申请/专利权人：四川旅游学院

申请日：2019-11-24

公开（公告）日：2023-05-30

公开（公告）号：CN111177397B

主分类号：G05B19/04

分类号：G05B19/04;A47J27/00;A47J36/00;B25J9/16;B25J11/00;G06F16/36;G06N3/0464;G06N3/043;G06N3/084;G06N3/086;G06N3/088;G06N5/04;G06N5/048;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2023.05.30#授权;2020.06.12#实质审查的生效;2020.05.19#公开

摘要：本发明提供了一种基于深度学习的烹制搭配方法，包括根据菜谱系Me提取佐基本属性，并用本体进行描述和定义，使各菜谱的基本属性具有语义；根据菜谱特征的语义网，用X实现语义网推理，完成LK中各项特征语义化关联，构造基于本体的语义烹饪特征库LKK；根据LKK构造样本库SKK，为基于深度学习烹饪搭配提供知识发现和不同菜品的特征提取；以所构建的菜品的样本库和特征库为深度学习的基础库SKK，用基于深度学习的方法提取烹饪所需的特征，实现新的菜品配制方案。本发明可以实现烹饪过程智能化，减轻烹饪师劳苦操作和遭受烹饪过程所带来健康问题，而是让烹饪师从厨房走出，走进智能管理房进行信息化、智能化操作，促进餐饮业、烹饪业信息化。

主权项：1.一种基于深度学习的烹制搭配方法，其特征在于，包括步骤1，根据菜谱系Me提取佐料系Co、材质系Tm、油料系Oi、配料系Mi、味道系Ta、菜品熟度系Dd的基本属性，并用本体OC,AC,R,AR,HC,X,Index,TC进行描述和定义，使各菜谱的基本属性具有语义；其中，C表示特征的概念集，AC表示概念的属性集，R表示概念属性间的关系集，AR表示每个关系的属性集，HC表示概念的层次集，X表示语义推理的公理集X＝I,AppClass,Al,Cl,P；Index表示特征系的索引，用于鉴别各特征间的概念集CIndex，TC表示概念的分类集；在X中，I表示语义推理公理的解释集，I＝{ΔI,ΔD,·I}，其中，ΔI表示特征的非空集合个体，ΔD是一个非空集合量化数据值，·I是用于特征学习的解释函数或推理函数，AppClass,Al,Cl,P是本体描述的表示方法，其中，Class是推理实现的类、Al是推理实现的公理、Cl是推理实现的约束、P是推理实现的属性；步骤2，用本体O中的R与Index,TC构造菜谱语义关系网，实现各特征概念集之间关联；步骤3，根据菜谱特征的语义网，用X实现语义网推理，完成特征库LK中各项特征语义化关联，构造基于本体的语义烹饪特征库LKK，描述为：LK:O→LKK；其中，特征库LK由菜谱系Me、佐料系Co、材质系Tm、油料系Oi、配料系Mi、味道系Ta、菜品熟度系Dd构成；步骤4，根据语义烹饪特征库LKK构造样本库SKK，为基于深度学习烹饪搭配提供知识发现和不同菜品的特征提取，描述为：LK:LKK→SKK；其中，样本库SKK就是以菜谱系为基础制定多个样本，形成样品库，每一道菜具有不同的味道，就要根据不同的口味设置多个样本库；步骤5，以所构建的菜品的样本库和特征库为深度学习的基础库SKK，用基于深度学习的方法提取烹饪所需的特征，实现新的菜品配制方案；所述步骤5包括：步骤51，在云计算环境下，以LK、SKK为基础，建立多层深度神经网络模型DNNM，并根据SKK特征提取要求，在DNNM中引入卷积层和池化层，以消减LK中涉及到图像的学习过程中拟合现象；步骤52，基于模糊系统FS的过拟合模型来处理神经网络模型的权重递减过程中过拟合现象；步骤52包括：步骤521，建立基于粒子群化优化PSO的梯度下降全局优化模型和算法，保障DNNM学习过程中的梯度能达到一个全局优化能力；步骤522，根据SKK和用户需要确定输入量及个数，并支持输入量以矩阵方式进入到神经模型中，并按FS的要求处理其模糊输入量；步骤523，根据菜谱进行烹制菜品的自动搭配。

全文数据：

权利要求：

百度查询： 四川旅游学院 烹制搭配方法、烹饪传菜装置、和菜品品鉴装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD