[go: up one dir, main page]

CN115046936B - 一种食用油的检测方法和装置 - Google Patents

一种食用油的检测方法和装置

Info

Publication number
CN115046936B
CN115046936B CN202210300832.XA CN202210300832A CN115046936B CN 115046936 B CN115046936 B CN 115046936B CN 202210300832 A CN202210300832 A CN 202210300832A CN 115046936 B CN115046936 B CN 115046936B
Authority
CN
China
Prior art keywords
edible oil
frying
oil
information
component value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210300832.XA
Other languages
English (en)
Other versions
CN115046936A (zh
Inventor
邓镭
李冬青
张霞
程辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Cloud Computing Ltd
Original Assignee
Alibaba Cloud Computing Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Cloud Computing Ltd filed Critical Alibaba Cloud Computing Ltd
Priority to CN202210300832.XA priority Critical patent/CN115046936B/zh
Publication of CN115046936A publication Critical patent/CN115046936A/zh
Priority to PCT/CN2023/080980 priority patent/WO2023179389A1/zh
Application granted granted Critical
Publication of CN115046936B publication Critical patent/CN115046936B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明实施例提供了一种食用油的检测方法和装置，应用于油炸装置，所述油炸装置内设置有采样装置，所述方法包括：在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；采集所述采样装置中的油样的视觉特征信息；根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。可以在食用油的使用过程中实时地对食用油进行检测，确定总极性组分值，以确定当前食用油是否安全，检测方式便捷且检测准确度高。

Description

一种食用油的检测方法和装置
技术领域
本发明涉及食品技术领域，特别是涉及一种食用油的检测方法和一种食用油的检测装置。
背景技术
总极性组分值(TPM，Total Polar Meterials)是油脂的一种评测指标，其可以用于衡量食用油中的极性组分含量。在极性组分含量过高的情况下，可以认为食用油为不安全用油，不可用于烹饪食物。
一般来说，食用油的总极性组分值的检测方式可以包括两种。一种为通过总极性组分值检测试纸进行检测。将食用油涂抹在检测试纸上10～20后，通过比较试纸颜色与标准色样卡颜色，确定食用油的总极性组分值的大致范围。另一种为采用手持的检测仪，将检测仪的探头插入食用油中，实时检测其总极性组分值。
但是，对于试纸检测方法来说，其检测结果无法实时得到。对于手持检测仪检测方法来说，其检测成本较高。此外，无论是试纸检测方法还是手持检测仪检测方法，其皆要求在热油状态(170℃左右)下，才可以获得较为准确的检测结果。并且两种检测方法通常只能实现抽检，而无法进行总极性组分值的实时检测。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种食用油的检测法和相应的一种食用油的检测装置。
为了解决上述问题，本发明实施例公开了一种食用油的检测方法，应用于油炸装置，所述油炸装置内设置有采样装置，所述方法包括：
在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
采集所述采样装置中的油样的视觉特征信息；
根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；
根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
可选地，所述根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值的步骤，包括：
在所述油样的视觉特征信息中提取颜色信息；
根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值。
可选地，所述在所述油样的视觉特征信息中提取颜色信息的步骤，包括：
在所述油样的视觉特征信息中提取基于三原色光表示的原始颜色信息；
将基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示的目标颜色信息。
可选地，所述根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值的步骤，包括：
将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述将所述油样的颜色信息、以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值的步骤，包括：
当前周期以及当前周期之前至少一个历史周期获取的油样的颜色信息以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述在所述油样的视觉特征信息中提取颜色信息的步骤，包括：
将所述视觉特征信息发送至物联网平台；
通过所述物联网平台采用高级消息队列协议将所述视觉特征信息发送至食用油检测服务器；
通过所述食用油检测服务器在所述视觉特征信息中提取颜色信息。
可选地，所述方法还包括：
将所述油炸状态信息发送至物联网平台；
通过所述物联网平台基于高级消息队列协议，将所述油炸状态信息发送至食用油检测服务器；
所述将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值的步骤，包括：
通过所述食用油检测服务器将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述方法还包括：
将至少一张所述视觉特征信息作为训练样本发送至预设的云数据中心。
本发明实施例还提供一种食用油的检测装置，应用于油炸装置，所述油炸装置内设置有采样装置，所述方法包括：
油样采集模块，用于在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
视觉特征采集模块，用于采集所述采样装置中的油样的视觉特征信息；
识别模块，用于根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；
安全确定模块，用于根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
可选地，所述识别模块包括：
颜色提取子模块，用于在所述油样的视觉特征信息中提取颜色信息；
组分识别子模块，用于根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值。
可选地，所述颜色提取子模块包括：
原始颜色识别单元，用于在所述油样的视觉特征信息中提取基于三原色光表示的原始颜色信息；
颜色转换单元，用于将基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示的目标颜色信息。
可选地，所述组分识别子模块包括：
模型识别单元，用于将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述模型识别单元包括：
模型识别子单元，用于当前周期以及当前周期之前至少一个历史周期获取的油样的颜色信息以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述颜色提取子模块包括：
平台上传单元，用于将所述视觉特征信息发送至物联网平台；
服务器发送单元，用于通过所述物联网平台采用高级消息队列协议将所述视觉特征信息发送至食用油检测服务器；
颜色识别单元，用于通过所述食用油检测服务器在所述视觉特征信息中提取颜色信息。
可选地，所述装置还包括：
第一状态上传模块，用于将所述油炸状态信息发送至物联网平台；
第二状态上传模块，用于通过所述物联网平台基于高级消息队列协议，将所述油炸状态信息发送至食用油检测服务器；
所述组分识别子模块包括：
组分识别单元，用于通过所述食用油检测服务器将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述装置还包括：
中心上传模块，用于将至少一份所述视觉特征信息作为训练样本发送至预设的云数据中心。
本发明实施例还公开了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如本发明实施例所述的一个或多个的方法。
本发明实施例还公开了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的一个或多个的方法。
本发明实施例包括以下优点：
本发明实施例提供的食用油的检测方法，在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；采集所述采样装置中的油样的视觉特征信息；根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值。从而可以在食用油的使用过程中实时地对食用油进行检测，确定总极性组分值，以确定当前食用油是否安全，检测方式便捷且检测准确度高。
附图说明
图1是本发明实施例的一种油炸装置示意图：
图2是本发明实施例的一种油炸装置内部示意图；
图3是本发明实施例的一种食用油检测方法实施例的步骤流程图；
图4是本发明实施例的一种油样与比色柱色差的示意图；
图5是本发明实施例的另一种食用油检测方法实施例的步骤流程图；
图6是本发明实施例的食用油检测模型的示意图；
图7是本发明实施例的食用油检测方法的示意图；
图8是本发明实施例的一种食用油检测装置实施例的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例通过在油炸装置中设置采样装置，使得油炸装置可以具有油样采集能力。其后，在油炸装置处于运行状态，处理油炸食物的过程中，定时通过采样装置采集油样，并采集所述采样装置中的油样的视觉特征信息。其后基于油样的视觉特征信息以及油炸状态信息识别当前食用油的总极性组分值，从而可以在油炸装置运行过程中，实时地检测油炸装置中食用油的安全程度，且检测方式便捷。
本发明实施例可以应用于油炸装置。油炸装置可以用于采用油炸、油煎、油泡等方式，采用油对食物进行处理。例如商用炸锅、家用炸锅等。油炸装置的结构可以为立方形、圆形等；油炸装置可以容纳的油量可以为1L、10L、50L、100L等，本发明对此不做限制。
在油炸装置中可以设置有采样装置，例如直管采样管、U型采样管、真空采样器等。该采样装置与油炸装置中容纳食用油的空间连通。从而在油炸过程中，油炸装置正在使用的食用油可以通过液压等方式输送至采样装置中。
作为本发明的一种具体示例，图1为本发明实施例的一种油炸装置的示意图，图2是本发明实施例的另一种油炸装置内部示意图。图1所示的油炸装置为商用油炸锅，其可以设置有容纳食用油的油缸。可以在商用油炸锅内部设置如图2所示的U形的采样管201，以在商用油炸锅运行过程中采集油样。同时，还可以面对U形的采样管201设置视觉特征提取装置202，以便后续采集视觉特征信息。
参照图3，示出了本发明实施例的一种食用油的检测方法实施例的步骤流程图，具体可以包括如下步骤：
步骤301，在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
在油炸装置处于运行状态的情况下，油炸装置可以正在使用食用油处理食物。随着时间的增加，食用油中的极性组分可以逐渐增加。为了避免使用不安全的食用油处理食物，可以采用预设周期将所述油炸装置中正在处理的食物的食用油传输至采样装置中，从而可以得到油样，以便后续进一步检测食用油是否安全。
其中，预设周期可以为2分钟、5分钟、10分钟、30分钟、1小时、2小时、6小时等，油样的量可以为1ml、10ml、50ml、100ml等，本发明对此不做限制。
食用油的总极性组分值可以与油炸过程中的油炸状态信息存在关联，为了提高计算总极性组分值的准确度，可以在采用预设周期获取油样的同时，获取油炸状态信息。
其中，油炸状态信息包括油温、食用油比重、使用时间、油炸食品类型、以及油炸食品重量中的至少一种。
具体而言，在油温越高的情况下，食用油的总极性组分值可以更高地身高。从而可以采用预设周期采集油温以便更好地确定食用油的总极性组分值。在具体实现中，可以在油炸装置中设置一温度计实时地检测油温。
食用油在使用过程中，食物中的水分可以进入食用油中，同时食用油可以在高温下发生氧化反应生成杂质，从而食用油在使用过程中，食用油的比重会逐渐增大。从而可以采用预设周期采集食用油比重以便更好地确定食用油的总极性组分值。在具体实现中，可以在油炸装置中设置一比重计实时地检测食用油的比重。
使用时间可以为食用油实际使用于油炸食物的时间。例如，若油炸装置在0～10分钟时用于油炸薯条，10～20分钟时暂停使用，20～30分钟时用于继续油炸薯条，则食用油实际上在0～10分钟、20～30分钟被使用，使用时间为20分钟。随着使用时间的增加，食用油的总极性组分值可以逐渐上升，从而可以统计食用油的使用时间，以便更好地确定食用油的总极性组分值。
油炸食品类型以及油炸食品重量可以与食用油的总极性组分值的增加速度存在关联。例如，食用油用于处理荤菜的情况下，总极性组分值的增加速度可以大于食用油用于处理蔬菜的情况。同时，食用油处理食物的份量越多，食用油的总极性组分值也可以越快增加。由此，为了更好地确定食用油的总极性组分值，还可以采集油炸食品类型以及油炸食品重量。在具体实现中，油炸食品类型以及油炸食品重量可以通过人工输入的方式获取得到。在标准化的餐饮行业中，菜品的处理流程通常是固定的，例如，肉丸子的标准处理流程为每次油炸2斤肉丸子，则可以提前将油炸食品类型以及油炸食品重量输入油炸装置中。
步骤302，采集所述采样装置中的油样的视觉特征信息；
一般来说，经验丰富的厨师可以通过观察食用油外观的变化，推测食用油是否安全，是否需要启用。
作为本发明的一种具体示例，可以采用比色柱比较油样的颜色变化。一般来说比色柱可以包括左油柱、中油柱、以及右油柱，可以在左油柱中加入接近不可使用状态的油样，在右油柱中加入处于废弃状态的油样。中间油柱用于装载需要进行比较的待测油样。可以在一油炸装置使用过程中，定时基于该比色柱进行采样，并比较不同时刻下采集的得到的油样相对于左油柱与右油柱之间的色差。色差比较结果如图4所示。可见，这种食用油使用时间的增加，基于比色柱采集得到的油样与相对于左油柱与右油柱之间的色差逐渐减小。从而可知，食用油中极性组分的含量，可以与食用油的外观存在关联。
由此，在基于采样装置检测油样的总极性组分值时，可以采集所述采样装置中的油样的视觉特征信息。具体地，所述油炸装置中可以设置有面对采样装置的视觉特征提取装置。可以通过视觉特征提取装置采集所述采样装置中的油样，获取得到视觉特征信息。
其中，所述视觉特征信息可以为与油样的外观存在关联的信息，例如，油样的形貌、油样的颜色中的至少一种信息。
视觉特征提取装置可以为用于采集油样的视觉特征信息的装置，例如相机、摄像机、红外成像设备等。在视觉特征提取装置为相机的情况下，相机具体可以为面阵相机、线阵相机等，本发明对此不做限制。
同时，为了确保信息采集过程中，不会因为外部环境的变化导致拍摄条件变化，使得视觉特征信息的效果受到多种因素影响而导致误差，可以将视觉特征提取装置以及采样装置设置于一黑盒中，确保在相同的拍摄条件下拍摄视觉特征信息，提高总极性组分值检测的准确度。
步骤303，根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；
在获取得到视觉特征信息之后，即可以根据所述视觉特征信息以及油炸状态信息，识别当前食用油的总极性组分值。
在具体实现中，可以事先采集油样在不同极性组分值下的视觉特征信息以及油炸状态信息，其后可以采用多种不同的方式确定当前食用油的总极性组分值。例如，可以建立油样外观与极性组分值之间的对应关系，其后可以根据当前食用油的视觉特征信息确定当前油样的外观，并根据当前食用油的油炸状态信息确定当前油样的状态。其后，可以基于油样的视觉特征信息以及油炸状态信息相对于极性组分值之间的对应关系，确定当前油样对应的极性组分值，从而得知当前食用油的总极性组分值。又例如，可以采用事先采集油样在不同极性组分值下的视觉特征信息以及油炸状态信息训练一模型，其后可以将视觉特征信息以及油炸状态信息输入模型中，得到模型输出的总极性组分值。
步骤304，根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
在确定当前食用油的总极性组分值之后，即可根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。一般来说，在总极性组分值大于27的情况下，即可以认为食用油为不可使用的食用油，食用油的安全程度极低。此外，还可以根据实际需要，在不大于27的范围内划分至少一种区间，以进一步划分当前食用油的安全程度。例如，可以将0～10划分为高安全程度区间，将11～18划分为中等安全程度区间，将18～27划分为需要警戒的低安全程度区间，本发明对此不做限制。
本发明实施例提供的食用油的检测方法，在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样，以在食用油使用过程中实时地进行采样；采集所述采样装置中的油样的视觉特征信息；根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。从而可以在食用油的使用过程中实时地对食用油进行检测，确定总极性组分值，以确定当前食用油是否安全，检测方式便捷且检测准确度高。
参照图5，示出了本发明实施例的一种食用油的检测方法实施例的步骤流程图，具体可以包括如下步骤：
步骤501，在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
在油炸装置处于运行状态的情况下，油炸装置可以正在使用食用油处理食物。随着时间的增加，食用油中的极性组分可以逐渐增加。为了避免使用不安全的食用油处理食物，可以采用预设周期将所述油炸装置中正在处理的食物的食用油传输至采样装置中，从而可以得到油样，以便后续进一步检测食用油是否安全。
其中，预设周期可以为2分钟、5分钟、10分钟、50分钟、1小时、2小时、6小时等，油样的量可以为1ml、10ml、50ml、100ml等，本发明对此不做限制。
食用油的总极性组分值可以与油炸过程中的油炸状态信息存在关联，为了提高计算总极性组分值的准确度，可以在采用预设周期获取油样的同时，获取油炸状态信息。
其中，油炸状态信息包括油温、食用油比重、使用时间、油炸食品类型、以及油炸食品重量中的至少一种。
步骤502，采集所述采样装置中的油样的视觉特征信息；
一般来说，经验丰富的厨师可以通过观察食用油外观的变化，推测食用油是否安全，是否需要启用。
由此，在基于采样装置检测油样的总极性组分值时，可以采集所述采样装置中的油样的视觉特征信息。其中，所述视觉特征信息可以为与油样的外观存在关联的信息。
作为本发明的一种具体示例，所述油炸装置中可以设置有面对采样装置的相机。可以通过相机拍摄所述采样装置中的油样，获取得到油样的照片作为视觉特征信息。同时，为了确保图像拍摄过程中，不会因为外部环境的变化导致拍摄条件变化，使得拍摄效果受到多种因素影响而导致误差，可以将相机以及采样装置设置于一黑盒中，确保在相同的拍摄条件下拍摄油样的照片，提高总极性组分值检测的准确度。
步骤503，在所述油样的视觉特征信息中提取颜色信息；
一般来说，经验丰富的厨师可以通过观察食用油颜色的变化，推测食用油是否安全，是否需要启用。由此，在获取得到视觉特征信息之后，可以进一步在油样的视觉特征信息中提取颜色信息，以基于油样的颜色信息，确定油样的安全程度。
在具体实现中，视觉特征提取装置获取得到的视觉特征信息，可以至少包含颜色信息，还可以包含油样的形貌等信息。在视觉特征信息只包含颜色信息的情况，可以将视觉特征信息作为颜色信息。从而在视觉特征信息还包含颜色信息之外的其他信息的情况下，可以在油样的视觉特征信息中提取颜色信息。
例如，在采用相机拍摄油样的图片的情况下，油样的图片中除了颜色信息，还可以包含油样的形貌信息。此时可以进一步对油样的图片进行处理，提取出其中油样的颜色信息。
在本发明的一种实施例中，所述在所述油样的视觉特征信息中提取颜色信息的步骤，包括：
S11，在所述油样的视觉特征信息中提取基于三原色光表示的原始颜色信息；
一般来说，颜色信息通常可以采用三原色光(RGB)进行表示，其可以分为三个颜色通道，分别为红色、绿色、蓝色。每一颜色通道的取值范围为0到255。通过三个不同颜色通道的不同取值，将三种颜色通道不同亮度的颜色分量混合到一起，形成最终展示的颜色。绝大多数的系统采用三原色光表示颜色，由此，在油样的视觉特征信息中可以提取得到基于三原色光表示的原始颜色信息。
S12，将基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示的目标颜色信息。
由于基于三原色光表示颜色的情况下，三种颜色通道的颜色分量存在一定的关联性，单个颜色通道的变化，可以导致最终展示的颜色的色调、饱和度和亮度同时发生变化。基于三原色光表示颜色无法直观地度量色调、饱和度和亮度。而实际上对于厨师来说，其判断食用油的是否安全，是基于食用油的色调、饱和度和亮度综合确定的。由此，为了可以基于油样的颜色信息更好地确定油样的总极性组分值，可以将基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示(Lab)的目标颜色信息。目标颜色信息可以用于表示人眼所能感受到的所有颜色，更加接近人眼的真实感知。同时由于其采用明度通道(L)、红绿通道(a)、黄蓝通道(b)表示颜色，将明度与颜色区分，可以更好地采用基于亮度以及色彩表示的目标颜色信息分析颜色之间的相似度。
