一种基于深度学习的智能烘烤装置以及方法制造方法及图纸

本发明专利技术公开了基于深度学习的智能烘烤方法以及装置，所述的智能烘烤方法包括将反馈模块反馈的信息分析、学习，并生成烘烤曲线，然后根据烘烤曲线，控制机械运动模块进行烘烤；智能烘烤装置包括中央处理模块、深度学习模块、机械运动模块、反馈模块，深度学习模块根据反馈模块反馈的信息生成烘烤曲线，中央处理模块则根据烘烤曲线控制机械运动模块进行烘烤；根据不同的烤制食材得到不同的烘烤曲线，按照烘烤曲线进行烘烤，从而使一种烘烤系统即可完成对多种食材制作多种口味的烤制食品。

An Intelligent Baking Device and Method Based on Deep Learning

The invention discloses an intelligent baking method and device based on in-depth learning. The intelligent baking method includes analyzing and learning feedback information from feedback module and generating baking curve, then controlling mechanical motion module to bake according to the baking curve. The intelligent baking device includes central processing module, in-depth learning module, mechanical motion module and feedback module. The degree learning module generates the baking curve according to the feedback information of the feedback module, and the central processing module controls the mechanical movement module to bake according to the baking curve. According to different baking materials, different baking curves are obtained and baked according to the baking curve, so that a baking system can complete the baking of a variety of food materials to produce a variety of flavors.

【技术实现步骤摘要】
一种基于深度学习的智能烘烤装置以及方法
本专利技术涉及食材制作领域，特别是一种基于深度学习的智能烘烤装置以及方法。
技术介绍
目前，市场上的烘烤设备，只是单纯地提供烘烤的热度，将食物烤熟，若要得到美味的烤制食品则需要一个经验丰富的厨师人手翻转食材进行烤制。也有一些智能烘烤设备按照中央处理器既定的程序，智能旋转食材，调节烘烤设备的运行，节省人力，但只能单纯制作单一口味和风格的烤制食品，不能达到多样性的食材制作和口味多样化的要求。
技术实现思路
为解决上述问题，本专利技术的目的在于提供基于深度学习的智能烘烤方法以及装置，完成多种食材的烤制和烤制食品口味多样化的要求。本专利技术解决其问题所采用的技术方案是：根据本专利技术的第一方面，一种基于深度学习的智能烘烤装置，包括中央处理模块、深度学习模块、机械运动模块和反馈模块，所述深度学习模块、机械运动模块和反馈模块分别与中央处理模块连接；所述深度学习模块，用于将反馈模块反馈的信息分析、深度学习，并生成烘烤曲线；所述中央处理模块，用于根据深度学习模块得到的烘烤曲线，控制机械运动模块进行烘烤。进一步，所述的机械运动模块包括翻转机械臂模块、喷焰模块、氧气和燃料均衡调节模块，所述翻转机械臂模块、喷焰模块以及氧气和燃料均衡调节模块分别与中央处理模块连接；所述翻转机械臂模块，用于根据烘烤曲线调整烘烤位置和方向；所述喷焰模块，用于根据烘烤曲线喷出气焰烘烤食材；所述氧气和燃料均衡调节模块，用于根据烘烤曲线动态调节进氧压力和燃料调配速度。此外，所述的一种基于深度学习的智能烘烤装置还包括数据协助模块，所述数据协助模块与中央处理模块连接，用于存储反馈模块的数据并生成数据包实时与中央处理模块进行交换。进一步，所述的一种基于深度学习的智能烘烤装置还包括伺服电源模块、漏电短路保护模块和油烟净化模块；伺服电源模块与中央处理模块连接，漏电短路保护模块与伺服电源模块连接，油烟净化模块与中央处理模块连接。根据本专利技术的第二方面，一种基于深度学习的智能烘烤方法，包括以下步骤，将反馈模块反馈的信息分析、深度学习，并生成烘烤曲线；根据烘烤曲线，控制机械运动模块进行烘烤。进一步，所述的一种基于深度学习的智能烘烤方法还包括，根据烘烤曲线调整烘烤位置和方向；根据烘烤曲线动态调节进氧压力和燃料调配速度。此外，所述的一种基于深度学习的智能烘烤方法还包括以下步骤，存储反馈模块的数据并生成数据包实时与中央处理模块进行交换。本专利技术的有益效果是：本专利技术提供的基于深度学习的智能烘烤方法以及装置，根据不同的烤制食材得到不同的烘烤曲线，然后按照烘烤曲线控制装置运行模式，从而得到不同烤制食品的各种口味，使一种烘烤系统即可完成对多种食材制作多种口味的烤制食品；同时可以自动化完成烘烤，节省人力成本。附图说明下面结合附图和实例对本专利技术作进一步说明。图1是本专利技术一种基于深度学习的智能烘烤方法的第一实施例的流程图；图2是本专利技术一种基于深度学习的智能烘烤方法的第二实施例的流程图；图3是本专利技术一种基于深度学习的智能烘烤装置的结构图。具体实施方式参照图1和图2，本专利技术的一个实施例，步骤a1中，初始数据获取：首先是获得大量的关于烘烤食物的数据，按照机械运动模块3对食物烘烤的时间、角度、火力进行记录，将烘烤得到的食物给顾客试食，让顾客评分，从0分到1分，分数越高代表口感味道越好，从而得到数据表格。然后按照数据表格，将时间、角度、火力的其中两个量作定量，另一个量作变量，以变量做横坐标，以分数做纵坐标，得到一系列的初始烘烤曲线。模型优化：在深度学习模块2中，设置输入层：机械运动模块3烘烤方式，输出层：评分分数；将机械运动模块3烘烤方式(即由反馈模块4反馈得到的烘烤时间、角度、火力这些数据)作为输入层，根据初始烘烤曲线，按照深度信念网络(DBNs)算法(具体算法可参考参考文献中的方法：Hinton，G.E.，Osindero，S.andTeh，Y.W.Afastlearningalgorithmfordeepbeliefnets.NeuralComputation，vol18，pp.1527－1554，2006)，输出为评分分数，对初始烘烤曲线进行大量的训练和优化，对中间的加权参数进行优化和完善(例如对组成整个深度信念网络的N个受限玻尔兹曼机的隐含层选取sigmoid激活函数，通过对比散度算法和吉布斯采样对每层隐含层多次迭代预训练来更新模型参数，进而得到参数较优的深度信念网络模型，并且对预训练后的深度信念网络模型再加一层softmax回归，对整个网络进行反向微调)得到最终烘烤曲线；期间，数据的处理由中央处理模块1完成，同时数据协助模块5存储反馈模块4的数据并生成数据包实时经过中央处理模块1进行交换，分担中央处理模块1处理数据的压力。根据不同的食材可以得到不同的烘烤曲线。步骤a2中，烘烤制作：中央处理模块1根据深度学习模块2得到的最终烘烤曲线，控制机械运动模块3对食物进行烘烤；调控翻转机械臂模块31根据烘烤曲线闭环全方位调整烘烤位置和方向，调控喷焰模块32根据烘烤曲线烘烤食材，并将有效的热能用在食材关键性部分，调控氧气和燃料均衡调节模块33根据烘烤曲线动态调节进氧压力和燃料调配速度，以此来分别调控烘烤时间、角度、火力。按照不同的烘烤曲线即可完成对多种食材进行多样化风味的烘烤。参照图3，另一个实施例，一种基于深度学习的智能烘烤装置，包括中央处理模块1、深度学习模块2、机械运动模块3、反馈模块4，深度学习模块2、机械运动模块3、反馈模块4分别与中央处理模块1连接；深度学习模块2，用于将反馈模块4反馈的信息分析、深度学习，并生成烘烤曲线；中央处理模块1，用于根据深度学习模块2得到的烘烤曲线，控制机械运动模块3进行烘烤。进一步，所述的机械运动模块3包括翻转机械臂模块31、喷焰模块32、氧气和燃料均衡调节模块33；翻转机械臂模块31，用于根据烘烤曲线闭环全方位调整烘烤位置和方向；喷焰模块32，用于根据烘烤曲线烘烤食材，并将有效的热能用在食材关键性部位；氧气和燃料均衡调节模块33，用于根据烘烤曲线动态调节进氧压力和燃料调配速度。此外，所述的基于深度学习的智能烘烤装置还包括数据协助模块5，数据协助模块5与中央处理模块1连接，用于存储反馈模块4的数据并生成数据包实时与中央处理模块1进行交换。进一步，所述的基于深度学习的智能烘烤装置还包括伺服电源模块6、漏电短路保护模块7和油烟净化模块8；伺服电源模块6与中央处理模块1连接，漏电短路保护模块7与伺服电源模块6连接，油烟净化模块8与中央处理模块1连接。全天候伺服电源，根据系统火力的需求实时动态地调整电源输出功率。当考虑满功率运行时，若发生过载或者漏电，漏电短路保护模块7可以紧急自动切断电源。油烟净化模块8采用新型环保自循环净化方案，烘烤过程中产生的油烟在设备内部压缩和净化后再排出设备外，减少空气污染。以上所述，只是本专利技术的较佳实施例而已，本专利技术并不局限于上述实施方式，只要其以相同的手段达到本专利技术的技术效果，都应属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于深度学习的智能烘烤装置，其特征在于：包括中央处理模块(1)、深度学习模块(2)、机械运动模块(3)和反馈模块(4)，所述深度学习模块(2)、机械运动模块(3)、和反馈模块(4)分别与中央处理模块(1)连接；所述深度学习模块(2)，用于将反馈模块(4)反馈的信息分析、深度学习，并生成烘烤曲线；所述中央处理模块(1)，用于根据深度学习模块(2)得到的烘烤曲线，控制机械运动模块(3)进行烘烤。

【技术特征摘要】
1.一种基于深度学习的智能烘烤装置，其特征在于：包括中央处理模块(1)、深度学习模块(2)、机械运动模块(3)和反馈模块(4)，所述深度学习模块(2)、机械运动模块(3)、和反馈模块(4)分别与中央处理模块(1)连接；所述深度学习模块(2)，用于将反馈模块(4)反馈的信息分析、深度学习，并生成烘烤曲线；所述中央处理模块(1)，用于根据深度学习模块(2)得到的烘烤曲线，控制机械运动模块(3)进行烘烤。2.根据权利要求1所述的基于深度学习的智能烘烤装置，其特征在于，所述的机械运动模块(3)包括翻转机械臂模块(31)、喷焰模块(32)、氧气和燃料均衡调节模块(33)，所述翻转机械臂模块(31)、喷焰模块(32)以及氧气和燃料均衡调节模块(33)分别与中央处理模块(1)连接；所述翻转机械臂模块(31)，用于根据烘烤曲线调整烘烤位置和方向；所述喷焰模块(32)，用于根据烘烤曲线喷出气焰烘烤食材；所述氧气和燃料均衡调节模块(33)，用于根据烘烤曲线动态调节进氧压力和燃料调配速度。3.根据权利要求1或2任一项所述的基于深度学习的智能烘烤装置，其特征在于，还包括数据协助...

【专利技术属性】
技术研发人员：樊秋月，陈健斌，梁俊雄，关倩宜，
申请(专利权)人：广东科学技术职业学院，
类型：发明
国别省市：广东,44