油烟浓度的识别方法、系统、电子设备和存储介质

技术领域

本发明涉及油烟检测技术领域，特别涉及一种油烟浓度的识别方法、系统、电子设备和存储介质。

背景技术

厨房是每个家庭每天进行烹饪处理的必要场景，厨房油烟处理的效果直接影响到了家庭成员的身体健康及生活品质。传统的油烟浓度检测的方法主要是红外反射法和物理颗粒物检测方法来检测油烟浓度的大小。其中，红外反射法主要是设备的发射端发射红外光，接收端接收到红外光的强度大小来判断当前的油烟的浓度大小，该方式对装置的安装位置准确性有极大的要求，且安装位置需要保证没有相关干扰物对红外光进行干扰才能保证的检测精度；而物理颗粒物检测方法主要是通过传感器检测空气中颗粒物的多少来判断当前油烟浓度的大小，该方案通过将传感器安装在油烟产生并排出的路径之间，当油烟颗粒物与传感器接触时才会真正的产生相应的响应，从而使得响应速度大大滞后，达不到实时检测的要求。

发明内容

本发明要解决的技术问题是为了克服现有技术中油烟浓度识别方式存在识别准确度不高的缺陷，目的在于提供一种油烟浓度的识别方法、系统、电子设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种油烟浓度的识别方法，所述识别方法包括：

获取烟机的挡烟板区域对应的当前帧图像；

计算得到所述当前帧图像对应的目标帧差图像；

根据所述目标帧差图像获取所述当前帧图像对应的油烟运动区域，并基于所述油烟运动区域获取当前烹饪场景下的目标油烟浓度；

其中，所述油烟运动区域为所述挡烟板区域中的油烟分布区域。

较佳地，当所述烟机的主体结构上且位于挡烟板周围设置有图像采集设备，所述获取烟机的挡烟板区域对应的当前帧图像的步骤包括：

采用所述图像采集设备获取所述挡烟板所在区域对应的初始场景帧图像；

识别出所述初始场景帧图像中的所述挡烟板区域，以获取所述挡烟板区域对应的所述当前帧图像。

较佳地，所述计算得到所述当前帧图像对应的目标帧差图像的步骤包括：

获取所述挡烟板区域对应的背景帧图像；

对所述当前帧图像与所述背景帧图像进行帧差处理以获取所述目标帧差图像。

较佳地，所述获取所述挡烟板区域对应的背景帧图像的步骤包括：

获取在历史设定时间段内挡烟板所在区域对应的历史场景帧图像；

识别出所述历史场景帧图像中所述挡烟板区域对应的历史帧图像；

对所述历史帧图像进行灰度变换处理，对灰度变换处理后的后一帧的历史帧图像与前一帧的历史帧图像进行帧差处理以得到第一帧差图像；

当所述第一帧差图像满足预设条件时，则将后一帧的历史帧图像作为所述挡烟板区域对应的所述背景帧图像。

较佳地，所述当所述第一帧差图像满足预设条件时，则将后一帧的历史帧图像作为所述挡烟板区域对应的所述背景帧图像的步骤包括：

获取所述第一帧差图像中白色像素点的数量与总像素点的数量之间的第一占比；

当所述第一占比小于设定阈值且持续设定时长时，则将后一帧的历史帧图像作为所述挡烟板区域对应的所述背景帧图像。

较佳地，所述计算得到所述当前帧图像对应的目标帧差图像的步骤包括：

对所述当前帧图像与前一帧图像进行帧差处理以获取所述目标帧差图像。

较佳地，所述识别方法还包括：

预设所述油烟运动区域对应的占比与油烟浓度之间的对应关系；

所述根据所述目标帧差图像获取所述当前帧图像对应的油烟运动区域，并基于所述油烟运动区域获取当前烹饪场景下的油烟浓度的步骤包括：

对所述目标帧差图像进行灰度转换处理以获取灰度图像；

对所述灰度图像进行图像二值化处理以获取二值化图像；

根据所述二值化图像中白色像素点所在区域得到所述当前帧图像对应的所述油烟运动区域；

计算所述油烟运动区域对应的白色像素点的数量与所述当前帧图像对应的总像素点数量之间的目标比值；

根据所述对应关系和所述目标比值匹配得到当前烹饪场景下的所述目标油烟浓度。

本发明还提供一种油烟浓度的识别系统，所述识别系统包括：

当前帧图像获取模块，用于获取烟机的挡烟板区域对应的当前帧图像；

目标帧差图像计算模块，用于计算得到所述当前帧图像对应的目标帧差图像；

油烟运动区域获取模块，用于根据所述目标帧差图像获取所述当前帧图像对应的油烟运动区域；其中，所述油烟运动区域为所述挡烟板区域中的油烟分布区域；

目标油烟浓度获取模块，用于基于所述油烟运动区域获取当前烹饪场景下的目标油烟浓度。

较佳地，所述烟机的主体结构上且位于挡烟板周围设置有图像采集设备；

所述当前帧图像获取模块包括：

初始图像获取单元，用于采用所述图像采集设备获取所述挡烟板所在区域对应的初始场景帧图像；

挡烟板区域识别单元，用于识别出所述初始场景帧图像中的所述挡烟板区域；

当前帧图像获取单元，用于获取所述挡烟板区域对应的所述当前帧图像。

较佳地，所述目标帧差图像计算模块包括：

背景帧图像获取单元，用于获取所述挡烟板区域对应的背景帧图像；

帧差处理单元，用于对所述当前帧图像与所述背景帧图像进行帧差处理以获取所述目标帧差图像。

较佳地，所述背景帧图像获取单元包括：

历史图像获取子单元，用于获取在历史设定时间段内挡烟板所在区域对应的历史场景帧图像；

历史图像识别子单元，用于识别出所述历史场景帧图像中所述挡烟板区域对应的历史帧图像；

第一帧差图获取子单元，用于对所述历史帧图像进行灰度变换处理，对灰度变换处理后的后一帧的历史帧图像与前一帧的历史帧图像进行帧差处理以得到第一帧差图像；

背景帧图像获取子单元，用于当所述第一帧差图像满足预设条件时，则将后一帧的历史帧图像作为所述挡烟板区域对应的所述背景帧图像。

较佳地，所述背景帧图像获取子单元用于获取所述第一帧差图像中白色像素点的数量与总像素点的数量之间的第一占比；当所述第一占比小于设定阈值且持续设定时长时，则将后一帧的历史帧图像作为所述挡烟板区域对应的所述背景帧图像。

较佳地，所述目标帧差图像计算模块用于对所述当前帧图像与前一帧图像进行帧差处理以获取所述目标帧差图像。

较佳地，所述识别系统还包括：

预设模块，用于预设所述油烟运动区域对应的占比与油烟浓度之间的对应关系；

所述油烟运动区域获取模块包括：

灰度图像获取单元，用于对所述目标帧差图像进行灰度转换处理以获取灰度图像；

二值化图像获取单元，用于对所述灰度图像进行图像二值化处理以获取二值化图像；

油烟运动区域获取单元，用于根据所述二值化图像中白色像素点所在区域得到所述当前帧图像对应的所述油烟运动区域；

所述目标油烟浓度获取模块包括：

目标比值计算单元，用于计算所述油烟运动区域对应的白色像素点的数量与所述当前帧图像对应的总像素点数量之间的目标比值；

目标油烟浓度获取单元，用于根据所述对应关系和所述目标比值匹配得到当前烹饪场景下的所述目标油烟浓度。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的油烟浓度的识别方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的油烟浓度的识别方法的步骤。

在符合本领域常识的基础上，所述各优选条件，可任意组合，即得本发明各较佳实施例。

本发明的积极进步效果在于：

(1)选取烟机的挡烟板区域作为油烟检测的识别区域，即摄像头的视角区域包含挡烟板区域，根据挡烟板区域上的油烟运动情况来判断当前烹饪场景下的油烟浓度的大小，排除了手部等其他运动信息的干扰，提高了油烟浓度的准确性；(2)不仅能够对油烟浓度进行实时的检测，而且针对传统的帧差法难以识别由于固定风量导致挡烟板部分连续稳定的油烟运动情况，采用基于背景帧的油烟运动区域检测方式，即利用当前帧图像与背景帧图像之间的帧差图像来选取油烟运动区域，达到更有效的检测出油烟运动区域的效果，进一步地提高了油烟浓度检测的准确性；(3)该油烟浓度识别方式不受检测距离的影响，在油烟产生的瞬间便可抓取到油烟的特征图像，从而大大降低了利用物理颗粒物检测的方式所存在的延时问题，达到了实时检测的目的，保证了油烟浓度检测的及时性，满足了用户更高的使用需求。

附图说明

图1为本发明烹饪场景的示意图。

图2为本发明摄像头采集的挡烟板区域的示意图。

图3为本发明实施例1的油烟浓度的识别方法的流程图。

图4为本发明实施例2的油烟浓度的识别方法的流程图。

图5为本发明实施例3的油烟浓度的识别系统的模块示意图。

图6为本发明实施例4的油烟浓度的识别系统的模块示意图。

图7为本发明实施例5的实现油烟浓度的识别方法的电子设备的结构示意图。

具体实施方式

下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。

本发明的油烟浓度识别技术可以适用于多种应用场景下的油烟浓度识别，例如厨房场景中的油烟浓度检测。

以厨房场景为例，如图1所示，a表示油烟机主体，b表示设置在油烟机上的图像采集设备(如摄像头)，用于实时采集摄像头视角范围内的场景图像；c表示设置在油烟机主体上的挡烟板；d表示灶台，e表示放置在灶台d上的锅具；f表示墙壁。如图2所示，为摄像头采集得到的挡烟板(图中梯形)所在区域的图像，该图像由挡烟板区域P1(上半部分)和烟机悬挂墙的墙壁(下半部分)组成，实际油烟检测时仅针对上板部分的挡烟板区域进行检测。

实施例1

如图3所示，本实施例的油烟浓度的识别方法包括：

S101、获取烟机的挡烟板区域对应的当前帧图像；

即采用图1中设置在烟机的主体结构上且位于挡烟板周围的图像采集设备(如摄像头)实时采集挡烟板区域对应的当前帧图像。

S102、计算得到当前帧图像对应的目标帧差图像；

S103、根据目标帧差图像获取当前帧图像对应的油烟运动区域；

其中，油烟运动区域为挡烟板区域中的油烟分布区域。

S104、基于油烟运动区域获取当前烹饪场景下的目标油烟浓度；

本实施例中，选取烟机的挡烟板区域作为油烟检测的识别区域，提出一种基于挡烟板视角下背景帧的油烟浓度检测方法，即摄像头的视角区域包含挡烟板区域，根据挡烟板区域上的油烟运动情况来判断当前烹饪场景下的油烟浓度的大小，排除了手部等其他运动信息的干扰，提高了油烟浓度的准确性；另外，该油烟浓度识别方式不受检测距离的影响，在油烟产生的瞬间便可抓取到油烟的特征图像，从而大大降低了利用物理颗粒物检测的方式所存在的延时问题，达到了实时检测的目的，保证了油烟浓度检测的及时性，满足了用户更高的使用需求。

实施例2

如图4所示，本实施例的油烟浓度的识别方法是对实施例1的进一步改进，具体地：

步骤S101包括：

S1011、采用图像采集设备获取挡烟板所在区域对应的初始场景帧图像；

S1012、识别出初始场景帧图像中的挡烟板区域，以获取挡烟板区域对应的当前帧图像。

步骤S102包括：

S1021、获取挡烟板区域对应的背景帧图像；

在一可实施例的方案中，步骤S1021包括：

获取在历史设定时间段内挡烟板所在区域对应的历史场景帧图像；

识别出历史场景帧图像中挡烟板区域对应的历史帧图像；

对历史帧图像进行灰度变换处理，对灰度变换处理后的后一帧的历史帧图像与前一帧的历史帧图像进行帧差处理以得到第一帧差图像；

当第一帧差图像满足预设条件时，则将后一帧的历史帧图像作为挡烟板区域对应的背景帧图像。

具体地，当第一帧差图像满足预设条件时，则将后一帧的历史帧图像作为挡烟板区域对应的背景帧图像的步骤包括：

获取第一帧差图像中白色像素点的数量与总像素点的数量之间的第一占比；

当第一占比小于设定阈值且持续设定时长时，则将后一帧的历史帧图像作为挡烟板区域对应的背景帧图像。

S1022、对当前帧图像与背景帧图像进行帧差处理以获取目标帧差图像。

本实施例的基于挡烟板视角下背景帧的油烟浓度检测方法，针对传统的帧差法难以识别由于固定风量导致挡烟板部分连续稳定的油烟运动情况，采用基于背景帧的油烟运动区域检测方式，即利用当前帧图像与背景帧图像之间的帧差图像来选取油烟运动区域，避免了由于因为烹饪过程中的干扰对于识别油烟运动浓度造成的影响，达到更有效的检测出油烟运动区域的效果，有效地提高了油烟浓度检测的准确性。

其中，历史设定时间段对应任意当前检测时间之前的一段时间，随着时间不断地推移，不断地及时更新烹饪区域对应的背景帧图像，保证了烹饪区域的油烟检测结果的准确性和有效性。利用帧差法进行背景帧图像的选取，进而基于背景帧图像和当前帧图像进行帧差处理以得到目标帧差图像，相较于传统的基于前后帧进行帧差计算的方式能够更有效地进行油烟检测，提高了油烟运动区域检测的准确性，进而保证了油烟浓度识别结果的准确度；特别是对于连续稳定生成的油烟情况(连续稳定烟雾的情况)，基于背景帧的运动区域检测方式能够更有效地保证了油烟运动区域检测的准确性，最大程度上识别出潜在油烟运动区域。

具体地，在某一设定时间段内，选取某一帧图像

统计帧差图像

背景帧图像是实时更新的，以保证背景帧图像与当前帧图像之间的帧差图像能够准确反映当前场景下的油烟浓度情况。

具体地，利用当前帧图像

或，步骤S102包括：

对当前帧图像与前一帧图像进行帧差处理以获取目标帧差图像。该基于相邻帧的帧差运动区域检测方式对应的检测准确度低于基于背景帧的运动区域检测方法的准确度。

步骤S103包括：

S1031、对目标帧差图像进行灰度转换处理以获取灰度图像；

其中，可以依据下述公式将原始图像转化为灰度图像，具体如下：

Gray＝0.299R+0.587G+0.114B

当然还可以根据实际情况采用其他的灰度转换公式对原始图像进行处理，在此就不再赘述。

S1032、对灰度图像进行图像二值化处理以获取二值化图像；

利用图像二值化处理以将灰度图像转化为二值化图像，具体公式如下：

式中，T为图像分割阈值，G(x

S1033、根据二值化图像中白色像素点所在区域得到当前帧图像对应的油烟运动区域；

步骤S104之前还包括：

S1040、预设油烟运动区域对应的占比与油烟浓度之间的对应关系；

步骤S104包括：

S1041、计算油烟运动区域对应的白色像素点的数量与当前帧图像对应的总像素点数量之间的目标比值；

S1042、根据对应关系和目标比值匹配得到当前烹饪场景下的目标油烟浓度。

本实施例中，选取烟机的挡烟板区域作为油烟检测的识别区域，即摄像头的视角区域包含挡烟板区域，根据挡烟板区域上的油烟运动情况来判断当前烹饪场景下的油烟浓度的大小，排除了手部等其他运动信息的干扰，提高了油烟浓度的准确性；不仅能够对油烟浓度进行实时的检测，而且针对传统的帧差法难以识别由于固定风量导致挡烟板部分连续稳定的油烟运动情况，采用基于背景帧的油烟运动区域检测方式，即利用当前帧图像与背景帧图像之间的帧差图像来选取油烟运动区域，达到更有效的检测出油烟运动区域的效果，进一步地提高了油烟浓度检测的准确性；另外，该油烟浓度识别方式不受检测距离的影响，在油烟产生的瞬间便可抓取到油烟的特征图像，从而大大降低了利用物理颗粒物检测的方式所存在的延时问题，达到了实时检测的目的，保证了油烟浓度检测的及时性，满足了用户更高的使用需求。

实施例3

如图5所示，本实施例的油烟浓度的识别系统包括当前帧图像获取模块1、目标帧差图像计算模块2、油烟运动区域获取模块3和目标油烟浓度获取模块4。

当前帧图像获取模块1用于获取烟机的挡烟板区域对应的当前帧图像；

即采用图1中设置在烟机的主体结构上且位于挡烟板周围的图像采集设备(如摄像头)实时采集挡烟板区域对应的当前帧图像。

目标帧差图像计算模块2用于计算得到当前帧图像对应的目标帧差图像；

油烟运动区域获取模块3用于根据目标帧差图像获取当前帧图像对应的油烟运动区域；其中，油烟运动区域为挡烟板区域中的油烟分布区域；

目标油烟浓度获取模块4用于基于油烟运动区域获取当前烹饪场景下的目标油烟浓度。

本实施例中，选取烟机的挡烟板区域作为油烟检测的识别区域，提出一种基于挡烟板视角下背景帧的油烟浓度检测方法，即摄像头的视角区域包含挡烟板区域，根据挡烟板区域上的油烟运动情况来判断当前烹饪场景下的油烟浓度的大小，排除了手部等其他运动信息的干扰，提高了油烟浓度的准确性；另外，该油烟浓度识别方式不受检测距离的影响，在油烟产生的瞬间便可抓取到油烟的特征图像，从而大大降低了利用物理颗粒物检测的方式所存在的延时问题，达到了实时检测的目的，保证了油烟浓度检测的及时性，满足了用户更高的使用需求。

实施例4

如图6所示，本实施例的油烟浓度的识别系统是对实施例3的进一步改进，具体地：

本实施例的当前帧图像获取模块1包括初始图像获取单元5、挡烟板区域识别单元6和当前帧图像获取单元7。

初始图像获取单元5用于采用图像采集设备获取挡烟板所在区域对应的初始场景帧图像；

挡烟板区域识别单元6用于识别出初始场景帧图像中的挡烟板区域；

当前帧图像获取单元7用于获取挡烟板区域对应的当前帧图像。

本实施例的目标帧差图像计算模块2包括背景帧图像获取单元8和帧差处理单元9。

背景帧图像获取单元8用于获取挡烟板区域对应的背景帧图像；

具体地，背景帧图像获取单元8包括历史图像获取子单元、历史图像识别子单元、第一帧差图获取子单元和背景帧图像获取子单元。

历史图像获取子单元用于获取在历史设定时间段内挡烟板所在区域对应的历史场景帧图像；

历史图像识别子单元用于识别出历史场景帧图像中挡烟板区域对应的历史帧图像；

第一帧差图获取子单元用于对历史帧图像进行灰度变换处理，对灰度变换处理后的后一帧的历史帧图像与前一帧的历史帧图像进行帧差处理以得到第一帧差图像；

背景帧图像获取子单元用于当第一帧差图像满足预设条件时，则将后一帧的历史帧图像作为挡烟板区域对应的背景帧图像。

其中，背景帧图像获取子单元用于获取第一帧差图像中白色像素点的数量与总像素点的数量之间的第一占比；当第一占比小于设定阈值且持续设定时长时，则将后一帧的历史帧图像作为挡烟板区域对应的背景帧图像。

帧差处理单元9用于对当前帧图像与背景帧图像进行帧差处理以获取目标帧差图像。

本实施例的基于挡烟板视角下背景帧的油烟浓度检测方法，针对传统的帧差法难以识别由于固定风量导致挡烟板部分连续稳定的油烟运动情况，采用基于背景帧的油烟运动区域检测方式，即利用当前帧图像与背景帧图像之间的帧差图像来选取油烟运动区域，避免了由于因为烹饪过程中的干扰对于识别油烟运动浓度造成的影响，达到更有效的检测出油烟运动区域的效果，有效地提高了油烟浓度检测的准确性。

其中，历史设定时间段对应任意当前检测时间之前的一段时间，随着时间不断地推移，不断地及时更新烹饪区域对应的背景帧图像，保证了烹饪区域的油烟检测结果的准确性和有效性。利用帧差法进行背景帧图像的选取，进而基于背景帧图像和当前帧图像进行帧差处理以得到目标帧差图像，相较于传统的基于前后帧进行帧差计算的方式能够更有效地进行油烟检测，提高了油烟运动区域检测的准确性，进而保证了油烟浓度识别结果的准确度；特别是对于连续稳定生成的油烟情况(连续稳定烟雾的情况)，基于背景帧的运动区域检测方式能够更有效地保证了油烟运动区域检测的准确性，最大程度上识别出潜在油烟运动区域。

具体地，在某一设定时间段内，选取某一帧图像

统计帧差图像

背景帧图像是实时更新的，以保证背景帧图像与当前帧图像之间的帧差图像能够准确反映当前场景下的油烟浓度情况。

具体地，利用当前帧图像

或，本实施例的目标帧差图像计算模块2用于对当前帧图像与前一帧图像进行帧差处理以获取目标帧差图像。该基于相邻帧的帧差运动区域检测方式对应的检测准确度低于基于背景帧的运动区域检测方法的准确度。

本实施例的识别系统还包括预设模块10，用于预设油烟运动区域对应的占比与油烟浓度之间的对应关系。

油烟运动区域获取模块3包括灰度图像获取单元11、二值化图像获取单元12和油烟运动区域获取单元13。

灰度图像获取单元11用于对目标帧差图像进行灰度转换处理以获取灰度图像；

其中，可以依据下述公式将原始图像转化为灰度图像，具体如下：

Gray＝0.299R+0.587G+0.114B

当然还可以根据实际情况采用其他的灰度转换公式对原始图像进行处理，在此就不再赘述。

二值化图像获取单元12用于对灰度图像进行图像二值化处理以获取二值化图像；

利用图像二值化处理以将灰度图像转化为二值化图像，具体公式如下：

式中，T为图像分割阈值，G(x

油烟运动区域获取单元13用于根据二值化图像中白色像素点所在区域得到当前帧图像对应的油烟运动区域；

目标油烟浓度获取模块4包括目标比值计算单元14和目标油烟浓度获取单元15。

目标比值计算单元14用于计算油烟运动区域对应的白色像素点的数量与当前帧图像对应的总像素点数量之间的目标比值；

目标油烟浓度获取单元15用于根据对应关系和目标比值匹配得到当前烹饪场景下的目标油烟浓度。

本实施例中，选取烟机的挡烟板区域作为油烟检测的识别区域，即摄像头的视角区域包含挡烟板区域，根据挡烟板区域上的油烟运动情况来判断当前烹饪场景下的油烟浓度的大小，排除了手部等其他运动信息的干扰，提高了油烟浓度的准确性；不仅能够对油烟浓度进行实时的检测，而且针对传统的帧差法难以识别由于固定风量导致挡烟板部分连续稳定的油烟运动情况，采用基于背景帧的油烟运动区域检测方式，即利用当前帧图像与背景帧图像之间的帧差图像来选取油烟运动区域，达到更有效的检测出油烟运动区域的效果，进一步地提高了油烟浓度检测的准确性；另外，该油烟浓度识别方式不受检测距离的影响，在油烟产生的瞬间便可抓取到油烟的特征图像，从而大大降低了利用物理颗粒物检测的方式所存在的延时问题，达到了实时检测的目的，保证了油烟浓度检测的及时性，满足了用户更高的使用需求。

实施例5

图7为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现实施例1或2中的油烟浓度的识别方法。图7显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或2中的油烟浓度的识别方法。

电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图7所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例6

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1或2中的油烟浓度的识别方法中的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1或2中的油烟浓度的识别方法中的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。