一种食品智能焙烤方法和装置

1.本说明书涉及食品烘烤领域，特别涉及一种食品智能焙烤方法和装置。


背景技术：

2.随着生活水平的提高，有时人们更倾向于自行使用烤箱制作美食。现有烤箱多数可以自带不同类型的焙烤模式供用户选择，用户只需将食材放入烤箱并选择相关模式就可完成焙烤。但现有烤箱自带的焙烤模式有时并不能满足用户愈发多样化的需求，且烤箱有时不能对复杂多变的食材予以差别化对待，可能会出现焙烤失败的现象。
3.因此，希望提供一种食品智能焙烤方法和装置，能够针对食材的不同特点，确定出最合适的焙烤方案，提高焙烤质量以及用户体验。


技术实现要素：

4.本说明书一个或多个实施例提供一种食品智能焙烤方法。方法包括：通过至少一个测温元件实时获取烤箱中至少一个置物架上食材的当前温度分布，当前温度分布包括食材中至少一个位置的温度；基于当前温度分布确定焙烤调整方案；基于焙烤调整方案，确定调整信号；将调整信号发送至控制器，以使控制器基于调整信号对烤箱中至少一个加热管的功率进行调整。
5.本说明书一个或多个实施例提供一种食品智能焙烤装置，装置包括：至少一个置物架、至少一个加热管、至少一个测温元件、处理器和控制器。至少一个置物架，用于放置食材；至少一个加热管，用于加热至少一个置物架上的食材；至少一个测温元件，用于实时获取至少一个置物架上食材的当前温度分布，并将当前温度分布发送给处理器；处理器，用于：基于接收的当前温度分布确定焙烤调整方案；基于焙烤调整方案，确定调整信号；以及发送调整信号给控制器；控制器，用于基于接收的调整信号对至少一个加热管的功率进行调整。
6.本说明书一个或多个实施例提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如上所述的食品智能焙烤方法。
附图说明
7.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
8.图1是根据本说明书一些实施例所示的食品智能焙烤系统的应用场景示意图；
9.图2是根据本说明书一些实施例所示的食品智能焙烤装置的示例性装置图；
10.图3是根据本说明书一些实施例所示的食品智能焙烤方法的示例性流程图；
11.图4是根据本说明书一些实施例所示的确定焙烤调整方案的示例性流程图；
12.图5是根据本说明书一些实施例所示的确定焙烤调整方案的另一示例性流程图。
具体实施方式
13.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
14.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、装置、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
15.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
16.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
17.图1是根据本说明书一些实施例所示的食品智能焙烤系统的应用场景示意图。
18.在一些实施例中，如图1所示，食品智能焙烤系统100可以包括食材110、采集设备120、网络130、处理设备140、存储设备150以及终端设备160。食品智能焙烤系统可以通过实施本说明书中披露的方法和/或过程进行食品智能焙烤。
19.食材110可以指用于焙烤的食物材料。例如，食材可以包括但不限于肉类、蔬菜类、谷物类等。在一些实施例中，不同食材所需要的焙烤温度和焙烤时间不同，相应的，不同食材对应的焙烤方案不同。例如，烤果干时对应的焙烤温度可以为70℃-90℃，对应的焙烤时间可以为30mins-40mins；烤面包时对应的焙烤温度可以为140℃，对应的焙烤时间可以为7mins-10mins。在一些实施例中，食材110可以放置于置物架上。关于置物架的更多说明，参见图2及其相关描述。
20.采集设备120可以用于获取食材110的相关数据信息。在一些实施例中，采集设备可以包括至少一个测温元件120-1，用于实时获取食材110的当前温度分布。在一些实施例中，测温元件120-1可以包括红外热成像仪、烤箱温度计、热电阻、温度传感器等中的一种或多种。在一些实施例中，采集设备120还可以包括但不限于图像采集设备120-2、传感器120-3等。其中，图像采集设备120-2可以用于获取烤箱内部的图像数据，用于实时确定食材110的焙烤情况。传感器120-3可以包括红外传感器或位置传感器等，用于确定食材110的位置信息等。
21.在一些实施例中，采集设备120可以通过网络130与处理设备140、存储设备150和/或终端设备160进行数据/信息传输。例如，采集设备120可以将采集的数据信息传输至处理设备140中进行处理或传输至存储设备150中进行存储。又例如，采集设备120可以在终端设
备160的控制下采集对应类型的数据信息。
22.网络130可以包括能够促进食品智能烘焙系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，食品智能烘焙系统100中的一个或以上组件(如，采集设备120、存储设备150和/或终端设备160)之间可以经由网络130将信息和/或数据发送到食品智能烘焙系统100中的另一个组件。例如，处理设备140可以通过网络130接收采集设备120获得的温度数据。在一些实施例中，网络130可以是有线网络或无线网络中的任意一种或多种。在一些实施例中，网络130可以包括一个或以上网络接入点。例如，网络130可以包括有线或无线网络接入点，例如基站和/或网络交换点，通过这些网络接入点，食品智能烘焙系统100的一个或多个组件可连接到网络130以交换数据和/或信息。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。
23.处理设备140可以用于处理来自食品智能烘焙系统100的至少一个组件或外部数据源(如，云数据中心)的数据和/或信息。例如，处理设备140可以经由网络130接收采集设备120对置物架上的食材110采集到的相关数据信息。又例如，处理设备140可以对相关数据信息进行处理，以获取食材110的当前温度分布，并基于当前温度分布确定焙烤调整方案。在一些实施例中，处理设备140可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备140可以是本地或远程的。例如，处理设备140可以通过网络130从采集设备120、存储设备150和/或终端设备160中访问信息和/或数据。又例如，处理设备140可以直接连接到采集设备120、存储设备150和/或终端设备160，以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
24.存储设备150可以储存数据和/或指令。在一些实施例中，存储设备150可以储存处理设备140用来执行或使用以完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以连接到网络130以与食品智能烘焙系统100的一个或以上组件(例如，采集设备120和/或处理设备140等组件)通信。在一些实施例中，存储设备150可以是处理设备140的一部分。在一些实施例中，存储设备150可包括大容量存储器、可移动存储器、易失性读写内存、只读内存(rom)等或其任意组合。在一些实施例中，存储设备150可在云平台上实现。
25.终端设备160可以指用户所使用的一个或多个终端设备或软件。在一些实施例中，终端设备160可以包括但不限于移动设备160-1、平板计算机160-2、膝上计算机160-3等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，终端设备160可以与采集设备120、处理设备140和/或存储设备150通信和/或连接。例如，用户可以通过终端设备160发送相关指令至处理设备140，从而对智能烘焙装置实施控制。又例如，用户可以通过终端设备160接收与食材110有关的数据和/或信息，其中，与食材110有关的数据和/或信息可以包括当前温度分布等数据。再例如，终端设备160还可以用于接收并显示处理设备140的处理结果(如烤箱的焙烤调整方案等)。上述示例仅用于说明终端设备160设备范围的广泛性而非对其范围的限制。
26.应当注意食品智能焙烤系统100仅仅是为了说明的目的而提供，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，食品智能焙烤系统100还可以包括控制器。然而，这些变化和修改不会背离本
说明书的范围。
27.图2是根据本说明书一些实施例所示的食品智能焙烤装置的示例性装置图。
28.如图2所示，在一些实施例中，食品智能焙烤装置200中可以包括置物架210、采集设备220、食材230、处理器240、联网模块250、控制器260、反射装置270、加热管280以及循环装置290等。
29.置物架210用于在其上放置准备烘焙的材料。例如，置物架可以为金属或金属合金材质。例如，置物架可以包括一层及以上，其中每层均可以用于在其上放置待烘焙的材料。
30.采集设备220用于采集食材230的相关数据信息。例如，采集设备220可以用于获取食材230的温度数据等。关于采集设备220和食材230的更多内容参见图1及其相关描述。
31.处理器240用于处理相关数据或发送/接收相关指令信息等。关于处理器的更多说明，参加图1及其相关描述。
32.联网模块250用于连接到网络，以获取与本系统相关的数据信息。在一些实施例中，联网模块250可以与其他各食品智能焙烤装置和/或数据平台(例如，云数据中心)进行通信，以接收/发送相关数据信息，并将接收的相关数据信息发送至处理器240中进行数据处理。
33.控制器260可以用于控制相关装置的运行。在一些实施例中，控制器260可以接收处理器240发出的指令(例如，调整信号)，对反射装置270、加热管280以及循环装置290进行控制。例如，控制器260可以调整加热管280的功率和/或调整反射装置270旋转的角度等。
34.反射装置270可以用于反射光线。在一些实施例中，反射装置270可以设置于加热管280的周围，并以一定的反射角度对加热管280发出的光波进行反射。例如，反射装置270可以置于加热管280的上方和/或下方等，并以20
°
的反射角度对加热管280发出的光波进行反射。在一些实施例中，食品智能焙烤装置200中可以包括多个反射装置270，多个反射装置270可以与多个加热管280对应，反射装置270可以以对应的加热管280为旋转轴进行定时摆动，以对加热管280发出的光波进行反射。关于反射角度的更多内容参见图5及其相关描述。
35.加热管280可以用于加热待烘焙的食材230。在一些实施例中，食品智能焙烤装置200中可以包括多个加热管280。例如，食品智能焙烤装置200中包括安装在其内腔上部的上加热管，包括安装在其内腔下部的下加热管。在一些实施例中，加热管280可以包括远红外发热片、管状电热元件、石英玻璃管加热器等中的一种或多种。
36.循环装置290可以用于保持空气流动。在一些实施例中，循环装置可以包括但不限于风扇、风机等。在一些实施例中，循环装置290可以使食品智能焙烤装置200内的空气保持循环流动，从而可以使得食材230均匀受热。
37.图3是根据本说明书一些实施例所示的食品智能焙烤方法的示例性流程图。在一些实施例中，流程300可以由处理设备140或处理器240执行。例如，流程300可以以程序或指令的形式存储在存储设备(例如，存储设备150)中，当处理设备140或处理器240执行该程序或指令时，可以实现流程300。下文呈现的流程300的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图3中示出的及下文描述的流程300的操作的顺序并非限制性的。
38.步骤310，通过至少一个测温元件实时获取烤箱中至少一个置物架上食材的当前温度分布。
39.测温元件是指用于测量烤箱中食材温度的元件。例如，测温元件可以包括红外热成像仪、烤箱温度计、热电阻、温度传感器等中的一种或多种。在一些实施例中，一个或多个测温元件可以位于烤箱中的一个或多个位置，用于测量食材不同位置处的温度。
40.温度分布可以是指食材中不同位置的温度情况。由于烤箱中可能存在热点区域，导致食材在焙烤过程的温度不均匀，使得食材中部分位置熟得快、部分位置熟得慢。在一些实施例中，温度分布可以包括食材的上表面、下表面以及侧面的温度情况。在一些实施例中，食材的温度分布还可以用热成像图像表示，食材不同位置处的温度状态。在一些实施例中，可以由热成像图像中像素点的颜色数据表示食材的温度分布。例如，60℃～80℃可以用黄色表示，80℃～100℃可以用橘红色表示等，当像素点a为黄色时，表示像素点a对应的位置的温度为60℃～80℃。相应的，当前温度分布可以是食材在当前时间点对应的温度分布情况。
41.在一些实施例中，可以通过热成像仪在一个或多个拍摄角度实时获取食材的热成像图像，以获取食材的当前温度分布。在一些实施例中，还可以通过烤箱温度计、热电阻、温度传感器等中的一种或多种，在不同位置处获取食材中不同位置处的温度，以获取食材的当前温度分布。在一些实施例中，测温元件可以将获取到的当前温度分布通过网络发送至处理器(例如，处理设备140或处理器220)和/或存储设备(例如，存储设备150)以进行相应处理。
42.步骤320，基于当前温度分布确定焙烤调整方案。
43.焙烤调整方案是指烤箱在下一时间点中对其焙烤参数进行调整的方案。
44.在一些实施例中，在对食材进行焙烤的过程中，处理器可以每隔一段预设时间间隔确定是否需要对焙烤参数进行调整。例如，处理器可以每隔2mins确定是否需要对焙烤参数进行调整。相应的，下一时间点可以是指获取当前温度分布的当前时刻在时间顺序上的下一个时间点。例如，获取当前温度分布的当前时刻为16:01，预设时间间隔为2mins，则可以确定下一时间点为16:03。其中，预设时间间隔可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。
45.在一些实施例中，焙烤参数可以包括烤箱中各个加热管的功率、烤箱中各个风扇的转速、烤箱中各个反射装置的反射角度和烤箱的预热时间等中的一种或多种。相应的，焙烤调整方案可以包括对各个加热管的功率、烤箱中各个风扇的转速、烤箱中各个反射装置的反射角度和烤箱的预热时间等参数进行调整。其中，通过改变烤箱中至少一个加热管的功率可以改变各个加热管散发的热量。在一些实施例中，可以通过分别调整不同加热管的功率，实现不均匀焙烤。在一些实施例中，可以通过调整烤箱中至少一个风扇的转速进而调整热对流的效率，从而使食材各个方向受热均匀，实现均匀焙烤。在一些实施例中，可以通过调整烤箱中至少一个反射装置的反射角度调整热辐射方向，从而改变食材各个方向受热情况，实现不均匀焙烤。
46.在一些实施例中，焙烤参数还可以包括食材的类型、烤箱的内部体积等参数。其中，食材的类型可以通过用户在终端(如，烤箱界面、移动终端等)输入。在一些实施例中，食材的类型可以通过图像识别模型获取。其中，图像识别模型的训练样本以及训练标签可以通过联网模块从存储设备中获取。
47.在一些实施例中，处理器可以基于当前温度分布，通过多种方式，确定焙烤调整方
案。
48.在一些实施例中，处理器可以基于当前温度分布和焙烤参数，确定食材下一时间点的预测温度分布，再基于预测温度分布，确定焙烤调整方案。关于基于预测温度分布确定焙烤调整方案的更多内容参见图4及其相关描述。
49.在一些实施例中，处理器还可以基于当前温度分布、预测温度分布和目标温度分布，确定烤箱中的至少一个加热管的功率和至少一个反射装置的反射角度。进一步地，处理器可以基于至少一个加热管功率和至少一个反射装置的反射角度，确定焙烤调整方案。关于基于加热管功率和反射装置的反射角度确定焙烤调整方案的更多内容参见图5及其相关描述。
50.步骤330，基于焙烤调整方案，确定调整信号。
51.调整信号可以是用于控制控制器对烤箱的焙烤参数进行调整的指令信号。
52.在一些实施例中，处理器可以基于焙烤调整方案，确定需要进行调整的焙烤参数，进而可以将需要调整的焙烤参数输入指令模板，生成对应的调整信号。
53.步骤340，将调整信号发送至控制器，以使控制器基于调整信号对烤箱中加热管的功率进行调整。
54.在一些实施例中，调整信号中可以包括需要进行调整的焙烤参数及其对应的调整方案，控制器可以基于加热管功率的调整方案对烤箱中加热管的功率进行调整。例如，调整信号包含烤箱中加热管功率的调整方案为将位于烤箱中部的加热管a的功率调高5瓦和将位于烤箱两侧的加热管b、c的功率调低5瓦，则控制器根据该调整信号将加热管a的功率调高5瓦和将加热管b、c的功率调低5瓦。
55.在本说明书的一些实施例中，通过测温元件实时监测烤箱中待焙烤食材当前温度分布，可以实时确定下一时间点的焙烤调整方案，进而可以根据焙烤调整方案对下一时间点的焙烤参数做出相应调整，实现对食材焙烤过程的监管，达到智能焙烤的目的。同时，通过考虑食材中不同位置的温度部分，可以及时对不同食材不同部位设置不同的焙烤参数，以差别化对待不同食材不同部位的焙烤要求，确定出最合适的焙烤方案，提高焙烤质量以及用户体验。
56.图4是根据本说明书一些实施例所示的确定焙烤调整方案的示例性流程图。在一些实施例中，流程400可以由处理设备140或处理器240执行。例如，流程400可以以程序或指令的形式存储在存储设备(例如，存储设备150)中，当处理设备140或处理器240执行该程序或指令时，可以实现流程400。下文呈现的流程400的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图4中示出的及下文描述的流程400的操作的顺序并非限制性的。
57.步骤410，基于当前温度分布和焙烤参数，确定食材下一时间点的预测温度分布。
58.预测温度分布可以是预测的食材在下一时间点的温度分布。
59.在一些实施例中，处理器可以基于当前温度分布和焙烤参数，通过查询存储设备中的温度分布查询对照表，确定食材在下一时间点的预测温度分布。温度分布查询对照表是指记载有多个当前温度分布和多个焙烤参数对应的多种预测温度分布的对照表。在一些实施例中，温度分布查询表可以是人为根据经验确定的。
60.在一些实施例中，处理器可以利用机器学习模型确定食材在下一时间点的预测温
度分布。在一些实施例中，处理器可以基于温度预测模型对当前温度分布和焙烤参数进行处理，确定食材下一时间点的预测温度分布。其中，温度预测模型可以为机器学习模型。
61.温度预测模型可以用于确定食材在下一时间点的预测温度分布。在一些实施例中，温度预测模型可以为序列模型，如，rnn、lstm等。
62.在一些实施例中，温度预测模型的输入可以包括当前温度分布和焙烤参数，输出为食材下一时间点的预测温度分布。
63.在一些实施例中，温度预测模型的输入还可以包括食材中预设点位的位置信息和烤箱中加热管的位置信息。食材中的预设点位可以是反映食材轮廓的位置点。例如，预设点位可以是食材的轮廓点。位置信息可以是相对于烤箱所在坐标系的坐标值。例如，烤箱所在坐标系可以以烤箱的等中心点为坐标原点，相应的，位置信息可以是相对于烤箱等中心点的坐标值。
64.在一些实施例中，食材中预设点位的位置信息和烤箱中加热管的位置信息可以通过传感器(例如，红外传感器、距离传感器等)获取。
65.在一些实施例中，温度预测模型的参数可以通过训练获取。温度预测模型的训练可以通过处理器执行，其训练可以基于以下方法实现。
66.在一些实施例中，温度预测模型可以通过多个带有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始温度预测模型，通过标签和初始温度预测模型的结果构建损失函数，基于损失函数迭代更新温度预测模型的参数。当初始温度预测模型的损失函数满足预设条件时模型训练完成，得到训练好的温度预测模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
67.在一些实施例中温度预测模型的训练样本可以为样本食材的样本当前温度分布和样本烤箱对应的样本焙烤参数。温度预测模型的训练样本的标签可以为该样本食材在下一时间点的样本预测温度分布。在一些实施例中，温度预测模型的训练样本还可以包括样本食材中预设点位的样本位置信息和样本烤箱中加热管的样本位置信息。在一些实施例中，训练样本可以基于历史数据(例如，历史焙烤成功的数据记录)获取。在一些实施例中，标签可以由人为在历史焙烤成功的数据记录中，将样本食材的样本当前温度分布和样本烤箱的样本焙烤参数对应的样本食材在下一时间点的样本预测温度分布标注为训练样本对应的标签。
68.本说明书的一些实施例，通过将当前温度分布和焙烤参数输入温度预测模型，预测食材下一时间点的预测温度分布，然后基于预测温度分布，确定焙烤调整方案，从而可以实现快速准确的预测食材在下一时间点的温度分布，从而可以根据食材在下一时间点的预测温度分布确定焙烤调整方案。同时，通过在温度预测模型的预测过程中加入影响食材焙烤调整方案的食材中预设点位的位置信息和烤箱中加热管的位置信息，从而更好的实现对同一食材不同位置设置不同的焙烤调整方案，以满足不同食材的不同位置的焙烤要求，进一步提高焙烤质量以及用户体验。
69.步骤420，基于预测温度分布，确定焙烤调整方案。
70.在一些实施例中，处理器可以基于烤箱中的联网模块从数据平台获取食材在下一时间点的目标温度分布，以及根据目标温度分布和预测温度分布，确定焙烤调整方案。
71.联网模块可以通过网络(例如，网络130)从数据平台获取数据信息。数据平台可以
存储历史焙烤成功的数据信息，其中，数据信息可以包括历史焙烤成功的食材的目标温度分布。目标温度分布可以是指食材中不同位置在下一时间点的适宜焙烤温度。
72.在一些实施例中，还可以利用图像识别，确定食材在下一时间点的目标温度分布。图像识别的方法可以包括但不限于结构图像识别方法、模糊图像识别方法等中的一种或多种。在一些实施例中，可以利用图像识别确定待焙烤食材的大小、面积、厚度等，然后确定食材不同位置的加热器的功率，进而得到焙烤食材的目标温度分布。在一些实施例中，可以利用图像识别确定待焙烤食材的形状和材质(例如，识别烤羊腿上的肉和骨头)，然后确定不同位置加热器的功率，进而得到焙烤食材的目标温度分布。例如，可以利用图像识别食材的形状和材质，若食材的识别结果为烤羊腿，则可以将烤羊腿上肉薄的地方加热器功率设置小一些(避免烤糊)，将烤羊腿肉厚的地方加热器功率设置适当大一些(避免内部烤不熟)，进而得到烤羊腿的目标温度分布。
73.在一些实施例中，经过图像识别确定的目标温度分布可以发送至终端，供用户确认或者由用户指定。
74.在一些实施例中，处理器可以根据目标温度分布确定食材中至少一个位置处对应的焙烤温度阈值。其中，焙烤温度阈值可以是超过目标温度分布一定预设值的温度值。在一些实施例中，预设值可以是系统默认值、经验值、人为预先设定值等或其任意组合，可以根据实际需求设定，本说明书对此不做限制。示例性地，食材中位置点a的目标温度分布为80℃，预设值为10℃，则可以确定焙烤温度阈值为20℃。
75.在一些实施例中，处理器可以根据当前温度分布和对应的焙烤温度阈值的关系，确定焙烤调整方案。例如，当食材中的部分位置达到焙烤温度阈值时，可以在下一时间点适当降低该位置处加热器功率，降低风扇转速。
76.本说明书的一些实施例，通过确定食材的当前温度分布和食材在下一时间点的目标温度分布，可以基于目标温度分布在下一时间点对焙烤参数进行调整，实现对食材的焙烤过程进行实时监控，使得食材在每个时间点的温度分布接近目标温度分布，提高焙烤质量。
77.应当注意的是，上述有关流程400的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程400进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
78.图5是根据本说明书一些实施例所示的确定焙烤调整方案的另一示例性流程图。在一些实施例中，流程500可以由处理设备140或处理器240执行。如图5所示，流程500可以包括下述步骤。例如，流程500可以以程序或指令的形式存储在存储设备(例如，存储设备150)中，当处理设备140或处理器240执行该程序或指令时，可以实现流程500。下文呈现的流程500的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图5中示出的及下文描述的流程500的操作的顺序并非限制性的。
79.步骤510，基于当前温度分布、预测温度分布和目标温度分布，确定下一时间点烤箱中的至少一个加热管的功率和至少一个反射装置的反射角度。
80.在一些实施例中，反射装置可以设置于加热管的周围，并以一定的反射角度对加热管发出的光波进行反射。在一些实施例中，反射装置可以以对应的加热管为旋转轴/旋转
中心进行定时摆动。其中，定时摆动是指反射装置能够经过预先设定的时间后旋转一定角度，从而改变其反射角度。例如，反射装置a以加热管b为旋转轴/旋转中心，顺时针旋转15
°
后保持该反射角度3mins，然后再顺时针旋转15
°
后保持该反射角度3mins。
81.在一些实施例中，处理器可以通过联网模块，获取同类食材的相关焙烤数据，从而可以结合当前温度分布、预测温度分布以及目标温度分布数据，确定下一时间点至少一个加热管的功率和至少一个反射装置的反射角度。其中，至少一个加热管的功率和至少一个反射装置的反射角度可以是将食材由当前温度分布调整至目标温度分布时所对应的加热管的功率和反射装置的反射角度。
82.在一些实施例中，处理器可以利用参数确定模型预测至少一个加热器功率以及至少一个反射装置的反射角度。
83.参数确定模型可以用于确定至少一个加热管的功率和至少一个反射装置的反射角度。例如，参数确定模型可以包括但不限于卷积神经网络(convolutional neural networks，cnn)、深度神经网络(deep neural networks，dnn)等一种或多种的组合。
84.在一些实施例中，参数确定模型的输入可以包括当前温度分布、预测温度分布和目标温度分布等，其输出可以包括至少一个加热管的功率和至少一个反射装置的反射角度。
85.参数确定模型的参数可以通过训练获取。在一些实施例中，参数确定模型可以通过多个带有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始参数确定模型，通过标签和初始参数确定模型的结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新参数确定模型的参数。当初始参数确定模型的损失函数满足预设条件时模型训练完成，得到训练好的参数确定模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
86.在一些实施例中，训练样本可以包括样本食材的样本当前温度分布、样本预测温度分布和样本目标温度分布等。标签可以是至少一个样本加热管的功率数据以及至少一个样本反射装置的反射角度数据。
87.在一些实施例中，可以根据历史焙烤数据确定训练样本及标签。在一些实施例中，可以在历史焙烤数据中确定将食材焙烤成功的历史焙烤成功数据。其中，历史焙烤成功数据中可以包括食材在各个时间点的温度分布、目标温度分布以及对应的焙烤参数的调整方案等。例如，可以将食材的温度分布与目标温度分布接近的数据确定为历史焙烤成功数据。在一些实施例中，可以将历史焙烤成功数据中各个食材在各个时间点的温度分布，以及各个食材对应在下个时间点的预测温度分布和目标温度分布作为训练样本，并将其对应的加热管的功率和反射装置的反射角度作为标签。
88.在一些实施例中，还可以根据反射装置进行定时摆动的历史摆动数据确定训练样本的标签。在一些实施例中，可以在历史摆动数据中确定将食材的温度分布调整至目标温度分布的目标历史摆动数据。其中，目标历史摆动数据中可以包括反射装置在各个时间点对应的反射角度。在一些实施例中，可以根据训练样本对应的目标温度分布在目标历史摆动数据中确定对应的反射角度，作为训练样本对应的标签。在一些实施例中，标签还可以通过联网数据确定。例如，可以通过联网数据确定样本食材在样本当前温度分布、样本预测温度分布和样本目标温度分布下对应的加热管的功率数据以及反射装置的反射角度数据。
89.本说明书的一些实施例，通过建立并训练参数确定模型，可以基于当前温度分布等数据，比较精确高效地获取加热管功率和/或反射装置角度，提高用户体验。
90.步骤520，基于至少一个加热管功率和至少一个反射装置的反射角度，确定焙烤调整方案。
91.在一些实施例中，在确定下一个时间点的至少一个加热管的功率和至少一个反射装置的反射角度后，可以根据当前时间点的至少一个加热管的功率和至少一个反射装置的反射角度，确定功率调整值和反射角度调整值，以确定焙烤调整方案。例如，当前时间点时加热管a的功率为15瓦，对应的反射装置a的反射角度为15
°
，下一个时间点时加热管a的功率为20瓦，对应的反射装置a的反射角度为20
°
，则可以确定功率调整值为 5瓦，反射角度调整值为 5
°
，进而可以确定焙烤调整方案为将加热管a的功率调高5瓦，将反射装置a的反射角度调大5
°
。
92.本说明书的一些实施例，考虑到食品焙烤过程中的相关参数变化，通过对焙烤参数进行实时调整，以提高食品焙烤质量。同时，通过机器学习模型可以准确高效地确定出加热管功率和反射装置的反射角度等参数调整值，实现对食材的焙烤进行较精准的控制，实现智能焙烤，提升用户体验。
93.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
94.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
95.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
96.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
97.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点
可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
98.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
99.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。