CN110488696B - 一种智能防干烧方法及系统 - Google Patents

Abstract

一种智能防干烧方法，包括步骤：采集烹饪器具在烹饪过程中的状态图像；识别状态图像获取与烹饪过程相关的属性信息，并根据识别的属性信息在数据库中查找与属性信息匹配的干烧临界状态信息；获取烹饪器具在烹饪过程中的温度信息；根据温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。由于利用图像识别与温度检测相结合的方式判断烹饪器具的干烧状态，利用人工智能的方法对烹饪器具在烹饪过程中的状态图像进行分类识别，并根据识别结果采用对应的干烧临界状态点对烹饪状态实时监控，有效提升了对不同烹饪器具干烧状态判断的精准度，有效降低了识别误差。且整个系统开发成本小，便于与家庭其他厨具装配，使用更加便捷。

Description

一种智能防干烧方法及系统

技术领域

本发明涉及厨具技术领域，具体涉及一种知能防干烧方法及系统。

背景技术

灶具防干烧技术主要应用在家庭烹饪环境中，利用这种技术可以有效避免因为干烧导致的炊具急速锈化、氧化、破损等情况以及由于器具破损导致盛放的液体扑灭火源、导电、煤气泄露、火灾等一系列安全隐患，在家中创造更加安全的生活环境。

在目前的家电市场发展情况下，灶具防干烧技术正处于更新迭代的环节。目前出现的防干烧技术，在实际使用场景中不能根据烹饪情况做出相应调整，也不能针对灶具的不同材质和类别对其是否存在干烧情况做出精准识别，或者为了实现防干烧效果，使用十分复杂的逻辑结构和识别模型，花费了大量的成本。

发明内容

本申请提供一种智能防干烧方法及系统，通过识别烹饪过程相关的属性信息、并结合当前采集的温度判定烹饪器具是否处于干烧状态，达到智能防干烧效果。

根据第一方面，一种实施例中提供一种智能防干烧方法，包括步骤：

采集烹饪器具在烹饪过程中的状态图像；

识别所述状态图像获取与烹饪过程相关的属性信息，并根据识别的属性信息在数据库中查找与所述属性信息匹配的干烧临界状态信息，所述数据库中存储有与烹饪器具烹饪过程相关的属性信息及与所述属性信息关联的烹饪器具的干烧临界状态；

获取烹饪器具在烹饪过程中的温度信息；

根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述与烹饪过程相关的属性信息包括烹饪器具自身属性、热源属性和食材属性，其中，所述数据库中存储的与烹饪器具相关的属性信息至少包括所述烹饪器具自身属性。

一种实施例中，所述烹饪器具自身属性包括但不限于烹饪器具的材质、大小、种类和老化程度，所述热源属性包括但不限于热源种类、火力大小，所述食材属性包括但不限于食材的种类、大小和食材在烹饪器具中的位置。

一种实施例中，所述识别所述状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性，以根据所述烹饪器具自身属性在数据库中查找与烹饪器具自身属性关联的干烧临界状态信息，并根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述识别所述状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类，以根据所述烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息，并根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述识别所述状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类和大小，所述判断烹饪器具是否发生干烧包括步骤：

根据所述烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息；

根据识别的食材大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类，以结合所述热源种类在数据库中查找与关联的干烧临界状态信息。

一种实施例中，，所述识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类和火力大小，所述判断烹饪器具是否发生干烧包括步骤：

结合热源种类在数据库中查找关联的干烧临界状态信息；

结合识别的火力大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，若所述获取所述状态图像中烹饪器具自身属性为部分属性，则还包括对未获取的烹饪器具自身属性进行填充的步骤。

一种实施例中，采用平均值、最近邻、回归方程估计或期望值最大化方式对未获取的烹饪器具自身属性进行填充。

一种实施例中，还包括更新所述数据库的步骤。

一种实施例中，若判断烹饪器具发生干烧，还包括启动防干烧的步骤。

一种实施例中，所述启动防干烧包括启动报警或/和自动关闭热源。

根据第二方面，一种实施例中提供一种智能防干烧系统，包括：

图像采集模块，用于采集烹饪器具在烹饪过程中的状态图像；

温度采集模块，用于获取烹饪器具在烹饪过程中的温度信息；

处理模块，用于执行以下操作判断正在烹饪器具是否发生干烧：

识别所述状态图像获取与烹饪过程相关的属性信息；

根据识别的属性信息在所述数据库中查找与所述属性信息匹配的干烧临界状态信息，所述数据库中存储有与烹饪器具烹饪过程相关的属性信息及与所述属性信息关联的烹饪器具的干烧临界状态；

根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述与烹饪过程相关的属性信息包括烹饪器具自身属性、热源属性和食材属性，其中，所述数据库中存储的与烹饪器具相关的属性信息至少包括所述烹饪器具自身属性。

一种实施例中，所述烹饪器具自身属性包括但不限于烹饪器具的材质、大小、种类和老化程度，所述热源属性包括但不限于热源种类、火力大小，所述食材属性包括但不限于食材的种类、大小和食材在烹饪器具中的位置。

一种实施例中，所述处理模块识别所述状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性，以根据所述烹饪器具自身属性在数据库中查找与烹饪器具自身属性关联的干烧临界状态信息，并根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述处理模块识别所述状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类，以根据所述烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息，并根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述处理模块识别所述状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类和大小，所述处理模块执行以下操作判断烹饪器具是否发生干烧：

根据所述烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息；

根据识别的食材大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，所述处理模块识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类，以结合所述热源种类在数据库中查找与关联的干烧临界状态信息。

一种实施例中，所述处理模块识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类和火力大小，所述处理模块执行以下操作判断烹饪器具是否发生干烧：

结合热源种类在数据库中查找关联的干烧临界状态信息；

结合识别的火力大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

一种实施例中，若所述处理模块识别所述状态图像获取的烹饪器具自身属性为部分属性，则所述处理模块还用于对未获取的烹饪器具自身属性进行填充。

一种实施例中，还包括报警模块，所述报警模块用于烹饪器具发生干烧时，所述处理模块控制所述报警模块进行报警。

依据上述实施例的智能防干烧方法，由于利用图像识别与温度检测相结合的方式判断烹饪器具的干烧状态，利用人工智能的方法对烹饪器具在烹饪过程中的状态图像进行分类识别，并根据识别结果采用对应的干烧临界状态点对烹饪状态实时监控，有效提升了对不同烹饪器具干烧状态判断的精准度，有效降低了识别误差。且整个系统开发成本小，便于与家庭其他厨具装配，使用更加便捷。

附图说明

图1为智能防干烧方法流程图；

图2为智能防干烧系统示意图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。

实施例一：

本例提供一种智能防干烧方法，该防干烧方法应用于控制灶具干烧，具体控制流程图如图1所示，具体包括以下步骤。

S1：采集烹饪器具在烹饪过程中的状态图像。

S2：识别状态图像获取与烹饪过程相关的属性信息，并根据识别的属性信息在数据库中查找与属性信息匹配的干烧临界状态信息。

其中，数据库中存储有与烹饪器具烹饪过程相关的属性信息及与该属性信息关联的烹饪器具的干烧临界状态。

S3：获取烹饪器具在烹饪过程中的温度信息；

S4：根据所述温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

由于利用图像识别与温度检测相结合的方式判断烹饪器具的干烧状态，利用人工智能的方法对烹饪器具在烹饪过程中的状态图像进行分类识别，并根据识别结果采用对应的干烧临界状态点对烹饪状态实时监控，有效提升了对不同烹饪器具干烧状态判断的精准度，有效降低了识别误差。

下面对上述各步骤的具体实现过程进行详细说明。

首先，需要说明的是，由于本例是通过识别各类烹饪器具在烹饪过程中的状态图像，获取与烹饪过程相关的属性信息，然后在数据库中找到该属性信息对应的干烧临界状态信息，因此，需要提前构建相应的数据库，该数据库中存储有大量的烹饪器具干烧的实验数据，也即是，需要对各种类型的烹饪器具的烹饪过程进行实验，以获取各种类型的烹饪器具烹饪的干烧临界状态，并将实验数据以规定的格式存储于数据库中，如，以列表的形式存储，只要方便在数据库中查找即可。

在本例中，与烹饪过程相关的属性信息包括烹饪器具自身属性、热源属性和食材属性，其中，数据库中存储的与烹饪器具相关的属性信息至少包括烹饪器具自身属性，在其他实施例中，数据库中也可以存储烹饪器具自身属性和热源属性，也可以存储烹饪器具自身属性、热源属性和食材属性。

其中，烹饪器具自身属性包括但不限于烹饪器具的材质、大小、种类和老化程度，热源属性包括但不限于热源种类、火力大小，食材属性包括但不限于食材的种类、大小和食材在烹饪器具中的位置。

因不同的热源和不同类型的食材对干烧的阈值是有影响的，如火力的大小、水和油的沸点不同等。为了获取更多的采样标准，需要尽可能多地采用不同热源和不同食材对不同类型的烹饪器具进行干烧实验，因此，需要大量实验依据上述的各属性对烹饪器具进行干烧实验，并将相应的实验数据存储于数据库中。具体的，实验时，将烹饪器具(如蒸锅、炒锅、汤锅等)放置于不同的热源(如燃气灶、电磁炉等)上；将不同的食材(水、油、蔬菜、肉类等)放入烹饪器具中；对烹饪器具进行加热(不同大小的火力)；在加热的过程中实时记录烹饪器具的温度及其变化并记录本次实验干烧的时间节点和对应的干烧温度。

实验的过程如下：

步骤1：对烹饪器具自身属性、食材属性、热源属性分别进行标定；

具体的，采集或收集包含日常使用的各类烹饪器具的属性信息，该属性信息包括但不限于材质、大小、种类、形状和老化程度，对这些信息进行标定。

如烹饪器具的类型可以是蒸锅、炒锅、煎锅、汤锅、焖锅等，烹饪器具的材质可以是不锈钢锅、铁锅、陶瓷锅、玻璃锅、砂锅等。

步骤2：根据标定的属性测定烹饪器具在烹饪过程中的干烧临界温度，并将本次实验中标定的各属性及对应的干烧临界温度形成列表存储于数据库中。

需要说明的是，上述仅是给出了实验过程的基本构思，本领域技术人员可以根据实际应用，对烹饪器具烹饪过程的实验中所需的参数进行相应的调整，如，仅标定烹饪器具自身属性，只要能达到根据标定的属性及相应实验的干烧临界温度形成列表存储于数据库中，供后续智能防干烧应用即可。

在步骤S1中，采集烹饪器具在烹饪过程中的状态图像，需要通过人工智能的方式识别状态图像，以获取与烹饪过程相关的属性信息，因此，步骤S1中涉及到的图像采集装置的安装方式比较重要，要尽量获取全景图，即图像采集装置的拍摄范围内不能存在遮挡。

在步骤S2中，识别状态图像获取与烹饪过程相关的属性信息，因上述介绍了与烹饪过程相关的属性信息的类型及相应的属性成分，步骤S2具体需要识别出哪些属性信息，这对步骤S4中判断烹饪器具是否发生干烧产生直接影响。

下面提供了以下几种识别结果及相应的防干烧判断方式。

第一种方式是：识别状态图像获取与烹饪过程相关的属性信息具体是获取状态图像中烹饪器具自身属性，也即是，这种方式仅识别烹饪器具自身属性。

则相应的防干烧判断方式是：根据烹饪器具自身属性在数据库中查找与烹饪器具自身属性关联的干烧临界状态信息，并根据温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

其中，干烧临界状态信息可以是干烧临界温度，也可以是干烧临界温度变化率，如，在上述的实验中，采集烹饪器具在干烧情况下预设时间内的温度均值，并将该温度均值设定为当前实验中各属性类别下的干烧临界阈值；如，当烹饪器具处于干烧状态时，将烹饪器具从进入干烧状态的温度与干烧情况持续预设时间内的温度变化率设定为当前实验中各属性类别下的干烧临界阈值。

若干烧临界阈值为温度时，则判断当前采集的温度是否大于或等于查找到的干烧临界阈值，若大于或等于，则烹饪器具发生干烧。

第二种方式是：识别状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类，该方式与第一种方式相比，除了要识别烹饪器具自身属性还要识别食材的种类。

则相应的防干烧判断方式是：根据烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息，并根据温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧；具体的判断方式可参考第一种方式。

第三种方式是：识别状态图像获取与烹饪过程相关的属性信息具体是获取状态图像中烹饪器具自身属性和烹饪器具中食材的种类和大小，该方式需要识别烹饪器具自身属性、烹饪器具中食材的种类和大小。

相应的防干烧判断方式是：

根据烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息；

根据识别的食材大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

第三种方式结合食材大小动态调整干烧临界状态信息，如，若实验时标定的食材体积小于当前烹饪的食材体积，则，此时需要根据当前烹饪的食材体积大小动态调整干烧临界阈值，如，调整后的干烧临界阈值比实验时记录的干烧临界阈值大。

第四种方式是：识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类，其中，热源种类包括燃气类、电气类，不同种类的热源会影响烹饪器具干烧的临界点，因此，在上述的第一种方式和第二种方式中还可以结合热源种类在数据库中查找与关联的干烧临界状态信息，以达到精确控制干烧的效果。

第五种方式是：识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类和火力大小，该方式可以结合上述任一种方式使用，该方式的目的，是在上述任一种方式中获取相应属性的基础上，还需要识别热源的种类和火力大小。

相应的防干烧判断方式是：

在已获取相应属性的基础上，结合热源种类在数据库中查找关联的干烧临界状态信息；

结合识别的火力大小及查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

需要说明的是，实际应用中，可根据任一种方式判断烹饪器具是否发生干烧，也可以将上述方式中的任两种方式组合，或任三种方式组合，或其他方式组合获取相应的属性，及判断烹饪器具是否发生干烧。

另外，在一些场景中，某些属性识别较为困难。如当烹饪器具的材质无法识别时，则需要将该属性补充完整，才能匹配到对应的防干烧阈值，因此，本例中，若获取状态图像中烹饪器具自身属性为部分属性，则还包括对未获取的烹饪器具自身属性进行填充的步骤，如，利用平均值、最近邻、回归方程估计或期望值最大化方式对未获取的烹饪器具自身属性进行填充。

为了丰富完善数据库中存储的实验数据，本例中，还包括更新数据库的步骤，如定期将实验烹饪器具干烧的新数据补充至数据库中。在其他实施例中，基于互联网，也可以将实际烹饪过程中产生的干烧数据上传至相应的数据库中。

在其他实施例中，当没有识别出任何属性信息时，此时可以认为对该烹饪器具的烹饪过程完全未知。本例还包括向用户推荐多个干烧阈值，其中包含一个默认阈值；由用户决定采用哪个阈值，当用户没有决策时会采用默认阈值；也可以向用户推荐烹饪器具的种类、材质等属性，或者，有用户输入相应的属性信息。

通过上述方式可精确判定烹饪器具是否发生干烧，相应的，若判断烹饪器具发生干烧，还包括启动防干烧的步骤，如，启动防干烧可以是启动报警，也可以是自动关闭热源，还可以是两者的组合。

本例提供的智能防干烧方法，由于利用图像识别与温度检测相结合的方式判断烹饪器具的干烧状态，利用人工智能的方法对烹饪器具在烹饪过程中的状态图像进行分类识别，并根据识别结果采用对应的干烧临界状态点对烹饪状态实时监控，有效提升了对不同烹饪器具干烧状态判断的精准度，有效降低了识别误差。

实施例二：

基于实施例一，本例提供一种智能防干烧系统，其原理图如图2所示，包括图像采集模块、温度采集模块和处理模块。

图像采集模块用于采集烹饪器具在烹饪过程中的状态图像，图像采集模块包括摄像头及补光组件，摄像头及补光组件对应安装于抽烟机或集成灶上或其他位置，摄像头的安装位置以能够观测到烹饪器具为准，分辨率以能够清晰拍摄到实物图像为准。

温度采集模块用于获取烹饪器具在烹饪过程中的温度信息，温度采集模块可以采用但不限于多点或单点红外温度传感器，温度采集模块可以安装于抽烟机或集成灶上，另外，温度采集模块也可以采用具有物理结构的其他温度传感器，以安装于其他位置，温度采集模块的安装位置以能够获取到放置在灶上的烹饪器具的温度为准。

处理模块用于执行以下操作判断烹饪器具是否发生干烧：

识别状态图像获取与烹饪过程相关的属性信息；

根据识别的属性信息在所述数据库中查找与属性信息匹配的干烧临界状态信息，数据库中存储有与烹饪器具烹饪过程相关的属性信息及与属性信息关联的烹饪器具的干烧临界状态；

根据温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

其中，与烹饪过程相关的属性信息包括烹饪器具自身属性、热源属性和食材属性，其中，数据库中存储的与烹饪器具相关的属性信息至少包括烹饪器具自身属性；具体的，烹饪器具自身属性包括但不限于烹饪器具的材质、大小、种类和老化程度，热源属性包括但不限于热源种类、火力大小，食材属性包括但不限于食材的种类、大小和食材在烹饪器具中的位置。

处理模块是智能防干烧系统的核心处理器，处理模块具有识别模型，通过识别模型对烹饪器具的烹饪过程中相关的属性信息进行识别，本例中，利用深度学习卷积神经网络模型对烹饪器具的烹饪过程中相关的属性信息进行识别。

为了提高卷积神经网络模型的精度，本例在实验阶段，通过采集大量不同上述属性信息对卷积神经网络模型进行训练，且针对不同属性进行针对性训练。

在其他实施例中，在识别的过程中，也可以综合多张状态图像的识别结果综合判定当前的属性信息。

在其他实施例中，也可以针对特定的使用场景对卷积神经网络模型进行针对性训练，增强用户家用烹饪器具的识别效果，另外，在对外联网的情况下，还可以对卷积神经网络模型进行实时更新，不断优化干烧状态的识别效果。

结合卷积神经网络模型的训练，一种实施例中，处理模块基于训练的卷积神经网络模型识别状态图像获取与烹饪过程相关的属性信息具体是获取状态图像中烹饪器具自身属性，以根据烹饪器具自身属性在数据库中查找与烹饪器具自身属性关联的干烧临界状态信息，并根据温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

另一种实施例中，处理模块基于训练的卷积神经网络模型识别状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类，以根据烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息，并根据温度信息和查找的干烧临界状态信息判断烹饪器具是否发生干烧。

另一种实施例中，处理模块基于训练的卷积神经网络模型识别状态图像获取与烹饪过程相关的属性信息具体是获取所述状态图像中烹饪器具自身属性和烹饪器具中食材的种类和大小，处理模块执行以下操作判断烹饪器具是否发生干烧：

根据烹饪器具自身属性和食材种类在数据库中查找与烹饪器具自身属性和食材种类关联的干烧临界状态信息；

根据识别的食材大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

另一种实施例中，处理模块基于训练的卷积神经网络模型识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类，以结合热源种类在数据库中查找与关联的干烧临界状态信息。

另一种实施例中，处理模块基于训练的卷积神经网络模型识别状态图像获取与烹饪过程相关的属性信息的过程中还包括获取热源种类和火力大小，处理模块执行以下操作判断烹饪器具是否发生干烧：

结合热源种类在数据库中查找关联的干烧临界状态信息；

结合识别的火力大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

通过上述各实施例可知，卷积神经网络模型可根据具体应用而进行针对性的训练，以达到相应的识别结果。

若处理模块识别状态图像获取的烹饪器具自身属性为部分属性，则处理模块还用于对未获取的烹饪器具自身属性进行填充，具体填充方式可参考实施例一。

本例还包括报警模块，报警模块用于烹饪器具发生干烧时，处理模块控制报警模块进行报警，如报警模块可以进行声光报警，在报警的同时，处理模块还可以控制热源关闭。

本例的智能防干烧系统还可以包括WIFI、蓝牙、2G/3G/4G/5G等各种联网方式，使得烹饪器具烹饪过程中产生的各种数据和参数可以通过网络上传至云端服务器，同时从云端更新识别模型，更新用户的使用数据，提高识别精度。

本例的智能防干烧系统还可以包括喇叭、麦克风、触控屏等，用以与消费者进行语音交互与智能控制，且在发生干烧状态时通过喇叭进行报警。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (9)

1.一种智能防干烧方法，其特征在于，包括步骤：

采集烹饪器具在烹饪过程中的状态图像；

识别所述状态图像获取与烹饪过程相关的属性信息，并根据识别的属性信息在数据库中查找与所述属性信息匹配的干烧临界状态信息，所述数据库中存储有与烹饪器具烹饪过程相关的属性信息及与所述属性信息关联的烹饪器具的干烧临界状态；具体的，所述与烹饪过程相关的属性信息包括烹饪器具自身属性、热源属性和食材属性，其中，所述烹饪器具自身属性包括烹饪器具的材质、大小、种类和老化程度，所述热源属性包括热源种类、火力大小，所述食材属性包括食材的种类、大小和食材在烹饪器具中的位置；具体的：

包括步骤：获取所述状态图像中烹饪器具自身属性、烹饪器具中食材的种类和大小；

根据所述烹饪器具自身属性、食材种类在数据库中查找与烹饪器具自身属性、食材种类关联的干烧临界状态信息；

根据识别的食材大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

还包括步骤：获取热源种类和火力大小；

结合热源种类在数据库中查找关联的干烧临界状态信息；

结合识别的火力大小及查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

获取烹饪器具在烹饪过程中的温度信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

2.如权利要求1所述的智能防干烧方法，其特征在于，若所述获取所述状态图像中烹饪器具自身属性为部分属性，则还包括对未获取的烹饪器具自身属性进行填充的步骤。

3.如权利要求2所述的智能防干烧方法，其特征在于，采用平均值、最近邻、回归方程估计或期望值最大化方式对未获取的烹饪器具自身属性进行填充。

4.如权利要求1所述的智能防干烧方法，其特征在于，还包括更新所述数据库的步骤。

5.如权利要求1所述的智能防干烧方法，其特征在于，若判断烹饪器具发生干烧，还包括启动防干烧的步骤。

6.如权利要求5所述的智能防干烧方法，其特征在于，所述启动防干烧包括启动报警或/和自动关闭热源。

7.一种智能防干烧系统，其特征在于，包括：

图像采集模块，用于采集烹饪器具在烹饪过程中的状态图像；

温度采集模块，用于获取烹饪器具在烹饪过程中的温度信息；

处理模块，用于执行以下操作判断烹饪器具是否发生干烧：

识别所述状态图像获取与烹饪过程相关的属性信息，具体的，所述与烹饪过程相关的属性信息包括烹饪器具自身属性、热源属性和食材属性，其中，所述烹饪器具自身属性包括烹饪器具的材质、大小、种类和老化程度，所述热源属性包括热源种类、火力大小，所述食材属性包括食材的种类、大小和食材在烹饪器具中的位置；

根据识别的属性信息在数据库中查找与所述属性信息匹配的干烧临界状态信息，所述数据库中存储有与烹饪器具烹饪过程相关的属性信息及与所述属性信息关联的烹饪器具的干烧临界状态；具体的：

包括步骤：获取所述状态图像中烹饪器具自身属性、烹饪器具中食材的种类和大小；

根据所述烹饪器具自身属性、食材种类在数据库中查找与烹饪器具自身属性、食材种类关联的干烧临界状态信息；

根据识别的食材大小结合查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

还包括步骤：获取热源种类和火力大小；

结合热源种类在数据库中查找关联的干烧临界状态信息；

结合识别的火力大小及查找的干烧临界状态信息动态设置当前烹饪过程的干烧临界状态信息；

根据所述温度信息和当前设置的干烧临界状态信息判断烹饪器具是否发生干烧。

8.如权利要求7任一项所述的智能防干烧系统，其特征在于，若所述处理模块识别所述状态图像获取的烹饪器具自身属性为部分属性，则所述处理模块还用于对未获取的烹饪器具自身属性进行填充。

9.如权利要求7的智能防干烧系统，其特征在于，还包括报警模块，所述报警模块用于烹饪器具发生干烧时，所述处理模块控制所述报警模块进行报警。

Images