CN117687319A - 一种智能厨房多源数据同步采集装置及方法 - Google Patents
一种智能厨房多源数据同步采集装置及方法 Download PDFInfo
- Publication number
- CN117687319A CN117687319A CN202410130416.9A CN202410130416A CN117687319A CN 117687319 A CN117687319 A CN 117687319A CN 202410130416 A CN202410130416 A CN 202410130416A CN 117687319 A CN117687319 A CN 117687319A
- Authority
- CN
- China
- Prior art keywords
- data
- intelligent kitchen
- cooking
- acquiring
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000001360 synchronised effect Effects 0.000 title claims description 19
- 238000010411 cooking Methods 0.000 claims abstract description 60
- 235000013305 food Nutrition 0.000 claims abstract description 31
- 238000001931 thermography Methods 0.000 claims abstract description 27
- 235000011194 food seasoning agent Nutrition 0.000 claims abstract description 13
- 239000004278 EU approved seasoning Substances 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 239000010453 quartz Substances 0.000 claims description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 17
- 238000011160 research Methods 0.000 abstract description 13
- 230000004927 fusion Effects 0.000 abstract description 7
- 235000016709 nutrition Nutrition 0.000 abstract description 5
- 230000035764 nutrition Effects 0.000 abstract description 5
- 239000007787 solid Substances 0.000 abstract description 2
- 239000000463 material Substances 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 239000002994 raw material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 235000019640 taste Nutrition 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 229910001935 vanadium oxide Inorganic materials 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- XHCLAFWTIXFWPH-UHFFFAOYSA-N [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] XHCLAFWTIXFWPH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000004925 denaturation Methods 0.000 description 1
- 230000036425 denaturation Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000002864 food coloring agent Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 235000015110 jellies Nutrition 0.000 description 1
- 239000008274 jelly Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000019198 oils Nutrition 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 235000015067 sauces Nutrition 0.000 description 1
