根据烹饪器具预测食物重量的方法、装置及相关设备制造方法及图纸

本申请提供一种根据烹饪器具预测食物重量的方法、装置及相关设备。该方法包括：确定烹饪器具的目标特征和/或食物特性以及温度，温度包括烹饪器具的外壁温度和/或内壁温度；以及将烹饪器具的目标特征和/或食物特性以及温度作为输入数据，输入预训练的预测模型，输出得到烹饪器具内的食物重量。无需根据不同场景构建不同的温度和食物重量的线性关系模型，可以将不同的目标特征和温度作为模型的输入，在训练一个通用的预测模型的基础上，通过该预测模型预测不同条件下的不同食物的重量，通过多个目标特征对食物重量进行预测，可以提高预测结果的准确性和稳定性。结果的准确性和稳定性。结果的准确性和稳定性。

【技术实现步骤摘要】
根据烹饪器具预测食物重量的方法、装置及相关设备


[0001]本申请涉及计算机
，尤其涉及一种根据烹饪器具预测食物重量的方法、装置及相关设备。

技术介绍

[0002]相关技术中，为了通过烹饪器具的外壁温度推测烹饪器具内的食物重量，通常基于不同场景构建不同的外壁温度与食物重量的线性关系模型来实现。
[0003]但是，利用相关技术构建的线性关系模型对烹饪器具内的食物重量进行预测的准确度低，稳定性差。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种根据烹饪器具预测食物重量的方法、装置及相关设备。
[0005]基于上述目的，在第一方面，本申请提供了一种根据烹饪器具预测食物重量的方法，包括：
[0006]确定所述烹饪器具的目标特征和/或食物特性以及温度，所述温度包括所述烹饪器具的外壁温度和/或内壁温度；以及
[0007]将所述烹饪器具的目标特征和/或食物特性以及温度作为输入数据，输入预训练的预测模型，输出得到所述烹饪器具内的食物重量。
[0008]在一种可能的实现方式中，所述目标特征，包括：所述烹饪器具的加热能力；
[0009]所述确定所述烹饪器具的目标特征，还包括：
[0010]获取实时烹饪器具的锅体材质信息、锅体厚度信息、锅体与线圈的接触面积和所述线圈的布局信息；
[0011]根据所述线圈的布局信息确定加热系数；
[0012]根据所述锅体材质信息与锅体厚度信息比值、锅体与线圈的接触面积以及加热系数确定实施烹饪器具的加热能力。
[0013]在一种可能的实现方式中，所述目标特征，包括：所述烹饪器具的初始温度、所述烹饪器具的当前温度以及补偿后的温度变化速率；
[0014]所述确定所述烹饪器具的目标特征，还包括：
[0015]获取所述烹饪器具的初始温度、所述烹饪器具的当前温度和实施烹饪器具的初始状态；其中，所述初始状态，包括：冷锅状态和热锅状态；
[0016]根据所述初始温度确定所述初始温度对应的第一时间；
[0017]根据所述当前温度确定所述当前温度对应的第二时间；
[0018]根据所述初始状态确定补偿系数；
[0019]根据所述初始温度和当前温度的差值的绝对值与所述第一时间和第二时间的差值的绝对值的比值以及所述补偿系数确定所述补偿后的温度变化速率。
[0020]在一种可能的实现方式中，所述目标特征，包括：所述烹饪器具的损耗系数；
[0021]所述确定所述烹饪器具的目标特征，还包括：
[0022]根据所述烹饪器具确定烹饪器具涂层的剥落状态和所述烹饪器具的使用时间；
[0023]根据所述烹饪器具涂层的剥落状态和所述烹饪器具的使用时间确定所述烹饪器具的损耗系数。
[0024]在一种可能的实现方式中，所述目标特征，还包括：所述烹饪器具的加热功率。
[0025]在一种可能的实现方式中，所述方法，还包括：
[0026]获取所述烹饪器具内的食物的含水率和/或食物比热容；
[0027]根据所述烹饪器具内的食物的含水率和/或食物比热容确定所述食物特性。
[0028]在一种可能的实现方式中，所述方法，还包括：
[0029]获取目标特征样本数据；其中，所述目标特征样本数据，包括：所述烹饪器具的加热能力样本数据、所述烹饪器具的初始温度样本数据、所述烹饪器具的当前温度样本数据、补偿后的温度变化速率样本数据、所述烹饪器具的损耗系数样本数据、所述烹饪器具的加热功率样本数据以及食物特性样本数据中的一种或多种；
[0030]确定所述目标特征样本数据的基尼系数；
[0031]根据所述基尼系数确定最佳切分点；
[0032]根据所述最佳切分点基于决策树模型确定待训练的预测模型；
[0033]根据所述目标特征样本数据训练所述待训练的预测模型以得到预测模型。
[0034]在第二方面，本申请提供了一种根据烹饪器具预测食物重量的装置，包括：
[0035]确定模块，被配置为确定所述烹饪器具的目标特征和/或食物特性以及温度，所述温度包括所述烹饪器具的外壁温度和/或内壁温度；
[0036]预测模块，被配置为将所述烹饪器具的目标特征和/或食物特性以及温度作为输入数据，输入预训练的预测模型，输出得到所述烹饪器具内的食物重量。
[0037]在第三方面，本申请提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的根据烹饪器具预测食物重量的方法。
[0038]在第四方面，本申请提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如第一方面所述的根据烹饪器具预测食物重量的方法。
[0039]从上面所述可以看出，本申请提供的一种根据烹饪器具预测食物重量的方法、装置及相关设备，确定所述烹饪器具的目标特征和/或食物特性以及温度，所述温度包括所述烹饪器具的外壁温度和/或内壁温度，将所述烹饪器具的目标特征和/或食物特性以及温度作为输入数据，输入预训练的预测模型，输出得到所述烹饪器具内的食物重量。无需根据不同场景构建不同的温度和食物重量的线性关系模型，可以将不同的目标特征和温度作为模型的输入，在训练一个通用的预测模型的基础上，通过该预测模型预测不同条件下的不同食物的重量，通过多个目标特征对食物重量进行预测，可以提高预测结果的准确性和稳定性。
附图说明
[0040]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1示出了本申请实施例所提供的一种根据烹饪器具预测食物重量的方法的示例性流程示意图。
[0042]图2示出了根据本申请的实施例的不同锅体材质、不同锅体厚度和不同线圈布局方式的干烧速率下温度随时间变化的趋势示意图。
[0043]图3示出了根据本申请的实施例的锅体外壁在不同水量和不同功率条件下温度随时间变化的趋势示意图。
[0044]图4示出了本申请实施例所提供的一种根据烹饪器具预测食物重量的装置的示例性结构示意图。
[0045]图5示出了本申请实施例所提供的一种电子设备的示例性结构示意图。
具体实施方式
[0046]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0047]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种根据烹饪器具预测食物重量的方法，其特征在于，包括：确定所述烹饪器具的目标特征和/或食物特性以及温度，所述温度包括所述烹饪器具的外壁温度和/或内壁温度；以及将所述烹饪器具的目标特征和/或食物特性以及温度作为输入数据，输入预训练的预测模型，输出得到所述烹饪器具内的食物重量。2.根据权利要求1所述的方法，其特征在于，所述目标特征，包括：所述烹饪器具的加热能力；所述确定所述烹饪器具的目标特征，还包括：获取实时烹饪器具的锅体材质信息、锅体厚度信息、锅体与线圈的接触面积和所述线圈的布局信息；根据所述线圈的布局信息确定加热系数；根据所述锅体材质信息与锅体厚度信息比值、锅体与线圈的接触面积以及加热系数确定实施烹饪器具的加热能力。3.根据权利要求1所述的方法，其特征在于，所述目标特征，包括：所述烹饪器具的初始温度、所述烹饪器具的当前温度以及补偿后的温度变化速率；所述确定所述烹饪器具的目标特征，还包括：获取所述烹饪器具的初始温度、所述烹饪器具的当前温度和实施烹饪器具的初始状态；其中，所述初始状态，包括：冷锅状态和热锅状态；根据所述初始温度确定所述初始温度对应的第一时间；根据所述当前温度确定所述当前温度对应的第二时间；根据所述初始状态确定补偿系数；根据所述初始温度和当前温度的差值的绝对值与所述第一时间和第二时间的差值的绝对值的比值以及所述补偿系数确定所述补偿后的温度变化速率。4.根据权利要求1所述的方法，其特征在于，所述目标特征，包括：所述烹饪器具的损耗系数；所述确定所述烹饪器具的目标特征，还包括：根据所述烹饪器具确定烹饪器具涂层的剥落状态和所述烹饪器具的使用时间；根据所述烹饪器具涂层的剥落状态和所述烹饪器具的使用时间确定所述烹饪器具的损耗...

【专利技术属性】
技术研发人员：崔扬，蒋卓，郭路亮，刘争辉，
申请(专利权)人：橡鹿机器人江苏有限公司，
类型：发明
国别省市：