烹饪器具的控制方法、装置和系统、存储介质、处理器制造方法及图纸

本发明专利技术公开了一种烹饪器具的控制方法、装置和系统、存储介质、处理器。其中，该方法包括：获取烹饪器具内部的红外图像；利用第一模型对红外图像进行分析，得到相应的烹饪方案，其中，第一模型为使用多组数据通过机器学习训练出来的，每组数据均包括：红外图像以及相应的烹饪方案的标签；控制烹饪器具按照烹饪方案执行烹饪操作。本发明专利技术解决了现有的烹饪器具通过热敏电阻其进行控制，结构和热敏电阻其的差异对工作性能影响很大的技术问题。

The control method, device and system, storage medium, processor of cooking utensils

The invention discloses a control method, a device and a system, a storage medium and a processor for a cooking utensil. Among them, the method includes: obtaining the infrared image of cooking utensils inside; the infrared image was analyzed using the first model, get the corresponding cooking program, the first model to use multiple sets of data trained by machine learning, data in each group include: infrared image and label the corresponding control scheme of cooking; cooking appliances in accordance with the cooking cooking operation plan. The invention solves the technical problems that the existing cooking appliances are controlled by thermistors, and the difference between the structure and the thermistor has great influence on the work performance.

【技术实现步骤摘要】
烹饪器具的控制方法、装置和系统、存储介质、处理器
本专利技术涉及家用电器控制领域，具体而言，涉及一种烹饪器具的控制方法、装置和系统、存储介质、处理器。
技术介绍
目前的烹饪器具，例如电饭煲类产品大多数采用简单的控温方案，热敏电阻器会根据温度的变化而变化，通过模数AD(是AnalogtoDigital的简称)采样的电压判断温度，并控制继电器加热。热敏电阻器采样无法做到精准的判断，因为饭煲结构的不同和热敏电阻器的位置不同，AD采样的温度数据也会有差异。而且，热敏电阻器所采样的温度数据也不是真实米的温度，无法对米饭烹饪过程进行有效、精确的闭环控制。针对现有的烹饪器具通过热敏电阻其进行控制，结构和热敏电阻其的差异对工作性能影响很大的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种烹饪器具的控制方法、装置和系统、存储介质、处理器，以至少解决现有的烹饪器具通过热敏电阻其进行控制，结构和热敏电阻其的差异对工作性能影响很大的技术问题。根据本专利技术实施例的一个方面，提供了一种烹饪器具的控制方法，包括：获取烹饪器具内部的红外图像；利用第一模型对红外图像进行分析，得到相应的烹饪方案，其中，第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签；控制烹饪器具按照烹饪方案执行烹饪操作。根据本专利技术实施例的另一方面，还提供了一种烹饪器具的控制装置，包括：获取模块，用于获取烹饪器具内部的红外图像；处理模块，用于利用第一模型对红外图像进行分析，得到相应的烹饪方案，其中，第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签；控制模块，用于控制烹饪器具按照烹饪方案执行烹饪操作。根据本专利技术实施例的另一方面，还提供了一种烹饪器具的控制系统，包括：处理器，用于获取烹饪器具内部的红外图像，利用第一模型对红外图像进行分析，得到相应的烹饪方案，其中，第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签；控制器，与处理器连接，用于控制烹饪器具按照烹饪方案执行烹饪操作。根据本专利技术实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例中的烹饪器具的控制方法。根据本专利技术实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例中的烹饪器具的控制方法。在本专利技术实施例中，获取烹饪器具内部的红外图像，利用第一模型对红外图像进行分析，得到相应的烹饪方案，控制烹饪器具按照烹饪方案执行烹饪操作，与现有技术相比，由于通过红外图像和机器学习对烹饪器具进行控制，实现对不同米种、不同米量和水量的判断更加精确，避免结构和热敏电阻器的差异对烹饪器具工作性能造成硬影响，从而解决了现有的烹饪器具通过热敏电阻其进行控制，结构和热敏电阻其的差异对工作性能影响很大的技术问题，达到对烹饪过程进行有效、精确的闭环控制，完善煮饭性能效果的效果。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据本专利技术实施例的一种烹饪器具的控制方法的流程图；图2是根据本专利技术实施例的一种烹饪器具的控制装置的示意图；以及图3是根据本专利技术实施例的一种烹饪器具的控制系统的示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。实施例1根据本专利技术实施例，提供了一种烹饪器具的控制方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。图1是根据本专利技术实施例的一种烹饪器具的控制方法的流程图，如图1所示，该方法包括如下步骤：步骤S102，获取烹饪器具内部的红外图像。具体地，上述的烹饪器具可以是电饭煲、电压力锅等利用继电器加热食物的产品，本专利技术对此不作具体限定；上述的红外图像可以是红外设备拍摄到的，用于反映烹饪器具内部温度的画面。步骤S104，利用第一模型对红外图像进行分析，得到相应的烹饪方案，其中，第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签。具体地，上述的烹饪方案可以是对烹饪器具内盛放的盛放物进行烹饪的具体功能、参数等，在通过红外设备拍摄到烹饪器具内部的红外图像之后，可以利用预先通过机器学习训练好的第一模型对红外图像进行分析，确定用户放入烹饪器具内的盛放物的类型，并进一步得到对该盛放物进行烹饪的烹饪方案。为了能够得到相应的烹饪方案，可以建立神经网络模型，预先获取多组不同盛放物的红外图像，并通过人工标注的方式为每组红外图像设置相应的烹饪方案的标签，得到第一数据，然后使用设置后的第一数据对神经网络模型进行训练，得到第一模型。步骤S106，控制烹饪器具按照烹饪方案执行烹饪操作。在一种可选的方案中，在用户将盛放物放入烹饪器具之后，用户可以选定在待机状态下按功能选择键选择煮饭功能，按开始键煮饭，烹饪器具通过红外设备拍摄红外图像，并通过第一模型对拍摄到的红外图像进行分析，得到相应的烹饪方案，可以按照烹饪方案中的功能、参数执行相应的烹饪操作。通过本专利技术上述实施例，获取烹饪器具内部的红外图像，利用第一模型对红外图像进行分析，得到相应的烹饪方案，控制烹饪器具按照烹饪方案执行烹饪操作，与现有技术相比，由于通过红外图像和机器学习对烹饪器具进行控制，实现对不同米种、不同米量和水量的判断更加精确，避免结构和热敏电阻器的差异对烹饪器具工作性能造成硬影响，从而解决了现有的烹饪器具通过热敏电阻其进行控制，结构和热敏电阻其的差异对工作性能影响很大的技术问题，达到对烹饪过程进行有效、精确的闭环控制，完善煮饭性能效果的效果。可选地，在本专利技术上述实施例中，步骤S104，利用第一模型对红外图像进行分析，得到相应的烹饪方案包括：步骤S1042，利用第二模型对红外图像进行分析，得到烹饪器具内盛放物的类型，其中，第二模型为使用多组第二数据通过机器学习训练出来的，每组第二数据均包括：红外图像以及相应的盛放物的类型的标签。具体地，上述的盛放物本文档来自技高网...

【技术保护点】
一种烹饪器具的控制方法，其特征在于，包括：获取烹饪器具内部的红外图像；利用第一模型对所述红外图像进行分析，得到相应的烹饪方案，其中，所述第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签；控制所述烹饪器具按照所述烹饪方案执行烹饪操作。

【技术特征摘要】
1.一种烹饪器具的控制方法，其特征在于，包括：获取烹饪器具内部的红外图像；利用第一模型对所述红外图像进行分析，得到相应的烹饪方案，其中，所述第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签；控制所述烹饪器具按照所述烹饪方案执行烹饪操作。2.根据权利要求1所述的方法，其特征在于，利用第一模型对所述红外图像进行分析，得到相应的烹饪方案包括：利用第二模型对所述红外图像进行分析，得到所述烹饪器具内盛放物的类型，其中，所述第二模型为使用多组第二数据通过机器学习训练出来的，每组第二数据均包括：红外图像以及相应的盛放物的类型的标签；获取所述盛放物的类型对应的烹饪方案。3.根据权利要求2所述的方法，其特征在于，利用第二模型对所述红外图像进行分析，得到所述烹饪器具内盛放物的类型包括：利用第一子模型对所述红外图像进行特征提取，得到所述盛放物的第一属性信息，其中，所述第一子模型为使用多组第一子数据通过机器学习训练出来的，每组第一子数据均包括：红外图像以及相应的盛放物的第一属性信息的标签；利用第二子模型对所述第一属性信息进行分析，得到所述盛放物的类型，其中，所述第二子模型为使用多组第二子数据通过机器学习训练出来的，每组第二子数据均包括：第一属性信息以及相应的盛放物的类型的标签。4.根据权利要求3所述的方法，其特征在于，在获取烹饪器具内部的红外图像之后，所述方法还包括：获取所述盛放物的重量信息；利用第三子模型对所述重量信息和所述第一属性信息进行分析，得到所述盛放物的第二属性信息，其中，所述第三子模型为使用多组第三子数据通过机器学习训练出来的，每组第三子数据均包括：重量信息、第一属性信息以及相应的盛放物的第二属性信息的标签；利用第四子模型对所述第二属性信息进行分析，得到所述盛放物的类型，其中，所述第四子模型为使用多组第四子数据通过机器学习训练出来的，每组第四子数据均包括：第二属性信息以及相应的盛放物的类型的标签。5.根据权利要求4所述的方法，其特征在于，第一属性信息包括：所述盛放物的分布位置、尺寸和颜色，所述第二属性信息包括：所述盛放物的体积、密度、分布和材质。6.根据权利要求2所述的方法，...

【专利技术属性】
技术研发人员：林嘉辉，贾世峰，李硕勇，谢锦华，李晓卫，徐明燕，冯晓琴，翁剑宏，
申请(专利权)人：珠海格力电器股份有限公司，
类型：发明
国别省市：广东,44