基于人工智能的油烟机风量控制方法、系统、设备

技术领域

本发明涉及油烟机领域，具体涉及一种基于人工智能的油烟机风量控制方法。

背景技术

传统油烟机使用过程中，需要用户自己根据油烟大小手动调整油烟机风量，但人工调整的不及时会导致用户吸入过量油烟，长此以往会影响用户的健康。

现有技术中的智能油烟机会根据烹饪温度曲线的幅度变化，推算烹饪行为，捕捉炉灶区温度骤变的瞬间，实现油烟预判，从而提前将油烟机的进风量调至合适档位，提前对油烟进行拢吸；还存在采用油烟识别模型的油烟机，其实时对油烟图像进行采集及检测，并判断油烟大小，根据油烟大小对油烟机的风量进行控制；但根据烹饪温度曲线推算烹饪行为，进而预测油烟机进风量的技术方案不够成熟，导致预测不准确，而基于油烟识别的风量控制，由于是油烟出现后才能检测到，所以从油烟升起到风量调节到合适的大小之间，存在一定的延时。

发明内容

为解决上述技术问题，本发明提供一种基于人工智能的油烟机风量控制方法。

为解决上述技术问题，本发明采用如下技术方案：

一种基于人工智能的油烟机风量控制方法，包括以下步骤：

步骤一：对已采集的烹饪图像进行烹饪行为分类标注得到烹饪行为数据集，对已采集的烹饪图像进行油烟量标注得到油烟检测数据集；

步骤二：通过将烹饪行为数据集输入到人工智能模型中训练得到分类模型，通过将油烟检测数据集输入到人工智能模型中训练得到检测模型；

步骤三：通过分类模型对实时的烹饪行为进行分类，得到烹饪行为结果a；再使用检测模型对烹饪时的油烟进行识别，得到实时油烟量；

步骤四：通过烹饪时的烹饪锅体温度变化判断烹饪行为结果b，根据a与b的关系确定实际烹饪行为c；

步骤五：根据实际烹饪行为c、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量。

具体地，步骤四中，通过烹饪行为结果a与烹饪行为结果b的关系确定实际烹饪行为c时，

其中max

具体地，步骤一中，对已采集的烹饪图像进行烹饪行为进行标注时，所述烹饪行为包括煎、炸、炒、煮、炖；对已采集的烹饪图像进行油烟量标注时，根据人工对图片进行分析，划分出无油烟、小烟、中烟以及大烟的样例，后续进行标注时参照样例进行标注。

具体地，步骤四中通过烹饪时的烹饪锅体温度变化判断烹饪行为结果b时，烹饪锅体温度变化第一阈值为temp

具体地，步骤五中根据实际烹饪行为、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量时，若实际烹饪行为是炒、在油烟检测过程中烹饪锅体温度变化量大于temp

具体地，步骤五中根据实际烹饪行为、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量时，若实际烹饪行为是炖或者煮、在油烟检测过程中烹饪锅体温度变化量大于temp

一种基于人工智能的油烟机风量控制系统，包括：

标注模块，其对已采集的烹饪图像进行烹饪行为分类标注得到烹饪行为数据集，对已采集的烹饪图像进行油烟量标注得到油烟检测数据集；

模型生成模块，其通过将烹饪行为数据集输入到人工智能模型中训练得到分类模型，通过将油烟检测数据集输入到人工智能模型中训练得到检测模型；

识别模块，其通过分类模型对实时的烹饪行为进行分类，得到烹饪行为结果a；再使用检测模型对烹饪时的油烟进行识别，得到实时油烟量；

烹饪行为确定模块，通过烹饪时的烹饪锅体温度变化判断烹饪行为结果b，根据a与b的关系确定实际烹饪行为c；

进风量调整模块，根据实际烹饪行为c、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量。

一种计算机设备，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计算机程序，所述处理器执行所述计算机程序时实现所述的油烟机风量控制方法。

与现有技术相比，本发明的有益技术效果是：

本发明结合温度和图像两种数据源，减少单一数据源导致的误判及延迟判断，从而合理的调节烟机风量，对油烟进行吸收。

附图说明

图1为本发明风量控制方法的流程图。

具体实施方式

下面结合附图对本发明的一种优选实施方式作详细的说明。

如图1所示，一种基于人工智能的油烟机风量控制方法，包括以下步骤：

S1：对已采集的烹饪图像进行烹饪行为分类标注得到烹饪行为数据集，对已采集的烹饪图像进行油烟量标注得到油烟检测数据集。

具体地，步骤一中，对已采集的烹饪图像进行烹饪行为进行标注时，所述烹饪行为包括煎、炸、炒、煮、炖；对已采集的烹饪图像进行油烟量标注时，根据人工对图片进行分析，划分出无油烟、小烟、中烟以及大烟的样例，后续进行标注时参照样例进行标注。

实现采集烹饪图像，对烹饪图像中对应的烹饪行为进行标注，对烹饪图像对应的油烟量进行标注，以便人工智能模型能够实时检测烹饪过程，并输出对应烹饪行为结果以及实时油烟量。

S2：通过将烹饪行为数据集输入到人工智能模型中训练得到分类模型，通过将油烟检测数据集输入到人工智能模型中训练得到检测模型。

具体地，步骤二中，所述人工智能模型为Faster RCNN、YOLO v3、SSD中的任意一种。

Faster RCNN、YOLO v3、SSD为常用的人工智能模型，其经过数据集进行训练后可以得到分类检测模型。

S3：通过分类模型对实时的烹饪行为进行分类，得到烹饪行为结果a；再使用检测模型对烹饪时的油烟进行识别，得到实时油烟量。

S4：通过烹饪时的烹饪锅体温度变化判断烹饪行为结果b，根据a与b的关系确定实际烹饪行为c。

具体地，步骤四中，通过烹饪行为结果a与烹饪行为结果b的关系确定实际烹饪行为c时，

其中max

本发明通过两种数据源对烹饪行为结果进行确认，两种数据源分别为图像数据源以及温度数据源，本发明将两种数据源中烹饪锅体温度变化最大的一个作为最终结果，烹饪锅体温度变化最大的烹饪行为也是产生最大油烟的烹饪行为，这样保证油烟能够完全吸收，减少单一数据源导致的误判；即使没有油烟产生时，也可以先根据温度数据先行判断油烟机的进风量，避免油烟机延迟启动给用户身体产生损害。

具体地，步骤四中通过烹饪时的烹饪锅体温度变化判断烹饪行为结果b时，烹饪锅体温度变化第一阈值为temp

S5：根据实际烹饪行为c、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量。

具体地，步骤五中根据实际烹饪行为、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量时，若实际烹饪行为是炒、在油烟检测过程中烹饪锅体温度变化量大于temp

具体地，步骤五中根据实际烹饪行为、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量时，若实际烹饪行为是炖或者煮、在油烟检测过程中烹饪锅体温度变化量大于temp

本发明中，所述检测模型以等时间间隔对油烟量进行检测，对油烟检测的同时会测量该期间内的烹饪锅体温度变化量。

如果实际烹饪行为时煎，实际油烟量为小烟，此时进风量调整至最低档位。

其中最大档位、中间档位、最小档位可以根据需要、根据试验或者根据经验进行划分，或者均等划分。

一种基于人工智能的油烟机风量控制系统，包括：

标注模块，其对已采集的烹饪图像进行烹饪行为分类标注得到烹饪行为数据集，对已采集的烹饪图像进行油烟量标注得到油烟检测数据集；

模型生成模块，其通过将烹饪行为数据集输入到人工智能模型中训练得到分类模型，通过将油烟检测数据集输入到人工智能模型中训练得到检测模型；

识别模块，其通过分类模型对实时的烹饪行为进行分类，得到烹饪行为结果a；再使用检测模型对烹饪时的油烟进行识别，得到实时油烟量；

烹饪行为确定模块，通过烹饪时的烹饪锅体温度变化判断烹饪行为结果b，根据a与b的关系确定实际烹饪行为c；

进风量调整模块，根据实际烹饪行为c、实时油烟量以及烹饪锅体温度变化确定油烟机的进风量。

一种计算机设备，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计算机程序，所述处理器执行所述计算机程序时实现所述的油烟机风量控制方法。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立技术方案，说明书的这种叙述方式仅仅是为了清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。