作者簡介：劉金煥（1991—），男，大學(xué)本科，助理工程師，研究方向?yàn)閼?yīng)用電子技術(shù)、物聯(lián)網(wǎng)、智能家電、嵌入式系統(tǒng)應(yīng)用。

摘要：空氣炸鍋以高速空氣循環(huán)技術(shù)為基礎(chǔ)，使部分食品制作脫離了原本油炸的操作模式，以相對(duì)簡便的食品加工方式而受到用戶喜愛。但空氣炸鍋現(xiàn)有操作模式多為手動(dòng)操作，智能化程度不足，且烹飪模式也存在局限性?；诖耍灾悄軓N電控制技術(shù)、無線通信技術(shù)為基礎(chǔ)，提出空氣炸鍋智能推薦功能的實(shí)現(xiàn)方案。由控制器系統(tǒng)、云服務(wù)器和移動(dòng)客戶端三個(gè)主要部分組成，卷積神經(jīng)網(wǎng)絡(luò)和聚類算法為核心，實(shí)現(xiàn)用戶與空氣炸鍋的智能交互，提高空氣炸鍋的智能化水平，提升用戶體驗(yàn)。

關(guān)鍵詞：空氣炸鍋" "智能推薦" "系統(tǒng)設(shè)計(jì)" "服務(wù)系統(tǒng)

中圖分類號(hào)：TS972.2

Abstract： Air fryers are based on high-speed air circulation technology and allow some food production to break away from the original frying operation mode， and they are favored by users for their relatively simple food processing methods. However， the existing operating modes of air fryers are mostly manual operation， which is not intelligent enough， and cooking modes also have limitations. Based on this， this paper proposes a scheme for implementing the intelligent recommendation function of air fryers on the basis of intelligent kitchen appliance control technology and wireless communication technology. It is composed of three main parts： the controller system， cloud server and mobile client and takes the convolutional neural network and clustering algorithm as cores to realize the intelligent interaction between users and air fryers， improve the intelligence level of air fryers and improve user experience.

Key Words： Air fryer; Intelligent recommendation; System design; Service system

空氣炸鍋在人們的烹飪生活中有非常重要的作用，使用空氣炸鍋不用加油也可以烹飪出美味口感，是借助高速空氣循環(huán)機(jī)組，仿真熱油效果，迅速加熱與脆化食品，進(jìn)而烹飪出與油炸相似的外酥里嫩的食物，因而受用戶喜愛。面對(duì)用戶需求的多樣化，以及空氣炸鍋的功能增多，需要考慮用戶體驗(yàn)與操作的便捷性，結(jié)合智能技術(shù)，研究空氣炸鍋的智能推薦功能成為一種必然趨勢。

1空氣炸鍋智能化的總體思路

1.1功能需求分析

基于智能推薦下的空氣炸鍋系統(tǒng)設(shè)計(jì)，需要考慮空氣炸鍋的基本功能和智能化控制功能，具體包括以下幾個(gè)部分。

1.1.1數(shù)據(jù)采集

智能推薦的實(shí)現(xiàn)是基于用戶需求而實(shí)施的，推薦方案的制定需要參考食物本身與用戶要求進(jìn)行。在常規(guī)烹飪中，不同的食材、不同的烹飪方法及不同烹飪過程下所形成的口感明顯不同，因此需要對(duì)食物的相關(guān)數(shù)據(jù)進(jìn)行細(xì)化后分類，從而形成影響最終評(píng)分和推薦結(jié)果的前置性分析數(shù)據(jù)[1]。具體食物數(shù)據(jù)采集對(duì)象包括食物種類、名稱、重量。

1.1.2智能推薦

為充分滿足用戶需求，根據(jù)用戶喜好傾向和食物數(shù)據(jù)推薦具體的烹飪模式，用戶可在最小范圍內(nèi)選取對(duì)應(yīng)的烹飪模式，減少操作的難度。

1.1.3遠(yuǎn)程通信

遠(yuǎn)程通信是智能電器的典型功能，用戶可以在移動(dòng)端實(shí)現(xiàn)空氣炸鍋控制，在無線通信技術(shù)的支持下構(gòu)建系統(tǒng)，將空氣炸鍋的控制系統(tǒng)與云端服務(wù)相關(guān)聯(lián)。

1.2系統(tǒng)架構(gòu)設(shè)計(jì)

參照上述功能需求，系統(tǒng)架構(gòu)時(shí)主要考慮三個(gè)部分：空氣炸鍋控制系統(tǒng)、云端服務(wù)系統(tǒng)、移動(dòng)端點(diǎn)控制系統(tǒng)。在空氣炸鍋中安裝控制器和微處理器，同步接收云端服務(wù)系統(tǒng)傳輸?shù)闹噶?，?shí)現(xiàn)對(duì)空氣炸鍋的實(shí)時(shí)控制[2]，而食物重量通過空氣炸鍋配備的稱重組件采集后傳輸至前端顯示屏上，或由移動(dòng)端點(diǎn)控制系統(tǒng)錄入和調(diào)整。云服務(wù)器作為云端服務(wù)系統(tǒng)的核心，作為用戶移動(dòng)端點(diǎn)與空氣炸鍋控制系統(tǒng)的主要紐帶，并且存儲(chǔ)用戶信息及食物相關(guān)歷史數(shù)據(jù)，通過對(duì)數(shù)據(jù)的計(jì)算和評(píng)分，獲取最優(yōu)的烹飪模式推薦結(jié)果展現(xiàn)至移動(dòng)端點(diǎn)，由用戶確認(rèn)后發(fā)送指令至空氣炸鍋控制系統(tǒng)。移動(dòng)端點(diǎn)控制系統(tǒng)讓用戶在移動(dòng)端點(diǎn)完成空氣炸鍋關(guān)聯(lián)，注冊(cè)、綁定后可傳輸與修改食物參數(shù)，或者根據(jù)個(gè)人喜好下達(dá)烹飪指令等。系統(tǒng)架構(gòu)見圖1所示。

2空氣炸鍋智能推薦功能的實(shí)現(xiàn)

以K-means聚類算法與卷積神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，結(jié)合用戶需求、烹飪模式和食物種類等進(jìn)行綜合數(shù)據(jù)處理，最終推選最為合適的烹飪模式。

2.1智能推薦算法

以用戶需求、烹飪模式和食物種類為主要數(shù)據(jù)，并制作數(shù)據(jù)集，則數(shù)據(jù)集的主要元素有食物數(shù)據(jù)、模式數(shù)據(jù)、用戶需求數(shù)據(jù)。食物數(shù)據(jù)主要是對(duì)食物進(jìn)行分類和識(shí)別，對(duì)食物的名稱、種類、重量等進(jìn)行劃分形成可匹配序列；模式數(shù)據(jù)則主要包含烹飪時(shí)長和溫度，同樣形成可匹配系列；用戶需求則包含食物數(shù)據(jù)的序列編號(hào)、烹飪模式序列編號(hào)與傾向評(píng)分[3]。

（1）卷積神經(jīng)網(wǎng)絡(luò)以TensorFlow深度學(xué)習(xí)框架為基礎(chǔ)，將食物數(shù)據(jù)和模式數(shù)據(jù)作為輸入變量，將用戶需求作為輸出變量。如圖2所示。

（2）在卷積神經(jīng)網(wǎng)絡(luò)模型中，將食物名稱經(jīng)卷積處理后提取名稱特征。輸入層以n×k嵌入矩陣為核心，n為食物單詞數(shù)、k為第一步特征矩陣維度；以h×k為卷積核，完成輸入詞向量的特征提取，h為相鄰詞向量數(shù)常規(guī)取值2～5，k為輸入詞向量維度，特征值計(jì)算參見下式。

式中：為特征值，為卷積數(shù)據(jù)，為卷積核權(quán)重，為詞向量，為卷積核偏置值，為食物名稱排列。

卷積運(yùn)算參見下式。

式中：為卷積運(yùn)算結(jié)果，為特征值。

（3）卷積計(jì)算完畢后，使用大池化法進(jìn)一步提取特征，參見下式。

式中：為池化后特征結(jié)果，為卷積核在第n項(xiàng)計(jì)算下的數(shù)據(jù)結(jié)果。

池化后的特征結(jié)果傳輸至輸出層，雖然模型精度滿足相應(yīng)的要求，但仍可能存在過擬合問題，此時(shí)利用Dropout技術(shù)進(jìn)行正則化處理，同步輸出名稱特征向量。在全連接層中輸入食物與模式的特征矩陣，得到可匹配的特征矩陣，對(duì)食物與模式的特征矩陣進(jìn)行向量擬合獲取用戶需求下的傾向評(píng)分，并投入訓(xùn)練損失分析，損失函數(shù)計(jì)算參見下式。

式中：為訓(xùn)練損失函數(shù)計(jì)算值，為擬選評(píng)分?jǐn)?shù)，為預(yù)測分值，為實(shí)際分值。

（4）在整個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型中，數(shù)據(jù)前向傳播和處理后獲取了訓(xùn)練損失函數(shù)，再將數(shù)據(jù)反向傳播逐級(jí)更新模型中的參數(shù)，經(jīng)過歷次迭代后模型中所保留的是最優(yōu)數(shù)據(jù)，直至訓(xùn)練效果達(dá)到預(yù)期測試效果后，提存最優(yōu)選擇傾向下的模式評(píng)分，再結(jié)合用戶需求和上傳的具體食物類型與特征，匹配分值最高的烹飪模式進(jìn)行推薦[4-5]。

2.2食物聚類處理

考慮用戶需求的多樣化，原有食物種類集合中可能不包含新上傳的食物，或者食物的重量、搭配等存在差異化，需要采取食物聚類處理確保新舊食物均能獲得最佳烹飪模式的推薦。

（1）食物的聚類處理需要將新舊食物進(jìn)行同化表示，將新食物拆分后對(duì)數(shù)字列表進(jìn)行二次拆分，分為單獨(dú)字段進(jìn)行聚類計(jì)算。在拆分成單獨(dú)字段后，需考慮聚類計(jì)算的沖突，因此采取標(biāo)準(zhǔn)化處理，參見下式。

式中：為標(biāo)準(zhǔn)化處理結(jié)果，為擬標(biāo)準(zhǔn)化處理對(duì)象，為處理前數(shù)據(jù)均值，為數(shù)據(jù)標(biāo)準(zhǔn)差，為食物名稱排列。

（2）使用K-means聚類算法，首先劃分出具體的類別，從中選取k個(gè)中心點(diǎn)，以中心點(diǎn)為參照，計(jì)算錄入數(shù)據(jù)與中心點(diǎn)之間的距離，將錄入數(shù)據(jù)歸入距離最近的點(diǎn)位，同時(shí)對(duì)該中心點(diǎn)范圍內(nèi)的數(shù)據(jù)進(jìn)行重新計(jì)算，劃分出新的中心點(diǎn)，在重復(fù)的計(jì)算和更新過程下若未出現(xiàn)后續(xù)中心點(diǎn)變化則證明聚類算法計(jì)算結(jié)束。其中，k作為關(guān)鍵值，其計(jì)算參見下式。

式中：為聚類最終計(jì)算值，為聚類數(shù)，為分類中的第類，為分類中的樣本點(diǎn)，為分類中單一類型類的均值。

（3）聚類算法中距離計(jì)算參見下式。

式中：為計(jì)算距離，為樣本點(diǎn)，為中心點(diǎn)，為分類中的第類，為樣本點(diǎn)及中心點(diǎn)的維度。

食物數(shù)據(jù)在經(jīng)過聚類處理之后，經(jīng)距離計(jì)算后確定類型相似度，相似較高的新、舊食物推薦同種烹飪模式，用戶根據(jù)推薦可獲取最優(yōu)方案。整個(gè)系統(tǒng)的智能推薦功能由此實(shí)現(xiàn)。

