CN107133299A - 基于人工智能的消防应答方法、移动终端及可读存储介质 - Google Patents
基于人工智能的消防应答方法、移动终端及可读存储介质 Download PDFInfo
- Publication number
- CN107133299A CN107133299A CN201710287137.3A CN201710287137A CN107133299A CN 107133299 A CN107133299 A CN 107133299A CN 201710287137 A CN201710287137 A CN 201710287137A CN 107133299 A CN107133299 A CN 107133299A
- Authority
- CN
- China
- Prior art keywords
- fire
- fighting
- current
- current signature
- sentence
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 60
- 239000007789 gas Substances 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 30
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 10
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 239000001569 carbon dioxide Substances 0.000 claims description 9
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 239000003345 natural gas Substances 0.000 description 13
- 239000013598 vector Substances 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 150000001335 aliphatic alkanes Chemical class 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000001294 propane Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于人工智能的消防应答方法，所述方法包括：获取当前特征语句；对当前特征语句进行分词处理，获得各消防关键词；从消防知识库中查找与各消防关键词对应的预设消防问题；将各预设消防问题分别与当前特征语句进行近似度比较，将与当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；将所述目标消防问题和所述消防解决方案进行展示。本发明还公开了一种移动终端及计算机可读存储介质。本发明能够实现让用户在第一时间获得自己需要得到的相关消防问题的解决方案。
Description
技术领域
本发明涉及消防技术领域，尤其涉及一种基于人工智能的消防应答方法、移动终端及计算机可读存储介质。
背景技术
随着城市建设的兴起和发展，城市消防也逐渐成为城市建设的一个重要组成部分，与城市居民的生活息息相关、密不可分。然而，火灾却成为城市社区居民的一个“无形杀手”，是当今城市主要灾害之一。目前城市生活节奏快，城市居民平时很少会去主动学习相关的消防知识；因此目前大多市民的消防安全意识还比较淡薄，缺乏基本的防火、灭火及自救逃生常识，也缺乏如何预防火灾的相关知识。
发明内容
本发明的主要目的在于提供了一种基于人工智能的消防应答方法、移动终端及计算机可读存储介质，旨在解决目前城市居民在遇到火灾隐患时，不能够及时地获取相关消防知识的问题。
为实现上述目的，本发明提供了一种基于人工智能的消防应答方法，所述方法包括以下步骤:
获取当前特征语句；
对所述当前特征语句进行分词处理，获得各消防关键词；
从消防知识库中查找与各消防关键词对应的预设消防问题；
将各预设消防问题分别与所述当前特征语句进行近似度比较，将与所述当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；
将所述目标消防问题和所述消防解决方案进行展示。
优选地，所述获取当前特征语句，具体包括：
采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句。
优选地，所述环境数据包括温度值、气体参数信息和图像信息；
相应地，所述对所述当前环境数据进行解析，将解析结果转换成当前特征语句，具体包括：
