[发明专利]烹饪器具、烹饪方法和计算机可读存储介质

说明书

本发明提供了一种烹饪器具、烹饪方法和计算机可读存储介质，其中，烹饪器具包括：容纳部，用于盛放物料；刻度标识，设于容纳部的内侧壁；图像采集组件，设于刻度标识对侧的内侧壁，用于采集刻度标识的图像；烹饪控制组件，连接至图像采集组件，用于根据第一预测模型对刻度标识的图像进行分析并确定物料的存放量，以及根据存放量确定物料对应的预设烹饪参数，其中，第一预测模型为通过机器学习训练历史存放量记录得到的预测模型结果。通过本发明的技术方案，有利于进一步优化烹饪过程，减少用户在烹饪过程中的操作步骤和等待时间，同时，提升了烹饪食材的食用口感。

技术领域

本发明涉及烹饪技术领域，具体而言，涉及一种烹饪器具、一种烹饪方法和一种计算机可读存储介质。

背景技术

随着物联网技术的发展，烹饪器具作为最主要的智能家电之一，被开发出多种智能烹饪方案。

所谓智能烹饪方案通常为烹饪器具将待烹饪的物料的图像上传至服务器，以供服务器通过图像匹配确定上述物料对应的烹饪参数，但是，在服务器无法与烹饪器具进行数据交互，或网络通信质量差，或网络时间延迟大等情况发生时，烹饪器具无法及时调整烹饪参数，甚至无法实现自动烹饪过程，这均会严重影响用户的烹饪体验。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提供一种烹饪器具。

本发明的另一个目的在于提供一种烹饪方法。

本发明的另一个目的在于提供一种计算机可读存储介质。

为了实现上述目的，根据本发明的第一方面的实施例，提供了一种烹饪器具，包括：容纳部，用于盛放物料；刻度标识，设于容纳部的内侧壁；图像采集组件，设于刻度标识对侧的内侧壁，用于采集刻度标识的图像；烹饪控制组件，连接至图像采集组件，用于根据第一预测模型对刻度标识的图像进行分析并确定物料的存放量，以及根据存放量确定物料对应的预设烹饪参数，其中，第一预测模型为通过机器学习训练历史存放量记录得到的预测模型结果。

在该技术方案中，通过在容纳部内侧相配适地设置刻度标识和图像采集组件，进而通过第一预测模型对刻度标识的图像的分析来确定物料的存放量，并继续确定对应的预设烹饪参数，实现了本地的图像分析，克服了网络通信质量对烹饪过程的限制，降低了网络时间延迟对烹饪过程的影响。

另外，由于第一预测模型是通过机器学习训练历史存放量记录得到的，其实质是本地存储的大量的历史样本数据来训练第一预测模型，进而保证第一预测模型具备较准确的预测性能，因此，第一预测模型具备较高的可靠性和准确性，同时，也不需要与服务器进行远程交互才能确定物料的烹饪参数。

优选地，第一预测模型可以采用神经网络模型，第一预测模式可以按照预设周期进行循环式的机器学习，或在检测到历史存放量记录发生更新时进行机器学习。

其中，刻度标识可以包括沿铅垂线纵向分布的多个数字形状的标识刻度，图像采集装置采集的图像可以是红外图像或可见光图像，均能够用于第一预测模型的图像分析过程，为了进一步地增强模型预测的准确性，对采集的图像可以进行图像预处理，例如，图像增强处理和二值化运算处理等。

在上述任一技术方案中，优选地，图像采集组件还用于：采集物料的图像；烹饪控制组件还用于：根据第二预测模型对物料的图像进行分析，以确定物料的属性信息，并根据属性信息调整预设烹饪参数，其中，第二预测模型为通过机器学习训练历史属性信息得到的预测模型结果，属性信息包括物料的类型、物料的品质和物料的分布区域中的至少一种。

在该技术方案中，通过采集物料的图像，并且通过第二预测模型对物料的图像进行分析以确定物料的属性信息，有利于进一步地优化烹饪过程，例如，在检测到物料为大米、丝苗米、豆类或面食时，分别调整至物料种类对应的烹饪进程，在尽可能地提高烹饪效率的同时，尽量减少溢出发生。