在具体实现中，基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示的目标颜色信息可以采用如下计算公式实现：
a＝500[f(X/0.950456)-f(Y/1.0)]
b＝200[f(Y/1.0)-f(Z/1.088754)]
其中，
其中，R为原始颜色信息中的红色通道的数值，G为原始颜色信息中的绿色通道的数值，B为原始颜色信息中的蓝色通道的数值。L为目标颜色信息中的明度值，a为目标颜色信息中红绿通道的数值，b为目标颜色信息中黄蓝通道的数值。
在本发明的一种实施例中，所述在所述油样的视觉特征信息中提取颜色信息的步骤，包括：
S21，将所述视觉特征信息发送至物联网平台；
为了提高数据传输的效率以及数据传输的安全，油炸装置可以通过物联网平台将采集到的视觉特征信息进行上传，以便后续确定食用油的总极性组分值。
具体而言，物联网平台可以用于管理海量设备，并提供多种网络接入方案，便于不同类型的物联网设备接入网络。同时其还可以提供身份验证、通信管理等功能，确保接入的物联网设备的安全。
油炸装置可以将视觉特征信息通过消息队列遥测传输协议(Message QueuingTelemetry Transport，MQTT)上传物联网平台。消息队列遥测传输协议可在不可靠的网络环境中进行扩展，适用于设备硬件存储空间或网络带宽有限的场景，以便油炸装置可以带宽有限的情况下完成数据的传输。
S22，通过所述物联网平台采用高级消息队列协议将所述视觉特征信息发送至食用油检测服务器；
具体而言，物联网平台获取得到视觉特征信息之后，由于食用油的总极性组分值需要较高的实时性，且需要传输的数据量较小，可以采用高级消息队列协议(AdvancedMessage Queuing Protocol，AMQP)，采用订阅的形式将所述视觉特征信息高效推送至至食用油检测服务器，实现低数据量消息的高效传输。
S23，通过所述食用油检测服务器在所述视觉特征信息中提取颜色信息。
食用油检测服务器在获取得到视觉特征信息之后，即可以从所述视觉特征信息提取得到油样的颜色信息，以便后续进一步确定食用油的总极性组分值。
步骤504，根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值；
具体而言，可以同时根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值。从而可以综合多种与总极性组分值变化存在关联的因素确定食用油的总极性组分值，在确保食用油的总极性组分值的高效检测的同时，进一步提高食用油的总极性组分值的检测准确度。
在本发明的一种实施例中，所述根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值的步骤，包括：
S31，将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
在具体实现中，可以采用一预先训练完成的食用油检测模型对当前食用油的总极性组分值进行检测。由此，可以将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
其中，所述食用油检测模型可以为K-近邻算法模型、感知机模型、循环神经网络(Recurrent neural network，RNN)模型、长短期记忆(Long Short-Term Memory，LSTM)模型等，本发明对此不做限制。
在具体实现中，可以预先采集至少一组油样的颜色信息以及所述油炸状态信息，并确定该油样的总极性组分值，作为训练样本，对预设的待训练模型进行训练，得到食用油检测模型。
在本发明的一种实施例中，所述将所述油样的颜色信息、以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值的步骤，包括：
S41，当前周期以及当前周期之前至少一个历史周期获取的油样的颜色信息以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
具体而言，由于食用油的总极性组分值在食用油的使用过程中是连续变化的。由此，食用油检测模型可以在基于当前周期获取得到的颜色信息以及油炸状态信息的基础上，进一步基于当前周期之前至少一个历史周期获取得到的颜色信息以及油炸状态信息确定当前食用油的总极性组分值，以更加准确地确定食用油的总极性组分值。
具体而言，食用油检测模型可以具有多种时间步，从而食用油检测模型可以记录有当前周期输入的颜色信息以及油炸状态信息，以及至少一种历史周期输入的颜色信息以及油炸状态信息。食用油检测模型可以每次皆可以基于当前周期以及当前周期之前至少一个历史周期输入的油样的颜色信息以及油炸状态信息
作为本发明的一种具体示例，图6是本发明实施例的食用油检测模型的示意图。食用油检测模型可以为具有6个时间步的长短期记忆(Long Short-Term Memory，LSTM)模型。
Xt＝[Lab值，温度，比重，油炸的食品类型和重量，实际油炸的时间]t
例如，可以以10分钟作为一周期获取颜色信息以及油炸状态信息。Xt为当前时刻获取的颜色信息以及油炸状态信息，Xt-6为Xt前60分钟获取的颜色信息以及油炸状态信息。食用油检测模型可以每次基于当前周期以及当前周期之前6个历史周期获取的油样的颜色信息以及油炸状态信息确定食用油的总极性组分值。
在本发明的一种实施例中，所述方法还包括：
S51，将所述油炸状态信息发送至物联网平台；
为了提高数据传输的效率以及数据传输的安全，油炸装置可以通过物联网平台将采集到的油炸状态信息进行上传，以便后续确定食用油的总极性组分值。
S52，通过所述物联网平台基于高级消息队列协议，将所述油炸状态信息发送至食用油检测服务器；
具体而言，物联网平台获取得到油炸状态信息之后，由于食用油的总极性组分值需要较高的实时性，且需要传输的数据量较小，可以采用高级消息队列协议(AdvancedMessage Queuing Protocol，AMQP)，采用订阅的形式将油炸状态信息高效推送至至食用油检测服务器，实现低数据量消息的高效传输。
在本发明的一种实施例中，所述将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值的步骤，包括：
S61，通过所述食用油检测服务器将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
具体而言，食用油检测模型可以部署于食用油检测服务器中，食用油检测服务器获取得到物联网平台推送的油样的颜色信息、以及所述油炸状态信息之后，即可以将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。其后，可以采用高级消息队列协议，将当前食用油的总极性组分值回传至物联网平台，并通过物联网平台发送至油炸装置，使油炸装置可以获取得到当前食用油的总极性组分值，得知食用油是否安全。
在本发明的一种实施例中，所述方法还包括：
S71，将至少一张所述视觉特征信息作为训练样本发送至预设的云数据中心。
具体而言，为了提高模型的准确性，在通过食用油检测服务器检测当前食用油的总极性组分值的同时，还可以根据实际需要，将至少一张所述视觉特征信息作为训练样本发送至预设的云数据中心。云数据中心基于上传的数据，进一步训练模型，提高模型的准确度。
在具体实现中，云数据中心可以包括大数据计算平台、数据存储平台、以及数据加工平台。可以将视觉特征信息存储至数据存储平台，将油炸状态信息存储至大数据计算平台，后续可以通过数据加工平台平台加工为模型训练说需要的特征信息。
作为本发明的一种具体示例，图7为本发明实施例的食用油检测方法的示意图。油炸装置可以将视觉特征信息以及油炸状态信息通过消息队列遥测传输协议(MessageQueuing Telemetry Transport，MQTT)上传物联网平台。其后，物联网平台可以在采集到较多数据后，统一将视觉特征信息以及油炸状态信息作为训练数据上传至云数据中心，云数据中心可以将视觉特征信息存储至数据存储平台，将油炸状态信息存储至大数据计算平台，后续可以通过数据加工平台平台加工为模型训练说需要的特征信息。同时，对于实时性要求较高的总极性组分值检测，物联网平台可以通过采用高级消息队列协议(AdvancedMessage Queuing Protocol，AMQP)，采用订阅的形式将所述视觉特征信息以及油炸状态信息高效推送至至食用油检测服务器，实现低数据量消息的高效传输。食用油检测服务器将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值，并采用高级消息队列协议回传至物联网平台，其后物联网平台通过消息队列遥测传输协议将总极性组分值返回油炸装置。
步骤505，根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
在确定当前食用油的总极性组分值之后，即可根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。一般来说，在总极性组分值大于27的情况下，即可以认为食用油为不可使用的食用油，食用油的安全程度极低。此外，还可以根据实际需要，在不大于27的范围内划分至少一种区间，以进一步划分当前食用油的安全程度。例如，可以将0～10划分为高安全程度区间，将11～18划分为中等安全程度区间，将18～27划分为需要警戒的低安全程度区间，本发明对此不做限制。
本发明实施例提供的食用油的检测方法，在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样，以在食用油使用过程中实时地进行采样；采集所述采样装置中的油样的视觉特征信息；根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。从而可以在食用油的使用过程中实时地对食用油进行检测，确定总极性组分值，以确定当前食用油是否安全，检测方式便捷且检测准确度高。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图8，示出了本发明实施例的一种食用油的检测装置实施例的结构框图，具体可以包括如下模块：
油样采集模块801，用于在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
视觉特征采集模块802，用于用于采集所述采样装置中的油样的视觉特征信息；
识别模块803，用于根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；
安全确定模块804，用于根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
可选地，所述识别模块包括：
颜色提取子模块，用于在所述油样的视觉特征信息中提取颜色信息；
组分识别子模块，用于根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值。
可选地，所述颜色提取子模块包括：
原始颜色识别单元，用于在所述油样的视觉特征信息中提取基于三原色光表示的原始颜色信息；
颜色转换单元，用于将基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示的目标颜色信息。
可选地，所述组分识别子模块包括：
模型识别单元，用于将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述模型识别单元包括：
模型识别子单元，用于当前周期以及当前周期之前至少一个历史周期获取的油样的颜色信息以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述颜色提取子模块包括：
平台上传单元，用于将所述视觉特征信息发送至物联网平台；
服务器发送单元，用于通过所述物联网平台采用高级消息队列协议将所述视觉特征信息发送至食用油检测服务器；
颜色识别单元，用于通过所述食用油检测服务器在所述视觉特征信息中提取颜色信息。
可选地，所述装置还包括：
第一状态上传模块，用于将所述油炸状态信息发送至物联网平台；
第二状态上传模块，用于通过所述物联网平台基于高级消息队列协议，将所述油炸状态信息发送至食用油检测服务器；
所述组分识别子模块包括：
组分识别单元，用于通过所述食用油检测服务器将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
可选地，所述装置还包括：
中心上传模块，用于将至少一份所述视觉特征信息作为训练样本发送至预设的云数据中心。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例还提供了一种电子设备，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行本发明实施例所述的方法。
本发明实施例还提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行本发明实施例所述的方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种食用油的检测方法和一种食用油的检测装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (11)

1.一种食用油的检测方法，其特征在于，应用于油炸装置，所述油炸装置内设置有采样装置，所述方法包括：
在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
获取所述采样装置中的油样的视觉特征信息；
根据当前周期以及当前周期之前至少一个历史周期获取的所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；所述油样的视觉特征信息包括颜色信息；
根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
2.根据权利要求1所述的方法，其特征在于，所述根据所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值的步骤，包括：
在所述油样的视觉特征信息中提取颜色信息；
根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值。
3.根据权利要求2所述的方法，其特征在于，所述在所述油样的视觉特征信息中提取颜色信息的步骤，包括：
在所述油样的视觉特征信息中提取基于三原色光表示的原始颜色信息；
将基于三原色光表示的原始颜色信息转换为基于亮度以及色彩表示的目标颜色信息。
4.根据权利要求2所述的方法，其特征在于，所述根据所述油样的颜色信息以及所述油炸状态信息，识别当前食用油的总极性组分值的步骤，包括：
将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
5.根据权利要求4所述的方法，其特征在于，所述将所述油样的颜色信息、以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值的步骤，包括：
当前周期以及当前周期之前至少一个历史周期获取的油样的颜色信息以及油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
6.根据权利要求2所述的方法，其特征在于，所述在所述油样的视觉特征信息中提取颜色信息的步骤，包括：
将所述视觉特征信息发送至物联网平台；
通过所述物联网平台采用高级消息队列协议将所述视觉特征信息发送至食用油检测服务器；
通过所述食用油检测服务器在所述视觉特征信息中提取颜色信息。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
将所述油炸状态信息发送至物联网平台；
通过所述物联网平台基于高级消息队列协议，将所述油炸状态信息发送至食用油检测服务器；
所述将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值的步骤，包括：
通过所述食用油检测服务器将所述油样的颜色信息、以及所述油炸状态信息输入食用油检测模型中，获得当前食用油的总极性组分值。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将至少一份所述视觉特征信息作为训练样本发送至预设的云数据中心。
9.一种食用油的检测装置，其特征在于，应用于油炸装置，所述油炸装置内设置有采样装置，所述装置包括：
油样采集模块，用于在油炸装置处于运行状态的情况下，获取油炸状态信息，并将所述油炸装置中的食用油传输至采样装置中，得到油样；
视觉特征采集模块，用于采集所述采样装置中的油样的视觉特征信息；
识别模块，用于根据当前周期以及当前周期之前至少一个历史周期获取的所述油样的视觉特征信息以及所述油炸状态信息，识别当前食用油的总极性组分值；所述油样的视觉特征信息包括颜色信息；
安全确定模块，用于根据所述总极性组分值所处的区间，确定所述油炸装置中食用油的安全程度。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如权利要求1-8任一项所述的方法。
11.一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如权利要求1-8任一项所述的方法。
CN202210300832.XA 2022-03-25 2022-03-25 一种食用油的检测方法和装置 Active CN115046936B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210300832.XA CN115046936B (zh) 2022-03-25 2022-03-25 一种食用油的检测方法和装置
PCT/CN2023/080980 WO2023179389A1 (zh) 2022-03-25 2023-03-13 一种食用油的检测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210300832.XA CN115046936B (zh) 2022-03-25 2022-03-25 一种食用油的检测方法和装置

Publications (2)

Publication Number Publication Date
CN115046936A CN115046936A (zh) 2022-09-13
CN115046936B true CN115046936B (zh) 2025-08-26

Family

ID=83157572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210300832.XA Active CN115046936B (zh) 2022-03-25 2022-03-25 一种食用油的检测方法和装置

Country Status (2)

Country Link
CN (1) CN115046936B (zh)
WO (1) WO2023179389A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115046936B (zh) * 2022-03-25 2025-08-26 阿里云计算有限公司 一种食用油的检测方法和装置
CN116086613A (zh) * 2023-03-10 2023-05-09 四川省农业科学院农产品加工研究所 一种rgb精准测定菜籽油色泽的装置及模型建立方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037162A (zh) * 2017-12-22 2018-05-15 无锡中科恒源信息科技有限公司 一种煎炸油品质实时在线自动检测装置及其方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130295253A1 (en) * 2012-05-01 2013-11-07 Susan Knowlton Environmentally sustainable frying oils
KR101511870B1 (ko) * 2013-12-04 2015-04-13 박정근 튀김유의 실시간 산가 측정 및 산가 정보 제공 시스템 및 방법
SG11201607651WA (en) * 2014-03-18 2016-10-28 Univ Singapore A method and device for determining the quality of edible oil
CN106370635B (zh) * 2016-08-31 2021-04-06 厦门斯坦道科学仪器股份有限公司 定量检测食用油中极性组分含量的方法、设备和系统
WO2021053992A1 (ja) * 2019-09-17 2021-03-25 株式会社Ｊ－オイルミルズ フライ油劣化判定装置及びフライ油劣化判定方法
CA3160311A1 (en) * 2019-12-18 2021-06-24 Enodis Corporation Assessing a quality of a cooking medium in a fryer using artificial intelligence
CN111060633B (zh) * 2019-12-30 2022-09-09 北京工商大学 基于特征风味组分对油煎过程中油脂判废模型的建立方法及判废方法
WO2021200103A1 (ja) * 2020-03-31 2021-10-07 株式会社Ｊ－オイルミルズ 食用油の劣化度判定装置、食用油の劣化度判定システム、食用油の劣化度判定方法、食用油の劣化度判定プログラム、食用油の劣化度学習装置、食用油の劣化度判定に用いられる学習済モデル、及び食用油の交換システム
CN212301512U (zh) * 2020-06-16 2021-01-05 无锡商业职业技术学院 一种用于油炸锅内食用油的监测系统
CN113935439B (zh) * 2021-12-15 2022-05-06 阿里云计算有限公司 排水管网的故障检测方法、设备、服务器及存储介质
CN115046936B (zh) * 2022-03-25 2025-08-26 阿里云计算有限公司 一种食用油的检测方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037162A (zh) * 2017-12-22 2018-05-15 无锡中科恒源信息科技有限公司 一种煎炸油品质实时在线自动检测装置及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
煎炸油的品质评价及其极性化合物的快速检测技术研究;周雅琳;中国博士学位论文全文数据库 医药卫生科技辑;20100115(第01期);第17页 *

Also Published As

Publication number Publication date
WO2023179389A1 (zh) 2023-09-28
CN115046936A (zh) 2022-09-13

Similar Documents

Publication Publication Date Title
CN115046936B (zh) 一种食用油的检测方法和装置
CN108742170B (zh) 一种烤箱的智能识别烹饪系统
CN107077709B (zh) 营养素量计算装置及具备该装置的冰箱
JP6545658B2 (ja) ビリルビンレベルを推定すること
IL223687A (en) A website that provides a grooming and nutrition plan based on color images
Asmara et al. Chicken meat freshness identification using the histogram color feature
CN105891122A (zh) 一种移动终端的食物成份检测方法及系统
CN113537248B (zh) 图像识别方法和装置、电子设备和存储介质
CN110179319A (zh) 一种智能烹饪的方法及装置
CN110955891B (zh) 文件检测的方法、装置、系统和数据处理法的方法
US20180211139A1 (en) System and method for providing a recipe
US20230104704A1 (en) Method and system for analyzing intestinal microflora of a subject
Sarino et al. Classification of coffee bean degree of roast using image processing and neural network
US11974732B2 (en) System and method for urine analysis and personal health monitoring
CN114266959A (zh) 食材的烹饪方法及装置、存储介质、电子装置
KR20150124837A (ko) 스마트 모바일 기반 미생물 영상분석 및 모니터링 시스템과 그 방법
KR101976494B1 (ko) 개인 건강 분석 방법 및 유아용 스마트 변기
KR102030131B1 (ko) 적외선 영상을 이용한 연속적인 피부 상태 측정 방법
KR101992403B1 (ko) 영상을 이용한 피부 수분도 측정 방법
CN117636334B (zh) 一种基于图像处理的猪肉品质分类方法
WO2024042095A1 (en) Food temperature state determination
CN113324928A (zh) 一种基于图谱数据智能化无损检测菜肴食品营养含量方法
CN115530773B (zh) 一种基于病人摄入饮食的心血管疾病评估预防系统
JP2024065866A (ja) 穀粒判別システム
CN114295611B (zh) 一种基于时序变温过程中视觉成像的羊肉掺假定量检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant