[发明专利]飘尘检测方法、可读存储介质、飘尘检测机及智能食品机

说明书

本发明涉及飘尘检测技术领域，尤其涉及飘尘检测方法、计算机可读存储介质、飘尘检测机以及具有飘尘检测机的智能食品机。飘尘检测机和加工设备一起设在智能食品机的封闭式机壳内，封闭式机壳为飘尘检测机提供封闭场景，飘尘检测机包括拍摄装置和紫外环境提供装置。智能食品机的控制器预先录入有加工设备控制程序和飘尘检测机的飘尘检测控制程序。控制器控制飘尘检测机的紫外环境提供装置对封闭场景进行紫外光照射，然后控制飘尘检测机的拍摄装置对封闭场景进行横向拍摄和纵向拍摄获得多张场景荧光图像，并能够根据获得的多张场景荧光图像判断场景是浓度超标还是浓度达标，从而准确地判断加工设备处的飘尘浓度是否超标。

技术领域

本发明涉及飘尘检测技术领域，尤其涉及飘尘浓度分析的深度神经网络的训练方法、飘尘检测方法、计算机可读存储介质、飘尘检测机以及具有飘尘检测机的智能食品机，计算机可读存储介质被处理器执行时能实现飘尘浓度分析的深度神经网络的训练方法和/或飘尘检测方法。

背景技术

独立式食品制作售卖机内部为密闭空间，加工设备在密闭空间中工作，加工设备使用一段时间后会有灰尘堆积在设备内部，设备内部的空气中也会有飘尘，另外，食品加工的过程中用到面粉、粉状调料等材料，这些材料也会产生飘尘，飘尘过多会污染待加工的食材，因此需要对空气中的飘尘浓度进行监测。现有的飘尘浓度监测方法是在空气的流通通道中安装传感器来检测空气污染程度，通过传感器来计量流通空气中的飘尘浓度，但是传感器需要固定在空气的流通通道处，不能全面地反映飘尘在空间中的分布情况，可能流通通道中的飘尘浓度低但食材加工处的飘尘浓度高，因而不能准确地判断飘尘浓度是否超标。

发明内容

本发明要解决的技术问题是：如何准确地判断加工设备处的飘尘浓度是否超标。

本发明第一方面公开了一种飘尘浓度分析的深度神经网络的训练方法，包括如下步骤：

A. 对浓度超标的和浓度达标的情况分别执行下述样本获取步骤，从而分别获得学习样本，每次样本获取步骤包括如下S11、S12和S2：

——S11. 在紫外光照射下对封闭场景进行拍摄获得多张场景荧光图像，拍摄方向包括横向和纵向；

——S12. 与所述拍摄同步地检测封闭场景的飘尘浓度，标记其浓度是超标还是达标；

——S2. 以所述多张场景荧光图像作为输入信号，以该场景是浓度超标还是浓度达标作为输出信号，构成供深度神经网络进行飘尘浓度分析训练的一组学习样本；

B. 采用多组学习样本对深度神经网络进行飘尘浓度分析训练，直至该深度神经网络具备根据多张场景荧光图像判断场景是浓度超标还是浓度达标的能力。

优选地，深度神经网络具备根据多张场景荧光图像判断场景是浓度超标还是浓度达标的能力的判断条件包括：所述判断的准确率达到预定标准。

优选地，在执行所述步骤S11之前开启紫外环境提供装置从而实现所述紫外光照射。

本发明的第二方面公开了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时能够实现上述飘尘浓度分析的深度神经网络的训练方法。

本发明的第三方面公开了一种飘尘检测方法，包括如下步骤：

拍摄步骤. 对在紫外光照射下的封闭场景，进行横向拍摄和纵向拍摄获得多张场景荧光图像；

分析步骤. 结合横向拍摄的和纵向拍摄的场景荧光图像，分析出场景的飘尘浓度是否超标。

优选地，分析步骤的分析包括将拍摄得到的多张场景荧光图像一起输入到已训练好的深度神经网络，由该深度神经网络判断飘尘浓度是否超标。

优选地，分析步骤的深度神经网络是使用上述训练方法训练得到的。

本发明的第四方面公开了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时能够实现上述飘尘检测方法。