[发明专利]烹制搭配方法、烹饪传菜装置、和菜品品鉴装置

权利要求书

1.一种基于深度学习的烹制搭配方法，其特征在于，包括

步骤1，根据菜谱系Me提取佐料系Co、材质系Tm、油料系Oi、配料系Mi、味道系Ta、菜品熟度系Dd的基本属性，并用本体O(C,AC,R,AR,HC,X,Index,TC)进行描述和定义，使各菜谱的基本属性具有语义；其中，C表示特征的概念集，AC表示概念的属性集，R表示概念属性间的关系集，AR表示每个关系的属性集，HC表示概念的层次集，X表示语义推理的公理集X＝I,App(Class,Al,Cl,P)；Index表示特征系的索引，用于鉴别各特征间的概念集CIndex，TC表示概念的分类集；在X中，I表示语义推理公理的解释集，I＝{ΔI,ΔD,·I}，其中，ΔI表示特征的非空集合个体，ΔD是一个非空集合量化数据值，·I是用于特征学习的解释函数或推理函数，App(Class,Al,Cl,P)是本体描述的表示方法，其中，Class是推理实现的类、Al是推理实现的公理、Cl是推理实现的约束、P是推理实现的属性；

步骤2，用本体O中的R与Index,TC构造菜谱语义关系网，实现各特征概念集之间关联；

步骤3，根据菜谱特征的语义网，用X实现语义网推理，完成特征库

LK中各项特征语义化关联，构造基于本体的语义烹饪特征库LKK，描述为：LK:O→LKK；其中，特征库LK由菜谱系Me、佐料系Co、材质系Tm、油料系Oi、配料系Mi、味道系Ta、菜品熟度系Dd构成；

步骤4，根据语义烹饪特征库LKK构造样本库SKK，为基于深度学习烹饪搭配提供知识发现和不同菜品的特征提取，描述为：LK:LKK→SKK；其中，样本库SKK就是以菜谱系为基础制定多个样本，形成样品库，每一道菜具有不同的味道，就要根据不同的口味设置多个样本库；

步骤5，以所构建的菜品的样本库和特征库为深度学习的基础库SKK，用基于深度学习的方法提取烹饪所需的特征，实现新的菜品配制方案；

所述步骤5包括：步骤51，在云计算环境下，以LK、SKK为基础，建立多层深度神经网络模型DNNM，并根据SKK特征提取要求，在DNNM中引入卷积层和池化层，以消减LK中涉及到图像的学习过程中拟合现象；步骤52，基于模糊系统FS的过拟合模型来处理神经网络模型的权重递减过程中过拟合现象；

步骤52包括：步骤521，建立基于粒子群化优化PSO的梯度下降全局优化模型和算法，保障DNNM学习过程中的梯度能达到一个全局优化能力；步骤522，根据SKK和用户需要确定输入量及个数，并支持输入量以矩阵方式进入到神经模型中，并按FS的要求处理其模糊输入量；步骤523，根据菜谱进行烹制菜品的自动搭配。

2.一种自动烹饪传菜装置，其特征在于，包括：

智能机械手臂，用于根据利用权利要求1所述的基于深度学习的烹制搭配方法获取的菜品配制方案抓获佐料、材质、油料和配料等，并启动烹饪装置进行菜品烹制；

控制器，用于基于微分系统Diff的控制程序控制菜品烹饪，并完成与烹饪装置Cook、传送装置Tran、环境感知装置Enav、照明装置Ligh、烟雾排放装置Smok之间通信；

烹饪装置，用于烹制菜品，其中安装有温控传感器、燃料控制传感器、开关传感器和燃料自主切断传感器；

传菜装置，用于将需要烹饪的材料传送到烹制操作间以便于机械手臂便于操作，并将烹制好菜品传给送菜机器人；

环境感知装置，用于感知烹制操作间的环境，包括湿度、湿度和异常味道检测等传感器，并控制器连接且进行控制；

照明装置，用于控制烹制操作间的照明，与控制器连接，实现烹制操作间整体照明控制；

烟雾排放装置，用于将菜品烹制过程所生成的各类油烟雾排放出操作间。

3.根据权利要求2所述的自动烹饪传菜装置，其特征在于，所述开关传感器由机械手臂操作、也可以由控制器自主控制启动，自主切断传感器用于当烹饪操作间有异常后自主切断燃料或电源。

4.根据权利要求2所述的自动烹饪传菜装置，其特征在于，油烟雾感知开关装置根据烹制操作间油烟雾强度大小，启动不同的档位，保障操作间干净。

5.一种基于终端触摸的控制操作平台，其特征在于，包括：

智能烹饪操作台，用于烹饪师管控烹制房，实现安全稳定自动化烹饪；

触摸显示屏，与操作台直接相连通信，用于可视化管理烹饪房的烹饪操作；

计算装置，用于与显示屏通信，并用于按理智能烹饪操作台和计算权利要求1所述的基于深度学习的烹制搭配方法、处理基于语义识别的烹饪特征库与样本库；

信息管理平台，用于管理智能烹饪系统所有数据，为基于云计算的烹饪大数据信息平台。