[发明专利]食物烘焙方法及装置、存储介质及电子装置

说明书

本发明提供了一种食物烘焙方法及装置、存储介质及电子装置，其中，上述食物烘焙方法包括：指示烘焙设备对目标食物进行烘焙操作，并通过所述烘焙设备内置的图像采集装置获取目标食物的烘焙图片；从所述烘焙图片中分别提取所述目标食物的颜色特征、体积特征和卷积神经网络特征，其中，所述卷积神经网络特征用于指示所述目标食物与所述烘焙图片的对应关系；对所述颜色特征、所述体积特征和所述卷积神经网络特征中的一个或多个特征进行特征融合运算，得到所述目标食物的融合特征；在所述融合特征符合预设条件的情况下，指示所述烘焙设备停止烘焙操作。

技术领域

本发明涉及通信领域，具体而言，涉及一种食物烘焙方法及装置、存储介质及电子装置。

背景技术

随着科学技术的进步和人工智能的发展，智能算法也越来越多的应用到日常生活中，特别是对于烤箱等烘焙设备而言。作为使用频率较高的日常家电之一，烤箱等烘焙设备的智能化发展是至关重要的，而烘焙设备的智能化的最关键问题，在于对烘焙食材生熟程度的识别及自动停止烘焙。现有烘焙设备中已经安装有摄像头，具有自动生成烘焙视频的功能，可以利用现有摄像头拍摄的食材烘焙图像，间隔一定时间抓取一张图片，对这张图片进行识别，从而判断食材的生熟状态。但是，上述技术仅仅是基于深度学习的神经网络特征来判断食材生熟，有时判断结果并不准确，因为食材生熟还要考虑食材的颜色和体积大小。

针对相关技术中，烘焙设备通过智能算法判断食材生熟，判断结果不准确，进而导致无法准确判断停止烘焙操作的时间的问题，尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种食物烘焙方法及装置、存储介质及电子装置，以解决相关技术中，烘焙设备通过智能算法判断食材生熟，判断结果不准确，进而导致无法准确判断停止烘焙操作的时间的问题。

根据本发明的一个实施例，提供了一种食物烘焙方法，包括：指示烘焙设备对目标食物进行烘焙操作，并通过所述烘焙设备内置的图像采集装置获取目标食物的烘焙图片；从所述烘焙图片中分别提取所述目标食物的颜色特征、体积特征和卷积神经网络特征，其中，所述卷积神经网络特征用于指示所述目标食物与所述烘焙图片的对应关系；对所述颜色特征、所述体积特征和所述卷积神经网络特征中的一个或多个特征进行特征融合运算，得到所述目标食物的融合特征；在所述融合特征符合预设条件的情况下，指示所述烘焙设备停止烘焙操作。

进一步地，提取所述目标食物的颜色特征，包括：将所述烘焙图片转换为YUV图像，并从所述YUV图像中分别获取所述目标食物的明亮度、色彩值和饱和度；根据所述目标食物的明亮度、色彩值和饱和度中的一个或多个图像信息确定所述目标食物的颜色特征。

进一步地，根据所述目标食物的明亮度、色彩值和饱和度中的一个或多个图像信息确定所述目标食物的颜色特征，包括：根据以下公式确定所述目标食物的颜色特征F1＝Y+U-V，其中，F1为所述颜色特征，Y为所述明亮度，U为所述色彩值，V为所述饱和度。

进一步地，提取所述目标食物的体积特征，包括：通过边缘检测算法分别计算所述目标食物在当前时刻的烘焙图片的第一边缘特征图和所述目标食物在所述当前时刻的上N个时刻的烘焙图片的第二边缘特征图，其中，N为正整数；根据所述第一边缘特征图和所述第二边缘特征图确定所述体积特征。

进一步地，提取所述目标食物的卷积神经网络特征，包括：对所述烘焙图片进行多层卷积运算处理，得到卷积特征图；对所述卷积特征图进行欠采样处理，得到所述卷积神经网络特征。

进一步地，对所述颜色特征、所述体积特征和所述卷积神经网络特征中的一个或多个特征进行特征融合运算，得到所述目标食物的融合特征，包括：根据以下公式确定所述目标食物的融合特征：F＝a×F1+b×F2+c×F3，其中，F为所述融合特征，F1为所述颜色特征，F2为所述体积特征，F3为所述卷积神经网络特征，a、b和c分别是所述颜色特征、所述体积特征和所述卷积神经网络特征对应的权重系数。