CN117490857B - 一种基于红外技术的温度提示方法及终端设备 - Google Patents
一种基于红外技术的温度提示方法及终端设备 Download PDFInfo
- Publication number
- CN117490857B CN117490857B CN202311842153.6A CN202311842153A CN117490857B CN 117490857 B CN117490857 B CN 117490857B CN 202311842153 A CN202311842153 A CN 202311842153A CN 117490857 B CN117490857 B CN 117490857B
- Authority
- CN
- China
- Prior art keywords
- temperature
- target object
- determining
- temperature value
- value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000005516 engineering process Methods 0.000 title claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 182
- 238000001931 thermography Methods 0.000 claims abstract description 107
- 238000012937 correction Methods 0.000 claims abstract description 77
- 238000003754 machining Methods 0.000 claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims description 55
- 230000007613 environmental effect Effects 0.000 claims description 35
- 238000012546 transfer Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 4
- 238000007667 floating Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000009529 body temperature measurement Methods 0.000 abstract description 28
- 238000006243 chemical reaction Methods 0.000 description 14
- 239000000523 sample Substances 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 235000013305 food Nutrition 0.000 description 10
- 238000010411 cooking Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000007710 freezing Methods 0.000 description 7
- 230000008014 freezing Effects 0.000 description 7
- 235000015278 beef Nutrition 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008676 import Effects 0.000 description 4
- 235000015277 pork Nutrition 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000005482 strain hardening Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明适用于数据采集技术领域,提供了一种基于红外技术的温度提示方法及终端设备,包括:响应于用户发起的对于目标对象的加工操作,确定加工操作对应的目标温度;在执行加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像;确定红外热成像图像中目标对象的目标测量区域的第一温度值,将第一温度值作为目标对象的表面温度值;根据红外热成像图像中各个像素点对应的第二温度值以及加工操作的操作时长,确定用于确定目标对象的内部温度的校正参数;基于校正参数对表面温度值进行温度校准,得到目标对象的内部温度值;若内部温度值到达目标温度,则生成关于加工操作的提示信息。采用本发明能够提高温度测量的准确性。
Description
技术领域
本发明属于数据采集技术领域,尤其涉及一种基于红外技术的温度提示方法及终端设备。
背景技术
随着电子技术的不断发展,电子测量的应用领域也越来越广,大大提高了测量效率,节约了测量过程所需耗费的时间;而温度测量作为电子测量的重要项目之一,在日常生活中被广泛使用,因此,如何能够高效准确地完成温度测量,成为了亟需解决的技术问题。
现有的温度测量技术,一般是采用红外测温技术来实现温度测量,然而通过上述方式获取测量对象的温度时,一般只能够确定测量对象的表面温度。特别在对目标对象进行加工场景下,例如进行热加工或冷加工等操作时,往往需要关注目标对象的内部温度是否已经到达期望,此时只能够通过探针温度计来完成测量,从而大大降低了目标对象内部温度获取的便捷性。
发明内容
有鉴于此,本发明实施例提供了一种基于红外技术的温度提示方法及终端设备,以解决现有的温度测量技术,在获取内部温度时,只能够通过探针温度计来获取,从而增加了目标对象内部温度获取的便捷性的问题。
本发明实施例的第一方面提供了一种基于红外技术的温度提示方法,包括:
响应于用户发起的对于目标对象的加工操作,确定所述加工操作对应的目标温度;
在执行所述加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像;
确定所述红外热成像图像中所述目标对象的目标测量区域的第一温度值,将所述第一温度值作为所述目标对象的表面温度值;
根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数;
基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值;
若任一所述检测周期的所述内部温度值到达所述目标温度,则生成关于所述加工操作的提示信息。
本发明实施例的第二方面提供了一种基于红外的温度提示装置,包括:
加工操作响应单元,用于响应于用户发起的对于目标对象的加工操作,确定所述加工操作对应的目标温度;
红外热成像图像获取单元,用于在执行所述加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像;
表面温度值确定单元,用于确定所述红外热成像图像中所述目标对象的目标测量区域的第一温度值,将所述第一温度值作为所述目标对象的表面温度值;
校正系数确定单元,用于根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数;
内部温度确定单元,基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值;
提示单元,用于若任一所述检测周期的所述内部温度值到达所述目标温度,则生成关于所述加工操作的提示信息。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面的各个步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面的各个步骤。
实施本发明实施例提供的一种基于红外技术的温度提示方法及终端设备具有以下有益效果:
本发明实施例通过在接收到用户发起的加工操作时,确定加工操作对应的目标温度,并通过红外感应模块周期性获取目标对象的红外热成像图像,并基于该红外热成像图像确定目标对象的表面温度值,并根据加工操作的操作时长,以及根据除目标对象外的其他区域对应的第二温度值,计算得到校正参数,通过校正参数对上述的表面温度值进行温度校正,以确定该目标对象的内部温度值,并在检测到内部温度值到达预设的目标温度时,生成对应的提示信息,以实现对用户发起的加工操作进行自动提醒的目的。与现有的温度测量技术相比,本实施例提供的基于红外技术的温度提示方法,无需用户采用测温探针才能够确定目标对象的内部温度,而是可以根据红外感应模块确定目标对象的表面温度,并基于其他位置的温度值以及加工时长确定校正参数,以确定内部温度,从而能够提高内部温度获取的准确性,并在内部温度到达目标温度时进行自动提醒且无需采用探针完成内部测温,提高了用户操作的便捷性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的一种基于红外技术的温度提示方法的实现流程图;
图2是本申请一实施例提供的加工操作的场景示意图;
图3是本发明第二实施例提供的一种基于红外技术的温度提示方法S104的具体实现流程图;
图4是本发明第三实施例提供的一种基于红外技术的温度提示方法S207的具体实现流程图;
图5是本发明第四实施例提供的一种基于红外技术的温度提示方法S204的具体实现流程图;
图6是本发明第五实施例提供的一种基于红外技术的温度提示方法S105的具体实现流程图;
图7是本申请一实施例提供的加工厚度的示意图;
图8是本发明第六实施例提供的一种基于红外技术的温度提示方法的具体实现流程图;
图9是本发明第七实施例提供的一种基于红外技术的温度提示方法的具体实现流程图;
图10是本发明一实施例提供的一种基于红外技术的温度提示装置的结构框图;
图11是本发明一实施例提供的一种终端设备的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过在接收到用户发起的加工操作时,确定加工操作对应的目标温度,并通过红外感应模块周期性获取目标对象的红外热成像图像,并基于该红外热成像图像确定目标对象的表面温度值,并根据加工操作的操作时长,以及根据除目标对象外的其他区域对应的第二温度值,计算得到校正参数,通过校正参数对上述的表面温度值进行温度校正,以确定该目标对象的内部温度值,并在检测到内部温度值到达预设的目标温度时,生成对应的提示信息,以实现对用户发起的加工操作进行自动提醒的目的,解决了现有的温度测量技术,需要通过探针温度计才能够获取目标对象内部温度值,降低了温度测量的获取效率的问题。
在本发明实施例中,流程的执行主体为终端设备,该终端设备包括但不限于:服务器、计算机、智能手机以及平板电脑等能够执行温度测量的设备,其中上述设备可以与一红外感应模块相连,以获取红外传感模块反馈的红外热成像图像,以确定目标对象的温度值。特别地,该终端设备具体可以为一测温枪或其他测温设备,该测温设备包含有红外感应模块,可以通过红外感应模块获取目标对象对应的红外热成像图像,以实现对目标对象的温度测量。图1示出了本发明第一实施例提供的基于红外技术的温度提示方法的实现流程图,详述如下:
在S101中,响应于用户发起的对于目标对象的加工操作,确定所述加工操作对应的目标温度。
在本实施例中,用户在对目标对象进行加工时,若需要对目标对象的温度进行检测并提醒,用户可以发起一个加工操作,终端设备在检测到用户发起加工操作时,可以确定该加工操作对应的目标温度。其中,该目标温度可以是用户设置的,也可以是基于加工操作的操作信息自动匹配得到的。示例性地,用户在发起加工操作时,可以设置将目标设备加工至的目标温度,例如,在对牛奶进行加热的场景下,用户可以发起加工操作,并将目标温度设置为60℃,即需要将牛奶加热至60℃。
在一种可能的实现方式中,不同的加工操作具有不同的操作档位,终端设备可以根据操作档位与目标温度之间的对应关系,确定当前加工操作的操作档位对应的目标温度。
在本实施例中,上述加工操作包括有冷加工操作以及热加工操作。上述冷加工操作包括将目标对象放置于冰箱或冰柜内,以对目标对象进行冷冻处理,或者将目标对象的温度降低至预设的目标温度。上述热加工操作,如烹饪操作,可以是通过对应的热加工设备对目标对象进行升温操作,如通过燃气炉进行加热。
示例性地,图2示出了本申请一实施例提供的加工操作的场景示意图。参见图2所示,该场景中包含有需要加工的目标对象21,以及对目标对象进行加工的加工设备22,以及设置有红外感应模块的终端设备23。其中,该红外感觉设备可以固定设置于场景内,示例性地,该加工场景为烹饪场景,则该终端设备23可以为一智能油烟机,或者为放置于智能油烟机上的红外测温装置。其中,该用户发起的加工操作可以为通过燃气灶对目标对象进行加热的操作。
在S102中,在执行所述加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像。
在本实施例中,在对目标对象进行加工操作的过程中,终端设备会持续监测目标对象的内部温度是否到达预设的目标温度,因此,终端设备会根据预设的检测周期,周期性获取关于目标对象的红外热成像图像。其中,上述检测周期可以是用户设置的,也可以是根据加工操作的操作类型不同进行自动配置。
在一种可能的实现方式中,根据加工操作对应的加工设备的功率,确定上述的检测周期,若上述的功率越大,则温度变化越迅速,则对应的检测周期较短;反之,若上述的加工设备的功率越小,则温度变化越缓慢,则对应的检测周期较长,终端设备可以根据功率与检测周期之间的对应关系,确定该加工操作对应的检测周期。
在本实施例中,终端设备可以配置有红外感应模块,该红外感应模块具体可以为一红外传感器阵列,还可以为一红外热成像仪。具体地,若该红外感应模块为红外传感器阵列,则该红外传感器阵列中包含有多个红外传感器,不同的红外传感器可以获取预设探测范围内的对象的红外信号,从而根据所有红外传感器对应的红外信号,生成上述的红外热成像图像;其中,各个红外信号在所述红外热成像图像中所对应的像素点与发射该红外信号的红外传感器在红外传感器阵列中的位置相一致,每一个红外传感器的红外信号在所述红外热成像图像中可以对应一个或多个像素点,具体根据红外热成像图像的分辨率确定。上述红外感应模块还可以是红外热成像仪,该红外热成像仪可以在预设的采集范围内发射红外光束,并接收该红外光束经过障碍物后反射的反射光束,从而生成上述的红外热成像图像。
在本实施例中,上述目标对象可以为需要烹饪的食物,如猪肉、羊肉等,也可以为用于烹饪食物的厨具等。
在本实施例中,上述目标对象的个数可以为一个,也可以为多个。若上述目标对象的个数为多个的情况下,在后续执行的过程中,终端设备可以识别每个目标对象的起始温度值表面温度值,并对各个起始温度值表面温度值进行校准,得到每个目标对象对应的校准温度值内部温度值。当然,终端设备若上述目标对象的个数为一个,且红外热成像图像中包含有多个候选对象,则可以从多个候选对象中选取出目标对象,例如选取与终端设备距离最近的一个候选对象作为目标对象,又或者选取在红外热成像中所占区域面积的比例最大的候选对象作为目标对象。
在S103中,确定所述红外热成像图像中所述目标对象的目标测量区域的第一温度值,将所述第一温度值作为所述目标对象的表面温度值。
在本实施例中,终端设备在获取了红外热成像图像后,可以确定目标对象的起始温度值表面温度值,即进行一次温度测量。由于红外热成像图像内包含多个不同的像素点,不同的像素点对应一个温度值,即红外热成像图像中包含有多个温度值,终端设备需要从多个温度值中确定出目标对象的起始温度值表面温度值。基于此,终端设备可以从被拍摄到的目标对象的区域中确定目标测量区域,基于该目标测量区域中各个像素点对应的温度值,确定上述的第一温度值。
在一种可能的实现方式中,终端设备可以计算该目标测量区域内各个像素点的温度值的均值,将上述计算得到的均值作为上述第一温度值。终端设备还可以从目标测量区域中选取出温度的最大值,作为第一温度值;当然,终端设备还可以选取温度值的众数作为上述的第一温度值。
在一种可能的实现方式中,上述目标测量区域还可以为一个像素点,在该情况下,终端设备可以识别目标对象在红外热成像图像中的目标图像区域,并从目标图像区域中确定出上述目标测量点,将该目标测量点对应的像素点的温度值,作为第一温度值。
在一种可能的实现方式中,终端设备在获取得到上述红外热成像图像后,可以首先对红外热成像图像进行预处理,从而能够大大减低采集过程中引入的噪声。由于属于同一物体,热量分布式较为均匀且连续的,终端设备可以从红外热成像图像中确定出温度突变的像素点,将上述温度突变的像素点作为异常像素点,并基于该异常像素点周围的各个临近像素点的温度值,调整异常像素点对应的温度值,从而能够减少采集过程中引入的误差对应后续测量的影响。
在S104中,根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数。
在本实施例中,由于对目标对象进行加工操作时,其加工设备的功率会影响目标对象内部温度的变化程度,基于此,终端设备可以通过红外热成像图像中每个像素点的对应的第二温度值,确定用于对目标对象进行加工的加工设备对应的温度值,继而根据加工设备的温度值确定加工设备的功率,从而能够确定目标对象对应的温度变化情况。基于此,终端设备可以基于红外热成像图像中各个像素点对应的第二温度值,确定出拍摄红外热成像图像时加工设备对应的温度。
在一种可能的实现方式中,确定加工设备对应的温度的方式可以为:终端设备将除上述目标对象所在的区域外的其它区域识别为环境区域,并根据环境区域内各个像素点的温度值的均值,确定与加热操作关联的像素点作为加工设备对应的像素点,继而根据加工设备对应的像素点确定上述的加工设备对应的温度。例如,目标对象为一待加工的猪肉,需要通过煎锅对猪肉进行烹饪,在该情况下,在拍摄包含猪肉这一目标对象的红外热成像图像时,往往会同时拍摄得到煎锅,即可以通过红外热成像图像确定煎锅的温度,从而可以根据煎锅的温度确定煎锅对应的热功率。
在一种可能的实现方式中,确定环境温度的方式还可以为:终端设备可以计算各个第二温度值对应的均值,并根据预设的环境温度对照关系表,确定与该均值关联的温度值,从而能够确定环境温度。
在一种可能的实现方式中,S104还可以为:根据所述红外热成像图像中各个像素点对应的第二温度值、所述目标对象的目标属性以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数。
在本实施例中,由于不同的目标对象,由于比热容存在一定的差异,其受环境温度影响的程度以及快慢也会存在差异,因此,在确定环境温度对于目标对象测量温度的影响时,也可以考虑上述目标对象的目标属性,目标属性可以包括目标对象的目标类型以及通过表面附着物(如凝固的水珠、冰晶或油滴等),根据目标属性作为确定环境补偿系数的参考变量,继而提高了校正参数的准确性。其中,上述目标类型可以为用于确定目标对象所属的类型,如肉类、蔬菜类,也可以继续细分为:猪肉类、禽类以及牛肉类等,具体目标类型的划分方式可以根据实际场景进行设置,在此不做限定。
在本实施例中,终端设备可以根据检测周期对应的周期数,确定该加工操作的操作时长。由于终端设备会以预设的检测周期获取上述的红外热成像图像,因此,红外热成像图像对应的操作时长为周期数*检测周期的周期时长,操作时间越长,目标对象的内部温度与表面温度之间的偏差越小,因此可以根据操作时长确定上述的校正参数。
在一种可能的实现方式中,终端设备可以设置有校正参数的转换函数,将上述的操作时长以及根据第二温度值确定的加工设备的温度导入上述的转换函数内,可以得到上述的校正参数。其中,上述操作时长与校正参数呈反比例关系,即操作时长越长,对应的校正参数越小,即表示与表面温度之间的差异越小;上述的加工设备的温度与室温之间的偏差越大,则对应校正参数越大;反之,加工设备的温度与室温之间的偏差越小,则对应的校正参数越小,可以通过实验测量的方式,生成校正参数与上述两个因子之间的曲线,继而通过线性拟合的方式,确定上述曲线对应的转换函数。
进一步地,作为本申请的另一实施例,在S104之后,还可以包括:获取拍摄所述红外热成像图像时所述目标对象与所述红外感应模块之间的距离值,基于所述距离值确定距离补偿系数。
在本实施例中,由于通过红外热成像图像确定目标对象的过程中,目标对象与红外感应模块之间的距离越长,环境因素造成的影响也会越大,基于此,终端设备需要采集上述红外热成像图像时,目标对象与红外感应模块之间的距离值,从而确定得到对应的距离补偿系数,以减少因距离而产生的误差。
在一种可能的实现方式中,终端设备的红外感应模块上还配置有距离传感器,终端设备可以在通过红外感应模块获取红外热成像图像时,读取上述距离传感器反馈的距离值,从而确定目标对象与红外感应模块之间的距离值。
在一种可能的实现方式中,终端设备还配置有深度摄像模块,终端设备通过该红外感应模块获取上述的红外热成像图像时,可以通过深度摄像模块获取与红外热成像图像对应的深度图像,并从深度图像中确定目标对象的所在区域,并基于该区域对应的深度数值,确定目标对象与红外感应模块之间的距离值。
在本实施例中,终端设备在确定了目标对象与红外感应模块之间的距离值后,可以基于该距离值确定与之对应的距离补偿系数。具体地,若该距离值数值越大,则对应的距离补偿系数的补偿幅度越大;反之,若该距离值的数值越小,则对应的距离补偿系数的补偿幅度越小。在一种可能的实现方式中,上述距离值与距离补偿系数之间是正相关的关系。
在一种可能的实现方式中,终端设备存储有距离补偿系数的转换算法,终端设备可以将距离值导入到上述距离补偿系数的转换算法内,从而计算得到与之关联的距离补偿系数。该转换算法具体可以为一哈希函数,每个距离范围对应一个系数值,终端设备可以判断当前获取得到的距离值所对应的距离范围,并将该距离范围对应的系数值作为该距离值对应的距离补偿系数。
在本实施例中,终端设备可以通过上述的距离补偿系数以及上述校正参数,对表面温度值进行校准,从而得到对应的内部温度值。
在S105中,基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值。
在本实施例中,终端设备在确定了校正参数后,可以根据校正参数对表面温度值进行温度校准,例如将表面温度值与校准参数进行叠加,从而计算得到该目标对象的内部温度值,从而无需使用探针温度计即可以确定目标对象的内部温度值,提高了温度测量的便捷性。
在一种可能的实现方式中,终端设备若还获取了距离补偿系数,则在获取得到校准参数以及距离补偿系数后,可以通过上述两个系数对起始温度进行校准,消除因环境温度以及采集距离而引入的误差,从而得到准确性较高的校准温度值内部温度值,并将校准温度值内部温度值作为目标对象的测量温度的测量结果。
在一种可能的实现方式中,终端设备对表面温度值进行校准的方式具体为:终端设备将起始温度与上述两个参数进行叠加,从而计算得到校准温度值内部温度值。举例性地,若上述目标对象的表面温度值为37°,校正参数为-0.5°,距离补偿系数为+0.3°,则校准温度值内部温度值的计算过程具体为:37°-0.5°+0.3°=36.8°。
在一种可能的实现方式中,终端设备还可以根据校正参数与距离值对于温度值的影响,配置对应的加权系数,基于加权系数进行加权运算,从而计算得到校准温度值内部温度值。在该情况下,校准温度的计算方程具体可以表示为:
其中,为校准温度值内部温度值;/>为起始温度值表面温度值,/>为环境补偿系数,/>为环境补偿系数对应的权重值,/>为距离补偿系数,/>为距离补偿系数的权重值。
在一种可能的实现方式中,终端设备对起始温度进行校准的方式具体为:终端设备可以基于上述两个补偿系数进行加权运算,即上述校正参数以及距离补偿系数具体为一调整比例。举例性地,若上述目标对象的其实温度为37°,校正参数为0.98,距离补偿系数为0.97,则校准温度值内部温度值的计算过程具体为:37°*0.98*0.97=35.17°。对应地,终端设备也可以根据校正参数与距离值对于测量温度时的影响的不同,配置对应的加权系数,基于加权系数以及补正系数计算得到校准温度值内部温度值。在该情况下,校准温度值内部温度值的计算方程具体可以表示为:
。
在一种可能的实现方式中,终端设备在获取得到目标对象的校准温度值内部温度值后,可以输出校准后的温度值,例如通过显示模块显示校准温度值内部温度值,或者将校准温度值内部温度值发送给对应的终端进行显示,例如在预设的显示屏上显示;终端设备还可以在预设的监控图像(如烹饪过程中对于食物的监控画面)上标记出目标对象对应的校准温度值内部温度值。
在S106中,若任一所述检测周期的所述内部温度值到达所述目标温度,则生成关于所述加工操作的提示信息。
在本实施例中,终端设备可以配置有温度阈值,该温度阈值即为加工操作设置的目标温度,若终端设备检测到目标对象的校准温度值内部温度值大于或等于预设的目标温度,则生成提示信息,以提示该目标对象已完成加工操作,例如若某一食物的温度超过预设的储存温度或烹饪温度,可以生成对应的提示信息,以提示用户烹饪已经完成,从而提高了信息获取的及时性。
以上可以看出,本发明实施例提供的一种基于红外技术的温度提示方法通过在接收到用户发起的加工操作时,确定加工操作对应的目标温度,并通过红外感应模块周期性获取目标对象的红外热成像图像,并基于该红外热成像图像确定目标对象的表面温度值,并根据加工操作的操作时长,以及根据除目标对象外的其他区域对应的第二温度值,计算得到校正参数,通过校正参数对上述的表面温度值进行温度校正,以确定该目标对象的内部温度值,并在检测到内部温度值到达预设的目标温度时,生成对应的提示信息,以实现对用户发起的加工操作进行自动提醒的目的。与现有的温度测量技术相比,本实施例提供的基于红外技术的温度提示方法,无需用户采用测温探针才能够确定目标对象的内部温度,而是可以根据红外感应模块确定目标对象的表面温度,并基于其他位置的温度值以及加工时长确定校正参数,以确定内部温度,从而能够提高内部温度获取的准确性,并在内部温度到达目标温度时进行自动提醒且无需采用探针完成内部测温,提高了用户操作的便捷性。
图3示出了本发明第二实施例提供的一种基于红外技术的温度提示方法S104的具体实现流程图。参见图3,相对于图1所述实施例,本实施例提供的一种基于红外技术的温度提示方法中S104包括:S201~S208,具体详述如下:
进一步地,所述根据所述红外热成像图像中各个像素点对应的第二温度值,得到环境补偿系数,包括:
在S201中,识别所述红外热成像图像中目标对象对应的目标图像区域,并将所述红外热成像图像中除所述目标图像区域外的其它区域识别为环境图像区域。
在本实施例中,终端设备为了确定环境因素对于测量温度的影响程度,需要从红外热成像图像中确定出环境区域,从而基于在红外热成像图像中环境区域对应的各个像素点的温度值,确定出环境对象的温度。基于此,终端设备需要首先从红外热成像图像中确定出环境图像区域,终端设备可以将除目标对象所占区域外的其它区域作为环境图像区域。
在本实施例中,终端设备可以配置有与目标对象关联的目标识别算法,将红外热成像图像导入到上述目标识别算法中,可以识别得到目标对象对应的目标图像区域。其中,上述目标识别算法具体是基于与目标对象关联的轮廓信息以及外表温度特征信息对预设的识别算法进行训练后生成的。
