（1）提出融合标签混合机制和可变形卷积结构的残差网络模型的技术，解决食材种类多，类间相似度高，类内多变，摆放不规则的问题，实现烤箱内部食材种类识别。食材识别准确率大于95%。（2）提出基于实例分割和比对神经网络的食材熟度识别技术，降低食材表面调料影响，解决食材加热过程背景变化问题，首次实现了食材的熟度识别。熟度识别率大于88%。（3）提出基于视觉感知的定向加热技术。应用视觉检测分割技术，定位食材位置，依据熟度特征，均衡加热能量，实现食材的加热一致性。左、右侧定向的偏差分别为3.84%和3.89%。智能烤箱中食材感知、熟度识别和定向加热技术的研究及应用是我司战略项目，开创了智能烘烤烹饪的先河，满足消费者对美食的极致追求，创造良好的用户体验。项目产品的食材感知、熟度识别和定向加热效果经过试用，得到了客户的一致好评。