![减少食源性疾病的智能控温实现方法与流程](https://img.xjishu.com/img/zl/2022/7/29/j1nnlek9j.jpg)
1.本发明涉及食品(或餐饮)智能加工技术领域,特别涉及减少食源性疾病的智能控温实现方法。
背景技术:2.1、目前全球食品(或餐饮)加工的温控档是用温度这个单一变量来表示,即使使用温度传感器来探测锅具或加热容器的食材温度,也无法描述温控档的情况;
3.2、目前全球食品(或餐饮)加工方法无法做到对食源性疾病的精准预防,在食品加温时,根本不引入三要素变量及实验室计量模型,更不会通过实验室检验出一揽子致病物含量、营养物的含量,建立总量评估模型来匹配温控档,无法获知加热过程致病物、营养物等数据,导致加工出来的食品营养物流失率太大、致病物太多,妨碍食品安全,导致食源性疾病发生率提高;
4.3、目前食品(或餐饮)加工过程没有通过食材监测传感器的温度信号反馈,来指导燃气或电加热器的自动调节,达到设置的精确温控档。
技术实现要素:5.本发明针对以上问题,提出减少食源性疾病的智能控温实现方法来解决上述问题。
6.本发明是这样实现的,减少食源性疾病的智能控温实现方法,其步骤如下:
7.s1:在食品(或餐饮)加工过程中,向智能烹饪设备引入增温加速度函数,即a=(t
2-t1)/(t
2-t
1)
),增温加速度可以有效表达温控档的状态。
8.s2:在食品(或餐饮)加工过程中,通过智能控温设备,来指导燃气或电加热器的自动调节,达到精确控制增温加速的目的,即这个过程是可以不断重复形成一个闭循环,使之达到设定的最佳增温加速度。
9.s3:在食品加工的智能控温过程中引入食品健康三要素算法模型(即色香味保证、致病物减除和营养物保留),通过对食品致病物的总量模型和食品营养物的流失率模型,结合色香味的打分评估法,来获得不同温控档的三要素大数据。
10.s4:测量增温加速度与模型增温加速度比较,进而推定出食品加工过程或食品加工一个阶段内的最佳温控档,最佳温控档传递给智能控温设备,进而调整火候大小。
11.为了描述食材温控档的情况,作为本发明的减少食源性疾病的智能控温实现方法优选的,所述s1中智能烹饪设备包含有红外温度传感器,对食材温度值进行监测,a为温控档或增温加速度,t1为起始时间点,t2为终点时间点,t1为时间点t1测到的食材温度值,t2为时间点t2测到的食材温度值。
12.为了指导燃气或电加热器的自动调节,作为本发明的减少食源性疾病的智能控温实现方法优选的,所述s2中智能控温设备包含有算法模型、舵机、通气球阀和控制电路,其中控制电路实现对舵机的控制,控制电路根据温度测量的反馈,控制开度的大小变化,舵机
的转动带动通气球阀的转动,舵机最小转动角度是1度,舵机转动角度范围是0~90度,对应通气球阀的开度,通气球阀转动,对应通气管道的通气截面的大小变化。
13.为了达到设置的精确温控档,作为本发明的减少食源性疾病的智能控温实现方法优选的,所述s2中闭循环为食材温度采集-计算增温加速度-调节控温设备-食材温度采集再次采集
……
的正反馈闭循环。
14.为了得出营养物的流失率和致病物的总量,作为本发明的减少食源性疾病的智能控温实现方法优选的,所述s3中营养物的流失率函数为:营养物流失率=1-m2*m2/m1*m1,其中,m1为生混料质量,m2为熟混料质量,m1为生混料100g中蛋白质含量,m2为熟混料100g中蛋白质含量,致病物量化综合指数xj采用求和模型,则σ
x
计算方法如下:
[0015][0016]
其中,ki为第i种致病物风险级别系数,c
i,j
为第j种菜品中第i种致病物含量或质量,为第i种致病物含量或质量限值,第i种致病物累积含量或质量计算方法如下:
[0017][0018]
其中,c
i,j
为第j种菜品中第i种致病物含量或质量。
[0019]
与现有技术相比,本发明的有益效果是:
[0020]
该种减少食源性疾病的智能控温实现方法,引入了增温加速度函数,增温加速度可以有效精确描画任何一个固定温控档,把单一温度、单一时间的变量值转变多变量函数的稳定加速度值,在食品加工的智能控温过程中引入食品健康三要素算法模型(即色香味保证、致病物减除和营养物保留),通过对食品致病物的总量模型和食品营养物的流失率模型,结合色香味的打分评估法,来获得不同温控档的三要素大数据,进而推定出食品加工过程或食品加工一个阶段内的最佳温控档,并且建立一个“食材温度采集-计算增温加速度-调节控温设备-食材温度采集再次采集
……”
的正反馈闭循环,确保燃气或电加热器可以达到设置的最佳温控档,有效预防食源性疾病。
附图说明
[0021]
图1为本发明的减少食源性疾病的智能温控方法原理;
[0022]
图2为本发明的智能控温设备数据流向和信号传递。
具体实施方式
[0023]
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
[0024]
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限
制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
[0025]
请参阅图1-2,减少食源性疾病的智能控温实现方法,1.减少食源性疾病的智能控温实现方法,其步骤如下:
[0026]
s1:在食品(或餐饮)加工过程中,向智能烹饪设备引入增温加速度函数,即a=(t
2-t1)/(t
2-t
1)
),增温加速度可以有效表达温控档的状态。
[0027]
s2:在食品(或餐饮)加工过程中,通过智能控温设备,来指导燃气或电加热器的自动调节,达到精确控制增温加速的目的,即这个过程是可以不断重复形成一个闭循环,使之达到设定的最佳增温加速度。
[0028]
s3:在食品加工的智能控温过程中引入食品健康三要素算法模型(即色香味保证、致病物减除和营养物保留),通过对食品致病物的总量模型和食品营养物的流失率模型,结合色香味的打分评估法,来获得不同温控档的三要素大数据。
[0029]
s4:测量增温加速度与模型增温加速度比较,进而推定出食品加工过程或食品加工一个阶段内的最佳温控档,最佳温控档传递给智能控温设备,进而调整火候大小。
[0030]
本实施例中:减少食源性疾病的智能控温实现方法涵盖了:家庭厨房的中西餐烹饪的燃气灶智能控温系统、餐馆食堂的厨电控温系统和食品加工厂的食品加工智能控温系统。
[0031]
作为本发明的一种技术优化方案,s1中智能烹饪设备包含有红外温度传感器,对食材温度值进行监测,a为温控档或增温加速度,t1为起始时间点,t2为终点时间点,t1为时间点t1测到的食材温度值,t2为时间点t2测到的食材温度值。
[0032]
本实施例中:在食品(或餐饮)加工过程中,使用红外温度传感器来探测锅具或加热容器的食材温度,通过该函数测得的增温加速度可以有效描述温控档的状态。
[0033]
作为本发明的一种技术优化方案,s2中智能控温设备包含有算法模型、舵机、通气球阀和控制电路,其中控制电路实现对舵机的控制,控制电路根据温度测量的反馈,控制开度的大小变化,舵机的转动带动通气球阀的转动,舵机最小转动角度是1度,舵机转动角度范围是0~90度,对应通气球阀的开度,通气球阀转动,对应通气管道的通气截面的大小变化。
[0034]
本实施例中:在食品(或餐饮)加工过程中,智能控温设备中的控制电路根据算法模型得出的最佳温控档,控制舵机转动,舵机带动通气球阀转动,通气球阀对燃气或电加热器的温度进行调节。
[0035]
作为本发明的一种技术优化方案,s2中闭循环为食材温度采集-计算增温加速度-调节控温设备-食材温度采集再次采集
……
的正反馈闭循环。
[0036]
本实施例中:在食品(或餐饮)加工过程中,智能控温设备不断重复食材温度采集-计算增温加速度-调节控温设备-食材温度采集再次采集
……
的操作,形成一个闭循环,使得温控达到设定的最佳温控档。
[0037]
作为本发明的一种技术优化方案,s3中营养物的流失率函数为:营养物流失率=1-m2*m2/m1*m1,其中,m1为生混料质量,m2为熟混料质量,m1为生混料100g中蛋白质含量,m2为熟混料100g中蛋白质含量,致病物量化综合指数xj采用求和模型,则σ
x
计算方法如下:
[0038]
[0039]
其中,ki为第i种致病物风险级别系数,c
i,j
为第j种菜品中第i种致病物含量或质量,为第i种致病物含量或质量限值,第i种致病物累积含量或质量计算方法如下:
[0040][0041]
其中,c
i,j
为第j种菜品中第i种致病物含量或质量。
[0042]
本实施例中:计算得出食品致病物的总量模型和食品营养物的流失率模型,再结合色香味的打分评估法,来获得不同温控档的三要素大数据,进而推定出食品加工过程或食品加工一个阶段内的最佳温控档。
[0043]
本发明的工作原理及使用流程:使用时,通过红外温度传感器来探测锅具或加热容器的食材温度,通过a=(t
2-t1)/(t
2-t
1)
)函数测得增温加速度,有效描述温控档的状态,增温加速度传递给智能控温设备,控制电路根据增温加速度,控制舵机转动,舵机带动通气球阀转动,通气球阀对燃气或电加热器的温度进行调节,控温过程中,引入食品健康三要素算法模型(即色香味保证、致病物减除和营养物保留),营养物的流失率函数为:营养物流失率=1-m2*m2/m1*m1,其中,m1为生混料质量,m2为熟混料质量,m1为生混料100g中蛋白质含量,m2为熟混料100g中蛋白质含量,致病物量化综合指数xj采用求和模型,则σ
x
计算方法如下:
[0044][0045]
其中,ki为第i种致病物风险级别系数,c
i,j
为第j种菜品中第i种致病物含量或质量,为第i种致病物含量或质量限值,第i种致病物累积含量或质量计算方法如下:
[0046][0047]
其中,c
i,j
为第j种菜品中第i种致病物含量或质量,计算得出食品致病物的总量模型和食品营养物的流失率模型,再结合色香味的打分评估法,来获得不同温控档的三要素大数据,进而推定出食品加工过程或食品加工一个阶段内的最佳温控档,最佳温控档传递给智能控温设备,对火候再次进行调节,之后重复上述操作,形成一个闭循环,使得温控达到设定的最佳温控档。
[0048]
以上仅为本发明的较佳实施例而已,并不用以限制本发明,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。