烹饪机器人及其烹饪控制方法、装置、存储介质及服务器与流程

本发明涉及机器人领域，尤其涉及一种烹饪机器人及其烹饪控制方法、装置、存储介质及服务器。

背景技术：

目前，机器人应用停留在机械劳动方面，缺少技术型劳动的应用。机器人烹饪菜肴的难点在于识别菜肴是否是美味的、可食用的，仅仅通过图像识别等简单的技术是不够完善的，因此需要提出更优化的机器人烹饪菜肴的方案。

技术实现要素：

本发明的主要目的在于克服上述现有技术的缺陷，提供一种烹饪机器人及其烹饪控制方法、装置、存储介质及服务器，以解决现有技术中机器人烹饪菜肴的仅通过图像识别等简单的技术不够完善的问题。

本发明一方面提供了一种烹饪机器人的烹饪控制方法，包括：获取待烹饪的菜肴所包含的食材中每种食材对应的烹饪状态检测模型；每种食材对应的所述烹饪状态检测模型是基于预先收集的每种食材在烹饪过程中的烹饪状态数据分别进行模型训练而得到的；在进行所述菜肴的烹饪时，基于所述每种食材对应的烹饪状态检测模型，控制所述机器人对所述菜肴的每种食材单独进行烹饪；将所述菜肴所包含的食材中的每种食材均烹饪至预设烹饪状态后，控制所述机器人对所述菜肴所包含的食材进行混合烹饪。

可选地，所述机器人具有模拟视觉神经系统、模拟嗅觉神经系统和/或模拟味觉神经系统；基于所述每种食材对应的烹饪状态检测模型，对所述菜肴的每种食材单独进行烹饪，包括：通过所述模拟视觉神经系统、模拟嗅觉神经系统和/或模拟味觉神经系统分别采集所述每种食材的色彩信息、气味信息和/或口感信息；基于获取的所述每种食材对应的烹饪状态检测模型，分别对采集的所述每种食材的色彩信息、气味信息和/或口感信息进行模型匹配检测；根据进行所述模型匹配的匹配结果，调节所述每种食材的烹饪过程，以使所述每种食材达到预设烹饪状态。

可选地，根据进行所述模型匹配的匹配结果，调节所述每种食材的烹饪过程，包括：当任一食材的模型匹配的匹配结果为所述食材的色彩信息、气味信息和/或口感信息与该食材对应的预设烹饪模型匹配时，完成所述食材的烹饪。

可选地，基于所述每种食材对应的烹饪状态检测模型，控制所述机器人对所述菜肴的每种食材单独进行烹饪，还包括：获取进行所述菜肴的烹饪所使用的食用油信息，以获取所述菜肴的每种食材在使用所述食用油进行烹饪时的预设食用油加热时长；在对所述每种食材单独进行烹饪时，将所使用的食用油加热所述预设食用油加热时长后，控制所述烹饪机器人加入相应食材进行烹饪。

可选地，所述烹饪状态数据，包括：烧干温度、冒烟温度、分解产物、各个时间段的碳氢比中的至少之一。

本发明另一方面提供了一种烹饪机器人的烹饪控制装置，包括：模型获取单元，用于获取待烹饪的菜肴所包含的食材中每种食材对应的烹饪状态检测模型；每种食材对应的所述烹饪状态检测模型是基于预先收集的每种食材在烹饪过程中的烹饪状态数据分别进行模型训练而得到的；单独控制单元，用于在进行所述菜肴的烹饪时，基于所述每种食材对应的烹饪状态检测模型，控制所述烹饪机器人对所述菜肴的每种食材单独进行烹饪；以及，混合控制单元，用于将所述菜肴所包含的食材中的每种食材均烹饪至预设烹饪状态后，控制所述烹饪机器人对所述菜肴所包含的食材进行混合烹饪。

可选地，所述烹饪机器人具有模拟视觉神经系统、模拟嗅觉神经系统和/或模拟味觉神经系统；所述单独控制单元，包括：采集子单元，用于通过所述模拟视觉神经系统、模拟嗅觉神经系统和/或模拟味觉神经系统分别采集所述每种食材的色彩信息、气味信息和/或口感信息；检测子单元，用于基于获取的所述每种食材对应的烹饪状态检测模型，分别对采集的所述每种食材的色彩信息、气味信息和/或口感信息进行模型匹配检测；调节子单元，用于根据进行所述模型匹配的匹配结果，调节所述每种食材的烹饪过程，以使所述每种食材达到预设烹饪状态。

可选地，所述调节单元，根据进行所述模型匹配的匹配结果，调节所述每种食材的烹饪过程，包括：当任一食材的模型匹配的匹配结果为所述食材的色彩信息、气味信息和/或口感信息与该食材对应的预设烹饪模型匹配时，完成所述食材的烹饪。

可选地，所述单独控制单元，还包括：获取子单元，用于获取进行所述菜肴的烹饪所使用的食用油信息，以获取所述菜肴的每种食材在使用所述食用油进行烹饪时的预设食用油加热时长；控制子单元，用于在对所述每种食材单独进行烹饪时，将所使用的食用油加热所述预设食用油加热时长后，控制所述烹饪机器人加入相应食材进行烹饪。

可选地，所述烹饪状态数据，包括：烧干温度、冒烟温度、分解产物、各个时间段的碳氢比中的至少之一。

本发明又一方面提供了一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现前述任一所述方法的步骤。

本发明再一方面提供了一种烹饪机器人，包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述任一所述方法的步骤。

本发明再一方面提供了一种烹饪机器人，包括前述任一所述的烹饪控制装置。

本发明再一方面提供了一种服务器，包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述任一所述方法的步骤。

本发明再一方面提供了一种服务器，包括前述任一所述的烹饪机器人的烹饪控制装置。

根据本发明的技术方案，能够控制烹饪机器人将菜肴的每种食材单独烹饪至最佳状态，然后混合加热，用户需求的一种菜肴是各种食材单元组合起来的，只需针对每个食材单元进行烹饪至最佳，最后用一定的混合方式混合至最佳状态；并且本发明能够基于预先建立的每种食材对应的烹饪状态检测模型，并利用模拟视觉、嗅觉和/或味觉神经系统对每种食材是否达到最佳烹饪状态进行检测，从而能够控制每种食材达到最近烹饪状态。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明提供的烹饪机器人的烹饪控制方法的一实施例的方法示意图；

图2是根据本发明实施例的烹饪机器人的烹饪控制的功能分布图；

图3是根据本发明实施例的烹饪机器人的工作流程示意图；

图4是根据本发明实施例的基于所述每种食材对应的预设烹饪模型，对所述菜肴的每种食材单独进行烹饪的步骤的流程示意图；

图5是本发明提供的烹饪机器人的烹饪控制装置的一实施例的结构示意图；

图6是根据本发明实施例的单独控制单元的一种实施方式的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明提供一种烹饪机器人的烹饪控制方法。本发明可以在服务器侧实施，或者在烹饪机器人侧(例如，机器人控制器中)实施。

图2是根据本发明实施例的烹饪机器人的烹饪控制的功能分布图。如图2所示，a01为数据源，a02为服务器维护的云计算平台(简称云平台)，a03为机器人控制器，a10为模拟视觉神经系统，a11为模拟嗅觉神经系统，a12为模拟味觉神经系统，a09为烹饪机器人实体，b01为指令执行单元。

将市面上的食材的化学成份(如碳氢含量，生物大分子含量，金属矿物质含量，水含量，加热时烟气比，烟气各成份含量等)、特性(如有氧且高温下分解产物含量以及反应速率，少氧且高温下分解产物含量以及反应速率，加热时烟气比)，物理成份(如杂质，外界水)、特性(如干湿度，温度，硬度)等数据汇总，写入数据库，经过数据清洗，提取有效的数据。将此数据命名为数据源a01。

服务器维护并运行一整套对数据源a01进行服务管理的云计算平台云平台a02，具备的功能：数据匹配、检测数据合理性、记录新数据、数据图形展示、数据与模型参数的关系维护等。

图1是本发明提供的烹饪机器人的烹饪控制方法的一实施例的方法示意图。

如图1所示，根据本发明的一个实施例，所述机器人烹饪控制方法至少包括步骤s110、步骤s120和步骤s130。

步骤s110，获取待烹饪的菜肴所包含的食材中每种食材对应的预设烹饪模型。

每种食材对应的预设烹饪状态检测模型是基于预先收集的每种食材在烹饪过程中的烹饪状态数据分别进行模型训练而得到的。所述烹饪状态数据例如包括烧干温度、冒烟温度、分解产物、各个时间段的碳氢比中的至少之一。

下面结合实例对烹饪状态检测模型的模型训练过程进行说明。例如，宫保鸡丁，包括食材：鸡脯肉，花生仁，红辣椒，葱白，生姜。对应建立5个模型训练的任务，以其中的“检测鸡脯肉加热至最佳状态”模型训练为例。从a01数据源获取鸡脯肉的所有相关有效数据的数据集(每一条数据都是一组类似烧干温度、冒烟温度、分解产物、各个时间段的碳氢比等等的，这样的数据组成“检测鸡脯肉加热至最好状态”模型参数训练的数据集)，通过相关算法处理，获取“检测鸡脯肉加热至最好状态”的模型参数，建立检测鸡脯肉的烹饪状态检测模型，并将参数交给a02处理。再从a01中随机获取一万个数据，对此烹饪状态检测模型进行测试，不通过，继续训练模型参数。通过之后，将烹饪状态检测模型交给云计算平台a02处理。a02负责将烹饪状态检测模型接入a03控制器。具体可以参考图3中云计算平台执行的步骤。

步骤s120，在进行所述菜肴的烹饪时，基于所述每种食材对应的预设烹饪模型，对所述菜肴的每种食材单独进行烹饪。

每种食材单独加热至最佳状态，然后混合加热。就相当于每种食材都是一个元素(水也不例外)，每个元素可搭配酌料混合组成食材单元，用户需求的一种菜肴是各种食材单元组合起来的，只需针对每个食材单元进行烹饪至最佳，最后进行混合。

所述机器人具有模拟视觉神经系统(例如，基于模拟神经系统的电子眼)、模拟嗅觉神经系统(例如，基于模拟神经系统的电子鼻)和/或模拟味觉神经系统(例如，基于模拟神经系统的电子舌)。

图4是根据本发明实施例的基于所述每种食材对应的预设烹饪模型，对所述菜肴的每种食材单独进行烹饪的步骤的流程示意图。如图4所示，在一种具体实施方式中，步骤s120包括步骤s121、步骤s122和步骤s123。

步骤s121，通过所述模拟视觉神经系统、模拟嗅觉神经系统和/或模拟味觉神经系统分别采集所述每种食材的色彩信息、气味信息和/或口感信息。

具体地，通过模拟视觉神经系统实时采集所述菜肴的每种食材的色彩信息，通过所述模拟嗅觉神经系统实时采集所述菜肴的每种食材的气味信息，和/或通过所述模拟味觉神经系统实时采集所述菜肴的每种食材的口感信息。

步骤s122，基于获取的所述每种食材对应的烹饪状态检测模型，分别对采集的所述每种食材的色彩信息、气味信息和/或口感信息进行模型匹配检测。

即，将采集的所述每种食材的色彩信息、气味信息和/或口感信息输入对应的烹饪状态检测模型进行匹配，从而得到匹配结果。

步骤s123，根据进行所述模型匹配的匹配结果，调节所述每种食材的烹饪过程，以使所述每种食材达到预设烹饪状态。

具体地，可对食材所在的烹饪工具(例如，锅)的温度和/或压力进行调节。当任一食材的模型匹配的匹配结果为所述食材的色彩信息、气味信息和/或口感信息与该食材对应的预设烹饪模型匹配时，完成所述食材的烹饪。

下面沿用前述的“宫保鸡丁”的“鸡脯肉”的实例来说明。同时还可以结合图3，其中，图3是根据本发明实施例的烹饪机器人的工作流程示意图。机器人具备视觉、嗅觉、味觉三种模拟神经系统，通过实时传输色彩、气味、口感等神经检测信号至控制器a03，此神经检测信号实际是一种复杂的数字信号，为方便说明过程，描述为：色彩、气味、口感。控制器a03将神经检测信号通过物联网通信方式传输给云平台a02。云平台a02准备相应的烹饪状态检测模型，并经过对神经检测信号进行解析为模型所需的值，进行模型匹配检测得到检测结果，云平台a02继续对检测结果进行匹配检测(匹配标准来源于实验总结的数据源a01，最佳状态：色泽最佳、味道最佳、气味最佳)，看是否符合最佳状态。若色泽、口感、味道三项都符合，云平台a02发送控制指令至控制器a03，控制器a03控制机器人的指令执行单元b01停止“鸡脯肉”的烹饪。反之，发送相应的调节指令(例如相应的温度、压力控制指令)至控制器a03，控制器a03控制指令执行单元b01作出调整，直至符合最佳状态。

同样，“宫保鸡丁”的其它食材按照类似上述的步骤，完成相应的模型匹配检测，是否符合最佳状态。其中，红辣椒、生姜、酱油、醋、油、盐等酌料可在每种食材加热过程中添加，不做限制。

进一步地，获取进行所述菜肴的烹饪所使用的食用油信息，以获取所述菜肴的每种食材在使用所述食用油进行烹饪时的预设食用油加热时长；在对所述每种食材单独进行烹饪时，将所使用的食用油加热所述预设食用油加热时长后，加入相应食材进行烹饪。其中，每种食材在使用所述食用油进行烹饪时的所述预设食用油加热时长，即每种食材在使用所述食用油进行烹饪时加热至相应的预设烹饪温度(例如，最佳烹饪温度)所需的加热时长；所述每种食材在使用所述食用油进行烹饪时的所述预设食用油加热时长通过对所述食用油进行加热过程中的化学成分检测(例如，对食用油的温度变化数据、油烟成份进行检测)和/或使用所述食用油对所述每种食材单独进行烹饪实验获得。

具体地，通过对食用油的温度变化数据、油烟成份进行检测，获取食用油可混合最佳时间(食用油从加热到达最佳温度的时间长度，可通过实验绘制温度-时间坐标图，在最佳温度确定的情况下，只需找到此温度对应的时间，即可得到食用油从加热到达最佳温度的时间长度。)；通过对各类食材的基于该可混合最佳时间进行单独实验，获取加热过程中的气体物理特征、化学特征，并结合预设算法模拟回归方程式，从而给出食材下入烹饪工具(例如，锅)前的预设食用油加热时长，具体可以参考图3中实验区的步骤。例如，针对市场上每种食用油进行成份分析，提取加热速度、沸点、冒烟温度、烧干温度、中间冒烟温度等数据，来计算出常见食材最佳烹饪温度集templist1。烹饪机器人通过监测油沸腾、冒油烟、冒烟后烧干等阶段，并记录温度、时间等数据接入数据源a01。云平台a02根据食材最佳烹饪温度和机器人加热食用油的速度曲线(温度-时间)，拟合出最佳的时间汇聚点(机器人加热某种食用油的速度曲线可以通过实验绘制温度-时间曲线图，在某种食材的最佳烹饪温度确定的情况下，只需在曲线上找到此温度对应的时间，即可得到该食用油加热到该食材对应的最佳烹饪温度的时长)，通过大量实验离散数据得出不同食用油和不同食材适合的最佳(这是一个数群的回归数，是大量最佳数据的回归数据)食用油加热时长(即所述预设食用油加热时长)besttemp，并接入数据源a01。控制器a03通过网络通信从云平台a02获取相应的数据，对机器人做出相应的控制，例如，加热食用油到最佳温度，然后加入食材。

可选地，还可以通过机器视觉训练图像，建立图像库。通过实验尽可能多的获取每种食材对应每种食用油的可食用、不可食用、最佳食用三个阶段图像，经过大量实验或模拟实验建立图像库，通过大数据处理、人工智能图像处理等进行图像识别，训练出一套识别最佳食用图像的算法，在烹饪时调用该算法识别实时采集的图像数据，判断是否达到最佳的食用时机，从而达到最佳食用时机时控制烹饪机器人停止烹饪。

可选地，除了图像处理还可以对烹饪环境内的气体分子进行化学分析，以达到对烹饪的菜肴的最佳可食用状态的最终确认。经过大量实验，将每种食材对应每种食用油的以及配备的酌料等比例混合后的烹饪期间的气体化学成份进行检测，经过预设算法处理得出最佳的气体化学成份比例。当烹饪机器人检测到空气内的各种气体化学成份比例达到预设临界值时触发最佳食用图像的算法，开始采集图像，当图像匹配后再开启气体检测。即，将实际检测的气体化学成份数据其和预设的最佳气体化学成份进行比对。此过程可以由服务器执行。结合图像识别结果，服务器返回给控制器发送完成烹饪指令。

步骤s130，将所述菜肴所包含的食材中的每种食材均烹饪至预设状烹饪态后，对所述菜肴所包含的食材进行混合烹饪。

因为每种菜肴的本质都是食材单元的混合，不分汤、羹、川菜、粤菜，都是混合食材单元而成，将菜肴所包含的食材中的每种食材均烹饪至预设烹饪状态(最佳状态)后，对所述菜肴所包含的食材进行混合烹饪。

本发明具体可以采用云计算平台对数据层和机器控制层进行集中服务，当每一个烹饪状态模型建立起来，都接入此云平台。当控制器接收到机器人神经系统传输过来的信号，都交由此云平台处理，并对控制器做出相应的控制，从而控制机器人的操作行为。本发明各部分的具体实施过程均可以参考图3。

图5是本发明提供的烹饪机器人的烹饪控制装置的一实施例的结构示意图。如图5所示，所述烹饪机器人的烹饪控制装置100包括：模型获取单元110、单独控制单元120和混合控制单元130。

模型获取单元110用于获取待烹饪的菜肴所包含的食材中每种食材对应的烹饪状态检测模型。其中，每种食材对应的所述烹饪状态检测模型是基于预先收集的每种食材在烹饪过程中的烹饪状态数据分别进行模型训练而得到的。所述烹饪状态数据例如包括烧干温度、冒烟温度、分解产物、各个时间段的碳氢比中的至少之一。

下面结合实例对烹饪状态检测模型的模型训练过程进行说明。同时还可以结合图3，其中，图3是根据本发明实施例的烹饪机器人的工作流程示意图。例如，宫保鸡丁，包括食材：鸡脯肉，花生仁，红辣椒，葱白，生姜。对应建立5个模型训练的任务，以其中的“检测鸡脯肉加热至最佳状态”模型训练为例。从a01数据源获取鸡脯肉的所有相关有效数据的数据集(每一条数据都是一组类似烧干温度、冒烟温度、分解产物、各个时间段的碳氢比等等的，这样的数据组成“检测鸡脯肉加热至最好状态”模型参数训练的数据集)，通过相关算法处理，获取“检测鸡脯肉加热至最好状态”的模型参数，建立检测鸡脯肉的烹饪状态检测模型c01，并将参数交给a02处理。再从a01中随机获取一万个数据，对此烹饪状态检测模型进行测试，不通过，继续训练模型参数。通过之后，将烹饪状态检测模型交给云计算平台a02处理。a02负责将烹饪状态检测模型接入a03控制器。具体可以参考图3中云计算平台执行的步骤。

单独控制单元120用于在进行所述菜肴的烹饪时，基于所述每种食材对应的烹饪状态检测模型，控制所述烹饪机器人对所述菜肴的每种食材单独进行烹饪。

每种食材单独加热至最佳状态，然后混合加热。就相当于每种食材都是一个元素(水也不例外)，每个元素可搭配酌料混合组成食材单元，用户需求的一种菜肴是各种食材单元组合起来的，只需针对每个食材单元进行烹饪至最佳，最后进行混合。

在一种具体实施方式中，所述机器人具有模拟视觉神经系统(例如，基于模拟神经系统的电子眼)、模拟嗅觉神经系统(例如，基于模拟神经系统的电子鼻)和/或模拟味觉神经系统(例如，基于模拟神经系统的电子舌)。

图6是根据本发明实施例的单独控制单元的一种实施方式的结构示意图。如图6所示，在一种具体实施方式中，单独控制单元120包括采集子单元121、检测子单元122和调节子单元123。

采集子单元121用于通过所述模拟视觉神经系统、模拟嗅觉神经系统和/或模拟味觉神经系统分别采集所述每种食材的色彩信息、气味信息和/或口感信息；即，通过模拟视觉神经系统实时采集所述菜肴的每种食材的色彩信息，通过所述模拟嗅觉神经系统实时采集所述菜肴的每种食材的气味信息，和/或通过所述模拟味觉神经系统实时采集所述菜肴的每种食材的口感信息。

检测子单元122用于基于获取的所述每种食材对应的烹饪状态检测模型，分别对采集的所述每种食材的色彩信息、气味信息和/或口感信息进行模型匹配检测；即，将采集的所述每种食材的色彩信息、气味信息和/或口感信息输入对应的烹饪状态检测模型进行匹配，从而得到匹配结果。

调节子单元123用于根据进行所述模型匹配的匹配结果，调节所述每种食材的烹饪过程，以使所述每种食材达到预设烹饪状态。

具体地，可对食材所在的烹饪工具(例如，锅)的温度和/或压力进行调节。当任一食材的模型匹配的匹配结果为所述食材的色彩信息、气味信息和/或口感信息与该食材对应的预设烹饪模型匹配时，完成所述食材的烹饪。

下面沿用前述的“宫保鸡丁”的“鸡脯肉”的实例来说明。同时还可以结合图3，其中，图3是根据本发明实施例的烹饪机器人的工作流程示意图。机器人具备视觉、嗅觉、味觉三种模拟神经系统，通过实时传输色彩、气味、口感等神经检测信号至控制器a03，此神经检测信号实际是一种复杂的数字信号，为方便说明过程，描述为：色彩、气味、口感。控制器a03将神经检测信号通过物联网通信方式传输给云平台a02。云平台a02准备相应的烹饪状态检测模型，并经过对神经检测信号进行解析为模型所需的值，进行模型匹配检测得到检测结果，云平台a02继续对检测结果进行匹配检测(匹配标准来源于实验总结的数据源a01，最佳状态：色泽最佳、味道最佳、气味最佳)，看是否符合最佳状态。若色泽、口感、味道三项都符合，云平台a02发送控制指令至控制器a03，控制器a03控制机器人的指令执行单元b01停止“鸡脯肉”的烹饪。反之，发送相应的调节指令(例如相应的温度、压力控制指令)至控制器a03，控制器a03控制指令执行单元b01作出调整，直至符合最佳状态。

同样，“宫保鸡丁”的其它食材按照类似上述的步骤，完成相应的模型匹配检测，是否符合最佳状态。其中，红辣椒、生姜、酱油、醋、油、盐等酌料可在每种食材加热过程中添加，不做限制。

进一步地，所述单独控制单元120还包括获取子单元和控制子单元(图未示)。

获取子单元，用于获取进行所述菜肴的烹饪所使用的食用油信息，以获取所述菜肴的每种食材在使用所述食用油进行烹饪时的预设食用油加热时长；控制子单元，用于在对所述每种食材单独进行烹饪时，将所使用的食用油加热所述预设食用油加热时长后，控制所述烹饪机器人加入相应食材进行烹饪。

其中，每种食材在使用所述食用油进行烹饪时的所述预设食用油加热时长，即每种食材在使用所述食用油进行烹饪时加热至相应的预设烹饪温度(例如，最佳烹饪温度)所需的加热时长；所述每种食材在使用所述食用油进行烹饪时的所述预设食用油加热时长通过对所述食用油进行加热过程中的化学成分检测(例如，对食用油的温度变化数据、油烟成份进行检测)和/或使用所述食用油对所述每种食材单独进行烹饪实验获得。

具体地，通过对食用油的温度变化数据、油烟成份进行检测，获取食用油可混合最佳时间(食用油从加热到达最佳温度的时间长度，可通过实验绘制温度-时间坐标图，在最佳温度确定的情况下，只需找到此温度对应的时间，即可得到食用油从加热到达最佳温度的时间长度。)；通过对各类食材的基于该可混合最佳时间进行单独实验，获取加热过程中的气体物理特征、化学特征，并结合预设算法模拟回归方程式，从而给出食材下入烹饪工具(例如，锅)前的预设食用油加热时长，具体可以参考图3中实验区的步骤。例如，针对市场上每种食用油进行成份分析，提取加热速度、沸点、冒烟温度、烧干温度、中间冒烟温度等数据，来计算出常见食材最佳烹饪温度集templist1。烹饪机器人通过监测油沸腾、冒油烟、冒烟后烧干等阶段，并记录温度、时间等数据接入数据源a01。云平台a02根据食材最佳烹饪温度和机器人加热食用油的速度曲线(温度-时间)，拟合出最佳的时间汇聚点(机器人加热某种食用油的速度曲线可以通过实验绘制温度-时间曲线图，在某种食材的最佳烹饪温度确定的情况下，只需在曲线上找到此温度对应的时间，即可得到该食用油加热到该食材对应的最佳烹饪温度的时长)，通过大量实验离散数据得出不同食用油和不同食材适合的最佳(这是一个数群的回归数，是大量最佳数据的回归数据)食用油加热时长(即所述预设食用油加热时长)besttemp，并接入数据源a01。控制器a03通过网络通信从云平台a02获取相应的数据，对机器人做出相应的控制，例如，加热食用油到最佳温度，然后加入食材。

可选地，还可以通过机器视觉训练图像，建立图像库。通过实验尽可能多的获取每种食材对应每种食用油的可食用、不可食用、最佳食用三个阶段图像，经过大量实验或模拟实验建立图像库，通过大数据处理、人工智能图像处理等进行图像识别，训练出一套识别最佳食用图像的算法，在烹饪时调用该算法识别实时采集的图像数据，判断是否达到最佳的食用时机，从而达到最佳食用时机时控制烹饪机器人停止烹饪。

可选地，除了图像处理还可以对烹饪环境内的气体分子进行化学分析，以达到对烹饪的菜肴的最佳可食用状态的最终确认。经过大量实验，将每种食材对应每种食用油的以及配备的酌料等比例混合后的烹饪期间的气体化学成份进行检测，经过预设算法处理得出最佳的气体化学成份比例。当烹饪机器人检测到空气内的各种气体化学成份比例达到预设临界值时触发最佳食用图像的算法，开始采集图像，当图像匹配后再开启气体检测。即，将实际检测的气体化学成份数据其和预设的最佳气体化学成份进行比对。此过程可以由服务器执行。结合图像识别结果，服务器返回给控制器发送完成烹饪指令。

混合控制单元130用于将所述菜肴所包含的食材中的每种食材均烹饪至预设烹饪状态后，控制所述烹饪机器人对所述菜肴所包含的食材进行混合烹饪。

具体地，因为每种菜肴的本质都是食材单元的混合，不分汤、羹、川菜、粤菜，都是混合食材单元而成，将菜肴所包含的食材中的每种食材均烹饪至预设烹饪状态(最佳状态)后，对所述菜肴所包含的食材进行混合烹饪。

本发明还提供对应于所述烹饪机器人的烹饪控制方法的一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现前述任一所述方法的步骤。

本发明还提供对应于所述烹饪机器人的烹饪控制方法的一种烹饪机器人，包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述任一所述方法的步骤。

本发明还提供对应于所述烹饪机器人的烹饪控制装置的一种烹饪机器人，包括前述任一所述的烹饪机器人的烹饪控制装置。

本发明还提供对应于所述烹饪机器人的烹饪控制方法的一种服务器，包括处理器、存储器以及存储在存储器上可在处理器上运行的计算机程序，所述处理器执行所述程序时实现前述任一所述方法的步骤。

本发明还提供对应于所述烹饪机器人的烹饪控制装置的一种服务器，包括前述任一所述的烹饪机器人的烹饪控制装置。

据此，本发明提供的方案，能够控制烹饪机器人将菜肴的每种食材单独烹饪至最佳状态，然后混合加热，用户需求的一种菜肴是各种食材单元组合起来的，只需针对每个食材单元进行烹饪至最佳，最后用一定的混合方式混合至最佳状态；并且本发明能够基于预先建立的每种食材对应的烹饪状态检测模型，并利用模拟视觉、嗅觉和/或味觉神经系统对每种食材是否达到最佳烹饪状态进行检测，从而能够控制每种食材达到最近烹饪状态。

本文中所描述的功能可在硬件、由处理器执行的软件、固件或其任何组合中实施。如果在由处理器执行的软件中实施，那么可将功能作为一或多个指令或代码存储于计算机可读媒体上或经由计算机可读媒体予以传输。其它实例及实施方案在本发明及所附权利要求书的范围及精神内。举例来说，归因于软件的性质，上文所描述的功能可使用由处理器、硬件、固件、硬连线或这些中的任何者的组合执行的软件实施。此外，各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为控制装置的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。