JP3818601B2 - 調理装置および調理装置の制御方法 - Google Patents
調理装置および調理装置の制御方法 Download PDFInfo
- Publication number
- JP3818601B2 JP3818601B2 JP23041695A JP23041695A JP3818601B2 JP 3818601 B2 JP3818601 B2 JP 3818601B2 JP 23041695 A JP23041695 A JP 23041695A JP 23041695 A JP23041695 A JP 23041695A JP 3818601 B2 JP3818601 B2 JP 3818601B2
- Authority
- JP
- Japan
- Prior art keywords
- humidity
- time
- heating
- cooking
- food
- 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
Images
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B6/00—Heating by electric, magnetic or electromagnetic fields
- H05B6/64—Heating using microwaves
- H05B6/6447—Method of operation or details of the microwave heating apparatus related to the use of detectors or sensors
- H05B6/6458—Method of operation or details of the microwave heating apparatus related to the use of detectors or sensors using humidity or vapor sensors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C7/00—Stoves or ranges heated by electric energy
- F24C7/08—Arrangement or mounting of control or safety devices
- F24C7/087—Arrangement or mounting of control or safety devices of electric circuits regulating heat
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Electric Ovens (AREA)
- Control Of High-Frequency Heating Circuits (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、調理装置、調理装置の制御方法、および調理装置に対して用いられる制御装置に関し、特に自動制御を行う調理装置に関する。本発明の制御方法および制御装置は、特にマイクロウェーブを用いて調理を行う装置と共に用いられるのに適している。
【０００２】
【従来の技術】
家庭用機器内のセンサから得られるデータに応用された知的推理によって消費者への便宜を改善するという傾向が家庭用機器にある。この傾向の一例がセンサベースの自動調理であり、これは調理方法に関するの知識が消費者からはほとんど与えられないと仮定して新鮮な食品あるいは調理済み食品を加熱あるいは調理する過程である。このセンサベースの自動調理を実現するために、食品の状態を推断し、電力レベルおよび調理時間などの最適調理条件あるいは再加熱条件を決定するために調理装置内のセンサを用いる制御装置によって調理が制御される。
【０００３】
本明細書で用いられる用語「調理」は、食品の再加熱および乾燥プロセスを含むものであることが理解される。
【０００４】
最適調理条件は、食品の種類、重さ、初期温度および水分含有量などの食品に関連するパラメータに依存する。また、調理条件は、調理キャビティの加熱電力および物理的状態などの調理装置のパラメータにも依存する。パラメータが多く調理プロセスが本質的に明白ではないので、自動調理制御の問題の解決が本質的に困難になっている。
【０００５】
３つの主なアプローチがセンサベースの調理に用いられている。第１のアプローチでは、消費者がコントロールパネルを用いて食品の種類に関するデータを入力する。加熱の間にどの程度の量の蒸気が放出されるのかを測定するために湿度センサが用いられ、湿度が加熱されている食品についての所定値に達すると、ある公式が用いられて、残りの加熱時間が計算される。第２のアプローチは、調理されている食品の種類を特定するために湿度センサからのデータを解析するものである。食品が特定されると、各食品の種類に固有の所定の組の命令に従って調理が実行される。第３のアプローチは、複数タイプのセンサを用い、センサの出力から食品の種類を特定するという方法である。
【０００６】
これらの技術の例は、松下電器産業株式会社の日本特許第5-312328号、三洋電機（株）の特開平第4-292714号に開示されている。これらの技術においては、ニューラルネットワークが食品の種類を特定するために用いられ得る。
【０００７】
また、EP 0 615 400は、調理中に食品より放出されたアルコールあるいは蒸気を検知するためのアルコールセンサおよび蒸気センサを備えたマイクロウエーブオーブンを開示している。検知されたアルコールあるいは蒸気に関する情報は、調理されている食品の種類を決定するために用いられる。EP 0 595 569は、調理キャビティ内の気体の温度および体積を測定するためのセンサを備えたマイクロウエーブオーブンを開示している。このマイクロウェーブオーブンにおいても、測定により得られた情報は、調理されている食品の種類を決定するために用いられる。
【０００８】
【発明が解決しようとする課題】
しかし上述した３つのアプローチには、以下に述べるような問題があった。まず第１のアプローチでは、残りの加熱時間を計算するための公式は、一般的にそれぞれの食品に固有のものである。このため、調理されている食品が何であるかが特定されなければ、残りの加熱時間を計算することができない。したがって、広範な種類の食品を扱うためには、食品の種類を入力するために、多数の入力キーが必要となり得る。第２のアプローチでは、多数の入力キーは必要ないかもしれないが、１つの湿度センサを用いて特定され得る食品の種類は制限される。また、複数のセンサを用いるアプローチは、センサのコストの面からも、センサによって生成されるデータの解析に必要となる計算の複雑さの面からも比較的高価になる。
【０００９】
US 4 162 381は、調理キャビティ内の湿度および温度を感知するための相対湿度センサおよび温度センサを備えたマイクロウエーブオーブンを開示している。調理の制御は、各種類の食品には正確な調理サイクルを行う時間に対する湿度の特性曲線があるという仮定に基づいている。オーブンは、時間に対して測定された湿度を特性曲線と比較し、加熱プロセスの閉ループ制御により、加熱を調整して測定された湿度と特性曲線との誤差を最小にしている。しかし、このような制御を行う場合でも、正確な調理を行うためには、オーブンに食品の種類を特定させるかあるいは食品の種類をオーブンに知らせることが必要である。
【００１０】
同様の技術が、EP-0 000 957、EP-0 078 607、EP-0 024 798、EP-0 397 397、EP 0 023 971およびGB-2 206 425 に開示されている。
【００１１】
このように、従来の調理装置では、食品の種類が何であるかという情報が自動調理に必要であった。しかし、実際には新しい種類の商品がしばしば市場に導入され、既存の種類の食品の原材料および体積も頻繁に変化する。したがって、食品の種類を分類することは実際には困難であり、本質的に「ファジー」である。
【００１２】
本発明はこのような現状に鑑みてなされたものであり、その目的は、調理されている食品が何であるかを特定せずに、食品の自動調理を行うことのできる調理装置および調理方法を提供することである。
【００１３】
【課題を解決するための手段】
本発明の調理装置は、調理領域と、該調理領域内で食品を加熱する少なくとも１つの加熱装置と、該食品から発生した水蒸気によって変化する該調理領域内の湿度を検知する湿度センサと、該湿度センサによって該加熱装置による該食品の加熱開始からの湿度を所定時間毎に複数回検知し、湿度を検知するそれぞれの時点において、検知されたそれぞれの湿度に関する湿度データを、周期的に発生するノイズを除去するように設定されたデジタルフィルタリング手段によってデジタルフィルタリング処理し、該デジタルフィルタリング処理された湿度データから前記各時点までの湿度の時間変化の曲線形状を抽出して、抽出された曲線形状に基づいて調理の進み具合を示すでき加減指数を演算し、検知された湿度が所定の基準値に達した時点または検知された湿度の時間変化の割合が最大になった時点において、その時点における前記加減指数を求める演算手段と、該演算手段にて求められた前記でき加減指数に基づいて前記加熱装置を制御する加熱装置制御手段とを備え、前記演算手段は、湿度変化の最大の変化率ｄＨｍａｘと、湿度変化率が最大であるときの湿度Ｈｄｍａｘと、加熱が開始されてから所定の湿度Ｈｋに達するまでに要する時間Ｔと、加熱が開始されてから前記所定の湿度Ｈｋに達するまでの時間の平均湿度Ｈ０とに基づいて、前記でき加減指数をニューラルネットワークによって演算し、演算された前記でき加減指数に基づいて、前記食品の加熱調理を完了するために必要な加熱時間および前記加熱装置の電力レベルを決定し、前記加熱装置制御手段は、前記演算手段によって決定された加熱時間および電力レベルに基づいて前記加熱装置を開ループ制御することを特徴とする。
【００２１】
前記少なくとも１つの加熱装置はマイクロウェーブ源であってもよい。
【００２２】
前記湿度センサは絶対湿度センサであってもよい。
【００２３】
本発明の調理装置の制御方法は、調理領域、および該調理領域内で食品を加熱する少なくとも１つの加熱装置を有している調理装置の制御方法であって、該加熱装置による該食品の加熱により該食品から発生した水蒸気によって変化する該調理領域内の湿度を所定時間毎に複数回検知し、湿度を検知するそれぞれの時点において、検知されたそれぞれの湿度に関する湿度データを、周期的に発生するノイズを除去するように設定されたデジタルフィルタリング手段によってデジタルフィルタリング処理し、該デジタルフィルタリング処理された湿度データから前記各時点までの湿度の時間変化の曲線形状を抽出して、抽出された曲線形状に基づいて調理の進み具合を示すでき加減指数を演算し、検知された湿度が所定の基準値に達した時点または検知された湿度の時間変化の割合が最大になった時点において、その時点における前記でき加減指数を求める演算工程と、該演算工程にて求められた前記でき加減指数に基づいて前記加熱装置を制御する制御工程とを包含し、前記演算工程において、湿度変化の最大の変化率ｄＨｍａｘと、湿度変化率が最大であるときの湿度Ｈｄｍａｘと、加熱が開始されてから所定の湿度Ｈｋに達するまでに要する時間Ｔと、加熱が開始されてから前記所定の湿度Ｈｋに達するまでの時間の平均湿度Ｈ０とに基づいて、前記でき加減指数をニューラルネットワークによって演算し、演算された前記でき加減指数に基づいて、前記食品の加熱調理を完了するために必要な加熱時間および前記加熱装置の電力レベルを決定し、前記制御工程において、該演算工程において決定された加熱時間および電力レベルに基づいて前記加熱装置を開ループ制御することを特徴とする。
【００３１】
前記湿度センサは、絶対湿度センサであってもよい。
【００３２】
本発明の第１の局面によれば、調理領域と、該調理領域内の食品を加熱するための少なくとも１つの加熱装置と、該調理領域内の湿度を感知するための湿度センサとを備え、湿度センサによって行われた湿度測定に基づき食品の種類を特定せずに料理の「でき加減」の見積もりを行うように構成され、「でき加減」の見積もりに基づき少なくとも１つの加熱装置を制御するようにさらに構成された訓練されたニューラルネットワークを備えたデータプロセッサによって特徴づけられている調理装置が提供される。
【００３３】
本発明は、加熱されている食品の種類を特定することなく、料理の「でき加減」を数値で表す、でき加減指数を直接求めることによって、公知の技術の欠点を克服する。本明細書において、「でき加減指数」は、それまでにどの程度食品が調理されているかを意味するものとして定義され、例えば０％から１００％の間のパーセンテージで表され得る。したがって本発明によると、加熱されている食品の種類を分類した上で、その分類に基づいて残りの加熱時間や最適加熱時間を計算するのではなく、センサの測定値に所定の処理を施すことにより、直接、最適加熱時間、および電力レベル、さらには調理対象の食品に必要であれば調理プロセスの残りに要求される食品の加工（例えば、攪拌）のタイミングを求め得る。
【００３４】
好ましくは、データプロセッサは、食品の調理プロセス内における特定時点における料理の「でき加減指数」の見積もりを計算するように構成されている。そして、残りの調理時間は、この見積もりに基づいて計算され得る。この見積もりは、調理領域内の湿度変化率がピーク値に達したときに行われ得る。
【００３５】
ニューラルネットワークは専用ハードウエアの形態で具体化されるか、あるいはプログラム可能なデータプロセッサ内でシミュレートしてもよい。あるいは、ニューラルネットワークは、参照用テーブルとして実行されてもよい。
【００３６】
データプロセッサは、料理の「でき加減指数」の見積もりを行う前に、湿度データを解析し、そこから特徴ベクトルの１つ以上の要素を抽出するようにさらに構成されてもよい。特徴ベクトルの１つ以上の要素は、「でき加減指数」を見積もるためのデータプロセッサへの入力データとして用いられてもよい。
【００３７】
特徴ベクトルの１つ以上の要素は、湿度曲線（すなわち、時間に対する湿度のレベル）の形態情報を表す。特徴ベクトルの第１の要素は、時間に対する最大湿度変化率（ｄＨmax）を示し得る。特徴ベクトルの第２の要素は、最大湿度変化率における湿度の値（ＨdHmax）を示し得る。特徴ベクトルの第３の要素は、湿度が固定された閾値（Ｈk）と等しくなる時間（Ｔk）を示し得る。特徴ベクトルの第４の要素は、加熱プロセスの開始から時間Ｔkまでで計算された平均湿度（Ｈ0）を示し得る。
【００３８】
好ましくは、調理装置はマイクロウエーブオーブンである。マイクロウエーブオーブンは、グリルおよび／あるいは対流式加熱素子を有していてもよい。
【００３９】
好ましくは、湿度センサは絶対湿度センサである。湿度センサは、調理領域から湿った空気を抽出するための抽出ダクト内に位置してもよい。
【００４０】
データプロセッサは、専ら湿度測定に基づいて「でき加減指数」を見積もるように構成されてもよい。
【００４１】
本発明の第２の局面によると、調理領域および該調理領域にある食品を加熱するための少なくとも１つの加熱装置を備えた調理装置を制御する方法であって、該調理領域内の湿度の測定を複数回行う工程と、食品の種類を特定せずに料理の「でき加減指数」を見積もるために該湿度測定を用いる工程と、「でき加減指数」の見積もりに従って該少なくとも１つの加熱装置を制御する工程とを含む方法が提供される。
【００４２】
本発明の第３の局面によると、調理領域と、少なくとも１つの加熱装置と、湿度センサとを備えた調理装置を制御するための、湿度センサによって行われる湿度測定に基づき食品の種類を特定せずに料理の「でき加減指数」を見積もり、「でき加減指数」の見積もりに基づき該少なくとも１つの加熱装置を制御するように構成されている訓練されたニューラルネットワークを有するデータプロセッサを備えた制御装置が提供される。
【００４３】
マイクロウエーブオーブンなどの調理領域において加熱される食品の「でき加減指数」を確実に見積もるためには湿度測定を行えばよいことが見いだされている。さらに、食品の加熱を確実に完了するためにはこの「でき加減指数」の見積もりを行えばよいことが見いだされている。そのような食品の加熱の間には、食品の種類についての情報を供給したり得たりする必要はない。また、そのような食品の加熱の間には、食品の状態（例えば、何かで覆われているか、蓋をされているか、量、初期温度）についての情報を供給したり得たりする必要はない。食品の種類あるいは状態がユーザによって入力され得る実施態様を示すことも可能であるが、これは不可欠なものではなく、そのようなユーザの介在が必要ではない実施態様を示すことが可能である。データプロセッサは食品の種類あるいは状態を特定せず、その代わりに料理の「でき加減指数」の見積もりを直接行う。この見積もりが行われると、加熱は開ループ制御によって継続され得る。開ループ制御の間、加熱は湿度などのデータプロセッサへのいかなる入力パラメータにも依存しない。その代わりに、加熱継続時間、電力レベルおよびその他の加熱制御パラメータは料理の「でき加減指数」に従って固定され、加熱サイクルは継続し加熱サイクルの開ループ部分の間の測定された湿度とは無関係に完了する。単純な形態においては、料理の「でき加減指数」の見積もりは、いつ加熱を終了するかを決定するために用いられる。これは、例えば、加熱プロセスを完了するために他のパラメータを感知し、ユーザによって食品の種類あるいは状態が特定されること、あるいは加熱の間に食品の種類あるいは状態が得られることが必要となる、すべての公知の技術に対立する。従って、調理装置の製造コストを単純化し削減して、ユーザの介入が削減あるいは省かれ得る。
【００４４】
【発明の実施の形態】
図１に示されるマイクロウエーブオーブン２は、マイクロウエーブエネルギーを調理室６に運ぶためのマグネトロン４を備えている。図示していないが、オーブン２はグリル、対流式加熱素子などの他の加熱装置を備えていてもよい。調理室６は、食品の均一な調理を補助するように調理の間に回転するターンテーブル８を内部に備えている。絶対湿度センサ１０は、排気ダクト１２内に配置されている。排気ダクト１２は湿った空気を調理室６から除去する。コントローラ１４は湿度センサ１０からの出力を受け取り、マグネトロン４および存在するその他の加熱装置の動作を管理する。
【００４５】
図２はコントローラ１４の制御下でのマイクロウエーブオーブン２の動作を示すフローチャートである。また、図１１にマイクロウェーブオーブン２の構成を概略的に示す。図２のステップ１６において、例えば、ユーザが手動制御の操作を行うと、調理プロセスが開始される。この手動制御の操作は図１１に示すキー入力部９を介して行われ得、マイクロウェーブオーブン２の電源１１を入れる等の操作を含んでいる。キー入力部９から電源投入を示す信号を受け取ると、コントローラ１４は電源１１に制御信号を送り、電源を入れる。続いて、コントローラ１４は、マグネトロン４に対して制御信号を送り、オーブン２の調理室６内の食品の加熱を開始する（ステップ１７）。加熱は、所定の電力レベル、例えば最大電力でマグネトロン４を通電させることによって、存在するその他の加熱装置を用いてあるいは用いずに行われる。ステップ１８では、所定基準が満たされているかに関するテストが行われる。例えば、基準は、湿度が所定値まで達していること、あるいは湿度の傾斜が最大になることであり得る。
【００４６】
基準が満たされなければ、絶対湿度センサ１０により湿度が検出され（ステップ１９）、検出された湿度データから雑音を除去するためのフィルタリングが行われる（ステップ２０）。フィルタリングされた湿度データはステップ２１で解析され、フィルタリングされた湿度データの特徴ベクトルを表す複数のパラメータが抽出される。特徴ベクトルはコントローラ１４内のニューラルネットワークに供給され、ニューラルネットワークは食品の「でき加減指数」を計算する（ステップ２２）。次にコントローラ１４は、ステップ１８に制御を戻す前にステップ２３で２秒数える。したがって、マイクロウエーブオーブン２の動作の初期段階では、調理室６内の食品が加熱されていると同時に、ステップ１８から２３を含むサイクルがほぼ２秒ごとに繰り返される。
【００４７】
ステップ１８において、基準が満たされた（例えば、所定値の湿度に達した、あるいは時間に対する湿度の傾斜が最大になった）と判断されると、ステップ２４において、食品の「でき加減指数」を用いて加熱あるいは調理動作を完了するために必要な加熱時間および電力レベルの決定が行われる。オーブン２が１つ以上の加熱装置を有している場合、個々の加熱時間および電力レベルは異なる加熱装置に対してそれぞれ設定され得る。攪拌などの他の食品加工プロセスを行うタイミングもステップ２４で限定することができる。そして、マイクロウエーブオーブン２は、加熱を終了しなければならないことがステップ２５で確認されるまで、ステップ２４で限定された条件にしたがって動作し続ける。加熱終了時には、コントローラ１４からの制御信号が１つあるいは複数の加熱装置の各々に送られ、それぞれがオフにされる（ステップ２６）。このとき、加熱終了を示す表示を行う、あるいはアラームを鳴らす等により、ユーザに対して加熱の終了を知らせるようにしてもよい。図１１に、表示部１３ａやアラーム１３ｂを用いる例を示す。この例では、加熱終了時に、コントローラ１４からの制御信号が、加熱装置に対してだけではなく、表示部１３ａおよびアラーム１３ｂにも送られる。これでオーブン２の動作は完了する。
【００４８】
以上、オーブン２の動作の流れを図２を参照しながら説明したが、図１２に示すようにオーブン２を動作させることもできる。図１２のフローチャートでは、ステップ１７で加熱を開始すると、まず湿度を検出し（ステップ１９）、検出された湿度データをデジタルフィルタにかける（ステップ２０）。続いて、フィルタリングされたデータから湿度曲線の形状を表す特徴ベクトルを抽出する。特徴ベクトルの抽出後、基準が満たされているかどうかの判断が行われ、満たされていない場合には２秒カウントしてから、湿度検出のステップに戻る。基準が満たされていれば、抽出された特徴ベクトルをニューラルネットワークで処理することにより「でき加減指数」を求め、「でき加減指数」に基づいて加熱時間および電力レベルを決定する。これ以降の動作の流れは、図２のフローチャートと同じである。
【００４９】
図２のフローチャートでは、加熱時間の決定に実際に用いられる「でき加減指数」の算出から加熱時間の決定までの間に約２秒が経過するために、加熱時間、特に残りの加熱時間を決定する際にはこの時間の経過を考慮に入れなければならない。これに対して、図１２に示すフローチャートでは、加熱時間及び電力レベルの決定の際に、「でき加減指数」の算出から加熱時間の決定までの間の時間の経過を考慮に入れる必要はない。
【００５０】
ステップ２２における「でき加減指数」の計算がニューラルネットワークによって行われることは別として、ステップ１８および２０〜２５はコントローラ１４によって行われる。コントローラ４は、残る全てのステップをハードウエアおよび／あるいはソフトウエアにおいて具体化している。さらに、例えば絶対湿度センサ１０、および手動操作「開始」スイッチ（図示せず）からの入力データをコントローラ１４に供給するための適当なインターフェース、およびマグネトロン４を制御するためのコントローラ１４からの出力制御信号が図１１に示すように与えられる。
【００５１】
マイクロウエーブオーブン内で食品が加熱されると、食品はその物理的特性および食品が入れられている容器の種類に依存して水蒸気を放出する。加熱の進行と共に行われる絶対湿度の一連の測定によって、絶対湿度−時間の曲線が定まる。図３に、いくつかの典型的な種類の食品の近似的な湿度曲線を示す。湿度曲線のおおまかな形状は、線形、シグモイド（すなわち、「Ｓ」形状）、指数関数などの原始関数の組み合わせとして記載することができる。曲線３０は、スープなどのような、濃く、覆いをされていない液体の特性である。この液体は、急速に上昇し、漸近線に近づくような湿度を有する。この湿度変化の様子は、水蒸気の初期放出を支配するエッジ加熱効果、次いでより多くの液体表面が蒸気を放出するようにする伝導効果によるものである。曲線３２は、米およびパスタなどの前もって包装されている即席食品の特性である。このような曲線は、ほぼシグモイドである。曲線３４はコーヒーなどの低粘度液体の特性であり、これは沸騰するまで比較的線的な湿度を有する。
【００５２】
実際は、異なる種類の食品の湿度曲線の間にはかなりの重複があり、個々の食品の重さおよび包装によってさらに変更される。この重複のせいで、湿度曲線のみから個々の食品を特定することが困難になる。しかし、調理時間を決定するために食品の種類を明確に特定せずに絶対湿度曲線の形状情報が用いられることが実現されている。このような調理時間の決定は、訓練されたニューラルネットワークによってより簡便に行われる。このようなニューラルネットワークは、全ての湿度曲線に対して形状情報を効率的に一般化するように学習させられ得る。
【００５３】
ターンテーブル８があるせいで湿度の測定にシステマティックなノイズが生じる。もし、図４に示すように、カップに入ったスープ４０等の湿度の源がターンテーブル８の中心からずれたところに置かれていれば、カップのスープ４０とセンサ１０との間の距離は、ターンテーブル８の回転とともに周期的に変化する。このため、センサ１０の出力には、湿度測定に課せられる周期的に変化するアーティファクトが現れることになる。
【００５４】
デジタルフィルタリング２０は、ターンテーブルの回転による周期的に変化するアーティファクトを除去するように設定される。湿度センサ１０からの出力は有限インパルス応答（ＦＩＲ）ノッチフィルタを通される。このフィルタはＺ領域において単位円上に複素数対のゼロを有しており、ゼロの正の実軸に対する角度は２π（fr／fs）である。ただしfrはターンテーブルの回転の周波数であり、fsはセンサデータがサンプルされた周期である。典型的にはfrの値は1/12Hz、fsの値は1/2Hzである。この例に対するノッチフィルタの周波数応答およびＺ領域におけるゼロの位置は、図５に示されている。
【００５５】
デジタルフィルタリング２０は、さらに、高周波数のノイズ成分を除去するように、双線形変換を用いたバターワースプロトタイプから得られる無限インパルス応答（ＩＩＲ）フィルタを使って設計される。このＩＩＲフィルタは、一つの４次のフィルタとして実現される。このような設計によりほとんどタイムラグは生じず、また曲線に影響を与えそうな過大な位相の歪みを避けることもできる。
【００５６】
フィルタされた湿度データは、データ圧縮プロセスを行うことができるように特徴ベクトル抽出部２１に提示され、湿度曲線は、例えば１００以上もの多くの実数から構成されうる。湿度曲線は解析され、湿度曲線の目立った特性を要約する４成分特徴ベクトルによって表されるようになる。この４成分は、図６から図８に示されるように計算される。
【００５７】
湿度曲線は、時間に対する湿度変化の割合ｄＨ／ｄｔを見つけるように解析される。特徴ベクトルの第一の構成要素は、図７に示すように、時間に対する湿度変化の最大の変化率ｄＨmaxである。湿度変化率が最大であるときの湿度ＨdHmaxの値は、図６に示されているように第２の構成要素である。特徴ベクトルの第三の構成要素は、図８に示されているように、湿度が所定の値Ｈkに達するのにかかる時間Ｔである。第四の構成要素は、湿度の積分を、湿度が所定値Ｈkに達するまでに必要な時間で割ったときの平均湿度Ｈ0である。従って、Ｈ0は、図８の第一のカーブ４０についてはＡ1をＴ1で割る、図８の第二のカーブ４２についてはＡ2をＴ2で割るという計算により得られる。
【００５８】