- 235000002639 sodium chloride Nutrition 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2643—Oven, cooking
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种智能厨房多源数据同步采集装置及方法，涉及智能厨房技术领域，该装置包括：重量传感阵列，用于实时获取调味料使用量数据；功耗传感器，用于实时获取智能厨房灶台功耗数据；工业摄像机，用于实时获取烹饪视频；激光ToF阵列，用于获取食材体积数据；红外热成像传感器，用于获取烹饪空间内温度信息。本发明应用传感器融合框架技术，整合了IoT厨具与多种外部传感器数据，为基于智能厨房食品营养研究、自动化烹饪甚至定制化菜肴等方面打好坚实的数据基础。
Description
技术领域
本发明涉及智能厨房技术领域，特别涉及一种智能厨房多源数据同步采集装置及方法。
背景技术
近年来先进传感器领域技术发展取得了长足的进步，非制冷红外热成像、三维激光雷达、MEMS加速度计等传感设备都在以类似摩尔定律的曲线降低售价与提升能力。以基于氧化钒（VOx）材料的红外热成像设备为例，分辨率较低的产品比一般智能手机的售价都低。三维激光雷达也随着大规模量产与工艺上的突破，从本来占据智能汽车一半价格的售价直接跌到了一般智能手机的售价区间。这些技术进步使得定量化研究工具的开发成为可能。
传感技术的迅猛发展同样也需要大带宽的通信技术作为载体，近年来数字通信技术，特别是以太网通信技术，也迅速发展，让千家万户实现了千兆宽带接入互联网的同时，也让高质量传感数据传输成本得到了指数级别的降低。物联网技术的发展也让单片机等低功耗、处理能力受限的节点可以顺利接入无线网络。
基于图形处理芯片（GPU）的并行计算技术的发展推动了AI计算的热潮，让实时数据预处理与边缘计算等应用成为可能。
食物在烹饪过程中发生的脱水收缩、氧化褐变、蛋白质变性、美拉德反应等物理化学变化，会使得食物形状、色泽发生明显变化。这些外观变化往往与食物的成熟度、营养素热破坏量等因素相关，这使得通过机器视觉对食物成熟度、营养成分进行自动判断成为可能。
近些年机器人相关技术体系的发展为传感器数据融合应用奠定了良好的基础，通过应用机器人操作系统（ROS2）的传感器融合中间件，和机器人视觉传感工作流，多种不同类型的传感器数据可以整合到统一的时间和空间框架内，统一标注数据获取的时间和空间信息，还能通过边缘计算节点实时分析数据内容，自动提取研究相关的关键事件发生时间信息。
现有智能厨房多源数据采集系统一般由具备数据传输功能的IoT（Internet ofThings，物联网）厨具构成，可以通过手机APP获取一部分烹饪过程中的设备信息，如烹饪时间、食材重量、菜谱信息等。对于研究开发新型烹饪方法，定量调节菜肴风味、口味，精确分析食品营养构成等需要大量精确数据支持的研究需求，缺少必要的定量分析、数据整合和数据自动化预处理的研究工具，而且IoT厨具本身的传感设备精度一般达不到科学研究的要求。
发明内容
基于此，本发明的目的是提供一种智能厨房多源数据同步采集装置及方法。
为实现上述目的，本发明提供了如下方案：
一种智能厨房多源数据同步采集装置，包括：
重量传感阵列，用于实时获取调味料使用量数据；
功耗传感器，用于实时获取智能厨房灶台功耗数据；
工业摄像机，用于实时获取烹饪视频；
激光ToF阵列，用于获取食材体积数据；
红外热成像传感器，用于获取烹饪空间内温度信息。
为实现上述目的，本发明还提供了如下方案：
一种智能厨房多源数据同步采集方法，包括：
通过重量传感阵列实时获取调味料使用量数据；
通过功耗传感器实时获取智能厨房灶台功耗数据；
通过工业摄像机实时获取烹饪视频；
通过激光ToF阵列获取食材体积数据；
通过红外热成像传感器获取烹饪空间内温度信息；
将所述调味料使用量数据、所述智能厨房灶台功耗数据、所述烹饪视频、所述食材体积数据以及所述烹饪空间内温度信息上传至以太网。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明应用传感器融合框架技术，整合了IoT厨具与多种外部传感器数据，为基于智能厨房食品营养研究、自动化烹饪甚至定制化菜肴等方面打好坚实的数据基础。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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为本发明提供的智能厨房多源数据同步采集装置的结构框图；
图2为重量传感阵列的工作过程示意图；
图3为功耗传感器的工作过程示意图；
图4为红外热成像传感器标定过程示意图。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示，本实施例提供的智能厨房多源数据同步采集装置，包括：重量传感阵列1、功耗传感器2、工业摄像机3、激光ToF阵列4和红外热成像传感器5。
进一步地，重量传感阵列1用于实时获取调味料使用量数据。为精确记录烹饪过程各种原料的使用，一种可以自动记录并传输所有原料使用数据的重量传感阵列是提升研究效率的关键。重量传感阵列1完成对烹饪过程中油、盐、酱、醋等辅料添加量的精准记录。重量传感阵列1可按需扩展，最大可扩展至128个称重传感器。
