CN221060473U - 食物处理器 - Google Patents

Abstract

本公开涉及一种食物处理器，其包括可控制部件，所述可控制部件联接到所述食物处理器的部件并且被配置成在第一时间段内处理一种或多种食品。监测装置被配置成在所述第一时间段期间检测与所述一种或多种食品的所述处理相关联的特性，并且在所述第一时间段内输出第一系列检测信号，所述第一系列检测信号对应于正被处理的所述食品的至少一个特性。存储器被配置成存储多维特征空间中的多个食品向量，所述多个食品向量中的每一者与食品类型相关联。控制器被配置成基于所述检测信号t控制所述可控制部件的操作。

Description

食物处理器

技术领域

本说明书描述了与搅拌器有关的示例实施方案，并且更具体地，描述包括一种食物处理器。

背景技术

如本文所使用，“食物处理器”不限于通常被称为食物处理器的特定类型的小型器具，而是厨房和/或实验室器具，用于例如在一个或多个循环期间搅拌、混合、压碎、研糊、切碎、研磨、切割、粉碎和/或乳化食物、饮料和其它物质，并且可包括但不限于搅拌器、混合器、榨汁机、研磨机、起泡器、微果泥机、用于处理食物的其它类型的装置，以及上述的任何合适的组合。食物处理器可包括容器，所述容器带有由电机供电的旋转刀片。当前搅拌器可包括微处理器，所述微处理器被配置成控制搅拌器与处理食品有关的操作，以产生混合食品，例如冰沙、冰淇淋或掼奶油。现有搅拌器可包括计算机控制的程序或食谱，其实施电机和混合刀片的特定于特定食品的特定操作序列。不利的是，此类操作序列通常是固定的，并且不会顾及正处理的食品食材的不同条件或一致性，从而导致所处理食品的特性出现可变和不一致的结果。因此，需要对食品进行更适应性的处理，以确保食品结果条件更一致和更准确，例如正处理的食品的预期质地。

实用新型内容

在各种实施方案中，本申请解决了与更准确一致地搅拌食品相关联的缺陷。

本申请描述了说明性系统、方法和装置，其使得搅拌器能够检测与处理食品相关联的物理特性的值(例如，感测条件)、分析所述值并基于分析的值确定如何进一步处理食品。例如，可将用于产生冰沙的各种搅拌食材(例如，构成食品的搅拌的食材)添加到搅拌器容器。搅拌器可经由用户接口从用户接收输入以处理食材，所述输入可包括执行用于冰沙的预定义处理序列。然后，微控制器可控制处理的执行，包括执行计算机程序指令，以例如根据预定义处理序列自动处理食材。在处理搅拌食材，即混合食材的时间段内，微控制器可接收基于由一个或多个传感器感测到的电机功耗的一系列电机信号、分析电机信号并基于此分析调整搅拌食材的处理，以例如实现搅拌的食材的所要和/或预期条件，例如，冰沙的所要和/或预期质地。微控制器可利用机器学习(ML)和/或人工智能(AI)技术来更自适应地且准确地分析检测到的值，并控制搅拌的食材的所要和/或预期条件的产生。微处理器可分析其它电子信号，例如但不限于混合容器的温度或与加热元件相关联的电流信号，并且基于这些信号和/或电机信号中的一个或多个信号调整搅拌食材的处理。

在一个方面，公开一种食物处理器。所述食物处理器可包括电机，所述电机联接到驱动轴并且被配置成使所述驱动轴旋转。所述食物处理器可进一步包括联接到所述驱动轴的刀片组件。所述刀片组件可被配置成在由所述驱动轴旋转时处理食品。所述食物处理器可包括其它处理部件，所述其它处理部件包括一个或多个加热元件。所述食物处理器的一个或多个处理部件，例如电机或加热元件，可由所述食物处理器的控制器控制，并且在本文中可称为可控制部件。虽然本文使用电机作为可控制部件的示例来描述若干实施方案，但应了解，本实用新型不限于此，并且除了电机之外或作为电机的替代方案，其它可控制部件可用于某些实施方案中。

所述食物处理器可进一步包括监测装置，所述监测装置被配置成在第一时间段内检测与处理食品相关联的一个或多个物理特性的值，例如与电机的操作相关联的电流和电压中的至少一者，并在所述第一时间段内输出表示所述值的第一系列信号。所述食物处理器可包括存储器，所述存储器被配置成存储多维特征空间中的多个已知食品向量。多个已知食品向量中的每一者可与食品类型相关联。所述食物处理器可进一步包括被配置成控制所述电机的操作的控制器(例如，微处理器)。本文使用微处理器作为控制器的示例来描述若干实施方案，但本实用新型不限于此。可使用其它类型的控制器。

在一些实施方案中，所述食物处理器的微处理器可接收第一系列电机信号，基于所述电机信号确定一个或多个预定义特征的值，并构建这些确定的值的向量(即，检测向量)，如本文其它地方更详细地描述。所述微处理器可进一步将所述检测向量的位置与所述多维特征空间中的多个已知食品向量的位置进行比较，每个食品向量对应于相应食品。所述微处理器可进一步通过确定所述多个已知食品向量中的哪一个或多个在多维特征空间中最接近所述检测向量，标识与正在处理的食品相关联的表示为检测向量的一个或多个食品类型。

然后，所述微处理器可基于对最接近的一个或多个食品向量的确定来控制一个或多个动作的执行。在一个实施方案中，所述微处理器基于标识的食品使所述电机在第二时间段内继续旋转。所述第二时间段可在0秒与30秒之间。在一些实施方案中，所述第二时间段是15秒。

在一个实施方案中，所述第一时间段是15秒。在一些实施方案中，食品的比较和标识基于K-NN分类。根据另一实施方案，所述监测装置可包括电流传感器和电压传感器中的至少一者。

在一个实施方案中，食品类型包括以下一种：苹果花生酱、拍姜冰沙(beat-ginger-smoothie)、巧克力花生酱燕麦、枫糖杏仁酱、肉桂咖啡冰沙、柑橘冰沙、基本绿果冰沙、三绿果冰沙、热带冰沙、任何类型的冰沙、提取物、酱汁、冰淇淋、布丁、坚果酱、搅打奶油、玛格丽塔、石榴腰果浆果、草莓香蕉、草莓酸橙和冷冻饮品。在一些实施方案中，每个特征选自包括以下各项的群组：时间序列模式和/或数据的曲线图中的峰值，时间序列数据的曲线图中的下降，序列数据的曲线图的标准偏差，以及时间序列数据的曲线图中的稳态功耗，时间序列数据(其如本文所述表示在一定时间段内检测到的特性值)或时间序列数据的子集(即，对于在所述时间段的子集期间检测到的值)的标准偏差；所述时间序列数据或其子集的平均值；在所述时间序列数据表示的时间段期间的特定时间点的值；在所述时间序列数据表示的时间段期间的第一时间点处的值与第二时间点处的值之间的差；所述时间序列数据或其子集表示的数据的动量；表示所述时间序列数据或其子集的曲线的梯度；其它特征；或上述的任何合适组合。

在一个方面，一种食物处理器包括联接到一个或多个部件的可控制部件，所述可控制部件被配置成处理一种或多种食品。所述食物处理器还包括监测装置，所述监测装置被配置成在第一时间段期间检测与所述一种或多种食品的处理相关联的至少一个特性，其中根据在所述第一时间段内检测到的至少一个特性生成第一系列检测信号。存储器被配置成存储第一多个食品向量，其中每个食品向量限定用于多维特征空间中的多个特征的值，并且第一多个食品向量中的每一者与食品类型相关联。控制器被配置成控制所述可控制部件的操作。所述控制器接收所述第一系列检测信号，并基于所述第一系列检测信号计算检测向量。所述检测向量限定用于所述多维特征空间中的多个特征的特征值。所述控制器通过分别相对于所述多维特征空间中的所述第一多个食品向量中的一者或多者的位置确定检测向量在所述多维特征空间中的位置来标识与所述检测向量相关联的一个或多个食品类型。所述控制器接着至少部分地基于标识的一个或多个食品类型确定一个或多个动作，并且至少部分地基于确定的一个或多个动作控制所述可控制部件的操作。

基于标识的一个或多个食品类型，所述控制器可在第二时间段内继续操作所述可控制部件。所述可控制部件可包括电机，并且操作所述电机可包括使所述电机旋转。所述控制器可至少部分地基于执行K-NN分析来标识食品。所述监测装置可包括电流传感器、电压传感器、电机速度传感器、压力传感器和/或温度传感器。

所述控制器可通过计算限定检测向量的一个或多个特征值来计算和/或生成所述检测向量。所述一个或多个特征值中的第一特征值可包括由第一系列检测信号限定的曲线的梯度。所述控制器可在第一时间段期间通过检测与可控制部件在所述第一时间段内的操作相关联的电流和电压中的至少一者来检测与处理一种或多种食品相关联的至少一个特性。所述控制器可通过确定一个或多个部件的类型和/或大小而检测与所述一种或多种食品的处理相关联的至少一个特性。所述控制器可被配置成至少部分地基于所述部件中的一个部件的类型和/或大小来控制所述可控制部件。

所述控制器可被配置成通过确定第一多个食品向量中的哪一个食品向量在多维特征空间中最接近所述检测向量来标识与所述检测向量相关联的一个或多个食品类型。所述控制器可被配置成通过相对于所述多维特征空间中的第一多个食品向量中的两个或更多个食品向量的位置确定所述检测向量在所述多维特征空间中的位置而标识与所述检测向量相关联的一个或多个食品类型。

所述控制器可被配置成基于将权重因子应用于第一多个食品向量中的两个或更多个食品向量中的每一者而控制所述可控制部件的操作，其中所述权重因子基于食品向量与检测向量的距离、确定食品类型的频率和/或在食物处理期间使用的容器类型。所述控制器可被配置成将一个或多个食品向量的第一子集分类为第一食品类别，并且至少部分地基于确定所述检测向量在所述多维特征空间中的位置处于所述多维特征空间中与所述第一食品类别相关联的第一区域内而控制所述可控制部件。

所述控制器可基于所述检测向量将一个或多个食品向量的第一子集分类为第一食品类别，并且至少部分地基于确定所述检测向量在所述多维特征空间中的位置处于所述多维特征空间中与所述第一食品类别的分类相关联的第一区域内而控制所述可控制部件。所述控制器可被配置成：将一个或多个食品向量的第二子集分类为第二食品类别；以及至少部分地基于确定所述检测向量在所述多维特征空间中的位置处于所述多维特征空间中与所述第二食品类别相关联的第二区域内而控制所述可控制部件。所述特征中的每个特征可包括在所述第一系列信号中针对所述至少一个特性检测到的峰值、在所述第一系列信号中针对所述至少一个特性检测到的值之间的下降、在所述第一系列信号中针对所述至少一个特性检测到的值的标准偏差，和/或在特定时间点在所述第一系列信号中针对所述至少一个特性检测到的值。

另一方面包括一种用于经由可控制部件处理食品的方法，所述可控制部件被配置成处理一种或多种食品，所述方法包括：在第一时间段内操作所述可控制部件；在所述第一时间段期间经由监测装置检测与所述一种或多种食品的处理相关联的至少一个特性，其中根据在所述第一时间段内检测到的所述至少一个特性生成第一系列检测信号；在存储器中存储第一多个食品向量，每个食品向量限定用于多维特征空间中的多个特征的值，所述第一多个食品向量中的每一者与食品类型相关联；基于所述第一系列检测信号计算检测向量，其中所述检测向量限定用于所述多维特征空间中的多个特征的特征值；通过分别相对于所述多维特征空间中的所述第一多个食品向量中的一者或多者的位置确定所述检测向量在所述多维特征空间中的位置来标识与所述检测向量相关联的一个或多个食品类型；至少部分地基于标识的一个或多个食品类型确定一个或多个动作；以及至少部分地基于确定的一个或多个动作控制所述可控制部件的操作。

所述方法可包括基于标识的一个或多个食品类型在第二时间段内继续操作所述可控制部件。所述可控制部件可包括电机，其中操作所述电机包括使所述电机旋转。标识食品可至少部分地基于执行K-NN分析。标识与检测向量相关联的一个或多个食品类型可包括确定所述第一多个食品向量中的哪一个食品向量在所述多维特征空间中最接近所述检测向量。

在另一方面，一种非暂时性计算机可读存储介质，其存储包括与食物处理序列相关联的多个食物处理指令的指令，所述多个食物处理指令在由计算机执行时使所述计算机执行用于使用食物处理器经由可控制部件处理食品的方法，所述可控制部件被配置成处理一种或多种食品，其中所述方法包括：在第一时间段内操作所述可控制部件；在所述第一时间段期间经由监测装置检测与所述一种或多种食品的处理相关联的至少一个特性，其中根据在所述第一时间段内检测到的所述至少一个特性生成第一系列检测信号；在存储器中存储第一多个食品向量，其中每个食品向量限定用于多维特征空间中的多个特征的值，所述第一多个食品向量中的每一者与食品类型相关联；基于所述第一系列检测信号计算检测向量，所述检测向量限定用于所述多维特征空间中的多个特征的特征值；通过分别相对于所述多维特征空间中的所述第一多个食品向量中的一者或多者的位置确定所述检测向量在所述多维特征空间中的位置来标识与所述检测向量相关联的一个或多个食品类型；至少部分地基于标识的一个或多个食品类型确定一个或多个动作；以及至少部分地基于确定的一个或多个动作控制所述可控制部件的操作。

本说明书中所述的任何两个或更多个特征，包括此实用新型内容章节中所述的特征，可组合以形成本说明书中未具体描述的实施方案。

本说明书中描述的系统和过程的至少部分可通过在一个或多个处理装置上执行存储在一个或多个非暂时性机器可读存储介质上的指令来配置或控制。非暂时性机器可读存储介质的示例包括只读存储器、光盘驱动器、存储器磁盘驱动器以及随机存取存储器。本说明书中描述的测试系统和过程的至少部分可使用计算系统来配置或控制，所述计算系统由一个或多个处理装置和存储器构成，所述存储器存储可由所述一个或多个处理装置执行的指令以执行各种控制操作。

一个或多个实施方案的细节在附图和以下描述中阐述。其它特征和优点将从本说明书和附图以及从权利要求书显而易见。

附图说明

图1是根据一些实施方案的示例食物处理器的透视图；

图2是根据一些实施方案的图1的食物处理器内的系统架构的示例的框图；

图3是示出根据一些实施方案的图1的食物处理器内的过程工作流的示例的图；

图4是示出根据一些实施方案的食品的多维特征空间的示例的图；

图5是示出根据一些实施方案的用于监测、分析和执行图1的食物处理器内的一个或多个动作的过程的示例的流程图；

图6是示出根据一些实施方案的经由被配置成处理一种或多种食品的可控制部件进行食物处理的流程图；以及

图7是示出根据一些实施方案的用以确认正在处理的食品是或不是特定食品分类的示例检测到的增大的电力负载趋势的图；不同图中的相同附图标号指示相同元件。

具体实施方式

在各种实施方案中，本申请解决了与搅拌一种或多种食品相关联的缺陷。所述申请包括说明性装置、系统和方法，所述装置、系统和方法能够实现关于例如搅拌器等食物处理器的状态的高效可靠感官特征。

本申请描述了说明性系统、方法和装置，其使得搅拌器能够感测与处理食品相关联的条件，并且确定食品何时满足所述食品的处理结果的预期特性。这些示例方法、装置和系统在动态感测搅拌罐中远离搅拌罐底部的刀片配置的区域中的搅拌食材的空化和固化方面可能具有优势。例如，一些实施方案可通过在前15秒内感测来自搅拌器的特征然后标识哪些数据点在距离上最接近而工作。基于哪些点最接近，示例过程可接着基于搅拌内容计算可用于程序时间的时间加权平均值。

图1是作为一种类型的食物处理器的搅拌器100的示例。虽然本文使用搅拌器的示例来描述实施方案，但应了解，本实用新型不限于此，并且适用于其它类型的食物处理器。在一些实施方案中，搅拌器100包括电动基座104和搅拌容器和/或罐108。在使用时，搅拌罐或容器108可配合到形成于基座104中的凹部(未示出)中。搅拌罐108包括配合到搅拌罐108的开放顶部112中的可移除盖110。由此，可用水果食材106等一种或多种食品填充搅拌罐108。如本文所描述，一种或多种食品可包括和/或指含有例如碳水化合物、蛋白质和脂肪等可被活生物体摄入并代谢成能量和身体组织的养分的任何有机物质。基座104包括电动机，例如图2的电机214，用于向设置在搅拌罐108内的刀片组件102提供旋转动力。在一些实施方案中，所述电机联接到驱动轴116并且被配置成使驱动轴116旋转。刀片组件102也可联接到驱动轴116，并且可被配置成在由驱动轴116旋转时处理食材，例如水果食材106。刀片组件102是可被称为堆叠式刀片的刀片组件类型。可使用其它类型的刀片组件，例如能以比堆叠式刀片组件更高的速度旋转的较传统的底部刀片组件(例如，高速底部刀片(HSBB)刀片组件)。

搅拌器100可被视为传统类型的搅拌器，其在搅拌器罐108的顶端处具有可移除盖110，其中可将食材添加到搅拌器罐108中，其中搅拌器罐108在其底端处联接到电动基座104。然而，可使用其它类型的搅拌器，例如，单份式搅拌器，其容量比传统搅拌器小，并且可在搅拌器罐(即，容器或杯子)的端部处具有包括刀片组件的盖或盖子，通过所述端部将食材引入到搅拌器罐中，然后将盖子与所述搅拌器罐联接，其中包括与包括刀片组件的盖子联接的搅拌器罐的搅拌组件随后可翻转以将盖子联接到搅拌基座。

电子控制件，例如图2的用户接口212，可控制到电机214的电力，所述电机在实施方案中可包括一个或多个开关，以用于在包括“关”、“低”、“中”和“高”的各种速度下控制电机214。在图1的一些实施方案中，食物处理器100的电子控制件可包括控制器和/或微处理器，例如图2的控制器202，其中存储器存储用于控制电机214的预编程和/或动态例程。此控制器202可被配置成：接收第一系列电机信号，确定电机214在第一时间段内的功耗时间序列模式，标识与所述时间序列模式相关联的多个时间序列模式特征，基于所述多个时间序列模式特征计算检测向量，将所述检测向量的位置与所述多维特征空间中的所述多个已知食品向量的位置进行比较，和/或通过确定所述多个已知食品向量中的哪个食品向量在所述多维特征空间中最接近所述检测向量来标识与检测向量相关联的食品(例如，坚果酱或冰沙饮料)。

图1还可包括监测装置，例如图2的作为食物处理器100的部分的传感器206，所述传感器可被配置成检测与处理食品相关联的一个或多个物理特性，例如，在第一时间段内检测与电机——即，可控制部件——的操作相关联的电流和电压中的至少一者，并且在第一时间段内输出第一系列电机信号，即，检测信号。例如，第一系列电机信号可对应于正在处理的食品的至少一个特性。另外，食物处理器100可包括存储器，例如图2的存储器(RAM)204，所述存储器被配置成存储多维特征空间中的多个已知食品向量，所述多个已知食品向量中的每一者与食品类型相关联。刀片组件102可插入到搅拌罐108的底端114上的开口中并且固定在其中。例如，刀片组件102可由接合搅拌罐108的底端114周围的互补螺纹的内螺纹固定。

在图1的一些实施方案中，基于源自混合食材106的标识的食品，控制器202在第二时间段内继续旋转也即操作电机。在一些实施方案中，第二时间段在0秒与30秒之间。更具体地，其中控制器202基于标识的食品在第二时间段内继续旋转电机的第二时间段可以是15秒。其中控制器202确定电机204的功耗时间序列模式的第一时间段也可以是15秒。在图1的一些实施方案中，食品的比较和标识可基于K-NN分类。第一和/或第二时间段可具有其它持续时间。

在图1的一些实施方案中，监测装置206包括电流传感器和电压传感器中的至少一者。在一些实施方案中，源自食材106的食品类型包括冰沙、提取物、酱汁、冰淇淋、布丁、坚果酱、搅打奶油、冷冻饮品、另一类型的食品或前述的任何合适组合中的一者。应注意，与食品的处理相关联的一个或多个物理特性的值，例如，源自食材106的食品和/或搅拌器100内的搅拌罐108的物理性质的值，可随时间检测到并且表示为基于所述物理特性值的时间序列数据和/或时间序列模式。在一些情况下，还检测到与食品的处理相关联的静态物理特性的值，例如搅拌罐108的容量，并且此类值可用作本文其它地方描述的进一步处理的一部分。

在一些实施方案中，可基于时间序列数据生成多个特征的值，并且这些特征值可表示为检测向量。如本文其它处更详细地描述，此类特征可包括：时间序列数据(其如本文所述表示在一定时间段内检测到的特性值)或时间序列数据的子集(即，对于在所述时间段的子集期间检测到的值)的标准偏差；所述时间序列数据或其子集的平均值；在所述时间序列数据表示的时间段期间的特定时间点的值；在所述时间序列数据表示的时间段期间的第一时间点处的值与第二时间点处的值之间的差；所述时间序列数据或其子集表示的数据的动量；表示所述时间序列数据或其子集的曲线的梯度；其它特征；或上述的任何合适组合。

在一些实施方案中，检测到的食品最初基于时间序列数据，例如基于从中确定的一个或多个特征值，分类为一类食品；并且时间序列数据和/或特征值的后续处理基于此初始分类，如本文其它地方更详细地描述。例如，控制器202可最初将食品分类为坚果酱类型或膏团类型，在这种情况下，以某种方式进行后续处理；而如果食品最初分类为并非坚果酱类型或膏团类型的食品，则以不同方式进行后续处理。在一些实施方案中，控制器202将第一食品向量子集分类为第一食品类别，并且至少部分地基于确定检测向量在多维特征空间中的位置处于所述多维特征空间中与所述第一食品类别相关联的第一区域内而控制所述可控制部件，例如电机。例如，各种类型的坚果酱可以是第一食品向量子集的成员，并且因此在多维特征空间的第一区域中具有其食品向量，而非坚果酱食品和/或冷冻饮品食品可以是第二食品向量子集的成员，并且因此，在所述多维特征空间的第二区域中具有其食品向量。检测到的食品的分类和后续处理可采用各种已知或以后开发的技术中的任一种，并且可采用一种或多种已知或以后开发的技术来实施此类技术，例如，使用各种ML和/或神经网络中的任一者。

控制器202可另外被配置成基于确定的特征值确定最接近检测到的食品的一个或多个食物类型。例如，此确定可包括基于确定的搅拌罐108的容量(例如，28盎司或64盎司容量的数据集)选择多维特征向量的子集，以及将检测向量与多维特征向量的子集进行比较。在一些情况下，每个此类特征向量表示食物类型和/或以其它方式与食物类型相关联，所述食物类型例如玛格丽塔、冰沙类型和/或另一食品类型，并且此类向量在本文中可被称为“食品向量”。此类比较可包括确定哪一个或多个食品向量在多维特征空间中最接近检测向量，例如确定谁是最近邻。这种确定可使用各种已知或以后开发的技术中的任一种，例如K-最近邻算法(KNN)，并且可使用例如各种神经网络中的任一种等一种或多种已知或以后开发的技术来实施此类技术。例如，控制器202可将与检测向量相关联的食物类型标识为特定类型的饮料、果汁、冷冻饮料、冰沙、酱、奶昔、乳膏、酱汁、汤羹、糖霜、搅打奶油顶饰、其它类型的食物或前述的任何合适组合。

控制器202接着可基于确定一个或多个最接近的食物类型来确定额外的控制器202动作，例如，针对检测到的食物时间添加额外的搅拌时间。例如，额外搅拌时间可与每个食品向量相关联，并且可通过计算与确定的一种或多种最接近食品相关联的额外搅拌时间的组合(例如，加权平均值)来确定用于所检测食品的额外时间。例如，对于所述一种或多种最接近食品中的每一者，其额外时间的权重可与其食品向量与多维特征中检测到的向量的接近度成比例。然后，控制器202可例如通过向电机214发送一个或多个信号(例如，经由连接到电机214的开关)控制正在进行的动作，以控制搅拌继续进行所述额外搅拌时间，或例如在额外搅拌时间＝0秒的情况下停止电机。

图2是根据本公开的各种实施方案的食物处理器的电子控制系统200的框图。控制系统200可表示装置内的电子控制件和/或处理系统，所述装置例如微果泥机、搅拌器、冰淇淋制造机、浸入式搅拌器、立式混合器或任何此类装置的附件。控制系统200可包括微控制器、处理器、芯片上系统(SoC)、客户端装置和/或物理计算装置，并且可包括硬件和/或虚拟处理器。在一些实施方案中，如图2中所示，控制系统200和其元件各自涉及物理硬件，并且在一些实施方案中，可使用仿真器或虚拟机实施一个、多个或所有元件。无论如何，电子控制系统200可在物理硬件上实施，例如食物处理器100。

同样如图2中所示，控制系统200可包括用户接口212，所述用户接口具有例如键盘、小键盘、触摸垫或传感器读出(例如，生物计量扫描器)和一个或多个输出装置，例如显示器、用于音频的扬声器、LED指示器和/或光指示器。控制系统200还可包括通信接口210，可包括有线通信部件和/或无线通信部件的网络通信单元，其可以通信方式耦合到控制器和/或处理器202。网络通信单元可利用各种专属或标准化网络协议中的任一者，例如以太网、TCP/IP(以列举许多协议中的一些)，以实现处理器202与另一装置、网络或系统之间的通信。网络通信单元还可包括利用以太网、电力线通信(PLC)、Wi-Fi、蜂窝和/或其它通信方法的一个或多个收发器。

控制系统200可包括处理元件，例如控制器和/或处理器202，所述处理元件含有一个或多个硬件处理器，其中每个硬件处理器可具有单个或多个处理器核心。在一个实施方案中，处理器202包括至少一个共享高速缓存，所述至少一个共享高速缓存存储由处理器202的一个或多个其它部件利用的数据(例如，计算指令)。例如，共享高速缓存可以是存储在存储器中以供构成处理器202的处理元件的部件更快速地存取的本地缓存数据。处理器的示例包括但不限于中央处理单元(CPU)和/或微处理器。控制器和/或处理器202可利用基于但不限于8051架构、/>68HCX、/>80X86等的计算机架构。处理器202可包括但不限于8位、12位、16位、32位或64位架构。尽管图2中未示出，但构成处理器202的处理元件还可包括一个或多个其它类型的硬件处理部件，例如图形处理单元(GPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)和/或数字信号处理器(DSP)。

图2还示出存储器204可以操作方式并以通信方式耦合到控制器202。存储器204可以是被配置成存储各种类型的数据的非暂时性介质。例如，存储器204可包括一个或多个存储装置208，所述存储装置包括非易失性存储装置和/或易失性存储器。例如随机存取存储器(RAM)等易失性存储器可以是任何合适的非永久性存储装置。非易失性存储装置208可包括一个或多个磁盘驱动器、光学驱动器、固态驱动器(SSD)、磁带驱动器、快闪存储器、只读存储器(ROM)和/或设计成在断电或关机操作之后将数据维持某一持续时间的任何其它类型的存储器。在某些配置中，如果分配的RAM不足以容纳所有工作数据，则非易失性存储装置208可用于存储溢出数据。非易失性存储装置208还可用于存储程序，所述程序在此类程序被选择以供执行时加载到RAM中。数据存储区和/或存储装置208可被布置成存储与多个食物处理序列，即食谱，相关联的多个食物处理指令程序。此类食物处理指令程序可包括指令以使控制器和/或处理器202：开始或停止一个或电机214(例如，如图1中所示，食物处理器100的基座104中的电动机214)；在特定食物处理序列期间的某个时间段操作一个或多个电机214；向用户接口212发出一个或多个提示指令，所述提示指令输出给用户以使来自用户的响应、动作和/或输入违禁。

所属领域的一般技术人员知道，软件程序可针对各种软件平台和/或操作系统以各种计算语言开发、编码和编译，随后由处理器202加载和执行。在一个实施方案中，软件程序的编译过程可将以一种编程语言编写的程序代码转换到另一种计算机语言，使得处理器202能够执行编程代码。例如，软件程序的编译过程可生成向处理器202提供编码指令(例如，机器代码指令)以实现特定、非通用、特定计算功能的可执行程序。

在编译过程之后，可将编码指令作为计算机可执行指令或过程步骤从存储装置208、从存储器204加载到处理器202，和/或嵌入处理器202内(例如，通过高速缓存或板载ROM)。处理器202可被配置成执行所存储指令或过程步骤，以便执行指令或过程步骤以将电子控制系统200转换为非通用的特定的专门编程的机器或设备。可在执行计算机可执行指令或过程步骤期间由处理器202存取所存储的数据，例如由数据存储区和/或存储装置208存储的数据，以指示控制系统200内的一个或多个部件和/或系统200外部的其它部件或装置。

用户接口212可包括显示器、位置输入装置(例如鼠标、触摸垫、触摸屏等)、键盘、小键盘、一个或多个按钮或其它形式的用户输入和输出装置。用户接口部件可以通信方式耦合到处理器202。当用户接口输出装置是或包括显示器时，显示器可以各种方式实施，包括通过液晶显示器(LCD)或阴极射线管(CRT)或发光二极管(LED)显示器，例如OLED显示器。

传感器206可包括一个或多个传感器，所述一个或多个传感器检测和/或监测与系统100处理一种或多种食品相关联的至少一个特性和/或系统100和/或200内或周围——例如在图1的搅拌容器或罐108的内部或周围——的物理特性(即，环境条件)。与处理一种或多种食品相关联的特性和/或环境条件可包括但不限于装置或部件(例如，电机)的旋转、旋转速度和/或移动、此类移动的速率、此类移动的频率、此类移动的方向、温度、压力、电机电流、装置或部件的位置(例如，活盖门或盖是打开的还是关闭的)，和/或装置或部件的存在(例如，是否有盖连接到例如图1的搅拌罐108)。传感器的类型可包括例如电计量芯片、电流和/或电压传感器、霍尔(Hall)传感器、惯性测量单元(IMU)、加速度计、陀螺仪、压力传感器、温度传感器、相机、其它类型的传感器或前述的任何合适组合。

传感器206还可包括一个或多个安全和/或互锁开关，其在满足某些条件时防止或实现例如电机等某些部件的操作(例如，当盖110附接到容器108时，实现电机214的激活)。所属领域的一般技术人员知道，电子控制系统200可包括所属领域众所周知的其它部件，例如图2中未明确示出的电源和/或模/数转换器。

在一些实施方案中，控制系统200和/或处理器202包括具有多个硬件部件的SoC，所述硬件部件包括但不限于：

微控制器、微处理器或数字信号处理器(DSP)核心和/或多处理器SoC(MPSoC)，其具有多于一个处理器核心；

存储区，包括只读存储器(ROM)、随机存取存储器(RAM)、电可擦除可编程只读存储器(EEPROM)和闪存的选择；

定时源，包括振荡器和锁相环路；

外围设备，包括计数器定时器、实时定时器和上电复位发生器；

外部接口，其包括行业标准，如通用串行总线(USB)、FireWire、以太网、通用同步/异步接收器/发送器(USART)、串行外围接口(SPI)；

模拟接口，其包括模/数转换器(ADC)和数/模转换器(DAC)；以及

电压调节器和功率管理电路。

SoC包括上文所描述的硬件，以及控制微控制器、微处理器和/或DSP核心、外围设备和接口的软件。大多数SoC由硬件元件的预认证硬件块(例如，称为模块或部件，其表示IP核心或IP块)以及控制其操作的软件驱动器开发而来。以上硬件元件列表并非详尽无遗。SoC可包括驱动行业标准接口的协议栈，如通用串行总线(USB)。

一旦已限定SoC的整体架构，单个硬件元件就可用称为RTL的抽象语言描述，所述RTL表示寄存器传输级。RTL用于限定电路行为。硬件元件以相同的RTL语言连接在一起，从而产生完整的SoC设计。在数字电路设计中，RTL是根据硬件寄存器之间的数字信号(数据)流和对那些信号执行的逻辑操作来对同步数字电路建模的设计抽象。RTL抽象在如Verilog和VHDL的硬件描述语言(HDL)中用于创建电路的高层级表示，可从其中导出较低层级表示并且最终导出实际布线。RTL级的设计是现代数字设计中的典型实践。Verilog被标准化为电气和电子工程师协会(IEEE)1364，并且是用于对电子系统进行建模的HDL。Verilog最常用于RTL抽象层次的数字电路的设计和验证。Verilog也可用于验证模拟电路和混合信号电路，以及用于设计遗传电路。在一些实施方案中，控制系统200的各个部件在印刷电路板(PCB)上实施。

