控制烹饪模式的方法、装置和烹饪器具制造方法及图纸

本发明专利技术公开了一种控制烹饪模式的方法、装置和烹饪器具。其中，该方法包括：识别待烹饪的食物的种类，并获取操作对象定制的食物的至少一种口感数据；基于食物的种类，确定对应的深度确定性策略梯度模型；使用确定的深度确定性策略梯度模型处理食物的至少一种口感数据，获取调整数据，其中，调整数据用于调整烹饪参数；基于调整数据确定调整后的烹饪模式。上述方案采用强化学习的深度确定性策略梯度算法，根据用户需求制定个性化煮饭模式，解决了现有技术中由于烹饪器具的烹饪模式是出厂预设，导致烹饪的控制方法不灵活的技术问题。

【技术实现步骤摘要】
控制烹饪模式的方法、装置和烹饪器具
本专利技术涉及智能小家电领域，具体而言，涉及一种控制烹饪模式的方法、装置和烹饪器具。
技术介绍
随着生活节奏的加快，人们停留在厨房的时间越来越少，因此，简单易操作、符合用户口味，同时能将食物所包含的营养完美地发挥出来的烹饪器具迫切需要被研发出来。电饭煲是人们生活中必不可少的煮饭工具，传统的电饭煲针对不同的米粒类型，往往采用同一种烹饪模式，导致米的口感时好时坏；电饭煲的控制方式由简单的机械控制发展到现在的微电脑控制、模糊控制等，虽然其功能也从单一的煮饭功能发展到多用途且具有不同的煮饭模式，但是其烹饪模式仍然是出厂预设的固定模式，无法充分满足用户的个性需求。针对现有技术中由于烹饪器具的烹饪模式是出厂预设，导致烹饪的控制方法不灵活的问题，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控制烹饪模式的方法、装置和烹饪器具，以至少解决现有技术中由于烹饪器具的烹饪模式是出厂预设，导致烹饪的控制方法不灵活的技术问题。根据本专利技术实施例的一个方面，提供了一种控制烹饪本文档来自技高网...

【技术保护点】
1.一种控制烹饪模式的方法，包括：/n识别待烹饪的食物的种类，并获取操作对象定制的所述食物的至少一种口感数据；/n基于所述食物的种类，确定对应的深度确定性策略梯度模型；/n使用确定的深度确定性策略梯度模型处理所述食物的至少一种口感数据，获取调整数据，其中，所述调整数据用于调整烹饪参数；/n基于调整数据确定调整后的烹饪模式。/n

【技术特征摘要】
1.一种控制烹饪模式的方法，包括：
识别待烹饪的食物的种类，并获取操作对象定制的所述食物的至少一种口感数据；
基于所述食物的种类，确定对应的深度确定性策略梯度模型；
使用确定的深度确定性策略梯度模型处理所述食物的至少一种口感数据，获取调整数据，其中，所述调整数据用于调整烹饪参数；
基于调整数据确定调整后的烹饪模式。


2.根据权利要求1所述的方法，其特征在于，在使用确定的深度确定性策略梯度模型处理所述食物的至少一种口感数据，获取调整数据之前，所述方法还包括：
针对不同种类的食物训练得到不同的深度确定性策略梯度模型，并针对不同的深度确定性策略梯度模型制定相应的烹饪模式。


3.根据权利要求1或2所述的方法，其特征在于，在识别待烹饪的食物的种类之后，所述方法还包括：
判断是否接收到进入调整烹饪模式的指令；
如果接收到所述指令，进入获取操作对象定制的所述食物的至少一种口感数据的步骤；
如果没有接收到所述指令，控制烹饪器具按照预先设定的烹饪模式进行工作。


4.根据权利要求1或2所述的方法，其特征在于，在基于调整数据确定调整后的烹饪模式之后，所述方法还包括：
控制烹饪器具按照所述调整后的烹饪模式进行工作；
将所述食物的类型和对应的烹饪模式之间的关联关系存储至烹饪数据库。


5.根据权利要求4所述的方法，其特征在于，在将所述食物的类型和对应的烹饪模式之间的关联关系进行存储之后，所述方法还包括：
如果检测到所述烹饪器具放入新食物，识别所述新食物的种类；
基于所述新食物的种类查询所述烹饪数据库中是否存在对应的烹饪模式；
如果查询到对应的烹饪模式，则控制所述烹饪器具按照查询到的烹饪模式进行工作；
如果没有查询到对应的烹饪模式，则控制所述烹饪器具按照预先设定的烹饪模式进行工作。


6.根据权利要求5所述的方法，其特征在于，在控制所述烹饪器具按照查询到的烹饪模式进行工作之前，所述方法还包括：
输出询问信息，其中，所述询问信息包括语音提示和/或文字提示，用于提示所述操作对象更新口感数据；
如果所述操作对象基于所述提示信息输入新的口感数据，则使用对应的深度确定性策略梯度模型处理所述更新后的口感数据，获取更新后的调整数据；
基于所述更新后的调整数据，调整所述查询到的烹饪模式。


7.根据权利要求6所述的方法，其特征在于，基于调整后的烹饪模式更新所述烹饪数据库中所述食物对应的烹饪模式。


8.根据权利要求1所述的方法，其特征在于，识别待烹饪的食物的种类，包括：
获取所述待烹饪的食物的食物图像；
使用卷积神经网络模型识别所述食物图像，确定所述食物图像中食物的种类。


9.根据权利要求8所述的方法，其特征在于，使用卷积神经网络模型识别所述食物图像，确定所述食物图像中食物的种类，包括：
分割所述食物图像，得到多张子图片；
使用所述卷积神经网络模型处理所述多张子图片，识别出每张子图片中的食物；
将识别出食物的子图片进行轮廓提取，并将没有识别出所述食物的区域设置为预定的背景，得到多张处理后的子图片；
将所述多张处理后的子图片进行拼合，得到还原后的食物图片。


10.根据权利要求9所述的方法，其特征在于，在将所述多张处理后的子图片进行拼合，得到还原后的食物图片之后，所述方法还包括：
输出所述还原后的食物图片，并提取所述还原后的食物图片中的食物轮廓；
基于所述还原后的食物图片中的食物轮廓，确定所述食物的种类。


11.一种控制烹饪模式的装置，包括：
识别模块，用于识别待烹饪的食物的种类，并获取操作对象定制的所述食物的至少一种口感数据；
第一确定模块，用于基于所述食物的种类，确定对应的深度确定性策略梯度模型；
第一调整模块，用于使用确定的深度确定性策略梯度模型处理所述食物的至少一种口感数据，获取调整数据，其中，所述调整数据用于调整烹饪参数；
第二确定模块，用于基于调整数据确定调整后的烹饪模式。


12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
制定模块，用于在使用确定的深度确定性策略梯度模型处理所述食物的至少一种口感数据，获取...

【专利技术属性】
技术研发人员：罗晓宇，陈翀，岳冬，
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