[發明專利]烹飪設施中食材溫度測量方法、系統及烹飪設施

有效

• 申請號: 201910185166.8
• 申請日: 2019-03-12
• 公開（公告）號: CN109798983B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 婁軍;鹿鵬
• 申請（專利權）人: 上海達顯智能科技有限公司
• 主分類號: G01J5/00
• 分類號: G01J5/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種烹飪設施中食材溫度測量方法，其特征在于，包括以下步驟：

S1，通過攝像頭采集烹飪設施中食材圖像；

S2，使用深度卷積神經網絡模型從食材圖像中獲取食材的種類、形狀、大小和位置信息；

S3，通過紅外傳感器采集烹飪設施中多點的溫度信息；

S4，通過計算得到食材對應的多點溫度信息；

S5，通過對應的多點溫度信息擬合得到食材的準確溫度；

步驟S5包括：

S51，根據溫度采集點與圖像坐標系間的對應關系表，定位落在食材上的測溫點；

S52，去除干擾測溫點；

S53，使用篩選后的測溫點擬合食材的溫度；

步驟S53包括：

S531，計算每個測溫點對食材溫度的貢獻度g_i＝1/(d_i+ε)，其中d_i表示第i個測溫點到食材中心的距離，ε為平衡因子；

S532，計算每個測溫點溫度的權重系數

S533，擬合食材的溫度其中N為測溫點個數，w_i，t_i分別表示第i個測溫點的系數和溫度。

2.根據權利要求1所述的一種烹飪設施中食材溫度測量方法，其特征在于，步驟S2中所述深度卷積神經網絡模型獲得方法包括：

S21，采集或收集大量食材圖像，并對食材的種類、形狀、大小和位置進行標定；

S22，使用標定后的數據來訓練深度卷積神經網絡模型；

S23，將新采集的食材圖像輸入深度卷積神經網絡模型得到食材的種類、形狀、大小及位置信息。

3.根據權利要求1所述的一種烹飪設施中食材溫度測量方法，其特征在于，步驟S52包括：

S521，計算食材的中心以及所有候選點到食材中心的距離，并根據該距離對所有候選點從小到大進行排序；

S522，將距離食材中心最近的候選點首先作為測溫點，記其溫度為T1并計算所有非測溫點的平均溫度T2；

S523，設待判斷候選點的溫度為t，并計算比例系數v＝|T2-t|/|T1-t|，若v＞th，則該候選點為干擾點，其中th為閾值參數；

S524，若該候選點為干擾點，則將該候選點加入非測溫點，并重新計算非測溫點的平均溫度T2；否則，將該候選點加入到測溫點，并重新計算測溫點的平均溫度T1；

S525，重復步驟S523和S524，直至所有候選點都判斷完畢。

4.一種烹飪設施中食材溫度測量系統，其特征在于，包括：

攝像單元，用于采集烹飪設施中的食材圖像；

圖像處理單元，用于獲取食材圖像中食材的種類、形狀、大小以及位置信息；

溫度采集單元，用于采集烹飪設施中多點的溫度參數；

信息處理單元，用于根據食材的種類、形狀、大小以及位置信息和溫度參數得到食材對應的多點溫度信息，并根據多點溫度信息擬合得到食材的準確溫度信息；

進一步地包括步驟：

S51，根據溫度采集點與圖像坐標系間的對應關系表，定位落在食材上的測溫點；

S52，去除干擾測溫點；

S53，使用篩選后的測溫點擬合食材的溫度；

步驟S53包括：

S531，計算每個測溫點對食材溫度的貢獻度g_i＝1/(d_i+ε)，其中d_i表示第i個測溫點到食材中心的距離，ε為平衡因子；

S532，計算每個測溫點溫度的權重系數

S533，擬合食材的溫度其中N為測溫點個數，w_i，t_i分別表示第i個測溫點的系數和溫度；

加熱單元，用于對烹飪設施中食材進行加熱；

光照補償單元，用于對所述攝像單元進行光照補償；

主控單元，用于接收所述信息處理單元輸出的食材種類、位置和溫度信息，并控制所述加熱單元對食材進行智能加熱；

散熱單元，用于對所述攝像單元、圖像處理單元、溫度采集單元、信息處理單元、光照補償單元和所述主控單元進行散熱處理。