ステップ２２において特徴ベクトルから「でき加減指数」を計算するためのニューラルネットワークの一例を図９に示す。このニューラネットワークは、多層パーセプトロンであり、４つの入力特徴と、１つの出力とを有する３層構造である。ネットワークの各要素は、その入力の重みづけられた加算を行い、バイアス値を引き、そしてその結果を非線形のシグモイド関数で計算する。このタイプのニューラルネットワークは、IEEE ASSP Magazine, April 1987, 第４〜２２頁のRichard P. Lippmannによる「An introduction of Computing with Neural Nets」に開示されている。
隠れ層（中間層）のユニットＹjの出力は、そのユニットがＮ個の入力Ｘi（ｉは１〜Ｎ）を有するとき、（数１）で表される。
【００５９】
【数１】
【００６０】
ここで、Ｗijは実数の重み、θjは実数のバイアス項、関数ｆ（）は以下の（数２）で表されるシグモイド閾値関数である。
【００６１】
【数２】
【００６２】
（数２）で表される式に類似した式を用いることもできる。同様に、第二層の処理ユニットからの出力Ｚは重みＷ’jおよびバイアス項θ’を用いて以下のように定義される。
【００６３】
【数３】
【００６４】
Ｍは中間層のユニットの数である。
【００６５】
ニューラルネットワークの関数は、入力される特徴ベクトルと「でき加減指数」の程度との間での非線形マッピングを形成することができる。このようなニューラルネットワークは、バックプロパゲーションと呼ばれる普通の反復計算を行うことによって訓練することができる。バックプロパゲーションでは、ネットワーク内の重みＷijおよびＷ’j、ならびにバイアスθおよびθ’を、訓練用のパターンに対する所望の出力と実際の出力との間の誤差Ｅの二乗平均を小さくするために変えていく。上で示した式を用いると、小さくしなければならない誤差関数は、次の（数４）で与えられる。
【００６６】
【数４】
【００６７】
t(p)は、ある特定の入力ベクトルX(p)=(Xi(p)、・・・・・・Xn(p))に対応する「でき加減指数」の目標値、ｐは特徴ベクトルの訓練セットにわたり１からＲまで変化する値、Ｒは訓練用のパターンセットにおけるそのパターンの番号である。
【００６８】
誤差Ｅが十分に小さくなると、ニューラルネットワークは所望のマッピングを学習したといえる。本ケースでは、ニューラルネットワークは、湿度曲線を、特徴ベクトルによって、訓練用データベース中のすべての食品例にわたって「でき加減指数」の所望の値に関連づけることを学習したことになる。
【００６９】
ニューラルネットワークの学習が終了すると、学習により決定された重み付け関数およびバイアス項は、図１１に示すようにコントローラ１４に接続されたメモリ１５に格納される。メモリ１５としては、例えば、Ｅ2ＰＲＯＭを用いることができる。あるいは、ニューラルネットワークはルックアップテーブルにマップされてもよい。こうすれば、特徴ベクトルの要素を、４次元入力空間を走査するようにシステマティックに変えていくことができる。入力値のセットに対するニューラルネットワークの出力値は、ルックアップテーブルに記録される。このようにしてコントローラ１４は、実際にネットワークをシミュレートしなくても、学習したニューラルネットワークとして働く。
【００７０】
ネットワークの訓練（学習）を以下に説明する。
【００７１】
図１０に、「でき加減指数」を求めるために用いられるニューラルネットワークの訓練段階におけるマイクロウェーブオーブン２の状態を示す。図１０に示すように、訓練段階では、オーブン２をコンピュータ６０に接続し、湿度センサ１０の出力をコンピュータ６０に与える。この状態で、オーブン２内で食品の調理をさまざまな種類の食品に対して行い、調理の進行と共にコンピュータ６０に湿度センサ１０からの出力を取り込む。各食品に対してセンサ１０からのデータが取り込まれると、コンピュータ６０は、データをサンプリングし、次いでデジタルフィルタにかけて、各食品に対する湿度曲線を定める。あわせて、各食品に対する最適の調理時間ＴOPTを、学習システムにおいて教師の役割を果たす熟練したコックにより見積もってコンピュータ６０に与える。
【００７２】
調理または加熱プロセスの全体にわたっての湿度曲線が食品の幅広いタイプに対して求められると、データの準備が行われる。「でき加減指数」は湿度曲線におけるよく定義された点、例えば湿度の変化率が最大に達した点において評価される。続いて、よく定義された点までの湿度曲線を表す一組のパラメータを抽出するために湿度曲線の処理が行われる。これらのパラメータは特徴ベクトルとして記憶される。特徴ベクトルは、ニューラルネットワークに必要な計算を減らすデータ圧縮ステップを示している。
【００７３】
学習データベースにおける全てのパターンに対して特徴ベクトルが計算されると、コンピュータ６０内でニューラルネットワークの訓練（学習）が行われる。ニューラルネットワークは多数の中間非線形処理ユニットを有しており、これらによって、特徴ベクトルを所望の「でき加減指数」の値にマップするための複雑な多次元カーブのフィッティングが行われる。「でき加減指数」を表すためには多くの指数が用いられるが、例えば訓練段階では以下のように定義することができる。
【００７４】
「でき加減指数」＝Ｔk／ＴOPT
したがって、「でき加減指数」はＴOPTを最適調理時間、Ｔkを曲線におけるある点、例えば湿度の変化率が最大になる点または湿度が固定された閾値Ｈkに達する点とすれば、残り時間の見積もりをパーセントで表していることになる。ニューラルネットワークの重みは、ネットワークによって見積もられる「でき加減指数」と、上に示した式によって定められる「でき加減指数」との誤差の二乗平均を小さくするように、訓練（学習）用データベース中の全てのパターンに応じて調整することができる。
【００７５】
訓練用データベースに対して出力誤差が十分に小さくなるとネットワークの訓練（学習）は終了する。学習が終了すると、学習の結果として得られた最終的な重みおよびバイアス項を、コンピュータ６０からメモリ１５にダウンロードする。
【００７６】
マイクロウェーブオーブン２の使用時には、コントローラ１４は、メモリ１５から重みおよびバイアス項を読み出し、これらを用いて特徴ベクトルの処理を行うことにより、上述したようにして学習されたニューラルネットワークをシミュレートする。より具体的には、実際の使用時には、コントローラ１４は、まず、絶対湿度センサ１０の出力信号を連続的にサンプリングする。サンプリングされた出力信号は、フィルタにかけられ、ある特定の時点、例えば湿度の最大変化率が検出される時点または湿度が固定された閾値Ｈkに達する時点まで微分される。このようにコントローラ１４は、図２のフローチャートに示されるような手順で湿度曲線の形状を表すパラメータを求める。続いてメモリ１５に格納されている重み付け関数およびバイアス項を用いて、求められたパラメータが入力されたときのニューラルネットワークの出力を評価することにより、「でき加減指数」を測定する。残りの調理時間は、この「でき加減指数」から決定される。例えば、残りの調理時間は、「でき加減指数」の逆数と「でき加減指数」が求められた時間Ｔkとをかけて得られる最適調理時間ＴOPTからＴkを引けば得ることができる。残りの調理時間が求まると、コントローラ１４は、マグネトロン４の制御を開ループ制御に切り替え、残りの調理時間が経過するまで調理または加熱を続ける。あるいは、残りの制御時間ではなく最適調理時間を求め、それに基づいて開ループ制御を行ってもよい。
【００７７】
開ループ制御中に、加熱装置の平均電力レベルは見積もられた調理時間に基づいて発見的なルールを用いて決定される。通常、均一な加熱を実現するために、電力のレベルは開ループ制御中には減少される。しかし、残り時間が、例えば１分未満であれば、電力レベルは最大レベルのまま維持されてもよい。
【００７８】
このようにして、ユーザの介入なしで、かつ食品の性質をはっきりと特定することなく食品を調理するのに必要な時間を決定することができる調理装置、および調理装置の制御方法を提供することができる。
【００７９】
【発明の効果】
以上説明したように、本発明では、湿度の時間に対する変化曲線の形状を表すパラメータを少なくとも１つ抽出し、それに基づいて、曲線上のある点においてどの程度調理または加熱が進んでいるかを示す数値である「でき加減指数」を求める。「でき加減指数」が求められると、この指数を用いて最適調理時間または残りの調理時間を決定し、決定された時間が経過するまで食品の調理または加熱を行う。したがって、食品の性質や種類に関する情報を必要とせずに自動調理を行う調理装置、または調理装置の制御方法を実現することができる。
【図面の簡単な説明】
【図１】本発明の１実施態様を構成するマイクロウエーブオーブンの概略図である。
【図２】図１のマイクロウエーブオーブンの動作の流れを示すフローチャートである。
【図３】異なる種類の食品の湿度曲線を示すグラフである。
【図４】湿度測定中のシステマティックな雑音源を示す概略図である。
【図５】ターンテーブルの回転による湿度測定におけるシステマティックなエラーを除去するためのノッチフィルタの周波数応答およびＺ領域図を示す。
【図６】時間に対する湿度を示すグラフの一例である。
【図７】図６に示される湿度曲線についての時間に対する湿度変化率を示すグラフである。
【図８】第１および第２の湿度曲線について湿度が所定値Ｈkに達する時間Ｔ1およびＴ2、ならびに加熱プロセスの開始から第１および第２の湿度曲線について、湿度が所定値Ｈkに達するまで計算された平均湿度Ａ1およびＡ2を示すグラフである。
【図９】多層パーセプトロンニューラルネットワークを示す概略図である。
【図１０】ニューラルネットワークを訓練する装置を示す概略図である。
【図１１】本発明の調理装置の概略構成を示す図である。
【図１２】図１のマイクロウエーブオーブンの動作の流れの他の例を示すフローチャートである。
【符号の説明】
２ マイクロウェーブオーブン
４ マグネトロン
６ 調理室
８ ターンテーブル
１０ 湿度センサ
１４ コントローラ
４０ 湿度源
６０ コンピュータ
【発明の属する技術分野】
本発明は、調理装置、調理装置の制御方法、および調理装置に対して用いられる制御装置に関し、特に自動制御を行う調理装置に関する。本発明の制御方法および制御装置は、特にマイクロウェーブを用いて調理を行う装置と共に用いられるのに適している。
【０００２】
【従来の技術】
家庭用機器内のセンサから得られるデータに応用された知的推理によって消費者への便宜を改善するという傾向が家庭用機器にある。この傾向の一例がセンサベースの自動調理であり、これは調理方法に関するの知識が消費者からはほとんど与えられないと仮定して新鮮な食品あるいは調理済み食品を加熱あるいは調理する過程である。このセンサベースの自動調理を実現するために、食品の状態を推断し、電力レベルおよび調理時間などの最適調理条件あるいは再加熱条件を決定するために調理装置内のセンサを用いる制御装置によって調理が制御される。
【０００３】
本明細書で用いられる用語「調理」は、食品の再加熱および乾燥プロセスを含むものであることが理解される。
【０００４】
最適調理条件は、食品の種類、重さ、初期温度および水分含有量などの食品に関連するパラメータに依存する。また、調理条件は、調理キャビティの加熱電力および物理的状態などの調理装置のパラメータにも依存する。パラメータが多く調理プロセスが本質的に明白ではないので、自動調理制御の問題の解決が本質的に困難になっている。
【０００５】
３つの主なアプローチがセンサベースの調理に用いられている。第１のアプローチでは、消費者がコントロールパネルを用いて食品の種類に関するデータを入力する。加熱の間にどの程度の量の蒸気が放出されるのかを測定するために湿度センサが用いられ、湿度が加熱されている食品についての所定値に達すると、ある公式が用いられて、残りの加熱時間が計算される。第２のアプローチは、調理されている食品の種類を特定するために湿度センサからのデータを解析するものである。食品が特定されると、各食品の種類に固有の所定の組の命令に従って調理が実行される。第３のアプローチは、複数タイプのセンサを用い、センサの出力から食品の種類を特定するという方法である。
【０００６】
これらの技術の例は、松下電器産業株式会社の日本特許第5-312328号、三洋電機（株）の特開平第4-292714号に開示されている。これらの技術においては、ニューラルネットワークが食品の種類を特定するために用いられ得る。
【０００７】
また、EP 0 615 400は、調理中に食品より放出されたアルコールあるいは蒸気を検知するためのアルコールセンサおよび蒸気センサを備えたマイクロウエーブオーブンを開示している。検知されたアルコールあるいは蒸気に関する情報は、調理されている食品の種類を決定するために用いられる。EP 0 595 569は、調理キャビティ内の気体の温度および体積を測定するためのセンサを備えたマイクロウエーブオーブンを開示している。このマイクロウェーブオーブンにおいても、測定により得られた情報は、調理されている食品の種類を決定するために用いられる。
【０００８】
【発明が解決しようとする課題】
しかし上述した３つのアプローチには、以下に述べるような問題があった。まず第１のアプローチでは、残りの加熱時間を計算するための公式は、一般的にそれぞれの食品に固有のものである。このため、調理されている食品が何であるかが特定されなければ、残りの加熱時間を計算することができない。したがって、広範な種類の食品を扱うためには、食品の種類を入力するために、多数の入力キーが必要となり得る。第２のアプローチでは、多数の入力キーは必要ないかもしれないが、１つの湿度センサを用いて特定され得る食品の種類は制限される。また、複数のセンサを用いるアプローチは、センサのコストの面からも、センサによって生成されるデータの解析に必要となる計算の複雑さの面からも比較的高価になる。
【０００９】
US 4 162 381は、調理キャビティ内の湿度および温度を感知するための相対湿度センサおよび温度センサを備えたマイクロウエーブオーブンを開示している。調理の制御は、各種類の食品には正確な調理サイクルを行う時間に対する湿度の特性曲線があるという仮定に基づいている。オーブンは、時間に対して測定された湿度を特性曲線と比較し、加熱プロセスの閉ループ制御により、加熱を調整して測定された湿度と特性曲線との誤差を最小にしている。しかし、このような制御を行う場合でも、正確な調理を行うためには、オーブンに食品の種類を特定させるかあるいは食品の種類をオーブンに知らせることが必要である。
【００１０】
同様の技術が、EP-0 000 957、EP-0 078 607、EP-0 024 798、EP-0 397 397、EP 0 023 971およびGB-2 206 425 に開示されている。
【００１１】
このように、従来の調理装置では、食品の種類が何であるかという情報が自動調理に必要であった。しかし、実際には新しい種類の商品がしばしば市場に導入され、既存の種類の食品の原材料および体積も頻繁に変化する。したがって、食品の種類を分類することは実際には困難であり、本質的に「ファジー」である。
【００１２】
本発明はこのような現状に鑑みてなされたものであり、その目的は、調理されている食品が何であるかを特定せずに、食品の自動調理を行うことのできる調理装置および調理方法を提供することである。
【００１３】
【課題を解決するための手段】
本発明の調理装置は、調理領域と、該調理領域内で食品を加熱する少なくとも１つの加熱装置と、該食品から発生した水蒸気によって変化する該調理領域内の湿度を検知する湿度センサと、該湿度センサによって該加熱装置による該食品の加熱開始からの湿度を所定時間毎に複数回検知し、湿度を検知するそれぞれの時点において、検知されたそれぞれの湿度に関する湿度データを、周期的に発生するノイズを除去するように設定されたデジタルフィルタリング手段によってデジタルフィルタリング処理し、該デジタルフィルタリング処理された湿度データから前記各時点までの湿度の時間変化の曲線形状を抽出して、抽出された曲線形状に基づいて調理の進み具合を示すでき加減指数を演算し、検知された湿度が所定の基準値に達した時点または検知された湿度の時間変化の割合が最大になった時点において、その時点における前記加減指数を求める演算手段と、該演算手段にて求められた前記でき加減指数に基づいて前記加熱装置を制御する加熱装置制御手段とを備え、前記演算手段は、湿度変化の最大の変化率ｄＨｍａｘと、湿度変化率が最大であるときの湿度Ｈｄｍａｘと、加熱が開始されてから所定の湿度Ｈｋに達するまでに要する時間Ｔと、加熱が開始されてから前記所定の湿度Ｈｋに達するまでの時間の平均湿度Ｈ０とに基づいて、前記でき加減指数をニューラルネットワークによって演算し、演算された前記でき加減指数に基づいて、前記食品の加熱調理を完了するために必要な加熱時間および前記加熱装置の電力レベルを決定し、前記加熱装置制御手段は、前記演算手段によって決定された加熱時間および電力レベルに基づいて前記加熱装置を開ループ制御することを特徴とする。
【００２１】
前記少なくとも１つの加熱装置はマイクロウェーブ源であってもよい。
【００２２】
前記湿度センサは絶対湿度センサであってもよい。
【００２３】
本発明の調理装置の制御方法は、調理領域、および該調理領域内で食品を加熱する少なくとも１つの加熱装置を有している調理装置の制御方法であって、該加熱装置による該食品の加熱により該食品から発生した水蒸気によって変化する該調理領域内の湿度を所定時間毎に複数回検知し、湿度を検知するそれぞれの時点において、検知されたそれぞれの湿度に関する湿度データを、周期的に発生するノイズを除去するように設定されたデジタルフィルタリング手段によってデジタルフィルタリング処理し、該デジタルフィルタリング処理された湿度データから前記各時点までの湿度の時間変化の曲線形状を抽出して、抽出された曲線形状に基づいて調理の進み具合を示すでき加減指数を演算し、検知された湿度が所定の基準値に達した時点または検知された湿度の時間変化の割合が最大になった時点において、その時点における前記でき加減指数を求める演算工程と、該演算工程にて求められた前記でき加減指数に基づいて前記加熱装置を制御する制御工程とを包含し、前記演算工程において、湿度変化の最大の変化率ｄＨｍａｘと、湿度変化率が最大であるときの湿度Ｈｄｍａｘと、加熱が開始されてから所定の湿度Ｈｋに達するまでに要する時間Ｔと、加熱が開始されてから前記所定の湿度Ｈｋに達するまでの時間の平均湿度Ｈ０とに基づいて、前記でき加減指数をニューラルネットワークによって演算し、演算された前記でき加減指数に基づいて、前記食品の加熱調理を完了するために必要な加熱時間および前記加熱装置の電力レベルを決定し、前記制御工程において、該演算工程において決定された加熱時間および電力レベルに基づいて前記加熱装置を開ループ制御することを特徴とする。
【００３１】
前記湿度センサは、絶対湿度センサであってもよい。
【００３２】
本発明の第１の局面によれば、調理領域と、該調理領域内の食品を加熱するための少なくとも１つの加熱装置と、該調理領域内の湿度を感知するための湿度センサとを備え、湿度センサによって行われた湿度測定に基づき食品の種類を特定せずに料理の「でき加減」の見積もりを行うように構成され、「でき加減」の見積もりに基づき少なくとも１つの加熱装置を制御するようにさらに構成された訓練されたニューラルネットワークを備えたデータプロセッサによって特徴づけられている調理装置が提供される。
【００３３】
本発明は、加熱されている食品の種類を特定することなく、料理の「でき加減」を数値で表す、でき加減指数を直接求めることによって、公知の技術の欠点を克服する。本明細書において、「でき加減指数」は、それまでにどの程度食品が調理されているかを意味するものとして定義され、例えば０％から１００％の間のパーセンテージで表され得る。したがって本発明によると、加熱されている食品の種類を分類した上で、その分類に基づいて残りの加熱時間や最適加熱時間を計算するのではなく、センサの測定値に所定の処理を施すことにより、直接、最適加熱時間、および電力レベル、さらには調理対象の食品に必要であれば調理プロセスの残りに要求される食品の加工（例えば、攪拌）のタイミングを求め得る。
【００３４】
好ましくは、データプロセッサは、食品の調理プロセス内における特定時点における料理の「でき加減指数」の見積もりを計算するように構成されている。そして、残りの調理時間は、この見積もりに基づいて計算され得る。この見積もりは、調理領域内の湿度変化率がピーク値に達したときに行われ得る。
【００３５】
ニューラルネットワークは専用ハードウエアの形態で具体化されるか、あるいはプログラム可能なデータプロセッサ内でシミュレートしてもよい。あるいは、ニューラルネットワークは、参照用テーブルとして実行されてもよい。
【００３６】
データプロセッサは、料理の「でき加減指数」の見積もりを行う前に、湿度データを解析し、そこから特徴ベクトルの１つ以上の要素を抽出するようにさらに構成されてもよい。特徴ベクトルの１つ以上の要素は、「でき加減指数」を見積もるためのデータプロセッサへの入力データとして用いられてもよい。
【００３７】
特徴ベクトルの１つ以上の要素は、湿度曲線（すなわち、時間に対する湿度のレベル）の形態情報を表す。特徴ベクトルの第１の要素は、時間に対する最大湿度変化率（ｄＨmax）を示し得る。特徴ベクトルの第２の要素は、最大湿度変化率における湿度の値（ＨdHmax）を示し得る。特徴ベクトルの第３の要素は、湿度が固定された閾値（Ｈk）と等しくなる時間（Ｔk）を示し得る。特徴ベクトルの第４の要素は、加熱プロセスの開始から時間Ｔkまでで計算された平均湿度（Ｈ0）を示し得る。
【００３８】
好ましくは、調理装置はマイクロウエーブオーブンである。マイクロウエーブオーブンは、グリルおよび／あるいは対流式加熱素子を有していてもよい。
【００３９】
好ましくは、湿度センサは絶対湿度センサである。湿度センサは、調理領域から湿った空気を抽出するための抽出ダクト内に位置してもよい。
【００４０】
データプロセッサは、専ら湿度測定に基づいて「でき加減指数」を見積もるように構成されてもよい。
【００４１】
本発明の第２の局面によると、調理領域および該調理領域にある食品を加熱するための少なくとも１つの加熱装置を備えた調理装置を制御する方法であって、該調理領域内の湿度の測定を複数回行う工程と、食品の種類を特定せずに料理の「でき加減指数」を見積もるために該湿度測定を用いる工程と、「でき加減指数」の見積もりに従って該少なくとも１つの加熱装置を制御する工程とを含む方法が提供される。
【００４２】
本発明の第３の局面によると、調理領域と、少なくとも１つの加熱装置と、湿度センサとを備えた調理装置を制御するための、湿度センサによって行われる湿度測定に基づき食品の種類を特定せずに料理の「でき加減指数」を見積もり、「でき加減指数」の見積もりに基づき該少なくとも１つの加熱装置を制御するように構成されている訓練されたニューラルネットワークを有するデータプロセッサを備えた制御装置が提供される。
【００４３】
マイクロウエーブオーブンなどの調理領域において加熱される食品の「でき加減指数」を確実に見積もるためには湿度測定を行えばよいことが見いだされている。さらに、食品の加熱を確実に完了するためにはこの「でき加減指数」の見積もりを行えばよいことが見いだされている。そのような食品の加熱の間には、食品の種類についての情報を供給したり得たりする必要はない。また、そのような食品の加熱の間には、食品の状態（例えば、何かで覆われているか、蓋をされているか、量、初期温度）についての情報を供給したり得たりする必要はない。食品の種類あるいは状態がユーザによって入力され得る実施態様を示すことも可能であるが、これは不可欠なものではなく、そのようなユーザの介在が必要ではない実施態様を示すことが可能である。データプロセッサは食品の種類あるいは状態を特定せず、その代わりに料理の「でき加減指数」の見積もりを直接行う。この見積もりが行われると、加熱は開ループ制御によって継続され得る。開ループ制御の間、加熱は湿度などのデータプロセッサへのいかなる入力パラメータにも依存しない。その代わりに、加熱継続時間、電力レベルおよびその他の加熱制御パラメータは料理の「でき加減指数」に従って固定され、加熱サイクルは継続し加熱サイクルの開ループ部分の間の測定された湿度とは無関係に完了する。単純な形態においては、料理の「でき加減指数」の見積もりは、いつ加熱を終了するかを決定するために用いられる。これは、例えば、加熱プロセスを完了するために他のパラメータを感知し、ユーザによって食品の種類あるいは状態が特定されること、あるいは加熱の間に食品の種類あるいは状態が得られることが必要となる、すべての公知の技術に対立する。従って、調理装置の製造コストを単純化し削減して、ユーザの介入が削減あるいは省かれ得る。
【００４４】
【発明の実施の形態】
図１に示されるマイクロウエーブオーブン２は、マイクロウエーブエネルギーを調理室６に運ぶためのマグネトロン４を備えている。図示していないが、オーブン２はグリル、対流式加熱素子などの他の加熱装置を備えていてもよい。調理室６は、食品の均一な調理を補助するように調理の間に回転するターンテーブル８を内部に備えている。絶対湿度センサ１０は、排気ダクト１２内に配置されている。排気ダクト１２は湿った空気を調理室６から除去する。コントローラ１４は湿度センサ１０からの出力を受け取り、マグネトロン４および存在するその他の加熱装置の動作を管理する。
【００４５】
図２はコントローラ１４の制御下でのマイクロウエーブオーブン２の動作を示すフローチャートである。また、図１１にマイクロウェーブオーブン２の構成を概略的に示す。図２のステップ１６において、例えば、ユーザが手動制御の操作を行うと、調理プロセスが開始される。この手動制御の操作は図１１に示すキー入力部９を介して行われ得、マイクロウェーブオーブン２の電源１１を入れる等の操作を含んでいる。キー入力部９から電源投入を示す信号を受け取ると、コントローラ１４は電源１１に制御信号を送り、電源を入れる。続いて、コントローラ１４は、マグネトロン４に対して制御信号を送り、オーブン２の調理室６内の食品の加熱を開始する（ステップ１７）。加熱は、所定の電力レベル、例えば最大電力でマグネトロン４を通電させることによって、存在するその他の加熱装置を用いてあるいは用いずに行われる。ステップ１８では、所定基準が満たされているかに関するテストが行われる。例えば、基準は、湿度が所定値まで達していること、あるいは湿度の傾斜が最大になることであり得る。
【００４６】
基準が満たされなければ、絶対湿度センサ１０により湿度が検出され（ステップ１９）、検出された湿度データから雑音を除去するためのフィルタリングが行われる（ステップ２０）。フィルタリングされた湿度データはステップ２１で解析され、フィルタリングされた湿度データの特徴ベクトルを表す複数のパラメータが抽出される。特徴ベクトルはコントローラ１４内のニューラルネットワークに供給され、ニューラルネットワークは食品の「でき加減指数」を計算する（ステップ２２）。次にコントローラ１４は、ステップ１８に制御を戻す前にステップ２３で２秒数える。したがって、マイクロウエーブオーブン２の動作の初期段階では、調理室６内の食品が加熱されていると同時に、ステップ１８から２３を含むサイクルがほぼ２秒ごとに繰り返される。
【００４７】
ステップ１８において、基準が満たされた（例えば、所定値の湿度に達した、あるいは時間に対する湿度の傾斜が最大になった）と判断されると、ステップ２４において、食品の「でき加減指数」を用いて加熱あるいは調理動作を完了するために必要な加熱時間および電力レベルの決定が行われる。オーブン２が１つ以上の加熱装置を有している場合、個々の加熱時間および電力レベルは異なる加熱装置に対してそれぞれ設定され得る。攪拌などの他の食品加工プロセスを行うタイミングもステップ２４で限定することができる。そして、マイクロウエーブオーブン２は、加熱を終了しなければならないことがステップ２５で確認されるまで、ステップ２４で限定された条件にしたがって動作し続ける。加熱終了時には、コントローラ１４からの制御信号が１つあるいは複数の加熱装置の各々に送られ、それぞれがオフにされる（ステップ２６）。このとき、加熱終了を示す表示を行う、あるいはアラームを鳴らす等により、ユーザに対して加熱の終了を知らせるようにしてもよい。図１１に、表示部１３ａやアラーム１３ｂを用いる例を示す。この例では、加熱終了時に、コントローラ１４からの制御信号が、加熱装置に対してだけではなく、表示部１３ａおよびアラーム１３ｂにも送られる。これでオーブン２の動作は完了する。
【００４８】
以上、オーブン２の動作の流れを図２を参照しながら説明したが、図１２に示すようにオーブン２を動作させることもできる。図１２のフローチャートでは、ステップ１７で加熱を開始すると、まず湿度を検出し（ステップ１９）、検出された湿度データをデジタルフィルタにかける（ステップ２０）。続いて、フィルタリングされたデータから湿度曲線の形状を表す特徴ベクトルを抽出する。特徴ベクトルの抽出後、基準が満たされているかどうかの判断が行われ、満たされていない場合には２秒カウントしてから、湿度検出のステップに戻る。基準が満たされていれば、抽出された特徴ベクトルをニューラルネットワークで処理することにより「でき加減指数」を求め、「でき加減指数」に基づいて加熱時間および電力レベルを決定する。これ以降の動作の流れは、図２のフローチャートと同じである。
【００４９】
図２のフローチャートでは、加熱時間の決定に実際に用いられる「でき加減指数」の算出から加熱時間の決定までの間に約２秒が経過するために、加熱時間、特に残りの加熱時間を決定する際にはこの時間の経過を考慮に入れなければならない。これに対して、図１２に示すフローチャートでは、加熱時間及び電力レベルの決定の際に、「でき加減指数」の算出から加熱時間の決定までの間の時間の経過を考慮に入れる必要はない。
【００５０】
ステップ２２における「でき加減指数」の計算がニューラルネットワークによって行われることは別として、ステップ１８および２０〜２５はコントローラ１４によって行われる。コントローラ４は、残る全てのステップをハードウエアおよび／あるいはソフトウエアにおいて具体化している。さらに、例えば絶対湿度センサ１０、および手動操作「開始」スイッチ（図示せず）からの入力データをコントローラ１４に供給するための適当なインターフェース、およびマグネトロン４を制御するためのコントローラ１４からの出力制御信号が図１１に示すように与えられる。
【００５１】
マイクロウエーブオーブン内で食品が加熱されると、食品はその物理的特性および食品が入れられている容器の種類に依存して水蒸気を放出する。加熱の進行と共に行われる絶対湿度の一連の測定によって、絶対湿度−時間の曲線が定まる。図３に、いくつかの典型的な種類の食品の近似的な湿度曲線を示す。湿度曲線のおおまかな形状は、線形、シグモイド（すなわち、「Ｓ」形状）、指数関数などの原始関数の組み合わせとして記載することができる。曲線３０は、スープなどのような、濃く、覆いをされていない液体の特性である。この液体は、急速に上昇し、漸近線に近づくような湿度を有する。この湿度変化の様子は、水蒸気の初期放出を支配するエッジ加熱効果、次いでより多くの液体表面が蒸気を放出するようにする伝導効果によるものである。曲線３２は、米およびパスタなどの前もって包装されている即席食品の特性である。このような曲線は、ほぼシグモイドである。曲線３４はコーヒーなどの低粘度液体の特性であり、これは沸騰するまで比較的線的な湿度を有する。
【００５２】
実際は、異なる種類の食品の湿度曲線の間にはかなりの重複があり、個々の食品の重さおよび包装によってさらに変更される。この重複のせいで、湿度曲線のみから個々の食品を特定することが困難になる。しかし、調理時間を決定するために食品の種類を明確に特定せずに絶対湿度曲線の形状情報が用いられることが実現されている。このような調理時間の決定は、訓練されたニューラルネットワークによってより簡便に行われる。このようなニューラルネットワークは、全ての湿度曲線に対して形状情報を効率的に一般化するように学習させられ得る。
【００５３】
ターンテーブル８があるせいで湿度の測定にシステマティックなノイズが生じる。もし、図４に示すように、カップに入ったスープ４０等の湿度の源がターンテーブル８の中心からずれたところに置かれていれば、カップのスープ４０とセンサ１０との間の距離は、ターンテーブル８の回転とともに周期的に変化する。このため、センサ１０の出力には、湿度測定に課せられる周期的に変化するアーティファクトが現れることになる。
【００５４】
デジタルフィルタリング２０は、ターンテーブルの回転による周期的に変化するアーティファクトを除去するように設定される。湿度センサ１０からの出力は有限インパルス応答（ＦＩＲ）ノッチフィルタを通される。このフィルタはＺ領域において単位円上に複素数対のゼロを有しており、ゼロの正の実軸に対する角度は２π（fr／fs）である。ただしfrはターンテーブルの回転の周波数であり、fsはセンサデータがサンプルされた周期である。典型的にはfrの値は1/12Hz、fsの値は1/2Hzである。この例に対するノッチフィルタの周波数応答およびＺ領域におけるゼロの位置は、図５に示されている。
【００５５】
デジタルフィルタリング２０は、さらに、高周波数のノイズ成分を除去するように、双線形変換を用いたバターワースプロトタイプから得られる無限インパルス応答（ＩＩＲ）フィルタを使って設計される。このＩＩＲフィルタは、一つの４次のフィルタとして実現される。このような設計によりほとんどタイムラグは生じず、また曲線に影響を与えそうな過大な位相の歪みを避けることもできる。
【００５６】
フィルタされた湿度データは、データ圧縮プロセスを行うことができるように特徴ベクトル抽出部２１に提示され、湿度曲線は、例えば１００以上もの多くの実数から構成されうる。湿度曲線は解析され、湿度曲線の目立った特性を要約する４成分特徴ベクトルによって表されるようになる。この４成分は、図６から図８に示されるように計算される。
【００５７】
湿度曲線は、時間に対する湿度変化の割合ｄＨ／ｄｔを見つけるように解析される。特徴ベクトルの第一の構成要素は、図７に示すように、時間に対する湿度変化の最大の変化率ｄＨmaxである。湿度変化率が最大であるときの湿度ＨdHmaxの値は、図６に示されているように第２の構成要素である。特徴ベクトルの第三の構成要素は、図８に示されているように、湿度が所定の値Ｈkに達するのにかかる時間Ｔである。第四の構成要素は、湿度の積分を、湿度が所定値Ｈkに達するまでに必要な時間で割ったときの平均湿度Ｈ0である。従って、Ｈ0は、図８の第一のカーブ４０についてはＡ1をＴ1で割る、図８の第二のカーブ４２についてはＡ2をＴ2で割るという計算により得られる。
【００５８】
ステップ２２において特徴ベクトルから「でき加減指数」を計算するためのニューラルネットワークの一例を図９に示す。このニューラネットワークは、多層パーセプトロンであり、４つの入力特徴と、１つの出力とを有する３層構造である。ネットワークの各要素は、その入力の重みづけられた加算を行い、バイアス値を引き、そしてその結果を非線形のシグモイド関数で計算する。このタイプのニューラルネットワークは、IEEE ASSP Magazine, April 1987, 第４〜２２頁のRichard P. Lippmannによる「An introduction of Computing with Neural Nets」に開示されている。
隠れ層（中間層）のユニットＹjの出力は、そのユニットがＮ個の入力Ｘi（ｉは１〜Ｎ）を有するとき、（数１）で表される。
【００５９】
【数１】
ここで、Ｗijは実数の重み、θjは実数のバイアス項、関数ｆ（）は以下の（数２）で表されるシグモイド閾値関数である。
【００６１】
【数２】
（数２）で表される式に類似した式を用いることもできる。同様に、第二層の処理ユニットからの出力Ｚは重みＷ’jおよびバイアス項θ’を用いて以下のように定義される。
【００６３】
【数３】
Ｍは中間層のユニットの数である。
【００６５】
ニューラルネットワークの関数は、入力される特徴ベクトルと「でき加減指数」の程度との間での非線形マッピングを形成することができる。このようなニューラルネットワークは、バックプロパゲーションと呼ばれる普通の反復計算を行うことによって訓練することができる。バックプロパゲーションでは、ネットワーク内の重みＷijおよびＷ’j、ならびにバイアスθおよびθ’を、訓練用のパターンに対する所望の出力と実際の出力との間の誤差Ｅの二乗平均を小さくするために変えていく。上で示した式を用いると、小さくしなければならない誤差関数は、次の（数４）で与えられる。
【００６６】
【数４】
t(p)は、ある特定の入力ベクトルX(p)=(Xi(p)、・・・・・・Xn(p))に対応する「でき加減指数」の目標値、ｐは特徴ベクトルの訓練セットにわたり１からＲまで変化する値、Ｒは訓練用のパターンセットにおけるそのパターンの番号である。
【００６８】
誤差Ｅが十分に小さくなると、ニューラルネットワークは所望のマッピングを学習したといえる。本ケースでは、ニューラルネットワークは、湿度曲線を、特徴ベクトルによって、訓練用データベース中のすべての食品例にわたって「でき加減指数」の所望の値に関連づけることを学習したことになる。
【００６９】
ニューラルネットワークの学習が終了すると、学習により決定された重み付け関数およびバイアス項は、図１１に示すようにコントローラ１４に接続されたメモリ１５に格納される。メモリ１５としては、例えば、Ｅ2ＰＲＯＭを用いることができる。あるいは、ニューラルネットワークはルックアップテーブルにマップされてもよい。こうすれば、特徴ベクトルの要素を、４次元入力空間を走査するようにシステマティックに変えていくことができる。入力値のセットに対するニューラルネットワークの出力値は、ルックアップテーブルに記録される。このようにしてコントローラ１４は、実際にネットワークをシミュレートしなくても、学習したニューラルネットワークとして働く。
【００７０】
ネットワークの訓練（学習）を以下に説明する。
【００７１】
図１０に、「でき加減指数」を求めるために用いられるニューラルネットワークの訓練段階におけるマイクロウェーブオーブン２の状態を示す。図１０に示すように、訓練段階では、オーブン２をコンピュータ６０に接続し、湿度センサ１０の出力をコンピュータ６０に与える。この状態で、オーブン２内で食品の調理をさまざまな種類の食品に対して行い、調理の進行と共にコンピュータ６０に湿度センサ１０からの出力を取り込む。各食品に対してセンサ１０からのデータが取り込まれると、コンピュータ６０は、データをサンプリングし、次いでデジタルフィルタにかけて、各食品に対する湿度曲線を定める。あわせて、各食品に対する最適の調理時間ＴOPTを、学習システムにおいて教師の役割を果たす熟練したコックにより見積もってコンピュータ６０に与える。
【００７２】
調理または加熱プロセスの全体にわたっての湿度曲線が食品の幅広いタイプに対して求められると、データの準備が行われる。「でき加減指数」は湿度曲線におけるよく定義された点、例えば湿度の変化率が最大に達した点において評価される。続いて、よく定義された点までの湿度曲線を表す一組のパラメータを抽出するために湿度曲線の処理が行われる。これらのパラメータは特徴ベクトルとして記憶される。特徴ベクトルは、ニューラルネットワークに必要な計算を減らすデータ圧縮ステップを示している。
【００７３】
学習データベースにおける全てのパターンに対して特徴ベクトルが計算されると、コンピュータ６０内でニューラルネットワークの訓練（学習）が行われる。ニューラルネットワークは多数の中間非線形処理ユニットを有しており、これらによって、特徴ベクトルを所望の「でき加減指数」の値にマップするための複雑な多次元カーブのフィッティングが行われる。「でき加減指数」を表すためには多くの指数が用いられるが、例えば訓練段階では以下のように定義することができる。
【００７４】
「でき加減指数」＝Ｔk／ＴOPT
したがって、「でき加減指数」はＴOPTを最適調理時間、Ｔkを曲線におけるある点、例えば湿度の変化率が最大になる点または湿度が固定された閾値Ｈkに達する点とすれば、残り時間の見積もりをパーセントで表していることになる。ニューラルネットワークの重みは、ネットワークによって見積もられる「でき加減指数」と、上に示した式によって定められる「でき加減指数」との誤差の二乗平均を小さくするように、訓練（学習）用データベース中の全てのパターンに応じて調整することができる。
【００７５】
訓練用データベースに対して出力誤差が十分に小さくなるとネットワークの訓練（学習）は終了する。学習が終了すると、学習の結果として得られた最終的な重みおよびバイアス項を、コンピュータ６０からメモリ１５にダウンロードする。
【００７６】
マイクロウェーブオーブン２の使用時には、コントローラ１４は、メモリ１５から重みおよびバイアス項を読み出し、これらを用いて特徴ベクトルの処理を行うことにより、上述したようにして学習されたニューラルネットワークをシミュレートする。より具体的には、実際の使用時には、コントローラ１４は、まず、絶対湿度センサ１０の出力信号を連続的にサンプリングする。サンプリングされた出力信号は、フィルタにかけられ、ある特定の時点、例えば湿度の最大変化率が検出される時点または湿度が固定された閾値Ｈkに達する時点まで微分される。このようにコントローラ１４は、図２のフローチャートに示されるような手順で湿度曲線の形状を表すパラメータを求める。続いてメモリ１５に格納されている重み付け関数およびバイアス項を用いて、求められたパラメータが入力されたときのニューラルネットワークの出力を評価することにより、「でき加減指数」を測定する。残りの調理時間は、この「でき加減指数」から決定される。例えば、残りの調理時間は、「でき加減指数」の逆数と「でき加減指数」が求められた時間Ｔkとをかけて得られる最適調理時間ＴOPTからＴkを引けば得ることができる。残りの調理時間が求まると、コントローラ１４は、マグネトロン４の制御を開ループ制御に切り替え、残りの調理時間が経過するまで調理または加熱を続ける。あるいは、残りの制御時間ではなく最適調理時間を求め、それに基づいて開ループ制御を行ってもよい。
