JPH05312328A

JPH05312328A - 調理器具

Info

Publication number: JPH05312328A
Application number: JP14723892A
Authority: JP
Inventors: Yoshihiro Ishizaki; 祥浩石嵜; Kazunari Nishii; 一成西井; Hirohisa Imai; 博久今井; Kenzo Ochi; 謙三黄地; Kison Naka; 基孫中
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1992-03-09
Filing date: 1992-06-08
Publication date: 1993-11-22
Also published as: JPH05312329A

Abstract

(57)【要約】【目的】調理物を環境物理量から推定し、調理メニュ
ーの選択の操作を不要にし、かつ調理の出来上がり向上
と自動調理を目的とする。【構成】調理物を調理する調理手段３と、調理物周辺
の環境を検出する環境物理量検出手段６と、環境物理量
検出手段６の出力に基づき調理物を推定する調理物推定
手段８と、調理物推定手段８の出力に基づき調理手段３
を制御する制御手段５とを備え、調理物推定手段８は実
際に自動調理の対象となる調理メニューを調理し学習が
既に済んだ固定された複数の結合重み係数を内部に持つ
神経回路網模式手段を組み込んだ構成とし、調理物の推
定ができ、従来以上に出来上り状態がよい自動調理と、
自動調理のキーの集約化を実現した。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、自動調理を目的とした
調理器具に関するものである。

【０００２】

【従来の技術】従来、この種の調理器具、例えば電子レ
ンジで図２５に示すように構成されていた。以下、その
構成について説明する。

【０００３】図に示すように、調理器具１は、調理物を
収納する調理室２と、調理物を調理する調理手段３（マ
イクロ波供給手段）、調理室２の相対湿度を検出する湿
度センサなどから構成される湿度検出手段４、湿度検出
手段４からの情報でもって調理手段３を制御する制御手
段５から構成されていた。このような構成で自動調理を
するために、調理物の重量、初期温度などを知る必要が
ある。そのために電源投入時からの湿度検出手段４の出
力がある湿度に達するまでの時間Ｔを測定し、この時間
Ｔを基に調理物の重量を推測し、この時間に各調理物特
有の定数ｋを乗じた時間を最適調理時間としていた。

【０００４】また電子オーブンレンジにおいては、図２
６に示すように、調理器具１は、調理物を収納する調理
皿１４の位置を可変可能とする調理室２、調理皿を載せ
る棚１３、調理物を調理する調理手段３、調理室２内の
温度を検出するサーミスター等から構成される温度検出
手段４ａ、温度検出手段４ａからの情報でもって調理手
段３を制御する制御手段５から構成されていた。このよ
うな構成で自動調理を可能にしていた。オーブン調理を
例にとると、メニューとして、ケーキ、アップルパイ、
ピザ、クッキー、バターロール、シュークリーム、グラ
タン、ホイル焼き、ハンバーグ、肉の付け焼き、バーベ
キュー、魚の付け焼き等があった。つまり、電子オーブ
ンレンジの操作部上で、前記の１２のメニューに分けら
れていた。また、それぞれのメニューで調理皿を置く位
置が異なり、上、中、下の３つの位置がメニューにより
決定されていた。例えば、ピザの場合は皿位置は下で、
シュークリームは中段である。使用者は、まずメニュー
を決め、そのメニューに対応した位置に調理物を載せた
調理皿をセットし調理スタートキーを押し調理を開始さ
せていた。その後は、そのメニューに対応した自動調理
シーケンスで調理手段３を制御するような制御シーケン
スプログラムを制御手段５に備えていた。この自動調理
シーケンスは、調理開始から温度検出手段４ａが調理室
内の温度が、ある温度に到達するまでの時間Ｔに選択メ
ニューに対応した定数Ｋを乗じた時間だけ加熱させるも
のである。調理物の重量によって、前記時間Ｔは変わっ
てくることが自動調理の１つのポイントである。また前
記定数Ｋは、多くの調理実験をすることにより、メニュ
ーでの最適値を決定していた。

【０００５】

【発明が解決しようとする課題】このような従来の調理
器具では、調理開始から調理室内の湿度がある値になる
までの時間を計測し、その時間にカテゴリー毎に定めら
れた定数Ｋを乗じた時間を調理時間として決定していた
ために、カテゴリーの数だけ操作部に操作キーが必要と
なる。また調理の出来上がりにかなりばらつきがあっ
た。例えば”ごはん”と”みそ汁”の再加熱を異なるカ
テゴリーとして分けると問題はないが、同一カテゴリー
とすると、定数Ｋを”ごはん”にあわせるか、”みそ
汁”に合わせるかによって出来ばえが異なり、”ごは
ん”が熱くなりすぎたり、”みそ汁”がぬるいといった
調理状態となっていた。これを解決しようとすると、カ
テゴリーをもっと細分化すれば良いが、操作キーが細分
化の数だけ増えることになり、使い勝手が大変悪いもの
になるという課題を有していた。また電子オーブンレン
ジにおいても同様であり、メニューに対応した自動調理
シーケンスを備えているので、メニューに対する自動化
はある程度実現されていた。しかし、メニューを選択す
るメニューキーの数が多いので、使い勝手上大変不便な
ものになるという課題を有していた。

【０００６】本発明は上記課題を解決するもので、調理
物の種類を、現実に計測・検出できる調理物周辺の環境
物理量、調理皿が置かれた皿位置検出情報により推定す
ることで、メニューの選択が不要でワンボタン操作が可
能な自動調理器具を提供することを目的としている。

【０００７】

【課題を解決するための手段】本発明は上記の目的を達
成するために下記構成とした。すなわち、第１の解決手
段として、調理物を調理する調理手段と、調理物周辺の
環境を検出する環境物理量検出手段と、前記環境物理量
検出手段の出力に基づき前記調理物を推定する調理物推
定手段と、前記調理物推定手段の出力に基づき前記調理
手段を制御する制御手段とからなる構成とした。

【０００８】また第２の解決手段として、調理物を調理
する調理手段と、調理物周辺の環境を検出する環境物理
量検出手段と、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段と、前記環境物理量検出手段、前記電
圧レベル検出手段の出力に基づき前記調理物を推定する
調理物推定手段と、前記調理物推定手段の出力に基づき
前記調理手段を制御する制御手段とからなる構成とし
た。

【０００９】また第３の解決手段として、調理物を調理
する調理手段と、前記調理物を載せる調理皿の位置を検
出する皿位置検出手段と、調理物周辺の環境を検出する
環境物理量検出手段と、前記皿位置検出手段、前記環境
物理量検出手段の出力に基づき前記調理物を推定する調
理物推定手段と、前記調理物推定手段の出力に基づき前
記調理手段を制御する制御手段とからなる構成とした。

【００１０】また第４の解決手段として、調理物を調理
する調理手段と、前記調理物を載せる調理皿の位置を検
出する皿位置検出手段と、商用電源電圧の電圧レベルを
検出する電圧レベル検出手段と、調理物周辺の環境を検
出する環境物理量検出手段と、前記皿位置検出手段、前
記電圧レベル検出手段および前記環境物理量検出手段の
出力に基づき前記調理物を推定する調理物推定手段と、
前記調理物推定手段の出力に基づき前記調理手段を制御
する制御手段とからなる構成とした。

【００１１】また第５の解決手段として、調理するため
に調理物を格納する調理室と、前記調理物を調理する調
理手段と、前記調理室内の湿度を検出する湿度検出手段
と、前記調理室からの排気温度を検出する排気温度検出
手段と、前記湿度検出手段、前記排気温度検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなる構成とした。

【００１２】また第６の解決手段として、調理物を調理
する調理手段と、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
予め定めた調理物周辺の所定温度を記憶する所定温度記
憶手段と、前記温度検出手段の出力が前記所定温度記憶
手段の記憶値に達するまでの前記温度検出手段と前記湿
度検出手段の出力に基づき前記調理物を推定する調理物
推定手段と、前記調理物推定手段の出力に基づき前記調
理手段を制御する制御手段とからなる構成とした。

【００１３】また第７の解決手段として、調理物を調理
する調理手段と、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
商用電源電圧の電圧レベルを検出する電圧レベル検出手
段と、予め定めた調理物周辺の所定温度を記憶する所定
温度記憶手段と、前記電圧レベル検出手段の出力と前記
温度検出手段の出力が前記所定温度記憶手段の記憶値に
達するまでの前記温度検出手段の出力及び前記湿度検出
手段の出力に基づき前記調理物を推定する調理物推定手
段と、前記調理物推定手段の出力に基づき前記調理手段
を制御する制御手段とからなる構成とした。

【００１４】また第８の解決手段として、調理物を調理
する調理手段と、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
前記調理物を載せる調理皿の位置を検出する皿位置検出
手段と、予め定めた調理物周辺の所定温度を記憶する所
定温度記憶手段と、前記皿位置検出手段の出力と前記温
度検出手段の出力が前記所定温度記憶手段の記憶値に達
するまでの前記温度検出手段の出力及び前記湿度検出手
段の出力に基づき前記調理物を推定する調理物推定手段
と、前記調理物推定手段の出力に基づき前記調理手段を
制御する制御手段とからなる構成とした。

【００１５】また第９の解決手段として、調理物を調理
する調理手段と、調理物周辺の温度を検出する温度検出
手段と、調理物周辺の湿度を検出する湿度検出手段と、
前記調理物を載せる調理皿の位置を検出する皿位置検出
手段と、商用電源電圧の電圧レベルを検出する電圧レベ
ル検出手段と、予め定めた調理物周辺の所定温度を記憶
する所定温度記憶手段と、前記皿位置検出手段の出力と
前記電圧レベル検出手段の出力と前記温度検出手段の出
力が前記所定温度記憶手段の記憶値に達するまでの前記
温度検出手段の出力及び前記湿度検出手段の出力に基づ
き前記調理物を推定する調理物推定手段と、前記調理物
推定手段の出力に基づき前記調理手段を制御する制御手
段とからなる構成とした。

【００１６】また第１０の解決手段として、第６の解決
手段ないし第９の解決手段において、制御手段は所定温
度記憶手段の記憶値より低い第２の所定温度を記憶する
第２所定温度記憶部を有し、温度検出手段からの出力が
初期に第２所定温度より高い時に第２所定温度より低く
なるまで調理手段を停止させる待機部を設ける構成とし
た。

【００１７】さらに、前記調理物推定手段は、複数の神
経素子より構成される神経回路網をモデル化した手法に
より得られ、調理物を推定する複数の固定された結合重
み係数を内部に持つ神経回路網模式手段を有する構成と
した。または、複数の神経素子より構成される層が多数
組み合わされて構築される階層型の神経回路網模式手段
を有する構成とした。

【００１８】

【作用】本発明は上記した構成によって下記の作用が得
られる。第１の課題解決手段により、環境物理量検出手
段からの調理物周辺の環境情報を、時々刻々調理物推定
手段に入力することにより、調理物推定手段は調理物を
推定し、制御手段は調理物推定手段からの調理物情報で
調理物を認識し、認識した調理物に最適な制御シーケン
スで調理手段を制御する。

【００１９】また第２の解決手段により環境物理量検出
手段からの調理物周辺の環境情報と電圧レベル検出手段
からの商用電源電圧の電圧レベル情報を、時々刻々調理
物推定手段に入力することにより、調理物推定手段は調
理物を推定し、制御手段は調理物推定手段からの調理物
情報で調理物を認識し、認識した調理物に最適な制御シ
ーケンスで調理手段を制御する。

【００２０】また第３の解決手段により、調理物を載せ
る皿位置検出手段の情報により調理物の種類を大分類
し、そのカテゴリーを認識し、環境物理量検出手段から
の調理物周辺の環境情報を、時々刻々調理物推定手段に
入力することにより、調理物推定手段はそのカテゴリー
内の調理物を推定し、制御手段は調理物推定手段からの
調理物情報で調理物を認識し、認識した調理物に最適な
制御シーケンスで調理手段を制御する。

【００２１】また第４の解決手段により、調理物を載せ
る皿位置検出手段の情報により調理物の種類を大分類
し、そのカテゴリーを認識し、環境物理量検出手段から
の調理物周辺の環境情報と電圧レベル検出手段からの商
用電源電圧の電圧レベル情報を、時々刻々調理物推定手
段に入力することにより、調理物推定手段はそのカテゴ
リー内の調理物を推定し、制御手段は調理物推定手段か
らの調理物情報で調理物を認識し、認識した調理物に最
適な制御シーケンスで調理手段を制御する。

【００２２】また第５の解決手段により調理室内の湿度
情報と調理室からの排気温度情報を、時々刻々調理物推
定手段に入力することにより、調理物推定手段は調理物
を推定し、制御手段は調理物推定手段からの調理物情報
で調理物を認識し、認識した調理物に最適な制御シーケ
ンスで調理手段を制御する。

【００２３】また第６の解決手段により調理物周辺の温
度が予め定めた所定の温度に達するまでの調理物周辺の
温度情報と湿度情報を、時々刻々調理物推定手段に入力
することにより、調理物推定手段は調理物を推定し、制
御手段は調理物推定手段からの調理物情報で調理物を認
識し、認識した調理物に最適な制御シーケンスで調理手
段を制御する。

【００２４】また第７の解決手段により調理物周辺の温
度が予め定めた所定の温度に達するまでの商用電源電圧
の電圧レベル情報と調理物周辺の温度情報と湿度情報
を、時々刻々調理物推定手段に入力することにより、調
理物推定手段は調理物を推定し、制御手段は調理物推定
手段からの調理物情報で調理物を認識し、認識した調理
物に最適な制御シーケンスで調理手段を制御する。

【００２５】また第８の解決手段により調理物を載せる
皿位置検出手段の情報により調理物の種類を大分類し、
そのカテゴリーを認識し、次に調理物周辺の温度が予め
定めた所定の温度に達するまでの調理物周辺の温度情報
と湿度情報を、時々刻々調理物推定手段に入力すること
により、調理物推定手段はそのカテゴリー内での調理物
を推定し、制御手段は調理物推定手段からの調理物情報
で調理物を認識し、認識した調理物に最適な制御シーケ
ンスで調理手段を制御する。

【００２６】また第９の解決手段により調理物を載せる
皿位置検出手段の情報により調理物の種類を大分類し、
そのカテゴリーを認識し、次に調理物周辺の温度が予め
定めた所定の温度に達するまでの商用電源電圧の電圧レ
ベル情報と調理物周辺の温度情報と湿度情報を、時々刻
々調理物推定手段に入力することにより、調理物推定手
段はそのカテゴリー内での調理物を推定し、制御手段は
調理物推定手段からの調理物情報で調理物を認識し、認
識した調理物に最適な制御シーケンスで調理手段を制御
する。

【００２７】また第１０の解決手段により、調理後、す
ぐに調理をしようとした場合は調理室内の温度は高い
が、温度検出手段からの出力が初期に第２所定温度より
高い時に第２所定温度より低くなるまで調理手段を停止
させる待機部を設ける構成としているので、調理器具を
連続使用した場合でも確実に調理物の推定が可能とな
る。

【００２８】また第１１の解決手段により、調理物推定
手段を構成する神経回路網模式手段は、使用される環境
下で既に学習された結合重み係数を備えており、調理中
の調理物を推定することができる。

【００２９】また第１２の解決手段により、調理物推定
手段を構成する神経回路網模式手段は、複数の神経素子
が多層組み合わされて構築されているので、調理物の推
定をより正確に行なうことができる。

【００３０】

【実施例】以下、本発明の一実施例を図１から図２４を
参照しながら説明する。なお、従来例と同じ構成のもの
は同一符号を付して説明を省略する。

【００３１】（実施例１）本実施例では、調理器具とし
て、電子レンジに応用した例について説明する。図１に
示すように、環境物理量検出手段６は調理物周辺の環境
を検出する。本実施例では、調理室２内の絶対湿度を検
出するものであり、湿度センサなどで構成されている。
計時手段７は調理開始時からの時間をカウントする。調
理物推定手段８は環境物理量検出手段６、計時手段７の
出力に基づき調理物が何であるのかを推定するものであ
り、制御手段５は調理物推定手段８の出力に基づき調理
手段３を制御する。調理手段３は、本実施例では、マイ
クロ波供給手段であり調理室２に配設されている。さら
に、９はＡＤ変換手段であり環境物理量検出手段６の出
力をディジタル値に変換している。図１１は、操作手段
１０のキー構成を示した構成図である。

【００３２】調理物推定手段８は、従来の制御手法に用
いられている解決的な方法が適用できないため、多次元
情報処理手法として最適な神経回路網をモデル化した方
法で構成している。神経回路網をモデル化する手法は、
調理物を推定する神経回路網の複数の結合重み係数を固
定されたテーブルとして用いる方法と、学習機能を残し
環境と使用者に適応できるようにする方法とがある。本
実施例は、神経回路網をモデル化した手法によって獲得
され、固定された結合重み係数を内部にテーブルとして
もち調理物を推定する神経回路網模式手段を有する調理
物推定手段８を設けている。

【００３３】異なる調理物を調理した場合、調理開始に
ともなう時々刻々の調理物から発生する蒸気によって調
理室内の湿度が変化する。

【００３４】調理物を推定する神経回路網において固定
された結合重み係数は、実際に自動調理の対象とする調
理物を調理した場合、調理室内の絶対湿度がどのように
変化するかというデータを収集し、調理物と調理室内の
絶対湿度データとの相関を神経回路網模式手段に学習さ
せることによって得ることができる。用いるべき神経回
路網模式手段としては、文献１（Ｄ．Ｅ．ラメルハート
他２名著、甘利俊一監訳「ＰＤＰモデル」（株）産業図
書、１９８９年）、文献２（中野馨他７名著「ニューロ
コンピュータの基礎」（株）コロナ社刊、Ｐ１０２、１
９９０年）、特公昭６３−５５１０６号公報などに示さ
れたものがある。以下、文献１に記載された最もよく知
られた学習アルゴリズムとして誤差逆伝搬法を用いた多
層パーセプトロンを例にとり、具体的な神経回路網模式
手段の構成および動作について説明する。

【００３５】図１２は、神経回路網模式手段の構成単位
となる神経素子の概念図である。図１２において、２１
〜２Ｎは神経のシナプス結合を模擬する疑似シナプス結
合変換器であり、２ａは疑似シナプス結合変換器２１〜
２Ｎからの出力を加算する加算器であり、２ｂは設定さ
れた非線形関数、たとえば、しきい値をｈとするシグモ
イド関数、ｆ（ｙ，ｈ）＝１／（１＋ｅｘｐ（−ｙ＋ｈ））（式１）によって加算器２ａの出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、修
正手段からの修正信号を受ける入力線が疑似シナプス結
合変換器２１〜２Ｎと非線形変換器２ｂにつながってい
る。また、疑似シナプス結合変換器２１〜２Ｎが神経回
路網模式手段の結合重み係数となる。この神経素子に
は、信号処理モードと学習モードの２つの種類の動作モ
ードがある。

【００３６】以下、図１２に基づいて神経素子のそれぞ
れのモードの動作について説明する。まず、信号処理モ
ードの動作の説明をする。神経素子はＮ個の入力Ｘ１〜
Ｘｎを受けて１つの出力を出す。ｉ番目の入力信号Ｘｉ
は、四角で示されたｉ番目の疑似シナプス結合変換器２
ｉにおいてＷｉ・Ｘｉに変換される。疑似シナプス結合
変換器２１〜２Ｎで変換されたＮ個の信号Ｗ１・Ｘ１〜
Ｗｎ・Ｘｎは加算器２ａに入り、加算結果ｙが非線形変
換器２ｂに送られ、最終出力ｆ（ｙ，ｈ）となる。つぎ
に、学習モードの動作について説明する。学習モードで
は、疑似シナプス結合変換器２１〜２Ｎと非線形変換器
２ｂの変換パラメータＷ１〜Ｗｎとｈを、修正手段から
の変換パラメータの修正量△Ｗ１〜△Ｗｎと△ｈを表す
修正信号を受けて、Ｗｉ＋△Ｗｉ；ｉ＝１，２，…… ，Ｎｈ＋△ｈ（式２）と修正する。

【００３７】図１３は上記神経素子を４つ並列につない
で構成した信号変換手段の概念図である。なお、以下の
説明は、この信号変換手段を構成する神経素子の個数を
４個に限定するものではない。図１３において、２１１
〜２４４は疑似シナプス結合変換器であり、２０１〜２
０４は、図１２で説明した加算器２ａと非線形変換器２
ｂをまとめた加算非線形変換器である。図１３におい
て、図１２と同様に図面が煩雑になるので省略したが、
修正手段からの修正信号を受ける入力線が疑似シナプス
結合変換器２１１〜２４４と加算非線形変換器２０１〜
２０４につながっている。疑似シナプス結合変換器２１
１〜２４４も結合重み係数となる。この信号変換手段の
動作については、図１２で説明した神経素子の動作が並
列してなされるものである。

【００３８】図１４は、学習アルゴリズムとして誤差逆
伝搬法を採用した場合の信号処理手段の構成を示したブ
ロック図で、３１は上述の信号変換手段である。ただ
し、ここではＮ個の入力を受ける神経素子がＭ個並列に
並べられたものである。３２は学習モードにおける信号
変換手段３１の修正量を算出する修正手段である。以
下、図１４に基づいて信号処理手段の学習を行う場合の
動作について説明する。信号変換手段３１はＮ個の入力
Ｓin（Ｘ）を受け、Ｍ個の出力Ｓout（Ｘ）を出力す
る。修正手段３２は、入力信号Ｓin（Ｘ）と出力信号Ｓ
out（Ｘ）とを受け、誤差計算手段または後段の信号変
換手段からのＭ個の誤差信号δj（Ｘ）の入力があるま
で待機する。誤差信号δj（Ｘ）が入力され修正量を△
Ｗij＝δj（Ｘ）・Ｓjout（Ｘ）・（１−Ｓjout
（Ｘ））・Ｓiin（Ｘ）（ｉ＝１〜Ｎ，ｊ＝１〜Ｍ）（式３）と計算し、修正信号を信号変換手段３１に送る。信号変
換手段３１は、内部の神経素子の変換パラメータを上で
説明した学習モードにしたがって修正する。

【００３９】図１５は、神経回路網模式手段を用いた多
層パーセプトロンの構成を示すブロック図であり、３１
Ｘ、３１Ｙ、３１ＺはそれぞれＫ個、Ｌ個、Ｍ個の神経
素子からなる信号変換手段であり、３２Ｘ、３２Ｙ、３
２Ｚは修正手段であり、３３は誤差計算手段である。以
上のように構成された多層パーセプトロンについて、図
１５を参照しながらその動作を説明する。信号処理手段
３４Ｘにおいて、信号変換手段３１Ｘは、入力Ｓiin
（Ｘ）（ｉ＝１〜Ｎ）を受け、出力Ｓjout（Ｘ）（ｊ＝
１〜Ｋ）を出力する。修正手段３２Ｘは、信号Ｓiin
（Ｘ）と信号Ｓjout（Ｘ）を受け、誤差信号δj（Ｘ）
（ｊ＝１〜Ｋ）が入力されるまで待機する。以下同様の
処理が、信号処理手段３４Ｙ、３４Ｚにおいて行われ、
信号変換手段３１Ｚより最終出力Ｓhout（Ｚ）（ｈ＝１
〜Ｍ）が出力される。最終出力Ｓhout（Ｚ）は、誤差計
算手段３３にも送られる。誤差計算手段３３において
は、２乗誤差の評価関数ＣＯＳＴ（式４）に基づいて理
想的な出力Ｔ（Ｔ1 ，……，ＴM）との誤差が計算さ
れ、誤差信号δh（Ｚ）が修正手段３２Ｚに送られる。

【００４０】

【数１】

【００４１】ただし、ηは多層パーセプトロンの学習速
度を定めるパラメータである。つぎに、評価関数を２乗
誤差とした場合には誤差信号は、 δｈ（Ｚ）＝−η・（Ｓhout（Ｚ）−Ｔh）（式５）となる。修正手段３２Ｚは、上で説明した手続きにした
がって、信号変換手段３１Ｚの変換パラメータの修正量
△Ｗ（Ｚ）を計算し、修正手段３２Ｙに送る誤差信号を
（式６）に基づき計算し、修正信号△Ｗ（Ｚ）を信号変
換手段３１Ｚに送り、誤差信号δ（Ｙ）を修正手段３２
Ｙに送る。信号変換手段３１Ｚは、修正信号△Ｗ（Ｚ）
に基づいて内部のパラメータを修正する。なお、誤差信
号δ（Ｙ）は（式６）で与えられる。

【００４２】

【数２】

【００４３】ここで、Ｗij（Ｚ）は信号変換手段３１Ｚ
の疑似シナプス結合変換器の変換パラメータである。以
下、同様の処理が信号処理手段３４Ｘ、３４Ｙにおいて
行われる。学習と呼ばれる以上の手続きを繰り返し行う
ことにより、多層パーセプトロンは入力が与えられると
理想出力Ｔをよく近似する出力を出すようになる。な
お、上記の説明においては、３段の多層パーセプトロン
を用いたが、これは何段であってもよい。また、文献１
にある信号変換手段のなかの非線形変換手段の変換パラ
メータｈの修正法についてと慣性項として知られる学習
高速化の方法については、説明の簡略化のため省略した
が、この省略は以下に述べる本発明を拘束するものでは
ない。

【００４４】こうして、神経回路網模式手段は、実際に
自動調理の対象となる調理物と、その調理物を調理した
場合、調理物周辺の環境物理量（絶対湿度）がどのよう
に変化するかというデータを収集し、調理物と調理物周
辺の環境物理量（絶対湿度データ）との関係を学習し、
簡単なルールで記述することが容易でない調理物の推定
の仕方を自然な形で表現することができる。本実施例
は、こうして得られた情報を組み込んで、調理物推定手
段８を構成するものである。具体的には、十分学習を終
えた後の多層パーセプトロンの信号変換手段３１Ｘ、３
１Ｙ、３１Ｚのみを神経回路網模式手段として用いて、
調理物推定手段８を構成する。実際に学習させたデータ
について説明する。

【００４５】図１６は、”ごはん”を再加熱した時の環
境物理量検出手段６の出力電圧の変化を示している。こ
の場合図１６は調理室内の湿度の変化を示している。図
１７は、”みそ汁”を再加熱した時の環境物理量検出手
段６の出力電圧の変化を示している。この場合図１７は
調理室内の湿度の変化を示している。図１６、図１７か
ら”ごはん”と”みそ汁”では明らかに蒸気の出方が異
なるため調理室内の湿度状態も異なっている。自動調理
の対象となる調理メニューすべてについて実験をしデー
タを採取した。そして、その実験データを神経回路網模
式手段に入力し学習をさせた。つまり、神経回路網模式
手段へは環境物理量検出手段６の調理室内の絶対湿度情
報と、絶対湿度勾配情報として現時点より１分前の絶対
湿度情報と、計時手段７より得られる調理開始時からの
経過時間情報の３情報と、理想出力として調理物の種類
を入力し学習させ、神経回路網模式手段の中の信号変換
手段３１Ｘ、３１Ｙ、３１Ｚを確立し、それらを神経回
路網模式手段として調理物推定手段８に組み込んでい
る。

【００４６】つぎに、図１に示した構成ブロック図に基
づき動作を説明する。まず、調理物を調理室２内に入
れ、操作手段１０の再加熱キー１０ａにより再加熱モー
ドを選択する。そして調理キー１０ｂにより調理が開始
される。制御手段５は計時手段７に計時開始の信号を出
力するとともに、調理手段３を駆動すべく調理開始信号
を出力する。計時手段７の計時情報は調理物推定手段８
に入力されている。そして調理物周辺の環境物理量情報
（絶対湿度情報）は環境物理量検出手段６の出力がＡＤ
変換手段９でディジタル変換され、時々刻々調理物推定
手段８に入力している。調理物推定手段８は、これらの
入力された信号・情報をもとに調理物が何であるのかを
推定し、その情報を制御手段５に出力している。制御手
段５は、この推定調理物情報で調理メニューが認識でき
たので、調理メニューに応じた調理シーケンスを実行さ
せることができる。各々の調理シーケンスとは、本実施
例では、従来より行われている調理開始からある量の湿
度を検出するまでの時間に調理メニュー毎に用意された
定数Ｋを乗じた時間をそのメニューの調理時間とするも
のである。この制御プログラムは制御手段５に備えてお
り調理手段３を制御するように動作する。

【００４７】以上のように本実施例によれば、実際に自
動調理の対象となる調理メニューについて調理をし、そ
の時の時々刻々の調理室内の湿度情報を学習した神経回
路網の複数の固定結合重み係数を有する神経回路網模式
手段を組み込んだ調理物推定手段を備えた構成としてい
るので、調理物のメニューが認識でき、各々のメニュー
について最適な調理シーケンスを駆動することができる
ので、従来に比べ、より調理状態をよくすることがで
き、自動調理に最適なものとなる。

【００４８】（実施例２）本実施例では、電子オーブン
レンジに応用した例について説明する。特にオーブン調
理においては、調理手段３として、ヒータを用いるので
商用電源電圧の電圧レベルが調理時に特に影響を与え
る。本実施例の構成は、図２に示すように、実施例１と
同様であるが、商用電源電圧の電圧レベルを検出する電
圧レベル検出手段１１を有している点が異なる。この電
圧レベル検出手段１１の出力を調理物推定手段８に入力
することにより、調理物の推定に、より精度をあげるこ
とができる。また調理物推定手段８を構成する神経回路
網模式手段には、実際に自動調理の対象となる調理物を
調理した場合、商用電源電圧とともに調理物周辺の環境
物理量（絶対湿度）がどのように変化するかというデー
タを収集し、調理物と調理物周辺の環境物理量（絶対湿
度データ）と商用電源電圧レベルとの関係を学習し、簡
単なルールで記述することが容易でない調理物の推定の
仕方を自然な形で表現することができる。本実施例は、
こうして得られた情報を組み込んで、調理物推定手段８
を構成するものである。

【００４９】以上のように本実施例によれば、商用電源
電圧レベルは９０ｖから１１０ｖぐらいまで変動すると
いわれているが、調理物推定手段を構成する神経回路網
模式手段には、電源電圧が変動しても、環境物理量と商
用電源電圧レベルと調理物の関係をあらかじめ学習させ
た構成としているので、調理物を推定する精度がより向
上する。

【００５０】（実施例３）本実施例では、同様に電子オ
ーブンレンジに応用した例について説明する。図３に示
すように、環境物理量検出手段６は調理室内の環境を検
出する。本実施例では、調理室２内の絶対湿度の検出と
調理室２内の温度と調理室２内のガス量を検出するもの
であり、湿度センサ６ａとサーミスタ６ｂとガスセンサ
６ｃで構成されている。本実施例で用いたガスセンサ６
ｃは、半導体で構成されており、調理加熱中にでる臭い
分子の半導体表面にもたらす変化でガス量を検出するも
のである。計時手段７は調理開始時からの時間をカウン
トする。皿位置検出手段１２は調理皿１４を調理室２内
のどの棚１３に載せたかを検出するものであり、本実施
例ではマイクロスイッチより構成されているが、皿位置
を検出できるものであれば何でも良く、本発明を拘束す
るものではない。調理物推定手段８は環境物理量検出手
段６、計時手段７、皿位置検出手段１２の出力に基づき
調理物が何であるのかを推定するものであり、制御手段
５は調理物推定手段８の出力に基づき調理手段３を制御
する。調理手段３は、本実施例では、マイクロ波供給手
段３ａと、ヒーター３ｂからなり調理室２に配設されて
いる。さらに、９はＡ／Ｄ変換手段であり環境物理量検
出手段６の湿度センサ６ａとサーミスタ６ｂとガスセン
サ６ｃの出力をディジタル値に変換している。

【００５１】次に調理物推定手段を構成する神経回路網
模式手段に学習させたデータについて説明する。図１８
は、”パイ”をオーブン調理した時の環境物理量検出手
段６の出力電圧の変化を示している。図１８（ａ）は調
理室内の湿度の変化を示し、図１８（ｂ）は調理室内の
温度変化を示し、図１８（ｃ）は調理室内のガス量変化
を示している。図１９は”スポンジケーキ”、図２０
は”ハンバーグ”、図２１は”グラタン”を、それぞれ
オーブン調理した時の環境物理量検出手段６の出力電圧
の変化を示している。図１９（ａ）、図２０（ａ）、図
２１（ａ）は図１８（ａ）と同様に調理室内の湿度の変
化を示し、図１９（ｂ）、図２０（ｂ）、図２１（ｂ）
は調理室内の温度変化を示し、図１９（ｃ）、図２０
（ｃ）、図２１（ｃ）は調理室内のガス量変化を示して
いる。図１８、図１９から”パイ”と”スポンジケー
キ”では調理室内の温度変化は、それほど変わらない
が、明かにガスの出方と調理室内の湿度変化が異なって
いる。又、図２０、図２１から”ハンバーグ”と”グラ
タン”においても、ガス量の変化が異なっている。自動
調理の対象となる調理メニューすべてについて実験をし
データを採取した。そして、その実験デ−タを神経回路
網模式手段に入力し学習をさせた。つまり、神経回路網
模式手段へは環境物理量手段６の調理室内の絶対湿度情
報と、温度情報と、ガス量情報と、調理皿の皿位置情報
の４つの入力情報と、理想出力として調理物のメニュー
を入力し学習させ、神経回路網模式手段の中の信号変換
手段３１Ｘ、３１Ｙ、３１Ｚを確立し、それらを神経回
路網模式手段として調理物推定手段８に組み込んでい
る。

【００５２】つぎに、図３に示した構成ブロック図に基
づき動作を説明する。まず、調理物を調理皿１４にの
せ、あらかじめ決められた調理室２の棚１３にセットす
る。本実施例では、対象となる自動オーブン調理メニュ
ーとして、１２種類を考慮しており、”パイ”、”ケー
キ類”であれば、棚位置は下であり、”ハンバー
グ”、”グラタン”であれば、棚位置は上である。操作
手段１０のオーブン調理キー１０ｃによりオーブン調理
モードを選択する。そして調理キー１０ｂにより調理が
開始される。制御手段５は、調理手段３を駆動すべく加
熱開始信号を出力する。又、皿位置検出手段１２の皿位
置情報は調理皿のセットされた棚位置であり、調理物推
定手段８に入力されている。そして調理室内の環境物理
量情報は環境物理量検出手段６の出力がＡ／Ｄ変換手段
９でディジタル変換され、時々刻々調理物推定手段８に
入力されている。調理物推定手段８は、これらの入力さ
れた信号・情報をもとに調理物が何であるのかを推定
し、その情報を制御手段５に出力している。調理物推定
手段８は、皿位置検出情報により、調理物を大分類し、
調理室内の環境物理量情報の変化から詳細メニューを推
定するように動作する。制御手段５は、この推定調理物
情報で調理メニューが認識できたので、調理メニューに
応じた調理シーケンスを実行させることができる。

【００５３】以上のように本実施例によれば、実際に自
動調理の対象となる調理メニューについて調理をし、セ
ットされた調理皿の棚位置と、調理中の時々刻々の調理
室内の温度情報と湿度情報とガス量情報を、既に学習し
た複数の固定結合重み係数を有する神経回路網模式手段
を組み込んだ調理物推定手段を備えた構成としているの
で、調理物のメニューが認識でき、各々のメニューにつ
いて最適な調理シーケンスを駆動することができるの
で、従来に比べ、メニュー選択キーの数を集約すること
ができ、使い勝手上大変便利なものとなる。

【００５４】（実施例４）本実施例では、電子オーブン
レンジに応用した例について説明する。構成は図４に示
すように、実施例１による調理物の推定を、より精度を
向上させるために商用電源電圧の電圧レベルを検出する
電圧レベル検出手段１１と、調理室２にセットされる調
理皿１４の位置を検出する皿位置検出手段１２の情報を
調理物推定手段８に入力することにより実現している。
具体的な内容は実施例１、実施例２、および実施例３で
説明したので省略する。効果は、電圧レベル検出手段１
１と皿位置検出手段１２を備えているので、調理物の推
定の精度は実施例２の場合と同様により向上する。

【００５５】（実施例５）本実施例では、電子オーブン
レンジに応用した例について説明する。構成は図５に示
すように、調理室２内の湿度を検出する湿度検出手段１
５と、調理室２からの排気温度を検出する排気温度検出
手段１６を備えており、それらの出力をＡ／Ｄ変換手段
９を介して調理物推定手段８に入力している。詳細な説
明は第２の実施例で説明したので省略する。調理室近傍
の温度を検出する構成にすれば、そのサーミスタは、耐
熱性が要求されるために、その構造上、熱時定数が大き
くなり、温度に対する応答性がよくない。そのため排気
温度を検出するようにすれば、耐熱性を下げることがで
き熱応答性を早くできるので、本実施例では、排気温度
を検出する構成としている。こうすることにより、調理
中に発生する調理物周辺の熱的変化をすばやく認識する
ことができ、調理物の推定の精度を向上させることがで
きる。

【００５６】（実施例６）本実施例では、電子オーブン
レンジに応用した例について説明する。構成を図６に示
す。温度検出手段１７は調理室２内の温度を検出する。
１５は湿度検出手段であり調理室２内の湿度を検出す
る。本実施例では、調理室２内の絶対湿度を検出するも
のであり、湿度センサ等で構成されている。所定温度記
憶手段１８は、調理物を推定するタイミングを温度検出
手段１７で検出できる調理室２内の温度で記憶してい
る。調理物推定手段８は、温度検出手段１７の検出温度
が所定温度記憶手段１８の記憶値まで上昇した時点で、
温度検出手段１７、湿度検出手段１５、計時手段７の出
力に基づき調理物を推定する。制御手段５は調理物推定
手段８の出力に基づき調理温度、調理時間、調理方法
（上ヒータと下ヒータの通電比率）を決め、調理手段で
あるヒータ３ａ、３ｂを制御する。

【００５７】次に調理物推定手段８を構成する神経回路
網模式手段に学習させたデータについて説明する。図２
３は、ハンバーグを調理した時の温度検出手段１７、湿
度検出手段１５の出力電圧の変化を示している。図２４
は、グラタンを調理した時の温度検出手段１７、湿度検
出手段１５の出力電圧の変化を示している。図２３
（ａ）は調理室２内の温度変化を示し、図２３（ｂ）は
湿度変化を示している。図２４（ａ）および図２４
（ｂ）は、図２３（ａ）および図２３（ｂ）に対応して
いる。調理室内の温度が１５０℃に達した時点で調理物
を推定し、以後、推定した調理物により調理室２内の制
御温度、ヒータ３ａ、３ｂの通電比率を変えるので温度
検出手段１７からの出力電圧が１５０℃に相当する電圧
になるまでのデータを収集している。図２３、図２４は
調理物を推定した後、調理完了までのデータを示してい
る。図２３、図２４から明らかなようにハンバーグはグ
ラタンに比べて体積の割に空気中にふれる面積が多く湿
度の上昇が早い。

【００５８】このようにして自動調理の対象となる調理
メニューすべてについて実験をしデータを採取し、神経
回路網模式手段に学習させた。つまり、神経回路網模式
手段へは温度検出手段１７の調理室内の温度情報、湿度
検出手段１５の調理室内の湿度情報と、計時手段７より
得られる調理開始からの経過時間情報を簡略化し、温度
検出手段１７の検出温度が１００℃の時、１２５℃の
時、１５０℃の時、それぞれの湿度情報、経過時間情報
の合計６情報と、理想出力として調理物の情報（例えば
グラタンなら１、ハンバーグなら０）を入力し学習させ
た。

【００５９】動作としては、調理開始後、所定温度記憶
手段１８に予め記憶値（例えば１５０℃）を入力してお
き、温度検出手段１７からの検出温度が記憶値に達した
時点で、温度検出手段１７の検出温度が１００℃、１２
５℃、１５０℃の時の湿度情報、経過時間情報の６情報
を抽出して調理物推定手段８に入力し調理物を推定し、
その情報を制御手段５に出力している。制御手段５は、
その調理物推定情報により調理手段３（ヒータ３ａ、３
ｂ）を制御する。即ち、温度検出手段１７の検出温度が
１５０℃に達した時点で調理物推定手段８からの出力を
うけ、１であれば調理物はグラタンであり、０であれば
ハンバーグであるとして、以後の調理室２の制御温度、
ヒータ３ａ・３ｂの通電比率を決定し、また加熱時間を
決定する。そして制御手段５は温度検出手段１７から得
られる調理室２内の温度が制御温度となるようにヒータ
３ａ、３ｂのオン・オフ制御をする。

【００６０】以上のように本実施例によれば、調理開始
の初期に調理物を推定し、以後調理完了まで推定した調
理物に合わせて調理を行う自動調理が可能となる。効果
は、実施例１と同様の効果が得られる。

【００６１】（実施例７）本実施例では、電子オーブン
レンジに応用した例について説明する。構成を図７に示
す。実施例６とほぼ同様であるが、商用電源電圧の電圧
レベルを検出する電圧レベル検出手段１１を有している
点が異なる。この電圧レベル検出手段１１の出力を調理
物推定手段８に入力することにより、調理物の推定に、
より精度をあげることができる。その作用は、実施例２
と同様であり、実施例２と同様の効果が得られる。

【００６２】（実施例８）本実施例として、電子オーブ
ンレンジに応用した例について説明する。構成を図８に
示す。実施例６とほぼ同様であるが、調理室２にセット
される調理皿１４の位置を検出する皿位置検出手段１２
の情報を調理物推定手段８に入力することにより実現し
ている。具体的な内容は実施例３と同様であり、実施例
３と同様の効果が得られる。

【００６３】（実施例９）本実施例では、電子オーブン
レンジに応用した例について説明する。構成は図９に示
すように、実施例６の調理物の推定を、より精度を向上
させるために商用電源電圧の電圧レベルを検出する電圧
レベル検出手段１１と、調理室２にセットされる調理皿
１４の位置を検出する皿位置検出手段１２の情報を調理
物推定手段８に入力することにより実現している。具体
的な内容は実施例１、実施例２および実施例３と同様で
あり、実施例４と同様の効果が得られる。

【００６４】（実施例１０）本実施例は、実施例７、実
施例８および実施例９において、調理室の環境条件がば
らついても正しく調理物を推定出きるように調理物の推
定の精度をさらに向上させるものである。構成を図１０
に示す。実施例７、実施例８および実施例９と異なる点
は、制御手段５に第２所定温度記憶部１９と待機部２０
を設けた点にある。第２所定温度記憶部１９には、所定
温度記憶部１８の記憶値（例えば１５０℃）より低い温
度（例えば８０℃）を記憶している。待機部２０は調理
開始時の温度検出手段１７の検出温度が第２所定温度記
憶部１９の記憶値より高い時に記憶値より低くなるまで
調理手段３であるヒータ３ａ・３ｂへの通電を禁止し、
調理を待機させる。

【００６５】たとえば使用者が、グラタンの調理を行っ
た直後にハンバーグの調理を行う場合、調理室内の温度
は高い。この時には、待機部２０がヒータ３ａ・３ｂの
通電を禁止する。この時にファン（図示せず）を駆動し
て調理室内を冷却するなどして第２所定温度記憶部１９
の記憶値より低くなってからヒータ３ａ・３ｂに通電し
て調理を開始する。図２４はその場合のハンバーグを調
理した時の温度検出手段１７、湿度検出手段１５の出力
電圧の変化を示している。図２４（ａ）は調理室内の温
度の変化を示し、図２４（ｂ）は調理室内の湿度の変化
を示し、図２４（ａ）および（ｂ）は図２２（ａ）およ
び（ｂ）にそれぞれ対応している。この実験は、調理開
始直後の調理室２内の温度が高く第２所定温度記憶部１
９の記憶値である８０度より低くなってから実際の調理
を開始している。図２２と図２０から明らかなように、
いったん調理室２内の温度が下がってからは温度情報、
湿度情報ともほぼ同様の変化を示す。従って、調理物推
定手段８で神経回路網模式手段に入力する温度検出手段
１７の検出温度が１００度の時、１２５度の時、１５０
度の時、それぞれの湿度情報、経過時間情報の合計６情
報については同様の値になり正しく調理物を推定するこ
とが出来る。以上のように調理室の環境条件がばらつい
ても調理物の推定が可能である。

【００６６】以上の実施例では、制御手段５、計時手段
７、調理物推定手段８は、すべて４ビットマイクロコン
ピュータで構成したが、これらは１つのマイクロコンピ
ュータで構成することはもちろん可能である。なお、調
理物推定手段８には環境物理量情報として温度情報、湿
度情報、ガス情報等を適切に加工して入力しているが、
この限定は本発明を拘束するものでなく加工方法を変え
たり、情報量を増やして推定の精度を向上させることは
可能である。また、環境物理量情報として上記の以外に
も、温度情報、煙情報、調理物からでるにおい情報や調
理物の色情報などでも適用できる。また相互に事前に演
算を施し加工した値を入力しても同様の効果が得られ
る。また、本実施例では、調理室を持つ電子レンジ、電
子オーブンレンジについて説明したが、ガステーブル、
電磁調理器などの調理室を持たない調理器具にも適用で
きる。さらに本実施例では、電子レンジの再加熱機能
や、オーブンレンジでのお菓子の調理を説明したが、惣
菜やレンジ料理の煮込み、下ごしらえにも適用できる。

【００６７】

【発明の効果】以上の実施例から明らかなように本発明
によれば、調理物を調理する調理手段と、調理物周辺の
環境を検出する環境物理量検出手段と、前記環境物理量
検出手段の出力に基づき前記調理物を推定する調理物推
定手段と、前記調理物推定手段の出力に基づき前記調理
手段を制御する制御手段とからなるから、調理物が何で
あるのかを認識することができると同時に、その調理物
に最適に調理手段を制御できるので、調理の出来上り状
態をより向上させることが可能となる。さらに、自動調
理を可能にするための操作部のキーが集約化でき使い勝
手が向上する。

【００６８】また、調理物を調理する調理手段と、調理
物周辺の環境を検出する環境物理量検出手段と、商用電
源電圧の電圧レベルを検出する電圧レベル検出手段と、
前記環境物理量検出手段、前記電圧レベル検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなるから電源電圧の変動に対しても調
理物の推定の精度が向上する。

【００６９】また、調理物を調理する調理手段と、前記
調理物を載せる調理皿の位置を検出する皿位置検出手段
と、調理物周辺の環境を検出する環境物理量検出手段
と、前記皿位置検出手段、前記環境物理量検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなるから、最初に調理物の推定を皿位
置により大まかに分類でき、次に詳細に調理物を推定で
きるので調理物推定の精度がより向上できるとともに、
推定可能な調理物の数を増やすことがで、自動調理が可
能となる調理物の種類を増やすことができる。

【００７０】また、調理物を調理する調理手段と、前記
調理物を載せる調理皿の位置を検出する皿位置検出手段
と、商用電源電圧の電圧レベルを検出する電圧レベル検
出手段と、調理物周辺の環境を検出する環境物理量検出
手段と、前記皿位置検出手段、前記電圧レベル検出手
段、前記環境物理量検出手段の出力に基づき前記調理物
を推定する調理物推定手段と、前記調理物推定手段の出
力に基づき前記調理手段を制御する制御手段とからなる
から、調理物の推定を、さらに向上させることができ
る。

【００７１】また、調理物を調理する調理手段と、調理
室内の湿度を検出する湿度検出手段と、調理室からの排
気温度を検出する排気温度検出手段と、前記湿度検出手
段、前記排気温度検出手段の出力に基づき前記調理物を
推定する調理物推定手段と、前記調理物推定手段の出力
に基づき前記調理手段を制御する制御手段とからなるか
ら、調理中に生じる調理室内の温度変化等をすばやく認
識でき、調理物の推定の精度が上がる。

【００７２】また、調理物を調理する調理手段と、調理
物周辺の温度を検出する温度検出手段と、調理物周辺の
湿度を検出する湿度検出手段と、予め定めた調理物周辺
の所定温度を記憶する所定温度記憶手段と、前記温度検
出手段の出力が前記所定温度記憶手段の記憶値に達する
までの前記温度検出手段の出力と前記湿度検出手段の出
力に基づき前記調理物を推定する調理物推定手段と、前
記調理物推定手段の出力に基づき前記調理手段を制御す
る制御手段とからなるから、使用者は調理メニューを選
択する操作が不要になり煩雑な操作が解消され使い勝手
の良く出来上りばらつきの少ない調理器具を提供でき
る。

【００７３】また、調理物を調理する調理手段と、調理
物周辺の温度を検出する温度検出手段と、調理物周辺の
湿度を検出する湿度検出手段と、商用電源電圧の電圧レ
ベルを検出する電圧レベル検出手段と、予め定めた調理
物周辺の所定温度を記憶する所定温度記憶手段と、前記
電圧レベル検出手段の出力と前記温度検出手段の出力が
前記所定温度記憶手段の記憶値に達するまでの前記温度
検出手段の出力及び前記湿度検出手段の出力に基づき前
記調理物を推定する調理物推定手段と、前記調理物推定
手段の出力に基づき前記調理手段を制御する制御手段と
からなるから、電源電圧の変動に対しても調理物の推定
の精度が向上する。

【００７４】また、調理物を調理する調理手段と、調理
物周辺の温度を検出する温度検出手段と、調理物周辺の
湿度を検出する湿度検出手段と、前記調理物を載せる調
理皿の位置を検出する皿位置検出手段と、予め定めた調
理物周辺の所定温度を記憶する所定温度記憶手段と、前
記皿位置検出手段の出力と前記温度検出手段の出力が前
記所定温度記憶手段の記憶値に達するまでの前記温度検
出手段の出力及び前記湿度検出手段の出力に基づき前記
調理物を推定する調理物推定手段と、前記調理物推定手
段の出力に基づき前記調理手段を制御する制御手段とか
らなるから最初に調理物の推定を皿位置により大まかに
分類でき、次に詳細に調理物を推定できるので調理物推
定の精度がより向上できるとともに、推定可能な調理物
の数を増やすことがで、自動調理が可能となる調理物の
種類を増やすことができる。

【００７５】また、調理物を調理する調理手段と、調理
物周辺の温度を検出する温度検出手段と、調理物周辺の
湿度を検出する湿度検出手段と、前記調理物を載せる調
理皿の位置を検出する皿位置検出手段と、商用電源電圧
の電圧レベルを検出する電圧レベル検出手段と、予め定
めた調理物周辺の所定温度を記憶する所定温度記憶手段
と、前記皿位置検出手段の出力と前記電圧レベル検出手
段の出力と前記温度検出手段の出力が前記所定温度記憶
手段の記憶値に達するまでの前記温度検出手段の出力及
び前記湿度検出手段の出力に基づき前記調理物を推定す
る調理物推定手段と、前記調理物推定手段の出力に基づ
き前記調理手段を制御する制御手段とからなるから調理
物の推定を、さらに向上させることができる。

【００７６】また、制御手段は所定温度記憶手段の記憶
値より低い第２の所定温度を記憶する第２所定温度記憶
部を有し、温度検出手段からの出力が初期に第２所定温
度より高い時に第２所定温度より低くなるまで調理手段
を停止させる待機部を設けているので、例えば連続使用
のように調理室の環境条件がばらついても調理物の推定
を誤らずに精度の高い推定が可能となる。

【００７７】また、調理物推定手段は、複数の神経素子
より構成される神経回路網をモデル化し学習によって得
られ、調理物を推定する複数の固定された結合重み係数
を内部に持つ神経回路網模式手段を有し、または、複数
の神経素子より構成される層が多数組み合わされて構築
される階層型の神経回路網模式手段を有するから、自動
調理の対象となる学習させた調理メニューについては、
調理物の推定ができ自動調理が可能となり、調理メニュ
ー選択の操作が不要な使い勝手の良い調理器具を提供で
きる。

【図面の簡単な説明】

【図１】本発明の一実施例の調理器具の構成ブロック図

【図２】本発明の他の実施例の調理器具の構成ブロック
図

【図３】本発明の他の実施例の調理器具の構成ブロック
図

【図４】本発明の他の実施例の調理器具の構成ブロック
図

【図５】本発明の他の実施例の調理器具の構成ブロック
図

【図６】本発明の他の実施例の調理器具の構成ブロック
図

【図７】本発明の他の実施例の調理器具の構成ブロック
図

【図８】本発明の他の実施例の調理器具の構成ブロック
図

【図９】本発明の他の実施例の調理器具の構成ブロック
図

【図１０】本発明の他の実施例の調理器具の構成ブロッ
ク図

【図１１】本発明の一実施例の調理器具に用いた操作部
の構成図

【図１２】同調理器具に用いた神経回路網模式手段の構
成単位となる神経素子の概念図

【図１３】同調理器具に用いた神経素子で構成した信号
変換手段の概念図

【図１４】同調理器具に用いた学習アルゴリズムとして
誤差逆伝搬法を採用した信号処理手段のブロック図

【図１５】同調理器具に用いた神経回路網模式手段を用
いた多層パーセプトロンの構成を示すブロック図

【図１６】図１の構成ブロック図に基づく調理器具の実
験データの一例を示す図

【図１７】同調理器具の実験データの他の例を示す図

【図１８】図３の構成ブロック図に基づく調理器具の実
験データの一例を示す図

【図１９】同調理器具の実験データの他の例を示す図

【図２０】同調理器具の実験データの他の例を示す図

【図２１】同調理器具の実験データの他の例を示す図

【図２２】図６の構成ブロック図に基づく調理器具の実
験データの一例を示す図

【図２３】同調理器具の実験データの他の例を示す図

【図２４】図１０の構成ブロック図に基づく調理器具の
実験データの一例を示す図

【図２５】従来の調理器具の構成ブロック図

【図２６】従来の調理器具の他の構成ブロック図

【符号の説明】

１調理器具３調理手段５制御手段６環境物理量検出手段８調理物推定手段１１電圧レベル検出手段１２皿位置検出手段１４調理皿１５湿度検出手段１６排気温度検出手段１７温度検出手段１８所定温度記憶手段１９第２所定温度記憶手段２０待機部

フロントページの続き (72)発明者黄地謙三大阪府門真市大字門真1006番地松下電器産業株式会社内 (72)発明者中基孫神奈川県川崎市多摩区東三田３丁目10番１号松下技研株式会社内

Claims

【特許請求の範囲】

【請求項１】調理物を調理する調理手段と、調理物周辺
の環境を検出する環境物理量検出手段と、前記環境物理
量検出手段の出力に基づき前記調理物を推定する調理物
推定手段と、前記調理物推定手段の出力に基づき前記調
理手段を制御する制御手段とからなる調理器具。
【請求項２】調理物を調理する調理手段と、調理物周辺
の環境を検出する環境物理量検出手段と、商用電源電圧
の電圧レベルを検出する電圧レベル検出手段と、前記環
境物理量検出手段、前記電圧レベル検出手段の出力に基
づき前記調理物を推定する調理物推定手段と、前記調理
物推定手段の出力に基づき前記調理手段を制御する制御
手段とからなる調理器具。
【請求項３】調理物を調理する調理手段と、前記調理物
を載せる調理皿の位置を検出する皿位置検出手段と、調
理物周辺の環境を検出する環境物理量検出手段と、前記
皿位置検出手段、前記環境物理量検出手段の出力に基づ
き前記調理物を推定する調理物推定手段と、前記調理物
推定手段の出力に基づき前記調理手段を制御する制御手
段とからなる調理器具。
【請求項４】調理物を調理する調理手段と、前記調理物
を載せる調理皿の位置を検出する皿位置検出手段と、商
用電源電圧の電圧レベルを検出する電圧レベル検出手段
と、調理物周辺の環境を検出する環境物理量検出手段
と、前記皿位置検出手段、前記電圧レベル検出手段およ
び前記環境物理量検出手段の出力に基づき前記調理物を
推定する調理物推定手段と、前記調理物推定手段の出力
に基づき前記調理手段を制御する制御手段とからなる調
理器具。
【請求項５】前記調理物を調理する調理手段と、調理室
内の湿度を検出する湿度検出手段と、調理室からの排気
温度を検出する排気温度検出手段と、前記湿度検出手
段、前記排気温度検出手段の出力に基づき前記調理物を
推定する調理物推定手段と、前記調理物推定手段の出力
に基づき前記調理手段を制御する制御手段とからなる調
理器具。
【請求項６】調理物を調理する調理手段と、調理物周辺
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、予め定めた調理物周辺の所定
温度を記憶する所定温度記憶手段と、前記温度検出手段
の出力が前記所定温度記憶手段の記憶値に達するまでの
前記温度検出手段と前記湿度検出手段の出力に基づき前
記調理物を推定する調理物推定手段と、前記調理物推定
手段の出力に基づき前記調理手段を制御する制御手段と
からなる調理器具。
【請求項７】調理物を調理する調理手段と、調理物周辺
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、商用電源電圧の電圧レベルを
検出する電圧レベル検出手段と、予め定めた調理物周辺
の所定温度を記憶する所定温度記憶手段と、前記電圧レ
ベル検出手段の出力と前記温度検出手段の出力が前記所
定温度記憶手段の記憶値に達するまでの前記温度検出手
段の出力及び前記湿度検出手段の出力に基づき前記調理
物を推定する調理物推定手段と、前記調理物推定手段の
出力に基づき前記調理手段を制御する制御手段とからな
る調理器具。
【請求項８】調理物を調理する調理手段と、調理物周辺
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、前記調理物を載せる調理皿の
位置を検出する皿位置検出手段と、予め定めた調理物周
辺の所定温度を記憶する所定温度記憶手段と、前記皿位
置検出手段の出力と前記温度検出手段の出力が前記所定
温度記憶手段の記憶値に達するまでの前記温度検出手段
の出力及び前記湿度検出手段の出力に基づき前記調理物
を推定する調理物推定手段と、前記調理物推定手段の出
力に基づき前記調理手段を制御する制御手段とからなる
調理器具。
【請求項９】調理物を調理する調理手段と、調理物周辺
の温度を検出する温度検出手段と、調理物周辺の湿度を
検出する湿度検出手段と、前記調理物を載せる調理皿の
位置を検出する皿位置検出手段と、商用電源電圧の電圧
レベルを検出する電圧レベル検出手段と、予め定めた調
理物周辺の所定温度を記憶する所定温度記憶手段と、前
記皿位置検出手段の出力と前記電圧レベル検出手段の出
力と前記温度検出手段の出力が前記所定温度記憶手段の
記憶値に達するまでの前記温度検出手段の出力及び前記
湿度検出手段の出力に基づき前記調理物を推定する調理
物推定手段と、前記調理物推定手段の出力に基づき前記
調理手段を制御する制御手段とからなる調理器具。
【請求項１０】制御手段は所定温度記憶手段の記憶値よ
り低い第２の所定温度を記憶する第２所定温度記憶部を
有し、温度検出手段からの出力が初期に第２所定温度よ
り高い時に第２所定温度より低くなるまで調理手段を停
止させる待機部を設けた請求項６ないし請求項９記載の
調理器具。
【請求項１１】調理物推定手段は、複数の神経素子より
構成される神経回路網をモデル化し学習によって得ら
れ、調理物を推定する複数の固定された結合重み係数を
内部に持つ神経回路網模式手段を有する請求項１ないし
請求項９記載の調理器具。
【請求項１２】調理物推定手段は、複数の神経素子より
構成される層が多数組み合わされて構築される階層型の
神経回路網模式手段を備えたことを特徴とする請求項１
ないし請求項９記載の調理器具。