烹饪状态的确定方法、装置、存储介质和服务器与流程

本发明涉及智能化家电技术，尤其涉及一种烹饪状态的确定方法、装置、计算机可读存储介质和服务器。

背景技术：

众所周知，烹饪出一道丰盛美味的菜肴，不仅需要丰富的食材，更需要精准的把握好火候，厨行有“三分墩，七分灶”之说，即强调火候的重要性。恰当地掌控和运用火候，可以准确把握菜肴的成熟程度，尽量避免菜肴营养物质的流失。总之，火候是烹调中最重要的事，同时也是最难把握说明的事。

现有的烹饪设备配套有相应的云食谱，根据所述云食谱对烹饪设备下发控制指令，以对火力和时间进行调节，达到烹饪菜肴的目的。然而，用户按照云食谱准备了相应的食材，却往往无法烹饪出令人满意的菜肴；其原因如下：

现有的烹饪设备运用传统的温度类传感器采集温度，而烹饪设备周围的风力、环境温度的细微变化是温度类传感器无法识别的，从而会影响采集的温度的准确度；进一步的，再根据采集的温度控制火力和时长，也就不能完美的还原云食谱所要求的火候。

技术实现要素：

有鉴于此，本发明的主要目的在于提供一种烹饪状态的确定方法、装置、计算机可读存储介质和服务器。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种烹饪状态的确定方法，所述方法包括：

接收语音控制设备发送的烹饪声响；

提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；

根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

上述方案中，所述提取所述烹饪声响的声纹特征，包括：

获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，从降噪处理后的声纹信息中提取声纹特征。

上述方案中，所述根据所述声纹特征进行模式识别，包括：

获取烹饪设备的烹饪操作，确定所述烹饪操作对应的烹饪状态；

获取所述烹饪状态对应的声学模型，将提取的所述声纹特征与所述声学模型进行匹配，获得匹配值；所述匹配值作为模式识别的结果。

上述方案中，所述根据模式识别的结果确定对应的烹饪状态，包括：

判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，确定烹饪设备达到所述烹饪操作对应的烹饪状态。

上述方案中，所述方法还包括：

烹饪过程中，获取至少一组烹饪声响和烹饪状态的对应关系，根据所述至少一组烹饪声响和烹饪状态的对应关系，更新所述烹饪状态对应的声学模型。

本发明实施例还提供了一种烹饪状态的确定装置，所述装置包括：接收模块、处理模块和发送模块；其中，

所述接收模块，用于接收语音控制设备发送的烹饪声响；

所述处理模块，用于提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；

所述发送模块，用于根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

上述方案中，所述处理模块，具体用于获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，从降噪处理后的声纹信息中提取声纹特征。

上述方案中，所述处理模块，具体用于获取烹饪设备的烹饪操作，确定所述烹饪操作对应的烹饪状态；

获取所述烹饪状态对应的声学模型，将提取的所述声纹特征与所述声学模型进行匹配，获得匹配值；所述匹配值作为模式识别的结果。

上述方案中，所述处理模块，具体用于判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，确定烹饪设备达到所述烹饪操作对应的烹饪状态。

上述方案中，所述处理模块，还用于烹饪过程中，获取至少一组烹饪声响和烹饪状态的对应关系，根据所述至少一组烹饪声响和烹饪状态的对应关系，更新所述烹饪状态对应的声学模型。

本发明实施例还提供了一种烹饪状态的确定装置，所述装置包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；

其中，所述处理器用于运行所述计算机程序时，执行上面所述的任意一种烹饪状态的确定方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上面所述的任意一种烹饪状态的确定方法的步骤。

本发明实施例所提供的烹饪状态的确定方法、装置、计算机可读存储介质和服务器，接收语音控制设备发送的烹饪声响；提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。本发明实施例的方案，获取烹饪设备内所发出的烹饪声响，识别所述烹饪声响以确定当前的烹饪状态，并通过语音播放和/或消息提示的方式告知用户，使得用户可以及时调整烹饪操作，控制火候，达到食用的最佳口感，以完成令人满意的菜肴。

附图说明

图1为本发明实施例提供的烹饪状态的确定方法一的流程示意图；

图2为本发明实施例提供的烹饪方法的流程示意图；

图3为本发明实施例提供的烹饪状态的确定方法二的流程示意图；

图4为本发明实施例提供的烹饪状态的确定装置一的结构示意图；

图5为本发明实施例提供的烹饪状态的确定装置二的结构示意图。

具体实施方式

在本发明的各种实施例中，接收语音控制设备发送的烹饪声响；提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

下面结合实施例对本发明再作进一步详细的说明。

图1为本发明实施例提供的烹饪状态的确定方法一的流程示意图；所述方法应用于云服务器，如图1所示，所述方法包括：

步骤101、接收语音控制设备发送的烹饪声响；

这里，所述语音控制设备是具有语音接收功能和语音播放功能的设备，如智能音响(hubspeaker)。

烹饪设备执行烹饪操作后产生烹饪声响，所述语音控制设备采集所述烹饪声响，并将所述烹饪声响发送给云服务器。

所述烹饪声响，可以包括：热油声、清汤滚沸声、蔬果过油声、佐料炸声、浓汤滚沸声、肉类出油声等。

具体地，所述接收语音控制设备发送的烹饪声响之前，所述方法可以包括：

云服务器确定烹饪食谱，将所述烹饪食谱包括的烹饪食材发送给语音控制设备，所述烹饪食材由所述语音控制设备播放；

云服务器根据所述烹饪食谱向烹饪设备发送第一控制指令，用以控制所述烹饪设备进行烹饪操作；或者，云服务器向语音控制设备发送第一语音指令，用以通知用户进行烹饪，由用户通过烹饪设备的操作按键向烹饪设备输入第二控制指令，以控制所述烹饪设备进行烹饪操作；所述第一控制指令或者所述第二控制指令由所述烹饪设备接收并执行。

这里，所述烹饪设备还可以向云服务器发送操作信息，以通知所述云服务器自身当前的烹饪操作；云服务器接收所述操作消息，根据所述操作消息获取所述烹饪设备当前的烹饪操作。

所述语音控制设备也可以作为所述烹饪设备的一个功能模块，即烹饪设备可以包含具有语音接收功能和语音播放功能的语音控制模块，通过所述语音控制模块可以获取烹饪时产生的烹饪声响并发送给云服务器，所述云服务器接收烹饪设备发送的烹饪声响。

步骤102、提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；

具体地，所述云服务器运用声纹识别技术提取所述烹饪声响的声纹特征，并根据所述声纹特征进行模式识别。

具体来说，所述提取所述烹饪声响的声纹特征，包括：

云服务器确定所述烹饪声响的声纹信息，从所述烹饪声响的声纹信息中提取声纹特征；所述声纹特征，包括但不限于：梅尔频率倒谱系数(mfcc，melfrequencycepstrumcoefficient)、基于伽马通的倒谱系数(gfcc，gammatonefrequencycepstrumconfficient)、线性预测倒谱系数(lpcc，linearpredictioncepstrumcoefficient)等。

这里，所述提取所述烹饪声响的声纹特征之前，所述方法还可以包括：

云服务器获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，获得降噪处理后的声纹信息。云服务器可以从降噪处理后的声纹信息中提取声纹特征。

具体来说，所述根据所述声纹特征进行模式识别，包括：

云服务器获取烹饪设备的烹饪操作，确定所述烹饪操作对应的烹饪状态；

获取所述烹饪状态对应的声学模型，将提取的所述声纹特征与所述声学模型进行匹配，获得匹配值；所述匹配值作为模式识别的结果。

具体地，所述根据模式识别的结果确定对应的烹饪状态，包括：

判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，则确定烹饪设备达到所述烹饪操作对应的烹饪状态；即确定所述烹饪设备完成所述烹饪操作。

所述烹饪状态即火候，指烹调过程中，烹饪设备按一定的火力大小和时间长短使食材达到的成熟度。

这里，所述云服务器内保存至少一种烹饪食谱；所述烹饪食谱，包括：所需的烹饪食材、烹饪操作、所述烹饪操作对应的烹饪状态(指烹饪设备执行烹饪操作后需达到的烹饪状态)、所述烹饪状态对应的烹饪声响、烹饪声响对应的预设阈值、所述烹饪操作对应的下一烹饪操作。这里，所述烹饪声响，包括：用于进行模式识别的声学模型；所述声学模型，包括：基于高斯混合模型(gmm，gaussianmixturemodel)、隐马尔科夫模型(hmm，hiddenmarkovmodel)等得到的针对所述烹饪声响的声学模型。

需要说明的是，烹饪食谱中，不同的烹饪状态对应不同的烹饪声响，不同的烹饪声响也可以对应不同的预设阈值。不同的烹饪声响对应的预设阈值可以由使用所述云服务器的厂商根据匹配精准的要求确定；一般来说，匹配精准的要求越高时，则所述预设阈值越高；匹配精准的要求相对较低时，则所述预设阈值可相对减低。

所述获取烹饪设备的烹饪操作，包括：云服务器接收烹饪设备发送的操作信息，根据所述操作信息确定所述烹饪设备当前的烹饪操作。

所述获取所述烹饪操作对应的烹饪状态，包括：云服务器查询烹饪食谱，获取所述烹饪操作对应的烹饪状态。

所述获取所述烹饪状态对应的声学模型，包括：云服务器查询烹饪食谱，确定所述烹饪状态对应的烹饪声响，即可获取所述烹饪状态对应的烹饪声响的声学模型。

以下提供两种烹饪食谱，烹饪食谱一，可以包括：

烹饪食材，如：油、某一蔬菜；

烹饪操作，如：热油、爆炒；

热油对应的烹饪状态为热油状态，所述热油状态对应的烹饪声响为热油声响，所述热油声响对应的预设阈值可以为80％(表示将采集的烹饪声响与所述热油声响的声学模型进行匹配，获得的匹配值需超过80％)，所述热油对应的下一烹饪操作为爆炒；

所述爆炒对应的烹饪状态为蔬果过油声响，所述蔬果过油声响对应的预设阈值可以为70％(表示将采集的烹饪声响与所述蔬果过油声响的声学模型进行匹配，获得的匹配值需超过70％)，所述爆炒的下一烹饪操作为空(即无需进行下一烹饪操作，已完成本次烹饪)。

烹饪食谱二，可以包括：

烹饪食材，如：米；

烹饪操作，如：煮饭；

煮饭对应的烹饪状态为煮饭完成状态，所述煮饭完成状态对应的烹饪声响为蒸汽声响，所述蒸汽声响对应的预设阈值可以为90％(表示将采集的烹饪声响与所述蒸汽声响的声学模型进行匹配，获得的匹配值需超过90％)，所述煮饭对应的下一烹饪操作为空(即无需进行下一烹饪操作，已完成本次烹饪)。这里，所述采集的烹饪声响可以为电压力锅或电饭煲完成煮饭后发出的排气声或蜂鸣声。

这里，所述烹饪食谱中的不同的烹饪操作、烹饪状态、烹饪声响和预设阈值，可以由使用所述云服务器的厂商根据各种菜谱和烹饪经验预先设定并保存。

步骤103、根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

这里，所述提示指令，可以包括：提示语音和/或提示消息；

所述提示指令由所述语音控制设备接收并执行，包括：

所述语音控制设备接收所述提示指令，从所述提示指令获取所述提示语音，所述语音控制设备确定获取所述提示语音时，播放所述提示语音。

这里，所述语音控制设备还可以具有显示模块(如显示屏)。所述语音控制设备具有显示模块时，所述语音控制设备即可从所述提示指令获取所述提示消息，并通过所述显示模块显示所述提示消息。

这里，所述移动终端，可以包括：智能手机、平板电脑等；

所述提示指令由所述移动终端接收并执行，包括：

所述移动终端接收所述提示指令，从所述提示指令获取所述提示语音和/或提示消息；

所述移动终端确定获取所述提示语音时，播放所述提示语音；和/或，所述移动终端确定获取所述提示消息时，展示所述提示消息。

本实施例中，所述步骤103中，云服务器根据所述烹饪状态生成提示指令后，也可以仅将所述提示指令发送给语音控制设备，由所述语音控制设备接收所述提示指令并将所述提示指令转发给移动终端；或者，仅将所述提示指令发送给移动终端，由所述移动终端接收所述提示指令并将所述提示指令转发给语音控制设备。

这里，所述语音控制设备可以具有蓝牙模块、无线保真(wifi，wirelessfidelity)模块或基于蜂窝的窄带物联网(nb-iot，narrowbandinternetofthings)模块，通过所述蓝牙模块、wifi模块或nb-iot模块连接所述移动终端。

这里，所述步骤103，还可以包括：

云服务器可以根据烹饪设备当前的烹饪操作，查询烹饪食谱，确定下一烹饪操作；根据所述烹饪状态和确定的所述下一烹饪操作生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行，用以告知用户当前的烹饪状态和下一烹饪操作。