图3是示出由图1的食物处理器100内的控制器和/或处理器202实施的过程的工作流300的示例的图。工作流300涉及在食品处理期间的一定时间段内处理与食品的处理相关联的物理特性值的检测到的值，例如电机214的电流和电压，即检测信号，以及由于此类处理而采取一个或多个动作。在一些实施方案中，一个或多个动作包括添加处理时间和/或调整供应给例如电机等可控制部件的电力。控制器202可监测电机214的功耗；例如，在搅拌循环期间在初始时间段(例如，初始15秒时间段)内经由传感器206检测电流和/或电压，并且根据这些检测到的值生成时间序列数据(例如，功率值)，所述时间序列数据可由图形302直观地表示。在图形302、304和306中，水平轴线表示时间，而竖直轴线表示功耗。

时间序列功率值形成曲线303。时间＝0是指电机最初通电，即，电流被提供到电机。如所示，功率最初从0瓦剧增到超过600瓦。此初始尖峰是被称为“涌入电流”的现象的表现，也称为“锁定转子电流”。涌入电流是在电机通电(接通)后的最初几个时刻期间在电机和其导体内经历的过量电流。此尖峰的峰值、达到峰值所需的时间以及功耗达到此峰值和从此峰值回落的速率都可能受到食品施加在电机上的负载的影响。由此，此尖峰的峰值也即整个曲线303的峰值、达到峰值所需的时间以及功耗达到此峰值并从此峰值回落的速率可指示正在处理的食物类型。图形304示出时间序列特性值的曲线303的从0到5秒的子集。图形302示出时间序列特性值曲线303的从约5秒到约15秒的子集，其中仅示出竖直轴线的子集，其表示图形302和304中所示的功耗值的子范围。

如图3的图形304和306中所示，控制器202可根据曲线303所示的时间序列功率值生成特征值，包括但不限于：图形302的时间序列功率值中的峰值功耗值(“峰值”)；峰值与特定时间点的功耗(例如，功耗表现为已从初始涌入电流引起的尖峰恢复)之间的差(“下降”)；时间序列功率值所涵盖的时间段的子时间段(例如，5秒到15秒)的功耗的标准偏差(“标准偏差(Stdev)”)；由时间序列功率值表示的时间段内特定时间(例如，15秒)的功耗(“瓦数”)；由时间序列功耗值表示的时间段的子时间段上的功耗动量(例如，曲线303的斜率)；所述时间系列功率值在所述时间段的子时间段内的曲线的梯度；和/或其它特征值。

检测的时间段、确定其值的特征以及确定这些特征值的特定时间和子时间段可变化，并且不限于本文所示和描述的那些。在一些实施方案中，这些参数和其值基于测试和经验数据而选择，可根据这些测试和经验数据确定对于生成特征值以区分食品最优的参数。

在一些实施方案中，控制器202和/或食物分析器308可例如在源自食材106的一种或多种食品包括坚果酱的情况下，基于根据例如时间系列特性值等时间序列数据确定的特征值中的一者或多者来对处理的食品进行分类。食物分析器308可实施为软件程序或功能、硬件功能、固件功能或其组合。在一些实施方案中，控制器202将食物分析器308实施为计算机实施的程序、功能和/或例程。此分类可经由一个或多个神经网络，例如多层感知(MLP)分类器进行。在一些实施方案中，这种分类可包括将源自食材106的一种或多种食品分类为坚果酱或另一种更浓稠食物类型。确定正被处理的一种或多种食品的某些特性/特征，如图形302、304和306中所示，可进一步包括控制器和/或处理器202首先感测例如食物处理器容器类型、大小或其它相关属性。此数据可提供分类和/或分类信息，这可帮助控制器202和/或处理器指派一个或多个动作以适应相关部件。例如，控制器202可指示电机214根据搅拌容器108的大小以不同方式运行。例如，这些动作和/或运行可包括控制器202将更多或更少的电流和/或电力引导到电机214，将更多或更少的电流和/或电力引导到加热元件，引导不同的驱动轴转速，和/或当电机旋转时调整时间或时间段的量。

如图3中所示，可基于图形302、304和/或306中所示的检测到的时间序列模式来执行各种(例如，1、2、3、4、5个或更多个)特征的计算，以提供包括一组特征值的信号。这可允许经由例如KNN分析进行最近邻分析的后续执行。这些时间序列模式条件/特性/特征中的每一者可包括所述模式的图中的峰值、所述模式的图中的下降、所述模式的图的标准偏差和/或模式的图中的稳态功耗，如上文详述。同样，可实现示例过程的这些条件、特性和/或特征可包括以下一个或多个：均值和/或平均值，包括要在特定时间段内采用的平均瓦数；标准值，包括要在特定时间段内采用的瓦数的标准偏差(在图形306中示出)；动量，包括要在特定时间段内采用的瓦数的斜率(在图形306中示出)；最大值，包括所记录数据的最大瓦数(在图形306中示出)；以及下降，包括从最大值到稳定瓦数的下降百分比(在图形304中示出)。这些时间段以及稳定瓦数的定义可通过若干情形告知和/或格式化以适用于若干情形，如美国工程标准。

可通过图3中的图形302、304和306中所示的检测到的时间序列数据和/或模式确定的这组特征值可随后充当食物类型分析器308的输入，作为一个或多个检测向量。另外，如图形302、304和306中详述，在多维特征空间中处理的一种或多种食品的某些特性/特征可另外包括：控制器和/或处理器202首先确定例如一个或多个食品细节，例如相关联的特征、向量和/或其它相关属性。例如，多维特征空间可包括如图4中所示的二维、三维和/或四维参数，或更高维度参数。特征值/检测向量可基于多维特征空间中最接近食物类型的确定来提供食物类型信息。例如，控制器202和/或食物类型分析器308可基于确定的搅拌罐108的容量来选择存储在存储器204中的多维特征向量的一个或多个数据集。在其它情况下，存储在存储器204中的多维特征向量的选定一个或多个数据集可基于与食物处理器100和/或搅拌罐108有关的其它因素和/或特性。此数据可提供分类和/或分类信息，这可帮助控制器和/或处理器202指派一个或多个数据集和/或后续动作以适应例如搅拌容器108中的相关联一种或多种食品。

如图3中所示，控制器202和/或食物类型分析器308可将从时间序列数据生成的检测向量与多维特征空间中的食品向量的选定数据集进行比较。在一些情况下，每个食品向量表示和/或与食物类型相关联。例如，控制器202可指示电机214根据来自预定食品向量的信息以不同方式运行，所述信息包括与搅拌容器108内的搅拌执行有关的数据集。这可包括例如根据由预定食品向量提供的指令优化搅拌时间和/或速度以最佳地搅拌一种或多种不同食品。例如，对玛格丽塔向量的确定可引起添加X量的额外搅拌时间，而对热带冰沙向量的确定可引起添加Y量的额外搅拌时间。食物类型分析器308可包括软件、硬件或组合，因此可实施一个或多个例程和/或算法以分析图形302、304和305中所示的时间序列数据并检测和/或标识食品。食物类型分析器308可实施为控制系统200和/或处理器202的一部分。例如，先前提供的来自时间序列数据的检测向量/特征值可表示为变量a、b、c、d，例如表示为每个数据点的坐标，其中每个行表示数据点。列的数目可等于来自所测量的时间序列模式的检测向量/特征值的数目，而行的数目可等于数据点的数目：

在一些实施方案中，以下阵列保持与每个数据点相关联的程序时间(t_i)(例如，要添加的时间)，其中行的数目与以上数据阵列相同：

根据图3，一旦示例工作流300的食物类型分析器308分析来自时间序列模式的检测向量/特征值并确定食物类型分析器308的输入将是什么，就可能需要针对食物类型分析器308的准确性和其功能和/或代码的效率来缩放数据。例如，为了存储数据点，输入可表示为int8_t数据类型以节省内存。在一些实施方案中，为了使标准缩放器最佳地执行机器学习，可能需要在-128与127之间缩放数据。此缩放可根据美国工程标准使用以下等式完成：

