特許 7510788 キッチン設備、キッチン設備の動作方法、キッチン設備のための学習装置およびキッチン設備のための学習方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-06-26

(45)【発行日】2024-07-04

(54)【発明の名称】キッチン設備、キッチン設備の動作方法、キッチン設備のための学習装置およびキッチン設備のための学習方法

(51)【国際特許分類】

   F24F 7/06 20060101AFI20240627BHJP

   F24C 15/20 20060101ALI20240627BHJP

【ＦＩ】

F24F7/06 101Z

F24C15/20 Z

【請求項の数】 10

(21)【出願番号】P 2020097026

(22)【出願日】2020-06-03

(65)【公開番号】P2021188867

(43)【公開日】2021-12-13

【審査請求日】2023-05-25

(73)【特許権者】

【識別番号】000115854

【氏名又は名称】リンナイ株式会社

(74)【代理人】

【識別番号】110000110

【氏名又は名称】弁理士法人 快友国際特許事務所

(72)【発明者】

【氏名】杉本 喜輝

【審査官】杉山 健一

(56)【参考文献】

【文献】国際公開第２０１９／１８７６７２（ＷＯ，Ａ１）

【文献】国際公開第２０１９／１８８４０８（ＷＯ，Ａ１）

【文献】特開２０１８－０１８３５４（ＪＰ，Ａ）

【文献】特表２０１６－５０２０６１（ＪＰ，Ａ）

【文献】特開２０１７－２２７４７２（ＪＰ，Ａ）

【文献】特開２０１９－１１７１４８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｆ２４Ｆ ７／０６

Ｆ２４Ｃ １５／２０

(57)【特許請求の範囲】

【請求項1】

被調理物を加熱調理する加熱調理器と、
前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、
制御装置を備えているキッチン設備であって、
前記制御装置は、
前記撮像装置から前記被調理物画像を取得する被調理物画像取得部と、
前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を前記被調理物画像に基づいて推定するための機械学習を行った学習済みの学習器に、前記被調理物画像を入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定する臭気状態推定部を備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含み、
前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えており、
前記制御装置は、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する排気装置制御部をさらに備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでおり、
前記制御装置は、
前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得する重み情報取得部をさらに備えており、
前記排気装置制御部は、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する、キッチン設備。

【請求項2】

前記制御装置は、前記被調理物画像に基づく画像解析によって、前記被調理物に関連する情報である被調理物関連情報を取得する被調理物関連情報取得部をさらに備えており、
前記学習済みの学習器は、前記被調理物関連情報にも基づいて前記臭気状態を推定するための機械学習が行われており、
前記臭気状態推定部は、前記被調理物関連情報も前記学習済みの学習器に入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定する、請求項１に記載のキッチン設備。

【請求項3】

前記制御装置は、前記臭気状態に基づいて加熱条件を設定し、前記加熱条件に基づいて前記加熱調理器を制御する加熱調理器制御部をさらに備えている、請求項１又は２に記載のキッチン設備。

【請求項4】

被調理物を加熱調理する加熱調理器と、
前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、
制御装置を備えているキッチン設備の動作方法であって、
前記制御装置が、前記撮像装置から前記被調理物画像を取得するステップと、
前記制御装置が、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を前記被調理物画像に基づいて推定するための機械学習を行った学習済みの学習器に、前記被調理物画像を入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態
を推定するステップを備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含み、
前記キッチン設備が、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えており、
前記制御装置が、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御するステップをさらに備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでおり、
前記制御装置が、前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得するステップをさらに備えており、
前記排気装置を制御するステップにおいて、前記制御装置が、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する、動作方法。

【請求項5】

前記制御装置が、前記被調理物画像に基づく画像解析によって、前記被調理物に関連する情報である被調理物関連情報を取得するステップをさらに備えており、
前記学習済みの学習器は、前記被調理物関連情報にも基づいて前記臭気状態を推定するための機械学習が行われており、
前記臭気状態を推定するステップにおいて、前記制御装置が、前記被調理物関連情報も前記学習済みの学習器に入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定する、請求項４に記載の動作方法。

【請求項6】

前記制御装置が、前記臭気状態に基づいて加熱条件を設定し、前記加熱条件に基づいて前記加熱調理器を制御するステップをさらに備えている、請求項４又は５に記載の動作方法。

【請求項7】

被調理物を加熱調理する加熱調理器と、
前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、
制御装置を備えているキッチン設備のための学習装置であって、
前記学習装置が、
前記撮像装置から取得される前記被調理物画像と、前記被調理物画像に対応付けられており、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を含む学習データを取得する学習データ取得部と、
前記被調理物画像を含む入力に対して、前記臭気状態を含む出力を得るように、学習器に機械学習を行う学習処理部を備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含み、
前記キッチン設備が、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えており、
前記制御装置は、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する排気装置制御部をさらに備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでおり、
前記制御装置は、
前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得する重み情報取得部をさらに備えており、
前記排気装置制御部は、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する、学習装置。

【請求項8】

前記学習データが、前記被調理物画像に対応付けられており、前記被調理物画像に基づく画像解析によって取得される、前記被調理物に関連する情報である被調理物関連情報をさらに含んでおり、
前記学習器の前記機械学習における前記入力が、前記被調理物関連情報も含む、請求項７に記載の学習装置。

【請求項9】

被調理物を加熱調理する加熱調理器と、
前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、
制御装置を備えているキッチン設備のための学習方法であって、
学習装置が、前記撮像装置から取得される前記被調理物画像と、前記被調理物画像に対応付けられており、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を含む学習データを取得するステップと、
前記学習装置が、前記被調理物画像を含む入力に対して、前記臭気状態を含む出力を得るように、学習器に機械学習を行うステップを備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含み、
前記キッチン設備が、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えており、
前記制御装置が、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御するステップをさらに備えており、
前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでおり、
前記制御装置が、前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得するステップをさらに備えており、
前記排気装置を制御するステップにおいて、前記制御装置が、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する、学習方法。

【請求項10】

前記学習データが、前記被調理物画像に対応付けられており、前記被調理物画像に基づく画像解析によって取得される、前記被調理物に関連する情報である被調理物関連情報をさらに含んでおり、
前記学習器の前記機械学習における前記入力が、前記被調理物関連情報も含む、請求項９に記載の学習方法。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書は、キッチン設備、キッチン設備の動作方法、キッチン設備のための学習装置およびキッチン設備のための学習方法に関する。

【背景技術】

【0002】

特許文献１には、被調理物を加熱調理する加熱調理器と、加熱調理器で加熱調理中の被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、制御装置を備えるシステムが開示されている。

【先行技術文献】

【特許文献】

【0003】

【文献】特表２０２０－５０４８０１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１のシステムでは、被調理物画像により被調理物の状態を視覚的に把握することができるが、被調理物の加熱調理中に発生する臭気の程度を把握することができない。本明細書では、被調理物の加熱調理中に発生する臭気の程度を把握することが可能な技術を提供する。

【課題を解決するための手段】

【0005】

本明細書はキッチン設備を開示する。前記キッチン設備は、被調理物を加熱調理する加熱調理器と、前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、制御装置を備えている。前記制御装置は、前記撮像装置から前記被調理物画像を取得する被調理物画像取得部と、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を前記被調理物画像に基づいて推定するための機械学習を行った学習済みの学習器に、前記被調理物画像を入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定する臭気状態推定部を備えている。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含んでいる。前記キッチン設備は、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えていてもよい。前記制御装置は、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する排気装置制御部をさらに備えていてもよい。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでいてもよい。前記制御装置は、前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得する重み情報取得部をさらに備えていてもよい。前記排気装置制御部は、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御してもよい。

【0006】

この構成によれば、被調理物の加熱調理中に発生する臭気の程度を把握することができる。また、排気装置が調理排気を排気する際の排気条件（例えば、風量や運転時間など）を、臭気の程度に基づいて適切に設定することができる。また、被調理物の加熱調理中に発生する臭気の種類を把握することができる。また、排気装置が調理排気を排気する際の排気条件を、臭気の種類に基づいて適切に設定することができる。また、ユーザが重み付けした重みに基づいて排気条件を適切に設定することができる。例えば、ユーザが嫌いな種類の臭気である場合には、重みを重くすることによって、排気の風量を強くすることができる。

【0007】

前記制御装置は、前記被調理物画像に基づく画像解析によって、前記被調理物に関連する情報である被調理物関連情報を取得する被調理物関連情報取得部をさらに備えていてもよい。前記学習済みの学習器は、前記被調理物関連情報にも基づいて前記臭気状態を推定するための機械学習が行われていてもよい。前記臭気状態推定部は、前記被調理物関連情報も前記学習済みの学習器に入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定してもよい。

【0008】

この構成によれば、被調理物画像に基づく画像解析によって得られる被調理物関連情報（例えば、被調理物の大きさ、形状、量、切り方、調理方法、焼き色などの調理中の被調理物の色などについての情報）に基づいて臭気状態を推定するので、臭気の程度をより精度よく把握することができる。

【0013】

前記制御装置は、前記臭気状態に基づいて加熱条件を設定し、前記加熱条件に基づいて前記加熱調理器を制御する加熱調理器制御部をさらに備えていてもよい。

【0014】

この構成によれば、加熱調理器が被調理物を加熱調理する際の加熱条件（例えば、火力や加熱時間など）を、臭気の程度に基づいて適切に設定することができる。

【0015】

本明細書は、キッチン設備の動作方法も開示する。前記キッチン設備は、被調理物を加熱調理する加熱調理器と、前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、制御装置を備えている。前記動作方法は、前記制御装置が、前記撮像装置から前記被調理物画像を取得するステップと、前記制
御装置が、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を前記被調理物画像に基づいて推定するための機械学習を行った学習済みの学習器に、前記被調理物画像を入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定するステップを備えている。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含んでいる。前記キッチン設備は、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えていてもよい。前記制御装置が、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御するステップをさらに備えていてもよい。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでいてもよい。前記制御装置が、前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得するステップをさらに備えていてもよい。前記排気装置を制御するステップにおいて、前記制御装置が、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御してもよい。

【0016】

前記動作方法は、前記制御装置が、前記被調理物画像に基づく画像解析によって、前記被調理物に関連する情報である被調理物関連情報を取得するステップをさらに備えていてもよい。前記学習済みの学習器は、前記被調理物関連情報にも基づいて前記臭気状態を推定するための機械学習が行われていてもよい。前記臭気状態を推定するステップにおいて、前記制御装置が、前記被調理物関連情報も前記学習済みの学習器に入力し、前記学習済みの学習器の演算処理を実行することで、前記臭気状態を推定してもよい。

【0019】

前記動作方法は、前記制御装置が、前記臭気状態に基づいて加熱条件を設定し、前記加熱条件に基づいて前記加熱調理器を制御するステップをさらに備えていてもよい。

【0020】

本明細書は、キッチン設備のための学習装置も開示する。前記キッチン設備は、被調理物を加熱調理する加熱調理器と、前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、制御装置を備えている。前記学習装置は、前記撮像装置から取得される前記被調理物画像と、前記被調理物画像に対応付けられており、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を含む学習データを取得する学習データ取得部と、前記被調理物画像を含む入力に対して、前記臭気状態を含む出力を得るように、学習器に機械学習を行う学習処理部を備えている。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含んでいる。前記キッチン設備が、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えていてもよい。前記制御装置は、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御する排気装置制御部をさらに備えていてもよい。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでいてもよい。前記制御装置は、前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得する重み情報取得部をさらに備えていてもよい。前記排気装置制御部は、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御してもよい。

【0021】

この構成によれば、被調理物画像に基づいて臭気程度を含む臭気状態を推定するための学習済みの学習器を構築することができる。

【0022】

前記学習データは、前記被調理物画像に対応付けられており、前記被調理物画像に基づく画像解析によって取得される、前記被調理物に関連する情報である被調理物関連情報をさらに含んでいてもよい。前記学習器の前記機械学習における前記入力が、前記被調理物関連情報も含んでいてもよい。

【0023】

この構成によれば、被調理物関連情報にも基づいて臭気状態を推定するための学習済みの学習器を構築することができる。

【0026】

本明細書は、キッチン設備のための学習方法も開示する。前記キッチン設備は、被調理物を加熱調理する加熱調理器と、前記加熱調理器で加熱調理中の前記被調理物の画像である被調理物画像を撮像可能に構成されている撮像装置と、制御装置を備えている。前記学習方法は、学習装置が、前記撮像装置から取得される前記被調理物画像と、前記被調理物画像に対応付けられており、前記被調理物の加熱調理中に発生する臭気の状態である臭気状態を含む学習データを取得するステップと、前記学習装置が、前記被調理物画像を含む入力に対して、前記臭気状態を含む出力を得るように、学習器に機械学習を行うステップを備えている。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の程度である臭気程度を含んでいる。前記キッチン設備が、前記被調理物の加熱調理中に発生する調理排気を排気する排気装置をさらに備えていてもよい。前記制御装置が、前記臭気状態に基づいて排気条件を設定し、前記排気条件に基づいて前記排気装置を制御するステップをさらに備えていてもよい。前記臭気状態が、前記被調理物の加熱調理中に発生する臭気の種類である臭気種類をさらに含んでいてもよい。前記制御装置が、前記臭気種類に応じてユーザが重み付けした重みを示す重み情報を取得するステップをさらに備えていてもよい。前記排気装置を制御するステップにおいて、前記制御装置が、前記臭気種類に応じた前記重み情報にも基づいて前記排気条件を設定し、前記排気条件に基づいて前記排気装置を制御してもよい。

【0027】

前記学習データは、前記被調理物画像に対応付けられており、前記被調理物画像に基づく画像解析によって取得される、前記被調理物に関連する情報である被調理物関連情報をさらに含んでいてもよい。前記学習器の前記機械学習における前記入力が、前記被調理物関連情報も含んでいてもよい。

