一种智能烹饪的方法及装置与流程

本发明涉及无人厨房自动化控制领域，尤其涉及一种智能烹饪的方法及装置。

背景技术：

目前，用户在使用烹饪器具进行烹饪时，由于现有烹饪器具无法对食物的浓度进行检测及量化，所以通常需要用户通过经验或亲自品尝进行食物浓度的调整，如调整烹饪食物的甜度，咸度等，对于经验不足的用户来说，烹饪过程不易掌握，影响用户的使用体验。

目前，用户在使用传统料理机时，由于无法预先知道烹饪结果，在使用过程中需要做很多尝试。比如，当用户想要根据自己的口感调节饮品的浓稠度时，需要预先调节加入食材和水的用量，而这需要用户的使用经验。比如，当用户想要多种食材配，调节食品的口感时，也需要大量的使用经验，对普通用户来说，操作较为困难。另外，同一功能下的不同食材加工，所需要的加工工艺也会不同。现有技术中的普通料理机不会根据食材调整工艺。比如：用湿豆和干豆做豆浆，最合适的工艺流程是不一样的。比如:制作米糊，用户可能加入的生米、可能加入的熟米饭，最合适的工艺流程也是不一样的。因此，现有技术中的料理机以及料理方法，并不能满足用户的日常使用需求，基于其只能根据出厂设定的工艺加工食物，不能根据实际情况进行工艺调整，故存在适应性差的缺陷。

在使用无人厨房时，现有的烹饪机器人通常采用不变的数字菜谱对食材进行烹饪，然而，即时是同一种食材，其不同的产地、不同的保存方式其食材的成分含量也是不同的，不同于人工烹饪的方式，厨师可以通过眼睛去判断炒菜时如何动态调整烹饪的火候及过程，而烹饪机器人不能根据食材的成分含量不同调整烹饪过程，这是本领域科技人员急需要解决的问题。

技术实现要素：

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明公开了一种智能烹饪的方法，炒菜机器人通过在烹饪器具中设置温度、干湿度传感器、重力传感器、光学感测器及图像采集装置检测烹饪器具中食材的主物质成分及其含量；根据所述主物质成分及其含量，控制所述烹饪器具进行烹饪。

更进一步地，所述控制所述烹饪器具进行烹饪进一步包括：通过非接触式温度传感器检测食材温度，若检测食材的内部温度小于食材表面温度的一半，则调整烹饪器皿的翻炒频率，加快翻炒速度；通过所述干湿度传感器和所述重力传感器检测食材的含水量情况，若检测食材含水量小于预设阈值，则判断需要加水；通过高光谱分析烹饪器具中的调味品成分及含量，根据分析出的调味品含量与数字菜谱中的调味料成分含量进行对比，进行调味料的加减；监测烹饪时长及火候，动态调整菜品的出锅时机；于智能烹饪设备内设置智能食物探测器，所述智能食物探测器包括极性致癌物质感测器，可连续性探测智能烹饪设备内多种菜品的特殊物质成分含量，在菜品出锅之前在通过无线(蓝牙)传输数据到前端界面，方便就餐者查询菜品的数据。

更进一步地，根据数字菜谱所预先设置的烹饪口味所对应的菜品调味品的含量范围；炒菜机器人接受前端顾客反馈的口味要求，根据反馈的所述口味要求调整调味品在食物中的含量在对应的含量范围内。

更进一步地，通过图像采集实时获取烹饪器具中的菜品图像信息，提取了图像的颜色特征，将颜色分为几个颜色区间作为种多主要的颜色，用来过滤掉部分菜品，根据所提取图像的主要色调来利用图像的颜色特征进行图像分类，用图像的主要颜色对svm分类器进行索引，并根据向量机svm训练的菜品的图像与菜品口味的映射关系，炒菜机器人根据所述的映射关系控制所述烹饪器具进行烹饪。

更进一步地，在炒菜机器人数据库中建立菜品食材的营养成分的与烹饪过程随时间的变化关系，接受前端顾客反馈的营养要求，炒菜机器人根据用户所选择的营养要求动态调整烹饪过程。

本发明还公开了一种智能烹饪的装置，包括：前端点菜终端、炒菜机器人及服务器数据库，其中，炒菜机器人通过在烹饪器具中设置温度、干湿度传感器、重力传感器、光学感测器及图像采集装置检测烹饪器具中食材的主物质成分及其含量；根据所述主物质成分及其含量，控制所述烹饪器具进行烹饪。

更进一步地，反馈模块，根据数字菜谱所预先设置的烹饪口味所对应的菜品调味品的含量范围；炒菜机器人接受前端顾客反馈的口味要求，根据反馈的所述口味要求调整调味品在食物中的含量在对应的含量范围内。

更进一步地，烹饪机器人包括图像采集模块，通过图像采集实时获取烹饪器具中的菜品图像信息，提取了图像的颜色特征，将颜色分为几个颜色区间作为种多主要的颜色，用来过滤掉部分菜品，根据所提取图像的主要色调来利用图像的颜色特征进行图像分类，用图像的主要颜色对svm分类器进行索引，并根据向量机svm训练的菜品的图像与菜品口味的映射关系，炒菜机器人根据所述的映射关系控制所述烹饪器具进行烹饪。

更进一步地，在炒菜机器人数据库中建立菜品食材的营养成分的与烹饪过程随时间的变化关系，接受前端顾客反馈的营养要求，炒菜机器人根据用户所选择的营养要求动态调整烹饪过程。

更进一步地，所述控制所述烹饪器具进行烹饪进一步包括，炒菜机器人判断模块，通过非接触式温度传感器检测食材温度，若检测食材的内部温度小于食材表面温度的一半，则调整烹饪器皿的翻炒频率，加快翻炒速度；通过湿度传感器检测食材的含水量情况，若检测食材含水量小于预设阈值，则判断需要加水；通过高光谱分析烹饪器具中的调味品成分及含量，根据分析出的调味品含量与数字菜谱中的调味料成分含量进行对比，进行调味料的加减；监测烹饪时长及火候，动态调整菜品的出锅时机。其中，于智能烹饪设备内设置智能食物探测器，所述智能食物探测器包括极性致癌物质感测器，可连续性探测智能烹饪设备内多种菜品的特殊物质成分含量，在菜品出锅之前在通过无线(蓝牙)传输数据到前端界面，方便就餐者查询菜品的数据。

更进一步地，所述特殊物质包括：真菌毒素、黄曲霉毒素、油脂氧化物、多环芳烃、重金属物质。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明的智能烹饪方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅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。

实施例一

如图1所述的一种智能烹饪的方法，炒菜机器人通过在烹饪器具中设置温度、干湿度传感器、重力传感器、光学感测器及图像采集装置检测烹饪器具中食材的主物质成分及其含量；根据所述主物质成分及其含量，控制所述烹饪器具进行烹饪。

更进一步地，所述控制所述烹饪器具进行烹饪进一步包括：通过非接触式温度传感器检测食材温度，若检测食材的内部温度小于食材表面温度的一半，则调整烹饪器皿的翻炒频率，加快翻炒速度；通过干湿度传感器检测食材的含水量情况，若检测食材含水量小于预设阈值，则判断需要加水；通过高光谱分析烹饪器具中的调味品成分及含量，根据分析出的调味品含量与数字菜谱中的调味料成分含量进行对比，进行调味料的加减；监测烹饪时长及火候，动态调整菜品的出锅时机；于智能烹饪设备内设置智能食物探测器，所述智能食物探测器包括极性致癌物质感测器，在菜品出锅之前在通过无线(蓝牙)传输数据到前端界面，方便就餐者查询菜品的数据。

更进一步地，根据数字菜谱所预先设置的烹饪口味所对应的菜品调味品的含量范围；炒菜机器人接受前端顾客反馈的口味要求，根据反馈的所述口味要求调整调味品在食物中的含量在对应的含量范围内。

更进一步地，通过图像采集实时获取烹饪器具中的菜品图像信息，提取了图像的颜色特征，将颜色分为几个颜色区间作为种多主要的颜色，用来过滤掉部分菜品，根据所提取图像的主要色调来利用图像的颜色特征进行图像分类，用图像的主要颜色对svm分类器进行索引，并根据向量机svm训练的菜品的图像与菜品口味的映射关系，炒菜机器人根据所述的映射关系控制所述烹饪器具进行烹饪。

更进一步地，在炒菜机器人数据库中建立菜品食材的营养成分的与烹饪过程随时间的变化关系，接受前端顾客反馈的营养要求，炒菜机器人根据用户所选择的营养要求动态调整烹饪过程。

更进一步地，所述特殊物质包括：真菌毒素、黄曲霉毒素、油脂氧化物、多环芳烃、重金属物质。

实施例二

本实施例主要从硬件角度描述本发明，提供了一种智能烹饪的装置，包括：前端点菜终端、炒菜机器人及服务器数据库，其中，炒菜机器人通过在烹饪器具中设置温度、干湿度传感器、重力传感器、光学感测器及图像采集装置检测烹饪器具中食材的主物质成分及其含量；根据所述主物质成分及其含量，控制所述烹饪器具进行烹饪。

更进一步地，反馈模块，根据数字菜谱所预先设置的烹饪口味所对应的菜品调味品的含量范围；炒菜机器人接受前端顾客反馈的口味要求，根据反馈的所述口味要求调整调味品在食物中的含量在对应的含量范围内。

更进一步地，烹饪机器人包括图像采集模块，通过图像采集实时获取烹饪器具中的菜品图像信息，提取了图像的颜色特征，将颜色分为几个颜色区间作为种多主要的颜色，用来过滤掉部分菜品，根据所提取图像的主要色调来利用图像的颜色特征进行图像分类，用图像的主要颜色对svm分类器进行索引，并根据向量机svm训练的菜品的图像与菜品口味的映射关系，炒菜机器人根据所述的映射关系控制所述烹饪器具进行烹饪。

更进一步地，在炒菜机器人数据库中建立菜品食材的营养成分的与烹饪过程随时间的变化关系，接受前端顾客反馈的营养要求，炒菜机器人根据用户所选择的营养要求动态调整烹饪过程。

更进一步地，所述控制所述烹饪器具进行烹饪进一步包括，炒菜机器人判断模块，通过非接触式温度传感器检测食材温度，若检测食材的内部温度小于食材表面温度的一半，则调整烹饪器皿的翻炒频率，加快翻炒速度；通过干湿度传感器检测食材的含水量情况，若检测食材含水量小于预设阈值，则判断需要加水；通过高光谱分析烹饪器具中的调味品成分及含量，根据分析出的调味品含量与数字菜谱中的调味料成分含量进行对比，进行调味料的加减；监测烹饪时长及火候，动态调整菜品的出锅时机。

本实施例在图像特征上，由于orb特征具有快速的特点而选择它作为菜肴识别系统的局部图像特征来构建bagoffeature模型。另外为了提高svm预测阶段的性能，又提取了图像的颜色特征，将颜色分为几个颜色区间作为几种主要的颜色，用来过滤掉部分菜肴。从而减少了被过滤掉菜肴的svm预测阶段，提高了预测阶段的性能。同样是出于性能的考虑，在orb特征提取、用构建的词汇表对orb特征进行量化以及svm预测这三个步骤的编码都采用jni调用的方式，调用c++模块来处理。颜色特征作为图像的重要特征，在图像分类的过程中扮演着重要的角色。目前有很多图像的颜色特征的表示方法，如颜色直方图、颜色矩、颜色相关图等等。这些图像的颜色特征表示方法在很多图像应用领域都产生了重要影响，如图像检索、物体分类等。然而这些颜色特征的提取算法都包含大量的计算量并消耗大量的内存空间，非常不适合在移动设备上运行。本文提出了提取图像的主要色调的方法来利用图像的颜色特征进行图像分类。用图像的主要颜色对svm分类器进行索引，从而减少后期svm预测的次数，达到性能提升的效果。

首先，本文把hsv颜色空间划分为10个颜色区间，每个颜色区间代表一种颜色。然后对图像的颜色进行提取并进行k-means聚类，将k取3，每个聚类中心为一个主色，最后得到这个图像的3个主要颜色。在本文提出的菜肴图像分类框架中，通过对每个菜肴类别的每张图片提取多个主要颜色，选取出现频率最高的3个颜色作为这个类别的主要颜色。这样就为每一种菜肴绑定了它的3个主要颜色。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。