CN115245272A - 一种基于ai辅助的自学习烹饪机器人及其学习方法 - Google Patents

Abstract

本发明公开了一种基于AI辅助的自学习烹饪机器人及其学习方法，包括机器人本体、视觉识别系统、AI智能处理模块、执行模块、数据库和云计算模块，所述视觉识别系统包括图像采集模块，用于对炒制过程进行录像，形成视频；所述图像采集模块与AI智能处理模块连接，所述AI智能处理模块用于对视频进行预处理分析学习，所述AI智能处理模块和数据库连接，所述数据库与云计算模块连接，所述云计算模块用于通过云端AI算法分析视频菜谱数据；所述AI智能处理模块与执行模块连接，所述执行模块用于驱动机器人本体动作。其实现了通过AI完成菜谱自动生成，为自动烹饪机器人提供菜谱资源，智能化程度高。

Description

一种基于AI辅助的自学习烹饪机器人及其学习方法

技术领域

本发明涉及烹饪机器人技术领域，具体为一种基于AI辅助的自学习烹饪机器人及其学习方法。

背景技术

随着社会的不断发展，智能化技术在不断提高，烹饪机器人是可以代替厨师自动进行炒菜的设备，通过设定不同的菜谱程序，可以分别炒制不同菜品，随着智能化技术的推广，烹饪机器人的应用也越来越广泛；

例如公告号为CN211673761U的授权专利（一种智能炒菜机器人）：包括锅体、罩体、支撑轴、支撑架、加热装置、翻炒装置和控制器，罩体固定套设在锅体未开口侧，支撑轴和罩体固定连接，支撑架上设置有轴承支座，支撑轴转动连接在两个轴承支座间，支撑轴一端连接有第一回转驱动件，加热装置作用于锅体并设置于罩体内。

上述现有技术虽然方便进行自动炒菜，但是在进行炒菜时，虽然设置有菜谱，却是按照人为提前设置的程序进行自动炒菜，不能够自学习模仿专业厨师进行烹饪炒菜，智能化程度较低，使用十分不便。

发明内容

本发明的目的在于提供一种基于AI辅助的自学习烹饪机器人及其学习方法。

为实现上述目的，本发明提供如下技术方案：一种基于AI辅助的自学习烹饪机器人,包括机器人本体，

还包括视觉识别系统、AI智能处理模块、执行模块、数据库和云计算模块，

所述视觉识别系统包括图像采集模块，

所述图像采集模块包括设在机器人本体上的摄像头、用于对炒制过程进行录像，形成视频；

所述图像采集模块与AI智能处理模块连接，所述AI智能处理模块用于对视频进行预处理分析学习，所述AI智能处理模块还与机器人本体上的温度传感器和称重传感器连接；

所述AI智能处理模块和数据库连接，所述数据库与云计算模块连接，所述云计算模块用于通过云端AI算法分析视频菜谱数据；

所述AI智能处理模块与执行模块连接，所述执行模块用于驱动机器人本体动作。

所述视觉识别系统还包括数字视觉预处理模块，

所述图像采集模块与数字视觉预处理模块连接，所述数字视觉预处理模块用于对采集的视频进行格式的转换、解码或缩放，

所述数字视觉预处理模块与AI智能处理模块连接。

所述机器人本体包括依次设置的操作箱体、锅罩壳和水体箱，所述操作箱体的内部设置有液体储存室，所述液态储存室用于存放液体调料；

所述锅罩壳转动连接在操作箱体和水体箱之间，所述锅罩壳的内部设置有锅体，且锅体伸出锅罩壳的上部，所述温度传感器设在所述锅体的底部；

所述操作箱体和水体箱之间还设有水槽，所述水槽位于所述锅罩壳的前端。

所述操作箱体的上方安装有第一回转组件，所述第一回转组件的上方固定安装有第一料台，所述第一料台的后端固定安装有颗粒粉体调料盒，所述第一料台的前端转动安装有配料盒。

所述操作箱体的后端朝向锅罩壳的一侧固定安装有电动伸缩机架，所述电动伸缩机架的右端固定安装有固定架，所述摄像头安装于固定架的下方。

所述摄像头通过立杆设在所述操作箱体。

所述水体箱的上方安装有第二回转组件，所述第二回转组件的上方固定安装有第二料台，所述第二料台的上方设置有食材斗，所述称重传感器设在所述食材斗的内部；

所述食材斗的两侧均设置有侧板，且侧板与第二料台焊接连接，所述食材斗的前端设置有支杆，且支杆与一对侧板连接，所述支杆的外侧设置有限制护板，且所述限制护板固定连接在食材斗上。

