基于人工智能与大数据的远程控制方法及云平台系统

摘要

本发明涉及人工智能与大数据技术领域，涉及一种基于人工智能与大数据的远程控制方法及云平台系统。本发明能够对获取到的食物烹饪需求信息中的各个烹饪需求指标进行加热控制分析从而确定出加热需求标签集，然后通过加热需求标签集对烹饪需求指标进行划分、需求分析结果的相关度的确定以及烹饪需求指标序列的合并，以实现烹饪需求指标列表的更新。本发明根据更新之后的第二烹饪需求指标列表对食物烹饪需求信息进行实时加热调整分析以根据对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制，能够实现对食物加热温度和加热时长的自适应调整和灵活控制，避免机械式的加热温度和加热时长的设置可能带来的设备安全隐患。

说明书

技术领域

本发明涉及人工智能与大数据技术领域，具体而言，涉及一种基于人工智能与大数据的远程控制方法及云平台系统。

背景技术

随着控制技术的发展，智能化厨房也不断进步和优化。相较于之前的手工烹饪方法，现如今的食物烹饪可以通过智能烹饪设备实现，例如食物烹饪过程中的加热工序。然而，现目前的智能烹饪设备大多仅支持提前预约加热，难以实现对食物加热温度和加热时长的自适应调整和灵活控制。

发明内容

本发明的第一个方面公开了一种基于人工智能与大数据的远程控制方法，包括：

获取待处理的食物烹饪需求信息；对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集，其中，所述加热需求标签集中包括所述烹饪需求指标的至少两个加热需求标签；

根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表，其中，所述第一烹饪需求指标列表中记录有所述食物烹饪需求信息中包含的多个食材类型分别对应的烹饪需求指标序列，每个烹饪需求指标序列中的首个烹饪需求指标为所述食材类型的关键烹饪需求指标；

依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度；在所述需求分析结果的相关度达到预设条件的情况下，将所述关键烹饪需求指标所在第一食材类型中的烹饪需求指标序列，合并到所述参考烹饪需求指标所在第二食材类型中的烹饪需求指标序列中，以将所述第一烹饪需求指标列表更新为第二烹饪需求指标列表；

按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析；根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。

优选地，所述对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集包括：

依次将所述食物烹饪需求信息中的每个烹饪需求指标作为当前烹饪需求指标，以执行以下加热控制分析操作，直至遍历所述食物烹饪需求信息中的全部烹饪需求指标：将所述当前烹饪需求指标中各个烹饪需求节点信息映射至烹饪需求特征集中，以得到所述各个烹饪需求节点信息在所述烹饪需求特征集内各个需求指标节点信息的指标描述值，其中，所述烹饪需求特征集包括至少两个需求指标节点信息；根据所述各个烹饪需求节点信息的所述需求指标节点信息的指标描述值，确定与所述当前烹饪需求指标匹配的所述加热需求标签集。

优选地，所述根据所述各个烹饪需求节点信息的所述需求指标节点信息的指标描述值，确定与所述当前烹饪需求指标匹配的所述加热需求标签集包括：

获取所述各个烹饪需求节点信息的第n个需求指标节点信息的指标描述值所对应的实时温度需求标签，得到所述当前烹饪需求指标的第n个加热需求标签，其中，所述n为大于等于1，小于等于i的整数，所述i为所述烹饪需求特征集中所述需求指标节点信息的数量，所述i为正整数。

优选地，所述根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表包括：

获取所述加热需求标签集中各个加热需求标签的关联加热需求标签，将所述加热需求标签的关联加热需求标签作为与所述烹饪需求指标匹配的目标加热需求标签；

依次比对相邻两个烹饪需求指标各自对应的目标加热需求标签，得到比对结果；

根据所述比对结果对全部烹饪需求指标进行划分，得到所述第一烹饪需求指标列表；

其中，依次比对相邻两个烹饪需求指标各自对应的目标加热需求标签，得到比对结果包括：

获取第m+1个烹饪需求指标的目标加热需求标签与第m个烹饪需求指标的目标加热需求标签的食物类别加热需求值，其中，所述m为大于等于1，小于等于j-1的整数，所述j为所述食物烹饪需求信息中烹饪需求指标的数量；

比对所述食物类别加热需求值与加热温度阈值，得到所述比对结果；

所述根据所述比对结果对全部烹饪需求指标进行划分，得到所述第一烹饪需求指标列表包括：在所述比对结果指示所述食物类别加热需求值小于所述加热温度阈值的情况下，确定所述第m+1个烹饪需求指标与所述第m个烹饪需求指标为同一个食材类型，则将所述第m+1个烹饪需求指标添加到所述第m个烹饪需求指标所在的烹饪需求指标序列中；

在所述比对结果指示所述食物类别加热需求值大于等于所述加热温度阈值的情况下，确定所述第m+1个烹饪需求指标与所述第m个烹饪需求指标并非对应同一个食材类型，则为所述第m+1个烹饪需求指标创建新的烹饪需求指标序列。

