ES2961571T3

ES2961571T3 - Máquina para hornear baumkuchen y método para controlar la misma

Info

Publication number: ES2961571T3
Application number: ES20957907T
Authority: ES
Inventors: Hideo Kawamoto
Original assignee: Juchheim Co Ltd
Current assignee: Juchheim Co Ltd
Priority date: 2020-11-20
Filing date: 2020-11-20
Publication date: 2024-03-12
Anticipated expiration: 2040-11-20
Also published as: JPWO2022107306A1; JP2022082411A; EP4239249A2; JP6876208B1; EP4239249A3; US20230413829A1; EP4035532B1; WO2022107306A1; EP4035532A1; EP4035532A4

Abstract

Un panadero 1 está provisto de un horno 2, un recipiente de masa 4 y un rodillo giratorio 3. Este dispositivo de control está provisto de una computadora que controla una operación de mover el rodillo giratorio 3 con capas de masa Baumkuchen colocadas sobre él desde una aplicación de masa. posición a una posición de horneado en el horno 2, y una operación de mover el rodillo giratorio 3 desde la posición de horneado en el horno 2 a la posición de aplicación de masa. La computadora está configurada para realizar: un proceso de adquisición de imágenes que consiste en adquirir, desde una cámara 7, una pluralidad de grupos de imágenes obtenidos al obtener imágenes de al menos una ronda de la superficie circunferencial exterior de la masa giratoria; y un proceso de determinación para determinar el momento de mover el rodillo giratorio 3 desde la posición de horneado a la posición de aplicación de masa en base al color horneado de la superficie circunferencial exterior de la masa indicada por la pluralidad de grupos de imágenes. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Máquina para hornear Baumkuchen y método para controlar la misma

Campo técnico

La presente invención se refiere a una técnica para controlar una máquina para hornear Baumkuchen.

Antecedentes de la técnica

Una máquina para hornear Baumkuchen hace girar un espetón giratorio en su horno, donde el espetón giratorio tiene masa Baumkuchen que se ha aplicado al mismo. Esto permite que la superficie periférica exterior de la masa se hornee generalmente de forma uniforme alrededor de toda su circunferencia. Cuando la superficie periférica exterior se ha horneado correctamente, la máquina para hornear Baumkuchen aplica otra capa de masa a la misma, y nuevamente hace girar el espetón giratorio en el horno. La aplicación repetida de la masa, la rotación en el horno y el horneado de la superficie periférica exterior de la masa durante su rotación en el horno dan como resultado un Baumkuchen (o "pastel de árbol") que presenta capas que asemejan anillos de crecimiento.

El punto de cocción de un Baumkuchen es importante ya que afecta significativamente a la calidad del pastel. Tradicionalmente, una persona experta hace funcionar la máquina para hornear Baumkuchen para hornear un Baumkuchen con el punto de cocción adecuado.

Por ejemplo, la patente japonesa n.° 6429138 (documento de patente 1) divulga un aparato de producción de alimentos capaz de producir automáticamente alimentos horneados generalmente con forma de bola a partir masa de harina de cereal, como los takoyaki (o "buñuelos de pulpo"), con calidad mejorada. El aparato de producción de alimentos incluye: una placa calefactora con rebajes en los que se vierte la masa; un brazo robótico; una unidad de captura de imágenes; y un controlador. El controlador divide una imagen digital en una pluralidad de áreas que están asociadas, cada una de ellas, a una cavidad, analiza la imagen digital de la masa para cada área para determinar la forma y/o el color de la porción de masa asociada, y determina el grado de finalización de la porción basándose en su forma/color. El controlador modifica la prioridad para cada área. A partir de las prioridades resultantes, el controlador hace funcionar el brazo robótico para tocar las superficies de las porciones de masa relevantes para moverlas y/o retirarlas.

Documentos de la técnica anterior

Documentos de Patente

[Documento de patente 1] Patente japonesa n.° 6429138

Sumario de la invención

Problemas que se han de resolver mediante la invención

Con las técnicas convencionales, es difícil determinar el punto de cocción de cada capa de masa de un Baumkuchen que gira en el horno de forma automatizada. Una máquina para hornear Baumkuchen aplica capas de masa una encima de otra en el espetón giratorio y hornea cada capa mientras gira el rodillo. En tal disposición, la forma de controlar el horneado de cada una de las capas de masa es importante. Hornear un delicioso Baumkuchen requiere que una persona experta controle la máquina para hornear Baumkuchen.

En vista de esto, la presente divulgación divulga un aparato, un método y un programa para controlar automáticamente una máquina para hornear Baumkuchen que puede conseguir el punto de cocción adecuado de cada capa de un Baumkuchen que gira en el horno, y una máquina para hornear Baumkuchen de este tipo. El documento DE 10 2010002692 divulga una máquina para hornear Baumkuchen como técnica anterior a la invención.

Medios para resolver los problemas

De acuerdo con un primer aspecto de la invención, se proporciona una máquina para hornear Baumkuchen y un método para controlar una máquina para hornear Baumkuchen como se especifica en las reivindicaciones.

Efectos de la invención

La presente divulgación permite controlar automáticamente una máquina para hornear Baumkuchen para conseguir el punto de cocción adecuado de cada capa de un Baumkuchen que gira en el horno.

Breve descripción de los dibujos

[FIG. 1] La Figura 1 es una vista frontal de una máquina para hornear Baumkuchen de acuerdo con una realización.

[FIG. 2] La Figura 2 es una vista lateral de la máquina para hornear Baumkuchen mostrada en la Figura 1.

[FIG. 3] La Figura 3 muestra la máquina con el rodillo 3 situado en la posición de para aplicar la masa.

[FIG. 4] La Figura 4 es un diagrama de bloques funcional que ilustra una configuración de ejemplo del aparato de control constituido por el ordenador 8.

[FIG. 5] La Figura 5 es un diagrama de flujo que ilustra un proceso de ejemplo ejecutado por el ordenador 8 para controlar la máquina para hornear Baumkuchen 1.

[FIG. 6] La Figura 6 muestra un ejemplo de una imagen capturada por la cámara 7.

[FIG. 7] La Figura 7 ilustra una configuración de ejemplo de una red neuronal utilizada para el proceso de decisión.

[FIG. 8] La Figura 8 muestra un ejemplo de un grupo de imágenes adquiridas por el ordenador 8 desde el inicio hasta la finalización del horneado.

[FIG. 9] La Figura 9 es un diagrama de flujo que ilustra un proceso de ejemplo para recopilar datos de enseñanza para el proceso de aprendizaje basándose en la operación de horneado de la máquina para hornear Baumkuchen 1.

REALIZACIONES PARA LLEVAR A CABO LA INVENCIÓN

(Disposición 1)

Un aparato para controlar una máquina para hornear Baumkuchen de acuerdo con una realización de la presente invención es un aparato para controlar una máquina para hornear Baumkuchen que incluye un horno, un recipiente para masa y un rodillo capaz de moverse entre una posición de horneado en el horno y una posición de aplicación de la masa para aplicar la masa del recipiente para masa a la masa sobre el rodillo. El aparato de control incluye un ordenador adaptado para controlar el movimiento del rodillo que tiene masa en capas de un Baumkuchen sobre el mismo desde la posición de aplicación de la masa hasta la posición de horneado en el horno y el movimiento del rodillo desde la posición de horneado en el horno hasta la posición de aplicación de la masa. El ordenador está configurado para ejecutar: un proceso de adquisición de imágenes para adquirir, desde una cámara que fotografía una parte de una superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo, un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo en la posición de horneado en el horno, el grupo de imágenes que cubren al menos una vuelta completa; y un proceso de decisión para decidir el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno que cubre al menos una vuelta completa.

En la Disposición 1, a partir de la cámara, el ordenador adquiere un grupo de imágenes de la superficie periférica exterior de la masa de un Baumkuchen que gira en la posición de horneado en el horno, el grupo de imágenes que cubren al menos una vuelta completa. El grupo de imágenes contiene información de toda la circunferencia de la superficie periférica exterior de la masa del Baumkuchen horneado en el horno. El ordenador, basándose en el color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes, decide el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa. Esto permite mover el rodillo desde la posición de horneado hasta la posición de aplicación de la masa para aplicar la masa en la superficie periférica exterior cuando el punto de cocción de la superficie periférica exterior del Baumkuchen horneado en el horno es justamente correcto alrededor de toda la circunferencia. Es decir, el tiempo de horneado se controla para conseguir el grado de horneado adecuado de cada capa. Por lo tanto, la máquina para hornear Baumkuchen se controla automáticamente para conseguir el punto de cocción adecuado de cada capa de Baumkuchen que gira en el horno.

En la Disposición 1, en el proceso de decisión, el ordenador puede usar un modelo mejorado por aprendizaje obtenido mediante aprendizaje automático para decidir el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa. El modelo mejorado por aprendizaje puede generarse, por ejemplo, mediante aprendizaje automático donde las imágenes previas de la superficie periférica exterior de la masa y el grado de horneado (es decir, el punto de cocción) que se determina a partir de esas imágenes proporcionan datos de enseñanza. Por ejemplo, cuando se introducen imágenes de la superficie periférica exterior de la masa, el modelo mejorado por aprendizaje puede tratarse de datos que permiten la generación del punto de cocción determinado basándose en el color de horneado indicado por las imágenes.

En el proceso de decisión, el ordenador puede usar un modelo mejorado por aprendizaje para determinar el grado de cocción basándose en el grupo de imágenes adquiridas. Por ejemplo, el ordenador puede determinar sucesivamente el grado de cocción de cada una de las imágenes del grupo y, cuando el punto de cocción determinado a partir de las imágenes satisface un requisito predeterminado, determina que el rodillo debe moverse desde la posición de horneado hasta la posición de aplicación de la masa. El uso de un modelo mejorado por aprendizaje permite determinar el estado de cocción de la misma manera en que se determina el punto de cocción basándose en imágenes adquiridas previamente. Esto puede, por ejemplo, permitir que se reproduzca la determinación del punto de cocción que haría un experto.

(Disposición 2)

Partiendo de la Disposición 1, el ordenador puede configurarse para ejecutar además: un proceso de estimación de determinación para estimar un resultado de una determinación realizada por un operario con respecto al punto de cocción de la masa de un Baumkuchen basándose en una operación de la máquina para hornear Baumkuchen por parte del operario; y un proceso de aprendizaje para generar un modelo mejorado por aprendizaje que se utilizará en el proceso de decisión mediante el aprendizaje automático utilizando, como datos de enseñanza, cubriendo el resultado estimado de la determinación por parte del operario y un grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno al menos una vuelta completa en un periodo de tiempo que incluye un tiempo de determinación.

El aprendizaje automático que utiliza, como datos de enseñanza, la determinación del punto de cocción por parte del operario y el grupo de imágenes capturadas en un periodo de tiempo que incluye el tiempo de determinación permite el aprendizaje de la determinación del punto de cocción por parte del operario. El uso de un modelo mejorado por aprendizaje obtenido mediante tal aprendizaje automático hace posible determinar el grado de cocción basándose en imágenes de la superficie exterior de la masa de la misma manera que lo hace el operario. Esto permitirá decidir el momento en el que el rodillo que tiene la masa en capas sobre el mismo ha de moverse desde la posición de horneado hasta la posición de aplicación de la masa basándose en la determinación adecuada del grado de cocción.

En el proceso de estimación de la determinación, el ordenador puede, por ejemplo, estimar la determinación del punto de cocción por parte del operario basándose en si hubo una operación por parte del operario para mover el rodillo que tiene masa en capas de un Baumkuchen sobre el mismo desde la posición de horneado hasta la posición de aplicación de la masa. Generalmente, una operación por parte del operario para mover el rodillo que tiene masa en capas de un Baumkuchen desde la posición de horneado hasta la posición de aplicación de la masa tiene lugar cuando el operario ha determinado que el punto de cocción de la masa es el adecuado. Como tal, una operación por parte del operario para mover el rodillo refleja una determinación de la cocción.

El aprendizaje automático puede ser, por ejemplo, un aprendizaje profundo usando una red neuronal. En tales implementaciones, el modelo mejorado por aprendizaje puede ser, por ejemplo, un conjunto de datos que, cuando se introducen imágenes, permite generar una determinación del punto de cocción (por ejemplo, un valor que indica el punto de cocción o si el punto de cocción es el adecuado). El conjunto de datos incluye, por ejemplo, parámetros que indican ponderaciones que conectan diferentes capas en la red neuronal y que se han ajustado mediante aprendizaje automático. En otras implementaciones, es posible que el aprendizaje automático no utilice una red neuronal. Por ejemplo, el modelo mejorado por aprendizaje puede generarse mediante aprendizaje automático mediante un análisis de regresión o un árbol de decisión. Los ejemplos de tales técnicas de aprendizaje automático incluyen, por ejemplo, la regresión lineal, las máquinas de vector soporte, la regresión de soporte vectorial, la red elástica, la regresión logística, el bosque aleatorio y otras técnicas.

(Disposición 3)

Partiendo de la Disposición 1 o 2, en la adquisición de imágenes, el ordenador puede adquirir además al menos una de entre una velocidad de rotación de la masa en capas de un Baumkuchen sobre el rodillo, un tiempo de horneado para la superficie exterior de la masa de un Baumkuchen y una temperatura en el horno. En el proceso de decisión, el ordenador puede ejecutar la decisión basándose en al menos una de las velocidades de rotación adquiridas, el tiempo de horneado adquirido para la superficie exterior de la masa de un Baumkuchen, y la temperatura adquirida en el horno, además del color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes. Usando al menos una de las velocidades de rotación, el tiempo y la temperatura de horneado permiten la determinación que considera la influencia de al menos uno de entre: velocidad de rotación, tiempo de horneado y temperatura en el punto de cocción. Esto permitirá controlar el tiempo en el que el rodillo se ha de mover desde la posición de horneado hasta la posición de aplicación de la masa para que el punto de cocción sea aún más adecuado.

La velocidad de rotación puede ser, por ejemplo, la velocidad de rotación del rodillo, o puede ser la velocidad del movimiento circunferencial de la superficie exterior de la masa. La temperatura en el horno puede ser, por ejemplo, la temperatura superficial de la superficie exterior de la masa, la temperatura del aire dentro del horno, la temperatura de la fuente de calor del horno, o similares. El tiempo de horneado de la superficie exterior de la masa representa el tiempo de horneado de una capa de masa. Por ejemplo, el tiempo transcurrido desde el momento en que el rodillo se ha movido a la posición de horneado en el horno desde la posición de aplicación de la masa puede tratarse como el tiempo de horneado.

La máquina para hornear Baumkuchen puede incluir al menos uno de entre un sensor de rotación que detecta la rotación del rodillo alrededor de su eje, un sensor de temperatura que detecta la temperatura en el horno y un temporizador que mide el tiempo de horneado. El ordenador puede configurarse para adquirir al menos una de la velocidad de rotación detectada por el sensor de rotación, la temperatura detectada por el sensor de temperatura, y el tiempo de horneado medido por el temporizador.

(Disposición 4)

Partiendo de la Disposición 2 o 3, en el proceso de aprendizaje, el ordenador puede generar además el modelo mejorado por aprendizaje utilizando además al menos una de la velocidad de rotación de la masa en capas de un Baumkuchen sobre el rodillo, el tiempo de horneado de la superficie exterior de la masa de un Baumkuchen, y la temperatura en el horno en el periodo de tiempo que incluye el tiempo de la determinación basándose en la operación por parte del operario. Por lo tanto, dado que al menos uno de entre la velocidad de rotación, el tiempo y la temperatura de horneado, además de las imágenes de la superficie periférica exterior de la masa proporcionan datos de enseñanza, se obtendrá un modelo mejorado por aprendizaje que permita una determinación más adecuada del punto de cocción.

(Disposición 5)

En el proceso de decisión, el ordenador puede adquirir al menos una de entre una velocidad de movimiento circunferencial de la superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo, y un diámetro de la periferia exterior de la masa en capas de un Baumkuchen sobre el rodillo. En el proceso de decisión, el ordenador puede ejecutar la decisión basándose en al menos uno de entre la velocidad de movimiento adquirida y el diámetro adquirido además del color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes.

A medida que aumenta el número de capas de masa en el rodillo, el diámetro de la masa aumenta. A medida que aumenta el diámetro de la masa, la velocidad del movimiento circunferencial de la superficie periférica exterior de la masa aumenta incluso si la velocidad de rotación del rodillo sigue siendo la misma. Usar la velocidad del movimiento circunferencial de la superficie periférica exterior de la masa o el diámetro de la periferia exterior de la masa en la decisión permite una decisión que considera las diferencias en las condiciones de horneado debido a la disposición en capas de la masa. Como resultado, es posible controlar el tiempo en el que el rodillo ha de moverse desde la posición de horneado hasta la posición de aplicación de la masa para conseguir un punto de cocción aún más adecuado.

Por ejemplo, el ordenador puede calcular la velocidad del movimiento circunferencial de la superficie periférica exterior de la masa basándose en el diámetro de la periferia exterior de la masa en capas sobre el rodillo y la velocidad de rotación del rodillo. Se puede obtener el diámetro de la periferia exterior de la masa, por ejemplo, midiendo el diámetro de la masa en las imágenes en las que se reconoce todo el diámetro de la masa en capas sobre el rodillo.

(Disposición 6)

En el proceso de aprendizaje, el ordenador puede generar además el modelo mejorado por aprendizaje usando al menos una de entre una velocidad de movimiento circunferencial de la superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo, y un diámetro de la periferia exterior de la masa de un Baumkuchen en el periodo de tiempo que incluye el tiempo en el que el operario determina el punto de cocción. Esto permitirá generar un modelo mejorado por aprendizaje que refleje las diferencias en las condiciones de horneado debido a la disposición en capas de la masa.

Las realizaciones de la presente invención incluyen una máquina para hornear Baumkuchen que incluye el aparato de control de uno cualquiera de las Disposiciones 1 a 6.

(Disposición 7)

Una máquina para hornear Baumkuchen de acuerdo con una realización de la presente invención incluye: un horno; un recipiente para masa; un rodillo capaz de moverse entre una posición de horneado en el horno y el recipiente para masa; una cámara adaptada para fotografiar una parte de una superficie periférica exterior de masa en capas de un Baumkuchen sobre el rodillo; y un aparato de control que incluye un ordenador. El ordenador está adaptado para controlar el movimiento del rodillo que tiene la masa en capas de un Baumkuchen sobre el mismo desde una posición de aplicación de la masa para aplicar la masa en el recipiente para masa a la masa en el rodillo hasta la posición de horneado en el horno y el movimiento del rodillo desde la posición de horneado en el horno hasta la posición de aplicación de masa. El ordenador está configurado para ejecutar: un proceso de adquisición de imágenes para adquirir, a partir de la cámara, un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo en la posición de horneado en el horno, el grupo de imágenes que cubren al menos una vuelta completa; y un proceso de decisión para decidir el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno que cubre al menos una vuelta completa.

En la máquina para hornear Baumkuchen descrita anteriormente, la cámara puede colocarse para fotografiar una parte de la superficie periférica exterior de la masa en capas sobre el rodillo que se extiende sobre parte de su dimensión axial. Esto permitirá obtener imágenes adecuadas para determinar el punto de cocción de la superficie periférica exterior de la masa de Baumkuchen que gira mediante una disposición sencilla.

La cámara puede colocarse, por ejemplo, para capturar una imagen en la que todo el diámetro de la masa en capas sobre el rodillo en la posición de horneado sea reconocible. El ordenador puede adquirir una imagen de una parte de la masa que cubre parte del diámetro, extraído de la imagen capturada por la cámara. En tales implementaciones, el ordenador ejecuta el proceso de decisión utilizando una imagen de una parte de la masa que cubre parte del diámetro. Dado que se utiliza una imagen de una parte de la masa que cubre parte del diámetro, esa parte de una imagen de la masa que cubre todo el diámetro y que mejor muestra el punto de cocción en términos de color se puede utilizar para la decisión. Esto permitirá una decisión aún más adecuada.

La cámara puede ser una única cámara o puede estar constituida por una pluralidad de cámaras. El eje óptico de la cámara puede colocarse para cruzar la dirección axial del rodillo. La cámara puede colocarse, por ejemplo, fuera del horno para fotografiar la superficie exterior de la masa en el horno a través de una ventana en el horno. Además, la cámara y el rodillo pueden configurarse de manera que la posición del eje óptico de la cámara con respecto al rodillo en la posición de horneado en el horno sea fija. Esto permite fijar las condiciones en las que la cámara fotografía la masa en la posición de horneado. Además de la posición del eje óptico con respecto al rodillo en la posición de horneado en el horno, también se puede fijar la posición relativa del calentador del horno.

La máquina para hornear Baumkuchen de la Disposición 7 puede incluir un mecanismo de movimiento adaptado para mover el rodillo entre la posición de horneado para el horno y el recipiente para masa. El mecanismo de movimiento puede incluir, por ejemplo, un miembro de soporte para soportar de forma que se puede girar el eje del rodillo y un actuador para mover el eje del rodillo soportado por el miembro de soporte. El miembro de soporte puede ser, por ejemplo, un brazo móvil o una guía, tal como un carril. El actuador puede ser, por ejemplo, un motor, un cilindro hidráulico u otras fuentes de energía.

El brazo móvil puede construirse de manera que uno de sus extremos esté soportado de forma que se puede girar en la máquina para hornear Baumkuchen mediante un eje de prevención y el otro extremo soporte de manera giratoria el eje giratorio del rodillo. En tales implementaciones, el actuador puede incluir un motor para hacer girar el brazo móvil alrededor del eje de pivote. Por ejemplo, se puede proporcionar un par de brazos móviles que soportan ambos extremos de forma que se pueden girar, como se determina a lo largo de la dirección axial del rodillo.

En el mecanismo de movimiento, el movimiento del rodillo desde la posición de horneado en el horno hasta la posición de aplicación de la masa puede ser la operación de mover al menos uno de entre el rodillo y el recipiente para masa para acercarlos entre sí. Por ejemplo, el rodillo se puede acercar al recipiente para masa, o el recipiente para masa se puede acercar al rodillo.

El mecanismo de movimiento está controlado por el ordenador. Por ejemplo, el ordenador puede controlar el movimiento del rodillo entre la posición de horneado en el horno y la posición de aplicación de la masa mediante el control del accionamiento del actuador incluido en el mecanismo de movimiento.

Un método para controlar una máquina para hornear Baumkuchen de acuerdo con una realización de la presente invención es un método para controlar una máquina para hornear Baumkuchen que incluye un horno, un recipiente para masa y un rodillo capaz de moverse entre una posición de horneado en el horno y el recipiente para masa. El método de control incluye una etapa de control en la que el ordenador controla el movimiento del rodillo que tiene masa en capas de un Baumkuchen sobre este mismo desde una posición de aplicación de la masa para aplicar la masa en el recipiente para masa a la masa sobre el rodillo hasta una posición de horneado en el horno, y el movimiento del rodillo desde la posición de horneado en el horno hasta la posición de aplicación de la masa. En la etapa de control, el ordenador ejecuta: un proceso de adquisición de imágenes para adquirir, desde una cámara que fotografía una parte de una superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo, un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo en la posición de horneado en el horno, el grupo de imágenes que cubren al menos una vuelta completa; y un proceso de decisión para decidir el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno que cubre al menos una vuelta completa.

Un método para controlar una máquina para hornear Baumkuchen de acuerdo con una realización de la presente invención es un método para controlar una máquina para hornear Baumkuchen que incluye un horno, un recipiente para masa y un rodillo capaz de moverse entre una posición de horneado en el horno y el recipiente para masa. El método de control incluye: una etapa de estimación de determinación en la que un ordenador estima el resultado de una determinación realizada por un operario con respecto al punto de cocción de la masa de un Baumkuchen basándose en una operación realizada por el operario de la máquina para hornear Baumkuchen; y una etapa de aprendizaje en la que el ordenador genera un modelo mejorado por aprendizaje que se utilizará en un proceso de decisión mediante el aprendizaje automático usando, como datos de enseñanza, el resultado estimado de la determinación por parte del operario y un grupo de imágenes de una superficie periférica exterior de la masa en la posición de cocción hacia el horno, el grupo de imágenes relativas al menos a una vuelta en un periodo de tiempo que incluye un tiempo de determinación. El modelo mejorado por aprendizaje son datos que se utilizarán en el proceso de decisión en el que el ordenador decide el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno cubriendo al menos una vuelta completa.

Un programa para controlar una máquina para hornear Baumkuchen de acuerdo con una realización que no forma parte de la presente invención es un programa para controlar una máquina para hornear Baumkuchen que incluye un horno, un recipiente para masa y un rodillo capaz de moverse entre una posición de horneado en el horno y el recipiente para masa. El programa de control hace que una computadora ejecute un proceso de control en el que el ordenador controla el movimiento del rodillo que tiene masa en capas de un Baumkuchen sobre el mismo desde una posición de aplicación de la masa para aplicar masa en el recipiente para masa al rodillo hasta una posición de horneado en el horno, y el movimiento del rodillo desde la posición de horneado en el horno hasta la posición de aplicación de la masa. El proceso de control incluye: un subproceso de adquisición de imágenes para adquirir, desde una cámara que fotografía una parte de una superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo, un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo en la posición de horneado en el horno, el grupo de imágenes relativas al menos a una vuelta; y un subproceso de decisión para decidir el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno cubriendo por lo menos una vuelta completa.

Un programa para controlar una máquina para hornear Baumkuchen de acuerdo con una realización que no forma parte de la presente invención es un programa para controlar una máquina para hornear Baumkuchen que incluye un horno, un recipiente para masa y un rodillo capaz de moverse entre una posición de horneado en el horno y el recipiente para masa. El programa de control hace que un ordenador ejecute: un proceso de estimación de determinación para estimar un resultado de una determinación realizada por un operario con respecto al punto de cocción de la masa de un Baumkuchen basándose en una operación realizada por el operario de la máquina para hornear Baumkuchen; y un proceso de aprendizaje para generar un modelo mejorado por aprendizaje que se utilizará en un proceso de decisión mediante aprendizaje automático usando, como datos de enseñanza, el resultado estimado de la determinación por parte del operario y un grupo de imágenes de una superficie periférica exterior de la masa en la posición de cocción del horno, el grupo de imágenes relativas al menos a una vuelta en un periodo de tiempo que incluye un tiempo de determinación. El modelo mejorado por aprendizaje son datos que se utilizarán en el proceso de decisión en el que el ordenador decide el punto en el tiempo en el que el rodillo ha de moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno cubriendo al menos una vuelta completa.

[Realizaciones]

A continuación, las realizaciones se describirán con referencia a los dibujos. Los mismos componentes y los correspondientes en los dibujos se han etiquetado con los mismos caracteres de referencia, y no se repetirá su descripción. Para facilitar la explicación, los componentes en los dibujos a los que se hace referencia a continuación pueden simplificarse o mostrarse esquemáticamente, o algunos componentes pueden omitirse.

(Construcción de ejemplo de la máquina para hornear Baumkuchen)

La Figura 1 es una vista frontal de una máquina para hornear Baumkuchen de acuerdo con una realización. La Figura 2 es una vista lateral de la máquina para hornear Baumkuchen mostrada en la Figura 1. La máquina para hornear Baumkuchen 1 mostrada en las Figuras 1 y 2 incluyen: un horno 2; un rodillo 3 sobre el que se pueden aplicar capas de masa Baumkuchen una encima de la otra, y que puede girar; un recipiente para masa 4 que contiene masa de Baumkuchen sin hornear; un mecanismo móvil (indicado por 5 y 6) que mueve el rodillo 3 entre una posición de horneado en el horno y una posición de aplicación de la masa; y un ordenador 8 que constituye el aparato de control que controla el funcionamiento de la máquina de horneado Baumkuchen.

La máquina para hornear Baumkuchen 1 incluye además una cámara 7, así como una fuente de iluminación 72 y varios sensores (que no se muestran en la Figura 1). Los diversos sensores pueden incluir, por ejemplo, al menos uno de entre un sensor de temperatura que mide la temperatura en el horno, un sensor de rotación que detecta la velocidad de rotación de la masa de Baumkuchen en capas sobre el rodillo 3, y un temporizador que mide el tiempo de horneado de la masa de Baumkuchen.

La cámara 7 está situada de manera que puede fotografiar una parte de la superficie exterior de la masa de Baumkuchen W en capas sobre el rodillo 3 situado en la posición de horneado. El eje óptico de la cámara 7 cruza la superficie exterior de la masa de Baumkuchen W. Un miembro de soporte 71 soporta la cámara 7. El miembro de soporte 71 fija la posición del eje óptico de la cámara 7 con respecto al rodillo 3 en la posición de horneado. La fuente de iluminación 72 ilumina una región incluida en el área que cubre la cámara 7.

La cámara 7 captura una pluralidad de imágenes de la superficie exterior que cubre al menos una vuelta completa del rodillo 3 que tiene la masa de Baumkuchen en capas W sobre el mismo. Por ejemplo, la cámara 7 captura un vídeo de la masa de Baumkuchen W girando. Esto produce un grupo de imágenes de la superficie periférica exterior de la masa de Baumkuchen que cubre al menos una vuelta completa.

El horno 2 es un horno de calentamiento provisto de un calentador 22 situado en el mismo. El horno 2 incluye una ventana 21 que se puede abrir y cerrar. El recipiente para masa 4 se sitúa delante de la ventana 21. El recipiente para masa 4 se coloca sobre un soporte 41.

En la implementación mostrada en las Figuras 1 y 2, la masa de Baumkuchen en capas sobre el rodillo 3 se sitúa en la posición de horneado dentro del horno 2. Ambos extremos del rodillo 3 están soportados por un par de brazos 5 de forma que se puede girar. Un motor (no mostrado) hacer girar el rodillo 3, por ejemplo. El ordenador 8 controla el motor para controlar la rotación del rodillo 3.

El par de brazos 5 están unidos a la máquina para hornear Baumkuchen 1 de manera que pueden girar alrededor de un eje de pivote PA. Un actuador 6 está conectado a los brazos 5. El actuador 6 acciona los brazos 5 para que giren. El actuador 6 es un motor, por ejemplo. El ordenador 8 controla el accionamiento del actuador 6. El ordenador 8 controla el accionamiento del actuador 6 para controlar la rotación de los brazos 5. Mediante el control de la rotación de los brazos 5, se controla la posición del rodillo 3. En la presente implementación, los brazos 5 y el actuador 6 constituyen el mecanismo de movimiento del rodillo 3.

El ordenador 8 controla la posición del rodillo 3 para mover el rodillo 3 que tiene la masa de Baumkuchen en capas K sobre el mismo entre la posición de aplicación de la masa y la posición de horneado en el horno 2. La posición de aplicación de la masa es la posición en la que la masa del recipiente para masa 4 se aplica a la masa sobre el rodillo 3. La Figura 3 muestra el rodillo 3 situado en la posición de aplicación de la masa. La posición de aplicación de la masa se sitúa encima del recipiente para masa 4. A medida que se gira el rodillo 3 en la posición de aplicación de la masa, la superficie periférica exterior de la masa de Baumkuchen en capas K sobre el rodillo 3 recibe más masa que se ha aplicado al mismo. La detección de la posición del rodillo 3 mediante el ordenador 8 no se limita a ninguna configuración particular. Por ejemplo, se puede proporcionar un sensor de detección de posición a la máquina de hornear Baumkuchen 1 para detectar la posición del rodillo 3 o de los brazos 5. Como alternativa, el ordenador 8 puede configurarse para detectar la posición del rodillo 3 basándose en el funcionamiento del actuador 6.

El ordenador 8 hace que el rodillo 3 en la posición de aplicación de la masa gire al menos una vuelta para aplicar una capa de masa de Baumkuchen K al rodillo 3. El ordenador 8 hace que el rodillo 3 que tiene la masa Baumkuchen K aplicada al mismo se mueva desde la posición de aplicación de la masa hasta la posición de horneado del horno 2. Esto inicia el horneado de la capa de masa que se acaba de aplicar.

El ordenador 8 adquiere, a partir de la cámara 7, un grupo de imágenes de la superficie periférica exterior de la masa de Baumkuchen girando junto con el rodillo 3 en la posición de horneado en el horno 2, el grupo de imágenes que cubren al menos una vuelta completa. El ordenador 8 determina el punto de cocción de la superficie periférica exterior de la masa Baumkuchen basándose en el color de horneado de la superficie exterior como lo indica el grupo de imágenes capturadas por la cámara 7. El ordenador 8 decide el punto en el tiempo en el que el rodillo 3 ha de moverse desde la posición de horneado en el horno 2 hasta la posición de aplicación de la masa basándose en el grado de cocción determinado. Por lo tanto, el rodillo 3 se puede mover desde la posición de horneado en el horno 2 hasta la posición de aplicación de la masa si se determina que el punto de cocción es bueno. A medida que el rodillo 3 se mueve desde la posición de horneado en el horno 2 hasta la posición de aplicación de la masa, finaliza el horneado. Es decir, el ordenador 8 determina el punto de cocción de una capa de masa de Baumkuchen y controla el tiempo de horneado para esa capa de masa para conseguir el grado de cocción apropiado.

El ordenador 8 repite una pluralidad de veces las operaciones de control de la posición del rodillo 3, aplicación de la masa de Baumkuchen y horneo en el horno 2. Por lo tanto, se hornea una pluralidad de capas de masa de Baumkuchen. Para cada capa que se va a hornear, el tiempo de horneado se controla para conseguir el punto de cocción adecuado basándose en las imágenes de la cámara 7.

(Configuración de ejemplo del aparato de control (ordenador))

La Figura 4 es un diagrama de bloques funcional que ilustra una configuración de ejemplo del aparato de control constituido por el ordenador 8. En la implementación mostrada en la Figura 4, el ordenador 8 incluye una unidad de control 81, una unidad de adquisición de imágenes 82, una unidad de decisión 83, una unidad de estimación de determinaciones 84, y una unidad de aprendizaje 85. La unidad de control 81 controla el mecanismo de movimiento (es decir, los brazos 5 y el actuador 6). Por lo tanto, la unidad de control 81 controla una operación en la que el rodillo 3 que tiene masa de Baumkuchen en capas sobre el mismo se mueve desde la posición de aplicación de la masa hasta la posición de horneado en el horno 2 (es decir, la operación de inicio del horneado) y una operación en la que el rodillo se mueve desde la posición de horneado para el horno 2 a la posición de aplicación de la masa (es decir, la operación de fin del horneado). Además, la unidad de control 81 controla la rotación del rodillo 3. Por lo tanto, el ordenador 8 controla la rotación del rodillo 3 alrededor del eje y el movimiento del rodillo 3 en una dirección perpendicular al eje del rodillo. Se entenderá que la unidad de control 81 también puede controlar el calentador 22 del horno 2. Es decir, en algunas implementaciones, el ordenador 8 puede controlar el horno 2.

La unidad de adquisición de imágenes 82 adquiere, a partir de la cámara 7, un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo 3 en la posición de horneado en el horno 2, el grupo de imágenes que cubren al menos una vuelta completa. Por ejemplo, la unidad de adquisición de imágenes 82 adquiere, a partir de la cámara 7, un grupo de imágenes capturadas a intervalos predeterminados de una parte de la superficie periférica exterior de la masa. Cada una de las imágenes adquiridas en el grupo puede ser una imagen de una parte de la masa que cubre parte del diámetro, extraída de una imagen de la masa que cubre todo el diámetro. La unidad de decisión 83 decide el punto en el tiempo en el que el rodillo 3 ha de moverse desde la posición de horneado en el horno 2 hasta la posición de aplicación de la masa basándose en el color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes adquiridas por la unidad de adquisición de imágenes 82. La unidad de decisión 83 puede usar un modelo mejorado por aprendizaje para este proceso de decisión.

Por ejemplo, la unidad de decisión 83 utiliza un modelo mejorado por aprendizaje para ejecutar un proceso en el que se introduce una imagen de la superficie periférica exterior de la masa y genera un valor de evaluación sobre el punto de cocción. El modelo mejorado por aprendizaje puede ser datos generados mediante la ejecución de aprendizaje automático que utiliza, como datos de enseñanza, imágenes anteriores de la superficie periférica exterior de la masa y el resultado de la evaluación.

La unidad de estimación de determinaciones 84 y la unidad de aprendizaje 85 usan datos que indican una operación de un operario de la máquina para hornear Baumkuchen 1 para hornear y su resultado para ejecutar aprendizaje automático para generar un modelo mejorado por aprendizaje. La unidad de estimación de determinaciones 84 estima la determinación del operario sobre el punto de cocción de la masa del Baumkuchen basándose en la operación del operario de la máquina para hornear Baumkuchen 1. La unidad de aprendizaje 85 ejecuta aprendizaje automático que utiliza, como datos de enseñanza, la determinación estimada por el operario y el grupo de imágenes de la superficie periférica exterior de la masa en el momento de esa determinación. El grupo de imágenes que sirven como datos de enseñanza puede ser un grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno 2 que cubre al menos una vuelta completa en un periodo de tiempo que incluye el tiempo de la determinación por parte del operario. El modelo mejorado por aprendizaje generado por el aprendizaje automático se almacena en un dispositivo de almacenamiento accesible en el ordenador 8.

El ordenador 8 está conectado a una unidad de recepción de operaciones del operario incluida en la máquina para hornear Baumkuchen 1. La unidad de recepción de operaciones del operario recibe una operación del operario de la máquina para hornear Baumkuchen 1 por parte del operario. La unidad de recepción de operaciones del operario puede estar compuesta por, por ejemplo, un panel de operación del operario 91 y elementos de operación del operario tales como botones de operación del operario 92, como se muestra en la Figura 1. La unidad de recepción de operaciones del operario es capaz de recibir una operación por parte del operario relacionada con, por ejemplo, la operación del rodillo 3 y la temperatura en el horno. Los ejemplos de operaciones del operario que recibe la unidad de recepción de operaciones del operario desde el operario con relación a la operación del rodillo 3 incluyen una operación del operario para mover el rodillo 3 a la posición de aplicación de la masa, una operación del operario para mover el rodillo 3 desde la posición de aplicación de la masa hasta la posición de horneado en el horno 2 (es decir, la operación para iniciar el horneado), una operación del operario para mover el rodillo 3 desde la posición de horneado a la posición de aplicación de la masa (es decir, operación para terminar el horneado), y una operación del operario para controlar la velocidad de rotación del rodillo 3.

Por ejemplo, la unidad de estimación de determinaciones 84 puede estimar que el operario ha determinado que el punto de cocción es insuficiente, es decir, el horneado está incompleto, si el operario no realizó una operación para mover el rodillo 3 desde la posición de horneado hasta la posición de aplicación de la masa mientras el rodillo 3 con masa en capas está girando en la posición de horneado en el horno 2. En este caso, las imágenes de la superficie periférica exterior de la masa captadas por la cámara 7 durante la rotación del rodillo 3 se vinculan con la determinación de que el horneado está incompleto y se almacenan como datos de aprendizaje.

En contraposición, por ejemplo, la unidad de estimación de determinaciones 84 puede estimar que el operario ha determinado que el punto de cocción es bueno si el operario realizó una operación para mover el rodillo 3 desde la posición de horneado hasta la posición de aplicación de la masa mientras el rodillo 3 con masa en capas está girando en la posición de horneado en el horno 2. En este caso, las imágenes de la superficie periférica exterior de la masa capturadas por la cámara 7 durante al menos una vuelta del rodillo 3 en un periodo de tiempo que incluye el tiempo de operación del operario están vinculadas con la determinación de que el horneado se ha completado correctamente, y se ha almacenado como datos de enseñanza.

En la implementación mostrada en la Figura 4, un sensor de temperatura, un sensor de rotación y un temporizador incluidos en la máquina para hornear Baumkuchen se conectan al ordenador 8. La unidad de decisión 83 y la unidad de aprendizaje 85 utilizan información de la detección por al menos uno de estos sensores para ejecutar el proceso de decisión o aprendizaje descrito anteriormente. A continuación, se describirán ejemplos específicos de procesos de aprendizaje.

El sensor de temperatura puede ser, por ejemplo, un termómetro que mide la temperatura del aire en el horno, un termómetro por radiación que mide la temperatura de la superficie exterior del Baumkuchen, o que puede detectar una temperatura a partir de valores de temperatura, corriente eléctrica y/o voltaje de salida, por ejemplo, del calentador 22.

Por ejemplo, el sensor de rotación puede incluir un detector que detecta óptica, magnética o mecánicamente el movimiento de un elemento detectado que gira junto con el eje del rodillo 3. Como alternativa, el sensor de rotación puede configurarse para detectar la rotación del rodillo 3 a partir de valores de salida de un motor que controla la rotación del rodillo 3.

El temporizador puede formar parte del ordenador 8, por ejemplo. El temporizador puede medir el tiempo de horneado mediante, por ejemplo, la medición del tiempo transcurrido desde la colocación del rodillo 3 en la posición de horneado.

El ordenador 8 que constituye el aparato de control incluye un procesador y una memoria. El aparato de control puede estar compuesto por dos o más ordenadores. El proceso para controlar la máquina para hornear Baumkuchen mediante el ordenador 8 se implementa mediante un programa predeterminado que ejecuta el procesador. Las realizaciones de la presente invención incluyen un programa para hacer que el ordenador 8 ejecute el proceso de control y un medio de almacenamiento no transitorio que almacene tal programa. En la implementación mostrada en la Figura 1, el ordenador 8 está incorporado en la máquina para hornear Baumkuchen 1. Como alternativa, el ordenador 8 puede estar conectado de manera que puede comunicarse a través de una red a una parte del horno de la máquina para hornear Baumkuchen 1, que incluye el horno 2, el rodillo 3 y el mecanismo de movimiento.

(Proceso de control de ejemplo)

La Figura 5 es un diagrama de flujo que ilustra un proceso de ejemplo para controlar la máquina para hornear Baumkuchen 1 ejecutado por el ordenador 8. En la realización de ejemplo mostrada en la Figura 5, el ordenador 8 hace que la máquina para hornear Baumkuchen 1 ejecute la operación de aplicar una capa de masa al rodillo 3 y hornearlo. El ordenador 8 hace girar el rodillo 3 en la posición de aplicación de la masa y aplica una capa de masa a la superficie periférica exterior de la masa en capas sobre el rodillo 3 (S1). Tras la aplicación, el ordenador 8 mueve el rodillo 3 desde la posición de aplicación de la masa hasta la posición de horneado en el horno 2 (S2). Por lo tanto, se inicia el horneado. Durante la etapa del horneado, el rodillo 3 con masa de Baumkuchen en capas se sitúa en la posición de horneado en el horno 2 y se gira.

El ordenador 8 adquiere, a partir de la cámara 7, una imagen de la superficie periférica exterior de la masa que gira junto con el rodillo 3 (S3). La Figura 6 ilustra un ejemplo de una imagen capturada por la cámara 7. En el ejemplo mostrado en la Figura 6, la cámara 7 captura una imagen de una región de la masa en capas K sobre el rodillo 3, la región que cubre parte de su dimensión axial y todo su diámetro. De esta imagen, el ordenador 8 extrae una imagen de una parte central A1 de la masa K, según se determina a lo largo de la dirección del diámetro, y la adquiere. Es decir, se extrae una imagen de una región de la masa que no incluye los bordes Ke de la masa K que se muestra en la imagen, según se determina a lo largo de la dirección del diámetro. Por lo tanto, se obtiene una imagen de la porción de masa que mejor muestra el punto de cocción de la superficie exterior. Por ejemplo, el color de las partes de la masa que están cerca de los bordes Ke, a lo largo de la dirección del diámetro, de la masa K mostrada en una imagen puede verse afectada fácilmente por la luz del calentador 22 y otros factores. Extrayendo una imagen de la parte central A1 de la masa K, según se determina a lo largo de la dirección del diámetro, permite adquirir una imagen de partes que se ven poco afectadas por la luz del calentador 22 y otros factores.

El ordenador 8 adquiere datos del sensor en sincronización con la adquisición de la imagen (S4). Los datos del sensor incluyen, por ejemplo, la temperatura de la superficie exterior del Baumkuchen detectada por el sensor de temperatura (es decir, el termómetro por radiación). Además, los datos del sensor adquiridos incluyen el tiempo de horneado medido por el temporizador. El tiempo de horneado se refiera al tiempo transcurrido desde el inicio del horneado.

El ordenador 8 utiliza un modelo mejorado por aprendizaje para decidir un valor de determinación sobre el punto de cocción basándose en la imagen adquirida en la etapa S3 y en los datos del sensor adquiridos en la etapa S4 (S5). Es decir, el ordenador 8 determina el punto de cocción basándose en el color de horneado de la superficie exterior de la masa indicado por la imagen, así como la temperatura de la superficie de la masa y el tiempo de horneado. El modelo mejorado por aprendizaje puede consistir en datos generados mediante el aprendizaje profundo utilizando una red neuronal. Es decir, el ordenador 8 puede usar una técnica de inteligencia artificial que utiliza una red neuronal para determinar el punto de cocción a partir de la imagen y los datos del sensor.

La Figura 7 ilustra una configuración de ejemplo de una red neuronal utilizada para el proceso de decisión. En la implementación mostrada en la Figura 7, se extrae una imagen de una parte de la superficie del Baumkuchen de una imagen de cámara en color. La imagen extraída se introduce a una red neuronal convolucional LS1. La red neuronal convolucional LS1 genera 32 parámetros (es decir, características). Además, los valores del tiempo de horneado y la temperatura de la superficie del Baumkuchen se introducen a una capa completamente conectada L1 con un número de unidad de 5, por ejemplo. Esta capa completamente conectada L1 genera 5 parámetros. Los 32 parámetros y los 5 parámetros se acoplan y luego se introducen a otra capa completamente conectada L2. La salida de la capa completamente conectada L2 se introduce a una capa completamente conectada subsecuente L3, y la capa L3 completamente conectada genera un valor de determinación (por ejemplo, 0 a 1).

En la implementación mostrada en la Figura 7, una imagen de la cámara se introduce a una red neuronal convolucional, y los datos del sensor se introducen a una capa completamente conectada. La característica de la imagen que ha pasado por la red neuronal convolucional y los parámetros de los datos del sensor que han pasado por la capa completamente conectada se acoplan y luego se introducen en otra capa completamente conectada. Después de esta capa completamente conectada y otra capa completamente conectada, se emite un valor de determinación sobre el punto de cocción. Por lo tanto, un modelo de aprendizaje automático puede estar compuesto por una red neuronal convolucional que convierte una imagen de entrada en una característica, una primera capa de entrada que recibe datos del sensor como entrada, una segunda capa de entrada que recibe, como entrada, los parámetros resultantes de una combinación de la característica de la imagen y la salida de la capa de entrada para los datos del sensor, y una capa que convierte además la salida de la segunda capa de entrada. Por lo tanto, el uso de una red neuronal configurada para combinar una imagen y datos del sensor permite determinar el grado de cocción basándose en la imagen y los datos del sensor. Se entenderá que la red neuronal utilizada para el proceso de determinación no se limita a la configuración mostrada en la Figura 7. Por ejemplo, el número de capas completamente conectadas y el número de parámetros se pueden ajustar apropiadamente según sea necesario. Además, la entrada de datos del sensor a la capa completamente conectada L1 no se limita a los ejemplos de la Figura 7. Por ejemplo, al menos una de la velocidad de rotación del rodillo 3, la temperatura en el horno y el tiempo de horneado pueden introducirse en la capa completamente conectada L1.

Si el valor de determinación sobre el punto de cocción decidido en la etapa S5 satisface un requisito predeterminado (SÍ en la etapa S6), el ordenador 8 mueve el rodillo 3 desde la posición de horneado en el horno 2 hasta la posición de aplicación de la masa y finaliza el horneado. Por ejemplo, si el valor de determinación no es inferior a un umbral predeterminado, el ordenador 8 determina que el horneado está completo y hace que el mecanismo móvil ejecute la operación de retirar el Baumkuchen del horno.

Si el valor de determinación del punto de cocción elegido en la etapa S5 no satisface el requisito predeterminado (NO en la etapa S6), el ordenador 8 vuelve a la etapa S3 y adquiere una imagen, y repite el proceso de las etapas S4 a S6. En la implementación mostrada en la Figura 5, el proceso para determinar el punto de cocción se ejecuta para cada una de las imágenes de un grupo. Por lo tanto, para cada una de las imágenes del grupo capturadas durante al menos una vuelta del rodillo 3, se ejecuta la determinación del punto de cocción y el proceso para decidir si se debe terminar el horneado basándose en la determinación.

La Figura 8 ilustra un ejemplo de un grupo de imágenes adquiridas por el ordenador 8 desde el inicio hasta la finalización del horneado. Por ejemplo, después del inicio del horneado, la cámara 7 captura una imagen a intervalos predeterminados (por ejemplo, cada 0,5 segundos). El ordenador 8 adquiere sucesivamente imágenes capturadas por la cámara 7. En el ejemplo mostrado en la Figura 8, se adquieren n imágenes, G1 a Gn. Para las imágenes G1 a G(n-1), el valor de determinación del punto de cocción no satisface el requisito y, para la enésima imagen Gn, el valor de determinación del punto de cocción satisface el requisito. Cuando se adquiere la enésima imagen Gn, finaliza el horneado.

En la implementación descrita anteriormente, para cada imagen se ejecuta una determinación del grado de cocción y una decisión sobre si se debe terminar el horneado; como alternativa, se puede realizar una determinación del punto de cocción y una decisión sobre la finalización del horneado para una pluralidad de imágenes.

Además, en la implementación descrita anteriormente, los datos del sensor adquiridos representan el tiempo y la temperatura de horneado. Los datos del sensor adquiridos por el ordenador pueden representar la velocidad de rotación de la masa de Baumkuchen en capas sobre el rodillo. En la etapa S4 de la Figura 5, el ordenador 8 puede adquirir la velocidad de rotación del rodillo 3 detectada por el sensor de rotación. El ordenador 8 puede determinar el punto de cocción basándose en las imágenes y en la velocidad de rotación. Además, el ordenador 8 puede adquirir la velocidad del movimiento circunferencial de la superficie periférica exterior de la masa Baumkuchen basándose en imágenes de la cámara 7 y en la velocidad de rotación.

Por ejemplo, el diámetro D1 de la periferia exterior de la masa en capas sobre el rodillo 3 se puede medir en la imagen mostrada en la Figura 6. El diámetro D1 obtenido de la imagen y la velocidad de rotación del rodillo 3 adquirida del sensor de rotación se pueden usar para calcular la velocidad de movimiento circunferencial de la superficie periférica exterior de la masa. El ordenador 8 puede usar la velocidad del movimiento circunferencial de la superficie periférica exterior de la masa y la imagen para determinar el punto de cocción. Esto permite una determinación que tiene en cuenta los cambios en las condiciones de horneado que dependen de la cantidad de capas de masa. Además, el ordenador 8 puede utilizar el diámetro D1 y la imagen para determinar el punto de cocción. En tales implementaciones, también, es posible una determinación que tenga en cuenta los cambios en las condiciones de horneado que dependen de la cantidad de capas de masa.

(Proceso de aprendizaje de ejemplo)

La Figura 9 es un diagrama de flujo que ilustra un proceso de ejemplo para recopilar datos de enseñanza para el proceso de aprendizaje basándose en la operación de horneado en la máquina para hornear Baumkuchen 1. En la implementación de ejemplo mostrada en la Figura 9, la máquina para hornear Baumkuchen 1 aplica una capa de masa al rodillo 3 de conformidad con las operaciones del operario y la hornea. De conformidad con las operaciones del operario, la máquina para hornear Baumkuchen 1 hace girar el rodillo 3 en la posición de aplicación de la masa y aplica una capa de masa a la superficie periférica exterior de la masa en capas sobre el rodillo 3 (S11). Después de la aplicación, como respuesta a una operación del operario, el rodillo 3 se mueve desde la posición de aplicación de la masa hasta la posición de horneado en el horno 2 (S12). Esto inicia el horneado. Durante la etapa del horneado, el rodillo 3 con masa de Baumkuchen en capas se sitúa en la posición de horneado en el horno 2 y se gira.

El ordenador 8 adquiere, a partir de la cámara 7, una imagen de la superficie periférica exterior de la masa que gira junto con el rodillo 3 (S13). El proceso de adquisición de una imagen se puede ejecutar, por ejemplo, de la misma manera que en la etapa S3 de la Figura 5. El ordenador 8 adquiere datos del sensor en sincronización con la adquisición de la imagen (S14). Los datos del sensor adquiridos provienen de los mismos sensores desde los cuales se adquieren los datos en la etapa S5 de la Figura 5.

Durante el horneado del Baumkuchen, la máquina para hornear Baumkuchen 1 está lista para recibir una operación del operario para terminar el horneado (S15). Específicamente, al operario se le permite ejecutar una operación en la máquina para hornear Baumkuchen 1 para mover el rodillo 3 desde la posición de horneado hasta la posición de aplicación de la masa en cualquier momento dentro del periodo de tiempo durante el cual el rodillo 3 con masa en capas está girando en la posición de horneado en el horno 2. Cuando el operario ejecuta una operación para mover el rodillo 3 desde la posición de horneado a la posición de aplicación de la masa, finaliza el horneado.

Durante el horneado, si no hay ninguna operación por parte del operario para terminar el horneado durante un periodo de tiempo predeterminado (NO en la etapa S16), el ordenador 8 estima que el operario ha determinado que el horneado está incompleto. En este caso, el ordenador 8 vincula la determinación de que el horneado está incompleto con la imagen adquirida en la etapa S13 y los datos del sensor adquiridos en la etapa S14 y los almacena como datos de enseñanza en el dispositivo de almacenamiento. Posteriormente, el ordenador 8 ejecuta nuevamente el proceso de adquisición de imágenes de la etapa S13 y repite el proceso de las etapas S14 a S16. Por ejemplo, el proceso de las etapas S13 a S16 se ejecuta para cada una de las imágenes del grupo capturadas durante al menos una vuelta del rodillo 3.

Durante el horneado, si hay una operación del operario para terminar el horneado (SÍ en S16), el ordenador 8 estima que el operario ha determinado que el punto de cocción es bueno. En este caso, el ordenador 8 vincula la determinación de que el punto de cocción es bueno con la imagen adquirida en la etapa S13 y los datos del sensor adquiridos en la etapa S14, y los almacena como datos de enseñanza en el dispositivo de almacenamiento. La operación del operario para terminar el horneado es una operación del operario para mover el rodillo 3 desde la posición de horneado hasta la posición de aplicación de la masa. Cuando el rodillo 3 se mueve desde la posición de horneado, finaliza el horneado (S18).

Como resultado del proceso mostrado en la Figura 9, un grupo de imágenes de la superficie exterior giratoria de la masa en capas sobre el rodillo 3 que cubren al menos una vuelta completa se vinculan con la determinación del punto de cocción y se almacenan. La unidad de aprendizaje 85 del ordenador 8 utiliza la determinación del punto de cocción vinculado con el grupo de imágenes como datos de enseñanza para ejecutar el aprendizaje automático, y genera un modelo mejorado por aprendizaje. Aunque no es limitante, el aprendizaje automático se puede realizar mediante aprendizaje profundo utilizando una red neuronal con la configuración mostrada en la Figura 7, por ejemplo.

A modo de ejemplo, se describirá un proceso de aprendizaje de ejemplo utilizando un modelo de red neuronal. Una imagen y los datos del sensor han de servir como datos de enseñanza se introducen en un modelo previo al aprendizaje, que proporciona resultados (es decir, el resultado de la determinación), y la unidad de aprendizaje 85 lo compara con un resultado de la determinación que sirve como datos de enseñanza para ajustar los pesos de diferentes capas para aumentar aún más la tasa de coincidencia. Por ejemplo, en el caso de un modelo con la configuración mostrada en la Figura 7, se introduce una imagen almacenada como datos de enseñanza a la red neuronal convolucional LS1, y los datos del sensor almacenados se vinculan con esta imagen (por ejemplo, el tiempo de horneado y la temperatura de la superficie) se introducen a la capa completamente conectada L1. La salida del modelo como respuesta a esta entrada (es decir, el valor de determinación) se compara con el resultado de la determinación que sirve como datos de enseñanza vinculados con la imagen de entrada. Los parámetros de ponderación para las diferentes capas de la red neuronal se ajustan para aumentar la tasa de coincidencia entre la salida del modelo y los datos de enseñanza. Los datos de enseñanza con una gran cantidad de imágenes se usan para realizar el proceso de aprendizaje para ajustar los parámetros de ponderación del modelo. El modelo con ponderaciones que han sido ajustadas mediante el proceso de aprendizaje representa un modelo mejorado por aprendizaje.

Se entenderá que el proceso de aprendizaje del ordenador 8 no se limita al aprendizaje automático utilizando una red neuronal. Se pueden utilizar otras técnicas de aprendizaje automático, como los que utilizan análisis de regresión o árboles de decisión.

Por ejemplo, cuando un pastelero experto está operando la máquina para hornear Baumkuchen 1 para hornear un Baumkuchen, el ordenador 8 puede vincular la determinación estimada a partir de la operación del chef con imágenes y los datos del sensor en el momento de la determinación y almacenarlos como datos de enseñanza. Dado que el aprendizaje automático se realiza utilizando los datos de enseñanza almacenados sobre las operaciones de horneado realizadas por un chef, se puede generar un modelo mejorado por aprendizaje que permita el mismo control del tiempo de horneado que hace este chef.

(Otras variaciones)

En las implementaciones descritas anteriormente, el tiempo de horneado (es decir, el tiempo en el que se debe mover el rodillo desde la posición de horneado) se controla basándose en la determinación del punto de cocción utilizando imágenes de la cámara 7; como alternativa, el valor que el ordenador 8 ha de controlar no se limita al tiempo de horneado. Por ejemplo, al menos una de la velocidad de rotación del rodillo 3 y la temperatura en el horno se pueden controlar basándose en un grupo de imágenes de la superficie periférica exterior de la masa de Baumkuchen en la posición de horneado en el horno capturadas por la cámara 7, el grupo de imágenes que cubren al menos una vuelta completa. En tales implementaciones, el ordenador 8 puede usar un modelo mejorado por aprendizaje generado mediante aprendizaje automático para decidir, basándose en un grupo de imágenes, cómo controlar al menos una de las velocidades de rotación y la temperatura en el horno. El modelo mejorado por aprendizaje puede ser, por ejemplo, un conjunto de datos para ejecutar un proceso en el que se introduce una imagen de la superficie periférica exterior de la masa y se genera al menos una de velocidad de rotación y temperatura del horno para servir como información de control. El ordenador 8 utiliza, como datos de enseñanza, al menos una de la velocidad de rotación y la temperatura del horno detectadas durante un proceso de horneado que tiene lugar cuando el operario hace funcionar la máquina para hornear Baumkuchen, así como imágenes de la cámara 7, para generar dicho modelo mejorado por aprendizaje como se ha descrito anteriormente.

Por ejemplo, el ordenador 8 puede ajustar la velocidad de rotación del rodillo 3 dependiendo de los cambios en el diámetro de la masa lo largo del tiempo a indicados por las imágenes capturadas por la cámara 7 o de los cambios a lo largo de la dirección axial en el diámetro (es decir, las irregularidades en la forma de la superficie periférica exterior). Como alternativa, el ordenador 8 puede ajustar la potencia de calentamiento del calentador 22 del horno 2 dependiendo del punto de cocción determinado basándose en las imágenes.

Además de hacer referencia a un grupo de imágenes, el ordenador 8 puede decidir cómo controlar al menos uno de entre la velocidad de rotación y la temperatura del horno, basándose en al menos una de la velocidad de rotación, el tiempo de horneado y la temperatura del horno adquiridos cuando se adquirió el grupo de imágenes. Este proceso de decisión puede utilizar un conjunto de datos que, cuando al menos uno de entre la velocidad de rotación, el tiempo de horneado y la temperatura del horno y las imágenes de la superficie periférica exterior de la masa se introducen como un modelo mejorado por aprendizaje, permite la salida de información de control. Además, el ordenador 8 puede generar dicho modelo mejorado por aprendizaje basándose en operaciones del operario de la máquina para hornear Baumkuchen. Por ejemplo, el ordenador 8 puede detectar una operación del operario con respecto a al menos una de entre la velocidad de rotación y la temperatura del horno, y generar un modelo mejorado por aprendizaje usando, como datos de enseñanza, un grupo de imágenes de la superficie periférica exterior de la masa capturadas durante un periodo que incluye el tiempo de detección de la operación del operario y la operación del operario detectada. Los ejemplos de operaciones del operario que se han de detectar incluyen, por ejemplo, una operación para ajustar la velocidad de rotación del rodillo 3 y una operación para ajustar la temperatura del horno 2.

Además, los datos del sensor utilizados por el ordenador 8 para el proceso de decisión no se limitan a los ejemplos mencionados anteriormente, es decir, la velocidad rotacional, la temperatura del horno y el tiempo de horneado. Se pueden utilizar uno o dos de ellos para el proceso de decisión. Además, se pueden utilizar otros datos del sensor para el proceso de decisión. Por ejemplo, además de las imágenes de la cámara 7, la velocidad de rotación del rodillo 3 se puede utilizar al ejecutar el proceso de decisión para permitir una decisión que considere cambios en las condiciones de horneado que dependen de la velocidad de rotación. Asimismo, además de las imágenes de la cámara 7, la temperatura del horno se puede utilizar para realizar el proceso de decisión, lo que permitirá tomar una decisión que considere los cambios en las condiciones de horneado que dependen de la temperatura del horno. Además, además de las imágenes de la cámara 7, el tiempo de horneado se puede utilizar para ejecutar el proceso de decisión, lo que permitirá tomar una decisión que considere cambios en el tiempo de horneado.

Asimismo, la información de la masa relacionada con la masa de Baumkuchen puede usarse en el proceso de decisión. La información de la masa puede incluir, por ejemplo, al menos una de las temperaturas de la masa en el recipiente para masa antes de su aplicación, el tipo de masa (incluido el tipo de inclusiones en la masa, como solo, chocolate, té verde, café y fresa), el peso de la masa, el volumen de la masa y la densidad de la masa. Por ejemplo, al adquirir una pluralidad de imágenes de la superficie exterior de la masa desde la cámara 7, el ordenador 8 puede adquirir además información de la masa relacionada con la masa. En tales implementaciones, el ordenador 8, en el proceso de decisión, decide el momento en el que el rodillo 3 debe moverse desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en la información adquirida de la masa, además del color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes.

Se puede utilizar un modelo mejorado por aprendizaje para este proceso de decisión. Por ejemplo, el modelo mejorado por aprendizaje pueden tratarse de datos que, cuando se introduce una imagen de la superficie periférica exterior de la masa, permite generar la determinación del punto de cocción basándose en el color de horneado indicado por la imagen. El ordenador 8 puede generar un modelo mejorado por aprendizaje mediante un aprendizaje automático que utiliza, como datos de enseñanza, una determinación del operario con respecto al punto de cocción estimado basándose en una operación del operario de la máquina para hornear Baumkuchen, la información de la masa, y un grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno que cubre al menos una vuelta completa en un periodo de tiempo que incluye el tiempo de determinación.

La máquina para hornear Baumkuchen 1 puede incluir una unidad de entrada o un sensor para adquirir información de la masa. El ordenador 8 puede adquirir información de la masa a través de la unidad de entrada o a través del sensor. Por ejemplo, la máquina para hornear Baumkuchen 1 puede estar provista de al menos uno de entre un sensor de peso que mide el peso de la masa en el recipiente para masa 4, un sensor de temperatura de masa que mide la temperatura de la masa en el recipiente para masa 4, y un sensor de volumen que mide el volumen de masa en el recipiente para masa 4. Como alternativa, la máquina para hornear Baumkuchen 1 puede estar provista de una unidad de entrada que sirve como interfaz que recibe, del operario, información de la masa como entrada.

EXPLICACIÓN DE LOS ELEMENTOS

1: Máquina para hornear Baumkuchen

2: horno

3: rodillo

4: recipiente para masa

5: brazos

6: actuador

7: cámara

Claims

REIVINDICACIONES

1. Una máquina para hornear Baumkuchen (1) que comprende:

un horno (2);

un recipiente para masa (4);

un rodillo (3) capaz de moverse entre una posición de horneado en el horno (2) y el recipiente para masa (4); una cámara (7) adaptada para fotografiar una parte de una superficie periférica exterior de masa en capas de un Baumkuchen sobre el rodillo (3); y

un aparato de control que comprende:

un ordenador (8) adaptado para controlar el movimiento del rodillo (3) que tiene una masa en capas de un Baumkuchen sobre el mismo desde una posición de aplicación de la masa para aplicar masa en el recipiente para masa (4) a la masa sobre el rodillo (3) hasta la posición de horneado en el horno (2) y el movimiento del rodillo (3) desde la posición de horneado en el horno (2) hasta la posición de aplicación de la masa, estando configurado el ordenador (8) para realizar:

un proceso de adquisición de imágenes para adquirir, a partir de la cámara (7), un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo (3) en la posición de horneado en el horno (2),caracterizado por queel grupo de imágenes cubre al menos una vuelta completa; y

un proceso de decisión para decidir el punto en el tiempo en el que el rodillo (3) se ha de mover desde la posición de horneado en el horno hasta la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno (2) que cubre al menos una vuelta completa;

en donde el grupo de imágenes contiene información sobre toda la circunferencia de la superficie periférica exterior de la masa del Baumkuchen horneada en el horno (2).

2. La máquina para hornear Baumkuchen (1) de acuerdo con la reivindicación 1, en donde el ordenador (8) está configurado para ejecutar además:

un proceso de estimación de determinación para estimar un resultado de una determinación por un operario con respecto al punto de cocción de la masa de un Baumkuchen basándose en una operación de la máquina para hornear Baumkuchen (1) por el operario; y

un proceso de aprendizaje para generar un modelo mejorado por aprendizaje para ser utilizado en el proceso de decisión mediante el uso de aprendizaje automático, como datos de enseñanza, cubriendo el resultado estimado de la determinación por parte del operario y un grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno al menos una vuelta completa en un periodo de tiempo que incluye un tiempo de determinación.

3. La máquina para hornear Baumkuchen (1) de acuerdo con la reivindicación 1 o 2, en donde, en la adquisición de imágenes, el ordenador (8) adquiere además al menos una de entre una velocidad de rotación de la masa en capas de un Baumkuchen sobre el rodillo (3), un tiempo de horneado para la superficie exterior de la masa de un Baumkuchen y una temperatura en el horno (2) y, en el proceso de decisión, el ordenador (8) ejecuta la decisión basándose en al menos una de la velocidad de rotación adquirida, el tiempo de horneado adquirido para la superficie exterior de la masa de un Baumkuchen y la temperatura adquirida en el horno (2), además del color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes.

4. La máquina para hornear Baumkuchen (1) de acuerdo con la reivindicación 2, en donde, en el proceso de aprendizaje, el ordenador (8) genera además el modelo mejorado por aprendizaje utilizando al menos una de la velocidad de rotación de la masa en capas de un Baumkuchen sobre el rodillo (3), el tiempo de horneado para la superficie exterior de la masa de un Baumkuchen, y la temperatura en el horno (2) en el periodo de tiempo que incluye el tiempo de la determinación basado en la operación por parte del operario.

5. La máquina para hornear Baumkuchen (1) de acuerdo con una cualquiera de las reivindicaciones 1 a 4, en donde, en el proceso de decisión, el ordenador (8) adquiere al menos una de entre una velocidad de movimiento circunferencial de la superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo (3), y un diámetro de la periferia exterior de la masa en capas de un Baumkuchen en el rodillo (3), y, en el proceso de decisión, el ordenador (8) ejecuta la decisión basándose en al menos una de entre la velocidad adquirida de movimiento circunferencial y el diámetro adquirido además del color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes.

6. La máquina para hornear Baumkuchen (1) de acuerdo con la reivindicación 2 o 4, en donde, en el proceso de aprendizaje, el ordenador (8) genera el modelo mejorado por aprendizaje usando además al menos una de entre una velocidad de movimiento circunferencial de la superficie periférica exterior de la masa en capas de un Baumkuchen en el rodillo (3), y un diámetro de la periferia exterior del masa de un Baumkuchen en el periodo de tiempo que incluye el tiempo en el que el operario determina el punto de cocción.

7. Un método para controlar una máquina para hornear Baumkuchen (1) que incluye un horno (2), un recipiente para masa (4), y un rodillo capaz de moverse entre una posición de horneado en el horno (2) y el recipiente para masa (4), que comprende:

una etapa de control en la que el ordenador (8) controla el movimiento del rodillo (3) que tiene masa de un Baumkuchen en capas sobre el mismo desde una posición de aplicación de la masa para aplicar masa en el recipiente para masa (4) a la masa sobre el rodillo (3) hasta una posición de horneado en el horno (2), y el movimiento del rodillo (3) desde la posición de horneado en el horno (2) hasta la posición de aplicación de la masa, en donde, en la etapa de control, el ordenador ejecuta:

un proceso de adquisición de imágenes para adquirir, desde una cámara (7) que fotografía una parte de una superficie periférica exterior de la masa en capas de un Baumkuchen sobre el rodillo (3), un grupo de imágenes de la superficie periférica exterior de la masa que gira junto con el rodillo (3) en la posición de horneado en el horno,caracterizado por queel grupo de imágenes cubre al menos una vuelta completa; y

un proceso de decisión para decidir el punto en el tiempo en el que el rodillo (3) se ha de mover desde la posición de horneado en el horno (2) a la posición de aplicación de la masa basándose en un color de horneado de la superficie periférica exterior de la masa indicado por el grupo de imágenes de la superficie periférica exterior de la masa en la posición de horneado en el horno (2) que cubre al menos una vuelta completa; en donde el grupo de imágenes contiene información sobre toda la circunferencia de la superficie periférica exterior de la masa del Baumkuchen horneada en el horno (2).

8. Un método para controlar una máquina para hornear Baumkuchen (1) de acuerdo con la reivindicación 7 que comprende:

una etapa de estimación de determinación en la que un ordenador (8) estima el resultado de una determinación realizada por un operario con respecto al punto de cocción de la masa de un Baumkuchen basándose en una operación realizada por el operario de la máquina para hornear Baumkuchen (1); y

una etapa de aprendizaje en la que el ordenador genera un modelo mejorado por aprendizaje para ser utilizado en el proceso de decisión mediante el uso de aprendizaje automático, como datos de enseñanza, el resultado estimado de la determinación por parte del operario y un grupo de imágenes de una superficie periférica exterior de la masa en la posición de horneado en el horno (2), cubriendo el grupo de imágenes al menos una vuelta completa en un periodo de tiempo que incluye un tiempo de determinación.