【図面の簡単な説明】

【0029】

【図1】実施例のシステム２の構成を模式的に示す図である。

【図2】実施例のキッチン設備（加熱調理器１０とレンジフード４０の組）の斜視図である。

【図3】実施例のカメラ２０２が撮像した画像の一例を示す図である。

【図4】実施例の加熱調理器１０の制御装置６０の構成を模式的に示す図である。

【図5】実施例のサーバ装置３００の制御装置３０８の構成を模式的に示す図である。

【図6】実施例の加熱調理器１０の制御装置６０が行う処理を示すフローチャートである。

【図7】実施例のサーバ装置３００の制御装置３０８が行う処理を示すフローチャートである。

【発明を実施するための形態】

【0030】

（実施例）
以下では実施例に係るシステム２について、図面を参照しながら説明する。図１に示すように、システム２は、加熱調理器１０と、レンジフード４０と、サーバ装置３００を備えている。加熱調理器１０とレンジフード４０の組は、キッチン設備の一例であり、サーバ装置３００は、学習装置の一例である。

【0031】

加熱調理器１０は、システムキッチンに組み込んで使用されるガス燃焼式のビルトインコンロである。図２に示すように、加熱調理器１０の天板１０ｕには、第１コンロ１１ａと、第２コンロ１１ｂと、第３コンロ１１ｃと、グリル２８に連通する排気口１７が配置されている。また、加熱調理器１０の前側（すなわち、図２の右側）の面である前面１０ｆには、コンロ操作部２０と、グリル２８が設けられている。本明細書では、理解を助けるため、加熱調理器１０の前面１０ｆが設けられている側を単に「前側」と表現し、その反対側を単に「後側」と表現することがある。また、前側と後側を結ぶ方向を前後方向とする。前後方向と直交する水平方向の左右については、加熱調理器１０の前側に位置し、前面１０ｆと対向するユーザの右側および左側と同様とする。また、加熱調理器１０の前面１０ｆの左側には、グリル２８内のグリルバーナ２９（図１参照）を操作するグリル操作部が設けられているが、本明細書では説明を省略する。

【0032】

第１コンロ１１ａと、第２コンロ１１ｂと、第３コンロ１１ｃは、天板１０ｕの上面に前後方向に２列に配置されている。第１コンロ１１ａは、第１コンロバーナ１２ａと、第１センサ１４ａと、五徳１６ａを備えている。第１コンロバーナ１２ａには、ガス供給路（図示省略）が接続されている。ガス供給路には、第１コンロバーナ１２ａへのガス供給量を調整するための流量調整弁（図示省略）が設けられている。第１コンロバーナ１２ａは、第１コンロバーナ１２ａにガスが供給されている状態でイグナイタ（図示省略）を動作させることによって点火する。第１コンロ１１ａは、点火した第１コンロバーナ１２ａによって、上方に載置される鍋やフライパン等の調理容器を加熱する。これによって、調理容器内の被調理物が加熱調理される。第１コンロバーナ１２ａへのガス供給量を調整することにより、第１コンロバーナ１２ａの加熱量（火力）を調整することができる。また、第１コンロバーナ１２ａへのガスの供給が停止されることにより、第１コンロバーナ１２ａは消火される。第１コンロバーナ１２ａの加熱量（火力）は、例えば、弱、中、強等に設定される。なお、第２コンロ１１ｂが備えている第２コンロバーナ１２ｂと、第３コンロ１１ｃが備えている第３コンロバーナ１２ｃも、第１コンロバーナ１２ａと同様の構造を有している。

【0033】

第１センサ１４ａは、第１コンロ１１ａの調理容器の存在を検出するとともに、調理容器の温度を検出する。第１コンロ１１ａの上に調理容器が載置されると、第１センサ１４ａが調理容器によって押圧される。第１センサ１４ａは、調理容器によって押圧されると、第１コンロ１１ａの上に調理容器が載置されたことを検知する。第１コンロ１１ａの上に調理容器が載置されていない場合は、第１センサ１４ａが押圧されない。第１センサ１４ａ内には熱電対が配置されており、第１センサ１４ａに接触している対象物の温度を検出することができる。なお、第２コンロ１１ｂが備えている第２センサ１４ｂと、第３コンロ１１ｃが備えている第３センサ１４ｃも、第１センサ１４ａと同様の構造を有する。また、五徳１６ａ～１６ｃは、それぞれのコンロの上方に載置される調理容器を、それぞれのコンロバーナから一定の距離離間させた状態で支持する。

【0034】

コンロ操作部２０は、加熱調理器１０の電源スイッチ２４と、第１加熱量操作部２０ａと、第２加熱量操作部２０ｂと、第３加熱量操作部２０ｃと、パネル操作部２２を備えている。電源スイッチ２４は、加熱調理器１０を起動させるスイッチであり、電源スイッチ２４をオンすることで各コンロバーナへの点火が可能になる。第１加熱量操作部２０ａは、第１コンロ１１ａに対応する。同様に、第２加熱量操作部２０ｂは第２コンロ１１ｂに対応し、第３加熱量操作部２０ｃは第３コンロ１１ｃに対応する。第１加熱量操作部２０ａは、第１コンロバーナ１２ａの点火および消火を行うとともに、第１コンロバーナ１２ａの加熱量の調整を行うためのオルタネイト型のスイッチである。第２加熱量操作部２０ｂと第３加熱量操作部２０ｃも、第１加熱量操作部２０ａと同様の構造を有している。

【0035】

パネル操作部２２には、各コンロバーナ（すなわち、第１コンロバーナ１２ａ、第２コンロバーナ１２ｂ、第３コンロバーナ１２ｃ）、およびグリルバーナ２９（図１参照）の動作状態などが表示される。ユーザは、パネル操作部２２によって、各コンロバーナおよびグリルバーナ２９を所定の時間経過後に消火する、消火タイマーの設定等をすることができる。

【0036】

加熱調理器１０では、被調理物の加熱調理中に臭気が発生する。また、加熱調理中に調理排気が発生する。例えば、被調理物が魚である場合、魚が焼かれることにより魚特有の臭気や調理排気が発生する。また、魚が焼かれ始めた段階では魚の生臭い臭気が発生し、魚が焦げた段階では焦げ臭い臭気が発生する。また、各段階に応じた調理排気が発生する。

【0037】

加熱調理器１０には、制御装置６０と、Ｂｌｕｅｔｏｏｔｈ（登録商標）（以下ではＢＴともいう）インターフェース（以下では、Ｉ／Ｆともいう）６６と、Ｗｉ－Ｆｉ（登録商標）Ｉ／Ｆ６８が搭載されている。ＢＴＩ／Ｆ６６は、外部機器とのＢＴ通信を実行するための近距離無線Ｉ／Ｆである。Ｗｉ－ＦｉＩ／Ｆ６８は、外部機器とのＷｉ－Ｆｉ通信を実行するための近距離無線Ｉ／Ｆである。加熱調理器１０は、Ｗｉ－ＦｉＩ／Ｆ６８を介して、インターネット１５０に接続可能である。