优选地，所述依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度包括：

获取所述关键烹饪需求指标的关键烹饪需求属性信息和所述参考烹饪需求指标的参考烹饪需求属性信息；

获取所述关键烹饪需求属性信息与所述参考烹饪需求属性信息之间的烹饪需求属性匹配度，其中，所述需求分析结果的相关度包括所述烹饪需求属性匹配度；

获取所述关键烹饪需求指标和所述参考烹饪需求指标中的动态需求指标；

获取所述动态需求指标在所述关键烹饪需求指标中的第一需求优先级和所述动态需求指标在所述参考烹饪需求指标中的第二需求优先级，其中，所述需求分析结果的相关度包括所述第一需求优先级和所述第二需求优先级；

其中，所述获取所述关键烹饪需求指标的关键烹饪需求属性信息和所述参考烹饪需求指标的参考烹饪需求属性信息包括：

对所述关键烹饪需求指标和所述参考烹饪需求指标分别进行需求指标筛分，得到候选关键烹饪需求指标和候选参考烹饪需求指标；

将所述候选关键烹饪需求指标输入预先训练完成的需求指标分析模型，以得到所述关键烹饪需求属性信息，并将所述候选参考烹饪需求指标输入所述预先训练完成的需求指标分析模型，以得到所述参考烹饪需求属性信息，其中，所述预先训练完成的需求指标分析模型为利用多组样本需求指标对及对应的加热需求标签进行机器学习后所得到的用于生成属性信息的烹饪需求属性信息的卷积神经网络模型，所述多组样本需求指标对中的每组样本需求指标对包括样本烹饪菜品中第一样本食材类型中的第一个样本需求指标和第二样本食材类型的最后一个样本需求指标，所述第二样本食材类型与所述第一样本食材类型相邻且位于所述第一样本食材类型之前，所述加热需求标签包括所述第一个样本需求指标的食材类型标签及所述最后一个样本需求指标的食材类型标签；

其中，在所述获取待处理的食物烹饪需求信息之前，还包括：

获取多个所述样本烹饪菜品，并提取每个所述样本烹饪菜品中的所述多组样本需求指标对；

将每组样本需求指标对作为当前组样本需求指标对，执行以下操作，直至达到所述预先训练完成的需求指标分析模型的预设指标条件：

将所述当前组样本需求指标对中的所述第一样本食材类型中的第一个样本需求指标输入第一目标需求指标分析模型中，以得到第一烹饪需求属性信息，并将所述当前组样本需求指标对中的所述第二样本食材类型中的最后一个样本需求指标输入第二目标需求指标分析模型中，以得到第二烹饪需求属性信息，其中，所述预先训练完成的需求指标分析模型训练时使用两个相对应的训练逻辑拓扑，所述两个相对应的训练逻辑拓扑包括所述第一目标需求指标分析模型和所述第二目标需求指标分析模型，且所述第一目标需求指标分析模型和所述第二目标需求指标分析模型共享训练样本和训练权重值；

获取所述第一烹饪需求属性信息及所述第二烹饪需求属性信息之间的烹饪需求属性匹配度，将所述第一烹饪需求属性信息及所述第二烹饪需求属性信息之间的烹饪需求属性匹配度作为烹饪需求配对率；

将所述烹饪需求配对率及所述加热需求标签输入属性信息评价函数，以计算得到当前烹饪需求评价值；获取所述当前烹饪需求评价值及所述当前烹饪需求评价值的上一个烹饪需求评价值的烹饪需求评价值差值；

在所述烹饪需求评价值差值指示所述两个相对应的训练逻辑拓扑达到所述预设指标条件的情况下，则将当前完成训练的所述第一目标需求指标分析模型或所述第二目标需求指标分析模型作为所述预先训练完成的需求指标分析模型。

优选地，所述获取所述关键烹饪需求指标和所述参考烹饪需求指标中的动态需求指标包括：

将所述关键烹饪需求指标转换为关键烹饪需求指标特征集，并将所述参考烹饪需求指标转换为参考烹饪需求指标特征集；

采用预设的特征提取算法，从所述关键烹饪需求指标特征集中提取关键烹饪温度需求特征集，并从所述参考烹饪需求指标特征集中提取参考烹饪温度需求特征集；

比对所述关键烹饪温度需求特征集和所述参考烹饪温度需求特征集，以获取所述动态需求指标；

其中，在所述依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度之后，还包括：

在所述烹饪需求属性匹配度大于设定匹配度阈值的情况下，确定所述需求分析结果的相关度达到所述预设条件；在所述烹饪需求属性匹配度小于等于所述设定匹配度阈值，所述第一需求优先级大于第一优先级阈值且所述第二需求优先级大于第二优先级阈值的情况下，确定所述需求分析结果的相关度达到所述预设条件；

在所述烹饪需求属性匹配度小于等于所述设定匹配度阈值，且所述第一需求优先级小于等于所述第一优先级阈值的情况下，确定所述需求分析结果的相关度并未达到所述预设条件，保留所述关键烹饪需求指标所在所述第一食材类型中的烹饪需求指标序列；

在所述烹饪需求属性匹配度小于等于所述设定匹配度阈值，且所述第二需求优先级小于等于所述第二优先级阈值的情况下，确定所述需求分析结果的相关度并未达到所述预设条件，保留所述关键烹饪需求指标所在所述第一食材类型中的烹饪需求指标序列。

优选地，按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析，包括：

基于所述第二烹饪需求指标列表的多个烹饪需求关联关系，获取食物烹饪需求信息中的至少一个烹饪需求指标对应的至少一个烹饪行为评价信息；所述至少一个烹饪行为评价信息描述了所述食物烹饪需求信息中的至少一个烹饪需求指标各自的烹饪行为特征；

依据所述至少一个烹饪行为评价信息，从所述食物烹饪需求信息中的至少一个烹饪需求指标中为所述多个烹饪需求关联关系中的每个烹饪需求关联关系，分别确定出烹饪行为评价指标和烹饪行为良品率；所述烹饪行为良品率表征所述烹饪行为评价指标为所述每个烹饪需求关联关系所对应的烹饪食物成品的成功率；

根据所述烹饪行为良品率，从所述每个烹饪需求关联关系对应的所述烹饪行为评价指标中挑选出候选烹饪行为评价指标；

获取所述候选烹饪行为评价指标的评价指标维度和评价指标时效特征，并基于所述评价指标时效特征、所述评价指标维度以及与所述候选烹饪行为评价指标对应的候选烹饪行为评价信息，确定出所述候选烹饪行为评价指标的评价指标使用率；所述评价指标使用率表征所述候选烹饪行为评价指标被选用的概率；

依据所述评价指标使用率，确定所述候选烹饪行为评价指标是否为已选用的评价指标，得到评价指标选用结果；

基于所述评价指标选用结果，对所述食物烹饪需求信息中的每个烹饪需求指标进行分析，得到所述食物烹饪需求信息对应的实时加热调整分析结果；

其中，所述每个烹饪需求关联关系具有烹饪需求协作信息和烹饪需求协作类型；所述依据所述至少一个烹饪行为评价信息，从所述食物烹饪需求信息中的至少一个烹饪需求指标中为所述多个烹饪需求关联关系中的每个烹饪需求关联关系，分别确定出烹饪行为评价指标和烹饪行为良品率，包括：

从所述至少一个烹饪行为评价信息中，解析出所述食物烹饪需求信息中的至少一个烹饪需求指标对应的烹饪需求影响系数和烹饪需求持续时长；

根据所述每个烹饪需求关联关系的所述烹饪需求协作信息、所述每个烹饪需求关联关系的所述烹饪需求协作类型、所述食物烹饪需求信息中的至少一个烹饪需求指标的所述烹饪需求影响系数和所述食物烹饪需求信息中的至少一个烹饪需求指标的所述烹饪需求持续时长，计算出所述每个烹饪需求关联关系和所述食物烹饪需求信息中的至少一个烹饪需求指标的至少一个烹饪行为描述值；

从所述至少一个烹饪行为描述值中，挑选出最大的烹饪行为描述值；

将所述食物烹饪需求信息中的至少一个烹饪需求指标中，与所述最大的烹饪行为描述值对应的实时评价指标，作为所述每个烹饪需求关联关系的所述烹饪行为评价指标，并将所述最大的烹饪行为描述值作为所述每个烹饪需求关联关系的所述烹饪行为良品率；

其中，所述根据所述烹饪行为良品率，从所述每个烹饪需求关联关系对应的所述烹饪行为评价指标中挑选出候选烹饪行为评价指标，包括：

从所述每个烹饪需求关联关系中，挑选出与当前烹饪行为评价指标相对应的一个或多个当前烹饪需求关联关系；所述一个或多个当前烹饪需求关联关系为匹配到所述当前烹饪行为评价指标的烹饪需求关联关系，所述当前烹饪行为评价指标为所述每个烹饪需求关联关系对应的烹饪行为评价指标中的任意实时评价指标；

将所述一个或多个当前烹饪需求关联关系所对应的一个或多个当前烹饪行为良品率，分别与预设好的良品率阈值进行比较，得到一个或多个比较结果；所述一个或多个比较结果表征所述一个或多个当前烹饪行为良品率是否小于所述预设好的良品率阈值；

当所述一个或多个比较结果表征所述一个或多个当前烹饪行为良品率均小于所述预设好的良品率阈值时，将所述当前烹饪行为评价指标，作为所述候选烹饪行为评价指标；

其中，所述基于所述评价指标时效特征、所述评价指标维度以及与所述候选烹饪行为评价指标对应的候选烹饪行为评价信息，确定出所述候选烹饪行为评价指标的评价指标使用率，包括：利用所述评价指标时效特征构造出第一指标使用权重；利用所述评价指标维度和所述候选烹饪行为评价信息，构造出第二指标使用权重；根据所述第一指标使用权重和所述第二指标使用权重，计算出所述评价指标使用率。

优选地，根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制，包括：

根据所述实时加热调整分析结果中的多个温度时长分析指标，对食物烹饪加热装置的加热温度和加热时间进行控制。

本发明的第二个方面公开了一种基于人工智能与大数据的远程控制云平台系统，包括互相之间通信的控制服务器和食物烹饪加热装置；其中，所述控制服务器用于：

获取待处理的食物烹饪需求信息；对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集，其中，所述加热需求标签集中包括所述烹饪需求指标的至少两个加热需求标签；

根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表，其中，所述第一烹饪需求指标列表中记录有所述食物烹饪需求信息中包含的多个食材类型分别对应的烹饪需求指标序列，每个烹饪需求指标序列中的首个烹饪需求指标为所述食材类型的关键烹饪需求指标；

依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度；在所述需求分析结果的相关度达到预设条件的情况下，将所述关键烹饪需求指标所在第一食材类型中的烹饪需求指标序列，合并到所述参考烹饪需求指标所在第二食材类型中的烹饪需求指标序列中，以将所述第一烹饪需求指标列表更新为第二烹饪需求指标列表；

按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析；根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。

相较于现有技术，本发明实施例提供的基于人工智能与大数据的远程控制方法及云平台系统具有以下技术效果：能够对获取到的食物烹饪需求信息中的各个烹饪需求指标进行加热控制分析从而确定出加热需求标签集，然后通过加热需求标签集对烹饪需求指标进行划分、需求分析结果的相关度的确定以及烹饪需求指标序列的合并，以实现烹饪需求指标列表的更新。这样可以根据更新之后的第二烹饪需求指标列表对食物烹饪需求信息进行实时加热调整分析以根据对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。可以理解，通过考虑食物烹饪需求信息中的烹饪需求指标，能够实现对食物加热温度和加热时长的自适应调整和灵活控制，避免机械式的加热温度和加热时长的设置可能带来的设备安全隐患。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

附图中的方法、云平台系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。

图1是根据本发明的一些实施例所示的一种示例性基于人工智能与大数据的远程控制云平台系统的框图。

图2是根据本发明的一些实施例所示的一种示例性控制服务器中硬件和软件组成的示意图。

图3是根据本发明的一些实施例所示的一种示例性基于人工智能与大数据的远程控制方法和/或过程的流程图。

图4是根据本发明的一些实施例所示的一种示例性基于人工智能与大数据的远程控制装置的框图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。

在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。在其他情况下，公知的方法、程序、云平台系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本发明的方面。

这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本发明的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本发明的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些附图并不依照比例。

本发明中使用流程图说明根据本发明的实施例的云平台系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。

图1是根据本发明的一些实施例所示的一种示例性基于人工智能与大数据的远程控制云平台系统300的框图，基于人工智能与大数据的远程控制云平台系统300可以包括控制服务器100和食物烹饪加热装置200。

在一些实施例中，如图2所示，控制服务器100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。

处理引擎110可以处理相关的信息和/或数据以执行本发明中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Phmsics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Arram，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。

网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网路120可以包括有线或无线网路接入点，如基站和/或网路接入点。

存储器130可以是，但不限于，随机存取存储器（Random Access Memorm，RAM），只读存储器（Read Onlm Memorm，ROM），可编程只读存储器（Programmable Read-OnlmMemorm，PROM），可擦除只读存储器（Erasable Programmable Read-Onlm Memorm，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Onlm Memorm，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。

可以理解，图2所示的结构仅为示意，控制服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

图3是根据本发明的一些实施例所示的一种示例性基于人工智能与大数据的远程控制方法和/或过程的流程图，基于人工智能与大数据的远程控制方法应用于图1中的控制服务器100，具体可以包括以下步骤S11-步骤S14所描述的内容。

步骤S11，获取待处理的食物烹饪需求信息；对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集。

例如，所述加热需求标签集中包括所述烹饪需求指标的至少两个加热需求标签。食物烹饪需求信息可以是食物软硬程度信息和食物口感信息等。烹饪需求指标可以是针对食物的不同维度的烹饪要求。

步骤S12，根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表。

例如，所述第一烹饪需求指标列表中记录有所述食物烹饪需求信息中包含的多个食材类型分别对应的烹饪需求指标序列，每个烹饪需求指标序列中的首个烹饪需求指标为所述食材类型的关键烹饪需求指标。

步骤S13，依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度；在所述需求分析结果的相关度达到预设条件的情况下，将所述关键烹饪需求指标所在第一食材类型中的烹饪需求指标序列，合并到所述参考烹饪需求指标所在第二食材类型中的烹饪需求指标序列中，以将所述第一烹饪需求指标列表更新为第二烹饪需求指标列表。

步骤S14，按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析；根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。

应当理解的是，在实施上述步骤S11-步骤S14所描述的内容时，能够对获取到的食物烹饪需求信息中的各个烹饪需求指标进行加热控制分析从而确定出加热需求标签集，然后通过加热需求标签集对烹饪需求指标进行划分、需求分析结果的相关度的确定以及烹饪需求指标序列的合并，以实现烹饪需求指标列表的更新。这样可以根据更新之后的第二烹饪需求指标列表对食物烹饪需求信息进行实时加热调整分析以根据对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。可以理解，通过考虑食物烹饪需求信息中的烹饪需求指标，能够实现对食物加热温度和加热时长的自适应调整和灵活控制，避免机械式的加热温度和加热时长的设置可能带来的设备安全隐患。

接下来将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。

在一些示例中，步骤S11所描述的对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集，进一步可以包括以下步骤S111-步骤S113所描述的内容。

步骤S111，依次将所述食物烹饪需求信息中的每个烹饪需求指标作为当前烹饪需求指标，以执行以下加热控制分析操作，直至遍历所述食物烹饪需求信息中的全部烹饪需求指标。

步骤S112，将所述当前烹饪需求指标中各个烹饪需求节点信息映射至烹饪需求特征集中，以得到所述各个烹饪需求节点信息在所述烹饪需求特征集内各个需求指标节点信息的指标描述值。

步骤S113，根据所述各个烹饪需求节点信息的所述需求指标节点信息的指标描述值，确定与所述当前烹饪需求指标匹配的所述加热需求标签集。

进一步地，步骤S113所描述的根据所述各个烹饪需求节点信息的所述需求指标节点信息的指标描述值，确定与所述当前烹饪需求指标匹配的所述加热需求标签集包括：获取所述各个烹饪需求节点信息的第n个需求指标节点信息的指标描述值所对应的实时温度需求标签，得到所述当前烹饪需求指标的第n个加热需求标签。例如，所述n为大于等于1，小于等于i的整数，所述i为所述烹饪需求特征集中所述需求指标节点信息的数量，所述i为正整数。如此，通过对实时温度需求标签进行获取，能够确保加热需求标签集的时效性。

在一些示例中，为了在指标划分时确保第一烹饪需求指标列表中的烹饪需求指标不会出现缺失，步骤S12所描述的根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表，可以通过以下步骤S121-步骤S123所描述的内容实现。

步骤S121，获取所述加热需求标签集中各个加热需求标签的关联加热需求标签，将所述加热需求标签的关联加热需求标签作为与所述烹饪需求指标匹配的目标加热需求标签。

步骤S122，依次比对相邻两个烹饪需求指标各自对应的目标加热需求标签，得到比对结果。

步骤S123，根据所述比对结果对全部烹饪需求指标进行划分，得到所述第一烹饪需求指标列表。

可以理解，通过应用上述步骤S121-步骤S123所描述的内容，能够对相邻两个烹饪需求指标各自对应的目标加热需求标签进行依次对比，从而根据多个比对结果实现对全部烹饪需求指标的多维特征划分，避免在划分过程中某些烹饪需求指标在特征划分层面的缺失，进而在指标划分时确保第一烹饪需求指标列表中的烹饪需求指标不会出现缺失。

更进一步地，步骤S122所描述的依次比对相邻两个烹饪需求指标各自对应的目标加热需求标签，得到比对结果可以包括以下步骤S1221和步骤S1222。

步骤S1221，获取第m+1个烹饪需求指标的目标加热需求标签与第m个烹饪需求指标的目标加热需求标签的食物类别加热需求值，其中，所述m为大于等于1，小于等于j-1的整数，所述j为所述食物烹饪需求信息中烹饪需求指标的数量。

步骤S1222，比对所述食物类别加热需求值与加热温度阈值，得到所述比对结果。

更进一步地，步骤S123所描述的根据所述比对结果对全部烹饪需求指标进行划分，得到所述第一烹饪需求指标列表包括以下步骤S1231和步骤S1232。

步骤S1231，在所述比对结果指示所述食物类别加热需求值小于所述加热温度阈值的情况下，确定所述第m+1个烹饪需求指标与所述第m个烹饪需求指标为同一个食材类型，则将所述第m+1个烹饪需求指标添加到所述第m个烹饪需求指标所在的烹饪需求指标序列中。

步骤S1232，在所述比对结果指示所述食物类别加热需求值大于等于所述加热温度阈值的情况下，确定所述第m+1个烹饪需求指标与所述第m个烹饪需求指标并非对应同一个食材类型，则为所述第m+1个烹饪需求指标创建新的烹饪需求指标序列。

在一些示例中，步骤S13所描述的依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度，可以包括以下步骤S1311-步骤S1314。

步骤S1311，获取所述关键烹饪需求指标的关键烹饪需求属性信息和所述参考烹饪需求指标的参考烹饪需求属性信息。

步骤S1312，获取所述关键烹饪需求属性信息与所述参考烹饪需求属性信息之间的烹饪需求属性匹配度，其中，所述需求分析结果的相关度包括所述烹饪需求属性匹配度。

步骤S1313，获取所述关键烹饪需求指标和所述参考烹饪需求指标中的动态需求指标。

步骤S1314，获取所述动态需求指标在所述关键烹饪需求指标中的第一需求优先级和所述动态需求指标在所述参考烹饪需求指标中的第二需求优先级，其中，所述需求分析结果的相关度包括所述第一需求优先级和所述第二需求优先级。

进一步地，在步骤S1311中，获取所述关键烹饪需求指标的关键烹饪需求属性信息和所述参考烹饪需求指标的参考烹饪需求属性信息，可以包括以下步骤S13111-步骤S13112。

步骤S13111，对所述关键烹饪需求指标和所述参考烹饪需求指标分别进行需求指标筛分，得到候选关键烹饪需求指标和候选参考烹饪需求指标。

步骤S13112，将所述候选关键烹饪需求指标输入预先训练完成的需求指标分析模型，以得到所述关键烹饪需求属性信息，并将所述候选参考烹饪需求指标输入所述预先训练完成的需求指标分析模型，以得到所述参考烹饪需求属性信息。

例如，所述预先训练完成的需求指标分析模型为利用多组样本需求指标对及对应的加热需求标签进行机器学习后所得到的用于生成属性信息的烹饪需求属性信息的卷积神经网络模型，所述多组样本需求指标对中的每组样本需求指标对包括样本烹饪菜品中第一样本食材类型中的第一个样本需求指标和第二样本食材类型的最后一个样本需求指标，所述第二样本食材类型与所述第一样本食材类型相邻且位于所述第一样本食材类型之前，所述加热需求标签包括所述第一个样本需求指标的食材类型标签及所述最后一个样本需求指标的食材类型标签。

在另外的一些示例中，在步骤S11所描述的获取待处理的食物烹饪需求信息的步骤之前，还可以包括以下步骤S21-步骤S26所描述的内容。

步骤S21，获取多个所述样本烹饪菜品，并提取每个所述样本烹饪菜品中的所述多组样本需求指标对。

步骤S22，将每组样本需求指标对作为当前组样本需求指标对，执行以下操作，直至达到所述预先训练完成的需求指标分析模型的预设指标条件。

步骤S23，将所述当前组样本需求指标对中的所述第一样本食材类型中的第一个样本需求指标输入第一目标需求指标分析模型中，以得到第一烹饪需求属性信息，并将所述当前组样本需求指标对中的所述第二样本食材类型中的最后一个样本需求指标输入第二目标需求指标分析模型中，以得到第二烹饪需求属性信息，其中，所述预先训练完成的需求指标分析模型训练时使用两个相对应的训练逻辑拓扑，所述两个相对应的训练逻辑拓扑包括所述第一目标需求指标分析模型和所述第二目标需求指标分析模型，且所述第一目标需求指标分析模型和所述第二目标需求指标分析模型共享训练样本和训练权重值。

步骤S24，获取所述第一烹饪需求属性信息及所述第二烹饪需求属性信息之间的烹饪需求属性匹配度，将所述第一烹饪需求属性信息及所述第二烹饪需求属性信息之间的烹饪需求属性匹配度作为烹饪需求配对率。

步骤S25，将所述烹饪需求配对率及所述加热需求标签输入属性信息评价函数，以计算得到当前烹饪需求评价值；获取所述当前烹饪需求评价值及所述当前烹饪需求评价值的上一个烹饪需求评价值的烹饪需求评价值差值。

步骤S26，在所述烹饪需求评价值差值指示所述两个相对应的训练逻辑拓扑达到所述预设指标条件的情况下，则将当前完成训练的所述第一目标需求指标分析模型或所述第二目标需求指标分析模型作为所述预先训练完成的需求指标分析模型。

可以理解，通过上述步骤S21-步骤S26，能够预先对需求指标分析模型进行确定，从而确保后续在使用需求指标分析模型进行烹饪需求属性信息的获取时避免因模型训练不到位而导致烹饪需求属性信息出现偏差。

进一步地，步骤S1313所描述的获取所述关键烹饪需求指标和所述参考烹饪需求指标中的动态需求指标，可以包括以下步骤S13131-步骤S13133。

步骤S13131，将所述关键烹饪需求指标转换为关键烹饪需求指标特征集，并将所述参考烹饪需求指标转换为参考烹饪需求指标特征集。

步骤S13132，采用预设的特征提取算法，从所述关键烹饪需求指标特征集中提取关键烹饪温度需求特征集，并从所述参考烹饪需求指标特征集中提取参考烹饪温度需求特征集。

步骤S13133，比对所述关键烹饪温度需求特征集和所述参考烹饪温度需求特征集，以获取所述动态需求指标。

可以理解的是，在步骤S13所描述的依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度的内容之后之后，还可以包括以下步骤S31-步骤S33所描述的内容。

步骤S31，在所述烹饪需求属性匹配度大于设定匹配度阈值的情况下，确定所述需求分析结果的相关度达到所述预设条件；在所述烹饪需求属性匹配度小于等于所述设定匹配度阈值，所述第一需求优先级大于第一优先级阈值且所述第二需求优先级大于第二优先级阈值的情况下，确定所述需求分析结果的相关度达到所述预设条件。

步骤S32，在所述烹饪需求属性匹配度小于等于所述设定匹配度阈值，且所述第一需求优先级小于等于所述第一优先级阈值的情况下，确定所述需求分析结果的相关度并未达到所述预设条件，保留所述关键烹饪需求指标所在所述第一食材类型中的烹饪需求指标序列。

步骤S33，在所述烹饪需求属性匹配度小于等于所述设定匹配度阈值，且所述第二需求优先级小于等于所述第二优先级阈值的情况下，确定所述需求分析结果的相关度并未达到所述预设条件，保留所述关键烹饪需求指标所在所述第一食材类型中的烹饪需求指标序列。

可以理解，基于上述步骤S31-步骤S33，能够基于烹饪需求属性匹配度与设定匹配度阈值的比对关系确定需求分析结果的相关度是否达到预设条件，从而确保后续进行加热温度和加热时长的自适应控制时的准确性和可靠性。

在一些实施例中，步骤S14所描述的按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析，可以通过以下步骤S141-步骤S146所描述的内容实现。

步骤S141，基于所述第二烹饪需求指标列表的多个烹饪需求关联关系，获取食物烹饪需求信息中的至少一个烹饪需求指标对应的至少一个烹饪行为评价信息；所述至少一个烹饪行为评价信息描述了所述食物烹饪需求信息中的至少一个烹饪需求指标各自的烹饪行为特征。

步骤S142，依据所述至少一个烹饪行为评价信息，从所述食物烹饪需求信息中的至少一个烹饪需求指标中为所述多个烹饪需求关联关系中的每个烹饪需求关联关系，分别确定出烹饪行为评价指标和烹饪行为良品率；所述烹饪行为良品率表征所述烹饪行为评价指标为所述每个烹饪需求关联关系所对应的烹饪食物成品的成功率。

步骤S143，根据所述烹饪行为良品率，从所述每个烹饪需求关联关系对应的所述烹饪行为评价指标中挑选出候选烹饪行为评价指标。

步骤S144，获取所述候选烹饪行为评价指标的评价指标维度和评价指标时效特征，并基于所述评价指标时效特征、所述评价指标维度以及与所述候选烹饪行为评价指标对应的候选烹饪行为评价信息，确定出所述候选烹饪行为评价指标的评价指标使用率；所述评价指标使用率表征所述候选烹饪行为评价指标被选用的概率。

步骤S145，依据所述评价指标使用率，确定所述候选烹饪行为评价指标是否为已选用的评价指标，得到评价指标选用结果。

步骤S146，基于所述评价指标选用结果，对所述食物烹饪需求信息中的每个烹饪需求指标进行分析，得到所述食物烹饪需求信息对应的实时加热调整分析结果。

在实际实施时，所述每个烹饪需求关联关系具有烹饪需求协作信息和烹饪需求协作类型。基于此，步骤S142所描述的依据所述至少一个烹饪行为评价信息，从所述食物烹饪需求信息中的至少一个烹饪需求指标中为所述多个烹饪需求关联关系中的每个烹饪需求关联关系，分别确定出烹饪行为评价指标和烹饪行为良品率，可以包括以下步骤S1421-步骤S1424。

步骤S1421，从所述至少一个烹饪行为评价信息中，解析出所述食物烹饪需求信息中的至少一个烹饪需求指标对应的烹饪需求影响系数和烹饪需求持续时长。

步骤S1422，根据所述每个烹饪需求关联关系的所述烹饪需求协作信息、所述每个烹饪需求关联关系的所述烹饪需求协作类型、所述食物烹饪需求信息中的至少一个烹饪需求指标的所述烹饪需求影响系数和所述食物烹饪需求信息中的至少一个烹饪需求指标的所述烹饪需求持续时长，计算出所述每个烹饪需求关联关系和所述食物烹饪需求信息中的至少一个烹饪需求指标的至少一个烹饪行为描述值。

步骤S1423，从所述至少一个烹饪行为描述值中，挑选出最大的烹饪行为描述值。

步骤S1424，将所述食物烹饪需求信息中的至少一个烹饪需求指标中，与所述最大的烹饪行为描述值对应的实时评价指标，作为所述每个烹饪需求关联关系的所述烹饪行为评价指标，并将所述最大的烹饪行为描述值作为所述每个烹饪需求关联关系的所述烹饪行为良品率。

可以理解，通过实施上述步骤S1421-步骤S1424，能够考虑烹饪需求指标对应的烹饪需求影响系数和烹饪需求持续时长，从而基于烹饪行为描述值确定烹饪行为良品率，以确保烹饪行为良品率与实际的加热状态的高相关性。

进一步地，步骤S143所描述的根据所述烹饪行为良品率，从所述每个烹饪需求关联关系对应的所述烹饪行为评价指标中挑选出候选烹饪行为评价指标，可以包括以下步骤S1431-步骤S1433所描述的内容。

步骤S1431，从所述每个烹饪需求关联关系中，挑选出与当前烹饪行为评价指标相对应的一个或多个当前烹饪需求关联关系；所述一个或多个当前烹饪需求关联关系为匹配到所述当前烹饪行为评价指标的烹饪需求关联关系，所述当前烹饪行为评价指标为所述每个烹饪需求关联关系对应的烹饪行为评价指标中的任意实时评价指标。

步骤S1432，将所述一个或多个当前烹饪需求关联关系所对应的一个或多个当前烹饪行为良品率，分别与预设好的良品率阈值进行比较，得到一个或多个比较结果；所述一个或多个比较结果表征所述一个或多个当前烹饪行为良品率是否小于所述预设好的良品率阈值。

步骤S1433，当所述一个或多个比较结果表征所述一个或多个当前烹饪行为良品率均小于所述预设好的良品率阈值时，将所述当前烹饪行为评价指标，作为所述候选烹饪行为评价指标。

进一步地，在步骤S144中，基于所述评价指标时效特征、所述评价指标维度以及与所述候选烹饪行为评价指标对应的候选烹饪行为评价信息，确定出所述候选烹饪行为评价指标的评价指标使用率，包括：利用所述评价指标时效特征构造出第一指标使用权重；利用所述评价指标维度和所述候选烹饪行为评价信息，构造出第二指标使用权重；根据所述第一指标使用权重和所述第二指标使用权重，计算出所述评价指标使用率。

在一个可能的实施例中，步骤S14所描述的根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制，可以包括步骤S140：根据所述实时加热调整分析结果中的多个温度时长分析指标，对食物烹饪加热装置的加热温度和加热时间进行控制。

图4是根据本发明的一些实施例所示的一种示例性基于人工智能与大数据的远程控制装置140的框图，所述基于人工智能与大数据的远程控制装置140可以包括以下功能模块。

加热控制分析模块141，用于获取待处理的食物烹饪需求信息；对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集，其中，所述加热需求标签集中包括所述烹饪需求指标的至少两个加热需求标签。

烹饪指标划分模块142，用于根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表，其中，所述第一烹饪需求指标列表中记录有所述食物烹饪需求信息中包含的多个食材类型分别对应的烹饪需求指标序列，每个烹饪需求指标序列中的首个烹饪需求指标为所述食材类型的关键烹饪需求指标。

烹饪指标合并模块143，用于依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度；在所述需求分析结果的相关度达到预设条件的情况下，将所述关键烹饪需求指标所在第一食材类型中的烹饪需求指标序列，合并到所述参考烹饪需求指标所在第二食材类型中的烹饪需求指标序列中，以将所述第一烹饪需求指标列表更新为第二烹饪需求指标列表。

食材加热控制模块144，用于按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析；根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。

可以理解，关于上述装置实施例的描述请参阅对图3所示的方法实施例的描述。

基于上述同样的发明构思，还提供了一种云平台系统实施例，关于该云平台系统实施例的描述如下。

一种基于人工智能与大数据的远程控制云平台系统，包括互相之间通信的控制服务器和食物烹饪加热装置；其中，所述控制服务器用于：

获取待处理的食物烹饪需求信息；对所述食物烹饪需求信息中各个烹饪需求指标依次进行加热控制分析，得到与每个烹饪需求指标对应的加热需求标签集，其中，所述加热需求标签集中包括所述烹饪需求指标的至少两个加热需求标签；

根据所述加热需求标签集对所述食物烹饪需求信息中的全部烹饪需求指标进行划分，得到第一烹饪需求指标列表，其中，所述第一烹饪需求指标列表中记录有所述食物烹饪需求信息中包含的多个食材类型分别对应的烹饪需求指标序列，每个烹饪需求指标序列中的首个烹饪需求指标为所述食材类型的关键烹饪需求指标；

依次获取每个所述关键烹饪需求指标和位于所述关键烹饪需求指标之前的参考烹饪需求指标之间的需求分析结果的相关度；在所述需求分析结果的相关度达到预设条件的情况下，将所述关键烹饪需求指标所在第一食材类型中的烹饪需求指标序列，合并到所述参考烹饪需求指标所在第二食材类型中的烹饪需求指标序列中，以将所述第一烹饪需求指标列表更新为第二烹饪需求指标列表；

按照所述第二烹饪需求指标列表对所述食物烹饪需求信息进行实时加热调整分析；根据所述食物烹饪需求信息对应的实时加热调整分析结果，对食物烹饪加热装置的加热温度和加热时间进行控制。

可以理解，关于上述云平台系统实施例的描述请参阅对图3所示的方法实施例的描述。

需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些值、系数、权重等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0~1，又例如1~10，再例如50~100，在此均不作限定，本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。因此上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本发明所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。

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，上述详细披露仅作为示例，而并不构成对本发明的限定。虽然此处并没有明确说明，本领域技术人员可以对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议，所以该类修改、改进、修正仍属于本发明示范实施例的精神和范围。

此外，除非申请专利范围中明确说明，本发明所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本发明流程和方法的顺序。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，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本发明实施例实质和范围的修正和等价组合。例如，虽然以上所描述的云平台系统组件可以通过硬件装置实现，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行动装置上安装所描述的云平台系统。

同样应当理解的是，为了简化本发明揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本发明实施例的描述中，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，这种披露方法幷不意味着本发明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。