【技术实现步骤摘要】
本申请涉及食材处理领域，具体而言，涉及一种食材处理方式的推荐方法和装置、存储介质、电子装置。
技术介绍
1、炒酸奶冰箱将冰箱与炒酸奶冰箱这两种都有制冷功能的机器结合在一起，既实现炒酸奶或其他冷食的制作，又实现了食材的保鲜及储存，一物两用节能环保，避免了冬季闲置的问题，但食材的保质期及新鲜度都是有限的，需要在合适的时间内尽快食用才能避免食物浪费以及对人身体健康产生不良影响。因此就如何合理利用食材，给人们提供营养有益的食物保障，是值得考虑的事情。
2、针对上述相关技术中食材利用不合理的技术问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种食材处理方式的推荐方法和装置、存储介质、电子装置，以至少解决相关技术中食材利用不合理的技术问题。
2、根据本申请实施例的一个方面，提供了一种食材处理方式的推荐方法，包括：采集冰箱内目标食材的特征数据；调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案；向用户推荐所述目标食材的处理方案。
3、可选地，在调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案之前，所述方法还包括：获取食材的特征数据样本集、食谱数据样本集以及变质处理数据样本集，其中，所述特征数据样本集中保存有各类食材在不同变质程度下的特征数据样本，所述食谱数据样本集中保存有与用户习惯匹配的食谱数据样本，所述变质处理数据样
4、可选地，获取食材的特征数据样本集，包括：使用红外线光谱仪扫描每类食材在不同变质程度下的光谱数据，其中，所述光谱数据用于表征食材对红外光的吸收情况；通过所述光谱数据，得到特征数据样本，其中，所述特征数据样本包括食材的色泽信息、气味信息以及颜色信息；将各类食材在不同变质程度下的特征数据样本保存为所述特征数据样本集。
5、可选地，获取食材的变质处理数据样本集，包括：获取食材的变质信息；利用数据挖掘技术，根据所述变质信息对变质食物的处理方式进行收集，得到变质处理数据样本集。
6、可选地，获取食材的食谱数据样本集，包括：将用户取出后进行加工过的食材的相关信息存入第一数据集，将用户取出后未进行加工的食材的相关信息存入第二数据集；利用数据挖掘技术，对所述第一数据集相关的食谱进行收集得到对应的食谱数据样本集，并对所述第二数据集相关的食谱进行收集得到对应的食谱数据样本集。
7、可选地，利用所述特征数据样本集、所述食谱数据样本集以及所述变质处理数据样本集对原始的卷积神经网络模型，得到训练好的卷积神经网络模型，包括：构建包括多层卷积层、relu激活函数、平均池化层、最大池化层以及softmax分类器的所述原始的卷积神经网络模型；将所述特征数据样本集、所述食谱数据样本集以及所述变质处理数据样本集输入所述原始的卷积神经网络模型，经过多次迭代训练得到所述训练好的卷积神经网络模型。
8、可选地，向用户推荐所述目标食材的处理方案，包括：在根据所述目标食材的变质程度确定所述目标食材为可食用食材的情况下，向用户推荐所述目标食材的食谱方案；在根据所述目标食材的变质程度确定所述目标食材为不可食用食材的情况下，向用户推荐所述目标食材的变质处理方案。
9、根据本申请实施例的另一方面，还提供了一种食材处理方式的推荐装置，包括：采集单元，用于采集冰箱内目标食材的特征数据；处理单元，用于调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案；推荐单元，用于向用户推荐所述目标食材的处理方案。
10、可选地，本申请的装置还可包括：预处理单元，用于在调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案之前，获取食材的特征数据样本集、食谱数据样本集以及变质处理数据样本集，其中，所述特征数据样本集中保存有各类食材在不同变质程度下的特征数据样本，所述食谱数据样本集中保存有与用户习惯匹配的食谱数据样本，所述变质处理数据样本集中保存有变质食材的处理方式；利用所述特征数据样本集、所述食谱数据样本集以及所述变质处理数据样本集对原始的卷积神经网络模型，得到训练好的卷积神经网络模型。
11、可选地，预处理单元还用于：使用红外线光谱仪扫描每类食材在不同变质程度下的光谱数据，其中，所述光谱数据用于表征食材对红外光的吸收情况；通过所述光谱数据，得到特征数据样本，其中，所述特征数据样本包括食材的色泽信息、气味信息以及颜色信息；将各类食材在不同变质程度下的特征数据样本保存为所述特征数据样本集。
12、可选地，预处理单元还用于：获取食材的变质信息；利用数据挖掘技术，根据所述变质信息对变质食物的处理方式进行收集，得到变质处理数据样本集。
13、可选地，预处理单元还用于：将用户取出后进行加工过的食材的相关信息存入第一数据集，将用户取出后未进行加工的食材的相关信息存入第二数据集；利用数据挖掘技术，对所述第一数据集相关的食谱进行收集得到对应的食谱数据样本集，并对所述第二数据集相关的食谱进行收集得到对应的食谱数据样本集。
14、可选地，预处理单元还用于：构建包括多层卷积层、relu激活函数、平均池化层、最大池化层以及softmax分类器的所述原始的卷积神经网络模型；将所述特征数据样本集、所述食谱数据样本集以及所述变质处理数据样本集输入所述原始的卷积神经网络模型，经过多次迭代训练得到所述训练好的卷积神经网络模型。
15、可选地，推荐单元还用于：在根据所述目标食材的变质程度确定所述目标食材为可食用食材的情况下，向用户推荐所述目标食材的食谱方案；在根据所述目标食材的变质程度确定所述目标食材为不可食用食材的情况下，向用户推荐所述目标食材的变质处理方案。
16、根据本申请实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。
17、根据本申请实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。
18、在本申请实施例中，采集冰箱内目标食材的特征数据，之后调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案，向用户推荐所述目标食材的处理方案，该方案可结合食物健康级别推荐与用户匹配的处理方案，可以解决相关技术中食材利用不合理的技术问题。
本文档来自技高网...【技术保护点】
1.一种食材处理方式的推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，获取食材的特征数据样本集，包括：
4.根据权利要求2所述的方法，其特征在于，获取食材的变质处理数据样本集，包括：
5.根据权利要求2所述的方法，其特征在于，获取食材的食谱数据样本集，包括：
6.根据权利要求2所述的方法，其特征在于，利用所述特征数据样本集、所述食谱数据样本集以及所述变质处理数据样本集对原始的卷积神经网络模型，得到训练好的卷积神经网络模型，包括：
7.根据权利要求1至6中任意一项所述的方法，其特征在于，向用户推荐所述目标食材的处理方案，包括：
8.一种食材处理方式的推荐装置，其特征在于，包括：
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时执行上述权利要求1至7任一项中所述的
10.一种电子装置，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器通过所述计算机程序执行上述权利要求1至7任一项中所述的方法。
...【技术特征摘要】
1.一种食材处理方式的推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在调用预先训练好的卷积神经网络模型对所述目标食材的特征数据进行处理，得到与所述目标食材的变质程度对应的处理方案之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，获取食材的特征数据样本集，包括：
4.根据权利要求2所述的方法，其特征在于，获取食材的变质处理数据样本集，包括：
5.根据权利要求2所述的方法，其特征在于，获取食材的食谱数据样本集，包括：
6.根据权利要求2所述的方法，其特征在于，利用所述特征数据样本集、所述食谱数...
【专利技术属性】
技术研发人员：植红恩，黎清顾，白金蓬，
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：
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。