一种基于大数据的加热控制方法、系统和存储介质与流程

1.本发明涉及智能控制技术领域，更具体的，涉及一种基于大数据的加热控制方法、系统和存储介质。


背景技术：

2.随着生活水平的不断提升,大环境网络时代的背景下,小家电正在朝智能化的方向发展。而在智能小家电研发中，开发功能多样、操作简单、方便、快捷的智能小家电成为各种智能小家电开发的新方向。然而目前市场上的小家电产品功能繁杂,并没有针对用户需求进行设计。在小家电品类中传统的烹饪设备具备的烹饪功能比较固定，而用户的个人基本状况信息及口味偏好信息千差万别，并且在烹饪设备的实际使用中用户往往因为烹饪加热时间把握不当导致食物品质不佳，因此根据用户的预设信息为食材匹配最佳加热曲线显得尤为重要。
3.为了能够通过智能烹饪设备实现对食材的智能加热控制，需要开发一款系统与之配合进行实现，该系统通过获取当前因素参数信息及目标用户的身体状况信息生成加热曲线干预信息，根据食材种类信息及食材烹饪模式信息通过大数据分析获取食材的加热曲线，根据加热曲线匹配加热曲线干预信息生成最佳加入曲线进行加热烹饪。在该系统的实现过程中，如何基于用户的预设信息通过大数据分析获取食材的加热曲线是亟不可待需要解决的问题。


技术实现要素：

4.为了解决上述至少一个技术问题，本发明提出了一种基于大数据的加热控制方法、系统及存储介质。
5.本发明第一方面提供了一种基于大数据的加热控制方法，包括：获取当前因素参数信息及目标用户的身体状况信息，根据所述因素参数信息及身体状况信息生成加热曲线干预信息；获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线；根据所述烹饪加热曲线匹配加热曲线干预信息生成最佳加热曲线进行加热烹饪；获取目标用户对食物品质的反馈信息，根据所述反馈信息与当前最佳加热曲线比较，对最佳加热曲线进行优化。
6.本方案中，所述因素参数信息包括纬度信息、海报信息、气压信息、环境温度信息、电路电压信息的一种或两种及以上的组合；所述目标用户的身体状况信息包括年龄信息、健康信息、膳食习惯信息、患病情况信息的一种或两种以上的组合。
7.本方案中，所述的根据所述因素参数信息及身体状况信息生成加热曲线干预信息，具体为：通过所述因素参数信息及身体状况信息确定烹饪过程中各项程序的时间、加热温
度及加热功率；根据所述烹饪过程中各项程序的时间、加热温度及加热功率生成初始加热曲线；获取预设烹饪模式对应的预设加热曲线，将所述初始加热曲线及所述预设加热曲线进行对应值提取；将提取到的对应值进行相减得到差值曲线，获取差值曲线差值，并提取差值曲线的曲线特征；根据所述差值及所述曲线特征生成加热曲线干预信息。
8.本方案中，所述的获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线，具体为：获取食材图像信息，对图像信息进行预处理并进行图像特征提取，根据所述图像特征在食材数据库中检索并进行匹配，根据匹配结果识别出至少一种食材种类信息；提取所述食材种类信息中的关键词，将所述关键词借助大数据分析获取食材加热曲线数据集；根据目标用户选择的烹饪模式作为检索条件在所述食材加热曲线数据集中进行检索，获取检索结果中各食材加热曲线对应的食物品质信息；将所述食物品质信息按照预设规则进行评分，将评分大于预设阈值的食材加热曲线进行提取并按照评分进行排序，获取最高评分对应的食材加热曲线；获取目标用户选择的烹饪模式对应的预设加热曲线，将所述最高评分对应的食材加热曲线与预设加热曲线进行拟合，生成食材的烹饪加热曲线。
9.本方案中，还包括：在食材烹饪过程中对食材的受热状况进行监测，对食材在烹饪过程中的加热曲线进行调整，具体为：根据预设传感器对食材烹饪过程中的受热状况进行监测，得到监测数据信息，根据所述监测数据信息生成实时加热曲线；将所述实时加热曲线根据烹饪过程进行分解，得到多个曲线段组，获取各曲线段组中的平均温度信息；根据曲线段组分割规则对最佳加热曲线进行分段，获取各曲线段组中的目标温度信息；将所述平均温度信息与所述目标温度信息进行对比分析，生成偏差率；判断所述偏差率是否大于偏差率阈值；若大于，则生成烹饪异常信息，根据所述烹饪异常信息生成修正信息，通过修正信息调整烹饪时间和烹饪火候大小，实现对实时加热曲线的调整。
10.本方案中，获取家电设备使用者对食物品质的反馈信息，根据所述反馈信息与最佳加热曲线比较，对最佳加热曲线进行优化，具体为：云端服务器通过问卷调查方式将食物品质调查问卷通过预设方式发送给目标用户；获取目标用户的问卷反馈数据，将所述问卷反馈数据进行处理分析，生成对当前食物品质满意度得分；预设满意度得分阈值，将所述食物品质满意度得分与预设阈值进行比较；若食物品质满意度得分小于预设阈值，则根据问卷反馈数据生成反馈信息，根据
所述反馈信息与最佳加热曲线比较，对当前最佳加热曲线进行优化。
11.本发明第二方面还提供了一种基于大数据的加热控制系统，该系统包括：存储器、处理器，所述存储器中包括一种基于大数据的加热控制方法程序，所述一种基于大数据的加热控制方法程序被所述处理器执行时实现如下步骤：获取当前因素参数信息及目标用户的身体状况信息，根据所述因素参数信息及身体状况信息生成加热曲线干预信息；获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线；根据所述烹饪加热曲线匹配加热曲线干预信息生成最佳加热曲线进行加热烹饪；获取目标用户对食物品质的反馈信息，根据所述反馈信息与当前最佳加热曲线比较，对最佳加热曲线进行优化。
12.本方案中，所述因素参数信息包括纬度信息、海报信息、气压信息、环境温度信息、电路电压信息的一种或两种及以上的组合；所述目标用户的身体状况信息包括年龄信息、健康信息、膳食习惯信息、患病情况信息的一种或两种以上的组合。
13.本方案中，所述的根据所述因素参数信息及身体状况信息生成加热曲线干预信息，具体为：通过所述因素参数信息及身体状况信息确定烹饪过程中各项程序的时间、加热温度及加热功率；根据所述烹饪过程中各项程序的时间、加热温度及加热功率生成初始加热曲线；获取预设烹饪模式对应的预设加热曲线，将所述初始加热曲线及所述预设加热曲线进行对应值提取；将提取到的对应值进行相减得到差值曲线，获取差值曲线差值，并提取差值曲线的曲线特征；根据所述差值及所述曲线特征生成加热曲线干预信息。
14.本方案中，所述的获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线，具体为：获取食材图像信息，对图像信息进行预处理并进行图像特征提取，根据所述图像特征在食材数据库中检索并进行匹配，根据匹配结果识别出至少一种食材种类信息；提取所述食材种类信息中的关键词，将所述关键词借助大数据分析获取食材加热曲线数据集；根据目标用户选择的烹饪模式作为检索条件在所述食材加热曲线数据集中进行检索，获取检索结果中各食材加热曲线对应的食物品质信息；将所述食物品质信息按照预设规则进行评分，将评分大于预设阈值的食材加热曲线进行提取并按照评分进行排序，获取最高评分对应的食材加热曲线；获取目标用户选择的烹饪模式对应的预设加热曲线，将所述最高评分对应的食材加热曲线与预设加热曲线进行拟合，生成食材的烹饪加热曲线。
15.本方案中，还包括：在食材烹饪过程中对食材的受热状况进行监测，对食材在烹饪过程中的加热曲线进行调整，具体为：根据预设传感器对食材烹饪过程中的受热状况进行监测，得到监测数据信息，根
据所述监测数据信息生成实时加热曲线；将所述实时加热曲线根据烹饪过程进行分解，得到多个曲线段组，获取各曲线段组中的平均温度信息；根据曲线段组分割规则对最佳加热曲线进行分段，获取各曲线段组中的目标温度信息；将所述平均温度信息与所述目标温度信息进行对比分析，生成偏差率；判断所述偏差率是否大于偏差率阈值；若大于，则生成烹饪异常信息，根据所述烹饪异常信息生成修正信息，通过修正信息调整烹饪时间和烹饪火候大小，实现对实时加热曲线的调整。
16.本方案中，获取家电设备使用者对食物品质的反馈信息，根据所述反馈信息与最佳加热曲线比较，对最佳加热曲线进行优化，具体为：云端服务器通过问卷调查方式将食物品质调查问卷通过预设方式发送给目标用户；获取目标用户的问卷反馈数据，将所述问卷反馈数据进行处理分析，生成对当前食物品质满意度得分；预设满意度得分阈值，将所述食物品质满意度得分与预设阈值进行比较；若食物品质满意度得分小于预设阈值，则根据问卷反馈数据生成反馈信息，根据所述反馈信息与最佳加热曲线比较，对当前最佳加热曲线进行优化。
17.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于大数据的加热控制方法程序，所述一种基于大数据的加热控制方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的加热控制方法的步骤。
18.本发明公开了一种基于大数据的加热控制方法、系统和存储介质，涉及智能控制技术领域，其中加热控制方法包括：获取当前因素参数信息及目标用户的身体状况信息，根据所述因素参数信息及身体状况信息生成加热曲线干预信息，获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线，并根据所述烹饪加热曲线匹配加热曲线干预信息生成最佳加热曲线进行加热烹饪，获取目标用户对食物品质的反馈信息，根据所述反馈信息与当前加热曲线比较，对加热曲线进行优化。本发明通过大数据分析获取食材的最佳加热曲线，实现食材的口感提升，并保持营养成分。
附图说明
19.图1示出了本发明一种基于大数据的加热控制方法的流程图。
20.图2示出了本发明获取食材的烹饪加热曲线的方法流程图。
21.图3示出了本发明对最佳加热曲线进行优化的方法流程图。
22.图4示出了本发明一种基于大数据的加热控制系统的框图。
具体实施方式
23.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
24.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
25.图1示出了本发明一种基于大数据的加热控制方法的流程图。
26.如图1所示，本发明第一方面提供了一种基于大数据的加热控制方法，包括：s102，获取当前因素参数信息及目标用户的身体状况信息，根据所述因素参数信息及身体状况信息生成加热曲线干预信息；s104，获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线；s106，根据所述烹饪加热曲线匹配加热曲线干预信息生成最佳加热曲线进行加热烹饪；s108，获取目标用户对食物品质的反馈信息，根据所述反馈信息与当前最佳加热曲线比较，对最佳加热曲线进行优化。
27.需要说明的是，在加热曲线表示的是食材烹饪时的加热温度和加热时长的关系时，智能烹饪设备可以是利用温度高低对食材进行烹饪的电饭煲、电磁炉等设备。
28.需要说明的是，所述因素参数信息包括纬度信息、海报信息、气压信息、环境温度信息、电路电压信息的一种或两种及以上的组合；所述目标用户的身体状况信息包括年龄信息、健康信息、膳食习惯信息、患病情况信息的一种或两种以上的组合。
29.需要说明的是，所述的根据所述因素参数信息及身体状况信息生成加热曲线干预信息，具体为：通过所述因素参数信息及身体状况信息确定烹饪过程中各项程序的时间、加热温度及加热功率；根据所述烹饪过程中各项程序的时间、加热温度及加热功率生成初始加热曲线；获取预设烹饪模式对应的预设加热曲线，将所述初始加热曲线及所述预设加热曲线进行对应值提取；将提取到的对应值进行相减得到差值曲线，获取差值曲线差值，并提取差值曲线的曲线特征；根据所述差值及所述曲线特征生成加热曲线干预信息。
30.图2示出了本发明获取食材的烹饪加热曲线的方法流程图。
31.根据本发明实施例，所述的获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线，具体为：s202，获取食材图像信息，对图像信息进行预处理并进行图像特征提取，根据所述图像特征在食材数据库中检索并进行匹配，根据匹配结果识别出至少一种食材种类信息；s204，提取所述食材种类信息中的关键词，将所述关键词借助大数据分析获取食材加热曲线数据集；s206，根据目标用户选择的烹饪模式作为检索条件在所述食材加热曲线数据集中进行检索，获取检索结果中各食材加热曲线对应的食物品质信息；s208，将所述食物品质信息按照预设规则进行评分，将评分大于预设阈值的食材加热曲线进行提取并按照评分进行排序，获取最高评分对应的食材加热曲线；
s210，获取目标用户选择的烹饪模式对应的预设加热曲线，将所述最高评分对应的食材加热曲线与预设加热曲线进行拟合，生成食材的烹饪加热曲线。
32.需要说明的是，还包括：在食材烹饪过程中对食材的受热状况进行监测，对食材在烹饪过程中的加热曲线进行调整，具体为：根据预设传感器对食材烹饪过程中的受热状况进行监测，得到监测数据信息，根据所述监测数据信息生成实时加热曲线；将所述实时加热曲线根据烹饪过程进行分解，得到多个曲线段组，获取各曲线段组中的平均温度信息；根据曲线段组分割规则对最佳加热曲线进行分段，获取各曲线段组中的目标温度信息；将所述平均温度信息与所述目标温度信息进行对比分析，生成偏差率；判断所述偏差率是否大于偏差率阈值；若大于，则生成烹饪异常信息，根据所述烹饪异常信息生成修正信息，通过修正信息调整烹饪时间和烹饪火候大小，实现对实时加热曲线的调整。
33.需要说明的是，当加热曲线用于表示加热温度和加热时长的关系时，加热曲线就是每个时段的加热温度和加热时长的组合。将烹饪加热曲线分割为多个曲线段，并根据烹饪加热曲线中多个曲线段中各个时间点分别对应的温度，确定该曲线段组的目标温度。其中，根据烹饪加热曲线中多个曲线段中各个时间点分别对应的温度，确定该曲线段组的目标温度，具体为：提取每个曲线段组中每个时间点对应温度，对每个曲线段组中每个时间点对应的温度进行累加，将温度累加值与该曲线段组中的时间节点数量相除，将得到的温度平均值作为该曲线段组对应的目标温度。
34.图3示出了本发明对最佳加热曲线进行优化的方法流程图。
35.根据本发明实施例，获取家电设备使用者对食物品质的反馈信息，根据所述反馈信息与最佳加热曲线比较，对最佳加热曲线进行优化，具体为：s302，云端服务器通过问卷调查方式将食物品质调查问卷通过预设方式发送给目标用户；s304，获取目标用户的问卷反馈数据，将所述问卷反馈数据进行处理分析，生成对当前食物品质满意度得分；s306，预设满意度得分阈值，将所述食物品质满意度得分与预设阈值进行比较；s308，若食物品质满意度得分小于预设阈值，则根据问卷反馈数据生成反馈信息，根据所述反馈信息与最佳加热曲线比较，对当前最佳加热曲线进行优化。
36.根据本发明实施例，根据预设传感器对食材烹饪过程中的受热状况进行监测，通过各烹饪阶段的监测数据信息对食物品质进行表示，根据时间和烹饪阶段内的平均温度构成函数关系，其中食物品质的函数可以表示为：其中，表示食物品质，表示烹饪阶段项数，表示烹饪阶段总数，表示食材受
热后的形变系数，表示烹饪阶段中的平均温度，表示烹饪阶段的参考温度，表示食材成熟品质因子，反应食物品质对温度变化的敏感程度，表示烹饪阶段对应的时间参数。
37.根据本发明实施例，还包括根据目标用户的口感需求，对食材的烹饪加热曲线实现需求性调整，具体为：根据目标用户的需求生成需求标签，通过所述需求标签捕捉数据库中的需求数据集合；通过所述需求数据集合生成偏好特征，根据所述偏好特征确定相似度阈值区间；通过预设计算方法计算数据库中数据集合与需求数据集合的相似度，将落在所述相似度阈值区间中的数据集合作为需求数据集合；提取需求数据集合中的烹饪加热曲线，根据所述烹饪加热曲线提取加热温度信息及烹饪阶段时间信息；将所述加热温度信息及烹饪阶段时间信息更新加热曲线干预信息，根据更新后的加热曲线干预信息匹配烹饪加热曲线生成最佳加热曲线。
38.根据本发明实施例，当烹饪设备烹饪多种食材时，将多种食材的烹饪加热曲线进行聚合，具体为：通过目标用户的需求生成食谱信息，根据所述食谱信息提取烹饪所需食材，通过大数据分析获取所述所需食材的烹饪加热曲线；根据所述烹饪加热曲线获取不同食材的不同烹饪阶段的烹饪时间，并在预设烹饪阶段内将所述烹饪时间进行排序，并根据所述排序生成不同食材的放入顺序，并按照预设方式显示；将所述所需食材的烹饪加热曲线进行曲线特征点提取，并生成特征点匹配对，计算所述匹配对中特征点连线与水平方向的夹角角度及特征点之间的距离，并生成夹角角度集合及距离集合；根据所述夹角角度结合及距离集合进行曲线拟合，并进行曲线修正，生成最佳加热曲线。
39.需要说明的是，在用户同时将所需食材加入烹饪设备中的情况下，烹饪设备获取食材图像信息，并根据所述食材图像信息识别出至少一种食材信息，将食材识别结果生成食材确认信息，通过目标用户对食材确认信息的反馈得到食材识别率；在所述食材识别率小于预设阈值时，对控制食材识别的算法进行自动更新。
40.根据本发明实施例，烹饪设备在进行食材识别时，识别食材的冷冻状态，根据所述冷冻状态匹配最佳加热曲线，具体为：获取烹饪设备中的食材的高光谱图像信息，将所述高光谱图像信息进行预处理，并选取感兴趣区域，获取所述感兴趣区域在预设波长的光谱反射率；根据所述光谱反射率识别新鲜食材和冷冻食材，并设置光谱反射率阈值区间，通过食材的色泽度及所述光谱反射率所落在的阈值区间判断所述冷冻食材的冷冻程度，根据所述冷冻程度获取食材的烹饪加热曲线；通过大数据根据所述冷冻程度确定食材的解冻阶段的时长及解冻加热温度，将所述解冻阶段自定义加入食材的烹饪过程，结合食材的烹饪加热曲线生成食材的最佳加热曲
线；在根据所述最佳加热曲线进行烹饪的过程中，对食材的成熟度进行监测，根据所述成熟度对最佳加热曲线进行实时优化修正。
41.需要说明的是，可选的，通过物联网技术将烹饪设备与智能冰箱进行组网相连，当烹饪设备完成食材识别后，将食材识别结果发送到智能冰箱，智能冰箱通过食材识别结果提取食材在冰箱中的存放时间，根据所述存放时间生成食材的新鲜程度，将所述新鲜程度反馈到云端服务器，云端服务器根据食材的新鲜程度结合食材的烹饪加热曲线，生成最佳加热曲线。
42.图4示出了本发明一种基于大数据的加热控制系统的框图。
43.本发明第二方面还提供了一种基于大数据的加热控制系统4，该系统包括：存储器41、处理器42，所述存储器中包括一种基于大数据的加热控制方法程序，所述一种基于大数据的加热控制方法程序被所述处理器执行时实现如下步骤：获取当前因素参数信息及目标用户的身体状况信息，根据所述因素参数信息及身体状况信息生成加热曲线干预信息；获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线；根据所述烹饪加热曲线匹配加热曲线干预信息生成最佳加热曲线进行加热烹饪；获取目标用户对食物品质的反馈信息，根据所述反馈信息与当前最佳加热曲线比较，对最佳加热曲线进行优化。
44.需要说明的是，在加热曲线表示的是食材烹饪时的加热温度和加热时长的关系时，智能烹饪设备可以是利用温度高低对食材进行烹饪的电饭煲、电磁炉等设备。
45.需要说明的是，所述因素参数信息包括纬度信息、海报信息、气压信息、环境温度信息、电路电压信息的一种或两种及以上的组合；所述目标用户的身体状况信息包括年龄信息、健康信息、膳食习惯信息、患病情况信息的一种或两种以上的组合。
46.需要说明的是，所述的根据所述因素参数信息及身体状况信息生成加热曲线干预信息，具体为：通过所述因素参数信息及身体状况信息确定烹饪过程中各项程序的时间、加热温度及加热功率；根据所述烹饪过程中各项程序的时间、加热温度及加热功率生成初始加热曲线；获取预设烹饪模式对应的预设加热曲线，将所述初始加热曲线及所述预设加热曲线进行对应值提取；将提取到的对应值进行相减得到差值曲线，获取差值曲线差值，并提取差值曲线的曲线特征；根据所述差值及所述曲线特征生成加热曲线干预信息。
47.根据本发明实施例，所述的获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线，具体为：获取食材图像信息，对图像信息进行预处理并进行图像特征提取，根据所述图像特征在食材数据库中检索并进行匹配，根据匹配结果识别出至少一种食材种类信息；提取所述食材种类信息中的关键词，将所述关键词借助大数据分析获取食材加热
曲线数据集；根据目标用户选择的烹饪模式作为检索条件在所述食材加热曲线数据集中进行检索，获取检索结果中各食材加热曲线对应的食物品质信息；将所述食物品质信息按照预设规则进行评分，将评分大于预设阈值的食材加热曲线进行提取并按照评分进行排序，获取最高评分对应的食材加热曲线；获取目标用户选择的烹饪模式对应的预设加热曲线，将所述最高评分对应的食材加热曲线与预设加热曲线进行拟合，生成食材的烹饪加热曲线。
48.需要说明的是，还包括：在食材烹饪过程中对食材的受热状况进行监测，对食材在烹饪过程中的加热曲线进行调整，具体为：根据预设传感器对食材烹饪过程中的受热状况进行监测，得到监测数据信息，根据所述监测数据信息生成实时加热曲线；将所述实时加热曲线根据烹饪过程进行分解，得到多个曲线段组，获取各曲线段组中的平均温度信息；根据曲线段组分割规则对最佳加热曲线进行分段，获取各曲线段组中的目标温度信息；将所述平均温度信息与所述目标温度信息进行对比分析，生成偏差率；判断所述偏差率是否大于偏差率阈值；若大于，则生成烹饪异常信息，根据所述烹饪异常信息生成修正信息，通过修正信息调整烹饪时间和烹饪火候大小，实现对实时加热曲线的调整。
49.需要说明的是，当加热曲线用于表示加热温度和加热时长的关系时，加热曲线就是每个时段的加热温度和加热时长的组合。将烹饪加热曲线分割为多个曲线段，并根据烹饪加热曲线中多个曲线段中各个时间点分别对应的温度，确定该曲线段组的目标温度。其中，根据烹饪加热曲线中多个曲线段中各个时间点分别对应的温度，确定该曲线段组的目标温度，具体为：提取每个曲线段组中每个时间点对应温度，对每个曲线段组中每个时间点对应的温度进行累加，将温度累加值与该曲线段组中的时间节点数量相除，将得到的温度平均值作为该曲线段组对应的目标温度。
50.根据本发明实施例，获取家电设备使用者对食物品质的反馈信息，根据所述反馈信息与最佳加热曲线比较，对最佳加热曲线进行优化，具体为：云端服务器通过问卷调查方式将食物品质调查问卷通过预设方式发送给目标用户；获取目标用户的问卷反馈数据，将所述问卷反馈数据进行处理分析，生成对当前食物品质满意度得分；预设满意度得分阈值，将所述食物品质满意度得分与预设阈值进行比较；若食物品质满意度得分小于预设阈值，则根据问卷反馈数据生成反馈信息，根据所述反馈信息与最佳加热曲线比较，对当前最佳加热曲线进行优化。
51.根据本发明实施例，根据预设传感器对食材烹饪过程中的受热状况进行监测，通过 各烹饪阶段的监测数据信息对食物品质进行表示，根据时间和烹饪阶段内的平均温度
构成函 数关系，其中食物品质的函数可以表示为：其中，p表示食物品质，i表示烹饪阶段项数，n表示烹饪阶段总数，λ表示食材受热后的形 变系数，t表示烹饪阶段中的平均温度，tc表示烹饪阶段的参考温度，β表示食材成熟品质 因子，反应食物品质对温度变化的敏感程度，t表示烹饪阶段对应的时间参数。
52.根据本发明实施例，还包括根据目标用户的口感需求，对食材的烹饪加热曲线实现需求性调整，具体为：根据目标用户的需求生成需求标签，通过所述需求标签捕捉数据库中的需求数据集合；通过所述需求数据集合生成偏好特征，根据所述偏好特征确定相似度阈值区间；通过预设计算方法计算数据库中数据集合与需求数据集合的相似度，将落在所述相似度阈值区间中的数据集合作为需求数据集合；提取需求数据集合中的烹饪加热曲线，根据所述烹饪加热曲线提取加热温度信息及烹饪阶段时间信息；将所述加热温度信息及烹饪阶段时间信息更新加热曲线干预信息，根据更新后的加热曲线干预信息匹配烹饪加热曲线生成最佳加热曲线。
53.根据本发明实施例，当烹饪设备烹饪多种食材时，将多种食材的烹饪加热曲线进行聚合，具体为：通过目标用户的需求生成食谱信息，根据所述食谱信息提取烹饪所需食材，通过大数据分析获取所述所需食材的烹饪加热曲线；根据所述烹饪加热曲线获取不同食材的不同烹饪阶段的烹饪时间，并在预设烹饪阶段内将所述烹饪时间进行排序，并根据所述排序生成不同食材的放入顺序，并按照预设方式显示；将所述所需食材的烹饪加热曲线进行曲线特征点提取，并生成特征点匹配对，计算所述匹配对中特征点连线与水平方向的夹角角度及特征点之间的距离，并生成夹角角度集合及距离集合；根据所述夹角角度结合及距离集合进行曲线拟合，并进行曲线修正，生成最佳加热曲线。
54.需要说明的是，在用户同时将所需食材加入烹饪设备中的情况下，烹饪设备获取食材图像信息，并根据所述食材图像信息识别出至少一种食材信息，将食材识别结果生成食材确认信息，通过目标用户对食材确认信息的反馈得到食材识别率；在所述食材识别率小于预设阈值时，对控制食材识别的算法进行自动更新。
55.根据本发明实施例，烹饪设备在进行食材识别时，识别食材的冷冻状态，根据所述冷冻状态匹配最佳加热曲线，具体为：获取烹饪设备中的食材的高光谱图像信息，将所述高光谱图像信息进行预处理，并选取感兴趣区域，获取所述感兴趣区域在预设波长的光谱反射率；根据所述光谱反射率识别新鲜食材和冷冻食材，并设置光谱反射率阈值区间，通过食材的色泽度及所述光谱反射率所落在的阈值区间判断所述冷冻食材的冷冻程度，根据
所述冷冻程度获取食材的烹饪加热曲线；通过大数据根据所述冷冻程度确定食材的解冻阶段的时长及解冻加热温度，将所述解冻阶段自定义加入食材的烹饪过程，结合食材的烹饪加热曲线生成食材的最佳加热曲线；在根据所述最佳加热曲线进行烹饪的过程中，对食材的成熟度进行监测，根据所述成熟度对最佳加热曲线进行实时优化修正。
56.需要说明的是，可选的，通过物联网技术将烹饪设备与智能冰箱进行组网相连，当烹饪设备完成食材识别后，将食材识别结果发送到智能冰箱，智能冰箱通过食材识别结果提取食材在冰箱中的存放时间，根据所述存放时间生成食材的新鲜程度，将所述新鲜程度反馈到云端服务器，云端服务器根据食材的新鲜程度结合食材的烹饪加热曲线，生成最佳加热曲线。
57.本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于大数据的加热控制方法程序，所述一种基于大数据的加热控制方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的加热控制方法的步骤。
58.本发明公开了一种基于大数据的加热控制方法、系统和存储介质，涉及智能控制技术领域，其中加热控制方法包括：获取当前因素参数信息及目标用户的身体状况信息，根据所述因素参数信息及身体状况信息生成加热曲线干预信息，获取食材种类信息，根据所述食材种类信息及食材烹饪模式信息通过大数据分析获取食材的烹饪加热曲线，并根据所述烹饪加热曲线匹配加热曲线干预信息生成最佳加热曲线进行加热烹饪，获取目标用户对食物品质的反馈信息，根据所述反馈信息与当前加热曲线比较，对加热曲线进行优化。本发明通过大数据分析获取食材的最佳加热曲线，实现食材的口感提升，并保持营养成分。
59.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
60.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
61.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
62.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、磁碟或者光盘等各种可以存储程序代码的介质。
63.或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品
销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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（可以是个人计算机、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。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
64.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。