所述第二料台的内部设置有推杆槽，所述推杆槽的内部设置有电动推杆，所述电动推杆的一端与第二料台转动连接，所述电动推杆的推杆端与食材斗的底部转动连接。

所述水体箱的上方设置有手动调料盘，所述手动调料盘位于第二回转组件的前端，所述手动调料盘的上方设置有多个调料容器。

所述水体箱的内部设置有储水室，所述水体箱的前端固定安装有不锈钢波纹管，所述不锈钢波纹管的一端固定安装有水枪，所述水体箱的一侧固定安装有挂架，所述挂架用于放置水枪。

所述数据库包括云端数据库和菜谱数据库，所述云端数据库与云计算模块连接；所述菜谱数据库包括食材信息模块、调料信息模块和火候信息模块。

一种基于AI辅助的自学习烹饪机器人的学习方法，包括如下步骤：

S1：在设定菜谱后，让专业厨师先采用机器人本体进行炒制一次添加的菜谱；

S2：对炒制过程进行视频录像，采集的视频经数字视觉预处理模块处理后，输送至AI智能处理模块进行预处理；

S3：然后将预处理的视频传输至数据库内，并通过云计算模块作用，对其进行云端AI算法分析视频菜谱数据，并提取关键参数，所述参数包括投放各种调味料、主辅料的时间点；

S4：再将提取的参数导入AI智能处理模块内，并通过专业厨师对菜谱设定数值和数据进行把关和修正，得出初步菜谱的数据结构；

S5：再通过网络大数据进行修正，结合人工数据校正和试验验证最终得出可识别和执行菜谱的数据程序；

S6：最后，通过执行模块驱动机器人本体进行菜品的自动炒制。

本发明在工作中, 先让专业厨师采用机器人本体进行炒制一次添加的菜谱，对于专业厨师在执行某菜谱的具体操作过程进行全影像的记录，对于专业厨师的操作手法（如阶段性操作的时间等）进行记载；然后，将录像传输至AI智能处理模块进行预处理分析学习；再经过数据库传输至云计算模块分析录像视频菜谱数据，进行反馈；再辅助专业厨师对菜谱设定数值和数据进行把关和修正，得到菜谱。

本发明通过AI完成菜谱自动生成，为自动烹饪机器人提供菜谱资源，智能化程度高。

附图说明

图1为本发明的原理示意图；

图2为本发明的视觉识别系统的内部组成示意图；

图3为本发明的数据库的内部组成示意图；

图4为本发明实施例一的结构示意图；

图5为图4中A部位的放大示意图；

图6为图4中第二料台的俯视图；

图7为图4中第二料台和食材斗的连接部位的侧面剖视图；

图8为本发明实施例二的结构示意图；

图中：1、操作箱体；2、水体箱；3、锅罩壳；4、锅体；5、水槽；6、液体储存室；7、急停按钮；8、触摸屏面板；9、第一回转组件；10、第一料台；11、摄像头；12、手动调料盘；13、第二回转组件；14、第二料台；15、食材斗；16、支杆；17、侧板；18、水枪；19、挂架；20、电动伸缩机架；21、固定架；22、颗粒粉体调料盒；23、配料盒；24、限制护板；25、推杆槽；26、电动推杆；27、视觉识别系统；28、称重传感器；29、温度传感器；30、AI智能处理模块；31、执行模块；32、数据库；33、图像采集模块；34、数字视觉预处理模块；35、云端数据库；36、菜谱数据库；37、食材信息模块；38、调料信息模块；39、火候信息模块；40、云计算模块。

具体实施方式

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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

请参阅图1-7，本发明包括机器人本体、视觉识别系统、AI智能处理模块、执行模块、数据库和云计算模块，

鉴于实现本发明智能操作需建立在特定的运行环境中，有必要对本发明的机器人本体的构造做详细描述。

通过机器人本体的合理设置,一方面,便于专业厨师进行操作；另一方面,便于对炒制过程进行录像,从而对涉及不同的动作可靠学习,进而便于后续执行模块驱动机器人本体可靠自动炒制。

其中,机器人本体包括操作箱体1和设在操作箱体1一侧的锅罩壳3，操作箱体1与锅罩壳3通过转杆转动连接，锅罩壳3的一侧设置有水体箱2，且锅罩壳3与水体箱2通过转杆转动连接，水体箱2内设置有转杆驱动旋转部件，使得锅罩壳3可以进行转动，操作箱体1和水体箱2的底部设置有福马轮，便于移动，锅罩壳3的内部设置有锅体4，且锅体4延伸至锅罩壳3的上部，锅体4的底部设置有温度传感器29，锅体4的底部设置有电磁机，便于锅体4加热，锅罩壳3的前端设置有水槽5，水槽5底部设置有排水管，且操作箱体1和水体箱2均通过螺钉与水槽5固定连接。

所述视觉识别系统27包括图像采集模块33，所述图像采集模块33包括设在机器人本体上的摄像头11、用于对炒制过程进行录像，形成视频；图像采集模块33的输出端与数字视觉预处理模块34的输入端连接，数字视觉预处理模块34可以对采集视频数据进行格式的转换、解码、缩放等预处理操作，使输入视频数据满足固定的输入格式、分别率等要求，同时可以对处理后的视频进行编码再输出，提升了图像处理的速度，增加了AI智能处理模块处理视频的效率，有利于烹饪机器人自学习的稳定性。

请参阅图1、图3和图4，水体箱2的上方安装有第二回转组件13，水体箱2内设置有第二回转组件13的驱动部件，使得第二料台14可以进行转动，第二回转组件13的上方固定安装有第二料台14，第二料台14的上方设置有食材斗15，食材斗15设置有两个，食材斗15的内部设置有称重传感器28，便于对食材进行称重；

食材斗15的两侧均设置有侧板17，且侧板17与第二料台14焊接连接，食材斗15的前端设置有支杆16，且支杆16与侧板17连接，支杆16的外侧设置有限制护板24，且所述限制护板24固定连接食料斗上，第二料台14的内部设置有推杆槽25，推杆槽25的内部设置有电动推杆26，电动推杆26的一端与第二料台14转动连接，电动推杆26的推杆端与食材斗15的底部转动连接，从而使得通过启动电动推杆26，食材斗15可以以支杆16为圆心杆进行转动，便于食材斗15内食材添加进锅体4内。

水体箱2的上方设置有手动调料盘12，手动调料盘12的上方设置有多个调料容器，并为容器添加标识来完成辅助识别，从而在专业厨师进行炒制菜品时，便于分析摄像头11采录的专业厨师添加调料种类。

水体箱2的内部设置有储水室，水体箱2的后端设置有注水口，便于向储水室内注水，水体箱2的前端固定安装有不锈钢波纹管，不锈钢波纹管的一端固定安装有水枪18，不锈钢波纹管连接有水泵，便于水枪18喷水，从而在锅体4存在污物较多不易清洗时，可以通过水枪18进行清洗，提高了实用性，水体箱2的一侧固定安装有挂架19，便于水枪18的悬挂。

请参阅图1和图2，操作箱体1的前端面上设置有触摸屏面板8，便于进行菜谱的程序设定，操作箱体1的前端面上沿触摸屏面板8的下方设置有急停按钮7，操作箱体1的内部设置有液体储存室6，液体储存室6的前端设置有拉门，液体储存室6的内部设置有多组抽管，且抽管连接有输送泵，并且输送泵连接的输出管延伸至锅体4内，从而可以在液体储存室6存入液体调料，如：油、酱油、醋等，操作箱体1的上方安装有第一回转组件9，操作箱体1内设置有第一回转组件9的驱动部件，使得第一回转组件9可以进行转动，第一回转组件9的上方固定安装有第一料台10，第一料台10的后端固定安装有颗粒粉体调料盒22，颗粒粉体调料盒22的内部可以存放盐、味精等调料，颗粒粉体调料盒22上设置有定量输出部件，便于定量输出调料，第一料台10的前端转动安装有配料盒23，配料盒23内可以存放葱、姜、蒜等配料，配料盒23通过转杆与第一料台10转动连接，且第一料台10的内部设置有转杆的驱动电机，从而便于配料盒23旋转向锅体4内添加配料，操作箱体1的后端固定安装有电动伸缩机架20，且电动伸缩机架20延伸至操作箱体1的一侧，所述电动伸缩机架20的右端固定安装有固定架21，所述摄像头11安装于固定架21的下方（即如图1所示），摄像头11设置为万向球形摄像头，便于进行视频采录，提高了实用性。

或如图8所示，所述摄像头（11）通过立杆设在所述操作箱体（1），这样视角范围更广，覆盖调味料容器和锅体，能捕捉厨师操作、加料动作。

请参阅图5、图6和图7，视觉识别系统27的输出端与AI智能处理模块30的输入端连接，AI智能处理模块30的输入端分别与称重传感器28和温度传感器29输出端连接，便于智能了解食材的重量和在菜品炒制过程中对锅体4温度的掌握，AI智能处理模块30和数据库32双向连接，AI智能处理模块30的输出端与执行模块31的输入端连接，数据库32由云端数据库35和菜谱数据库36组成，云端数据库35与云计算模块40双向连接，云计算模块40的设置，便于通过内部AI算法对预处理的视频进行智能处理分析，菜谱数据库36包括食材信息模块37、调料信息模块38和火候信息模块39，云端数据库35可以连接网络，从而通过网络上关于此菜谱的炒制数据进行优化和模拟验证，实现菜谱自动生成和完善，提高了烹饪机器人进行自学习与扩充技能的能力，通过不断提高自身生产技能，以增加完善菜谱数据库36知识量。

一种基于AI辅助的自学习烹饪机器人的学习方法，包括如下步骤：

S1：在设定菜谱后，让专业厨师先采用烹饪机器人进行炒制一次添加的菜谱；

S2：对炒制过程进行视频录像，采集的视频经数字视觉预处理模块34处理后，输送至AI智能处理模块30进行预处理；

目前数据算法无法精细识别具体物料种类，如：盐糖味精调味料固体调味料、油和料酒生抽液体调料等，通过为容器添加标识来完成辅助识别，具体用量通过后期数据校正修正，火力值通过后台功率记录采集；

S3：然后将预处理的视频传输至云端数据库35内，并通过云计算模块40作用，对其进行云端AI算法分析视频菜谱数据，并提取关键参数，如：投放各种调味料、主辅料的时间点等；

S4：再将提取的数据参数导入AI智能处理模块内，并通过专业厨师对菜谱设定数值和数据进行把关和修正，得出初步菜谱的数据结构；

S5：再通过网络大数据进行修正，结合人工数据校正和试验验证最终得出可识别和执行菜谱的数据程序；生成菜谱程序可以通过云平台共享给其他自动烹饪机器人使用，完成一个个性化菜谱生成和设备的自学习功能，实现菜谱自动生成和完善；

S6：然后通过执行模块31驱动机器人本体进行菜品的自动炒制，模拟专业厨师完成绝大部分的火候控制、主辅料的添加时间、调味料定量投放与菜谱智能化管理等功能。

工作原理：使用时，通过触摸屏面板8设定菜谱程序，在设定菜谱后，让专业厨师先采用机器人本体进行炒制一次添加的菜谱，通过摄像头11的作用，可以对炒制过程进行录像，摄像头11采集的视频经图像采集模块33传输至数字视觉预处理模块34，对采集视频数据进行格式的转换、解码、缩放等预处理操作，使输入视频数据满足固定的输入格式、分辨率等要求，同时可以对处理后的视频进行编码再输出，提升了图像处理的速度，优化了算法前处理的性能，增加了AI智能处理模块30处理视频的效率，然后录制的视频输送到AI智能处理模块30进行智能预处理，目前数据算法无法精细识别具体物料种类，如：盐糖味精调味料固体调味料、油和料酒生抽液体调料等，通过为容器添加标识来完成辅助识别，具体用量通过后期数据校正修正，火力值通过后台功率记录采集，然后将预处理的视频传输至云端数据库35内，并通过云端数据库35连接的云计算模块40作用，对其进行云端AI算法分析视频菜谱数据，并提取关键参数，如：投放各种调味料、主辅料的时间点等，然后将提取的数据参数导入AI智能处理模块内，并通过专业厨师对菜谱设定数值和数据进行把关和修正，得出初步菜谱的数据结构，再通过网络大数据进行修正，结合人工数据校正和试验验证最终得出可识别和执行菜谱的数据程序，生成菜谱程序可以通过云平台共享给其他自动烹饪机器人使用，完成一个个性化菜谱生成和设备的自学习功能，实现菜谱自动生成和完善，提高了烹饪机器人进行自学习与扩充技能的能力，然后通过执行模块31的作用，烹饪机器人可以进行菜品自动炒制，模拟专业厨师完成绝大部分的火候控制、主辅料的添加时间、调味料定量投放与菜谱智能化管理等功能。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (12)

1.一种基于AI辅助的自学习烹饪机器人，包括机器人本体，其特征在于，还包括：

视觉识别系统（27）、AI智能处理模块（30）、执行模块（31）、数据库（32）和云计算模块（40）；

所述视觉识别系统（27）包括图像采集模块（33），

所述图像采集模块（33）包括设在机器人本体上的摄像头（11）、用于对炒制过程进行录像，形成视频；

所述图像采集模块（33）与AI智能处理模块（30）连接，所述AI智能处理模块（30）用于对视频进行预处理分析学习，所述AI智能处理模块（30）还与机器人本体上的温度传感器（29）和称重传感器（28）连接；

所述AI智能处理模块（30）和数据库（32）连接，所述数据库（32）与云计算模块（40）连接，所述云计算模块（40）用于通过云端AI算法分析视频菜谱数据；

所述AI智能处理模块（30）与执行模块（31）连接，所述执行模块（31）用于驱动机器人本体动作。

2.根据权利要求1所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述视觉识别系统（27）还包括数字视觉预处理模块（34），

所述图像采集模块（33）与数字视觉预处理模块（34）连接，所述数字视觉预处理模块（34）用于对采集的视频进行格式的转换、解码或缩放，

所述数字视觉预处理模块（34）与AI智能处理模块（30）连接。

3.根据权利要求1所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述机器人本体包括依次设置的操作箱体（1）、锅罩壳（3）和水体箱（2），所述操作箱体（1）的内部设置有液体储存室（6），所述液态储存室（6）用于存放液体调料；

所述锅罩壳（3）转动连接在操作箱体（1）和水体箱（2）之间，所述锅罩壳（3）的内部设置有锅体（4），且锅体（4）伸出锅罩壳（3）的上部，所述温度传感器（29）设在所述锅体（4）的底部；

所述操作箱体（1）和水体箱（2）之间还设有水槽（5），所述水槽位于所述锅罩壳（3）的前端。

4.根据权利要求3所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述操作箱体（1）的上方安装有第一回转组件（9），所述第一回转组件（9）的上方固定安装有第一料台（10），所述第一料台（10）的后端固定安装有颗粒粉体调料盒（22），所述第一料台（10）的前端转动安装有配料盒（23）。

5.根据权利要求4所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述操作箱体（1）的后端朝向锅罩壳（3）的一侧固定安装有电动伸缩机架（20），所述电动伸缩机架（20）的右端固定安装有固定架（21），所述摄像头（11）安装于固定架（21）的下方。

6.根据权利要求4所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述摄像头（11）通过立杆设在所述操作箱体（1）。

7.根据权利要求4所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述水体箱（2）的上方安装有第二回转组件（13），所述第二回转组件（13）的上方固定安装有第二料台（14），所述第二料台（14）的上方设置有食材斗（15），所述称重传感器（28）设在所述食材斗（15）的内部；

所述食材斗（15）的两侧均设置有侧板（17），且侧板（17）与第二料台（14）焊接连接，所述食材斗（15）的前端设置有支杆（16），且支杆（16）与一对侧板（17）连接，所述支杆（16）的外侧设置有限制护板（24），且所述限制护板（24）固定连接在食材斗（15）上。

8.根据权利要求7所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述第二料台（14）的内部设置有推杆槽（25），所述推杆槽（25）的内部设置有电动推杆（26），所述电动推杆（26）的一端与第二料台（14）转动连接，所述电动推杆（26）的推杆端与食材斗（15）的底部转动连接。

9.根据权利要求8所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述水体箱（2）的上方设置有手动调料盘（12），所述手动调料盘（12）位于第二回转组件（13）的前端，所述手动调料盘（12）的上方设置有多个调料容器。

10.根据权利要求9所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述水体箱（2）的内部设置有储水室，所述水体箱（2）的前端固定安装有不锈钢波纹管，所述不锈钢波纹管的一端固定安装有水枪（18），所述水体箱（2）的一侧固定安装有挂架（19），所述挂架（19）用于放置水枪（18）。

11.根据权利要求1所述的一种基于AI辅助的自学习烹饪机器人，其特征在于，所述数据库（32）包括云端数据库（35）和菜谱数据库（36），所述云端数据库（35）与云计算模块（40）连接；所述菜谱数据库（36）包括食材信息模块（37）、调料信息模块（38）和火候信息模块（39）。

12.一种如权利要求1-11中任意一项基于AI辅助的自学习烹饪机器人的学习方法，其特征在于，包括如下步骤：

S1：在设定菜谱后，让专业厨师先采用机器人本体进行炒制一次添加的菜谱；

S2：对炒制过程进行视频录像，采集的视频经数字视觉预处理模块（34）处理后，输送至AI智能处理模块（30）进行预处理；

S3：然后将预处理的视频传输至数据库（32）内，并通过云计算模块（40）作用，对其进行云端AI算法分析视频菜谱数据，并提取关键参数，所述参数包括投放各种调味料、主辅料的时间点；

S4：再将提取的参数导入AI智能处理模块（30）内，并通过专业厨师对菜谱设定数值和数据进行把关和修正，得出初步菜谱的数据结构；

S5：再通过网络大数据进行修正，结合人工数据校正和试验验证最终得出可识别和执行菜谱的数据程序；

S6：最后，通过执行模块（31）驱动机器人本体进行菜品的自动炒制。

Images