在一种可能的实现方式中,终端设备在确定目标图像区域时,可以根据多帧连续的红外热成像图像确定。在该情况下,终端设备会以预设的时间间隔连续获取多帧的红外热成像图像,由于部分时刻目标对象可能被遮挡,从而轮廓较为模糊,在该情况下,终端设备可以通过连续多帧的红外热成像图像,通过多帧的红外热成像图像确定目标对象的轮廓信息,从而能够识别得到目标对象的目标图像区域。
在本实施例中,终端设备在识别得到目标图像区域后,可以在红外热成像图像中标记出目标图像区域,并将目标图像区域从上述红外热成像图像中分离,从而得到上述的环境图像区域。
在S202中,对所述环境图像区域进行轮廓识别,确定各个环境对象的轮廓信息。
在本实施例中,终端设备可以根据环境图像区域中各个像素点对应的温度值,生成多条连续的轮廓线,上述轮廓线可以是封闭的线段,也可以是非封闭的线段,基于各个多条的轮廓线,可以将环境图像划分多个子区域,每个子区域可以对应一个环境对象,并将该环境对象的子区域的轮廓线作为该环境对象关联的轮廓信息。
示例性地,该红外热成像图像中拍摄有目标对象(如某一食物)、砧板、刀以及碗筷等,终端设备将该用户对应的目标图像区域从红外热成像图像中滤除后,剩下的区域即为环境图像区域,通过识别得到的轮廓线,可以将环境图像区域划分为砧板对应的第一子区域,刀对应的第二子区域以及碗筷对应的第三子区域,并基于各个子区域对应的轮廓线生成各个环境对象的轮廓信息。
在一种可能的实现方式中,上述轮廓信息包括有该环境对象内各个部位对应温度分布轮廓线,通过环境对象内部的温度分布轮廓线,能够进一步提高后续对象类型识别的准确性。
在S203中,基于各个环境对象的轮廓信息确定用于对所述目标对象进行加工操作的加工部件。
在本实施例中,终端设备可以根据各个环境对象的轮廓信息,识别该环境对象的对象类型,上述对象类型具体可以用于确定上述环境对象具体属于哪一类的物体。其中,上述对象类型可以根据不同的特性进行划分,例如根据是否恒温可以划分为恒温对象以及非恒温对象;当然,也可以根据外形特征进行分类,如砧板、刀以及碗筷等。在确定了环境对象的对象类型后,可以从所有环境对象中确定出与加工操作对应的环境对象作为加工操作的加工部件。该加工部件可以为加工设备,或加工设备中与目标对象接触的部位。
在一种可能的实现方式中,终端设备可以存储有可识别的各个对象类型的轮廓模板。终端设备可以计算上述获取得到的轮廓信息与各个轮廓模板之间的匹配度,并基于匹配度的计算结果,确定与该轮廓信息关联的对象类型。具体地,终端设备可以配置有匹配度阈值,将轮廓模板与轮廓信息之间的匹配度大于上述匹配阈值识别为匹配成功,并将匹配成功的轮廓模板对应的对象类型,作为上述环境对象的对象类型。
在一种可能的实现方式中,终端设备还可以配置有对象类型的识别网络,该识别网络内包含有预处理层、特征提取层以及全连接层。终端设备可以将上述环境对象的轮廓信息导入到上述识别网络中,通过识别网络中的预处理层对上述轮廓信息进行预处理,上述预处理可以包括有归一化处理、噪声滤波处理等,上述识别网络将预处理后的轮廓信息导入到特征提取层,提取轮廓特征参量,上述特征提取层可以是长短期神经网络、多重循环神经网络等;最后,上述识别网络将轮廓特征参量导入到全连接层,确定该轮廓特征参量关联的对象类型,并输出对象类型的识别结果。
在S204中,基于所述加工部件在所述红外热成像图像中的所述第二温度值以及所述操作时长,确定第一补偿因子。
在本实施例中,终端设备在确定了加工部件后,可以在上述的红外热成像图像中标记上述加工部件所对应的加工部件区域,并根据该加工部件区域内各个像素对应的第二温度,确定该加工部件对应的部件温度,根据加工部件的部件温度确定其对应的热功率,通过加工部件的热功率以及上述加工操作的操作时长,确定加工部件对于目标对象的传递能量总量,继而根据该传递能量总量,得到第一补偿因子。
在S205中,根据包含所述目标对象的全彩成像图像,确定所述目标对象对应的第一色温;所述全彩成像图像由摄像模块在所述红外感应模块获取所述红外热成像图像时拍摄得到。
在本实施例中,终端设备除了配置有基于红外技术的红外热成像模块外,还可以配置有对应的摄像模块,该摄像模块可以用于获取目标对象所在场景下的全彩成像图像,根据上述识别得到的目标图像区域后,可以在上述的全彩成像图像中确定与上述目标图像区域对应的目标全彩区域,从而确定该目标全彩区域中目标对象对应的至少一个像素值,基于目标全彩区域内各个像素值,得到该目标对象的当前颜色。该当前颜色可以为目标全彩区域内所有像素点的像素均值,也可以为基于目标全彩区域内多个像素点确定的像素特征值,如最大像素值、众数像素值等。
在本实施例中,终端设备在确定目标对象对应的当前颜色后,可以根据其颜色确定该目标对象的第一色温。
在S206中,根据所述目标对象的第一色温以及所述对象类型在原始状态下对应的第二色温,确定所述目标对象的加工程度指标。
在本实施例中,终端设备可以根据目标对象的对象类型,确定其在原始状态下对应的颜色,即上述的基准颜色,继而根据基准颜色确定原始状态下对应的第二色温。终端设备可以通过比对目标对象的第一色温与目标对象下处于原始状态下的原始色温是否一致,从而确定目标对象的加工程度指标。
其中,将食物或其他物品放入冰柜内保存,其温度会降低,其表面的颜色也会从原来的暖色调变化为冷色调,因此可以通过当前颜色与基准颜色进行比对,可以确定该目标对象是否经过冰冻处理,以及冷冻处理的程度
其中,将食物或其他物品进行热加工,其表面温度会上升,其表面颜色也会更为暖色调,因此,也可以通过当前颜色与基准颜色进行比对,可以确定该目标对象是否经过热加工处理,以及热加工处理的程度。
在本实施例中,在检测到目标对象在当前时刻的颜色对应的色温大于原始状态下的基础颜色的色温,则表示该目标对象进行了热加工处理,即加工操作为热加工状态,加工程度越高,其色温偏差越大。
示例性地,以目标对象为牛肉为例进行说明,若牛肉的熟度越高,其对应的颜色会与原始状态之间的偏离越大,因此,可以通过计算上述两种颜色之间的色温差值,确定其对应的加工程度,从而推断得到牛肉内部的温度。由于现有的红外感应测温技术,一般只能够测量目标对象的表面温度,而内部温度如何,特别地,对于食物而言,烹饪过程中除了关注其外表的温度外,还较为关注其内部的熟度,因此,通过该方式确定内部温度值,从而提高了对于食物这一类型对象进行内部温度测量的便捷性。
在本实施例中,在检测到目标对象在当前时刻的颜色对应的色温小于原始状态下的基础颜色的色温,则表示该目标对象进行了冷冻处理,即加工操作为冷冻加工操作。
在本实施例中,终端设备可以计算第一色温与第二色温之间的差值,若上述两者的差值越大,则表示加工程度越高,其内部温度值与外部温度值之间的偏差越小;反之,若上述两者的差值越小,则表示加工程度越低,其内部温度值可能仍保留原有的温度值,因此,其内部温度值与外部温度值之间的偏差越大。基于此,终端设备可以根据上述的色温偏差,确定对应的加工程度指标。其中,该加工程度指标可以为上述的色温偏差,也可以通过与加工操作对应的对照关系表,确定与色温偏差对应的加工程度指标。
在S207中,根据所述加工程度指标以及所述目标对象的表面附着物的特征信息,确定第二补偿因子。
在本实施例中,处于不同状态下,其表面附着物的程度也会存在一定的差异,例如冰冻程度较高的情况下,将目标对象放置至室温时,其表面附着的水珠也会较多;又例如,加工程度较高的情况下,目标对象表面渗出的液体数量也可能会较多。因此,终端设备可以根据目标对象的对象状态,确定其附着物表面的附着趋势曲线,该附着趋势曲线用于确定表面附着物的附着情况与时间之间的对应关系,从而可以根据表面附着物的特征信息以及上述的附着趋势曲线,确定该目标对象的状态持续时间,继而将状态持续时间进行转换,得到对应的时长补偿因子。其中,附着物的特征信息包括附着物的尺寸、密度以及种类等。
其中,上述的附着趋势曲线可以通过实验的方式模拟得到,例如将一个目标对象冷冻至预设的温度,继而放置至常温环境下,并记录在多个记录时刻对应的表面附着物的密度、颗粒大小等特征信息,从而构建得到对应的附着趋势曲线,对于不同类型的表面附着物的趋势曲线也可以参照上述方式进行构建,在此不做限定。
在本实施例中,终端设备可以将上述的加工程度指标对上述的时长补偿因子的加权,确定上述的第二补偿因子。
在S208中,根据所述第一补偿因子以及所述第二补偿因子,确定所述校正参数。
在本实施例中,终端设备可以根据识别得到的加工部件对应的第一补偿因子以及根据目标对象在当前检测周期对应的状态确定的第二补偿因子进行因子叠加,例如计算上述两个补偿因子之和,确定上述的校正参数。
在一种可能的实现方式中,终端设备计算所有环境对象的温度补偿因子的均值,将上述均值作为上述的环境补偿系数。由于每一个温度补偿因子是基于一个环境对象计算得到的,而一个温度补偿因子也可以识别为对一个环境对象的环境补偿系数,基于此,终端设备可以基于多个环境对象的温度补偿因子的均值,确定目标对象的环境补偿系数。
在本申请实施例中,通过加工部件的状态确定第一补偿因子,根据目标对象在当前检测周期对应的状态确定第二补偿因子,从而能够结合上述两个与加工操作具有强关联的对象状态确定的补偿因子进行叠加,得到校正参数,能够提高校正参数的准确性。
图4示出了本发明第三实施例提供的一种基于红外技术的温度提示方法S207的具体实现流程图。参见图4,相对于图3所述实施例,本实施例提供的一种基于红外技术的温度提示方法S207包括S2071~S2073,具体详述如下:
进一步地,所述根据所述加工程度指标以及所述目标对象的表面附着物的特征信息,确定第二补偿因子,包括:
在S2071中,从所述表面附着物的所述特征信息中提取所述表面附着物的多项特征参数;所述特征参数包括:所述表面附着物的密度、最大尺寸以及最小尺寸。
在本实施例中,目标对象表面的附着物越多,在对目标对象进行温度测量时,较大可能会将附着物的温度作为目标对象的温度,从而降低了目标对象温度测量的准确性,并且由于目标对象有附着物,因此对目标对象的实际温度会存在一定的热传递影响,为了确定上述情况对于目标对象的温度影响,终端设备会从上述的特征信息中获取部分维度的特征参数,如附着物的密度,以及附着物的极限尺寸,包括有最大尺寸以及最小尺寸。
在S2072中,根据所述多项特征参数以及所述目标类型对应的表面附着物的基准尺寸,确定附着物系数;所述附着物系数具体为:
其中,为所述附着物系数;/>为所述表面附着物的密度;/>为所述表面附着物的最大尺寸;/>为所述表面附着物的最小尺寸;/>为所述目标类型对应的基准尺寸;e为自然系数。
在本实施例中,终端设备可以根据目标对象的对象类型,确定其正常情况下(例如其温度处于室温状态下)其表面附着物的基准尺寸,并将该基准尺寸与目标对象当前的最大尺寸以及最小尺寸进行对比,从而得到对应的尺寸因子,并将该尺寸因子的基础上,叠加对应的附着物密度,得到对应的附着物系数,从而能够确定附着物对于目标对象的温度影响程度。
在S2073中,基于所述加工程度指标对所述附着物系数进行加权运算,得到所述第二补偿因子。
在本实施例中,终端设备将计算的附着物系数与加工程度指标进行加权运算,从而计算得到对应的第二补偿因子,从而能够使得第二补偿因子不仅可以考虑其表面附着物对应其温度的影响,也能够确定该目标对象的加工程度,继而能够一定程度确定其内部温度,继而提高了温度测量的准确性。
图5示出了本发明第四实施例提供的一种基于红外技术的温度提示方法S204的具体实现流程图。参见图5,相对于图3所述实施例,本实施例提供的一种基于红外技术的温度提示方法S204包括:S2041~S2045,具体详述如下:
进一步地,作为本申请的另一实施例,所述基于所述加工部件在所述红外热成像图像中的所述第二温度值以及所述操作时长,确定第一补偿因子,包括:
在S2041中,根据至少两个所述检测周期获取的所述红外热成像图像中所述加工部件的所述第二温度值,确定所述加工部件的温度变化特征;所述温度变化特征包括温度变化差值和/或温度变化曲线。
在本实施例中,终端设备是根据预设的检测周期,周期性获取关于目标对象的红外热成像图像,即每个红外热成像图像对应一个检测周期的周期数,电子设备可以根据任意两个红外热成像图像对应的检测周期的周期数,计算两个红外热成像图像之间的采集间隔,从而根据上述的采集间隔以及两个红外热成像图像中加工部件对应的第二温度值,确定加工部件的温度变化情况,即上述的温度变化特征。若终端设备获取了两个或以上的红外热成像图像,即可以在预设的时间-温度构建的坐标系中,标记出各个红外热成像图像中加工部件对应的第二温度值,从而生成关于加工部件对应的温度变化曲线。
在S2042中,根据所述温度变化特征以及所述检测周期的周期时长,确定所述加工部件的热传递功率。
在本实施例中,终端设备在确定了加工部件对应的温度变化特征后,可以根据温度变化特征对应的检测周期的周期数,计算任意两个温度值之间的采集间隔,从而根据采集间隔计算得到对应的温度变化速率,例如,上述的温度变化特征为温度变化差值,且计算上述温度变化差值的两个第二温度值是基于相邻的检测周期采集得到的红外热成像图像确定的,上述的温度变化速率=温度变化差值/周期时长。若两个检测周期不连续,则上述的温度变化速率=温度变化差值/(周期时长*间隔的周期数)。
在一种可能的实现方式中,若上述的温度变化特征为上述的温度变化曲线,则可以计算该温度变化曲线在当前检测周期对应的平均曲线斜率,确定该对应的温度变化速率。
在本实施例中,终端设备在确定了上述的温度变化速率后,可以基于温度变化速率确定加工部件对应的热传递功率,由于该加工部件的温度变化速率越高,则表示加工部件对应的功率越大(例如加工部件为一放置于的电磁炉上的铁锅,则铁锅温度变化越迅速,则表示电磁炉的功率越大,铁锅对目标对象进行加热时,对应的热传递功率也越大),则其传递给目标对象的热传递功率也越大。因此,终端设备可以根据上述的温度变化速率确定加工部件对应的加工功率,继而根据目标对象的吸热效率与加工功率之间的乘积,即可以计算得到上述的热传递功率。
在S2043中,基于湿度传感器确定所述加工部件所在场景的湿度值。
在S2044中,根据所述红外感应模块与所述目标对象之间的距离值以及所述湿度值,计算湿度影响因子。
在本实施例中,场景中的湿度值越大,在进行红外测温时对于测量得到的温度影响越大,为了减少因距离对于测温过程的影响,可以通过湿度传感器确定对目标对象进行加工时所在场景的湿度值,继而根据测量目标对象红外感应模块与所述目标对象之间的距离值,确定湿度影响的系数,其中距离值越远对应的湿度影响的系数越大,两者呈正比例关系,继而计算湿度影响系数与上述的湿度值之间的乘积,即可以得到湿度影响因子。
在S2045中,根据所述操作时长、所述热传递功率以及所述湿度影响因子,计算所述第一补偿因子;所述第一补偿因子为:
其中,HeatLv为所述第一补偿因子;CycleTime为所述操作时长;PowerHeat为所述热传递功率;Humidity为所述湿度影响因子;BaseHeat为基础热辐射量;β为预设的补偿基准参量。
在本实施例中,终端设备将计算得到的热传递功率以及上述的操作时长,确定基于加热部件的热传递总量,并在该热传递总量的基础上,减少因环境湿度而导致的测量误差,从而得到对应的热变化量,即△Heat,继而根据上述的热变化量进行非线性处理,从而得到对应的第一补偿因子,通过考虑热传递功率、湿度对于测量的影响,从而确定得到第一补偿因子,提高了第一补偿因子的准确性,继而提高后续内部温度值校准的准确性。
图6示出了本发明第五实施例提供的一种基于红外技术的温度提示方法S105的具体实现流程图。参见图6,相对于图1所述实施例,本实施例提供的一种基于红外技术的温度提示方法S105包括:S1051~S1056,具体详述如下:
在S1051中,确定所述目标对象的加工厚度;所述加工厚度是与所述加工操作对应的加工接触面垂直切面的长度。
在本实施例中,若目标对象的加工厚度越厚,则加工热传递时所需要的时间越长,其内部温度与表面温度之间的偏差越大,因此,在进行温度校准时,需要先确定该目标对象的加工厚度。其中,该加工厚度指的是与加工操作的加工接触面垂直方向上该目标对象的切面长度。若该目标对象为非规则形状,则佢目标对象在垂直切面上长度均值作为上述的加工厚度。
示例性地,图7示出了本申请一实施例提供的加工厚度的示意图。参见图7所示,该加工对象与加工操作对应的加工部件接触的加工接触面为A,则对应的加工厚度为与接触面A垂直的切面,即切面B,将切面B对应的长度作为该目标对象的加工厚度,即h。
在S1052,确定所述校正参数以及所述加工厚度确定的校正坐标。
在本实施例中,校正参数用于确定内部温度值与表面温度值之间的偏差程度,而上述两者之间的偏差程度除了受加工部件的热传递总量外,还与目标对象本身的厚度有关,若目标对象的厚度约厚,则热传递约慢,因此终端设备可以构建基于校正参数-加工厚度-温度的三维坐标系,从而准确确定内部温度值与外部温度值之间的差值。
在S1053中,若所述加工操作为冷加工操作,则在预设的降温变化曲线中确定所述校正坐标对应的第一中心差值;
在S1054中,计算所述表面温度值与所述第一中心差值之和,得到所述内部温度值。
在本实施例中,终端设备可以在上述的三维坐标系中生成对目标对象进行冷加工操作(如冷冻冷藏或放置于液体内进行降温等)对应的降温变化曲线,该降温变化曲线中对应的温度坐标系用于确定内部温度值与外部温度值之间的差值,从而根据校正参数以及加工厚度,确定在上述温度变化曲线中对应的第一中心差值。由于在冷加工操作时,其表面温度值往往低于内部温度值,因此可以在表面温度值的基础上,加上上述的第一中心差值,即可以确定内部温度值。
在S1055中,若所述加工操作为热加工操作,则在预设的温升变化曲线中确定所述校正坐标对应的第二中心差值;
在S1056中,计算所述表面温度与所述第二中心差值之差,得到所述内部温度值。
在本实施例中,终端设备可以在上述的三维坐标系中生成对目标对象进行热加工操作(如烹饪过程中的加热操作或放置于液体内进行升温解冻等)对应的温升变化曲线,该降温变化曲线中对应的温度坐标系用于确定内部温度值与外部温度值之间的差值,从而根据校正参数以及加工厚度,确定在上述温度变化曲线中对应的第二中心差值。由于在热加工操作时,其表面温度值往往高于内部温度值,因此可以在表面温度值的基础上,减去上述的第一中心差值,即可以确定内部温度值。
需要说明的是,不同目标对象可以配置有对应的降温变化曲线以及温升变化曲线,具体可以根据实验模拟得到对应的数据,并通过该线性拟合的方式计算得到上述两个变化曲线。
在本申请实施例中,根据操作类型的不同采用对应的方式进行内部温度值得确定,从而能够提高内部温度值计算的准确性。
图8示出了本发明第六实施例提供的一种基于红外技术的温度提示方法的具体实现流程图。参见图8,相对于图1-7任一项所述实施例,本实施例提供的一种基于红外技术的温度提示方法还包括:S801~S804,具体详述如下:
在S801中,识别所述目标对象在所述红外热成像图像内的对象区域图像。
在本实施例中,终端设备若没有配置有对应的距离传感器,则可以通过对图像进行分析,从而确定在拍摄上述红外热成像图像时,目标对象与红外感应模块之间的距离值。基于此,终端设备可以识别红外热成像中目标对象所在的区域,即上述的对象区域图像。
在一种可能的实现方式中,识别上述对象区域图像的方式具体可以为:终端设备基于目标对象的对象特征信息,从红外热成像图像中识别出与上述对象特征信息匹配的区域,将上述区域识别为对象区域图像。其中,上述对象特征信息可以包括有目标对象的轮廓特征以及温度特征等。
在S802中,根据所述对象区域图像在所述红外热成像图像内所占的区域面积,确定所述目标对象与所述红外热感应模块之间的距离值。
在本实施例中,终端设备可以根据对象区域图像占据整个图像的比例,以确定目标对象与红外感应模块之间的距离值。具体地,若目标对象与红外感应区域之间的距离越近,则对应的区域比例的数值越大;反之,若目标对象与红外感应区域之间的距离越远,则对应的区域比例的数值越小,两者具有一定的相关关系,终端设备可以根据红外感应模块的焦距以及上述拍摄的物像大小(即区域比例)从而能够确定出上述的距离值。
进一步地,作为本申请的另一实施例,上述S802具体可以包括以下步骤:
步骤1,根据包含所述目标对象的全彩成像图像,确定所述目标对象的目标属性;所述全彩成像图像是通过摄像模块在所述红外感应模块获取所述红外热成像图像时拍摄得到的。
在本实施例中,终端设备可以配置有摄像头,该摄像头可以获取全彩图像。基于此,终端设备在通过红外感应模块获取目标对象的红外热成像图像时,还可以与此同时通过摄像头获取包含对象的全彩成像图像,上述全彩成像图像内各个像素点具体用于表现目标对象的色彩信息,而非温度信息。
在本实施例中,终端设备可以将上述全彩成像图像进行图像解析,确定目标对象的目标属性。可选地,终端设备可以配置有对应的图像解析神经网络,可以通过提取全彩成像图像中的特征数据,例如将全彩成像图像进行卷积计算,从而得到对应的卷积矩阵,从而基于卷积矩阵提取得到对应的目标属性。
在本实施例中,上述目标属性具体包括有目标类型以及目标尺寸等,由于上述的目标属性可以确定目标对象的预测尺寸(例如一颗蔬菜的平均长度,或者一块牛肉的平均尺寸等),从而可以根据目标对象的在图像中的像高以及物高之间的比例,确定拍摄时与红外感应模块之间的距离值。
步骤2,获取与所述目标属性关联的目标属性与距离转换对照关系表;所述目标属性与距离转换对照关系表是根据与所述目标属性关联的标准对象模板在多个标定距离拍摄时所对应的区域面积确定的。
在本实施例中,由于目标属性不同,实际的物高也会存在差异,对应地,在与红外感应模块相距不同距离下拍摄得到的红外热成像图像中对应的物高也会存在差异。基于此,可以预先为红外感应模块预先配置对应的距离转换关系表,该距离转换关系表生成的方式具体为:通过将与某一目标属性相关联的样本对象放置于多个预设的标定距离,并通过红外感应模块拍摄在各个标定距离下包含上述样本对象的红外热成像图像,并确定该红外热成像图像中上述样本对象所占的区域面积大小,关联存储上述区域面积大小以及预设的标定距离,从而生成上述距离转换关系表,从而实现通过区域面积的大小确定拍摄对象与红外感应模块之间的距离值。
步骤3,基于所述目标属性与距离转换对照关系表,确定与所述对象区域图像的区域面积关联的所述距离值。
在本实施例中,终端设备可以通过查询上述距离转换关系对照表,确定本次识别得到与本次拍摄得到的目标对象对应的区域面积关联的距离值。
在本申请实施例中,通过确定目标对象的目标属性,并获取与目标属性关联的距离转换关系表,从而能够精准确定目标对象与红外感应模块之间的距离值,从而大大提高了后续温度测量的准确性。
在S803中,基于预设的距离与补偿系数对应关系 ,确定所述距离值对应的所述距离补偿系数。
在本实施例中,终端设备可以预先存储有距离补偿系数与距离值之间的对应关系,即上述的距离补偿系数对应关系,通过查询上述对应关系,即可以确定与距离值相关的距离补偿系数。需要说明的是,距离越远,则对应的距离补偿系数可以越大;反之,若距离短,则对应的距离补偿系数越小。
对应地,上述S105具体为:基于所述校正参数以及所述距离补偿系数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值。即在计算内部温度值时,可以考虑距离对于测量的影响,继而提高了测量的准确性。
在本申请实施例中,通过确定目标对象在红外热成像图像中所占的区域面积,从而能够确定出目标对象对应的像高,而由于目标对象的尺寸浮动范围不大,因此可以通过对应的像高以及相关的实际物高计算得到对应的距离值,从而获取与之关联的距离补偿系数,从而在无法直接获取距离值的情况下,可以通过对红外热成像的图像进行分析,从而确定距离值。
图9示出了本发明第七实施例提供的一种基于红外技术的温度提示方法的具体实现流程图。参见图9,相对于图1-7任一项所述实施例,本实施例提供的一种基于红外技术的温度提示方法在S105之后,还包括:S901~S902,具体详述如下:
在S901中,若所述内部温度值与所述检测周期对应的基准温度值之间的差值大于预设的浮动阈值,则基于所述差值确定功率调整参数。
在S902中,基于所述功率调整参数调整所述加工操作对应的加工设备的运行功率。
在本实施例中,终端设备除了在检测到目标对象的内部温度值到达预设的目标温度时对用户进行提醒外,在检测到加工操作对应的加工部件的功率出现异常时,也可以及时提醒用户当前存在异常情况,由于内部温度值与对应的基准温度值之间的差异较大,则表示加工部件的热传递功率较低,无法在预设的时间内将目标对象的温度加工至目标温度,此时需要调整加工设备的运行功率,以提高设备控制的准确性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图10示出了本发明一实施例提供的一种基于红外技术的温度提示装置的结构框图,该终端设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图10,所述基于红外技术的温度提示装置包括:
加工操作响应单元11,用于响应于用户发起的对于目标对象的加工操作,确定所述加工操作对应的目标温度;
红外热成像图像获取单元12,用于在执行所述加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像;
表面温度值确定单元13,用于确定所述红外热成像图像中所述目标对象的目标测量区域的第一温度值,将所述第一温度值作为所述目标对象的表面温度值;
校正系数确定单元14,用于根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数;
内部温度确定单元15,基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值;
提示单元16,用于若任一所述检测周期的所述内部温度值到达所述目标温度,则生成关于所述加工操作的提示信息。
因此,本发明实施例提供的终端设备同样可以通过在接收到用户发起的加工操作时,确定加工操作对应的目标温度,并通过红外感应模块周期性获取目标对象的红外热成像图像,并基于该红外热成像图像确定目标对象的表面温度值,并根据加工操作的操作时长,以及根据除目标对象外的其他区域对应的第二温度值,计算得到校正参数,通过校正参数对上述的表面温度值进行温度校正,以确定该目标对象的内部温度值,并在检测到内部温度值到达预设的目标温度时,生成对应的提示信息,以实现对用户发起的加工操作进行自动提醒的目的。与现有的温度测量技术相比,本实施例提供的基于红外技术的温度提示方法,无需用户采用测温探针才能够确定目标对象的内部温度,而是可以根据红外感应模块确定目标对象的表面温度,并基于其他位置的温度值以及加工时长确定校正参数,以确定内部温度,从而能够提高内部温度获取的准确性,并在内部温度到达目标温度时进行自动提醒且无需采用探针完成内部测温,提高了用户操作的便捷性。
图11是本发明另一实施例提供的一种终端设备的示意图。如图11所示,该实施例的终端设备11包括:处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112,例如温度的测量程序。所述处理器110执行所述计算机程序112时实现上述各个基于红外技术的温度提示方法实施例中的步骤,例如图1所示的S101至S106。或者,所述处理器110执行所述计算机程序112时实现上述各装置实施例中各单元的功能,例如图10所示模块11至16功能。
示例性的,所述计算机程序112可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器111中,并由所述处理器110执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序112在所述终端设备11中的执行过程。例如,所述计算机程序112可以被分割成加工操作响应单元、红外热成像图像获取单元、起始温度值表面温度值确定单元、校正系数确定单元、内部温度确定单元以及提示单元,各单元具体功能如上所述。
所述终端设备可包括,但不仅限于,处理器110、存储器111。本领域技术人员可以理解,图11仅仅是终端设备11的示例,并不构成对终端设备11的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器111可以是所述终端设备11的内部存储单元,例如终端设备11的硬盘或内存。所述存储器111也可以是所述终端设备11的外部存储设备,例如所述终端设备11上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器111还可以既包括所述终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
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,也可以采用软件功能单元的形式实现。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于红外技术的温度提示方法,其特征在于,包括:
响应于用户发起的对于目标对象的加工操作,确定所述加工操作对应的目标温度;
在执行所述加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像;
确定所述红外热成像图像中所述目标对象的目标测量区域的第一温度值,将所述第一温度值作为所述目标对象的表面温度值;
根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数;
基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值;
若任一所述检测周期的所述内部温度值到达所述目标温度,则生成关于所述加工操作的提示信息;
所述根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数,包括:
识别所述红外热成像图像中目标对象对应的目标图像区域,并将所述红外热成像图像中除所述目标图像区域外的其它区域识别为环境图像区域;
对所述环境图像区域进行轮廓识别,确定各个环境对象的轮廓信息;
基于各个环境对象的轮廓信息确定用于对所述目标对象进行加工操作的加工部件;
基于所述加工部件在所述红外热成像图像中的所述第二温度值以及所述操作时长,确定第一补偿因子;
根据包含所述目标对象的全彩成像图像,确定所述目标对象对应的第一色温;所述全彩成像图像由摄像模块在所述红外感应模块获取所述红外热成像图像时拍摄得到;
根据所述目标对象的第一色温以及所述目标对象在原始状态下对应的第二色温,确定所述目标对象的加工程度指标;
根据所述加工程度指标以及所述目标对象的表面附着物的特征信息,确定第二补偿因子;
根据所述第一补偿因子以及所述第二补偿因子,确定所述校正参数;
所述根据所述加工程度指标以及所述目标对象的表面附着物的特征信息,确定第二补偿因子,包括:
从所述表面附着物的所述特征信息中提取所述表面附着物的多项特征参数;所述特征参数包括:所述表面附着物的密度、最大尺寸以及最小尺寸;
根据所述多项特征参数以及所述目标对象对应的表面附着物的基准尺寸,确定附着物系数;所述附着物系数具体为:
其中,AttachLv为所述附着物系数;Density为所述表面附着物的密度;MaxSize为所述表面附着物的最大尺寸;MinSize为所述表面附着物的最小尺寸;Size(Type)为目标类型对应的基准尺寸;e为自然系数;
基于所述加工程度指标对所述附着物系数进行加权运算,得到所述第二补偿因子;
所述基于所述加工部件在所述红外热成像图像中的所述第二温度值以及所述操作时长,确定第一补偿因子,包括:
根据至少两个所述检测周期获取的所述红外热成像图像中所述加工部件的所述第二温度值,确定所述加工部件的温度变化特征;所述温度变化特征包括温度变化差值和/或温度变化曲线;
根据所述温度变化特征以及所述检测周期的周期时长,确定所述加工部件的热传递功率;
基于湿度传感器确定所述加工部件所在场景的湿度值;
根据所述红外感应模块与所述目标对象之间的距离值以及所述湿度值,计算湿度影响因子;
根据所述操作时长、所述热传递功率以及所述湿度影响因子,计算所述第一补偿因子;所述第一补偿因子为:
其中,HeatLv为所述第一补偿因子;CycleTime为所述操作时长;PowerHeat为所述热传递功率;Humidity为所述湿度影响因子;BaseHeat为基础热辐射量;β为预设的补偿基准参量;△Heat为热变化量。
2.根据权利要求1所述的温度提示方法,其特征在于,所述基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值,包括:
确定所述目标对象的加工厚度;所述加工厚度是与所述加工操作对应的加工接触面垂直切面的长度;
确定所述校正参数以及所述加工厚度确定的校正坐标;
若所述加工操作为冷加工操作,则在预设的降温变化曲线中确定所述校正坐标对应的第一中心差值;
计算所述表面温度值与所述第一中心差值之和,得到所述内部温度值;
若所述加工操作为热加工操作,则在预设的温升变化曲线中确定所述校正坐标对应的第二中心差值;
计算所述表面温度与所述第二中心差值之差,得到所述内部温度值。
3.根据权利要求1-2任一项所述的温度提示方法,其特征在于,还包括:
识别所述目标对象在所述红外热成像图像内的对象区域图像;
根据所述对象区域图像在所述红外热成像图像内所占的区域面积,确定所述目标对象与红外热感应模块之间的距离值;
基于预设的距离与补偿系数对应关系,确定所述距离值对应的距离补偿系数;
所述基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值,包括:
基于所述校正参数以及所述距离补偿系数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值。
4.根据权利要求1-2任一项所述的温度提示方法,其特征在于,在所述基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值之后,包括:
若所述内部温度值与所述检测周期对应的基准温度值之间的差值大于预设的浮动阈值,则基于所述差值确定功率调整参数;
基于所述功率调整参数调整所述加工操作对应的加工设备的运行功率。
5.一种基于红外技术的温度提示装置,其特征在于,包括:
加工操作响应单元,用于响应于用户发起的对于目标对象的加工操作,确定所述加工操作对应的目标温度;
红外热成像图像获取单元,用于在执行所述加工操作的过程中,以预设的检测周期通过红外感应模块获取目标对象的红外热成像图像;
表面温度值确定单元,用于确定所述红外热成像图像中所述目标对象的目标测量区域的第一温度值,将所述第一温度值作为所述目标对象的表面温度值;
校正系数确定单元,用于根据所述红外热成像图像中各个像素点对应的第二温度值以及所述加工操作的操作时长,确定用于确定所述目标对象的内部温度的校正参数;
内部温度确定单元,基于所述校正参数对所述表面温度值进行温度校准,得到所述目标对象的内部温度值;
提示单元,用于若任一所述检测周期的所述内部温度值到达所述目标温度,则生成关于所述加工操作的提示信息;
所述校正系数确定单元用于:
识别所述红外热成像图像中目标对象对应的目标图像区域,并将所述红外热成像图像中除所述目标图像区域外的其它区域识别为环境图像区域;
对所述环境图像区域进行轮廓识别,确定各个环境对象的轮廓信息;
基于各个环境对象的轮廓信息确定用于对所述目标对象进行加工操作的加工部件;
基于所述加工部件在所述红外热成像图像中的所述第二温度值以及所述操作时长,确定第一补偿因子;
根据包含所述目标对象的全彩成像图像,确定所述目标对象对应的第一色温;所述全彩成像图像由摄像模块在所述红外感应模块获取所述红外热成像图像时拍摄得到;
根据所述目标对象的第一色温以及所述目标对象在原始状态下对应的第二色温,确定所述目标对象的加工程度指标;
根据所述加工程度指标以及所述目标对象的表面附着物的特征信息,确定第二补偿因子;
根据所述第一补偿因子以及所述第二补偿因子,确定所述校正参数;
所述根据所述加工程度指标以及所述目标对象的表面附着物的特征信息,确定第二补偿因子,包括:
从所述表面附着物的所述特征信息中提取所述表面附着物的多项特征参数;所述特征参数包括:所述表面附着物的密度、最大尺寸以及最小尺寸;
根据所述多项特征参数以及所述目标对象对应的表面附着物的基准尺寸,确定附着物系数;所述附着物系数具体为:
其中,AttachLv为所述附着物系数;Density为所述表面附着物的密度;MaxSize为所述表面附着物的最大尺寸;MinSize为所述表面附着物的最小尺寸;Size(Type)为目标类型对应的基准尺寸;e为自然系数;
基于所述加工程度指标对所述附着物系数进行加权运算,得到所述第二补偿因子;
所述基于所述加工部件在所述红外热成像图像中的所述第二温度值以及所述操作时长,确定第一补偿因子,包括:
根据至少两个所述检测周期获取的所述红外热成像图像中所述加工部件的所述第二温度值,确定所述加工部件的温度变化特征;所述温度变化特征包括温度变化差值和/或温度变化曲线;
根据所述温度变化特征以及所述检测周期的周期时长,确定所述加工部件的热传递功率;
基于湿度传感器确定所述加工部件所在场景的湿度值;
根据所述红外感应模块与所述目标对象之间的距离值以及所述湿度值,计算湿度影响因子;
根据所述操作时长、所述热传递功率以及所述湿度影响因子,计算所述第一补偿因子;所述第一补偿因子为:
其中,HeatLv为所述第一补偿因子;CycleTime为所述操作时长;PowerHeat为所述热传递功率;Humidity为所述湿度影响因子;BaseHeat为基础热辐射量;β为预设的补偿基准参量;△Heat为热变化量。
6.一种终端设备,其特征在于,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时如权利要求1至4任一项所述方法的步骤。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311842153.6A CN117490857B (zh) | 2023-12-29 | 2023-12-29 | 一种基于红外技术的温度提示方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311842153.6A CN117490857B (zh) | 2023-12-29 | 2023-12-29 | 一种基于红外技术的温度提示方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117490857A CN117490857A (zh) | 2024-02-02 |
CN117490857B true CN117490857B (zh) | 2024-03-15 |
Family
ID=89676795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311842153.6A Active CN117490857B (zh) | 2023-12-29 | 2023-12-29 | 一种基于红外技术的温度提示方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117490857B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003297528A (ja) * | 2002-03-29 | 2003-10-17 | Canon Inc | 加熱装置及び画像形成装置及び温度測定装置 |
JP2010047789A (ja) * | 2008-08-19 | 2010-03-04 | Toyota Motor Corp | エネルギビームによる焼入方法および焼入システム |
WO2010032684A1 (ja) * | 2008-09-18 | 2010-03-25 | コニカミノルタビジネステクノロジーズ株式会社 | 画像形成装置及び定着装置 |
CN110793635A (zh) * | 2019-10-10 | 2020-02-14 | 深圳市景阳信息技术有限公司 | 热成像测温方法、装置及终端设备 |
CN116358713A (zh) * | 2023-04-17 | 2023-06-30 | 深圳市道通智能航空技术股份有限公司 | 红外热成像测温方法和装置、存储介质和电子设备 |
WO2023182197A1 (ja) * | 2022-03-24 | 2023-09-28 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、およびプログラム |
-
2023
- 2023-12-29 CN CN202311842153.6A patent/CN117490857B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003297528A (ja) * | 2002-03-29 | 2003-10-17 | Canon Inc | 加熱装置及び画像形成装置及び温度測定装置 |
JP2010047789A (ja) * | 2008-08-19 | 2010-03-04 | Toyota Motor Corp | エネルギビームによる焼入方法および焼入システム |
WO2010032684A1 (ja) * | 2008-09-18 | 2010-03-25 | コニカミノルタビジネステクノロジーズ株式会社 | 画像形成装置及び定着装置 |
CN110793635A (zh) * | 2019-10-10 | 2020-02-14 | 深圳市景阳信息技术有限公司 | 热成像测温方法、装置及终端设备 |
WO2023182197A1 (ja) * | 2022-03-24 | 2023-09-28 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、およびプログラム |
CN116358713A (zh) * | 2023-04-17 | 2023-06-30 | 深圳市道通智能航空技术股份有限公司 | 红外热成像测温方法和装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117490857A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170332841A1 (en) | Thermal Imaging Cooking System | |
US11058132B2 (en) | System and method for estimating foodstuff completion time | |
EP3131410B1 (en) | Method and apparatus for controlling a cooking process of a food | |
WO2017033406A1 (ja) | 加熱調理器 | |
US20070215599A1 (en) | Systems and methods for predicting the time to change the temperature of an object | |
CN109812840B (zh) | 烹饪温度检测方法、装置及灶具 | |
CN109691899A (zh) | 一种控制食物烹饪的方法、装置及存储介质 | |
US20160353921A1 (en) | Machine & System for Obtaining Precise Cooking Times of Irregular Shaped Food Objects | |
CN112426060A (zh) | 控制方法、烹饪器具、服务器和可读存储介质 | |
CN109144139A (zh) | 锅具内锅类型确定方法、装置及锅具 | |
CN117490857B (zh) | 一种基于红外技术的温度提示方法及终端设备 | |
CN108073906A (zh) | 菜品营养成分检测方法、装置、烹饪器具和可读存储介质 | |
Khan | Smart Microwave Oven with Image Classification and Temperature Recommendation Algorithm. | |
RU2664766C2 (ru) | Способ и устройство для определения температуры внутри продукта питания | |
CN117516726B (zh) | 一种基于红外技术的温度测量方法及终端设备 | |
CN112120524B (zh) | 烹饪器具、加热的控制方法和装置 | |
CN114839217A (zh) | 一种食物解冻曲线获取方法及烹饪解冻器具 | |
JP2021103038A (ja) | 調理機器 | |
CN111666961A (zh) | 智能家电及其识别食材类型的方法、装置、电子设备 | |
JP6829788B1 (ja) | 調理評価の方法、システム、プログラム、記録媒体、および調理機器 | |
JP2019101736A (ja) | 調理内容判別システム及び摂取内容判別システム | |
US20240027275A1 (en) | Information processing apparatus, information processing method, and program | |
CN111412505B (zh) | 控制方法、控制装置、吸油烟机和计算机可读存储介质 | |
JP2022077639A (ja) | 調理管理の方法、システム、プログラム、記録媒体および調理機器 | |
JP2022007444A (ja) | 調理判定の方法、システム、プログラム、記録媒体、および調理機器 |
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 |