一种智能电磁炉烹饪方法、系统、电子设备及介质与流程

本技术涉及电磁炉，具体涉及一种智能电磁炉烹饪方法、系统、电子设备及介质。

背景技术：

1、随着社会生活节奏的加快，人们对快速便捷的烹饪方式需求日益增加。电磁炉正是一种非常适合现代生活节奏的烹饪工具。电磁炉利用电磁感应加热的原理，在电磁炉面上放置金属锅具，当通电后，电磁炉面产生变化的磁场，在锅具底部感应出涡流,使锅具迅速升温，从而加热食物。相比燃气炉和电热丝等传统加热方式，电磁炉加热速度快、效率高，并且没有明火，安全可靠。

2、目前，传统的电磁炉烹饪方法主要依赖于用户手动调节温度和加热时间，这不仅需要用户具备一定的烹饪知识和经验，而且需要用户持续监控整个烹饪过程，确保食物达到理想的熟度。

3、但是在实际应用中，大多数用户对于不同食材的烹饪并不够了解，传统通过手动调节温度和时间，往往由于用户疏忽，出现食材加热过度或是还未熟的情况，导致食材烹饪效果差，用户体验感低。因此，目前用于电磁炉烹饪的方法亟待改进。

技术实现思路

1、本技术提供了一种智能电磁炉烹饪方法、系统、电子设备及介质，具有根据用户提供食材信息和选择烹饪方式，自动生成电磁炉加热方案对食材进行烹饪，辅助用户提高烹饪质量的效果。

2、第一方面，本技术提供了一种智能电磁炉烹饪方法，包括：

3、获取基础食材信息和烹饪方式信息；

4、根据所述基础食材信息和烹饪方式信息，确定对应的电磁炉加热方案；

5、根据所述电磁炉加热方案，生成对应的控制指令；

6、将所述控制指令发送至电磁炉控制端以控制所述电磁炉调至所述电磁炉加热方案对应的工作模式进行加热操作。

7、通过采用上述技术方案，系统通过预设app获取用户要烹饪的基础食材信息和选择的烹饪方式信息。然后，该系统根据获得的食材和烹饪方式信息,确定适合的电磁炉加热方案，如加热温度、时间等参数。然后根据确定的加热方案，生成对应的控制指令，并通过网络将控制指令发送至电磁炉控制端。电磁炉控制端根据接收到的控制指令，控制电磁炉进入不同的工作模式进行智能加热操作。能够实现基于不同食材和烹饪方式的智能烹饪控制，消除了人工烹饪需要经验的不确定性，实现了自动化和智能化的烹饪过程，从而提高了烹饪效率和烹饪效果，给用户提供了一体化的烹饪体验。

8、可选的，根据预设app，建立用户终端与所述电磁炉控制终端之间的通讯连接；通过所述预设app获取用户输入的所述基础食材信息和所述烹饪方式信息，所述基础食材信息包括食材名称、食材重量和食材种类，所述烹饪方式信息包括菜品名称、烹饪方法关键词。

9、通过采用上述技术方案，根据预设在用户终端，例如智能手机上的应用程序，即预设app，让用户终端与系统建立通讯连接，通过预设应用程序的图形界面，用户可以输入基础食材信息，如食材名称、食材重量和食材种类等。此外，用户还可以输入烹饪方式信息，如菜品名称和关键烹饪方法词等。系统通过该预设app获取用户输入的基础食材信息和烹饪方式信息。有效提高了信息获取的准确性。

10、可选的，将所述食材名称、食材重量和食材种类和所述菜品名称、烹饪方法关键词输入预设方案决策模型，得到所述对应的电磁炉加热方案，所述电磁炉加热方案包括加热时长调节方案、温度调节方案。

11、通过采用上述技术方案，

12、系统将用户通过预设app输入的食材名称、食材重量、食材种类以及菜品名称、烹饪方法关键词，输入到预设方案决策模型中。该预设方案决策模型是基于大量历史烹饪数据采用机器学习算法训练出的模型，可根据输入的食材和烹饪要求信息，在内含丰富烹饪模式的数据库中进行匹配查询，匹配查询出的烹饪模式包含针对不同食材和方式的加热时间长度调节方案和温度调节方案。系统通过方案决策模型搜索得到适合当前食材和烹饪要求的电磁炉加热方案，包括加热时长和温度设置方案，实现了更智能高效的烹饪方案探索,为用户提供个性化的烹饪体验。

13、可选的，获取若干个历史基础食材信息、历史烹饪方式信息和对应的若干个实际电磁炉加热时长调节方案和实际电磁炉温度调节方案；将所述若干个历史基础食材信息、历史烹饪方式信息和对应的若干个实际电磁炉加热时长调节方案和实际电磁炉温度调节方案，按照预设比例分为训练集数据和验证集数据；根据所述训练集数据和验证集数据，训练初始神经网络模型以使模型方案预测结果收敛于对应的实际电磁炉加热时长调节方案和实际电磁炉温度调节方案；将训练后的所述初始神经网络模型作为所述预设方案决策模型。

14、通过采用上述技术方案，系统收集了大量历史食材信息、烹饪方式以及对应实际电磁炉加热时长和温度调节方案的数据，作为训练样本。然后系统按预设比例将数据随机分成训练集和验证集。系统采用深度学习中的神经网络模型作为初始模型。利用训练集数据，不断调整神经网络模型各层参数，使模型预测结果与验证集的实际方案收敛于一致，完成对初始模型的训练。经多个迭代周期训练后，模型预测能力越来越强。将训练后的深度学习模型存储用于系统作为预设的方案决策模型。在实际控制中，该决策模型能根据输入食材和方式信息，利用隐藏在内的复杂烹饪规则，给出符合历史实践的精准烹饪方案。采用深度学习的自我学习能力，大幅提升了系统方案智能程度，给用户带来更优质的烹饪体验。

15、可选的，记录所述电磁炉加热时长；判断所述电磁炉加热时长是否达到所述加热时长调节方案对应的目标预加热时长；若是，则判定所述电磁炉完成预加热操作并将加热功率调整至预设目标加热功率。

16、通过采用上述技术方案，系统通过设置在电磁炉上的传感器采集加热时长数据，并将该加热时长数据与目标预加热时长进行比较。当传感器采集到的实际加热时长与决策模型给出的目标预加热时长一致时，系统判断预加热阶段已经完成，此时系统会自动向电磁炉发送指令，调整加热功率至预设的目标加热功率，进入主加热阶段，全程监控和实时反馈可以更精准地把控整个烹饪过程。通过预加热过程，对食材进行烹饪和检测，能够有效提高电磁炉烹饪效果。

17、可选的，通过温度传感器获取电磁炉炉底温度；判断所述电磁炉炉底温度是否达到所述温度调节方案对应的预设目标温度阈值；若是，则将加热功率调整至预设第一加热功率阈值对所述电磁炉进行加热以维持所述电磁炉炉底温度至所述预设目标温度；若否，则将加热功率调整至预设第二加热功率阈值对所述电磁炉进行加热直到所述电磁炉炉底温度达到所述预设目标温度。

18、通过采用上述技术方案，系统获取到的电磁炉炉底温度与预设方案决策模型给出的目标温度阈值进行实时比较。如果该电磁炉炉底温度达到目标温度，系统自动调整电磁炉功率至预设的第一加热功率阈值，以维持温度状态。如果电磁炉炉底温度未达标，系统则将功率调整为预设第二加热功率阈值，一次提供更强加热能量，加速增温至目标值。全面采集温度信息，进行双阈值式的动态功率调整，可以准确把控烹饪温度，避免温差问题影响烹饪质量。

19、可选的，判断所述电磁炉加热时长是否达到所述加热时长调节方案对应的目标烹饪时长；若是，则停止对所述电磁炉的加热操作，并生成提示信息以提示用户完成所述加热操作。

20、通过采用上述技术方案，系统将记录到的电磁炉加热时长与预设方案决策模型获得的目标烹饪时长进行比较。当实际电磁炉加热时长等于或大于决策模型给出的目标烹饪时长时，系统判断食物已经完全烹饪。此时系统会自动向电磁炉发送指令，停止其加热操作。同时，系统还会弹出提示信息提示用户烹饪已完成，可以开始享用食物。通过设置加热时间下限，制止过烤产生，保证食物烹饪质量。给用户提供结束时提示，提醒用户及时取餐，提高用户体验感。

21、在本技术的第二方面提供了一种智能电磁炉烹饪方法的系统。

22、信息获取模块，用于获取基础食材信息和烹饪方式信息；

23、方案获取模块，用于根据所述基础食材信息和烹饪方式信息，确定对应的电磁炉加热方案；

24、指令转换模块，用于根据所述电磁炉加热方案，生成对应的控制指令；

25、操作执行模块，用于将所述控制指令发送至电磁炉控制端以控制所述电磁炉调至所述电磁炉加热方案对应的工作模式进行加热操作。

26、在本技术的第三方面提供了一种电子设备。

27、一种智能电磁炉烹饪方法的系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现一种智能电磁炉烹饪方法。

28、在本技术的第四方面提供了一种计算机可读存储介质。

29、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现一种智能电磁炉烹饪方法。

30、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

31、1、本技术通过预设app获取用户要烹饪的基础食材信息和选择的烹饪方式信息。然后，该系统根据获得的食材和烹饪方式信息,确定适合的电磁炉加热方案，如加热温度、时间等参数。然后根据确定的加热方案，生成对应的控制指令，并通过网络将控制指令发送至电磁炉控制端。电磁炉控制端根据接收到的控制指令，控制电磁炉进入不同的工作模式进行智能加热操作。能够实现基于不同食材和烹饪方式的智能烹饪控制，消除了人工烹饪需要经验的不确定性，实现了自动化和智能化的烹饪过程，从而提高了烹饪效率和烹饪效果，给用户提供了一体化的烹饪体验。

32、2、本技术通过采用初始神经网络模型训练得到的预设方案决策模型，对用户选择食材和菜品进行电磁炉加热方案智能匹配，提高了食材烹饪质量，避免用户自身对食材和烹饪了解缺失，导致食材烹饪效果差的问题。

33、3、本技术通过实时记录电磁炉加热时长，智能调节电磁炉加热功率以使电磁炉温度与食材烹饪阶段相适配，能够有效提高电磁炉烹饪效果，提高用户体验感。