其中x是原始检测向量数据，μ是检测向量数据的均值，例如电流或瓦数的均值，S是检测向量数据的标准偏差，并且X_缩放是缩放的检测向量数据。

在一些实施方案中，缩放以使用int8_t可能对食物类型分析器308的结果没有显著影响；因此，确保新数据点保持在目标范围内可能很重要。

另外，在图3中，一旦示例食物处理器在感测到来自时间序列数据和/或模式的检测向量/特征值的数据之后确定输入点，就可能需要计算对与检测向量和每个食品向量的距离的确定。例如，可发起KNN分析以提供相比于检测向量的位置的确定对多维特征空间中的一个或多个最近邻的一个或多个位置的确定。这可涉及多个距离度量；例如，基于初始分析，并且可使用闵氏距离(Mikowski distance)或布雷-柯蒂斯(Bray-Curtis)距离，如下所示：

布雷-柯蒂斯：

闵氏：

其中j＝1，m＝迭代次数，x_j＝对象A向量点第一坐标值，y_j＝对象B向量点第一坐标值，p＝两个点之间的阶(通过整数值)，d_BC＝布雷-柯蒂斯距离，以及d_M＝闵氏距离。对于可测量点A与点B之间的距离的布雷-柯蒂斯来说，如果所有坐标都是正的，则其值在0与1之间。然而，如果两个对象都处于0坐标，例如(0,0)，则可不定义布雷-柯蒂斯距离。可使用绝对差除以求和来进行归一化。对于p≥1，闵氏距离是因闵可夫斯基不等式而产生的度量。当p<1时，(0,0)与(1,1)之间的距离为2^1/p>2，但点(0,1)与这两个点的距离为1。由于这违反了三角不等式，因此对于p<1而言，它不是一个度量。然而，只要删除指数1/p，就可获得这些值的度量。所得度量也是F范数。

根据图3的示例实施方案，一旦确定了k个最接近的相邻者，食物类型分析器308的程序和/或例程就将其输出确定为动作。对于每个确定的一个或多个最接近的食物类型，如先前所介绍，可指定用于搅拌的额外时间的确定。基于存储的多维特征向量数据，可在用于食物类型的特征向量中指定此额外时间。如所提及，每个数据点可具有与其相关联的时间，从而需要基于例如组合每个额外时间的加权平均值来确定数据点将输出的时间，以产生要添加到搅拌过程的总时间。例如，在图3中，这包括要添加到搅拌过程的额外8秒时间的加权平均值确定310。与距离测量一样，可使用若干不同的权重函数，例如：

其中d＝两个对象/向量点之间的距离，z＝两个相应对象/向量点之间的距离计算次数，并且w＝权重。

此时，返回并在工作流300的图形302的最东区表示食物类型分析器308的输出，示出为“添加的时间”。

在一些实施方案中，特定传感器芯片可通过对电机的端子/引线上的电压进行取样来对电力进行取样、检测和/或监测。控制器，例如图2的控制器和/或处理器202，和/或食物类型分析器308，可由此从例如传感器芯片等传感器(2)206获取此取样的电压值，分析数据，并且基于此分析而通过向控制搅拌器电机214的电力输入的TRIAC开关发送控制信号和/或传信来采取行动。基于来自处理器202和/或食物类型分析器308的控制信号和/或信令，TRAIC开关(或另一类型的开关或控制机构)的输出信令可停止、开始、增加或减小电机速度。也就是说，本文所述的分析还可包括标识与搅拌容器108内的单种或聚集食品相关联的一个或多个食谱，并且当标识出最接近的一个或多个食谱时，根据确定的一个或多个最接近的食谱添加搅拌时间，如图3的控制步骤310所示。

图4示出说明性多维特征空间400，其含有表示例如由图3的食物类型分析器308确定的食品向量的向量点，例如向量点410、412、426和428。具体地，出于说明性目的，特征空间400是二维特征空间，其中水平轴线430表示第一特征的值且竖直轴线432表示第二特征的值。在一些实施方案中，特征空间400中的一些向量点表示由图3的工作流300经由控制器202和/或食物类型分析器308确定的检测向量。例如，特征空间400可包括检测向量402、404、406和408，其表示为特征空间400中的点。

可与图3中论述的KNN分析类似或不同的最近邻分析可基于与当前检测到的食品最接近的一种或多种食品(例如，两个类型的冰沙)来执行。在一些实施方案中，控制器202将第一食品向量子集分类为第一食品类别，例如坚果酱，并且至少部分地基于确定例如检测向量点408的检测向量的位置处于多维特征空间400中与例如坚果酱的第一食品类别相关联的第一区域416内而控制可控制部件，例如电机214。例如，各种类型的坚果酱可以是第一食品向量子集的成员，并且因此在多维特征空间400的第一区域416中具有其食品向量，例如向量点428，而非坚果酱食品可以是第二食品向量子集的成员，并且因此，在多维特征空间400的第二区域418中具有其食品向量(例如，向量点410、426和412)。第一区域416和第二区域418可由边界414分开。在一些实施方案中，多维特征空间400可包括与三个或更多个食品类别相关联的三个或更多个区域。

图4示出了食品向量与检测向量之间的二维空间关系。例如，检测向量402与食品向量410间隔开距离420，与食品向量426间隔开距离422，并且与食品向量428间隔开距离424。例如，如果食品向量410与玛格丽塔饮品相关联，则可基于距离420是最短距离，即基于食品向量410是与检测向量402最接近的食品向量，将检测向量402标识为与玛格丽塔饮品相关联的向量。但在一些实施方案中，控制器202和/或分析器308可使用从检测向量402到多个食品向量的距离来标识与检测向量402相关联的食品。控制器202可基于两个最接近的食品向量、基于三个最接近的食品向量或更多食品向量而标识与检测向量402相关联的食品。在两个距离类似的情况下，例如距离422和424，控制器202可另外或替代地考虑第三距离420以标识与例如检测向量402等检测向量相关联的食品。

在一些实施方案中，控制器202通过分别相对于多维特征空间400中的一些或全部食品向量(例如，食品向量410、412、426和428)的位置确定例如检测向量402等检测向量在多维特征空间400中的位置来标识与检测向量相关联的一个或多个食品类型。控制器202可至少部分地基于标识的一个或多个食品类型确定一个或多个动作。控制器202可至少部分地基于确定的一个或多个动作而控制例如电机214等可控制部件的操作。在一些实施方案中，控制器202至少部分地基于检测向量位于特征空间400中的区域确定一个或多个动作，所述区域例如区域416或区域418。例如，检测向量406位于可与坚果酱食品群组或子集相关联的区域416中，而检测向量402位于可与非坚果酱和/或饮品食品群组或子集相关联的区域418中。控制器202可至少部分地基于确定的与食品群组或子集相关联的一个或多个动作控制例如电机214等可控制部件的操作。

在一个实施方案中，微控制器和/或微处理器，例如控制器和/或处理器202，从例如传感器206等一个或多个传感器接收来自电机214的一系列信号。处理器202经由食物类型分析器308确定电机214在第一时间段内的功耗时间序列模式。处理器202标识与时间序列模式相关联的多个时间序列模式特征，然后基于多个时间序列模式特征计算检测向量，例如检测向量402。取决于产生检测向量402的时间序列的基本特征值，食物类型的初始分类，例如区域416中的坚果酱或区域418中的饮品，可包括引起KNN或非KNN分析的MLP分类。这些分类事件可随时间而聚合，以更有效和高效地告知额外分类。控制器202和/或食物类型分析器308将多维特征空间400中检测向量402的位置与多个食品向量中的一些或全部食品向量的位置进行比较。控制器202和/或食物类型分析器308通过确定多个食品向量中的哪一个在多维特征空间400中最接近检测向量402，例如与检测向量402相隔距离420处的食品向量410，标识与检测向量402相关联的食品。如果食品向量410与冰沙相关联，则控制器202和/或食物类型分析器308确定正在处理的食品是冰沙。控制器202接着可确定电机214和混合刀片还应旋转多久，例如第二时间段。在一个实施方案中，基于最接近的食品向量中的一者或多者，例如食品向量410、412、424和/或426，控制器202确定第二时间段。在一些实施方案中，控制器202基于额外时间的组合加权平均值来确定第二时间段，所述额外时间取决于与用于标识检测向量的每个食品向量(例如，食品向量410、412、426和428)相关联的一个或多个确定，直到电机214停止以实现更准确和/或一致的冰沙。

在另一情况下，控制器202和/或食物类型分析器308从例如传感器206等一个或多个传感器接收一系列电机214信号。控制器202经由食物类型分析器308确定电机214在第一时间段内的功耗时间序列模式和/或数据集。控制器202标识与时间序列模式相关联的多个时间序列模式特征，然后基于所述多个时间序列模式特征计算检测向量，例如检测向量404。在一些实施方案中，计算检测向量包括从检测到的信号确定时间序列模式，其中所述时间序列模式包括例如曲线303等功率曲线的梯度。控制器202和/或食物类型分析器308将检测向量404的位置与多维特征空间400中的多个已知食品向量的位置进行比较。通过确定第一多个食品向量中的哪一个在多维特征空间400中最接近检测向量404，控制器202和/或食物类型分析器308标识与检测向量404相关联的食品类型。在此情况下，最接近的已知食品向量是向量412。如果已知食品向量412与搅打奶油相关联，则控制器202和/或食物类型分析器308确定正在处理的食品是搅打奶油。处理器202接着可确定电机214和混合刀片还应旋转多久，例如第二时间段，直到电机214停止以实现更准确和/或一致的搅打奶油。

在一些实施方案中，可检测对应于处理食品的额外系列电机信号，以更准确地标识和/或确认正处理的食品类型。例如，在控制器202将食品向量的类型和/或第一子集分类为坚果酱之后，一个或多个传感器，例如传感器206可继续感测额外时间段，例如15秒，并向控制器202和/或食物类型分析器308提供额外系列电机214信号。基于分析此额外系列电机信号，控制器202可操作电机214以使刀片组件102的混合刀片旋转额外时间段。这些额外系列电机214信号可包括从传感器206输出并由控制器202和/或食物类型分析器308分析的在多个增量或时间段(例如在多个100ms时间段)上的功耗和/或电机电流趋势。基于其分析，控制器202和/或食物类型分析器308可确定和/或确认食品的身份和/或分类，并且由此确定食品的额外处理是必要的。此确定可基于每100ms检测到的电机214的功耗趋势是趋向于增加还是减少的方向，或是大于还是等于增加或减少的阈值速率，或是大于还是等于从最小记录值开始的阈值增加。

图7示出图形700，其示出经由例如传感器206相对于电机214检测的电力负载的检测到的增加趋势，控制器202可分析所述增加趋势以确认正在处理的食品是否是特定食品分类，例如，坚果酱类型。对电机电力和/或电流的此类额外感测减少对例如坚果酱等食品类型的错分类的可能性。当电机214在一定时间段内的功耗和/或电流趋势不再大于或等于设定阈值时，控制器202和/或食物类型分析器308可确定不再需要食品的处理。

在一些情况下，在图4中，当控制器202检测到与一种或多种食品的处理相关联的至少一个特性，例如源自食材106的食品时，控制器202还确定例如搅拌罐108等一个或多个部件的类型和/或大小。以此方式，控制器202可基于理解某些类型的食品最常或仅使用某些类型的部件和/或容器进行处理而更高效或容易地标识食品。在一些实施方案中，控制器202被配置成基于检测向量，例如检测向量406或408，以及通过检测用于创建与检测向量406或408相关联的食品的罐108的类型，来对例如坚果酱区域416中的食品等一种或多种食品进行分类。在一些实施方案中，控制器202可被配置成仅基于例如搅拌罐108等一个部件的类型和/或大小、基于对某些类型的食品在被处理时使用某些类型的部件和/或容器的认识来控制电机214。

在一些实施方案中，控制器202被配置成基于将权重因子应用于特征空间400中例如食品向量410和412等一些或全部食品向量来标识一个或多个食品类型，例如与检测向量408相关联的坚果酱类型和与检测向量402相关联的冷冻饮品类型。在一些实施方案中，权重因子基于以下中的至少一者：多维特征空间400内，食品向量与检测向量的距离、与食品向量相关联的食品类型、确定食品类型的频率以及在食物处理期间使用的容器类型。例如，可在0.0-1.0或任何其它合理的加权缩放度量的尺度上测量和/或指派权重因子，其可用于调整食品向量的一个或多个特征的值和/或移动食品向量在多维特征空间400中的位置，以实现控制器202对食品类型的标识。在一些实施方案中，每个食品向量可与已知类型的食品相关联，例如可与玛格丽塔饮品相关联的食品向量410。此外，一些或所有食品向量可由控制器202用以标识与检测向量相关联的食品。如前所述，第一多个食品向量可基于检索与一种或多种食品相关的数据(例如，食品向量410、426和428，其基于一个或更多个部件可用于将与特定检测向量(例如检测向量402)相关联的食品标识为与玛格丽塔饮品相关联)，以便确定搅拌条件，例如通过操作电机214进行搅拌的时间段、电机214在特定时间段的速度、食品在特定时间和/或时间段的温度、例如罐108等搅拌和/或混合室中的压力，诸如此类。每个食品向量可限定多个特征的值。

图5是示出用于监测、分析和执行图1的食物处理器内的一个或多个动作的示例过程500的流程图。过程500可包括处理一种或多种食品，涉及经由电机旋转一个或多个部件(步骤502)。例如，这可包括经由电机旋转联接到刀片组件的牵引轴。电机、驱动轴和刀片组件可类似于图1中介绍的那些组件，例如分别是电机214、驱动轴116和刀片组件102。过程500还可包括在搅拌容器和/或罐108中处理一种或多种食品，例如源自食材106的食品，同时刀片组件102通过驱动轴116旋转(步骤504)。过程500可进一步包括在第一时间段期间检测与一种或多种食品的处理相关联的至少一个特性(步骤506)。第一系列检测信号可根据在第一时间段内检测到的至少一个特性生成。例如，第一系列检测信号可包括经由传感器208的与电机214在第一时间段内的操作相关联的电流和电压中的至少一者。过程500还可包括在存储器中存储第一多个食品向量，例如图4的食品向量410、412、426和428(步骤508)。每个食品向量可限定例如特征空间400的多维特征空间中的多个特征的值。因此，例如食品向量410和420等第一多个食品向量中的每一者可与食品类型相关联。例如，食品向量410可与玛格丽塔饮品相关联，而食品向量412可与搅打奶油相关联。可处理对应于食品的至少一个特性的第一系列电机信号以生成检测向量，例如检测向量402。然后，可将多个已知食品向量(例如，410、412、426和428)存储在系统200的存储器204和存储装置208中(步骤508)。控制器202可将食品向量的第一子集分类为第一食品类别(例如，坚果酱或饮品)，并且基于确定例如检测向量402等检测向量的位置处于多维特征空间400中与例如食物饮品等特定食品子集、群组和/或类别相关联的区域418内而控制可控制部件，例如电机214。步骤502到510中的任一者可由例如图2的控制器202等微控制器和/或微处理器执行。

图6示出用于基于在食品的处理期间对特定食品的标识来标识食品类型并控制可控制部件的操作的过程600。过程600包括控制器202在第一时间段内操作可控制部件(步骤602)。可控制部件可包括电机，例如电机214，所述电机被布置成使驱动轴102和刀片组件116旋转以混合食材106。可控制部件可包括罐108内或附近布置成加热正处理的食品的加热器或加热元件。可控制部件可包括泵和/或阀，所述泵和/或阀被布置成食品正被处理时调整罐108内的压力。可控制部件可包括被配置成在处理期间影响食品的物理特性的任何装置或部件。