在采集到的温度值大于预设温度阈值，且采集到的气体参数信息大于预设参数阈值时，根据所述温度值和所述气体参数信息生成当前特征语句；
或，
根据采集到的图像信息从所述消防知识库中查找对应的预设图像信息，根据采集到的温度值、查找到的预设图像信息和所述气体参数信息生成当前特征语句。
优选地，所述气体参数信息包括：
一氧化碳参数信息、二氧化碳参数信息、氧气参数信息和甲烷参数信息中的至少一项。
优选地，所述获取当前特征语句，具体包括：
接收用户的当前语音信息，对所述当前语音信息进行语音识别，将语音识别结果作为当前特征语句。
优选地，所述获取当前特征语句，具体包括：
接收用户输入的当前文本信息，对所述当前文本信息进行分句处理，获得当前特征语句。
优选地，所述将所述目标消防问题和所述消防解决方案进行展示之后，所述方法还包括：
对所述消防解决方案进行语音播报。
此外，为实现上述目的，本发明还提出一种移动终端，其特征在于，所述移动终端包括：测温传感器，配置为检测所述移动终端所处当前环境的温度值；化学传感器，配置为检测所述移动终端所处当前环境中的气体参数；摄像头，配置为采集当前图像信息；存储器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的消防应答程序，所述基于人工智能的消防应答程序配置为实现上述基于人工智能的消防应答方法的步骤。
优选地，所述化学传感器包括：一氧化碳传感器、二氧化碳传感器、氧气传感器和甲烷传感器中的至少一项；
所述一氧化碳传感器，配置为检测所述移动终端所处当前环境中的一氧化碳参数信息；
所述二氧化碳传感器，配置为检测所述移动终端所处当前环境中的二氧化碳参数信息；
所述氧气传感器，配置为检测所述移动终端所处当前环境中的氧气参数信息；
所述甲烷传感器，配置为检测所述移动终端所处当前环境中的甲烷参数信息。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于人工智能的消防应答程序，所述基于人工智能的消防应答程序被处理器执行时实现上述基于人工智能的消防应答方法的步骤。
本发明通过获取当前特征语句，对当前特征语句进行分词处理，获得各消防关键词；从消防知识库中查找与各消防关键词对应的预设消防问题；将各预设消防问题分别与当前特征语句进行近似度比较，将与当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；并最终将所述目标消防问题和所述消防解决方案进行展示，能够使得用户在第一时间及时获得自己需要的相关消防问题的解决。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的移动终端的结构示意图；
图2为本发明基于人工智能的消防应答方法第一实施例的流程示意图；
图3为本发明基于人工智能的消防应答方法第二实施例的流程示意图；
图4为本发明基于人工智能的消防应答方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的移动终端结构示意图。
如图1所示，该移动终端可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005，测温传感器1006，化学传感器1007，摄像头1008。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。测温传感器1006可以是红外温度传感器。化学传感器1007可以包括一氧化碳传感器、二氧化碳传感器、氧气传感器、和甲烷传感器中的至少一项。
本领域技术人员可以理解，图1中示出的移动终端结构并不构成对本发明所述的移动终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及基于人工智能的消防应答程序。
所述移动终端为用户随身携带移动终端，所述移动终端可以是一种特制的多功能消防维保装置，也可以是手机、平板电脑等；
在图1所示的移动终端中，网络接口1004主要用于与后台服务器进行数据通信；测温传感器1006用于检测所述移动终端所处当前环境的温度值；化学传感器1007用于检测所述移动终端所处当前环境中的气体参数；摄像头1008用于采集当前图像信息；用户接口1003主要用于与用户进行数据交互；本发明移动终端中的处理器1001、存储器1005可以设置在移动终端中，所述移动终端通过处理器1001调用存储器1005中存储的基于人工智能的消防应答管理程序，并执行以下操作：
获取当前特征语句；
对所述当前特征语句进行分词处理，获得各消防关键词；
从消防知识库中查找与各消防关键词对应的预设消防问题；
将各预设消防问题分别与所述当前特征语句进行近似度比较，将与所述当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；
将所述目标消防问题和所述消防解决方案进行展示。
进一步地，处理器1001可以调用存储器1005中存储的基于人工智能的消防应答程序，还执行以下操作：
采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句。
进一步地，处理器1001可以调用存储器1005中存储的基于人工智能的消防应答程序，还执行以下操作：
在采集到的温度值大于预设温度阈值，且采集到的气体参数信息大于预设参数阈值时，根据所述温度值和所述气体参数信息生成当前特征语句。
进一步地，处理器1001可以调用存储器1005中存储的基于人工智能的消防应答程序，还执行以下操作：
根据采集到的图像信息从所述消防知识库中查找对应的预设图像信息，根据采集到的温度值、查找到的预设图像信息和所述气体参数信息生成当前特征语句。
进一步地，处理器1001可以调用存储器1005中存储的基于人工智能的消防应答程序，还执行以下操作：
接收用户的当前语音信息，对所述当前语音信息进行语音识别，将语音识别结果作为当前特征语句。
进一步地，处理器1001可以调用存储器1005中存储的基于人工智能的消防应答程序，还执行以下操作：
接收用户输入的当前文本信息，对所述当前文本信息进行分句处理，获得当前特征语句。
进一步地，处理器1001可以调用存储器1005中存储的基于人工智能的消防应答程序，还执行以下操作：
对所述消防解决方案进行语音播报。
本发明实施例的解决方案主要是：移动终端通过获取当前特征语句，对当前特征语句进行分词处理，获得各消防关键词；从消防知识库中查找与各消防关键词对应的预设消防问题；将各预设消防问题分别与当前特征语句进行近似度比较，将与当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；本发明能够实现让用户在第一时间获得自己需要得到的相关消防问题的解决方案，为普通用户提供更人性化的消防知识，为消防专业人士提供更专业信息。通过采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句，进而能够实现用户在陷入消防问题时提供辅助措施，甚至引导逃生。
基于上述硬件结构，提出本发明基于人工智能的消防应答方法实施例。
参照图2，图2为本发明一种基于人工智能的消防应答方法第一实施例的流程示意图。
本实施例中，所述方法包括以下步骤：
S10：获取当前特征语句；
需要说明的是，所述移动终端可以手机或平板电脑，也可以是一种特制的多功能终端设备(比如智能眼镜、智能安全帽等)；
可理解的是，所述当前特征语句可以通过以下几种形式获取：第一种是用户在终端设备上输入的文本信息；第二种是根据采集到的消防环境信息生产的当前特征语句，其中，消防环境信息可以是从自己部署的设备上获取现场采集信息，所述部署的设备包括且不限于移动终端上设有的摄像头、测温传感器、化学传感器等相关采集装置，也可以是通过经服务器\无人机\互联网等采集的相关信息；第三种是通过接收用户发送语音消息，通过语音分析及语义分析理解用户的提出问题，进而生成所述当前特征语句；
在具体实现中，所述移动终端上会预先存储一个语义分析库和消防知识数据库(即消防知识库)，所述消防知识库至少包括：消防知识、消防问题、与消防问题对应消防解决方案、涉及消防领域的图片等数据信息。
S20：对所述当前特征语句进行分词处理，获得各消防关键词；
可理解的是，所述当前特征语句包括单词特征、句子特征以及句法结构特征；处理器会(根据单词特征、句子特征以及句法结构特征)对当前特征语句进行分词处理，获取当前特征语句中出现的与消防相关的关键词；比如当前特征语句是“我家厨房的天然气漏气后如何处理？”，那么所提取的消防关键词是“厨房”、“天然气”、“漏气”和“处理”。需要说明的是，如果用户在终端设备上输入的文本信息，会对当前文本信息根据句子特征以及句法结构特征进行分句处理，然后再根据单词特征进行分词处理
S30：从消防知识库中查找与各消防关键词对应的预设消防问题；
需要说明的是，本实施例中通过所提取的四个关键词“厨房”、“天然气”、“漏气”和“处理”，可以搜索出与这四个关键词相关的一个或多个消防问题/消防知识点，所述消防问题至少有一个对应的消防解决方案；比如根据上述四个词语，可能会搜索出下列两组解决方案：“吸入甲烷后如何急救”或“室内天然气泄漏有哪些应对措施”
S40：将各预设消防问题分别与所述当前特征语句进行近似度比较，将与所述当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；
