及装置、智能家电

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7054264B1 (ja) * 2020-11-10 2022-04-13 日本ウイントン株式会社 ダクト汚れ監視システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种油烟机的智能油污检测技术;魏华锋等;《家电科技》;20181015(第10期);第39-41页 *

Also Published As

Publication number Publication date
CN115204528A (zh) 2022-10-18

Similar Documents

Publication Publication Date Title
CN115204528B (zh) 油烟管道的清洗周期预测方法、装置、服务器及存储介质
Glass et al. Six-year trend (1990− 1995) of wet mercury deposition in the Upper Midwest, USA
US20140013840A1 (en) Storage tank assembly and system for storing waste cooking oil
CN104172931B (zh) 用于烧水器具的水垢检测方法及检测装置
CN105222194A (zh) 抽油烟机及抽油烟机的控制方法
CN104188504A (zh) 蒸汽发生装置的清洗提示方法、提示系统和蒸汽烹饪器具
CN110083803B (zh) 基于时间序列arima模型取水异常检测方法与系统
CN109687447B (zh) 一种电力能耗预测方法及装置
US10158499B2 (en) Information providing system, server, and method for providing information regarding the operating state of a selected device
JP5196579B2 (ja) 温室効果ガス排出量予測システムおよび方法
Nicas et al. Estimating benzene exposure at a solvent parts washer
CN111256182B (zh) 应用于抽油烟机的油污检测方法
KR101189965B1 (ko) 건강 위해성 감소 예측 방법 및 시스템
CN109373510B (zh) 空气净化设备控制方法、装置、计算机设备及可读存储介质
CN110274290A (zh) 一种油烟净化器油垢清洗报警方法
KR20230088296A (ko) 다차원 구조의 가정생활안전지수 기반 생활안전 관리방법 및 이를 위한 시스템
Coffey et al. A glimpse into real-world kitchens: Improving our understanding of cookstove usage through in-field photo-observations and improved cooking event detection (CookED) analytics
JP2000221064A (ja) ガス使用量の用途別分解方法、装置及び記録媒体
CN107679631B (zh) 一种养护方案的制定方法及运营管理平台
JP2010224585A (ja) 省エネルギー支援装置、消費エネルギー量の通知方法、省エネルギー支援装置のプログラム及びプログラム媒体、消費エネルギー量の統計値の更新方法、消費エネルギー量の正常範囲の更新方法、省エネルギー支援システム。
CN112378087A (zh) 一种热水器清洗消息管理方法、热水器、电子设备及介质
Madsen et al. Time trends of methylmercury in walleye in northern Wisconsin: a hierarchical Bayesian analysis
JP6855953B2 (ja) 配管診断方法、配管診断装置、及び配管診断システム
CN116147171A (zh) 一种空调油污清洁的提醒方法、装置以及电子设备
CN117788004A (zh) 售后服务的推送方法、装置、设备及存储介质

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
GR01 Patent grant
GR01 Patent grant