JP2902801B2 - 加熱調理器 - Google Patents
加熱調理器Info
- Publication number
- JP2902801B2 JP2902801B2 JP5719391A JP5719391A JP2902801B2 JP 2902801 B2 JP2902801 B2 JP 2902801B2 JP 5719391 A JP5719391 A JP 5719391A JP 5719391 A JP5719391 A JP 5719391A JP 2902801 B2 JP2902801 B2 JP 2902801B2
- Authority
- JP
- Japan
- Prior art keywords
- food
- sensor
- neural network
- discrimination
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Electric Ovens (AREA)
- Feedback Control In General (AREA)
Description
【0001】
【産業上の利用分野】この発明は、電子レンジ等の加熱
調理器における食品判別構成に関する。
調理器における食品判別構成に関する。
【0002】
【従業の技術】従来から、ガスセンサ、赤外線センサ、
湿度センサ等を使用し、食品の加熱に伴って発生するガ
スの濃度、温度、湿度、それらの変化率から食品を判別
することが行われていた。
湿度センサ等を使用し、食品の加熱に伴って発生するガ
スの濃度、温度、湿度、それらの変化率から食品を判別
することが行われていた。
【0003】
【発明が解決しようとする課題】しかしながらこのよう
な従来の方法では、各食品に対する各センサの出力値、
変化率を計測し、グラフ化等の処理をしながら食品毎の
特色を解析していかなければならず、この作業は食品が
多くなるほど手間がかかり、解析のミスや見落としが発
生しやすい。また、センサからの出力は同じ食品であっ
てもある程度幅があり、従来の制御アルゴリズムでは対
応できない場合が多かった。
な従来の方法では、各食品に対する各センサの出力値、
変化率を計測し、グラフ化等の処理をしながら食品毎の
特色を解析していかなければならず、この作業は食品が
多くなるほど手間がかかり、解析のミスや見落としが発
生しやすい。また、センサからの出力は同じ食品であっ
てもある程度幅があり、従来の制御アルゴリズムでは対
応できない場合が多かった。
【0004】この発明は、上記の事情に鑑みて行ったも
ので、食品判別率を向上するとともに、作業時間の短縮
化、簡素化を計るものである。
ので、食品判別率を向上するとともに、作業時間の短縮
化、簡素化を計るものである。
【0005】
【課題を解決するための手段】この発明では、加熱調理
器を、加熱手段と、前記加熱手段の加熱に伴う食品の変
化を検知するセンサと、前記センサから入力される情報
と食品判別内容の教師信号とに基づいて学習を行って食
品判別のためのニューラルネットワークを形成し、次
に、前記センサから情報が入力されると前記ニューラル
ネットワークにより食品判別出力を行うニューロユニッ
トとを備えてなる構成とした。
器を、加熱手段と、前記加熱手段の加熱に伴う食品の変
化を検知するセンサと、前記センサから入力される情報
と食品判別内容の教師信号とに基づいて学習を行って食
品判別のためのニューラルネットワークを形成し、次
に、前記センサから情報が入力されると前記ニューラル
ネットワークにより食品判別出力を行うニューロユニッ
トとを備えてなる構成とした。
【0006】
【作用】この発明によれば、センサから入力される加熱
に伴う食品の変化情報と食品判別内容の教師信号とに基
づいて学習を行って食品判別のためのニューラルネット
ワークが形成され、センサから情報が入力されるとその
ニューラルネットワークにより食品判別出力を行う。
に伴う食品の変化情報と食品判別内容の教師信号とに基
づいて学習を行って食品判別のためのニューラルネット
ワークが形成され、センサから情報が入力されるとその
ニューラルネットワークにより食品判別出力を行う。
【0007】
【実施例】図1はこの発明の加熱調理器としての電子レ
ンジの簡略構成図、図2はブロック図であり、1は加熱
室、2は加熱室1内に設けられ食品Hが納められるテー
ブル、3は暖める、焼く、蒸す等の調理法を選択する調
理法選択キー、4は調理スタートキー、5はガスセンサ
5a 赤外線センサ5b、湿度センサ5cの加熱に伴う
食品の変化を検知するセンサそれぞれが集合配置される
センサユニット、6は各センサの出力、出力変化率を0
〜1の値に正規化する入力値生成ユニット、7は入力値
生成ユニット6からの入力値に基づいて食品判別結果を
出力するニューロユニット、8はニューロユニット7か
ら得られる食品判別結果に基づいて最適な調理シーケン
スに基づいて加熱手段としてのマグネットロン10、ヒ
ータ11の動作制御を行うシーケンス制御部である。5
d,5e,5fのそれぞれは各センサ出力の変化率(傾
き)検知部、12はシーケンスプログラム等を記憶する
メモリ、13は上記各キー3,4が配置される操作部、
15,16はマグネットロン10、ヒータ11それぞれ
の駆動回路である。
ンジの簡略構成図、図2はブロック図であり、1は加熱
室、2は加熱室1内に設けられ食品Hが納められるテー
ブル、3は暖める、焼く、蒸す等の調理法を選択する調
理法選択キー、4は調理スタートキー、5はガスセンサ
5a 赤外線センサ5b、湿度センサ5cの加熱に伴う
食品の変化を検知するセンサそれぞれが集合配置される
センサユニット、6は各センサの出力、出力変化率を0
〜1の値に正規化する入力値生成ユニット、7は入力値
生成ユニット6からの入力値に基づいて食品判別結果を
出力するニューロユニット、8はニューロユニット7か
ら得られる食品判別結果に基づいて最適な調理シーケン
スに基づいて加熱手段としてのマグネットロン10、ヒ
ータ11の動作制御を行うシーケンス制御部である。5
d,5e,5fのそれぞれは各センサ出力の変化率(傾
き)検知部、12はシーケンスプログラム等を記憶する
メモリ、13は上記各キー3,4が配置される操作部、
15,16はマグネットロン10、ヒータ11それぞれ
の駆動回路である。
【0008】上記ニューロユニット7は、センサそれぞ
れから入力される加熱に伴う食品の変化情報と食品判別
内容の教師信号とに基づいて学習を行って食品判別のた
めのニューラルネットワークを形成し、次に、センサか
ら情報が入力されるとそのニューラルネットワークによ
り食品判別出力を行うように構成されている。ニューラ
ルネットワークは、入力層、中間層、出力層の3層から
なり、学習アルゴリズムはバックプロパゲーションであ
る。
れから入力される加熱に伴う食品の変化情報と食品判別
内容の教師信号とに基づいて学習を行って食品判別のた
めのニューラルネットワークを形成し、次に、センサか
ら情報が入力されるとそのニューラルネットワークによ
り食品判別出力を行うように構成されている。ニューラ
ルネットワークは、入力層、中間層、出力層の3層から
なり、学習アルゴリズムはバックプロパゲーションであ
る。
【0009】以下、上記電子レンジにおける食品判別動
作について説明する。
作について説明する。
【0010】まず、キー3で調理法が選択され、キー4
が押されることにより調理が開始される。そして、マグ
ネットロン10が駆動され、その加熱に伴なう食品変化
によるガス濃度、温度、湿度およびそれぞれの変化率が
検知され、それら値が正規化される(ステップ1〜
8)。そして、調理のスタートから10秒が経過する
と、上記の正規化された値がニューラルネットワークの
入力層に入力され、ニューラルネットワークは学習デー
タに沿って学習して出力層から食品が、牛乳、スープ
類、日本酒、葉菜、果菜、根菜、肉類、ご飯であるとす
る判別結果を出力する(ステップ1,2,9)。
が押されることにより調理が開始される。そして、マグ
ネットロン10が駆動され、その加熱に伴なう食品変化
によるガス濃度、温度、湿度およびそれぞれの変化率が
検知され、それら値が正規化される(ステップ1〜
8)。そして、調理のスタートから10秒が経過する
と、上記の正規化された値がニューラルネットワークの
入力層に入力され、ニューラルネットワークは学習デー
タに沿って学習して出力層から食品が、牛乳、スープ
類、日本酒、葉菜、果菜、根菜、肉類、ご飯であるとす
る判別結果を出力する(ステップ1,2,9)。
【0011】この判別結果に基づいて制御部8で最適な
調理シーケンスを呼び出し、そのシーケンスに基づいて
調理が実行される(ステップ10,11,12)。
調理シーケンスを呼び出し、そのシーケンスに基づいて
調理が実行される(ステップ10,11,12)。
【0012】上記のようにニューロユニット7は、自ら
ニューラルネットワークを形成し、そのニューラルネッ
トワークにより判別動作を行うので、食品毎のセンサの
出力値の特徴を解析する手間が省略できるとともに、解
析作業でのミスも無くすことができるようになり、これ
により、作業の短縮化が計れるとともに、判別率も向上
されるようになる。また、ニューラルネットワークの特
徴上並列処理によって全ての入力から食品を連想するの
で判別率が向上され、一つのセンサの感度が低下しても
従来の判別方法ほど判別率が低下することがない。くわ
えて、ニューラルネットワークはあいまいさを持つ処理
を得意としているので、先に述べたようなセンサ出力値
の幅にも対応でき、この点においても判別率を上げるこ
とができる。
ニューラルネットワークを形成し、そのニューラルネッ
トワークにより判別動作を行うので、食品毎のセンサの
出力値の特徴を解析する手間が省略できるとともに、解
析作業でのミスも無くすことができるようになり、これ
により、作業の短縮化が計れるとともに、判別率も向上
されるようになる。また、ニューラルネットワークの特
徴上並列処理によって全ての入力から食品を連想するの
で判別率が向上され、一つのセンサの感度が低下しても
従来の判別方法ほど判別率が低下することがない。くわ
えて、ニューラルネットワークはあいまいさを持つ処理
を得意としているので、先に述べたようなセンサ出力値
の幅にも対応でき、この点においても判別率を上げるこ
とができる。
【0013】
【発明の効果】この発明は上記のような構成により、ニ
ューラルネットワークを利用して、食品判別が短時間
で、高い判別率において行われるようになり、この判別
結果に基づいてより高度な加熱調理が行えるようにな
る。
ューラルネットワークを利用して、食品判別が短時間
で、高い判別率において行われるようになり、この判別
結果に基づいてより高度な加熱調理が行えるようにな
る。
【図1】この発明の電子レンジの簡略構成図。
【図2】この発明の電子レンジのブロック構成図。
【図3】動作説明のためのフローチャート。
H 食品 5a,5b,5c センサ 7 ニューロユニット 10 マグネットロン(加熱手段)
Claims (1)
- 【請求項1】 加熱手段と、前記加熱手段の加熱に伴う
食品の変化を検知するセンサと、前記センサから入力さ
れる情報と食品判別内容の教師信号とに基づいて学習を
行って食品判別のためのニューラルネットワークを形成
し、次に、前記センサから情報が入力されると前記ニュ
ーラルネットワークにより食品判別出力を行うニューロ
ユニットと、を備えてなる加熱調理器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5719391A JP2902801B2 (ja) | 1991-03-20 | 1991-03-20 | 加熱調理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5719391A JP2902801B2 (ja) | 1991-03-20 | 1991-03-20 | 加熱調理器 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04292714A JPH04292714A (ja) | 1992-10-16 |
JP2902801B2 true JP2902801B2 (ja) | 1999-06-07 |
Family
ID=13048653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP5719391A Expired - Fee Related JP2902801B2 (ja) | 1991-03-20 | 1991-03-20 | 加熱調理器 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2902801B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05172334A (ja) * | 1991-10-21 | 1993-07-09 | Matsushita Electric Ind Co Ltd | 調理器具 |
JPH05312328A (ja) * | 1992-03-09 | 1993-11-22 | Matsushita Electric Ind Co Ltd | 調理器具 |
JP2861636B2 (ja) * | 1992-06-08 | 1999-02-24 | 松下電器産業株式会社 | 調理器具 |
GB2293027A (en) * | 1994-09-07 | 1996-03-13 | Sharp Kk | Apparatus for and method of controlling a microwave oven |
JP2833498B2 (ja) * | 1994-12-28 | 1998-12-09 | 松下電器産業株式会社 | 加熱調理器 |
-
1991
- 1991-03-20 JP JP5719391A patent/JP2902801B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH04292714A (ja) | 1992-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7923664B2 (en) | Method for controlling a cooking process in a cooking appliance | |
US5389764A (en) | Automatic cooking appliance employing a neural network for cooking control | |
KR0129228B1 (ko) | 마이크로웨이브오븐의 자동조리 제어방법 및 장치 | |
US4488026A (en) | Microwave oven with automatic cooking performance having additional heating process | |
JPH0886448A (ja) | 調理装置および調理装置の制御方法 | |
KR960028701A (ko) | 전자레인지의 가열시간 제어장치 및 방법 | |
JP2902801B2 (ja) | 加熱調理器 | |
CN107085397A (zh) | 一种烹饪状态检测方法及装置 | |
JP2548320B2 (ja) | 電子レンジ | |
JPH04291134A (ja) | 材料認識システム | |
JPH0755154A (ja) | 加熱調理装置 | |
CN111665715A (zh) | 对人工神经网络的训练方法、自动烹饪方法、计算机可读存储介质及烹饪设备 | |
JP3088506B2 (ja) | 調理器具 | |
KR20010069112A (ko) | 전기밥솥의 취사량 감지방법 | |
JPH0828273B2 (ja) | 加熱調理器 | |
KR0135127B1 (ko) | 전자레인지의 음식물종류 인식장치 및 방법 | |
JPH05312328A (ja) | 調理器具 | |
JP2855901B2 (ja) | 調理器具 | |
JP2861636B2 (ja) | 調理器具 | |
KR0152844B1 (ko) | 전자레인지의 음식물 조리시 용기뚜껑 유무 및 분량인식방법 | |
KR0128557B1 (ko) | 전자렌지의 중량감지 자동조리 제어방법 | |
JPH05113219A (ja) | 調理器具 | |
JP2534763B2 (ja) | 電子レンジ | |
JPS59167991A (ja) | 自動調理器 | |
JPH0375998B2 (ja) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |