【技术实现步骤摘要】
【国外来华专利技术】加热状态识别装置、加热控制装置、加热控制方法、加热状态识别系统以及加热控制系统
[0001]本专利技术的实施方式涉及一种加热状态识别装置、加热控制装置、加热控制方法、加热状态识别系统以及加热控制系统。
技术介绍
[0002]以往,在餐饮店中,店铺的工作人员以判断加热量从而能够向顾客提供加热烹调得更美味的烹调物的方式努力。例如,存在以不沸腾的方式进行锅的温度调整的烹调方法。然而,对锅等进行加热的加热装置的加热调整有时会受工作人员的经验影响(参照日本特开2017
‑
133722号公报)。
技术实现思路
[0003]因此,本专利技术要解决的问题在于提供一种能够不受烹调者的经验影响而用更适当的加热控制进行烹调的加热状态识别装置、加热控制装置、加热控制方法、加热状态识别系统以及加热控制系统。
[0004]一个实施方式所涉及的加热状态识别装置,具备:
[0005]获取部,其获取按时间序列对具有被加热物和液体的容器内进行拍摄而得到的多个时间序列图像;以及
[0006]识别部,其使用 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种加热状态识别装置,具备:获取部,其获取按时间序列对具有被加热物和液体的容器内进行拍摄而得到的多个时间序列图像;以及识别部,其使用基于所述多个时间序列图像而获取到的所述时间序列的图像特征量来识别所述液体的多个加热状态。2.根据权利要求1所述的加热状态识别装置,其中,还具备特征量生成部,该特征量生成部具有卷积神经网络,该卷积神经网络针对所述多个时间序列图像中的每个图像生成图像特征量并将所述图像特征量按时间序列排列来生成所述时间序列的图像特征量,所述识别部具有递归型神经网络,该递归型神经网络基于所述卷积神经网络所生成的时间序列的图像特征量来识别所述多个加热状态。3.根据权利要求1或2所述的加热状态识别装置,其中,还具备学习部,该学习部使用学习集进行机器学习,该学习集包含与所述被加热物及所述液体的状态对应的正确标签以及所述卷积神经网络所生成的时间序列的图像特征量,所述识别部基于所述机器学习的结果来识别状态。4.根据权利要求3所述的加热状态识别装置,其中,所述学习部使用根据所述容器的形状而不同的学习集来进行所述机器学习,所述识别部基于与所述容器的形状相应的所述机器学习的结果来识别状态。5.一种加热控制装置,具备火力控制部,该火力控制部基于根据权利要求1至5中的任一项所述的加热状态识别装置的识别部的识别结果,来控制用于加热所述容器的加热装置的火力。6.根据权利要求5所述的加热控制装置,其中...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。