一种烹饪设备的监控方法及系统与流程

本发明涉及智能烹饪设备，尤其涉及一种烹饪设备的监控方法及系统。

背景技术：

1、随着餐饮行业智能化转型，商用智能炒菜机器人已广泛应用于连锁餐饮与无人餐厅等场景。这类设备集成了电磁加热、多自由度搅拌、自动投料及多类型调料输送等复杂机电系统，可在无人值守下自动完成烹饪全流程。数字孪生与3d可视化技术的发展，为复杂设备的远程监控提供了新的技术手段。

2、目前，针对智能炒菜机器人的监控方案通常采用设备内置的数据采集模块，将运行过程中的机芯参数、电机电流、接近开关状态、锅内温度等传感器数据通过mqtt等协议上报至云端或本地服务器，并以二维图表或数值列表的形式呈现给运维人员。当设备出现异常时，系统会触发基于阈值判定的报警信息，提示某类参数超限，运维人员需结合报警记录和设备日志进行远程判断，必要时联系现场人员拍照或描述故障现象，再进一步排查问题。

3、上述监控方案中，运维人员需具备专业机电知识才能从抽象数据中判断设备状态，认知门槛高、判断效率低；远程人员无法直观获知故障发生的具体物理部位，依赖现场描述导致沟通成本高、定位慢；且不同机型机械结构差异大，缺乏统一的可视化适配框架，底层传感器数据与宏观机械运动之间缺乏语义关联，难以实现数据驱动的虚实同步。

技术实现思路

1、本发明实施例通过提供一种烹饪设备的监控方法及系统，解决了烹饪设备监控依赖抽象数据与二维图表导致的判断门槛高、传感器底层数据与机械动作之间缺乏语义关联、以及运行状态模糊无法快速定位故障部件的问题，实现了通过将多源异构传感器数据中的物理量映射为机械部件的运动参数以驱动三维可视化模型实时同步映射，并结合部件级的运行状态评估在三维模型上直观渲染状态标识，从而降低监控认知门槛、填补语义鸿沟并快速定位故障的技术效果。

2、本发明实施例提供了一种烹饪设备的监控方法，所述方法包括：

3、获取运行状态下烹饪设备的多源异构传感器数据，其中，所述多源异构传感器数据包括电气参数、运动部件状态参数以及温度参数；

4、将所述多源异构传感器数据中的物理量映射为机械部件的运动参数，得到运动状态向量；

5、根据所述运动状态向量驱动预构建的三维可视化模型，以实现烹饪设备运行状态与虚拟模型的实时同步映射；

6、基于所述多源异构传感器数据和历史运行数据，对所述烹饪设备的各部件进行运行状态评估，得到部件级的运行状态评估结果；

7、根据所述运行状态评估结果，在所述三维可视化模型的对应部件上渲染可视化状态标识，以展示部件级的运行状态。

8、可选地，所述将所述多源异构传感器数据中的物理量映射为机械部件的运动参数，得到运动状态向量的步骤包括：

9、对所述多源异构传感器数据进行分层语义转换，其中，所述分层语义转换包括将多源异构传感器数据中的原始物理量映射为标准化物理量的信号级转换、将标准化物理量映射为机械部件运动状态的部件级转换，以及结合烹饪设备的运行上下文推断宏观烹饪动作的动作级转换；

10、基于所述分层语义转换的结果，生成运动状态向量。

11、可选地，所述动作级转换包括：

12、确定烹饪设备当前执行的菜谱步骤以及对应于所述菜谱步骤的上下文信息；

13、根据所述上下文信息菜谱流程上下文及和所述多源异构传感器数据，按照预设的映射关系确定当前正在执行的烹饪动作类型；

14、将所述烹饪动作类型作为属性参数写入所述运动状态向量。

15、可选地，所述将标准化物理量映射为机械部件运动状态的部件级转换的步骤包括：

16、获取所述标准化物理量中的电机电流，以及所述电机在空载状态下的空载电流、额定电流、额定转速及滑差率；

17、当所述电机电流大于空载电流的设定倍数时，根据所述电机电流与所述空载电流的差值占所述额定电流与所述空载电流差值的比例计算负载率；

18、根据所述负载率、所述额定转速及所述滑差率估算当前转速。

19、可选地，所述方法还包括：

20、调用预置的参数化模型库，获取涵盖所有机型运动自由度的超集骨骼树；

21、根据所述烹饪设备的机型标识对应的配置文件，对所述超集骨骼树中的骨骼节点进行启用、禁用配置及几何参数调整；

22、基于调整后的骨骼树，动态组装并生成对应于所述烹饪设备的所述三维可视化模型。

23、可选地，所述根据所述运动状态向量驱动预构建的三维可视化模型的步骤包括：

24、获取所述运动状态向量对应的传感器数据帧的到达时间间隔；

25、基于所述时间间隔确定目标动画驱动模式，并计算相应的目标状态参数；

26、将所述目标状态参数应用到预构建的三维可视化模型的骨骼节点上，更新所述三维可视化模型的局部骨骼矩阵；

27、基于更新后的骨骼矩阵渲染输出三维可视化画面，驱动虚拟模型部件同步运动，实现烹饪设备运行状态与虚拟模型的实时同步映射。

28、可选地，所述基于所述时间间隔确定目标动画驱动模式，并计算相应的目标状态参数的步骤，包括：

29、若所述时间间隔小于或等于第一阈值，则以预构建的三维可视化模型当前各部件状态为起点，以当前运动状态向量中的目标状态为终点，计算所述三维可视化模型的目标状态参数；

30、若所述时间间隔大于第一阈值且小于第二阈值，则确定多个目标运动状态向量，并基于多个所述目标运动状态向量计算所述三维可视化模型的目标状态参数；其中，所述多个运动状态向量包括所述当前运动状态向量以及时序上临近的多个历史运动状态向量；

31、若所述时间间隔大于或等于第二阈值，则将所述三维可视化模型的当前状态参数确定为目标状态参数，并生成视觉提示参数；其中，所述视觉提示参数用于指示在所述三维可视化模型上展示数据中断的视觉提示。

32、可选地，所述基于所述多源异构传感器数据和所述运动状态向量，对所述烹饪设备的各部件进行运行状态评估，得到部件级的运行状态评估结果的步骤包括：

33、基于所述机型标识确定所述烹饪设备包含的待评估子系统；

34、针对每个待评估子系统，基于所述多源异构传感器数据、所述运动状态向量及历史统计数据，进行加权计算，得到该子系统的运行评分；

35、将各子系统的运行评分作为部件级的运行状态评估结果。

36、可选地，所述方法还包括获取烹饪设备的实时多源异构传感器数据的步骤：

37、接收所述烹饪设备的历史传感器数据，并将所述历史传感器数据投入内存阻塞队列缓冲；

38、由多个消费者线程从所述阻塞队列中并行消费，并批量写入时序数据库；

39、将所述时序数据库中的最新数据帧确定为所述实时多源异构传感器数据。

40、可选地，所述方法还包括：

41、建立历史时序数据的关键帧索引；

42、响应于播放控制指令，通过二分查找算法定位最近关键帧；

43、基于所述最近关键帧和插值算法计算目标时刻的精确状态，并驱动三维可视化模型进行展示。

44、此外，为实现上述目的，本发明实施例还提供一种烹饪设备的监控系统，所述系统包括：

45、数据采集模块，用于获取运行状态下烹饪设备的多源异构传感器数据，其中，所述多源异构传感器数据包括电气参数、运动部件状态参数以及温度参数；

46、语义转换模块，用于将所述多源异构传感器数据中的物理量映射为机械部件的运动参数，得到运动状态向量；

47、运动驱动模块，用于根据所述运动状态向量驱动预构建的三维可视化模型，以实现烹饪设备运行状态与虚拟模型的实时同步映射；

48、运行评估模块，用于基于所述多源异构传感器数据和历史运行数据，对所述烹饪设备的各部件进行运行状态评估，得到部件级的运行状态评估结果；

49、可视化模块，用于根据所述运行状态评估结果，在所述三维可视化模型的对应部件上渲染可视化状态标识，以展示部件级的运行状态。

50、本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

51、通过将烹饪设备运行状态下采集的多源异构传感器数据中的物理量映射为机械部件的运动参数以驱动三维可视化模型实时同步映射，使运维人员无需专业知识即可直观理解设备运行状态，降低了监控认知门槛；同时基于多源异构传感器数据和历史运行数据对各部件进行部件级的运行状态评估，并在三维可视化模型的对应部件上渲染可视化状态标识，实现了故障部位的直观定位与快速识别，有效提升了远程运维效率。