一种烹饪行为感知模块的制作方法

本发明涉及一种烹饪行为感知模块，适用于一健式智能烹饪电磁炉及其他结构的电磁炉使用。属于家用烹调加热器具技术领域。

技术背景

目前，烹饪电磁炉以其无烟无味、干净卫生的特点，深受人们的欢迎。但现有技术的电磁炉，其控制模式是以功能控制为主，一般具有多种功能按键，其是通过所述多种功能按键实现功能选，存在结构复杂、操作麻烦和使用不方便等问题；而且现有技术的电磁炉只能进行简单的功能控制，无法根据烹饪行为过程、食材种类而控制烹饪温度和时间，因此，无法给客户提供深入的、个性化的服务。例如：中国专利公告公开的名称为“电烹饪器的烹饪类型的识别方法和电烹饪器”、申请号为“201510291919.5”的发明，电烹饪器包括用于检测电烹饪器是否发生溢出的第一电极和第二电极，识别方法包括以下步骤：s1：通过调整平均功率的方式控制电烹饪器进行加热，直至电烹饪器进入第一沸腾阶段；s2：检测电烹饪器的底部温度，并检测第一电极与第二电极之间通断状态以判断第一电极与第二电极之间是否发生粘连；s3：根据底部温度和第一电极与第二电极之间发生粘连的次数识别电烹器的烹类型。该发明是通过检测电烹器底部的温度及设置在电烹饪器上的电极粘连次数来判断烹饪类型，其存在如下方面问题：1、不能进行下料判断和动作类型感知，具体是不能判断食材和种类和预判翻炒、翻面、干锅、糊锅、煮、炖、炸等动作，烹饪效果较差。2、只能在特定结构的烹饪器上才能实现，应用范围窄。

技术实现要素：

本发明的目的，是为了解决现有技术电烹器具功能控制方式存在不能进行下料判断和动作类型感知以及只能在特定结构的烹饪器上才能实现、应用范围窄的问题，提供一种烹饪行为感知模块，具有下料判断功能和动作类型感知功能，能够在非特定结构的电烹饪器上实现，具有应用范围广、满足用户烹饪需求的突出的实质性特点和显著技术进步。

本发明的目的可以通过采取如下技术方案达到：

一种烹饪行为感知模块，其结构特点在于：包括基础数据模型单元、实时温度检测单元、温度处理单元、温度比对单元和动作判断单元，基础数据模型单元的输出端连接温度比对单元的输入端之一，实时温度检测单元的输出端通过温度处理单元连接温度比对单元的输入端之二，温度比对单元的输出端连接动作判断单元的输入端，动作判断单元的输出端之一连接加油处理单元的输入端、输出端之二连接加水处理单元的输入端、输出端之三连接干烧处理单元的输入端，加油处理单元具有煎或炒功率控制输出端和炸功率控制输出端，加水处理单元具有炖功率控制输出端和煮功率控制输出端，干烧处理单元具有降功率控制输出端和关电源控制输出端；基础数据模型单元中内置有若干种烹饪行为对应的温度数据模型，通过实时温度检测单元的温度信号与所述温度数据模型的温度信号比对，感知烹饪行为；构成烹饪行为感知逻辑结构。

本发明的目的还可以通过采取如下技术方案达到：

进一步地，基础数据模型单元设有的若干种烹饪行为对应的温度数据模型，包括干烧数据模型、烧油数据模型、烧水数据模型、倒油数据模型、倒水数据模型、炖煮数据模型、下料数据模型、油炸数据模型、翻炒数据模型和煎数据模型，所述数据模型以所使用的锅具、加热器具为载体，以表格或曲线为表现形式，形成不同烹饪动作包括干烧、烧油、烧水、倒油、倒水、炖煮、下料、油炸、翻炒和煎条件下锅具温度变化的基础数据信号，实时温度检测单元的检测信号通过温度处理单元处理后与温度数据模型的温度信号对比，匹配出最接近的动作为当前的烹饪行为。

进一步地，温度比对单元将当前温升变化与基础数据模型单元的若干种烹饪行为对应的温度数据模型数据信号进行对比时，动作判断单元用相同加热功率和相同锅温下的对应的温变斜率来作差，差值绝对值最小对应的烹饪行为为当前烹饪行为；或者用欧氏距离公式来判断最小差值的温度数据模型数据信号对应的烹饪行为为当前烹饪行为，或者用人工智能学习的方式来对比寻找最接近的温度数据模型数据信号对应的烹饪行为为当前烹饪行为。

进一步地，当动作判断单元判断为倒油动作时，当倒油量符合某一设定范围内时(如倒油量少于30ml)，预判即将要进行的是煎或炒的动作；当倒油量符合另一设定范围内时(如倒油量大于500ml)，预判即将要进行的是炸的动作。

进一步地，当动作判断单元判断为倒水动作时，当倒水量符合某一设定范围内时(如倒水量大于500ml)，预判即将要进行的是炖煮的动作。

进一步地，在烹饪处于煎、炒、炸、炖的状态时，温度比对单元调用翻炒数据模型中对应于煎的翻面基础数据、对应于炒的快速翻炒基础数据、对应于炖煮和炸的适当搅拌的动作基础数据，通过实际数据和基础数据对比，通过动作判断单元发出控制指令，以使用户是否适当地做出了相应的动作。

进一步地，当实时温度检测单元检测到的实时温度剧烈上升，大于干烧数据模型的单位时间温升时，判断为糊锅，通过动作判断单元发出控制指令转小功率，保障安全。

进一步地，当锅温超过设定的280度高温上限时，会进行关火处理，以确保安全。

本发明具有如下突出的实质性特点和显著的技术进步：

1、本发明包括基础数据模型单元、实时温度检测单元、温度处理单元、温度比对单元和动作判断单元，基础数据模型单元的输出端连接温度比对单元的输入端之一，实时温度检测单元的输出端通过温度处理单元连接温度比对单元的输入端之二，温度比对单元的输出端连接动作判断单元的输入端，动作判断单元的输出端之一连接加油处理单元的输入端、输出端之二连接加水处理单元的输入端、输出端之三连接干烧处理单元的输入端，加油处理单元具有煎或炒功率控制输出端和炸功率控制输出端，加水处理单元具有炖功率控制输出端和煮功率控制输出端，干烧处理单元具有降功率控制输出端和关电源控制输出端；基础数据模型单元中内置有若干种烹饪行为对应的温度数据模型，通过实时温度检测单元的温度信号与所述温度数据模型的温度信号比对，感知烹饪行为；构成烹饪行为感知逻辑结构；因此能够解决现有技术电烹器具功能控制方式存在不能进行下料判断和动作类型感知以及只能在特定结构的烹饪器上才能实现、应用范围窄的问题，具有下料判断功能和动作类型感知功能，能够在非特定结构的电烹饪器上实现，具有应用范围广、满足用户烹饪需求的突出的实质性特点和显著技术进步。

2、本发明应用逻辑分析，从数据采集到数据整理从而分析出不同动作的加热温度变化特征，将采集到的所有温度数据信号都利用起来，具有动作判断准确、判断类型多、烹饪效果好等特点。

附图说明

图1是本发明具体实施例1的结构框图。

图2是本发明具体实施例1的工作原理流程框图。

图3是本发明具体实施例1的倒水曲线图。

具体实施方式

具体实施例1：

参照图1，本具体实施例1包括基础数据模型单元1、实时温度检测单元2、温度处理单元3、温度比对单元4和动作判断单元5，基础数据模型单元1的输出端连接温度比对单元4的输入端之一，实时温度检测单元2的输出端通过温度处理单元3连接温度比对单元4的输入端之二，温度比对单元4的输出端连接动作判断单元5的输入端，动作判断单元5的输出端之一连接加油处理单元6的输入端、输出端之二连接加水处理单元7的输入端、输出端之三连接干烧处理单元8的输入端，加油处理单元6具有煎或炒功率控制输出端6-1和炸功率控制输出端6-2，加水处理单元7具有炖功率控制输出端7-1和煮功率控制输出端，干烧处理单元8具有降功率控制输出端8-1和关电源控制输出端8-2；基础数据模型单元1中内置有若干种烹饪行为对应的温度数据模型，通过实时温度检测单元2的温度信号与所述温度数据模型的温度信号比对，感知烹饪行为；构成烹饪行为感知逻辑结构。

本实施例中：

基础数据模型单元1设有的若干种烹饪行为对应的温度数据模型，包括干烧数据模型、烧油数据模型、烧水数据模型、倒油数据模型、倒水数据模型、炖煮数据模型、下料数据模型、油炸数据模型、翻炒数据模型和煎数据模型，所述数据模型以所使用的锅具、加热器具为载体，以表格或曲线为表现形式，形成不同烹饪动作包括干烧、烧油、烧水、倒油、倒水、炖煮、下料、油炸、翻炒和煎条件下锅具温度变化的基础数据信号，实时温度检测单元2的检测信号通过温度处理单元3处理后与温度数据模型的温度信号对比，匹配出最接近的动作为当前的烹饪行为。

温度比对单元4将当前温升变化与基础数据模型单元1的若干种烹饪行为对应的温度数据模型数据信号进行对比时，动作判断单元5用相同加热功率和相同锅温下的对应的温变斜率来作差，差值绝对值最小对应的烹饪行为为当前烹饪行为；或者用欧氏距离公式来判断最小差值的温度数据模型数据信号对应的烹饪行为为当前烹饪行为，或者用人工智能学习的方式来对比寻找最接近的温度数据模型数据信号对应的烹饪行为为当前烹饪行为。

当动作判断单元5判断为倒油动作时，加油处理单元6检测加油量，当倒油量符合某一设定范围内时(如倒油量少于30ml)，预判即将要进行的是煎或炒的动作；当倒油量符合另一设定范围内时(如倒油量大于500ml)，预判即将要进行的是炸的动作。

当动作判断单元5判断为倒水动作时，加水处理单元7检测加水量，当倒水量符合某一设定范围内时(如倒水量大于500ml)，预判即将要进行的是炖煮的动作。

在烹饪处于煎、炒、炸、炖的状态时，温度比对单元4调用翻炒数据模型中对应于煎的翻面基础数据、对应于炒的快速翻炒基础数据、对应于炖煮和炸的适当搅拌的动作基础数据，通过实际数据和基础数据对比，通过加油处理单元6或加水处理单元7发出控制指令，以使用户是否适当地做出了相应的动作。

当温度比对单元4判断实时温度检测单元2检测到的温度剧烈上升，大于干烧数据模型的单位时间温升时，干烧处理单元8判断为糊锅，发出控制指令转小功率，保障安全。

当锅温超过设定的280度高温上限时，干烧处理单元8指令进行关火处理，以确保安全。

单元基础数据模型1可以由常规技术的存储器芯片和控制芯片按常规连接方式连接构成；实时温度检测单元2可以由常规技术的温度检测电路结构构成；温度处理单元3可以由常规技术的a/d转换电路构成，温度比对单元4可以由比较芯片及其外围的电子元件连接构成或由常规技术的逻辑对比电路构成；动作判断单元5可以由常规技术的逻辑判断电路及控制芯片构成；加油处理单元6可以由常规技术的逻辑判断电路及控制芯片构成；加水处理单元7可以由常规技术的逻辑判断电路及控制芯片构成；干烧处理单元8可以由常规技术的逻辑判断电路及控制芯片构成。

本实施例的逻辑判断原理如下：

参照表1，下料判断：自动匹配数据库中不同食材加热过程中的温度变化模型，找出与当前加热状态最接近的食材种类和数量，对常用的食用油、水等可做到最少15ml油、5ml的水的精确度，主料判断准确度可达到95％以上。

烹饪类型感知：自动匹配数据库中不同烹饪类型加热过程中的温度变化模型，找出与当前加热状态最接近的烹饪类型，例如：煎、炒、炖、炸等。并进行预判，匹配最佳加热模式，达到更加合适的烹饪效果。

动作类型感知：根据当前烹饪类型和食材种类，对后续用户行为预判，例如：翻炒、翻面、干锅、糊锅、煮、炖、炸等动作，还可以在不同的烹饪器上设置指示灯或在连接无线网的情况下上班相应状态，实现根据相应动作执行情况给用户提示的功能。

首先，根据所使用的锅具、加热器具进行数据采集，整理成该加热器不同功率与锅具温度对应关系，由算法生成该组合的数据模型，如表1中列出某一锅灶组合下，锅温在灶的最大功率下干烧、烧油、烧水对应的单位时间的温度变化(表格中列出的是5秒温差，也可以处理成每秒温差)；

将当前锅温对应的5秒温差与表格中相同锅温状态对应的5秒温差作差，差值绝对值最小的为当前状态，如在最大功率下加热，当前锅温为75度，5秒温差为8.7度，则查表1发现与表1中干烧锅温75度对应的5秒温差9度接近，则判断当前动作为干烧；

参照图3，在干烧状态用户在某一锅温的状态下进行倒水或倒油或下料操作，则算法会从实际温度下降开始计算每秒温度变化的斜率(斜率＝单位时间温度变化)，然后与已有数据中温度变化的斜率作差，差值的绝对值最小对应的动作判断为当前动作。如图1给出了160度锅温倒水的温度变化曲线，将用户如果是进行倒水操作的话，其温变斜率会比我们现阶段能识别的5ml水的温变斜率的绝对值要大，则判断当前动作为倒水(各种下料动作中，倒水引起的温变斜率绝对值最大)。(注，下料引起的温度是下降的，温变斜率是负数，所以我们描述为斜率的绝对值)。

倒油、倒入蛋类、肉类、蔬菜的操作类似，也是将实际温变斜率与已有基础数据对比，最接近的就判断为当前动作。

当判断倒油的油量大于某一提前设定值，如500ml，则预判为炸；如果倒油量小于某一设定值，如30ml则预判为煎或炒；如果倒水量大于某一设定值，如500ml，则预判为炖煮；

在判断为炒的状态下，会跟踪温度变化(计算每秒温变斜率)，如果温度变化不符合翻炒动作的温度变化(如温变斜率绝对值比基础数据的温变斜率绝对值要大，说明温度变化比较剧烈，可能使用翻炒不够导致局部加热过快)，会提示用户快速翻炒。

在判断为煎、炸、炖的状态下，检测翻面、搅拌动作的方式同炒。

当锅温实际大于干烧模型的温升时，判断为糊锅，会转小功率，保障安全。

当干烧动作出现在较高温度，如设定高温上限是280度，且过程中没有其他动作干预时，判断为干烧，需进行高温干烧保护进行关火处理

烹饪逻辑判断结构可进行如下控制：

表1：存储在单元基础数据模型1中的某一锅灶组合下锅温在灶的最大功率下对应的5秒温差(截取温度100度以内的数据)。