本实施例中，所述方法，还可以包括：

步骤104、烹饪过程中，云服务器获取至少一组烹饪声响和烹饪状态的对应关系，根据所述至少一组烹饪声响和烹饪状态的对应关系，更新云服务器中保存的烹饪状态对应的声学模型。

本实施例中，所述云服务器还可以包括：至少一种故障状态、故障声响(包括用于进行故障识别的声学模型)和故障阈值的对应关系。例如，所述故障状态可以为溢锅状态，所述故障声响可以为溢锅声响，所述溢锅声响对应的故障阈值可以为80％。这里，所述故障状态、故障声响和故障阈值的对应关系，可以由使用所述云服务器的厂商根据各种菜谱和烹饪经验预先设定并保存。

相应地，所述方法，还可以包括：

云服务器获取至少一种故障状态对应的故障声响的声学模型，将提取的所述声纹特征与所述至少一种故障状态对应的故障声响的声学模型进行匹配，获得匹配值，所述匹配值作为故障识别的结果；

判断所述匹配值是否超过故障阈值，确定所述匹配值超过所述故障阈值，则根据所述故障状态生成故障提示指令，并将所述故障提示指令发送给语音控制设备和/或移动终端，所述故障提示指令由所述语音控制设备和/或移动终端接收并执行。这里，所述故障提示指令，可以包括：故障提示语音和/或故障提示消息。

所述故障提示指令由所述语音控制设备接收并执行，包括：

所述语音控制设备接收所述故障提示指令，从所述故障提示指令获取所述故障提示语音和/或故障提示消息；

所述语音控制设备确定获取所述故障提示语音时，播放所述故障提示语音；和/或，所述语音控制设备确定获取所述故障提示消息时，展示所述故障提示消息，从而提醒用户发生烹饪故障，如溢锅等。

所述故障提示指令由所述移动终端接收并执行，包括：

所述移动终端接收所述故障提示指令，从所述故障提示指令获取所述故障提示语音和/或故障提示消息；

所述移动终端确定获取所述故障提示语音时，播放所述故障提示语音；和/或，所述移动终端确定获取所述故障提示消息时，展示所述故障提示消息。

图2为本发明实施例提供的烹饪方法的流程示意图；以上所述的烹饪状态的确定方法可应用到所述烹饪方法中，如图2所示，所述烹饪方法包括：

步骤201、云服务器将烹饪食谱告知用户，用户根据烹饪食谱准备相应的食材；

具体地，所述步骤201，包括：云服务器确定烹饪食谱，将所述烹饪食谱中的烹饪食材发送给语音控制设备，所述烹饪食材由所述语音控制设备播放，以告知用户准备相应的食材。

步骤202、烹饪设备进行烹饪，在烹饪过程中发出烹饪声响；

具体地，所述烹饪设备进行烹饪，可以包括：

云服务器根据所述烹饪食谱向烹饪设备发送第一控制指令，用以控制所述烹饪设备进行烹饪操作；或者，云服务器向语音控制设备发送第一语音指令，用以通知用户进行烹饪，由用户通过烹饪设备的操作按键向烹饪设备输入第二控制指令，以控制所述烹饪设备执行烹饪操作；所述第一控制指令或者所述第二控制指令由所述烹饪设备接收并进行烹饪操作。

这里，用户将烹饪食材放置于烹饪设备后，烹饪设备进行烹饪时会发出烹饪声响，如：热油声、清汤滚沸声、蔬果过油声、佐料炸声、浓汤滚沸声、肉类出油声等。

所述步骤202之后，所述方法还可以包括：

所述烹饪设备向云服务器发送操作信息，以通知所述云服务器自身当前执行的烹饪操作；云服务器接收所述操作消息，根据所述操作消息获取所述烹饪设备当前执行的烹饪操作。

步骤203、语音控制设备采集所述烹饪声响，并发送至云服务器；

步骤204、云服务器对所述烹饪声响的声纹信息进行降噪处理、特征提取和模式识别；

具体来说，步骤204，包括：云服务器获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，从降噪处理后的声纹信息提取声纹特征；

云服务器确定烹饪设备的烹饪操作，获取所述烹饪操作对应的烹饪状态；获取保存的所述烹饪状态对应的烹饪声响的声学模型，将所述声纹特征与保存的声学模型进行匹配，获得匹配值；所述匹配值即为模式识别的结果。

步骤205、云服务器根据模式识别的结果，确定烹饪状态；

具体来说，云服务器判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，则确定烹饪设备达到所述烹饪操作对应的烹饪状态，即达到相应的火候；

这里，确定所述匹配值未超过所述预设阈值，则继续接收烹饪声响并获得对应的匹配值，直至确定所述匹配值超过所述预设阈值为止。

步骤206、云服务器确定下一烹饪操作，根据所述烹饪状态和下一烹饪操作生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行；

具体地，所述步骤206，可以包括：

云服务器根据烹饪设备当前的烹饪操作，查询烹饪食谱，确定下一烹饪操作；根据所述烹饪状态和确定的所述下一烹饪操作生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行，以告知用户当前的烹饪状态和下一烹饪操作。

步骤207、云服务器根据采集的烹饪声响更新保存的声学模型；

具体来说，所述云服务器包括自学习模块，所述自学习模块获取至少一组烹饪声响和烹饪状态的对应关系，提取所述烹饪声响的声纹特征；根据所述声纹特征和保存的所述烹饪状态对应的声学模型，运用深度学习算法，如：卷积神经网络(cnns、convolutionalneuralnetworks)、深度置信网(dbns、deepbeliefnets等，优化所述声学模型，获得新的声学模块并保存。

以下提供一具体应用实施例说明上述烹饪方法，假设需烹饪一份火锅底料，云服务器确定烹饪食谱，包括：

1、烹饪食材：油、生姜、大蒜、花椒、豆豉、葱；

2、烹饪操作、所述烹饪操作对应的烹饪状态、所述烹饪状态对应的烹饪声响、烹饪声响对应的预设阈值、所述烹饪操作对应的下一烹饪操作，具体包括：

热油(第一种烹饪操作)、热油状态、热油声响、热油阈值，热油的下一操作为爆炒(第二种烹饪操作)；

爆炒、爆炒状态、佐料炸声、佐料炸声阈值、爆炒的下一操作为空(表示无下一烹饪操作，完成爆炒后即完成火锅底料的烹制)。

用户根据烹饪食谱确定相应烹饪食材：油、生姜、大蒜、花椒、豆豉、葱；将所述烹饪食材放置于烹饪设备中，云服务器根据烹饪食谱的第一烹饪操作(即热油)生成热油控制指令并发送给烹饪设备，所述烹饪设备进行热油；当食材“油”加热到一定温度时，发出相应的烹饪声响，语音控制设备采集烹饪声响并发送给云服务器，云服务器运用声纹识别技术识别烹饪声响，确定采集的所述烹饪声响与云服务器保存的热油操作对应的烹饪声响的匹配值达到预设阈值时，认为达到对应的热油状态，完成热油；云服务器根据所述热油状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行，以通知用户烹饪设备完成热油。

进一步的，云服务器确定完成第一烹饪操作(热油)后进入下一烹饪操作(即爆炒)；云服务器根据所述第二烹饪操作生成爆炒控制指令，将所述爆炒控制指令发送给烹饪设备，由烹饪设备进行佐料爆炒；语音控制设备继续采集烹饪声响并发送给云服务器，云服务器根据采集的烹饪声响确定烹饪状态，继续确定是否完成对应的烹饪操作，如此往复，直至完成此次烹饪。

图3为本发明实施例提供的烹饪状态的确定方法二的流程示意图；如图3所示，所述方法包括：

烹饪过程中，烹饪设备发出烹饪声响，如：热油声、清汤滚沸声、蔬果过油声、佐料炸声、浓汤滚沸声、肉类出油声；语音控制设备采集所述烹饪声响，并发送给云服务器；

云服务器初次接收到所述烹饪声响，记做第一烹饪声响，对所述第一烹饪声响进行样本数据的采集，根据采集的样本数据进行自学习与训练，获得不同烹饪状态对应的声纹特征，根据所述声纹特征确定对应的声学模型并保存；

在之后的烹饪过程中，云服务器若再次接收到同一烹饪状态对应的烹饪声响，记做第二烹饪声响，提取所述第二烹饪声响的声纹特征，将提取的第二烹饪声响的声纹特征与保存的声学模型进行匹配，获得匹配值，根据所述匹配值确定烹饪状态。

这里，所述云服务器还可以根据提取的所述第二烹饪声响的声纹特征持续优化所述声学模型。

图4为本发明实施例提供的烹饪状态的确定装置一的结构示意图；如图4所示，所述装置包括：接收模块、处理模块和发送模块；其中，

所述接收模块，用于接收语音控制设备发送的烹饪声响；

所述处理模块，用于提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；

所述发送模块，用于根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

具体地，所述处理模块，具体用于获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，从降噪处理后的声纹信息中提取声纹特征。

具体地，所述处理模块，具体用于获取烹饪设备的烹饪操作，确定所述烹饪操作对应的烹饪状态；

获取所述烹饪状态对应的声学模型，将提取的所述声纹特征与所述声学模型进行匹配，获得匹配值；所述匹配值作为模式识别的结果。

具体地，所述处理模块，具体用于判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，确定烹饪设备达到所述烹饪操作对应的烹饪状态。

具体地，所述处理模块，还用于烹饪过程中，获取至少一组烹饪声响和烹饪状态的对应关系，根据所述至少一组烹饪声响和烹饪状态的对应关系，更新所述烹饪状态对应的声学模型。

图5为本发明实施例提供的烹饪状态的确定装置二的结构示意图；如图5所示，所述装置50可以设置在服务器上，所述装置50包括：

处理器501和用于存储能够在所述处理器上运行的计算机程序的存储器502；其中，

所述处理器501用于运行所述计算机程序时，执行：

接收语音控制设备发送的烹饪声响；

提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；

根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

所述处理器501还用于运行所述计算机程序时，执行：

获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，从降噪处理后的声纹信息中提取声纹特征。

所述处理器501还用于运行所述计算机程序时，执行：

获取烹饪设备的烹饪操作，确定所述烹饪操作对应的烹饪状态；

获取所述烹饪状态的声学模型，将提取的所述声纹特征与所述声学模型进行匹配，获得匹配值；所述匹配值作为模式识别的结果。

所述处理器501还用于运行所述计算机程序时，执行：

判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，确定烹饪设备达到所述烹饪操作对应的烹饪状态。

所述处理器501还用于运行所述计算机程序时，执行：

烹饪过程中，获取至少一组烹饪声响和烹饪状态的对应关系，根据所述至少一组烹饪声响和烹饪状态的对应关系，更新所述烹饪状态的声学模型。

需要说明的是：上述实施例提供的烹饪状态的确定装置与烹饪状态的确定方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

实际应用时，所述装置50还可以包括：至少一个网络接口503。语音处理装置50中的各个组件通过总线系统504耦合在一起。可理解，总线系统504用于实现这些组件之间的连接通信。总线系统504除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统504。其中，所述处理器504的个数可以为至少一个。网络接口503用于语音处理装置50与其他设备之间有线或无线方式的通信。本发明实施例中的存储器502用于存储各种类型的数据以支持语音处理装置50的操作。

上述本发明实施例揭示的方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(dsp，digitalsignalprocessor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器501可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成前述方法的步骤。

在示例性实施例中，装置50可以被一个或多个应用专用集成电路(asic，applicationspecificintegratedcircuit)、dsp、可编程逻辑器件(pld，programmablelogicdevice)、复杂可编程逻辑器件(cpld，complexprogrammablelogicdevice)、现场可编程门阵列(fpga，field-programmablegatearray)、通用处理器、控制器、微控制器(mcu，microcontrollerunit)、微处理器(microprocessor)、或其他电子元件实现，用于执行前述方法。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时，执行：

接收语音控制设备发送的烹饪声响；

提取所述烹饪声响的声纹特征，根据所述声纹特征进行模式识别，根据模式识别的结果确定对应的烹饪状态；

根据所述烹饪状态生成提示指令，将所述提示指令发送给语音控制设备和/或移动终端，所述提示指令由所述语音控制设备和/或移动终端接收并执行。

所述计算机程序被处理器运行时，执行：

获取所述烹饪声响的声纹信息，对所述声纹信息进行降噪处理，从降噪处理后的声纹信息中提取声纹特征。

所述计算机程序被处理器运行时，执行：

获取烹饪设备的烹饪操作，确定所述烹饪操作对应的烹饪状态；

获取所述烹饪状态的声学模型，将提取的所述声纹特征与所述声学模型进行匹配，获得匹配值；所述匹配值作为模式识别的结果。

所述计算机程序被处理器运行时，执行：

判断所述匹配值是否超过预设阈值，确定所述匹配值超过所述预设阈值，确定烹饪设备达到所述烹饪操作对应的烹饪状态。

所述计算机程序被处理器运行时，执行：

烹饪过程中，获取至少一组烹饪声响和烹饪状态的对应关系，根据所述至少一组烹饪声响和烹饪状态的对应关系，更新所述烹饪状态的声学模型。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。