# Патент LG на холодильник с ИИ: как угол съёмки и глубина помогают различать продукты в дверце

Разбираем US11669722B2: выбор момента съёмки при закрытии двери, отделение её отсеков по глубине и обновление списка продуктов после обнаружения и распознавания.

Source: https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition

ГЛАВНАЯ / Новости и аналитика Новости и аналитика Патент LG на холодильник с ИИ: как угол съёмки и глубина помогают различать продукты в дверце Разбираем US11669722B2: выбор момента съёмки при закрытии двери, отделение её отсеков по глубине и обновление списка продуктов после обнаружения и распознавания. Искусственный интеллект 2026.11.04 Опубликовано IPLEX Время чтения: 8 мин. Авторская концептуальная иллюстрация выбора момента съёмки по движению внешней двери и анализа дверных отсеков. Она не воспроизводит внешний вид или интерфейс реального изделия. В патенте LG на холодильник с ИИ движение двери сочетается с данными о глубине, чтобы различать продукты в дверных отсеках. Прежде чем модель определит название продукта, система должна выбрать момент съёмки и область анализа. На условном примере общего холодильника рассмотрим весь путь: получение изображения, разделение пространства, распознавание продуктов и обновление списка. 1. Почему фотография ещё не даёт список продуктов по местам хранения В магазине бывает трудно вспомнить, осталось ли дома молоко. Фотография холодильника может помочь, однако для составления списка по местам хранения одной картинки недостаточно. Похожие бутылки могут одновременно находиться в дверном отсеке и на полке в глубине камеры. Системе нужно установить не только наличие продуктов, но и то, к какому пространству они относятся. Описанная в патенте конструкция включает внутреннюю дверь с местами для хранения и расположенную перед ней внешнюю дверь. Открыв внешнюю дверь, пользователь получает доступ к продуктам на внутренней. Камера на внешней двери направлена на эту область. Такое размещение предназначено для наблюдения за дверными отсеками, которые трудно полноценно охватить камерой, установленной только под потолком холодильника. Здесь связаны две задачи. При движении двери меняется направление камеры, поэтому необходимо выбрать подходящий момент для съёмки. Кроме того, продукты на видимых сзади полках нельзя учитывать как содержимое дверного отсека. Формирование списка начинается с того, какое именно изображение поступит в модель ИИ. 2. Выбор момента съёмки при закрытии внешней двери Рассмотрим ситуацию, когда внутренняя дверь остаётся закрытой, а пользователь открывает и закрывает только внешнюю. Датчик фиксирует открытие, закрытие и угол открытия. По этим сигналам процессор выбирает момент съёмки. Получение изображения связывается с использованием двери, а не с одинаковой обработкой всех кадров непрерывной записи. В одном из вариантов система сначала определяет, была ли внешняя дверь открыта до заданного угла или дальше. Затем, когда дверь начинает закрываться и возвращается к углу, выбранному для съёмки, процессор передаёт камере команду. Так получается изображение дверного отсека после того, как пользователь положил или взял продукты. Заданный угол представляет собой условие съёмки, при котором камера направлена на нужную область. Описание предусматривает и другую ветвь: если дверь приоткрыли, не достигнув заданного угла, съёмка выполняется при обнаружении её закрытия. Поэтому речь идёт не об одном неизменном моменте для любого движения двери, а о выборе условия съёмки с учётом того, как дверь использовалась. Положение камеры и направление её обзора согласуются с выбранным моментом. В патенте приведён пример размещения камеры у края внешней двери с наклоном, позволяющим смотреть на внутреннюю дверь при нужном угле открытия. Также описаны несколько камер для верхней и нижней частей зоны хранения. Вопросы о том, когда снимать и что в этот момент попадёт в кадр, решаются совместно. 3. Разделение дверного отсека и задних полок по глубине В кадр с дверным отсеком могут попасть и полки, расположенные глубже. Если два пакета молока спереди не отделить от молока на задней полке, учёт содержимого дверцы окажется неверным. Для такого разделения используется глубина — информация о расстоянии от датчика до различных участков сцены. Обычное изображение передаёт цвет и форму, а изображение глубины помогает различать ближние и дальние области. В примере из патента применяется порог, связанный с расстоянием до зоны внутренней двери. После её отделения от расположенной за ней камеры хранения соответствующую заднюю область исключают из обычного изображения. Так подготавливаются данные для распознавания продуктов именно в дверце. Исключение относится к обработке изображения и определяет границы текущего анализа. Продукты на внутренних полках остаются на месте, но не участвуют в этой операции распознавания содержимого дверцы. Сужение области анализа не даёт смешать в одном списке предметы из разных зон хранения. Изображение камеры и данные глубины должны относиться к одной и той же сцене. Если камера смотрит на дверной отсек, а датчик глубины — на боковую полку, напрямую сопоставить цвет и расстояние будет трудно. Поэтому в описании датчик располагается рядом с камерой и объясняется необходимость согласования их полей зрения. Съёмка и получение глубины образуют единый процесс обработки. 4. Сначала найти объект, затем определить продукт Когда область анализа определена, в ней нужно найти продукты. Обнаружение объектов устанавливает их положение и границы на изображении. Например, бутылку можно выделить прямоугольником, чтобы дальнейшая обработка выполнялась в пределах этой области. Такой прямоугольник называют ограничивающей рамкой. Распознавание определяет, что находится внутри найденной области. Похожие бутылки могут содержать молоко или другой напиток, и названия в списке будут различаться. Патент отдельно описывает модель для локализации объектов и модель для определения их вида. Изображение обнаруженной области передаётся второй модели, а её результат превращается в сведения о продукте. На этапе обучения модели подготавливают с помощью изображений продуктов и соответствующих правильных ответов, например названий. Во время использования холодильника система обрабатывает новый снимок, получая границы объектов и результаты их распознавания. Подготовка обучающих данных и анализ новых фотографий при эксплуатации — разные этапы. На основе этих результатов формируется состояние хранения: вид, расположение и количество продуктов. Положение рамки позволяет учитывать место, а результат распознавания определяет запись в списке. Чтобы фотография стала понятным пользователю перечнем, сведения о координатах и названиях должны пройти по цепочке вместе. 5. Как обновляется количество молока в общем холодильнике Представим общий холодильник небольшого офиса. В дверном отсеке стоят две упаковки молока, а на задней полке лежат три яблока. Даже если обе зоны попали на снимок при закрытии внешней двери, данные глубины позволяют выделить дверной отсек. В этой операции распознаются только две упаковки спереди. Авторский условный пример разделения двух упаковок молока в дверце и трёх яблок на задней полке. Задняя зона исключена из текущего анализа дверцы. Это не экран реального устройства и не результат измерения точности распознавания. Допустим, модель обнаружения нашла два объекта, а модель распознавания определила оба как молоко. Тогда в список содержимого дверцы можно внести две единицы. Когда сотрудник заберёт одну упаковку и закроет дверь, количество изменится на основе следующей съёмки и распознавания. В патенте описаны примеры отображения добавленных и извлечённых продуктов с помощью уведомлений и списка на экране. Предусмотрена и корректировка результата пользователем. Если он положил две упаковки, а список показывает одну, можно выбрать изменение количества и исправить запись. Автоматическое отображение результата связано с ручным изменением состояния хранения. Кто и с помощью какого ввода меняет список — тоже часть работы сервиса. В этом примере важен не только отдельный расчёт, правильно выдавший название «молоко». Вся последовательность получает новое состояние после использования двери, распределяет продукты по зонам и представляет результат для проверки пользователем. Фотография, расстояние, распознанный вид и количество отвечают за разные составляющие информации. 6. Какую работу с продуктами предлагает ThinQ Food В материалах к CES 2026 компания LG представила ThinQ Food для холодильника LG SIGNATURE Smart InstaView. По официальному описанию, внутренняя камера помогает определять ингредиенты, а имеющиеся продукты служат основой для рекомендаций рецептов и возможных замен. Пользователь может перейти от вопроса «что есть в холодильнике» к вопросу «что из этого приготовить». Список продуктов и кулинарные рекомендации выполняют разные задачи. В списке находятся распознанные позиции и сведения о хранении; рекомендации предлагают способы использования ингредиентов. Для разработчиков это повод явно разделить результаты одного этапа и входные данные следующего. Ошибка в переданной информации о продукте может повлиять и на дальнейший совет, поэтому структура промежуточных данных имеет самостоятельное значение. LG указывает, что результаты распознавания могут зависеть от вида и расположения продуктов. Поэтому при рассмотрении таких функций нужно учитывать реальную расстановку и перекрытие одних предметов другими. Разделение на распознавание, отображение на экране и предложение блюд помогает точнее понять, какую поддержку получает пользователь на каждом этапе. 7. Описывать всю цепочку — от снимка до списка Технический интерес представляет связь условий съёмки с обработкой ИИ. Датчик двери задаёт условия получения снимка, а камера и датчик глубины описывают одно пространство разными данными. Разделение областей определяет, какие продукты анализировать; обнаружение и распознавание дают позиции и названия для списка. Команде, разрабатывающей собственный продукт, полезно дополнить название функции «распознавание продуктов с помощью ИИ» описанием входных данных и порядка операций. Следует конкретно указать, какое движение двери фиксируется, как сопоставляются участки двух изображений, какая область исключается и в какой момент результат попадает в список. Пользовательское исправление ошибки также можно описать как отдельный технический процесс. От того, как показываются автоматически полученное и исправленное количества и как изменение переносится в следующее состояние, зависит опыт использования. Описание конкретных действий, добавленных командой между съёмкой, пространственным разделением, работой модели и вводом пользователя, помогает объяснить особенности её технологии ИИ. Съёмка, обработка глубины и распознавание рассмотрены по вариантам осуществления, описанным в US11669722B2. Материалы о ThinQ Food к CES 2026 являются отдельным описанием продукта и не подтверждают применение в нём именно этого варианта из патента. Общий холодильник и иллюстрации служат для объяснения принципа, а не для демонстрации измеренной точности. Исходный патент LG на холодильник с ИИ: US11669722B2 Официальный материал LG: LG SIGNATURE и ThinQ Food на CES 2026 Патент Naver на перевод изображений: как совместить перевод с движущимся кадром ИИ Samsung для аудио: интерфейс до завершения разделения звука Ознакомьтесь с проектами IPLEX в области искусственного интеллекта, профильными публикациями и техническими консультациями. Опыт патентного поверенного Ким Ёндока в области ИИ Исходная публикация в Tistory Прочитать корейский оригинал Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела. Обсудить этот вопрос ↗ Все статьи НА ЭТОЙ СТРАНИЦЕ 1. Почему фотография ещё не даёт список продуктов по местам хранения 2. Выбор момента съёмки при закрытии внешней двери 3. Разделение дверного отсека и задних полок по глубине 4. Сначала найти объект, затем определить продукт 5. Как обновляется количество молока в общем холодильнике 6. Какую работу с продуктами предлагает ThinQ Food 7. Описывать всю цепочку — от снимка до списка ОБРАТИТЕСЬ В IPLEX Обсудите с нами вопросы интеллектуальной собственности Мы рассматриваем ваши технологические и бизнес-потребности вместе. ↗ Связаться с нами Новее Когда фотографии из интернет-магазина становятся доказательством против патента ↗ Ранее Палатка для прогревания: общий внешний вид и объём охраны дизайна ↗ Материалы по теме Искусственный интеллект 2026.11.19 Эмбеддинги Matryoshka для поиска изображений: отбор по префиксу и ранжирование по полному вектору Разбираем Matryoshka Representation Learning: обучение вложенных представлений и результаты поиска на ImageNet-1K из NeurIPS 2022. ↗ Читать статью Искусственный интеллект 2026.11.18 Патент ByteDance на субтитры: распознавание отдельных дорожек и устранение наложения по времени Разбираем US11837234B2: выбор аудиодорожек и изменение времени субтитров, отдельно от публичных инструкций CapCut. ↗ Читать статью Искусственный интеллект 2026.11.17 Распознанный текст Apple: от номера или URL к подходящему действию US12001642B2 связывает распознанный текст, координаты, тип данных и ввод пользователя с контекстными меню и действиями. ↗ Читать статью

- https://www.iplexlaw.co.kr/ru
- https://www.iplexlaw.co.kr/ru/blog/category/ai
- https://image-ppubs.uspto.gov/dirsearch-public/print/downloadPdf/11669722
- https://www.lgcorp.com/media/release/29692
- https://www.iplexlaw.co.kr/ru/blog/naver-papago-ar-image-translation
- https://www.iplexlaw.co.kr/ru/blog/samsung-ai-audio-classification-separation
- https://www.iplexlaw.co.kr/ru/ai-patents
- https://iplexlaw.tistory.com/16
- https://www.iplexlaw.co.kr/ko/blog/lg-ai-refrigerator-door-depth-recognition
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-0
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-1
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-2
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-3
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-4
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-5
- https://www.iplexlaw.co.kr/ru/blog/lg-ai-refrigerator-door-depth-recognition#article-tistory16-en-6
- https://www.iplexlaw.co.kr/ru/contact
- https://www.iplexlaw.co.kr/ru/blog/brunch-case-1918
- https://www.iplexlaw.co.kr/ru/blog/brunch-case-1917
- https://www.iplexlaw.co.kr/ru/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/ru/blog/matryoshka-prefix-vector-image-retrieval
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/ru/blog/bytedance-track-based-caption-timing
- https://www.iplexlaw.co.kr/ru/blog/apple-recognized-text-contextual-actions
- https://www.iplexlaw.co.kr/ru/blog/apple-recognized-text-contextual-actions
