[發明專利]基于圖像識別的火鍋溫度自動控制方法、系統及介質

在審

• 申請號: 202110350179.3
• 申請日: 2021-03-31
• 公開（公告）號: CN113139436A
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 黃文俊;解澤宇;蘭琦琦;熊龍杰;楊禹崢
• 申請（專利權）人: 哈爾濱端點科技發展有限公司;黃文俊;解澤宇;蘭琦琦
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G05D23/20
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 袁克來

1.一種基于圖像識別的火鍋溫度自動控制方法，其特征在于，包括以下步驟：

獲取圖像采集裝置采集的火鍋圖像數據；

將火鍋圖像數據輸入火鍋狀態檢測卷積神經網絡模型進行識別，得到火鍋的烹煮狀態；

將火鍋圖像數據輸入人手檢測卷積神經網絡模型進行識別，得到人手識別結果；

根據火鍋的烹煮狀態和人手識別結果，采用PID控制算法控制火鍋烹煮狀態。

2.如權利要求1所述的火鍋溫度自動控制方法，其特征在于，所述PID控制算法的計算公式為：Δμ(k)＝K_p(e(k)-e(k-1))+K_ie(k)+K_d(e(k)-2e(k-1)+e(k-2))，式中，K_p為比例系數，K_i為積分系數，K_d為微分系數，e(k)為火鍋狀態檢測卷積神經網絡輸出值與目標值的偏差，μ(k)為控制灶輸出功率大小，k為整數。

3.如權利要求1所述的火鍋溫度自動控制方法，其特征在于，所述方法還包括構建火鍋狀態檢測卷積神經網絡模型的步驟，具體包括：

對火鍋圖像樣本數據集進行火鍋狀態標記得到火鍋表面圖像樣本數據集；

將火鍋表面圖像樣本數據集分為第一訓練集和第一測試集；

將第一訓練集輸入待訓練的火鍋狀態檢測卷積神經網絡模型，輸出層采用sigmoid激活函數進行歸一化處理，采用交叉熵損失函數，使用Adam優化器對火鍋狀態檢測卷積神經網絡模型進行訓練得到訓練好的火鍋狀態檢測卷積神經網絡模型；

將第一測試集輸入訓練好的火鍋狀態檢測卷積神經網絡模型進行驗證；

計算模型的識別率并通過第一測試集對模型進行參數調整，得到火鍋狀態檢測卷積神經網絡模型。

4.如權利要求1所述的火鍋溫度自動控制方法，其特征在于，所述方法還包括構建人手檢測卷積神經網絡模型，具體包括：

對火鍋圖像樣本數據集進行人手標記得到人手檢測數據集；

將人手檢測數據集分為第二訓練集和第二訓練集；

將第二訓練集輸入待訓練的人手檢測卷積神經網絡模型，輸出層采用softmax激活函數進行歸一化處理，采用交叉熵損失函數，使用Adam優化器對人手檢測卷積神經網絡模型進行訓練得到訓練好的人手檢測卷積神經網絡模型；

將第二測試集輸入訓練好的人手檢測卷積神經網絡模型進行驗證；

計算模型的識別率并通過第二測試集對模型進行參數調整，得到人手檢測卷積神經網絡模型。

5.一種基于圖像識別的火鍋溫度自動控制系統，其特征在于，包括圖像獲取模塊、火鍋烹煮狀態分析模塊、人手識別分析模塊和PID控制模塊；

所述圖像獲取模塊用于獲取圖像采集裝置采集的火鍋圖像數據；

所述火鍋烹煮狀態分析模塊用于將火鍋圖像數據輸入火鍋狀態檢測卷積神經網絡模型進行識別，得到火鍋的烹煮狀態；

所述人手識別分析模塊用于將火鍋圖像數據輸入人手檢測卷積神經網絡模型進行識別，得到人手識別結果；

所述PID控制模塊用于根據火鍋的烹煮狀態和人手識別結果，采用PID控制算法控制火鍋烹煮狀態。

6.如權利要求5所述的火鍋溫度自動控制系統，其特征在于，所述PID控制模塊采用的PID控制算法的公式為：

Δμ(k)＝K_p(e(k)-e(k-1))+K_ie(k)+K_d(e(k)-2e(k-1)+e(k-2))，

式中，K_p為比例系數，K_i為積分系數，K_d為微分系數，e(k)為火鍋狀態檢測卷積神經網絡輸出值與目標值的偏差，μ(k)為控制灶的輸出功率大小，k為整數。