[发明专利]烹饪器具的控制方法、装置和系统、存储介质、处理器

权利要求书

1.一种烹饪器具的控制方法，其特征在于，包括：

获取烹饪器具内部的红外图像，其中，所述红外图像由红外设备拍摄得到，且用于指示所述烹饪器具的内部温度，所述红外设备安装在所述烹饪器具的盖体顶部；

利用第一模型对所述红外图像进行分析，得到相应的烹饪方案，其中，所述第一模型为使用多组第一数据通过机器学习训练出来的，每组第一数据均包括：红外图像以及相应的烹饪方案的标签；

控制所述烹饪器具按照所述烹饪方案执行烹饪操作；

其中，获取所述烹饪器具内盛放物的升温速度，并对所述升温速度和所述盛放物的类型进行分析，确定盛放物当前的烹饪程度，根据所述烹饪程度对当前的烹饪方案进行调整，并按照调整后的烹饪方案执行烹饪操作。

2.根据权利要求1所述的方法，其特征在于，利用第一模型对所述红外图像进行分析，得到相应的烹饪方案包括：

利用第二模型对所述红外图像进行分析，得到所述烹饪器具内盛放物的类型，其中，所述第二模型为使用多组第二数据通过机器学习训练出来的，每组第二数据均包括：红外图像以及相应的盛放物的类型的标签；

获取所述盛放物的类型对应的烹饪方案。

3.根据权利要求2所述的方法，其特征在于，利用第二模型对所述红外图像进行分析，得到所述烹饪器具内盛放物的类型包括：

利用第一子模型对所述红外图像进行特征提取，得到所述盛放物的第一属性信息，其中，所述第一子模型为使用多组第一子数据通过机器学习训练出来的，每组第一子数据均包括：红外图像以及相应的盛放物的第一属性信息的标签；

利用第二子模型对所述第一属性信息进行分析，得到所述盛放物的类型，其中，所述第二子模型为使用多组第二子数据通过机器学习训练出来的，每组第二子数据均包括：第一属性信息以及相应的盛放物的类型的标签。

4.根据权利要求3所述的方法，其特征在于，在获取烹饪器具内部的红外图像之后，所述方法还包括：

获取所述盛放物的重量信息；

利用第三子模型对所述重量信息和所述第一属性信息进行分析，得到所述盛放物的第二属性信息，其中，所述第三子模型为使用多组第三子数据通过机器学习训练出来的，每组第三子数据均包括：重量信息、第一属性信息以及相应的盛放物的第二属性信息的标签；

利用第四子模型对所述第二属性信息进行分析，得到所述盛放物的类型，其中，所述第四子模型为使用多组第四子数据通过机器学习训练出来的，每组第四子数据均包括：第二属性信息以及相应的盛放物的类型的标签。

5.根据权利要求4所述的方法，其特征在于，第一属性信息包括：所述盛放物的分布位置、尺寸和颜色，所述第二属性信息包括：所述盛放物的体积、密度、分布和材质。

6.根据权利要求2所述的方法，其特征在于，在控制所述烹饪器具按照所述烹饪方案执行烹饪操作的过程中，所述方法还包括：

获取所述红外图像中所述盛放物所处位置的第一颜色信息；

利用第三模型对所述盛放物的类型和所述第一颜色信息进行分析，得到所述盛放物的烹饪程度，其中，所述第三模型为使用多组第三数据通过机器学习训练出来的，每组第三数据均包括：盛放物的类型、第一颜色信息以及相应的盛放物的烹饪程度的标签；

根据所述盛放物的烹饪程度，对所述烹饪方案进行调整，得到调整后的烹饪方案；

控制所述烹饪器具按照所述调整后的烹饪方案执行烹饪操作。

7.根据权利要求2所述的方法，其特征在于，在控制所述烹饪器具按照所述烹饪方案执行烹饪操作的过程中，所述方法还包括：

获取所述红外图像中多个区域的第二颜色信息；

利用第四模型对所述多个区域的第二颜色信息进行分析，得到烹饪参数调整值，其中，所述第四模型为使用多组第四数据通过机器学习训练出来的，每组第四数据均包括：多个区域的第二颜色信息以及相应的烹饪参数调整值的标签；

控制所述烹饪器具按照所述烹饪参数调整值执行烹饪操作。