食物熟度识别方法、装置及烹饪设备制造方法及图纸

本发明专利技术涉及烹饪设备领域，提供一种食物熟度识别方法、装置及烹饪设备，该方法包括：获取目标食物的红外图像和可见光图像；将所述红外图像和所述可见光图像输入至熟度识别模型，获得所述熟度识别模型输出的所述目标食物的目标熟度信息；其中，所述熟度识别模型为，以食物的样本红外图像和样本可见光图像为样本，以预先确定的与所述样本红外图像和所述样本可见光图像对应的熟度信息为样本标签，训练得到。该方法通过以红外图像表征的信息对可见光图像的识别进行修正，并利用红外图像本身反映的温度信息对食物的生熟度进行精准的定位，有效提高食物熟度识别的准确度。提高食物熟度识别的准确度。提高食物熟度识别的准确度。

【技术实现步骤摘要】
食物熟度识别方法、装置及烹饪设备


[0001]本专利技术涉及烹饪设备
，尤其涉及食物熟度识别方法、装置及烹饪设备。

技术介绍

[0002]随着科技的发展，烹饪设备的智能化程度进一步提高，在烹饪过程中，烹饪设备可以根据食物表面颜色及形态变化来检测食物的成熟度。但由于油烟、光照等烹饪环境的影响，通过图片进行的成熟度检测结果准确度较低。

技术实现思路

[0003]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种食物熟度识别方法，提高熟度检测的准确度。
[0004]本专利技术还提出一种烹饪设备，根据食物熟度识别的结果进行烹饪火力的调控，实现提升烹饪效果和减低烹饪能耗的目的。
[0005]根据本专利技术实施例的食物熟度识别方法，包括：
[0006]获取目标食物的红外图像和可见光图像；
[0007]将所述红外图像和所述可见光图像输入至熟度识别模型，获得所述熟度识别模型输出的所述目标食物的目标熟度信息；
[0008]其中，所述熟度识别模型为，以食物的样本红外图像和样本可见光图像为样本，以预先确定的与所述样本红外图像和所述样本可见光图像对应的熟度信息为样本标签，训练得到。
[0009]根据本专利技术实施例的食物熟度识别方法，通过以红外图像表征的食物位置等信息对可见光图像的识别进行修正，并利用红外图像本身反映的温度信息对食物的生熟度进行精准的定位，有效提高食物熟度识别的准确度。
[0010]根据本专利技术的一个实施例，所述将所述红外图像和所述可见光图像输入至熟度识别模型，获得所述熟度识别模型输出的所述目标食物的目标熟度信息，包括：
[0011]将所述红外图像和所述可见光图像输入至所述熟度识别模型的输入层，获得所述输入层输出的融合特征图；
[0012]将所述融合特征图输入至所述熟度识别模型的特征融合层，获得所述特征融合层输出的多个不同维度大小的目标特征向量；
[0013]将所述多个不同维度大小的目标特征向量输入至所述熟度识别模型的输出层，获得所述输出层输出的所述目标熟度信息。
[0014]根据本专利技术的一个实施例，所述将所述多个不同维度大小的目标特征向量输入至所述熟度识别模型的输出层，获得所述输出层输出的所述目标熟度信息，包括：
[0015]将所述多个不同维度大小的目标特征向量输入至所述输出层，进行卷积和分类，得到所述目标食物的类别信息、位置信息、类别置信度和生熟度类型；
[0016]基于所述类别信息、所述位置信息、所述类别置信度和所述生熟度类型，获得所述
输出层输出的所述目标熟度信息。
[0017]根据本专利技术的一个实施例，所述将所述多个不同维度大小的目标特征向量输入至所述输出层，进行卷积和分类，得到所述目标食物的类别信息、位置信息、类别置信度和生熟度类型，包括：
[0018]将所述多个不同维度大小的目标特征向量输入至所述输出层的食物类别卷积网络，获得所述食物类别卷积网络输出的所述类别信息；
[0019]将所述多个不同维度大小的目标特征向量输入至所述输出层的位置卷积网络，获得所述位置卷积网络输出的所述位置信息和所述类别置信度；
[0020]将所述多个不同维度大小的目标特征向量输入至所述输出层的生熟度卷积网络，获得所述生熟度卷积网络输出的所述生熟度类型。
[0021]根据本专利技术的一个实施例，所述输出层的分类识别为非锚框识别。
[0022]根据本专利技术的一个实施例，所述将所述红外图像和所述可见光图像输入至所述熟度识别模型的输入层，获得所述输入层输出的融合特征图，包括：
[0023]将所述红外图像和所述可见光图像输入至所述输入层，拼接所述红外图像和所述可见光图像，得到目标融合图像；
[0024]对所述目标融合图像进行特征提取，获得所述输入层输出的所述融合特征图。
[0025]根据本专利技术的一个实施例，所述将所述红外图像和所述可见光图像输入至所述熟度识别模型的输入层，获得所述输入层输出的融合特征图，包括：
[0026]将所述红外图像和所述可见光图像输入至所述输入层，对所述红外图像和所述可见光图像分别进行特征提取，得到红外特征图和可见光特征图；
[0027]拼接所述红外特征图和所述可见光特征图，获得所述输入层输出的所述融合特征图。
[0028]根据本专利技术的一个实施例，所述将所述融合特征图输入至所述熟度识别模型的特征融合层，获得所述特征融合层输出的多个不同维度大小的目标特征向量，包括：
[0029]将所述融合特征图输入至所述特征融合层，对所述融合特征图进行多层卷积处理，得到多个不同维度大小的N个第一特征层；
[0030]将第i个第一特征层进行1x1的卷积，得到第i
‑
1个第三特征层；
[0031]将第1个第一特征层进行下采样，得到第1个第二特征层；
[0032]从所述第1个第二特征层开始，将第i个第二特征层与第i个第三特征层融合，得到第i+1个第四特征层，所述第i个第二特征层为所述第i+1个第四特征层下采样的结果；
[0033]对第N
‑
M至第N个第四特征层进行卷积处理，得到M个不同维度大小的目标特征向量；
[0034]其中，i和M为大于1的整数，N为大于2的整数。
[0035]根据本专利技术的一个实施例，所述将所述融合特征图输入至所述特征融合层，对所述融合特征图进行多层卷积处理，得到多个不同维度大小的N个第一特征层，包括：
[0036]将所述融合特征图输入至所述特征融合层，对所述融合特征图进行多层卷积处理，得到N个不同维度大小的第五特征层；
[0037]将第N
‑
1个第五特征层进行1x1的卷积，得到第N
‑
1个第六特征层；
[0038]将第N个第五特征层进行上采样，得到第N
‑
1个第七特征层；
[0039]从所述第N
‑
1个第七特征层开始，将第N
‑
1个第七特征层与第N
‑
1个第六特征层进行融合，得到N
‑
1个第一特征层，并将所述第N个第五特征层作为第N个第一特征层。
[0040]根据本专利技术第二方面实施例的食物熟度识别装置，包括：
[0041]获取模块，用于获取目标食物的红外图像和可见光图像；
[0042]处理模块，用于将所述红外图像和所述可见光图像输入至熟度识别模型，获得所述熟度识别模型输出的所述目标食物的目标熟度信息；
[0043]其中，所述熟度识别模型为，以食物的样本红外图像和样本可见光图像为样本，以预先确定的与所述样本红外图像和所述样本可见光图像对应的熟度信息为样本标签，训练得到。
[0044]根据本专利技术第三方面实施例的烹饪设备，包括：
[0045]图像采集装置，所述图像采集装置用于采集目标食物的红外图像和可见光图像；
[0046]控制器，所述控制器与所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种食物熟度识别方法，其特征在于，包括：获取目标食物的红外图像和可见光图像；将所述红外图像和所述可见光图像输入至熟度识别模型，获得所述熟度识别模型输出的所述目标食物的目标熟度信息；其中，所述熟度识别模型为，以食物的样本红外图像和样本可见光图像为样本，以预先确定的与所述样本红外图像和所述样本可见光图像对应的熟度信息为样本标签，训练得到。2.根据权利要求1所述的食物熟度识别方法，其特征在于，所述将所述红外图像和所述可见光图像输入至熟度识别模型，获得所述熟度识别模型输出的所述目标食物的目标熟度信息，包括：将所述红外图像和所述可见光图像输入至所述熟度识别模型的输入层，获得所述输入层输出的融合特征图；将所述融合特征图输入至所述熟度识别模型的特征融合层，获得所述特征融合层输出的多个不同维度大小的目标特征向量；将所述多个不同维度大小的目标特征向量输入至所述熟度识别模型的输出层，获得所述输出层输出的所述目标熟度信息。3.根据权利要求2所述的食物熟度识别方法，其特征在于，所述将所述多个不同维度大小的目标特征向量输入至所述熟度识别模型的输出层，获得所述输出层输出的所述目标熟度信息，包括：将所述多个不同维度大小的目标特征向量输入至所述输出层，进行卷积和分类，得到所述目标食物的类别信息、位置信息、类别置信度和生熟度类型；基于所述类别信息、所述位置信息、所述类别置信度和所述生熟度类型，获得所述输出层输出的所述目标熟度信息。4.根据权利要求3所述的食物熟度识别方法，其特征在于，所述将所述多个不同维度大小的目标特征向量输入至所述输出层，进行卷积和分类，得到所述目标食物的类别信息、位置信息、类别置信度和生熟度类型，包括：将所述多个不同维度大小的目标特征向量输入至所述输出层的食物类别卷积网络，获得所述食物类别卷积网络输出的所述类别信息；将所述多个不同维度大小的目标特征向量输入至所述输出层的位置卷积网络，获得所述位置卷积网络输出的所述位置信息和所述类别置信度；将所述多个不同维度大小的目标特征向量输入至所述输出层的生熟度卷积网络，获得所述生熟度卷积网络输出的所述生熟度类型。5.根据权利要求3所述的食物熟度识别方法，其特征在于，所述输出层的分类识别为非锚框识别。6.根据权利要求2所述的食物熟度识别方法，其特征在于，所述将所述红外图像和所述可见光图像输入至所述熟度识别模型的输入层，获得所述输入层输出的融合特征图，包括：将所述红外图像和所述可见光图像输入至所述输入层，拼接所述红外图像和所述可见光图像，得到目标融合图像；对所述目标融合图像进行特征提取，获得所述输入层输出的所述融合特征图。
7.根据权利要求2所述的食物熟度识别方法，其特征在于，所述将所述红外图像和所述可见光图像输入至所述熟度识别模型的输入层，获得所述输入层输出的融合特征图，包括：将所述红外图像和所述可见光图像输入至所述输入层，对所述红外图像和所述可见光图像分别进行特征提取，得到红外特征图和可见光特征图；拼接所述红外特征图和所述可见光特征图，获得所述输入层输出的所述融合特征图。8.根据权利要求2
‑
7任一项所述的食物熟度识别方法，其特征在于，所述将所述融合...

【专利技术属性】
技术研发人员：陈磊，陈蔚，魏中科，
申请(专利权)人：佛山市顺德区美的洗涤电器制造有限公司，
类型：发明
国别省市：