过程600还包括在第一时间段期间经由例如传感器206的监测装置检测与一种或多种食品的处理相关联的至少一个特性，其中根据在第一时间段内检测到的至少一个特性生成第一系列检测信号(步骤604)。过程600包括在例如存储器204和/或数据存储装置208等存储器中存储多个食品向量(例如，食品向量410、412、426和428)，其中每个食品向量限定多维特征空间400中的多个特征的值，使得多个食品向量中的每一者与食品类型相关联(步骤606)。然后，由控制器202和/或食品分析器308基于系列检测信号计算检测向量，例如检测向量402，其中所述检测向量限定多维特征空间400中的多个特征的特征值(步骤608)。控制器202和/或食品分析器308通过分别相对于多维特征空间400中的多个食品向量中的一者或多者(例如，食品向量410、426和428)的位置确定检测向量在多维特征空间中的位置来标识与例如检测向量402等检测向量相关联的一个或多个食品类型。(步骤610)例如，食品向量410可与玛格丽塔饮品相关联。食品向量426可与另一冷冻饮品类型相关联，而食品向量428可与花生酱相关联。

在一个实施方案中，控制器202可基于食品向量410最接近检测向量402来确定检测向量402与玛格丽塔饮品相关联。控制器202可基于检测向量402相对于一个或多个已知食品向量在特征空间400中的位置来标识与检测向量402相关联的食品类型。控制器202和/或食品分析器308可随后至少部分地基于标识的一个或多个食品类型确定一个或多个动作(步骤612)。控制器202可至少部分地基于确定的一个或多个动作控制例如电机214等可控制部件的操作。例如，所述一个或多个动作可包括控制器202基于标识的一个或多个食品类型而继续在第二时间段内操作可控制部件。控制器202和/或分析器308可至少部分地基于执行K-NN分析来标识食品。控制器202可确定电机214和例如混合刀片等一个或多个部件还应旋转多久，例如第二时间段，直到电机214停止以实现更准确和/或一致的冰沙。

在一些实施方案中，第二时间段在0秒与30秒之间。在一些实施方案中，所述第二时间段是15秒。在一些实施方案中，所述第一时间段是15秒。此外，标识食品可至少部分地基于K-NN分类。此外，计算检测向量可包括从检测信号确定时间序列模式，其中所述时间序列模式包括电力曲线的梯度。在一些实施方案中，经由过程500和600标识的食品类型包括以下一种：苹果花生酱冰沙、拍姜冰沙、巧克力花生酱燕麦、枫糖杏仁酱、肉桂咖啡冰沙、柑橘冰沙、基本绿果冰沙、三绿果冰沙、热带冰沙、任何类型的冰沙、提取物、酱汁、冰淇淋、布丁、坚果酱、搅打奶油、玛格丽塔、石榴腰果浆果、草莓香蕉、草莓酸橙和冷冻饮品。

计算机的元件包括用于执行指令的一个或多个处理器以及用于存储指令和数据的一个或多个存储区域装置。一般来说，计算机还将包括一个或多个机器可读存储介质，例如用于存储数据的大容量存储装置，例如磁盘、磁光盘或光盘，或可操作地耦合以从所述一个或多个机器可读存储介质接收数据，或将数据传输到所述一个或多个机器可读存储介质，或两者。适于体现计算机程序指令和数据的非暂时性机器可读存储介质包括所有形式的非易失性存储区域，包括例如半导体存储区域装置，例如EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)，和快闪存储区域装置；磁盘，例如内部硬盘或可拆盘；磁光盘；以及CD-ROM(只读光盘)和DVD-ROM(数字多功能光盘只读存储器)。

所描述的不同实施方案的元件可组合以形成此前未具体阐述的其它实施方案。可从先前所描述的系统中省去元件而不会对其操作或总体上整个系统的操作产生不良影响。此外，各种单独元件可组合成一个或多个个别元件以执行本说明书中所描述的功能。

在本说明书中未具体描述的其它实施方案也处于随附权利要求书的范围内。

Claims (14)

1.一种食物处理器，其特征在于，其包括：

联接到一个或多个部件的可控制部件，所述可控制部件被配置成处理一种或多种食品；

监测装置，所述监测装置被配置成在第一时间段期间检测与所述一种或多种食品的所述处理相关联的至少一个特性，其中根据在所述第一时间段内检测到的所述至少一个特性生成第一系列检测信号；

存储器，所述存储器被配置成存储第一多个食品向量，每个食品向量限定用于多维特征空间中的多个特征的值，所述第一多个食品向量中的每一者与食品类型相关联；以及

控制器，所述控制器被配置成控制所述可控制部件的操作，所述控制器进一步被配置成：

接收所述第一系列检测信号；

基于所述第一系列检测信号计算检测向量，所述检测向量限定用于所述多维特征空间中的多个特征的特征值；

通过分别相对于所述多维特征空间中的所述第一多个食品向量中的一者或多者的位置确定所述检测向量在所述多维特征空间中的位置来标识与所述检测向量相关联的一个或多个食品类型；

至少部分地基于标识的所述一个或多个食品类型确定一个或多个动作；以及

至少部分地基于确定的所述一个或多个动作控制所述可控制部件的操作。

2.根据权利要求1所述的食物处理器，其特征在于，所述控制器基于标识的所述一个或多个食品类型继续在第二时间段内操作所述可控制部件。

3.根据权利要求1所述的食物处理器，其特征在于，所述可控制部件包括电机，并且操作所述电机包括使所述电机旋转。

4.根据权利要求1所述的食物处理器，其特征在于，所述食品的标识包括执行K-NN分析。

5.根据权利要求1所述的食物处理器，其特征在于，所述监测装置包括电流传感器、电压传感器、电机速度传感器、压力传感器和温度传感器中的至少一者。

6.根据权利要求1所述的食物处理器，其特征在于，计算检测向量包括计算限定所述检测向量的一个或多个特征值，并且

其中所述一个或多个特征值中的第一特征值是由所述第一系列检测信号限定的曲线的梯度。

7.根据权利要求1所述的食物处理器，其特征在于，在第一时间段期间检测与所述一种或多种食品的所述处理相关联的所述至少一个特性包括检测与所述可控制部件在所述第一时间段内的操作相关联的电流和电压中的至少一者。

8.根据权利要求1所述的食物处理器，其特征在于，检测与所述一种或多种食品的所述处理相关联的至少一个特性包括确定所述一个或多个部件的类型和/或大小，并且

其中所述控制器被配置成至少部分地基于所述部件中的一个部件的所述类型和/或大小来控制所述可控制部件。

9.根据权利要求1所述的食物处理器，其特征在于，所述控制器进一步被配置成通过确定所述第一多个食品向量中的哪一个食品向量在所述多维特征空间中最接近所述检测向量来标识与所述检测向量相关联的所述一个或多个食品类型。

10.根据权利要求1所述的食物处理器，其特征在于，所述控制器进一步被配置成通过相对于所述多维特征空间中的所述第一多个食品向量中的两个或更多个食品向量的位置确定所述检测向量在所述多维特征空间中的所述位置而标识与所述检测向量相关联的所述一个或多个食品类型。

11.根据权利要求10所述的食物处理器，其特征在于，所述控制器被配置成基于将权重因子应用于所述第一多个食品向量中的所述两个或更多个食品向量中的每一者而控制所述操作，所述权重因子基于食品向量与所述检测向量的距离、确定食品类型的频率和/或在食物处理期间使用的容器类型中的至少一者。

12.根据权利要求1所述的食物处理器，其特征在于，所述控制器进一步被配置成：

将所述一个或多个食品向量的第一子集分类为第一食品类别；以及

至少部分地基于确定所述检测向量在所述多维特征空间中的所述位置处于所述多维特征空间中与所述第一食品类别相关联的第一区域内而控制所述可控制部件。

13.根据权利要求12所述的食物处理器，其特征在于，所述控制器进一步被配置成：

将所述一个或多个食品向量的第二子集分类为第二食品类别；以及

至少部分地基于确定所述检测向量在所述多维特征空间中的所述位置处于所述多维特征空间中与所述第二食品类别相关联的第二区域内而控制所述可控制部件。

14.根据权利要求1所述的食物处理器，其特征在于，所述特征中的每一者选自包括以下各项的群组：在所述第一系列信号中针对所述至少一个特性检测到的峰值、在所述第一系列信号中针对所述至少一个特性检测到的值之间的下降、在所述第一系列信号中针对所述至少一个特性检测到的值的标准偏差，和/或在特定时间点在所述第一系列信号中针对所述至少一个特性检测到的值。