【技术实现步骤摘要】
一种烹饪控制方法及系统
[0001]本专利技术涉及集成灶
,具体涉及一种烹饪控制方法。
技术介绍
[0002]人机交互的智能化在集成灶应用中越来越受到重视,现有技术中,一般通过在集成灶上加装各种智能模块和通信模块而实现集成灶、云端和用户的交互,从而实现向用户推荐菜谱、根据用户选定菜谱进行烹饪等功能。但是,在硬件成本限制下,集成灶上的智能模块和通信模块的算力以及数据传输速度受限,影响集成灶和云端的交互速度。
技术实现思路
[0003]基于以上背景,本专利技术的目的在于提供一种烹饪控制方法及系统,有效结合了集成灶、移动用户端和服务器云端,提高集成灶与服务器云端的交互速度。
[0004]为了实现上述专利技术目的,本专利技术提供以下技术方案:
[0005]一种烹饪控制方法,该方法包括以下步骤:
[0006]通过部署于移动用户端的图像获取单元获取输入图像,通过部署于移动用户端的食材图像甄别模型对所述输入图像处理并分类为食材图像和非食材图像,以无线通讯方式将所述食材图像传输至服务器云端;
[0007]通过部署于服务器云端的食材识别模型对所述食材图像处理并输出食材分类结果,根据所述食材分类结果匹配部署于服务器云端的菜谱数据库,以无线通讯方式将匹配于食材分类结果的菜谱信息集合传输至所述移动用户端供用户选定,其中,所述菜谱信息集合包括多条菜谱信息,每条所述菜谱信息均包含处理指令;
[0008]通过移动用户端以无线通讯方式将用户选定的菜谱信息传输至具有执行单元的集成灶,通过执 ...
【技术保护点】
【技术特征摘要】
1.一种烹饪控制方法,其特征在于:该方法包括以下步骤:通过部署于移动用户端的图像获取单元获取输入图像,通过部署于移动用户端的食材图像甄别模型对所述输入图像处理并分类为食材图像和非食材图像,以无线通讯方式将所述食材图像传输至服务器云端;其中,所述菜谱信息集合包括通过部署于服务器云端的食材识别模型对所述食材图像处理并输出食材分类结果,根据所述食材分类结果匹配部署于服务器云端的菜谱数据库,以无线通讯方式将匹配于食材分类结果的菜谱信息集合传输至所述移动用户端供用户选定多条菜谱信息,每条所述菜谱信息均包含处理指令;通过移动用户端以无线通讯方式将用户选定的菜谱信息传输至具有执行单元的集成灶,通过执行单元根据所述处理指令执行烹饪。2.根据权利要求1所述的一种烹饪控制方法,其特征在于:该方法还包括以下步骤:通过移动用户端获取用户对选定菜谱信息的评价,存储用户的选定记录和/或评价记录,并将选定记录和/或评价记录传输至服务器云端。3.根据权利要求2所述的一种烹饪控制方法,其特征在于:该方法还包括以下步骤:通过服务器云端根据用户的选定记录/或评价记录建立用户偏好集合,在根据食材分类结果匹配菜谱数据库时,通过用户偏好集合进行修正,获得修正后的菜谱信息集合,并以无线通讯方式传输至移动用户端供用户选定。4.根据权利要求1所述的一种烹饪控制方法,其特征在于:通过执行单元根据所述处理指令执行烹饪,具体包括以下步骤:解析所述处理指令,识别处理指令指定的烹饪单元;启动指定的烹饪单元开始烹饪,在烹饪执行过程中,根据解析处理指令获取的所述烹饪单元的控制参数进行控制。5.根据权利要求1所述的一种烹饪控制方法,其特征在于:所述食材图像甄别模型基于卷积神经网络模型构建,食材图像甄别模型包括一个输入层、三个卷积层、一个全连接层和一个输出层;每个卷积层均包括2D卷积子层、批归一化层、激活函数层和最大池化层,其中,第一个卷积层的2D卷积子层采用32个5x5的卷积核,第二个卷积层的2D卷积子层采用64个3x3的卷积核,第三个卷积层的2D卷积子层采用128个3x3的卷积核;全连接层包括摊平层和全连接子层,全连接子层具有128个节点,全连接子层的激活函数为ReLU函数;输出层具有2个节点,输出层的激活函数为Softmax函数。6.根据权利要求5所述的一种烹饪控制方法,其特征在于:所述食材图像甄别模型的损失函数的数学表达式为:loss=categorical crossentropy+α*content loss式中,categorical crossentropy为分类交叉熵损失函数,content loss为内容损失函数,α为权重比例。7.根据权利要求1所述的一种烹饪控制方法,其特征在于:所述食材识别模型基于卷积神经网络模型构建,食材识别模型包括一个输入层、三个卷积层、一个全连接层和一个输出层;每个卷积层均包2D卷积子层、批归一化层、激活函数层和最大池化层,其中,第一个卷积层的2D卷积子层采用32个3x3的卷积核,第二个卷积层的2D卷积子层采用...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:火星人厨具股份有限公司,
类型:发明
国别省市:
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。