登录后查看消息通知
遇见数据集
杭州老板电器股份有限公司

杭州老板电器股份有限公司

企业

杭州老板电器股份有限公司成立于2000年,属电气机械和器材制造业,主营家用电器制造。面向图像识别、食品热量分析、烹饪技术等领域提供数据服务,开放多个app图像识别热量功能准确度分析数据(图像识别、食品热量分析)、烹饪器具烹饪加水量与成熟重量损失分析数据(烹饪技术、数据分析)、食材营养声称与健康价值关系分析数据(食材营养成分、动物健康管理),支撑品质管理与工艺优化。

图像识别食品热量分析烹饪技术电气机械制造高新技术企业
成立于 2000 年浙江省https://www.robam.comyjl@robam.com

数据概览

34
数据集总量
433
总浏览量
0
关注人数
2026-09-25
最近更新
分类统计

相关机构

  • 杭
    杭州智足数赞科技有限公司
    拥有数据集:221个
    企业
  • 杭
    杭州声贝软件技术有限公司
    拥有数据集:121个
    企业
  • 杭
    杭州码全信息科技有限公司
    拥有数据集:100个
    企业
  • 杭
    杭州祐全科技发展有限公司
    拥有数据集:59个
    企业
  • 武
    武汉中科瑞通信息技术有限公司
    拥有数据集:57个
    企业

数据集列表

多类别饮品中心温度与微波加热时间关系分析数据集
微波加热过程建模
烹饪设备参数优化
该数据可应用于烹饪设备制造企业,用于优化烹饪设备的设计。通过分析三种类别饮品——水、牛奶和橙汁的微波加热时间、饮品重量与饮品中心温关系,根据用户选择饮品参数自动匹配加热饮品参数,以提高烹饪效果和用户体验。例如,根据饮品中心温对应的微波加热时间,为用户提供更精准的烹饪程序。1.数据来源:记录加热饮品类别、饮品重量/g、微波输出功率/w、微波加热时间x、饮品中心温度y等数据。 2.数据处理:评估模型构建,模型构建针对不同的饮品类别、饮品重量,将饮品中心温度作为因变量y,微波加热时间x作为自变量进行线性回归得到相应的线性模型 ,例如加热200g水所对应的线性模型为y=0.4726x+20,其中,x为微波加热时间,y 为加热后饮品中心温度。该模型体现了微波加热时间与饮品中心温的线性关系。根据线性模型,计算得到评估模型的拟合度(即决定系数R²) 。 3.数据分析:计算决定系数 R²,评估模型的拟合度,即通过决定系数 R²评价拟合的线性模型与实验数据的匹配度;决定系数 R²越接近 1,代表拟合得到的线性模型和实验数据匹配度越高;R² 大≥0.9,说明模型对不同微波时间下饮品中心温的预测效果好,判定结果为合格;若 R² 小于0.9,判定结果为不合格,表明可能存在其他影响饮品温度的因素,如微波均匀性、多杯烹饪温差、加热器皿等,需要进一步研究和改进模型。
浙江省数据知识产权登记平台2026-09-24 更新00
多类别饮品中心温度与微波加热时间关系分析数据集
微波加热参数预测
智能烹饪优化
该数据可应用于烹饪设备制造企业,用于优化烹饪设备的设计。通过分析三种类别饮品——水、牛奶和橙汁的微波加热时间、饮品重量与饮品中心温关系,根据用户选择饮品参数自动匹配加热饮品参数,以提高烹饪效果和用户体验。例如,根据饮品中心温对应的微波加热时间,为用户提供更精准的烹饪程序。
浙江省数据知识产权登记平台2026-09-11 更新00
微波烹饪场景下固态射频吸收率与食物成熟度关系分析数据集
固态射频烹饪感知
食物成熟度监测
该数据可应用于烹饪设备制造企业,用于通过固态射频监测功率实现对食物的成熟度判断。通过分析固态射频监测下不同菜谱食物的初始功率吸收率、烹饪完成吸收率间的线性关系,提升烹饪自动化与智能化。
浙江省数据知识产权登记平台2026-09-10 更新20
蒸制食物类别与质量的智能烹饪时间模型训练数据集
智能烹饪时间预测
蒸制食物烹饪优化
本数据集适用于智能烹饪设备制造企业的蒸制食物重量与烹饪时间智能换算模型的构建和训练。主要面向烹饪设备研发企业、智能厨电制造商,用于构建基于食材类别与份量的烹饪时间换算模型。数据集涵盖了蛋奶、肉禽、水产、谷物、果蔬等四大类食材,在不同重量倍数下的实际烹饪时间与感官评价数据。基于该数据集,企业研发智能烹饪模型功能,帮助烹饪设备在蒸功能下,根据用户烹饪食材实际烹饪份量自动调整合理的烹饪时长,提升烹饪效果与用户体验。
浙江省数据知识产权登记平台2026-08-21 更新60
烹饪过程中食物图片色度识别及成熟度判断数据集
食物成熟度识别
烹饪图像分析
本数据集适用于智能烹饪设备与家用厨电产品的食物成熟度智能判定场景。主要面向烹饪设备研发企业、智能厨电制造商,通过图像识别和算法计算构建食物成熟度自动识别模型。数据集涵盖了多种食材(如蛋糕、肉类、烘焙食品等)从开始烹饪到过熟的完整过程数据,包括食材类型、重量、烘烤模式、腔体温度、烹饪时间及食物表面色度值等关键参数。基于该数据集,企业可构建成熟度判断规则模型:通过比对实时烹饪时间与色度值,将食物成熟度自动划分为不成熟、成熟、过熟三类,从而帮助烹饪设备实现精准的温度控制与烹饪阶段提醒,提升烹饪成功率与用户体验。一、加工前的数据说明:本数据集的原始数据来源于自研烹饪设备在实验环境下采集的多模态实验数据。数据集包括:图片名称、食材名称、烘烤模式、腔体实时温度(单位:℃)、食材实时烹饪时间T(单位min)、最早成熟时间T0(单位min)、最晚成熟时间TR(单位min)、实时色度值R(单位:度) 最佳成熟色度值R0(单位:度)、食材成熟度判断结果等字段。 二、处理规则:本数据集的核心处理规则围绕食物成熟度判断模型构建。首先,基于食材名称与重量设定最早和最晚成熟时间经验值,形成时间维度的成熟度区间。其次,通过图像处理算法对烹饪过程中实时采集的食物图片进行计算,提取食物表面的色度值作为色泽维度的成熟度判断依据,图像识别过程包括:首先对原始图像进行图像分割和裁剪,得到食物主体区域;其次对食物主体区域进行 H 通道色度统计,对食物主体区域进行颜色空间转换,转换到 HSV 颜色空间得到能够表征当前颜色状态的色度值;然后在食物主体区域内,只统计有效像素的 H 通道值,将所有有效像素的 H 值进行汇总后,形成当前图片的 H 通道色度分布;最后采用 H 通道直方图的高频值进行计算,得到该图片的主色调 H 通道色度值。最终,构建时间和色度值的联合判定规则: 1、当R>R0时,T<TR:不成熟,T≥TR:成熟; 2、当R在R0范围内,T<T0:不成熟,T0≤T≤TR:成熟,T>TR:成熟; 3、当R<R0,T<T0:不成熟,T=T0:成熟,T0<T≤TR:成熟,T>TR:过熟。 通过分析食材上色特点构建成熟度判断规则,将成熟度分为不成熟、成熟、过熟三类。 三、数据内容:本数据集为结构化的多模态数据集,数据规模以“条”为单位进行记录,每条数据对应一次图像采集、图像识别、人工处理过程,本数据集通过图像识别和算法计算构建食物成熟度自动识别模型,可用于烹饪设备制造、烹饪大模型训练、烹饪产品智能功能开发。
浙江省数据知识产权登记平台2026-08-08 更新60
微波烹饪场景下固态射频吸收率与食物成熟度关系分析数据集
固态射频烹饪
食物成熟度预测
该数据可应用于烹饪设备制造企业,用于通过固态射频监测功率实现对食物的成熟度判断。通过分析固态射频监测下不同菜谱食物的初始功率吸收率、烹饪完成吸收率间的线性关系,提升烹饪自动化与智能化。1.数据来源。记录数据条数、菜谱名称、主食材、主食材份量/g、射频功率/w、烹饪时间、烹饪开始时射频吸收率X、烹饪完成时射频吸收率y和感官评分等数据。 2.数据处理,模型构建。针对同一种菜谱不同份量的烹饪过程,将烹饪完成射频功率吸收率作为因变量(y),烹饪开始时射频吸收率作为自变量(x),线性回归得到线性模型,计算拟合度,用R²表示,R²为决定系数。例如香烤鲫鱼对应的线性模型为y = 0.8401x - 0.0127。其中y为烹饪不同主食材份量下香烤鲫鱼烹饪完成吸收率,x为烹饪开始时射频吸收率。 3.数据分析,评估模型的拟合度。R²≥0.95,说明模型预测效果好,判定结果为合格,若R²<0.95,则表明可能存在其他影响因素,如相位的选择、菜谱的食材一致性等,需要进一步测试验证。
浙江省数据知识产权登记平台2026-09-23 更新00
灶具烹饪场景下厨具位置坐标识别训练数据集
智能灶具视觉感知
厨具定位与状态判断
本数据集市基于真实灶具场景标注数据集对视觉大模型进行训练,从而实现端到端的厨具智能定位。 摄像头采集烹饪场景图片后,模型会对灶具、燃烧器、锅具进行多目标识别和轮廓分割,通过坐标计算和空间关系推理,灶具、炉头和燃烧器的坐标位置以及各目标的数量、灶具类别,判断锅具放置位置以及是否正确放置在加热区域,最终形成结构化的位置反馈和状态判断,为智能灶具的安全控制、自动烹饪等功能提供视觉感知支持。 该数据可应用于厨电行业中智能厨房场景分割系统训练以及厨房设备检测与识别系统训练。1、识别烹饪场景中是否有锅具,有几个锅具;2、识别厨具的与灶具的相对位置,判断锅具放置的准确性;3、识别灶具产品形态,如单眼灶、双眼灶、三眼灶等。一、数据采集:通过摄像头实时采集厨房烹饪图片,经过视觉模型将对图片灶具面板、燃烧器以及锅具等目标进行识别与像素级轮廓分割,输出每一类目标的坐标位置。 二、数据分析:灶具数量判断:识别出坐标有(893.8,236.0,1304.0,821.0 372.0,235.0,798.8,822.0)则为2个灶具;为(382.5,467.5,1599.0,1073.0)则判断为1个灶具。 燃烧器数量判断:识别出坐标有(499.0,537.0,846.0,820.0)为1个燃烧器;有(621.4,454.8,892.0,724.4 1074.6,434.7,1361.7,707.7)为2个燃烧器;未识别到坐标时数量为空。电磁灶无燃烧器,识别为0。 锅具数量判断:识别出坐标有(877.0,249.0,1331.0,701.0)为1个锅具;(1122.0,266.0,1773.0,836.0 315.0,295.0,852.0,756.0)为2个锅具,没有坐标时数量为0。 锅具及灶具位置识别判断:1、提取灶具、露出燃烧器、灶具的坐标数据(xmin,ymin,xmax,ymax),计算中心点2、左右位置判断:以灶具的水平中心为基准,对比目标的水平中心: 目标中心 X < 灶具中心 X − 5,判定为在灶具“左”侧;目标中心 X > 灶具中心 X + 5,判定为在灶具“右”侧;目标坐标为空,判定为空。有2个及以上目标坐标且均满足判断要求时,则判定为“左+右”,若其中有不满足的时,则输出其他。若为电磁灶,灶具数量<2时:目标中心 X 与 灶具中心 X差值在 ±5 以内,则输出居中,不满足时输出其他;若为电磁灶且数量≥2,则判断使用电磁灶的方位,再进行位置判断,目标中心 X 与 灶具中心 X差值在 ±5 以内,输出居中,不满足时输出其他。 三、数据处理:锅具放置准确性判断规则:1、准确:锅具所在位置字段中不含其他;燃气灶时,需同时满足燃烧器实际数量=燃烧器露出数量+锅具数量;2、多余器具,需远离火源:锅具所在位置”字段中不含其他;燃气灶时,需同时满足燃烧器实际数量>燃烧器露出数量+锅具数量;3、错误:锅具所在位置字段中含其他;燃气灶时,需满足燃烧器实际数量<燃烧器露出数量+锅具数量”;4、不适用:锅具所在位置字段为空。
浙江省数据知识产权登记平台2026-09-10 更新30
灶具烹饪场景下厨具位置坐标识别训练数据集
智能灶具视觉感知
厨具定位与状态判断
本数据集市基于真实灶具场景标注数据集对视觉大模型进行训练,从而实现端到端的厨具智能定位。 摄像头采集烹饪场景图片后,模型会对灶具、燃烧器、锅具进行多目标识别和轮廓分割,通过坐标计算和空间关系推理,灶具、炉头和燃烧器的坐标位置以及各目标的数量、灶具类别,判断锅具放置位置以及是否正确放置在加热区域,最终形成结构化的位置反馈和状态判断,为智能灶具的安全控制、自动烹饪等功能提供视觉感知支持。 该数据可应用于厨电行业中智能厨房场景分割系统训练以及厨房设备检测与识别系统训练。1、识别烹饪场景中是否有锅具,有几个锅具;2、识别厨具的与灶具的相对位置,判断锅具放置的准确性;3、识别灶具产品形态,如单眼灶、双眼灶、三眼灶等。
浙江省数据知识产权登记平台2026-08-27 更新30
多烹饪场景下锅具干烧温度规律分析数据集
智能灶具防干烧
烹饪场景温度建模
该数据可应用于烹饪设备制造企业,用于灶具设备的防干烧功能设计。通过测试不同锅具在不同烹饪场景下,根据锅内水是否沸腾与烧干判定结果,读取对应沸腾时灶具温度传感器温度和干烧时灶具温度传感器温度,进行数据的线性回归分析,得到不同工况下T沸腾和T干烧拟合关系,可用于动态调控防干烧阈值,精准应对用户使用防干烧灶具时,金属锅烧糊、砂锅误报等痛点。原始数据字段主要包括数据条数、烹饪场景、锅具、水量(g)、食材量(g)、是否沸腾(以锅内水温达到98~100℃为判断依据)、沸腾时灶具温度传感器温度T沸腾(℃)、是否烧干(以锅内水剩余0~30g为判断依据)、干烧时灶具温度传感器温度T干烧(℃)、公式、拟合度,数据每月采集,采集规模为1000条,采集方式为自行研发设备功能设计阶段实验数据。1.数据来源 记录烹饪场景(煮水、煲汤、红烧等)、锅具(品牌A铝合金平底炒锅、品牌B铝合金平底炒锅等)、水量(g)、食材量(g)、是否沸腾(以锅内水温达到98~100℃为判断依据)、沸腾时灶具温度传感器温度T沸腾(℃)、是否烧干(以锅内水剩余0~30g为判断依据)、干烧时灶具温度传感器温度T干烧(℃)等数据。 2.数据处理 评估模型构建,模型构建针对不同的测试对象,T沸腾(X)作为自变量,T干烧(Y)为因变量进行线性回归得到相应的线性模型 ,得到模型:例如煮水场景负载200g水时,T干烧(℃)=1.02*T沸腾(℃)+34.64 3.数据分析 计算决定系数 R²,评估模型的拟合度。R²达到0.98, 大于0.9,模型合格,说明T干烧与T沸腾强相关,可以根据T沸腾来较准确地预测T干烧,烹饪设备生产商可以根据此规律灶具防干烧阈值进行动态调控,帮助用户精准应对不同锅具、不同烹饪场景下防干烧功能启用时可能出现的烧糊、误报等痛点,提升灶具智能和安全性能。
浙江省数据知识产权登记平台2026-08-19 更新70
多烹饪场景下锅具干烧温度规律分析数据集
灶具防干烧
烹饪场景温度分析
该数据可应用于烹饪设备制造企业,用于灶具设备的防干烧功能设计。通过测试不同锅具在不同烹饪场景下,根据锅内水是否沸腾与烧干判定结果,读取对应沸腾时灶具温度传感器温度和干烧时灶具温度传感器温度,进行数据的线性回归分析,得到不同工况下T沸腾和T干烧拟合关系,可用于动态调控防干烧阈值,精准应对用户使用防干烧灶具时,金属锅烧糊、砂锅误报等痛点。
浙江省数据知识产权登记平台2026-08-05 更新180
关于我们
遇见数据集——让每个数据集都被发现,让每一次遇见都有价值。
数发科官网www.sfktec.com
联系我们
selectdataset@iotsh.com.cn
商业合作
数据驱动未来,携手共赢发展
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
热门搜索