【００７７】
開ループ制御中に、加熱装置の平均電力レベルは見積もられた調理時間に基づいて発見的なルールを用いて決定される。通常、均一な加熱を実現するために、電力のレベルは開ループ制御中には減少される。しかし、残り時間が、例えば１分未満であれば、電力レベルは最大レベルのまま維持されてもよい。
【００７８】
このようにして、ユーザの介入なしで、かつ食品の性質をはっきりと特定することなく食品を調理するのに必要な時間を決定することができる調理装置、および調理装置の制御方法を提供することができる。
【００７９】
【発明の効果】
以上説明したように、本発明では、湿度の時間に対する変化曲線の形状を表すパラメータを少なくとも１つ抽出し、それに基づいて、曲線上のある点においてどの程度調理または加熱が進んでいるかを示す数値である「でき加減指数」を求める。「でき加減指数」が求められると、この指数を用いて最適調理時間または残りの調理時間を決定し、決定された時間が経過するまで食品の調理または加熱を行う。したがって、食品の性質や種類に関する情報を必要とせずに自動調理を行う調理装置、または調理装置の制御方法を実現することができる。
【図面の簡単な説明】
【図１】本発明の１実施態様を構成するマイクロウエーブオーブンの概略図である。
【図２】図１のマイクロウエーブオーブンの動作の流れを示すフローチャートである。
【図３】異なる種類の食品の湿度曲線を示すグラフである。
【図４】湿度測定中のシステマティックな雑音源を示す概略図である。
【図５】ターンテーブルの回転による湿度測定におけるシステマティックなエラーを除去するためのノッチフィルタの周波数応答およびＺ領域図を示す。
【図６】時間に対する湿度を示すグラフの一例である。
【図７】図６に示される湿度曲線についての時間に対する湿度変化率を示すグラフである。
【図８】第１および第２の湿度曲線について湿度が所定値Ｈkに達する時間Ｔ1およびＴ2、ならびに加熱プロセスの開始から第１および第２の湿度曲線について、湿度が所定値Ｈkに達するまで計算された平均湿度Ａ1およびＡ2を示すグラフである。
【図９】多層パーセプトロンニューラルネットワークを示す概略図である。
【図１０】ニューラルネットワークを訓練する装置を示す概略図である。
【図１１】本発明の調理装置の概略構成を示す図である。
【図１２】図１のマイクロウエーブオーブンの動作の流れの他の例を示すフローチャートである。
【符号の説明】
２ マイクロウェーブオーブン
４ マグネトロン
６ 調理室
８ ターンテーブル
１０ 湿度センサ
１４ コントローラ
４０ 湿度源
６０ コンピュータ
Claims (5)
- 調理領域と、
該調理領域内で食品を加熱する少なくとも１つの加熱装置と、
該食品から発生した水蒸気によって変化する該調理領域内の湿度を検知する湿度センサと、
該湿度センサによって該加熱装置による該食品の加熱開始からの湿度を所定時間毎に複数回検知し、湿度を検知するそれぞれの時点において、検知されたそれぞれの湿度に関する湿度データを、周期的に発生するノイズを除去するように設定されたデジタルフィルタリング手段によってデジタルフィルタリング処理し、該デジタルフィルタリング処理された湿度データから前記各時点までの湿度の時間変化の曲線形状を抽出して、抽出された曲線形状に基づいて調理の進み具合を示すでき加減指数を演算し、検知された湿度が所定の基準値に達した時点または検知された湿度の時間変化の割合が最大になった時点において、その時点における前記加減指数を求める演算手段と、
該演算手段にて求められた前記でき加減指数に基づいて前記加熱装置を制御する加熱装置制御手段とを備え、
前記演算手段は、湿度変化の最大の変化率ｄＨｍａｘと、湿度変化率が最大であるときの湿度Ｈｄｍａｘと、加熱が開始されてから所定の湿度Ｈｋに達するまでに要する時間Ｔと、加熱が開始されてから前記所定の湿度Ｈｋに達するまでの時間の平均湿度Ｈ０とに基づいて、前記でき加減指数をニューラルネットワークによって演算し、演算された前記でき加減指数に基づいて、前記食品の加熱調理を完了するために必要な加熱時間および前記加熱装置の電力レベルを決定し、
前記加熱装置制御手段は、前記演算手段によって決定された加熱時間および電力レベルに基づいて前記加熱装置を開ループ制御することを特徴とする調理装置。 - 前記少なくとも１つの加熱装置はマイクロウェーブ源である、請求項１に記載の調理装置。
- 前記湿度センサは絶対湿度センサである、請求項１または２に記載の調理装置。
- 調理領域、および該調理領域内で食品を加熱する少なくとも１つの加熱装置を有している調理装置の制御方法であって、
該加熱装置による該食品の加熱により該食品から発生した水蒸気によって変化する該調理領域内の湿度を所定時間毎に複数回検知し、湿度を検知するそれぞれの時点において、検知されたそれぞれの湿度に関する湿度データを、周期的に発生するノイズを除去するように設定されたデジタルフィルタリング手段によってデジタルフィルタリング処理し、該デジタルフィルタリング処理された湿度データから前記各時点までの湿度の時間変化の曲線形状を抽出して、抽出された曲線形状に基づいて調理の進み具合を示すでき加減指数を演算し、検知された湿度が所定の基準値に達した時点または検知された湿度の時間変化の割合が最大になった時点において、その時点における前記でき加減指数を求める演算工程と、
該演算工程にて求められた前記でき加減指数に基づいて前記加熱装置を制御する制御工程とを包含し、
前記演算工程において、湿度変化の最大の変化率ｄＨｍａｘと、湿度変化率が最大であるときの湿度Ｈｄｍａｘと、加熱が開始されてから所定の湿度Ｈｋに達するまでに要する時間Ｔと、加熱が開始されてから前記所定の湿度Ｈｋに達するまでの時間の平均湿度Ｈ０とに基づいて、前記でき加減指数をニューラルネットワークによって演算し、演算された前記でき加減指数に基づいて、前記食品の加熱調理を完了するために必要な加熱時間および前記加熱装置の電力レベルを決定し、
前記制御工程において、該演算工程において決定された加熱時間および電力レベルに基づいて前記加熱装置を開ループ制御することを特徴とする調理装置の制御方法。 - 前記湿度センサは、絶対湿度センサである、請求項４に記載の調理装置の制御方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB9418052.8 | 1994-09-07 | ||
| GB9418052A GB2293027A (en) | 1994-09-07 | 1994-09-07 | Apparatus for and method of controlling a microwave oven |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0886448A JPH0886448A (ja) | 1996-04-02 |
| JP3818601B2 true JP3818601B2 (ja) | 2006-09-06 |
Family
ID=10760996
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23041695A Expired - Fee Related JP3818601B2 (ja) | 1994-09-07 | 1995-09-07 | 調理装置および調理装置の制御方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US5681496A (ja) |
| EP (1) | EP0701387B1 (ja) |
| JP (1) | JP3818601B2 (ja) |
| AU (1) | AU701859B2 (ja) |
| DE (1) | DE69519775T2 (ja) |
| GB (1) | GB2293027A (ja) |
Families Citing this family (69)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE506605C2 (sv) * | 1996-05-31 | 1998-01-19 | Whirlpool Europ | Förfarande för styrd kokning i en mikrovågsugn, sådan ugn och dess användning |
| US6133558A (en) * | 1996-06-24 | 2000-10-17 | Matsushita Electric Industrial Co., Ltd. | Microwave steam heater with microwave and steam generators controlled to equalize workpiece inner and surface temperatures |
| DE19718399A1 (de) | 1997-04-30 | 1998-11-05 | Rational Gmbh | Verfahren zum individuellen Führen eines Garprozesses und zugehöriges Gargerät |
| US6033912A (en) * | 1997-11-13 | 2000-03-07 | Milestone S.R.L. | Method of controlling a chemical process heated by microwave radiation |
| FR2773872B1 (fr) * | 1998-01-22 | 2000-03-31 | Sgs Thomson Microelectronics | Procede de commande d'un four electrique et dispositif pour sa mise en oeuvre |
| US6410066B1 (en) | 1998-11-06 | 2002-06-25 | Fmc Technologies, Inc. | Controller and method for administering and providing on-line handling of deviations in a continuous oven cooking process |
| US6472008B2 (en) | 1998-11-06 | 2002-10-29 | Fmc Technologies, Inc. | Method for administering and providing on-line correction of a batch sterilization process |
| US6416711B2 (en) | 1998-11-06 | 2002-07-09 | Fmc Technologies, Inc. | Controller and method for administering and providing on-line handling of deviations in a rotary sterilization process |
| US6440361B2 (en) | 1998-11-06 | 2002-08-27 | Fmc Technologies, Inc. | Controller and method for administering and providing on-line handling of deviations in a hydrostatic sterilization process |
| WO2000049838A1 (en) * | 1999-02-16 | 2000-08-24 | Rutgers, The State University | Intelligent multi-modal food preparation appliance |
| US6153860A (en) | 1999-03-01 | 2000-11-28 | Fmc Corporation | System, controller, computer readable memory, and method for precise on-line control of heat transfer in a food preparation process |
| DE69927937T2 (de) * | 1999-03-08 | 2006-04-20 | Werner Lautenschläger | Verfahren zum Kontrollieren einer durch Mikrowellenbestrahlung geheizten chemischen Reaktion |
| US6433693B1 (en) * | 2000-07-31 | 2002-08-13 | General Electric Company | Apparatus and method for boil phase detection based on acoustic signal features |
| DE10109156C2 (de) * | 2001-02-24 | 2003-01-09 | Diehl Ako Stiftung Gmbh & Co | Intelligente Haushaltsgrossgeräte |
| US6538240B1 (en) * | 2001-12-07 | 2003-03-25 | Samsung Electronics Co., Ltd. | Method and apparatus for controlling a microwave oven |
| KR100474709B1 (ko) | 2001-12-10 | 2005-03-08 | 삼성전자주식회사 | 이동통신 시스템의 협대역 간섭신호 제거장치 및 방법 |
| US6862494B2 (en) * | 2001-12-13 | 2005-03-01 | General Electric Company | Automated cooking system for food accompanied by machine readable indicia |
| DE10300465A1 (de) * | 2003-01-09 | 2004-07-29 | Rational Ag | Garen unter Ausnutzung einer Cluster-Analyse und Gargeräte hierfür |
| DE10324881A1 (de) * | 2003-05-30 | 2004-12-30 | Demag Cranes & Components Gmbh | Schnittstellenschaltung für die Ansteuerung eines elektrischen Verbrauchers und Schaltungsanordnung für die Ansteuerung eines Elektromotors hiermit |
| DE10327861B4 (de) | 2003-06-18 | 2006-05-11 | Miele & Cie. Kg | Verfahren zur Steuerung eines Garvorgangs bei einem Gargerät und Gargerät |
| DE10327864B4 (de) * | 2003-06-18 | 2006-02-09 | Miele & Cie. Kg | Verfahren zur berührungslosen Steuerung eines Garvorgangs bei einem Gargerät und Gargerät |
| DE10336114A1 (de) | 2003-08-06 | 2005-02-24 | BSH Bosch und Siemens Hausgeräte GmbH | Gargerät mit einer Bräunungssensorvorrichtung |
| DE102004049927A1 (de) * | 2004-10-14 | 2006-04-27 | Miele & Cie. Kg | Verfahren zur Steuerung eines Garvorgangs bei einem Gargerät |
| DE202004018718U1 (de) † | 2004-12-03 | 2006-04-13 | Rational Ag | Gargerät zum komplett automatischen Garen |
| DE102005011305A1 (de) * | 2005-03-07 | 2006-09-14 | E.G.O. Elektro-Gerätebau GmbH | Verfahren und Vorrichtung zur Regelung von Garvorgängen in einem Garraum |
| FR2900532B1 (fr) * | 2006-04-27 | 2014-10-10 | Brandt Ind | Procede de chauffage d'une boisson et four a micro-ondes adapte a mettre en oeuvre le procede |
| EP1927810B1 (en) * | 2006-11-24 | 2012-04-18 | Electrolux Home Products Corporation N.V. | A method and an apparatus for determining the residual time until a cooking process of a foodstuff has been finished |
| DE102007003225A1 (de) * | 2007-01-15 | 2008-07-17 | E.G.O. Elektro-Gerätebau GmbH | Verfahren und Gargerät zur Regelung von Garvorgängen in einem Garraum |
| DE102007040316A1 (de) | 2007-08-24 | 2009-02-26 | Rational Ag | Verfahren zur Anzeige einer Restgarzeit |
| US8173188B2 (en) * | 2008-02-07 | 2012-05-08 | Sharp Kabushiki Kaisha | Method of controlling heating cooking apparatus |
| DE102012222165A1 (de) * | 2012-12-04 | 2014-06-05 | BSH Bosch und Siemens Hausgeräte GmbH | Gargerät |
| MX366270B (es) | 2012-12-04 | 2019-07-04 | Genannt Wersborg Ingo Stork | Sistema de monitoreo de tratamiento termico. |
| JP6076875B2 (ja) * | 2013-09-30 | 2017-02-08 | シャープ株式会社 | 調理支援装置、および、調理支援方法 |
| US11547132B2 (en) | 2014-04-23 | 2023-01-10 | Koninklijke Philips N.V. | Method and cooking apparatus for controlling a food cooking process |
| US11836650B2 (en) | 2016-01-27 | 2023-12-05 | Microsoft Technology Licensing, Llc | Artificial intelligence engine for mixing and enhancing features from one or more trained pre-existing machine-learning models |
| US10586173B2 (en) | 2016-01-27 | 2020-03-10 | Bonsai AI, Inc. | Searchable database of trained artificial intelligence objects that can be reused, reconfigured, and recomposed, into one or more subsequent artificial intelligence models |
| US11775850B2 (en) | 2016-01-27 | 2023-10-03 | Microsoft Technology Licensing, Llc | Artificial intelligence engine having various algorithms to build different concepts contained within a same AI model |
| US20180357543A1 (en) * | 2016-01-27 | 2018-12-13 | Bonsai AI, Inc. | Artificial intelligence system configured to measure performance of artificial intelligence over time |
| US11841789B2 (en) | 2016-01-27 | 2023-12-12 | Microsoft Technology Licensing, Llc | Visual aids for debugging |
| US11868896B2 (en) | 2016-01-27 | 2024-01-09 | Microsoft Technology Licensing, Llc | Interface for working with simulations on premises |
| JP6147378B1 (ja) * | 2016-02-15 | 2017-06-14 | 株式会社太幸 | 米飯成形装置の制御方法及び米飯成形装置 |
| JP6811307B2 (ja) | 2016-09-22 | 2021-01-13 | パナソニック株式会社 | 無線周波数電磁エネルギー供給のための方法およびシステム |
| CN107918483A (zh) * | 2016-10-10 | 2018-04-17 | 佛山市顺德区美的电热电器制造有限公司 | 智能家电的烹饪控制系统、虚拟现实投影装置和云服务器 |
| EP3530075A4 (en) | 2016-10-19 | 2020-05-27 | Whirlpool Corporation | METHOD AND DEVICE FOR ELECTROMAGNETIC COOKING BY MEANS OF CONTROL IN THE CLOSED CONTROL CIRCUIT |
| WO2018075025A1 (en) | 2016-10-19 | 2018-04-26 | Whirlpool Corporation | Food load cooking time modulation |
| WO2018075030A1 (en) | 2016-10-19 | 2018-04-26 | Whirlpool Corporation | System and method for food preparation utilizing a multi-layer model |
| CN110049699B (zh) | 2016-12-08 | 2021-05-07 | 皇家飞利浦有限公司 | 食物加工设备、控制装置和操作方法 |
| US11197355B2 (en) | 2016-12-22 | 2021-12-07 | Whirlpool Corporation | Method and device for electromagnetic cooking using non-centered loads |
| US11202348B2 (en) | 2016-12-22 | 2021-12-14 | Whirlpool Corporation | Method and device for electromagnetic cooking using non-centered loads management through spectromodal axis rotation |
| EP3563629B1 (en) | 2016-12-29 | 2022-11-30 | Whirlpool Corporation | System and method for analyzing a frequency response of an electromagnetic cooking device |
| JP6830151B2 (ja) | 2016-12-29 | 2021-02-17 | パナソニック株式会社 | 自動沸騰検出を備えた電磁調理装置および電磁調理装置の調理を制御する方法 |
| EP3563630B1 (en) | 2016-12-29 | 2021-09-08 | Whirlpool Corporation | System and method for controlling a heating distribution in an electromagnetic cooking device |
| US11917743B2 (en) | 2016-12-29 | 2024-02-27 | Whirlpool Corporation | Electromagnetic cooking device with automatic melt operation and method of controlling cooking in the electromagnetic cooking device |
| US11412585B2 (en) | 2016-12-29 | 2022-08-09 | Whirlpool Corporation | Electromagnetic cooking device with automatic anti-splatter operation |
| WO2018125143A1 (en) | 2016-12-29 | 2018-07-05 | Whirlpool Corporation | Detecting changes in food load characteristics using q-factor |
| EP3563635B1 (en) | 2016-12-29 | 2022-09-28 | Whirlpool Corporation | Electromagnetic cooking device with automatic liquid heating and method of controlling cooking in the electromagnetic cooking device |
| WO2018125145A1 (en) | 2016-12-29 | 2018-07-05 | Whirlpool Corporation | System and method for detecting changes in food load characteristics using coefficient of variation of efficiency |
| US11483906B2 (en) * | 2016-12-29 | 2022-10-25 | Whirlpool Corporation | System and method for detecting cooking level of food load |
| WO2018125130A1 (en) | 2016-12-29 | 2018-07-05 | Whirlpool Corporation | System and method for controlling power for a cooking device |
| EP3563632B1 (en) | 2016-12-29 | 2023-01-18 | Whirlpool Corporation | Electromagnetic cooking device with automatic popcorn popping feature and method of controlling cooking in the electromagnetic device |
| CN109287687B (zh) * | 2018-09-29 | 2021-04-13 | 广东科学技术职业学院 | 一种基于深度学习的智能烘烤装置以及方法 |
| CN109287021B (zh) * | 2018-10-15 | 2021-01-12 | 南京航空航天大学 | 一种基于在线学习的微波加热温度场智能监控方法 |
| EP3760085A1 (en) | 2019-07-05 | 2021-01-06 | Koninklijke Philips N.V. | A cooking device and cooking method |
| EP3760086A1 (en) | 2019-07-05 | 2021-01-06 | Koninklijke Philips N.V. | A cooking device and cooking method |
| KR20210056173A (ko) * | 2019-11-08 | 2021-05-18 | 엘지전자 주식회사 | 인공지능 조리 기기 |
| DE102019219748A1 (de) * | 2019-12-16 | 2021-06-17 | Siemens Mobility GmbH | Verfahren zum Bestimmen mindestens eines zu bestimmenden Restzeitwerts für eine Anlage |
| CN113491447B (zh) * | 2020-03-20 | 2022-08-19 | 珠海格力电器股份有限公司 | 烹饪食材的控制方法及系统 |
| US11612263B2 (en) | 2020-11-11 | 2023-03-28 | Haier Us Appliance Solutions, Inc. | Oven appliance and methods of operating during a religious holiday |
| US20230375182A1 (en) * | 2022-05-20 | 2023-11-23 | Whirlpool Corporation | System and method for moisture and ambient humidity level prediction for food doneness |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4162381A (en) * | 1977-08-30 | 1979-07-24 | Litton Systems, Inc. | Microwave oven sensing system |
| US4171382A (en) * | 1977-08-30 | 1979-10-16 | Litton Systems, Inc. | Method of cooking meats in a microwave oven |
| JPS5613692A (en) * | 1979-07-11 | 1981-02-10 | Matsushita Electric Ind Co Ltd | High frequency heater |
| EP0024798B1 (en) * | 1979-07-20 | 1984-02-15 | Matsushita Electric Industrial Co., Ltd. | Method of food heating control and apparatus therefor |
| CA1192618A (en) * | 1981-09-03 | 1985-08-27 | Sharp Kabushiki Kaisha | Microwave oven with automatic cooking performance having additional heating process |
| JPS5875629A (ja) * | 1981-10-30 | 1983-05-07 | Matsushita Electric Ind Co Ltd | センサを備えた自動加熱装置 |
| JPS61265427A (ja) * | 1985-05-20 | 1986-11-25 | Matsushita Electric Ind Co Ltd | 自動加熱調理器 |
| EP0289000B1 (en) * | 1987-04-30 | 1993-08-25 | Matsushita Electric Industrial Co., Ltd. | Automatic heating apparatus |
| US4864088A (en) * | 1987-07-03 | 1989-09-05 | Sanyo Electric Co., Ltd. | Electronically controlled cooking apparatus for controlling heating of food using a humidity sensor |
| DE69015876T2 (de) * | 1989-05-08 | 1995-08-10 | Matsushita Electric Ind Co Ltd | Automatischer Heizapparat. |
| EP0455169B1 (en) * | 1990-04-28 | 1996-06-19 | Kabushiki Kaisha Toshiba | Heating cooker |
| JP2902801B2 (ja) * | 1991-03-20 | 1999-06-07 | 三洋電機株式会社 | 加熱調理器 |
| JPH04350421A (ja) * | 1991-05-28 | 1992-12-04 | Toshiba Corp | 加熱調理装置 |
| CA2077018C (en) * | 1991-08-30 | 1997-04-15 | Kazunari Nishii | Cooking appliance |
| JPH05172334A (ja) * | 1991-10-21 | 1993-07-09 | Matsushita Electric Ind Co Ltd | 調理器具 |
| JP2936853B2 (ja) * | 1991-12-20 | 1999-08-23 | 松下電器産業株式会社 | 調理器具 |
| JPH05312329A (ja) * | 1992-03-09 | 1993-11-22 | Matsushita Electric Ind Co Ltd | 調理器具 |
| JP2937623B2 (ja) * | 1992-05-27 | 1999-08-23 | 株式会社東芝 | 加熱調理装置 |
| JPH06137561A (ja) * | 1992-10-26 | 1994-05-17 | Toshiba Corp | 加熱調理器 |
| DE69425168D1 (de) * | 1993-03-11 | 2000-08-17 | Toshiba Kawasaki Kk | Mikrowellenofen und Verfahren zur Bestimmung des Lebenmittelproduktes |
-
1994
- 1994-09-07 GB GB9418052A patent/GB2293027A/en not_active Withdrawn
-
1995
- 1995-09-06 US US08/524,046 patent/US5681496A/en not_active Expired - Fee Related
- 1995-09-07 DE DE69519775T patent/DE69519775T2/de not_active Expired - Fee Related
- 1995-09-07 AU AU30503/95A patent/AU701859B2/en not_active Ceased
- 1995-09-07 JP JP23041695A patent/JP3818601B2/ja not_active Expired - Fee Related
- 1995-09-07 EP EP95306275A patent/EP0701387B1/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US5681496A (en) | 1997-10-28 |
| EP0701387A2 (en) | 1996-03-13 |
| DE69519775D1 (de) | 2001-02-08 |
| EP0701387B1 (en) | 2001-01-03 |
| JPH0886448A (ja) | 1996-04-02 |
| GB2293027A (en) | 1996-03-13 |
| DE69519775T2 (de) | 2001-05-10 |
| EP0701387A3 (en) | 1996-11-27 |
| GB9418052D0 (en) | 1994-10-26 |
| AU701859B2 (en) | 1999-02-04 |
| AU3050395A (en) | 1996-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3818601B2 (ja) | 調理装置および調理装置の制御方法 | |
| US5389764A (en) | Automatic cooking appliance employing a neural network for cooking control | |
| CN110488696B (zh) | 一种智能防干烧方法及系统 | |
| JPH06137561A (ja) | 加熱調理器 | |
| US11534023B2 (en) | Cooking device and cooking method | |
| CN110857787B (zh) | 一种油烟机集油盒的集油量检测方法和油烟机 | |
| JP2021063608A (ja) | 加熱調理システム | |
| US20220361710A1 (en) | Cooking device and cooking method | |
| CN110553295A (zh) | 油烟机的调档方法、装置及油烟机 | |
| CN109798550A (zh) | 灶具火力控制方法、装置及灶具 | |
| EP4280813A1 (en) | System and method for moisture and ambient humidity level prediction for food doneness | |
| JP3088506B2 (ja) | 調理器具 | |
| JPH05312328A (ja) | 調理器具 | |
| CN114568962A (zh) | 蒸烤设备及其烹饪控制方法和装置 | |
| JP2855901B2 (ja) | 調理器具 | |
| JP2861636B2 (ja) | 調理器具 | |
| CN117762021A (zh) | 基于温度感知的微蒸烤箱控制方法及系统 | |
| JPH05172334A (ja) | 調理器具 | |
| JP3110505B2 (ja) | 調理器具 | |
| CN117233326A (zh) | 基于气味的烹饪程度识别方法和装置 | |
| CN114831514A (zh) | 智能预约烹饪方法及烹饪器材 | |
| JPH0828273B2 (ja) | 加熱調理器 | |
| JPH05172337A (ja) | 調理器具 | |
| JPH0556860A (ja) | 調理器具 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040601 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040622 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040818 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050330 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050427 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050517 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060612 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060612 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |