CN105241580A - 一种温度校准方法及终端 - Google Patents
一种温度校准方法及终端 Download PDFInfo
- Publication number
- CN105241580A CN105241580A CN201510590149.4A CN201510590149A CN105241580A CN 105241580 A CN105241580 A CN 105241580A CN 201510590149 A CN201510590149 A CN 201510590149A CN 105241580 A CN105241580 A CN 105241580A
- Authority
- CN
- China
- Prior art keywords
- temperature
- calibration
- measurement result
- calibrating
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明实施例公开了一种温度校准方法及终端，其中该温度校准方法可包括：接收用户输入的测温指令，调用温度传感器对目标物进行测温；根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向；根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。采用本发明实施例，可针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，可提高温度校准的准确性。
Description
技术领域
本发明涉及智能终端技术领域，尤其涉及一种温度校准方法及终端。
背景技术
随着智能终端技术的发展，手机、计算机、平板电脑等智能终端的功能越来越多，其中包括温度测量功能。终端的温度测量功能是通过在终端内设置温度传感器而实现的。
具体实现中，终端内的温度传感器在测量温度时相对精准温度计来说存在一定的误差，为了减小误差，终端需要对温度传感器的测量结果进行校准。实际使用过程中，不同的物体以及不同的温度范围所产生的误差值和误差方向都是不一样的，例如在某个温度范围测量结果比实际值小，但在另一个温度范围测量结果却比实际值大。但是现有的终端通常对温度传感器执行固定方向的校准，例如都在测量结果的基础上增加一定的误差值。如此一来，在某些情况下反而增大了校准后的温度值与实际温度之间的误差。
发明内容
本发明实施例提供一种温度校准方法及终端，可针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，提高温度校准的准确性。
本发明实施例第一方面提供了一种温度校准方法，其可包括：
接收用户输入的测温指令，调用温度传感器对目标物进行测温；
根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向；
根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；
按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
本发明实施例第二方面提供了一种终端，其可包括：
第一接收单元，用于接收用户输入的测温指令，调用温度传感器对目标物进行测温；
选择单元，用于根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向；
确定单元，用于根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；
校准单元，用于按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
本发明实施例中，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，可提高温度校准的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1是本发明的一个实施例提供的温度校准方法的流程示意图；
图2是本发明的另一个实施例提供的温度校准方法的流程示意图；
图3是本发明的又一个实施例提供的温度校准方法的流程示意图；
图4是本发明的一个实施例提供的一种温度校准模型的树形示意图；
图5是本发明的一个实施例提供的终端的结构示意图；
图6是本发明的另一个实施例提供的终端的结构示意图
图7是本发明的又一个实施例提供的终端的结构示意图；
图8是本发明的又一个实施例提供的终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种温度校准方法及终端，可针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，提高温度校准的准确性。具体实现中，本发明实施例中描述的终端可包括：手机、个人计算机、平板电脑、笔记本电脑等，上述终端仅是举例，而非穷举，包含但不限于上述终端。下面将结合附图对本发明实施例提供的一种温度校准方法及终端进行具体描述。
参见图1，是本发明的一个实施例提供的温度校准方法的流程示意图。如图1所示，该温度校准方法可包括如下步骤：
S101，接收用户输入的测温指令，调用温度传感器对目标物进行测温。
可选地，用户可通过终端的按键、触摸控制屏或语音输入模块输入测温指令。
具体实施中，终端内设置有温度传感器，该温度传感器可以是红外温度传感器，通过接收目标物辐射的红外线的波长、辐射强度等参数来计算目标物的温度值，其中该温度值为测量值。
S102，根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向。
具体地，所述目标物的类型可包括生命体和物体。可选地，可在温度测量界面提示用户选择目标物类型，或者根据温度传感器的测量结果所在的温度区间以及一些人体识别算法确定目标物的类型。
在一些可行的实施方式中，终端可预先存储至少两个校准模型，该至少两个校准模型分别与至少两种目标物类型相关联。每个校准模型中包括不同的预设温度区间对应的校准方向，其中校准方向可包括正方向、负方向或无需校准。例如，若测量值低于实际值，需要在测量值的基础上加上误差值，则校准方向为正方向；若测量值高于实际值，需要在测量值的基础上减去误差值，则校准方向为负方向；若测量值接近实际值，则无需校准。
作为一种可行的实施方式，终端预先存储的至少两个校准模型可以根据出厂前对终端内的温度传感器进行多次测试并与相对精准温度计的测量结果进行比较的结果训练得到。
S103，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量。
具体的，将上述测量结果输入相应的校准模型中，可确定校准方向和校准量。其中校准量指的是需要校准的误差值的绝对值。
具体实施中，在不同的校准模型中，同一温度区间对应的校准方向可能不同，例如在36℃-37℃的温度区间，生命体对应的模型的校准方向是正方向，物体对应的模型的校准方向是负方向。
S104，按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
具体实施中，校准量为正值，若所述校准方向为正方向，则校准后的温度值等于测量结果加上校准量；若所述校准方向为负方向，则校准后的温度值等于测量结果减去校准量。
可选地，可通过显示屏以文字或图像方式输出校准后的温度值；或者，可通过语音输出模块(例如麦克风)以音频方式输出校准后的温度值；或者，可以同时通过显示屏和语音输出模块输出校准后的温度值。
本发明实施例中，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，可提高温度校准的准确性。
参见图2，是本发明的另一个实施例提供的温度校准方法的流程示意图。如图2所示，该温度校准方法可包括如下步骤：
S201，存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记。
具体实施中，上述至少两个校准算法可以是基于同一个基础算法的不同改进算法，例如，可以是基于人工神经网络(ArtificialNeuralNetwork，简称ANN)算法的不同改进算法。ANN算法具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性，是处理非线性系统的有力工具。上述至少两个校准算法的一些系数可以不同。
具体地，训练样本集中可包括多次测温的测量数据和校准数据，校准数据包括校准方向和校准量。每次测温的测量数据和校准数据为训练样本集中的一个元素。每个元素可携带类型标记，类型标记包括目标物类型标记和校准方向标记。可选地，目标物类型可包括生命体类型或物体类型。
作为一种可行的实施方式，训练样本集可以是在终端出厂前进行温度测量测试和校准得到的。
S202，根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
针对训练样本集中的每个元素，根据携带的类型标记中的目标物类型标记可确定相应的校准算法，并将每个元素代入相应的校准算法进行训练，可得到与上述至少两种目标物类型相对应的至少两个校准模型。例如生命体温度校准模型和物体温度校准模型。
在一些可行的实施方式中，可通过树形图对所述至少两个校准模型进行管理。例如生命体温度校准模型的树形图可如图4所示，其中不同的层代表不同的温度区间划分粒度，每个节点表示一个温度区间，节点的不同填充样式代表不同的校准方向。随着训练样本集的元素越来多，温度区间的粒度越来越小，树形图的层数可越来越多。
S203，接收用户输入的测温指令，调用温度传感器对目标物进行测温。
S204，根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向。
S205，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量。
S206，按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
作为一种可行的实施方式，步骤S203至S206的具体实施方式可参考图1所示实施例中步骤S101至S104的具体实施方式，在此不赘述。
S207，记录所述测量结果和所述校准后的温度值。
S208，根据所述测量结果和所述校准后的温度值更新所述相应的校准模型。
在一些可行的实施方式中，每次测温后，终端可记录温度传感器的测量结果和校准后的温度值，将记录的数据加入上述训练样本集，以更新相应的校准模型。
具体实施中，随着训练样本集的元素越来越多，预设温度区间的划分可更加精细，校准模型的准确度将越来越高。
本发明实施例中，存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值，并根据测量结果和校准结果对相应的模型进行更新。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，并对每次测温的测量结果和校准结果进行学习，可提高温度校准的准确性。
参见图3，是本发明的又一个实施例提供的温度校准方法的流程示意图。如图3所示，该温度校准方法可包括如下步骤：
S301，存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记。
具体实施中，上述至少两个校准算法可以是基于同一个基础算法的不同改进算法，例如，可以是基于人工神经网络(ArtificialNeuralNetwork，简称ANN)算法的不同改进算法。ANN算法具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性，是处理非线性系统的有力工具。上述至少两个校准算法的一些系数可以不同。
具体地，训练样本集中可包括多次测温的测量数据和校准数据，校准数据包括校准方向和校准量。每次测温的测量数据和校准数据为训练样本集中的一个元素。每个元素可携带类型标记，类型标记包括目标物类型标记和校准方向标记。可选地，目标物类型可包括生命体类型或物体类型。
作为一种可行的实施方式，训练样本集可以是在终端出厂前进行温度测量测试和校准得到的。
S302，根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
针对训练样本集中的每个元素，根据携带的类型标记中的目标物类型标记可确定相应的校准算法，并将每个元素代入相应的校准算法进行训练，可得到与上述至少两种目标物类型相对应的至少两个校准模型。例如生命体温度校准模型和物体温度校准模型。
在一些可行的实施方式中，可通过树形图对所述至少两个校准模型进行管理。例如生命体温度校准模型的树形图可如图4所示，其中不同的层代表不同的温度区间划分粒度，每个节点表示一个温度区间，节点的不同填充样式代表不同的校准方向。随着训练样本集的元素越来多，温度区间的粒度越来越小，树形图的层数可越来越多。
S303，接收用户输入的测温指令，调用温度传感器对目标物进行测温。
S304，根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向。
S305，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量。
S306，按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
作为一种可行的实施方式，步骤S203至S206的具体实施方式可参考图1所示实施例中步骤S101至S104的具体实施方式，在此不赘述。
S307，接收用户输入的校准温度值。
在一些可行的实施方式中，终端的测温结果显示界面可包括手动校准选项。若用户在测温结果显示界面上对该手动校准选项进行操作，可提示用户输入校准温度值。其中，该校准温度值可以是用户使用其他较精准的温度计对同一目标物进行测温得到的温度值。
S308，根据所述测量结果和所述用户输入的校准温度值更新所述相应的校准模型。
具体实施中，可以将该测量结果和所述用户输入的校准温度值加入所述训练样本集，以更新相应的校准模型。随着训练样本集的元素越来越多，预设温度区间的划分可更加精细，校准模型的准确度将越来越高。
本发明实施例中，存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值，并根据测量结果和校准结果对相应的模型进行更新。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，并对每次测温的测量结果和校准结果进行学习，可提高温度校准的准确性。
参见图5，是本发明的一个实施例提供的终端的结构示意图。如图5所示，该终端可包括如下单元：
第一接收单元501，用于接收用户输入的测温指令，调用温度传感器对目标物进行测温。
可选地，用户可通过终端的按键、触摸控制屏或语音输入模块输入测温指令。
具体实施中，终端内设置有温度传感器，该温度传感器可以是红外温度传感器，通过接收目标物辐射的红外线的波长、辐射强度等参数来计算目标物的温度值，其中该温度值为测量值。
选择单元502，用于根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向。
具体地，所述目标物的类型可包括生命体和物体。可选地，可在温度测量界面提示用户选择目标物类型，或者根据温度传感器的测量结果所在的温度区间以及一些人体识别算法确定目标物的类型。
在一些可行的实施方式中，终端可预先存储至少两个校准模型，该至少两个校准模型分别与至少两种目标物类型相关联。每个校准模型中包括不同的预设温度区间对应的校准方向，其中校准方向可包括正方向、负方向或无需校准。例如，若测量值低于实际值，需要在测量值的基础上加上误差值，则校准方向为正方向；若测量值高于实际值，需要在测量值的基础上减去误差值，则校准方向为负方向；若测量值接近实际值，则无需校准。
作为一种可行的实施方式，终端预先存储的至少两个校准模型可以根据出厂前对终端内的温度传感器进行多次测试并与相对精准温度计的测量结果进行比较的结果训练得到。
确定单元503，用于根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量。
具体的，将上述测量结果输入相应的校准模型中，可确定校准方向和校准量。其中校准量指的是需要校准的误差值的绝对值。
具体实施中，在不同的校准模型中，同一温度区间对应的校准方向可能不同，例如在36℃-37℃的温度区间，生命体对应的模型的校准方向是正方向，物体对应的模型的校准方向是负方向。
校准单元504，用于按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
具体实施中，校准量为正值，若所述校准方向为正方向，则校准后的温度值等于测量结果加上校准量；若所述校准方向为负方向，则校准后的温度值等于测量结果减去校准量。
可选地，可通过显示屏以文字或图像方式输出校准后的温度值；或者，可通过语音输出模块(例如麦克风)以音频方式输出校准后的温度值；或者，可以同时通过显示屏和语音输出模块输出校准后的温度值。
本发明实施例中，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，可提高温度校准的准确性。
参见图6，是本发明的另一个实施例提供的终端的结构示意图。如图6所示，该终端可包括存储单元601、训练单元602、第一接收单元603、选择单元604、确定单元605、校准单元606、记录单元607和第一更新单元608，其中：
存储单元601，用于存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记。
具体实施中，上述至少两个校准算法可以是基于同一个基础算法的不同改进算法，例如，可以是基于人工神经网络(ArtificialNeuralNetwork，简称ANN)算法的不同改进算法。ANN算法具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性，是处理非线性系统的有力工具。上述至少两个校准算法的一些系数可以不同。
具体地，训练样本集中可包括多次测温的测量数据和校准数据，校准数据包括校准方向和校准量。每次测温的测量数据和校准数据为训练样本集中的一个元素。每个元素可携带类型标记，类型标记包括目标物类型标记和校准方向标记。可选地，目标物类型可包括生命体类型或物体类型。
作为一种可行的实施方式，训练样本集可以是在终端出厂前进行温度测量测试和校准得到的。
训练单元602，用于根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
针对训练样本集中的每个元素，根据携带的类型标记中的目标物类型标记可确定相应的校准算法，并将每个元素代入相应的校准算法进行训练，可得到与上述至少两种目标物类型相对应的至少两个校准模型。例如生命体温度校准模型和物体温度校准模型。
在一些可行的实施方式中，可通过树形图对所述至少两个校准模型进行管理。例如生命体温度校准模型的树形图可如图4所示，其中不同的层代表不同的温度区间划分粒度，每个节点表示一个温度区间，节点的不同填充样式代表不同的校准方向。随着训练样本集的元素越来多，温度区间的粒度越来越小，树形图的层数可越来越多。
第一接收单元603，用于接收用户输入的测温指令，调用温度传感器对目标物进行测温。
选择单元604，用于根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向。
确定单元605，用于根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量。
校准单元606，用于按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
作为一种可行的实施方式，第一接收单元603、选择单元604、确定单元605和校准单元606的具体实施方式可参考图1所示实施例中相应单元的具体实施方式，在此不赘述。
记录单元607，用于记录所述测量结果和所述校准后的温度值。
第一更新单元608，用于根据所述测量结果和所述校准后的温度值更新所述相应的校准模型。
在一些可行的实施方式中，每次测温后，终端可记录温度传感器的测量结果和校准后的温度值，将记录的数据加入上述训练样本集，以更新相应的校准模型。
具体实施中，随着训练样本集的元素越来越多，预设温度区间的划分可更加精细，校准模型的准确度将越来越高。
本发明实施例中，存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值，并根据测量结果和校准结果对相应的模型进行更新。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，并对每次测温的测量结果和校准结果进行学习，可提高温度校准的准确性。
参见图7，是本发明的又一个实施例提供的终端的结构示意图。如图7所示，该终端可包括存储单元701、训练单元702、第一接收单元703、选择单元704、确定单元705、校准单元706、第二接收单元707和第二更新单元708，其中：
存储单元701，用于存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记。
具体实施中，上述至少两个校准算法可以是基于同一个基础算法的不同改进算法，例如，可以是基于人工神经网络(ArtificialNeuralNetwork，简称ANN)算法的不同改进算法。ANN算法具有自学习、自组织、自适应以及很强的非线性函数逼近能力，拥有强大的容错性，是处理非线性系统的有力工具。上述至少两个校准算法的一些系数可以不同。
具体地，训练样本集中可包括多次测温的测量数据和校准数据，校准数据包括校准方向和校准量。每次测温的测量数据和校准数据为训练样本集中的一个元素。每个元素可携带类型标记，类型标记包括目标物类型标记和校准方向标记。可选地，目标物类型可包括生命体类型或物体类型。
作为一种可行的实施方式，训练样本集可以是在终端出厂前进行温度测量测试和校准得到的。
训练单元702，用于根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
针对训练样本集中的每个元素，根据携带的类型标记中的目标物类型标记可确定相应的校准算法，并将每个元素代入相应的校准算法进行训练，可得到与上述至少两种目标物类型相对应的至少两个校准模型。例如生命体温度校准模型和物体温度校准模型。
在一些可行的实施方式中，可通过树形图对所述至少两个校准模型进行管理。例如生命体温度校准模型的树形图可如图4所示，其中不同的层代表不同的温度区间划分粒度，每个节点表示一个温度区间，节点的不同填充样式代表不同的校准方向。随着训练样本集的元素越来多，温度区间的粒度越来越小，树形图的层数可越来越多。
第一接收单元703，用于接收用户输入的测温指令，调用温度传感器对目标物进行测温。
选择单元704，用于根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向。
确定单元705，用于根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量。
校准单元706，用于按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
作为一种可行的实施方式，第一接收单元703、选择单元704、确定单元705和校准单元706的具体实施方式可参考图1所示实施例中相应单元的具体实施方式，在此不赘述。
第二接收单元707，用于接收用户输入的校准温度值。
在一些可行的实施方式中，终端的测温结果显示界面可包括手动校准选项。若用户在测温结果显示界面上对该手动校准选项进行操作，可提示用户输入校准温度值。其中，该校准温度值可以是用户使用其他较精准的温度计对同一目标物进行测温得到的温度值。
第二更新单元708，用于根据所述测量结果和所述用户输入的校准温度值更新所述相应的校准模型。
具体实施中，可以将该测量结果和所述用户输入的校准温度值加入所述训练样本集，以更新相应的校准模型。随着训练样本集的元素越来越多，预设温度区间的划分可更加精细，校准模型的准确度将越来越高。
本发明实施例中，存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值，并根据测量结果和校准结果对相应的模型进行更新。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，并对每次测温的测量结果和校准结果进行学习，可提高温度校准的准确性。
参见图8，是本发明的又一个实施例提供的终端的结构示意图。本实施例中所描述的终端包括：至少一个输入设备1000；至少一个输出设备2000；至少一个处理器3000，例如CPU；和存储器4000，上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中，上述输入设备1000具体可为终端的触控面板、按键、或语音识别模块等。
上述输出设备2000具体可为终端的显示屏或语音播放模块(例如麦克风)等，在本发明实施例中，上述输出设备2000可用于输出温度值。
上述存储器4000可以是高速RAM存储器，也可为非不稳定的存储器(non-volatilememory)，例如磁盘存储器。上述存储器4000用于存储一组程序代码。
上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码，执行如下操作：
上述输入设备1000，用于执行：
接收用户输入的测温指令，调用温度传感器对目标物进行测温；
上述处理器3000，用于执行：
根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向；
根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；
按照所述校准方向和所述校准量对所述测量结果进行校准；
上述输出设备2000，用于执行：输出校准后的温度值。
在一些可行的实施方式中，上述存储器4000还用于：
存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记；
上述处理器3000还用于执行：
根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
在一些可行的实施方式中，上述处理器3000在执行所述按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值之后，还用于执行：
记录所述测量结果和所述校准后的温度值；
根据所述测量结果和所述校准后的温度值更新所述相应的校准模型。
在一些可行的实施方式中，上述处理器3000在执行所述按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值之后，还用于执行：
接收用户输入的校准温度值；
根据所述测量结果和所述用户输入的校准温度值更新所述相应的校准模型。
在一些可行的实施方式中，所述相应的校准模型为基于人工神经网络ANN算法的模型。
本发明实施例中，调用温度传感器对目标物进行测温后，根据目标物的类型选择相应的校准模型并获取温度传感器的测量结果，根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。采用本发明实施例，针对不同的目标物类型和不同的温度区间对测量的温度值进行校准，可提高温度校准的准确性。
本发明所有实施例中的模块或子模块，可以通过通用集成电路，例如CPU(CentralProcessingUnit，中央处理器)，或通过ASIC(ApplicationSpecificIntegratedCircuit，专用集成电路)来实现。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种温度校准方法，其特征在于，所述温度校准方法包括：
接收用户输入的测温指令，调用温度传感器对目标物进行测温；
根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向；
根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；
按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
2.根据权利要求1所述的温度校准方法，其特征在于，所述根据所述目标物的类型选择相应的校准模型之前，所述温度校准方法还包括：
存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记；
根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
3.根据权利要求2所述的温度校准方法，其特征在于，所述按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值之后，所述温度校准方法还包括：
记录所述测量结果和所述校准后的温度值；
根据所述测量结果和所述校准后的温度值更新所述相应的校准模型。
4.根据权利要求2所述的温度校准方法，其特征在于，所述按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值之后，所述温度校准方法还包括：
接收用户输入的校准温度值；
根据所述测量结果和所述用户输入的校准温度值更新所述相应的校准模型。
5.根据权利要求1至4任意一项所述的温度校准方法，其特征在于，所述相应的校准模型为基于人工神经网络ANN算法的模型。
6.一种终端，其特征在于，所述终端包括温度传感器，还包括：
第一接收单元，用于接收用户输入的测温指令，调用温度传感器对目标物进行测温；
选择单元，用于根据所述目标物的类型选择相应的校准模型，以及获取所述温度传感器的测量结果，其中所述相应的校准模型中包括多个预设温度区间对应的校准方向；
确定单元，用于根据所述测量结果所在的温度区间以及所述相应的校准模型确定校准方向和校准量；
校准单元，用于按照所述校准方向和所述校准量对所述测量结果进行校准并输出校准后的温度值。
7.根据权利要求6所述的终端，其特征在于，所述终端还包括：
存储单元，用于存储与至少两种目标物类型关联的至少两个校准算法以及携带类别标记的训练样本集，其中所述类别标记包括目标物类型标记和校准方向标记；
训练单元，用于根据所述目标物类型标记对所述训练样本集中的每个元素执行相应的校准算法，训练得到与所述至少两种目标物类型相对应的至少两个校准模型。
8.根据权利要求7所述的终端，其特征在于，所述终端还包括：
记录单元，用于记录所述测量结果和所述校准后的温度值；
第一更新单元，用于根据所述测量结果和所述校准后的温度值更新所述相应的校准模型。
9.根据权利要求7所述的终端，其特征在于，所述终端还包括：
第二接收单元，用于接收用户输入的校准温度值；
第二更新单元，用于根据所述测量结果和所述用户输入的校准温度值更新所述相应的校准模型。
10.根据权利要求6至9任意一项所述的终端，其特征在于，所述相应的校准模型为基于人工神经网络ANN算法的模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510590149.4A CN105241580A (zh) | 2015-09-16 | 2015-09-16 | 一种温度校准方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510590149.4A CN105241580A (zh) | 2015-09-16 | 2015-09-16 | 一种温度校准方法及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105241580A true CN105241580A (zh) | 2016-01-13 |
Family
ID=55039305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510590149.4A Pending CN105241580A (zh) | 2015-09-16 | 2015-09-16 | 一种温度校准方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105241580A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108955952A (zh) * | 2018-09-25 | 2018-12-07 | 浙江敏源传感科技有限公司 | 一种数字温度传感器及其温度校准方法、存储介质 |
| CN111307195A (zh) * | 2020-03-11 | 2020-06-19 | 深圳市创维电器科技有限公司 | 传感器通用校准方法、装置、设备和计算机可读存储介质 |
| CN111486993A (zh) * | 2020-03-23 | 2020-08-04 | 黄维学 | 体温检测的矫正方法、装置、计算机设备和存储介质 |
| CN111735489A (zh) * | 2020-06-13 | 2020-10-02 | 深圳市海洋王照明工程有限公司 | 探测器的温湿度校准方法、装置、计算机设备及存储介质 |
| CN111811694A (zh) * | 2020-07-13 | 2020-10-23 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
| CN113095389A (zh) * | 2021-04-02 | 2021-07-09 | 河北先河环保科技股份有限公司 | 网格化传感器监控网络校准方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101067577A (zh) * | 2007-06-15 | 2007-11-07 | 热映光电股份有限公司 | 红外线温度计的校准方法 |
| CN101424572A (zh) * | 2008-12-09 | 2009-05-06 | 大连理工大学 | 一种用于温度传感器检测温度的补偿方法 |
| CN202614415U (zh) * | 2012-04-19 | 2012-12-19 | 中国人民解放军63961部队 | 一种温度传感器的检测装置 |
| US20130223472A1 (en) * | 2012-02-27 | 2013-08-29 | Cvg Management Corporation | Infrared temperature sensor calibration system and method |
-
2015
- 2015-09-16 CN CN201510590149.4A patent/CN105241580A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101067577A (zh) * | 2007-06-15 | 2007-11-07 | 热映光电股份有限公司 | 红外线温度计的校准方法 |
| CN101424572A (zh) * | 2008-12-09 | 2009-05-06 | 大连理工大学 | 一种用于温度传感器检测温度的补偿方法 |
| US20130223472A1 (en) * | 2012-02-27 | 2013-08-29 | Cvg Management Corporation | Infrared temperature sensor calibration system and method |
| CN202614415U (zh) * | 2012-04-19 | 2012-12-19 | 中国人民解放军63961部队 | 一种温度传感器的检测装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108955952A (zh) * | 2018-09-25 | 2018-12-07 | 浙江敏源传感科技有限公司 | 一种数字温度传感器及其温度校准方法、存储介质 |
| CN111307195A (zh) * | 2020-03-11 | 2020-06-19 | 深圳市创维电器科技有限公司 | 传感器通用校准方法、装置、设备和计算机可读存储介质 |
| CN111486993A (zh) * | 2020-03-23 | 2020-08-04 | 黄维学 | 体温检测的矫正方法、装置、计算机设备和存储介质 |
| CN111735489A (zh) * | 2020-06-13 | 2020-10-02 | 深圳市海洋王照明工程有限公司 | 探测器的温湿度校准方法、装置、计算机设备及存储介质 |
| CN111811694A (zh) * | 2020-07-13 | 2020-10-23 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
| WO2022012276A1 (zh) * | 2020-07-13 | 2022-01-20 | 广东博智林机器人有限公司 | 一种温度校准方法、装置、设备及存储介质 |
| CN113095389A (zh) * | 2021-04-02 | 2021-07-09 | 河北先河环保科技股份有限公司 | 网格化传感器监控网络校准方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105241580A (zh) | 一种温度校准方法及终端 | |
| CN109242135B (zh) | 一种模型运营方法、装置、及业务服务器 | |
| US20140311209A1 (en) | System and method for determining sensor accuracy of a portable electronic device | |
| CN105224132A (zh) | 一种压力传感器的校准方法及装置 | |
| CN105528652A (zh) | 一种预测模型的建立方法及终端 | |
| CN108900622B (zh) | 基于物联网的数据融合方法、装置与计算机可读存储介质 | |
| CN110717509B (zh) | 基于树分裂算法的数据样本分析方法及装置 | |
| CN105783900A (zh) | 一种传感器数据的校准方法及装置 | |
| CN105630158A (zh) | 传感器数据处理方法、装置及终端设备 | |
| CN115728445A (zh) | 传感器校准方法、装置、设备及计算机可读存储介质 | |
| CN109948812A (zh) | 确定故障原因的方法、装置、存储介质及电子设备 | |
| CN113804232A (zh) | 传感器校准方法、装置以及终端设备 | |
| CN109889977B (zh) | 一种基于高斯回归的蓝牙定位方法、装置、设备和系统 | |
| CN115080909B (zh) | 影响物联感知设备数据的分析方法、电子设备及存储介质 | |
| CN112966971B (zh) | 一种项目工作量评估方法和装置 | |
| CN115452101A (zh) | 一种仪表检定方法、装置、设备及介质 | |
| CN105306680A (zh) | 一种终端测温方法及终端 | |
| CN110967446B (zh) | 参数对标的方法、装置、存储介质和电子设备 | |
| CN116611378A (zh) | 电路模型的仿真模拟方法及装置、计算机设备和存储介质 | |
| CN109436980B (zh) | 电梯部件的状态检测方法和系统 | |
| CN109525548B (zh) | 一种基于代价函数的白名单更新方法、装置及电子设备 | |
| CN107229487A (zh) | 代码处理方法及装置 | |
| CN109492759B (zh) | 神经网络模型预测方法、装置和终端 | |
| CN110827349B (zh) | 一种校准方法、系统、计算机设备和存储介质 | |
| CN110991641A (zh) | 一种油藏类型分析方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20190409 |