本实施例中重量传感阵列1采用常见的电阻应变式的称重传感器，为减少信号干扰影响，模数转换与通信模块尽量靠近传感电路。重量传感阵列1的结构如图2所示，其中A/D转换单片机采用RS-485协议通信，多台A/D转换单片机接入485总线或Hub，并设置不同的地址；单片机6通过485总线完成所有称重传感器的实时数据采集与汇总，最后通过ROS2的传感器融合中间件将调味料使用量数据发布到以太网。
进一步地，功耗传感器2用于实时获取智能厨房灶台功耗数据。智能厨房采用交流220V单路供电，如图3所示，功耗传感器2先是通过线圈感应交流电磁场生成感应电流并通过A/D转换单片机实现电流数据获取，之后电流数据I通过RS-232协议传输到单片机6，通过P=UI公式换算后得出系统实时功率P，其中U为电压数据，并通过ROS2的传感器融合中间件发布到以太网。
进一步地，工业摄像机3用于实时获取烹饪视频。由于系统需要记录烹饪过程中原料的动态色泽、形状和体积的信息，需要基于全局快门技术的可见光波段图像采样的工业摄像机3和基于红外激光ToF技术的深度信息采样的激光ToF阵列4。其中全局快门技术是为了确保在获取可见光波段影像的像素点采样时间一致，由于烹饪过程中原料处于持续移动的状态，该技术可以有效避免各个像素采样时间不一致所导致的画面“果冻”效应。
进一步地，激光ToF阵列4用于获取食材体积数据。激光ToF阵列4可以通过给被测目标连续发送光脉冲，然后用传感器接收从物体返回的激光，计算光线发射和反射时间差或相位差，从而得到被测物体与传感器之间的距离。根据激光ToF阵列4的排列方式与视野（Field of View，FoV）信息，通过SAM深度神经网络，在可见光图片中分离出食材的像素点，并将像素点对应到激光点云上，从而获取到食材三维点云数据，对该点云数据应用泊松表重建算法获得食材的三维表面，再将此三维表面与预制的食材盛放容器内表面，在传感器融合的空间坐标系内做逻辑与操作，就可以计算出食材体积。
进一步地，红外热成像传感器5用于获取烹饪空间内温度信息。烹饪过程中，原料温度随着加热时间和受热方式的不同，在时间和空间维度上持续发生改变，为了精确记录烹饪过程中原料温度变化，需要采用红外热成像技术记录数据。同时，为了确保采集温度的准确性和一致性，红外热成像传感器5需要用可调温度的标定黑体作为其温度参考。
为了在统一的空间范围内融合多种不同的传感器，需要将激光ToF阵列4采集的数据与工业摄像机3采集的数据以及红外热成像传感器5采集的数据整合到一个空间坐标系内。由于工业摄像机和红外热成像设备一般都会存在一定程度的非线性镜头畸变，所以需要标定相机修正非线性畸变。工业摄像机3的标定可以使用标定板+opencv工具完成，但是红外热成像传感器5，由于标定板表面与室温一致，所获取的图像并没有棋盘格信息。如图4所示，为了让红外热成像传感器5区分标定板黑色与白色区域，标定板需放入烤箱，用石英管加热标定板，板内黑色区域吸收光辐射较多温升较高，而白色区域反射光辐射温升较低，从而在标定板上的黑色区域与白色区域造成温差，可以被红外热成像传感器5获取到标定板不同颜色区域的信息，区域内高于黑色区域最低温的像素赋值（0,0,0），区域内低于白色区域最高温的像素赋值（255,255,255）。之后借助opencv工具就能完成红外热成像传感器5标定工作。最后根据相机的FoV和安装的空间位置，将二维像素矩阵映射到激光ToF阵列4的三维点云数据中，融合成三维多波长数据点云。
进一步地，上述智能厨房多源数据同步采集装置还包括：监控终端8、高速记录终端10和AI处理终端9。监控终端8、高速记录终端10和AI处理终端9同时接入以太网获取所有传感器数据。其中监控终端8实现系统整体状态监视；高速记录终端10完成传感器数据记录与压缩，将带有统一时间标记的传感器数据写入到SQLite本地数据库中。AI处理终端9实现传感器数据预处理与深度视觉推理应用，进而可以进行深入数据分析。传感器数据包括调味料使用量数据、智能厨房灶台功耗数据、烹饪视频、食材体积数据以及烹饪空间内温度信息；预处理包括视频数据分割、温度校准和数据滤波。深度视觉推理应用包括建立原辅料种类-重量对应关系、锅内温度-时间对应关系、锅内食物颜色变化趋势、锅内食物形状收缩率等指标。深入数据分析包括建立上述指标与成熟度、风味、口感、营养素破坏率、风险物质产生率的定量模型，从而为菜肴的定量加工工艺开发、营养口味分析和定制化菜肴等研究方向提供技术支撑。
其中视频数据分割采用深度神经网络模型SAM(Segment Anything Model)，获取与可见光图像相对应的原料分类数据预处理信息，从而减少研究过程中图像分割工作。具体操作为，从摄像头获取可见光视频数据，使用opencv将视频转换为2560x1440分辨率的图片，输入到深度神经网络模型SAM推理生成单像素遮罩图片和分类信息，最后输出图像分割数据和分类数据。
重量传感阵列1的每一路数据在此节点应用1维卷积算法，以实现实时自动标注调味料使用时间功能和过滤取用调味料时碰触其他调味料造成的度数变化。其中一维卷积内核是长度为3的浮点数组，[-1，0，1]，通过在每个重量传感器的时序信号上应用该卷积内核，可以有效获取到每个通道重量跳变的信号特征，并记录跳变发生的时间。
根据智能厨房所需采集的数据类型和特点，本实施例中数据通信框架分为高速与低速两部分，其中低速部分采用RS-485、RS-232两种物理层通信标准，用于获取实时、低速率的传感器信息，即调味料使用量数据和智能厨房灶台功耗数据，使用单片机6整合成满足ROS2的传感器融合中间件通信规范的数据结构，最后传输到以太网。
高速部分分为USB 3.2标准和IEEE 802.3标准，其中工业摄像机3和激光ToF阵列4数据量较大，采用USB 3.2标准直连工控机7，工控机7将烹饪视频和食材体积数据上传至以太网。红外热成像传感器5通过支持802.1Q的二层交换机，从而实现与以太网的逻辑隔离。
高速部分还通过WiFi接入了外部设备（如智能灶）的结构化数据，并通过IoT网关接入以太网。
本发明与现有技术相比的有益效果在于：
1）本发明高效收集智能厨房烹饪过程中的传感器数据，极大提升了以此为基础的科研与成果转换效率。
2）重量传感器整列1可以自动记录精确的调味料用量，并通过AI处理终端9自动分析记录调味料使用的时间，为智能厨房制作菜肴的定量营养分析、口味分析和定制化菜肴等研究方向提供高效的数据。
3）工业摄像机3可以精确记录在可见光波长范围内，食材烹饪过程中颜色的变化，是定量研究食材烹饪过程多种生化反应的重要工具。
4）红外热成像传感器5可以精确记录烹饪过程中食材与厨具的温度-时间关系，为菜肴加热过程进行精细化研究提供了技术基础，在避免过度加热，减少烹饪过程中有害物质生成，提升厨具热效率等方面的研究有重要意义。
5）AI处理终端9能将获取到传感器数据进行一些预处理，通过深度神经网络技术自动标注一些特征数据，可以极大降低科研人员机械化、重复化的数据挖掘分析过程，提升整体研究效率。
实施例二
本实施例提供了一种智能厨房多源数据同步采集方法，包括以下步骤：
S1：通过重量传感阵列实时获取调味料使用量数据。
S2：通过功耗传感器实时获取智能厨房灶台功耗数据。
S3：通过工业摄像机实时获取烹饪视频。
S4：通过激光ToF阵列获取食材体积数据。
S5：通过红外热成像传感器获取烹饪空间内温度信息。
S6：将调味料使用量数据、智能厨房灶台功耗数据、烹饪画面、食材体积数据以及烹饪空间内温度信息上传至以太网。
上述方法，还包括：
对烹饪视频进行视频数据分割；对红外热成像传感器进行温度校准；对调味料使用量数据进行数据滤波。
进一步地，对红外热成像传感器进行温度校准，具体包括：将标定板放入烤箱，用石英管进行加热，在标定板上的黑色区域与白色区域造成温差；根据标定板上的黑色区域与白色区域的温差，确定黑色区域最低温和白色区域最高温；根据黑色区域最低温和白色区域最高温进行像素值赋值，对红外热成像传感器进行温度校准。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种智能厨房多源数据同步采集装置，其特征在于，包括：
重量传感阵列，用于实时获取调味料使用量数据；
功耗传感器，用于实时获取智能厨房灶台功耗数据；
工业摄像机，用于实时获取烹饪视频；
激光ToF阵列，用于获取食材体积数据；
红外热成像传感器，用于获取烹饪空间内温度信息。
2.根据权利要求1所述的智能厨房多源数据同步采集装置，其特征在于，还包括：单片机，分别与所述重量传感阵列和所述功耗传感器连接，用于将所述调味料使用量数据和所述智能厨房灶台功耗数据上传至以太网。
3.根据权利要求2所述的智能厨房多源数据同步采集装置，其特征在于，所述重量传感阵列通过RS485总线或Hub与所述单片机连接；所述功耗传感器通过RS-232协议与所述单片机连接。
4.根据权利要求1所述的智能厨房多源数据同步采集装置，其特征在于，还包括：工控机，分别与所述工业摄像机和所述激光ToF阵列连接，用于将所述烹饪视频和所述食材体积数据上传至以太网。
5.根据权利要求4所述的智能厨房多源数据同步采集装置，其特征在于，所述工业摄像机和所述激光ToF阵列均通过USB3.2与所述工控机连接。
6.根据权利要求1所述的智能厨房多源数据同步采集装置，其特征在于，智能灶作为外部设备通过WiFi接入IoT网关并接入以太网。
7.根据权利要求1所述的智能厨房多源数据同步采集装置，其特征在于，还包括：监控终端、高速记录终端和AI处理终端，所述监控终端、所述高速记录终端和所述AI处理终端同时接入以太网；所述监控终端用于对所述智能厨房多源数据同步采集装置的工作状态进行监控；所述高速记录终端用于将带有统一时间标记的传感器数据写入到SQLite本地数据库中；所述AI处理终端用于对所述传感器数据进行预处理；所述传感器数据包括调味料使用量数据、智能厨房灶台功耗数据、烹饪视频、食材体积数据以及烹饪空间内温度信息；所述预处理包括视频数据分割、温度校准和数据滤波。
8.一种智能厨房多源数据同步采集方法，其特征在于，包括：
通过重量传感阵列实时获取调味料使用量数据；
通过功耗传感器实时获取智能厨房灶台功耗数据；
通过工业摄像机实时获取烹饪视频；
通过激光ToF阵列获取食材体积数据；
通过红外热成像传感器获取烹饪空间内温度信息；
将所述调味料使用量数据、所述智能厨房灶台功耗数据、所述烹饪画面、所述食材体积数据以及所述烹饪空间内温度信息上传至以太网。
9.根据权利要求8所述的智能厨房多源数据同步采集方法，其特征在于，还包括：
对所述烹饪视频进行视频数据分割；
对所述红外热成像传感器进行温度校准；
对所述调味料使用量数据进行数据滤波。
10.根据权利要求9所述的智能厨房多源数据同步采集方法，其特征在于，对所述红外热成像传感器进行温度校准，具体包括：
将标定板放入烤箱，用石英管进行加热，在标定板上的黑色区域与白色区域造成温差；
根据标定板上的黑色区域与白色区域的温差，确定黑色区域最低温和白色区域最高温；
根据所述黑色区域最低温和所述白色区域最高温进行像素值赋值，对所述红外热成像传感器进行温度校准。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410130416.9A CN117687319A (zh) | 2024-01-31 | 2024-01-31 | 一种智能厨房多源数据同步采集装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410130416.9A CN117687319A (zh) | 2024-01-31 | 2024-01-31 | 一种智能厨房多源数据同步采集装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117687319A true CN117687319A (zh) | 2024-03-12 |
Family
ID=90139306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410130416.9A Pending CN117687319A (zh) | 2024-01-31 | 2024-01-31 | 一种智能厨房多源数据同步采集装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117687319A (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130136902A (ko) * | 2012-06-05 | 2013-12-13 | 주식회사 컴투루 | 주방 조리기기의 안전 제어 장치 및 안전 제어 방법 |
| CN105373032A (zh) * | 2014-08-19 | 2016-03-02 | 美亚知识产权有限公司 | 经由增强的烹饪装备的自动烹饪控制 |
| CN107620998A (zh) * | 2017-10-24 | 2018-01-23 | 西安科锐盛创新科技有限公司 | 智能抽油烟机及智能厨房 |
| CN107898291A (zh) * | 2017-10-24 | 2018-04-13 | 西安科锐盛创新科技有限公司 | 智能厨电系统及智能厨房 |
| CN107908670A (zh) * | 2017-10-24 | 2018-04-13 | 西安科锐盛创新科技有限公司 | 烹饪菜谱生成方法及系统 |
| CN110037538A (zh) * | 2019-05-20 | 2019-07-23 | 梁志鹏 | 一种保持食材新鲜度的智能厨房烹饪的装置 |
| US20200139554A1 (en) * | 2018-11-07 | 2020-05-07 | Miso Robotics, Inc. | Modular robotic food preparation system and related methods |
| CN111930050A (zh) * | 2020-08-28 | 2020-11-13 | 盘锦京联石油技术有限公司 | 一种基于云平台的智能全电厨房系统 |
| US20200363778A1 (en) * | 2019-05-17 | 2020-11-19 | Samarth Mahapatra | System and Method for Optimal Food Cooking or Heating Operations |
| CN112925215A (zh) * | 2019-12-08 | 2021-06-08 | 刘国鹏 | 烹饪辅助系统 |
| CN114115065A (zh) * | 2021-12-04 | 2022-03-01 | 逸爱智能科技(苏州)有限公司 | 一种一体式智能厨房及控制系统 |
| CN114693014A (zh) * | 2020-12-25 | 2022-07-01 | 智慧式有限公司 | 一种共享厨房自动制作菜食共享系统及方法 |
-
2024
- 2024-01-31 CN CN202410130416.9A patent/CN117687319A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130136902A (ko) * | 2012-06-05 | 2013-12-13 | 주식회사 컴투루 | 주방 조리기기의 안전 제어 장치 및 안전 제어 방법 |
| CN105373032A (zh) * | 2014-08-19 | 2016-03-02 | 美亚知识产权有限公司 | 经由增强的烹饪装备的自动烹饪控制 |
| CN107620998A (zh) * | 2017-10-24 | 2018-01-23 | 西安科锐盛创新科技有限公司 | 智能抽油烟机及智能厨房 |
| CN107898291A (zh) * | 2017-10-24 | 2018-04-13 | 西安科锐盛创新科技有限公司 | 智能厨电系统及智能厨房 |
| CN107908670A (zh) * | 2017-10-24 | 2018-04-13 | 西安科锐盛创新科技有限公司 | 烹饪菜谱生成方法及系统 |
| US20200139554A1 (en) * | 2018-11-07 | 2020-05-07 | Miso Robotics, Inc. | Modular robotic food preparation system and related methods |
| US20200363778A1 (en) * | 2019-05-17 | 2020-11-19 | Samarth Mahapatra | System and Method for Optimal Food Cooking or Heating Operations |
| CN110037538A (zh) * | 2019-05-20 | 2019-07-23 | 梁志鹏 | 一种保持食材新鲜度的智能厨房烹饪的装置 |
| CN112925215A (zh) * | 2019-12-08 | 2021-06-08 | 刘国鹏 | 烹饪辅助系统 |
| CN111930050A (zh) * | 2020-08-28 | 2020-11-13 | 盘锦京联石油技术有限公司 | 一种基于云平台的智能全电厨房系统 |
| CN114693014A (zh) * | 2020-12-25 | 2022-07-01 | 智慧式有限公司 | 一种共享厨房自动制作菜食共享系统及方法 |
| CN114115065A (zh) * | 2021-12-04 | 2022-03-01 | 逸爱智能科技(苏州)有限公司 | 一种一体式智能厨房及控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| 江云涛;: "智能厨房蒸汽烹饪设备应用体验研究", 饮食科学, no. 16, 31 August 2018 (2018-08-31) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100464167C (zh) | 一种红外测温实时校准的方法及装置 | |
| WO2021184620A1 (zh) | 一种基于摄像头的非接触式心率、体温测量方法 | |
| CN102589705B (zh) | 热成像仪单黑体温控mrtd野外在线自动检测装置及检测方法 | |
| CN105957090B (zh) | 一种基于达芬奇技术的单目视觉位姿测量方法及系统 | |
| CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
| CN104730073A (zh) | 一种餐盘所盛取菜品的定量分析方法及其系统 | |
| CN104008543A (zh) | 一种图像融合质量评价方法 | |
| CN103245296A (zh) | 一种基于图像测量与处理的丝杠螺纹参数测量方法 | |
| CN103335717B (zh) | 一种基于变积分模式的红外热像仪高精度抗温漂测温方法 | |
| CN106679806A (zh) | 一种基于微型光谱仪的光谱检测系统及方法 | |
| CN105115910A (zh) | 基于高光谱成像技术检测花生中蛋白质含量分布的方法 | |
| CN117687319A (zh) | 一种智能厨房多源数据同步采集装置及方法 | |
| CN106644089A (zh) | 铸坯表面温度场测量传感器及方法 | |
| CN113706478A (zh) | 核锻件锻造温度视觉测量方法 | |
| CN110160660A (zh) | 基于光场相机的高温部件多光谱测温方法及系统 | |
| CN206959795U (zh) | 基于模拟图像采集的非接触式细丝直径测量装置 | |
| CN109798983B (zh) | 烹饪设施中食材温度测量方法、系统及烹饪设施 | |
| CN117193079A (zh) | 食品的烘焙加工控制系统及其方法 | |
| CN204373785U (zh) | 焊接过程熔池温度场检测装置 | |
| CN105203045B (zh) | 一种基于异步时域视觉传感器的产品形状完整性检测系统及检查方法 | |
| CN111164395B (zh) | 光谱成像设备和方法 | |
| CN205102925U (zh) | 可变帧频红外热像仪 | |
| Jabari et al. | Improving UAV imaging quality by optical sensor fusion: an initial study | |
| CN206450322U (zh) | 一种基于微型光谱仪的光谱检测系统 | |
| Wang et al. | Uniformity evaluation of temperature field in an oven based on image processing |
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 |