3空氣炸鍋智能推薦功能的保障設(shè)計(jì)

3.1空氣炸鍋控制系統(tǒng)

空氣炸鍋控制系統(tǒng)的硬件搭配包含微處理器、溫度傳感組件、稱重傳感組件、人機(jī)交互組件、通信組件等。核心為微控制器，依靠Wi-Fi模塊建立與云端的通信連接，實(shí)現(xiàn)包括烹飪指令執(zhí)行、顯示烹飪相關(guān)信息、執(zhí)行其他操作指令等功能。

空氣炸鍋在通電之后，控制器的主程序?qū)ο到y(tǒng)進(jìn)行初始化處理，并通過Wi-Fi模塊完成聯(lián)網(wǎng)，首次配網(wǎng)則需要用戶在移動(dòng)端完成匹配。聯(lián)網(wǎng)完畢后，由顯示屏顯示成功信息，并轉(zhuǎn)入下一步食物信息采集流程。微處理器自稱重組件處獲取食物重量數(shù)據(jù)，經(jīng)轉(zhuǎn)化和加工后生成最終重量數(shù)據(jù)[6]。

3.2云端服務(wù)系統(tǒng)

云端服務(wù)系統(tǒng)是空氣炸鍋控制的關(guān)鍵，負(fù)責(zé)移動(dòng)端點(diǎn)與空氣炸鍋控制系統(tǒng)之間的信息交互。選擇MQTT通信協(xié)議為基礎(chǔ)，在傳輸層TCP/IP協(xié)議上設(shè)置ISO標(biāo)準(zhǔn)下的消息發(fā)布/訂閱功能，實(shí)現(xiàn)低成本高效率的消息服務(wù)?？諝庹ㄥ佂ㄟ^路由器連接云端，實(shí)現(xiàn)數(shù)據(jù)交互和指令接收，實(shí)現(xiàn)對(duì)用戶信息、烹飪信息和空氣炸鍋信息的管理、存儲(chǔ)等功能。

4結(jié)語

實(shí)現(xiàn)空氣炸鍋智能推薦功能需要結(jié)合硬件設(shè)備和軟件算法，通過設(shè)計(jì)和實(shí)現(xiàn)用戶友好的應(yīng)用程序、云端服務(wù)器、控制系統(tǒng)和傳感器，并根據(jù)食物類型、口感要求、歷史烹飪數(shù)據(jù)、用戶偏好、時(shí)令食材等情況，采用數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，實(shí)現(xiàn)智能推薦，從而提高烹飪的效率和口感質(zhì)量。

參考文獻(xiàn)

[1] 胡敏嘉.試論交互設(shè)計(jì)視域下的智能廚房電器設(shè)計(jì)[J].技術(shù)與市場，2022，29（9）：81-83.

[2] 葉寧.人工智能技術(shù)在電器自動(dòng)化控制中的應(yīng)用[J].光源與照明，2022（4）：141-143.

[3] 陳從平，李少玉，鈕嘉煒，等.面向自動(dòng)拆解的廢舊電器整機(jī)智能識(shí)別方法[J].計(jì)算機(jī)測量與控制，2022，30（2）：237-243.

[4] 李家忻.基于深度學(xué)習(xí)的多模態(tài)磁共振圖像肺部腫塊分割方法研究[D].北京：北京交通大學(xué)，2022.

[5] 李龍巖.基于改進(jìn)HarDNet-MSEG的結(jié)腸息肉圖像分割算法研究[D].武漢：武漢紡織大學(xué)，2022.

[6] 張培興.基于場景的自動(dòng)駕駛汽車虛擬仿真加速測試與評(píng)價(jià)方法研究[D].長春：吉林大學(xué)，2023.