【0038】

制御装置６０は、ＣＰＵ，ＲＯＭ，ＲＡＭ，ＥＥＰＲＯＭ等を備えている。制御装置６０は、メモリ６２（図１参照）に格納されているプログラム６４（図１参照）に従って、加熱調理器１０の動作を制御する。制御装置６０の詳細については後述する。

【0039】

次に、レンジフード４０について説明する。レンジフード４０は、加熱調理器１０の上方に配置されている。レンジフード４０は、換気装置１０２（排気装置の一例）と、撮像装置２００と、ＢＴＩ／Ｆ２０４と、制御装置１０６を備えている。

【0040】

換気装置１０２は、ファン１０４と、レンジカバー４６を備えている。レンジカバー４６は、ファン１０４を下方から覆っている。ファン１０４は、モータ（図示省略）の回転によって所定の風量になるように動作する。例えば、ファン１０４は、弱、中、強の風量で動作する。換気装置１０２は、ファン１０４が動作することによって、所定の風量で室内の空気と室外の空気を換気する。換気装置１０２は、加熱調理器１０で被調理物の加熱調理中に発生する調理排気を排気する。また、換気装置１０２は、調理排気を排気することによって、被調理物の加熱調理中に発生する臭気を除去する。

【0041】

撮像装置２００は、例えばレンジフード４０の後部に配置されている。撮像装置２００は、加熱調理器１０よりも上方の位置に取り付けられている。撮像装置２００は、カメラ２０２を備えている。カメラ２０２は、加熱調理器１０で加熱調理中の被調理物の画像を上方から撮像可能である。図３に示すように、カメラ２０２が撮像した画像には被調理物９０の画像が含まれている。被調理物９０は、例えば鍋等の調理容器８９に収容されており、加熱調理器１０のコンロ（図３では第１コンロ１１ａ）で加熱調理されている。

【0042】

図２に示すＢＴＩ／Ｆ２０４は、外部機器とのＢＴ通信を実行するための近距離無線Ｉ／Ｆである。レンジフード４０は、ＢＴＩ／Ｆ２０４を介して、加熱調理器１０と通信可能である。制御装置１０６は、ＣＰＵ，ＲＯＭ，ＲＡＭ，ＥＥＰＲＯＭ等を備えている。制御装置１０６は、メモリ１０８（図１参照）に格納されているプログラム１１０（図１参照）に従って、レンジフード４０の動作を制御する。制御装置１０６は、換気装置１０２のファン１０４、撮像装置２００のカメラ２０２、および、ＢＴＩ／Ｆ２０４の動作を制御する。

【0043】

次に、サーバ装置３００について説明する。図１に示すように、サーバ装置３００は、インターネット１５０を介して、加熱調理器１０と通信可能である。サーバ装置３００は、加熱調理器１０の製造元によって管理されている。サーバ装置３００は、入力装置３０２と、出力装置３０４と、通信Ｉ／Ｆ３０６と、制御装置３０８を備えている。入力装置３０２は、例えば、マウス、キーボード等の入力を行うための装置である。出力装置３０４は、例えば、ディスプレイ、スピーカ等の出力を行うための装置である。サーバ装置３００のオペレータは、入力装置３０２および出力装置３０４を介して、サーバ装置３００を操作することができる。通信Ｉ／Ｆ３０６は、インターネット１５０を介した通信を行うための有線または無線のＩ／Ｆである。制御装置３０８は、ＣＰＵ，ＲＯＭ，ＲＡＭ，ＨＤＤ，ＳＳＤ等を備えている。制御装置３０８は、入力装置３０２、出力装置３０４および通信Ｉ／Ｆ３０６の動作を制御する。制御装置３０８は、メモリ３１０を備える。制御装置３０８は、メモリ３１０に格納されたプログラム３１２に従って、サーバ装置３００の動作を制御する。制御装置３０８の詳細については後述する。

【0044】

図４を参照して、加熱調理器１０の制御装置６０の詳細について説明する。制御装置６０は、メモリ６２に格納されているプログラム６４をＲＡＭに展開し、ＲＡＭに展開されたプログラム６４をＣＰＵにより解釈および実行する。これによって、制御装置６０は、ソフトウェアモジュールとして、被調理物画像取得部４０１、画像解析部４０２、解像度変換部４０３、被調理物関連情報取得部４０４、排気装置制御部４０６、加熱調理器制御部４０７、重み情報取得部４０９、臭気状態推定部４３０を備えるコンピュータとして構成される。臭気状態推定部４３０は、臭気程度推定部４０５と臭気種類推定部４０８を含んでいる。

【0045】

被調理物画像取得部４０１は、撮像装置２００のカメラ２０２から撮像画像４１０を取得する。撮像画像４１０は、加熱調理器１０で加熱調理中の被調理物９０を示している。撮像画像４１０は、ある時点で撮影された静止画像であってもよいし、経時的に撮影された複数の静止画像の組であってもよいし、所定時間にわたって撮影された動画であってもよい。

【0046】

画像解析部４０２は、撮像画像４１０に基づく画像解析を行う。被調理物関連情報取得部４０４は、画像解析部４０２における画像解析の結果から、被調理物９０に関連する情報である被調理物関連情報４１１を取得する。被調理物関連情報４１１は、例えば、被調理物９０の大きさ、形状、量、切り方、被調理物９０の調理方法、焼き色などの調理中の被調理物の色についての情報である。被調理物９０の調理方法は、例えば、被調理物９０を煮る、炒める、焼く、炙る、揚げる等であり、加熱量（火力）や加熱時間などを含めてもよい。

【0047】

解像度変換部４０３は、撮像画像４１０の解像度を低下させる。これにより、解像度変換部４０３は、低解像度撮像画像４１２を生成する。

【0048】

臭気状態推定部４３０は、被調理物９０の加熱調理中に発生する臭気の状態である臭気状態を推定するための機械学習を行った学習済みの学習器（ニューラルネットワーク４１３）に、撮像画像４１０を低解像度化することで得られた低解像度撮像画像４１２を入力する。また、被調理物関連情報４１１も、補足情報４１４として同様に入力される。これにより、臭気状態推定部４３０は、臭気状態情報４２３を学習器から取得する。臭気状態は、臭気程度と臭気種類を含む概念である。臭気状態情報４２３は、臭気程度情報４２０と臭気種類情報４２１を含んでいる。

【0049】

臭気程度推定部４０５は、被調理物９０の加熱調理中に発生する臭気の程度である臭気程度を推定するための機械学習を行った学習済みの学習器（ニューラルネットワーク４１３）に、撮像画像４１０を低解像度化することで得られた低解像度撮像画像４１２を入力する。また、被調理物関連情報４１１も、補足情報４１４として同様に入力される。これにより、臭気程度推定部４０５は、臭気程度情報４２０を学習器から取得する。臭気程度情報４２０は、例えば、レベル１、レベル２等の臭気の程度についての情報である。臭気の程度は、多段階（例えば１０段階）のレベルで示される。臭気の程度は、例えば、臭い（強い）臭気の場合は、レベル１０で示され、臭くない（弱い）臭気の場合は、レベル１で示される。臭気程度推定部４０５は、撮像画像４１０ではなく低解像度撮像画像４１２をニューラルネットワーク４１３に入力することで、ニューラルネットワーク４１３の演算処理の計算量を低減することができ、計算負荷を低減することができる。なお、解像度変換部４０３による低解像度化の処理は省略されてもよい。この場合、臭気程度推定部４０５は、撮像画像４１０を学習器（ニューラルネットワーク４１３）に入力してもよい。

【0050】

臭気種類推定部４０８は、被調理物９０の加熱調理中に発生する臭気の種類である臭気種類を推定するための機械学習を行った学習済みの学習器（ニューラルネットワーク４１３）に、撮像画像４１０を低解像度化することで得られた低解像度撮像画像４１２を入力する。また、被調理物関連情報４１１も、補足情報４１４として同様に入力される。これにより、臭気種類推定部４０８は、臭気種類情報４２１を学習器から取得する。臭気種類情報４２１は、例えば、魚の臭い、肉の臭い、調味料の臭い、甘い臭い、酸っぱい臭い等の臭気の種類についての情報である。臭気種類推定部４０８は、撮像画像４１０ではなく低解像度撮像画像４１２をニューラルネットワーク４１３に入力することで、ニューラルネットワーク４１３の演算処理の計算量を低減することができ、計算負荷を低減することができる。なお、解像度変換部４０３による低解像度化の処理は省略されてもよい。この場合、臭気種類推定部４０８は、撮像画像４１０を学習器（ニューラルネットワーク４１３）に入力してもよい。

【0051】

ニューラルネットワーク４１３は、複数種類のニューラルネットワークを組み合わせることで構成されている。例えば、ニューラルネットワーク４１３は、全結合ニューラルネットワーク４１５、畳み込みニューラルネットワーク４１６、結合層４１７、およびＬＳＴＭネットワーク４１８の４つの部分に分かれている。全結合ニューラルネットワーク４１５および畳み込みニューラルネットワーク４１６は入力側に並列に配置されており、全結合ニューラルネットワーク４１５には補足情報４１４が入力され、畳み込みニューラルネットワーク４１６には低解像度撮像画像４１２が入力される。結合層４１７は、全結合ニューラルネットワーク４１５および畳み込みニューラルネットワーク４１６の出力を結合する。ＬＳＴＭネットワーク４１８は、結合層４１７からの出力を受けて、臭気程度情報４２０および臭気種類情報４２１を出力する。

【0052】

全結合ニューラルネットワーク４１５は、いわゆる多層構造のニューラルネットワークであり、入力側から順に、入力層４１５ａ、中間層（隠れ層）４１５ｂ、および出力層４１５ｃを備えている。ただし、全結合ニューラルネットワーク４１５の層の数は、このような例に限定されなくてもよく、実施形態に応じて適宜選択されてよい。

【0053】

全結合ニューラルネットワーク４１５の各層４１５ａ、４１５ｂ、４１５ｃは、１又は複数のニューロン（ノード）を備えている。各層に含まれるニューロンの個数は、実施形態に応じて適宜設定されてよい。各層に含まれる各ニューロンが、隣接する層に含まれる全てのニューロンに結合されていることで、全結合ニューラルネットワーク４１５は構成される。各結合には、重み（結合荷重）が適宜設定されている。

【0054】

畳み込みニューラルネットワーク４１６は、畳み込み層４１６ａおよびプーリング層４１６ｂを交互に接続した構造を有する順伝播型ニューラルネットワークである。本実施形態に係る畳み込みニューラルネットワーク４１６では、複数の畳み込み層４１６ａおよびプーリング層４１６ｂが入力側に交互に配置されている。そして、最も出力側に配置されたプーリング層４１６ｂの出力が全結合層４１６ｃに入力され、全結合層４１６ｃの出力が出力層４１６ｄに入力される。

【0055】

畳み込み層４１６ａは、画像の畳み込みの演算を行う層である。画像の畳み込みとは、画像と所定のフィルタとの相関を算出する処理に相当する。そのため、画像の畳み込みを行うことで、例えば、フィルタの濃淡パターンと類似する濃淡パターンを入力される画像から検出することができる。

【0056】

プーリング層４１６ｂは、プーリング処理を行う層である。プーリング処理は、画像のフィルタに対する応答の強かった位置の情報を一部捨て、画像内に現れる特徴の微小な位置変化の影響を除外する。

【0057】

全結合層４１６ｃは、隣接する層の間のニューロン全てを結合した層である。すなわち、全結合層４１６ｃに含まれる各ニューロンは、隣接する層に含まれる全てのニューロンに結合される。全結合層４１６ｃは、２層以上で構成されてもよい。また、全結合層４１６ｃに含まれるニューロンの個数は、実施形態に応じて適宜設定されてもよい。

【0058】

出力層４１６ｄは、畳み込みニューラルネットワーク４１６の最も出力側に配置される層である。出力層４１６ｄに含まれるニューロンの個数は、実施形態に応じて適宜設定されてよい。なお、畳み込みニューラルネットワーク４１６の構成は、このような例に限定されなくてもよく、実施形態に応じて適宜設定されてもよい。

【0059】

結合層４１７は、全結合ニューラルネットワーク４１５および畳み込みニューラルネットワーク４１６とＬＳＴＭネットワーク４１８との間に配置される。結合層４１７は、全結合ニューラルネットワーク４１５の出力層４１５ｃからの出力および畳み込みニューラルネットワーク４１６の出力層４１６ｄからの出力を結合する。結合層４１７の出力は、ＬＳＴＭネットワーク４１８に入力される。結合層４１７に含まれるニューロンの個数は、全結合ニューラルネットワーク４１５および畳み込みニューラルネットワーク４１６の出力の数に応じて適宜設定されてもよい。

【0060】

ＬＳＴＭネットワーク４１８は、ＬＳＴＭブロック４１８ｂを備える再帰型ニューラルネットワークである。再帰型ニューラルネットワークは、例えば、中間層から入力層への経路のように、内部にループを有するニューラルネットワークのことである。ＬＳＴＭネットワーク４１８は、一般的な再帰型ニューラルネットワークの中間層をＬＳＴＭブロック４１８ｂに置き換えた構造を有する。

【0061】

ＬＳＴＭネットワーク４１８は、入力側から順に、入力層４１８ａ、ＬＳＴＭブロック４１８ｂ、および出力層４１８ｃを備えており、順伝播の経路の他、ＬＳＴＭブロック４１８ｂから入力層４１８ａに戻る経路を有している。入力層４１８ａおよび出力層４１８ｃに含まれるニューロンの個数は、実施形態に応じて適宜設定されてもよい。

【0062】

ＬＳＴＭブロック４１８ｂは、入力ゲートおよび出力ゲートを備え、情報の記憶および出力のタイミングを学習可能に構成されたブロックである。また、ＬＳＴＭブロック４１８ｂは、情報の忘却のタイミングを調節する忘却ゲートを備えてもよい。ＬＳＴＭネットワーク４１８の構成は、実施形態に応じて適宜設定可能である。

【0063】

各ニューロンには閾値が設定されており、基本的には、各入力と各重みとの積の和が閾値を超えているか否かによって各ニューロンの出力が決定される。臭気程度推定部４０５および臭気種類推定部４０８は、全結合ニューラルネットワーク４１５に補足情報４１４を入力し、畳み込みニューラルネットワーク４１６に低解像度撮像画像４１２を入力する。そして、ニューラルネットワーク４１３は、入力側から順に、各層に含まれる各ニューロンの発火判定を行う。このように、ニューラルネットワーク４１３は、入力に対する演算処理を実行する。臭気程度推定部４０５は、臭気程度情報４２０に対応する出力値をＬＳＴＭネットワーク４１８から取得する。臭気種類推定部４０８は、臭気種類情報４２１に対応する出力値をＬＳＴＭネットワーク４１８から取得する。

【0064】

なお、このようなニューラルネットワーク４１３の構成（例えば、各ネットワークの層数、各層におけるニューロンの個数、ニューロン同士の結合関係、各ニューロンの伝達関数）、各ニューロン間の結合の重み、および各ニューロンの閾値を示す情報は、学習結果データ４１９に含まれている。臭気程度推定部４０５および臭気種類推定部４０８は、学習結果データ４１９を参照して、ニューラルネットワーク４１３の設定を行う。

【0065】

重み情報取得部４０９は、臭気の種類に応じてユーザが重み付けした重みを示す重み情報４２２を取得する。臭気の種類は、例えば、魚の臭い、肉の臭い、調味料の臭い、甘い臭い、酸っぱい臭い等である。ユーザは、嫌いな臭いについては重みを重くし、好きな臭いについては重みを軽くする。例えば、ユーザは、魚の臭いについては重みを重くし、肉の臭いについては重みを軽くする。ユーザは、例えば、加熱調理器１０のパネル操作部２２（図２参照）から臭気の種類に応じた重みを入力することができる。ユーザが設定する重みは適宜変更可能である。

【0066】

排気装置制御部４０６は、臭気程度推定部４０５から得られる臭気程度情報４２０に基づいて、換気装置１０２における排気条件を設定する。排気条件は、例えば、弱、中、強等のファン１０４の風量である。排気条件は、例えば、換気装置１０２の運転時間であってもよい。排気装置制御部４０６は、臭気種類推定部４０８から得られる臭気種類情報４２１にも基づいて、換気装置１０２における排気条件を設定してもよい。排気装置制御部４０６は、臭気程度情報４２０および臭気種類情報４２１に加えて、被調理物関連情報４１１にも基づいて、換気装置１０２における排気条件を設定してもよい。排気装置制御部４０６は、設定した排気条件に基づいて、換気装置１２０のファン１０４を制御する。

【0067】

加熱調理器制御部４０７は、臭気程度推定部４０５から得られる臭気程度情報４２０に基づいて、加熱調理器１０における加熱条件を設定する。加熱条件は、例えば、コンロ１１ａ、１１ｂ、１１ｃやグリル２８における弱、中、強等の加熱量である。加熱条件は、例えば、コンロ１１ａ、１１ｂ、１１ｃやグリル２８における被調理物の加熱時間であってもよい。加熱調理器制御部４０７は、臭気種類推定部４０８から得られる臭気種類情報４２１にも基づいて、加熱調理器１０における加熱条件を設定してもよい。加熱調理器制御部４０７は、臭気程度情報４２０および臭気種類情報４２１に加えて、被調理物関連情報４１１にも基づいて、加熱調理器１０における加熱条件を設定してもよい。加熱調理器制御部４０７は、設定した加熱条件に基づいて、加熱調理器１０を制御する。

【0068】

以下では図５を参照して、サーバ装置３００の制御装置３０８の詳細について説明する。制御装置３０８は、メモリ３１０に記憶されたプログラム３１２をＲＡＭに展開し、ＲＡＭに展開されたプログラム３１２をＣＰＵにより解釈および実行する。これによって、制御装置３０８は、ソフトウェアモジュールとして、学習データ取得部３２１および学習処理部３２２を備えるコンピュータとして構成される。

【0069】

学習データ取得部３２１は、撮像装置２００のカメラ２０２から取得される撮像画像４１０を低解像度化することで得られる低解像度撮像画像３２３と、被調理物関連情報４１１からなる補足情報３２４と、低解像度撮像画像３２３および補足情報３２４に対応する臭気状態情報３４０との組を、学習データ３２６として取得する。臭気状態情報３４０は、臭気程度情報３２５および臭気種類情報３３５を含む。低解像度撮像画像３２３および補足情報３２４はそれぞれ、図４を参照して説明した低解像度撮像画像４１２および補足情報４１４に対応し、入力データとして利用される。臭気状態情報３４０は、図４の臭気状態情報４２３に対応し、教師データ（正解データ）として利用される。臭気程度情報３２５は、図４の臭気程度情報４２０に対応し、臭気種類情報３３５は、図４の臭気種類情報４２１に対応する。学習処理部３２２は、低解像度撮像画像３２３および補足情報３２４を入力すると、臭気程度情報４２０に対応する出力値および臭気種類情報４２１に対応する出力値を出力するように、学習器（ニューラルネットワーク３２７）の機械学習を行う。

【0070】

学習データ３２６は、加熱調理器１０で加熱調理中の被調理物の様々な状態についての被調理物画像と、その際に発生する臭気の程度を示す臭気程度とを紐づけることで作成することができる。また、学習データ３２６は、加熱調理器１０で加熱調理中の被調理物の様々な状態についての被調理物画像と、その際に発生する臭気の種類を示す臭気種類とを紐づけることで作成することができる。その際、様々な状態についての被調理物画像は、図４の低解像度撮像画像４１２と同等の解像度で保存される。

【0071】

補足情報３２４に含まれる被調理物関連情報４１１は、加熱調理器１０で加熱調理中の被調理物の様々な状態についての被調理物画像を解析して、被調理物の大きさ、形状、量、切り方、被調理物の調理方法、焼き色などの調理中の被調理物の色などについての情報を抽出することで取得することができる。学習データ３２６は、これらの抽出した情報と臭気程度を紐づけることでも作成することができる。また、臭気種類も紐づけることができる。

【0072】

学習データ３２６の作成は、オペレータが入力装置３０２（図１参照）を用いて手動で行ってもよいし、プログラム３１２（図１参照）の処理により自動的に行われてもよい。学習データ３２６は、加熱調理器１０の制御装置６０から随時収集されてもよい。また、学習データ３２６の作成は、サーバ装置３００以外の他の情報処理装置により行われてもよい。なお、学習データ３２６のデータ件数は、ニューラルネットワーク３２７の機械学習を行うことができるように、実施形態に応じて適宜決定されてよい。

【0073】

制御装置３０８は、ニューラルネットワーク３２７を備えている。制御装置３０８のニューラルネットワーク３２７は、全結合ニューラルネットワーク３２８、畳み込みニューラルネットワーク３２９、結合層３３０、およびＬＳＴＭネットワーク３３１を備えている。制御装置３０８の全結合ニューラルネットワーク３２８、畳み込みニューラルネットワーク３２９、結合層３３０、およびＬＳＴＭネットワーク３３１はそれぞれ、制御装置６０の全結合ニューラルネットワーク４１５、畳み込みニューラルネットワーク４１６、結合層４１７、およびＬＳＴＭネットワーク４１８と同様に構成されている。

【0074】

学習処理部３２２は、全結合ニューラルネットワーク３２８に補足情報３２４を入力し、畳み込みニューラルネットワーク３２９に低解像度撮像画像３２３を入力すると、臭気程度情報３２５に対応する出力値および臭気種類情報３３５に対応する出力値をＬＳＴＭネットワーク３３１から出力するように、ニューラルネットワーク３２７を構築する。

【0075】

具体的には、まず学習処理部３２２は、ニューラルネットワーク３２７を用意する。用意するニューラルネットワーク３２７の構成、各ニューロン間の結合の重みの初期値、および各ニューロンの閾値の初期値は、テンプレートにより与えられてもよいし、オペレータの入力により与えられてもよい。また、再学習を行う場合には、制御装置３０８は、再学習を行う対象となる学習結果データ４１９に基づいて、ニューラルネットワーク３２７を用意してもよい。

【0076】

次に、学習処理部３２２は、学習データ３２６に含まれる低解像度撮像画像３２３および補足情報３２４を入力データとして用い、臭気程度情報３２５および臭気種類情報３３５を教師データ（正解データ）として用いて、ニューラルネットワーク３２７の学習処理を行う。このニューラルネットワーク３２７の学習処理には、確率的勾配降下法等が用いられてよい。

【0077】

例えば、学習処理部３２２は、全結合ニューラルネットワーク３２８の入力層に補足情報３２４を入力し、畳み込みニューラルネットワーク３２９の最も入力側に配置された畳み込み層に低解像度撮像画像３２３を入力する。そして、学習処理部３２２は、入力側から順に、各層に含まれる各ニューロンの発火判定を行う。これにより、学習処理部３２２は、ＬＳＴＭネットワーク３３１の出力層から出力値を得る。次に、学習処理部３２２は、ＬＳＴＭネットワーク３３１の出力層から取得した出力値と臭気程度情報３２５および臭気種類情報３３５に対応する値との誤差を算出する。続いて、学習処理部３２２は、通時的誤差逆伝搬法により、算出した出力値の誤差を用いて、各ニューロン間の結合の重みおよび各ニューロンの閾値それぞれの誤差を算出する。そして、学習処理部３２２は、算出した各誤差に基づいて、各ニューロン間の結合の重みおよび各ニューロンの閾値それぞれの値の更新を行う。

【0078】

学習処理部３２２は、学習データ３２６のそれぞれについて、ニューラルネットワーク３２７から出力される出力値が臭気程度情報３２５に対応する値と一致するまで、この一連の処理を繰り返す。また、学習処理部３２２は、臭気種類情報３３５に対応する値についても同様の処理を繰り返す。これにより、学習処理部３２２は、低解像度撮像画像３２３および補足情報３２４を入力すると、臭気程度情報３２５に対応する出力値および臭気種類情報３３５に対応する出力値を出力する、ニューラルネットワーク３２７を構築することができる。

【0079】

そして、学習処理部３２２は、構築したニューラルネットワーク３２７の構成、各ニューロン間の結合の重みおよび各ニューロンの閾値を示す情報を、学習結果データ４１９としてメモリ３１０に格納する。学習処理部３２２は、メモリ３１０に格納した学習結果データ４１９を、インターネット１５０を介して定期的に制御装置６０に送信する。これにより、制御装置６０の学習結果データ４１９が定期的に更新される。

【0080】

以下では図６を参照しながら、加熱調理器１０およびレンジフード４０の動作について説明する。加熱調理器１０の電源スイッチ２４が押下されると、制御装置６０は図６に示す処理を実行する。

【0081】

Ｓ２では、制御装置６０は、被調理物画像取得部４０１によって、撮像装置２００のカメラ２０２から、被調理物画像を取得する。取得された被調理物画像は、後の処理において、撮像画像４１０として扱われる。

【0082】

Ｓ４では、制御装置６０は、画像解析部４０２および被調理物関連情報取得部４０４によって、被調理物画像から被調理物関連情報４１１を取得する。取得された被調理物関連情報４１１は、後の処理において、補足情報４１４として扱われる。

【0083】

Ｓ６では、制御装置６０は、解像度変換部４０３によって、被調理物画像を低解像度化した画像を取得する。低解像度化された被調理物画像は、後の処理において、低解像度撮像画像４１２として扱われる。

【0084】

Ｓ８では、制御装置６０は、臭気程度推定部４０５によって、臭気程度を推定する。また、Ｓ８では、制御装置６０は、臭気種類推定部４０８によって、臭気種類を推定する。具体的には、臭気程度推定部４０５および臭気種類推定部４０８は、低解像度撮像画像４１２と補足情報４１４をニューラルネットワーク４１３に入力する。ニューラルネットワーク４１３は、サーバ装置３００の制御装置３０８から、インターネット１５０を介して学習結果データ４１９を取得済みである。すなわち、ニューラルネットワーク４１３は、被調理物画像に基づいて臭気程度および臭気種類を推定するための機械学習を行った学習済みの学習器に相当する。ニューラルネットワーク４１３は、低解像度撮像画像４１２と補足情報４１４を含む入力に対して、臭気程度情報４２０および臭気種類情報４２１を含む出力を提供する。

【0085】

Ｓ１０では、制御装置６０は、重み情報取得部４０９によって、重み情報４２２を取得する。重み情報４２２は、臭気の種類に応じてユーザが重み付けした重みを示す情報である。

【0086】

Ｓ１２では、制御装置６０は、排気装置制御部４０６によって、排気運転処理を実行する。排気運転処理では、排気装置制御部４０６は、Ｓ８で取得された臭気程度情報４２０と、臭気種類情報４２１と、Ｓ１０で取得された重み情報４２２に基づいて、換気装置１０２における風量、運転時間等の排気条件を設定する。例えば、臭気程度情報４２０で示される臭気程度が高い場合（例えば、レベル１０の強い臭気の場合）には、排気装置制御部４０６は、換気装置１０２における排気条件として、強い風量および／または長い運転時間を設定する。また、臭気種類情報４２１で示される臭気種類に応じた、重み情報４２２で示される重みが重い場合には、排気装置制御部４０６は、換気装置１０２における排気条件として、強い風量および／または長い運転時間を設定する。なお、換気装置１０２における排気条件の設定は、臭気程度情報４２０に基づいていればよく、臭気種類情報４２１や重み情報４２２には基づいていなくてもよい。

【0087】

加熱調理器１０の制御装置６０は、Ｓ１２で設定された排気条件の情報をレンジフード４０に送信する。レンジフード４０の制御装置１０６は、加熱調理器１０から受信する情報で示される排気条件に基づいて、換気装置１０２を制御する。具体的には、制御装置１０６は、排気条件で示される風量と運転時間に基づいてファン１０４を動作させる。

【0088】

Ｓ１４では、制御装置６０は、加熱調理器制御部４０７によって、加熱運転処理を実行する。加熱運転処理では、加熱調理器制御部４０７は、Ｓ８で取得された臭気程度情報４２０と、臭気種類情報４２１と、Ｓ１０で取得された重み情報４２２に基づいて、加熱調理器１０における火力、加熱時間等の加熱条件を設定する。例えば、臭気程度情報４２０で示される臭気程度が高い場合（例えば、レベル１０の強い臭気の場合）には、排気装置制御部４０６は、加熱調理器１０における排気条件として、弱い火力および／または短い加熱時間を設定する。また、臭気種類情報４２１で示される臭気種類に応じた、重み情報４２２で示される重みが重い場合には、排気装置制御部４０６は、加熱調理器１０における加熱条件として、弱い火力および／または短い加熱時間を設定する。なお、換気装置１０２における加熱条件の設定は、臭気程度情報４２０に基づいていればよく、臭気種類情報４２１や重み情報４２２には基づいていなくてもよい。そして、加熱調理器制御部４０７は、設定された加熱条件に基づいて、加熱調理器１０を制御する。具体的には、加熱調理器制御部４０７は、加熱条件で示される火力と加熱時間に基づいて、各コンロバーナおよびグリルバーナ２９の動作を制御する。

【0089】

以下では図７を参照しながら、制御装置６０の学習結果データ４１９を更新するために、サーバ装置３００が実行する処理について説明する。

【0090】

Ｓ２２では、制御装置３０８は、学習データ取得部３２１によって、低解像度撮像画像３２３と、補足情報３２４と、臭気程度情報３２５と、臭気種類情報３３５の組を、学習データ３２６として取得する。

【0091】

Ｓ２４では、制御装置３０８は、学習処理部３２２によって、Ｓ２２で取得した学習データ３２６を用いて、低解像度撮像画像３２３および補足情報３２４を入力すると、臭気程度情報３２５に対応する出力値および臭気種類情報３３５に対応する出力値を出力するように、ニューラルネットワーク３２７の学習処理を行う。学習処理部３２２は、学習処理によって得られたニューラルネットワーク３２７の構成、各ニューロン間の結合の重み、および各ニューロンの閾値を示す情報を学習結果データ４１９として取得する。

【0092】

Ｓ２６では、制御装置３０８は、学習処理部３２２によって、取得された学習結果データ４１９を加熱調理器１０の制御装置６０に送信する。これによって、制御装置６０の学習結果データ４１９が更新される。

【0093】

上記では、加熱調理器１０の制御装置６０が被調理物画像取得部４０１、画像解析部４０２、解像度変換部４０３、被調理物関連情報取得部４０４、臭気程度推定部４０５、排気装置制御部４０６、加熱調理器制御部４０７、臭気種類推定部４０８、重み情報取得部４０９を備える構成について説明した。これとは異なり、レンジフード４０の制御装置１０６がこれらの構成要素を備えていてもよい。

【0094】

上記では、制御装置６０が臭気種類推定部４０８、重み情報取得部４０９を備える構成について説明した。これとは異なり、臭気種類推定部４０８と重み情報取得部４０９が省略されてもよい。

【0095】

上記では、レンジフード４０が加熱調理器１０を介してインターネット１５０に接続する構成について説明した。これとは異なり、レンジフード４０がＷｉ－ＦｉＩ／Ｆを備えている場合、レンジフード４０は、加熱調理器１０を介することなくインターネット１５０に接続してもよい。

【0096】

上記では、撮像装置２００がレンジフード４０に配置されている構成について説明した。これとは異なり、撮像装置２００が例えば室内の天井に取り付けられていてもよい。

【0097】

上記では、被調理物画像が、レンジフード４０や天井に取り付けられた撮像装置２００によって撮像される場合について説明したが、これとは異なり、加熱調理器１０（または、レンジフード４０）と有線または無線によって通信可能なカメラ付きの携帯情報端末、例えばスマートフォン等によって、被調理物画像を撮像する構成としてもよい。

【0098】

以上、本発明の実施例について詳細に説明したが、これらは例示に過ぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。

【0099】

本明細書または図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書または図面に例示した技術は複数目的を同時に達成し得るものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

【符号の説明】

【0100】

２：システム、１０：加熱調理器、１１ａ：第１コンロ、１１ｂ：第２コンロ、１１ｃ：第３コンロ、２０：コンロ操作部、２２：パネル操作部、２４：電源スイッチ、２８：グリル、２９：グリルバーナ、４０：レンジフード、４６：レンジカバー、６０：制御装置、９０：被調理物、１０２：換気装置、１０４：ファン、１０６：制御装置、１２０：換気装置、１５０：インターネット、２００：撮像装置、２０２：カメラ、３００：サーバ装置、３０２：入力装置、３０４：出力装置、３０６：通信Ｉ／Ｆ、３０８：制御装置、３２１：学習データ取得部、３２２：学習処理部、３２３：低解像度撮像画像、３２４：補足情報、３２５：臭気程度情報、３２６：学習データ、３２７：ニューラルネットワーク、３２８：全結合ニューラルネットワーク、３２９：畳み込みニューラルネットワーク、３３０：結合層、３３１：ＬＳＴＭネットワーク、３３５：臭気種類情報、４０１：被調理物画像取得部、４０２：画像解析部、４０３：解像度変換部、４０４：被調理物関連情報取得部、４０５：臭気程度推定部、４０６：排気装置制御部、４０７：加熱調理器制御部、４０８：臭気種類推定部、４０９：重み情報取得部、４１０：撮像画像、４１１：被調理物関連情報、４１２：低解像度撮像画像、４１３：ニューラルネットワーク、４１４：補足情報、４１５：全結合ニューラルネットワーク、４１５ａ：入力層、４１５ｃ：出力層、４１６：畳み込みニューラルネットワーク、４１６ａ：畳み込み層、４１６ｂ：プーリング層、４１６ｃ：全結合層、４１６ｄ：出力層、４１７：結合層、４１８：ＬＳＴＭネットワーク、４１８ａ：入力層、４１８ｂ：ＬＳＴＭブロック、４１８ｃ：出力層、４１９：学習結果データ、４２０：臭気程度情報、４２１：臭気種類情報、４２２：重み情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】