可理解的是，所提取的消防关键词是“厨房”、“天然气”、“漏气”和“处理”；并快速提取“厨房”、“天然气”、“漏气”和“处理”这几个消防关键词对应的向量；本实施例中，可对自然语言语料通过词向量工具(例如：word2vec等工具)进行训练，以获取各消防相关的词语对应的向量。在训练之后，每个词语可以用一个向量来表示(通常为50维)，两个词语之间的近似程度通过对应的向量之间的余弦距离来衡量。余弦距离越小，代表两个词语近似程度越小；余弦距离越大，代表两个词语近似程度越大。为了保证词语对应的向量的准确性，所述词向量工具可采用三层神经网络模型进行训练，当然，还可采用其他模型进行训练，本实施方式对此不加以限制。
例如，关键词“厨房”的向量，涉及的近义词可以是“室内”、“不通风”等相关词语；关键词“天然气”的向量，涉及的相关词语范围可以是“甲烷”、“丙烷”、“易燃易爆”、“中毒”等相关消防词语；关键词“漏气”的向量涉及的相关近义词有“泄漏”、“通风”等词；关键词“处理”的向量涉及的相关近义词有“措施”、“方案”等词语。
将上述问题“吸入甲烷后如何急救”以及“室内天然气泄漏有哪些应答措施”分别与所述当前特征语句“我家厨房的天然气漏气后如何处理？”进行语句近似度比较：具体的比较方式为：计算当前特征语句中的关键词与预设消防问题中的对应的词向量之间的余弦距离，然后将所述获得的各余弦距离进行加权平均，最终获取两个句子之间的加权平均值，加权平均值越高说明两个句子的近似度越高。上述中，“吸入甲烷后如何急救”与当前特征语句的加权平均值小于“室内天然气泄漏有哪些应答措施”与当前特征语句的加权平均值，因此，所述“室内天然气泄漏有哪些应答措施”与当前特征语句近似度更大，最终将“室内天然气泄漏有哪些应答措施”作为最终目标消防问题。
S50：将所述目标消防问题和所述消防解决方案进行展示。
可理解的是，上述将“室内天然气泄漏有哪些应答措施”作为最终目标消防问题后，处理器会根据所述最终目标消防问题生成并展示出对应的解决方案给用户，比如该技术方案为“消除所有点火源，作业时所有设备应接地在确保安全的情况下采取关掉天然气阀、堵漏等措施，以切断泄漏源”；其中，该解决方案预设存储于消防知识库中。
此外，在对所述消防解决方案进行展示的同时，移动终端还可以对对所述消防解决方案进行语音播报，第一时间将解决方案通知给用户。
本实施例通过获取当前特征语句，对当前特征语句进行分词处理，获得各消防关键词；从消防知识库中查找与各消防关键词对应的预设消防问题；将各预设消防问题分别与当前特征语句进行近似度比较，将与当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；本发明能够实现让用户在第一时间获得自己需要得到的相关消防问题的解决方案，为普通用户提供更人性化的消防知识，为消防专业人士提供更专业信息。
参照图3，图3为本发明一种基于人工智能的消防应答方法第二实施例的流程示意图，基于上述图2所示的实施例，提出本发明基于人工智能的消防应答方法的第二实施例。
本实施例中，所述步骤S10获取当前特征语句，具体包括：
S101：采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句。
可理解的是，现代人工智能系统使用人工神经网络和计算机代码，模拟通过互相连接的单元组成的网络，类似于大脑中的神经元。这些网络可以通过修改单元之间的连接来学习经验，有点像人类和动物的大脑通过修改神经元之间的连接进行学习。现代神经网络可以学习识别模式、学习简单的逻辑推理，创建图像并且形成新的想法。人工智能十分擅于识别大量数据中的模式，所有这些都通过一组编码程序以惊人的速度发生，运行这些程序的神经网络具有数百万单位和数十亿的连接，图像自动识别就源于这些大量简单元素之间的交互，进行深度学习。深度学习系统中一个称之为卷积神经网络的架构。卷积神经网络是连接神经网络中单元的一种特定方式；一旦经过了大量样本数据库的训练，卷积神经网络对图像、视频、语音、音乐、文本、温度甚至化学气体等自然信号进行有效识别。为了很好地训练网络，我们需要提供给这些网络被人标记的大量消防领域的图像数据、消防知识点、消防安全隐患、各自解决方案等等大量数据信息；卷积神经网络会学习将每个图像与其相应的标签相互关联起来。同时，将图像识别技术与化学气体检测结果、环境温度检测结果等相结合，会使计算机产生新的想法。
进一步的，所述环境数据包括温度值、气体参数信息和图像信息；
相应地，所述对所述当前环境数据进行解析，将解析结果转换成当前特征语句，具体包括：
在采集到的温度值大于预设温度阈值，且采集到的气体参数信息大于预设参数阈值时，根据所述温度值和所述气体参数信息生成当前特征语句；
或，
根据采集到的图像信息从所述消防知识库中查找对应的预设图像信息，根据采集到的温度值、查找到的预设图像信息和所述气体参数信息生成当前特征语句。
在具体实现中，用户用随身携带的移动终端的摄像头通过图像识别模式探测到前方有甲烷储罐(或者是通过甲烷传感器检测到周围甲烷浓度过高)，同时移动终端的测温传感器检测到当前环境温度较高，此时系统会对上述采集到的环境信息进行数据分析，并生成“当前温度为XX度，前方有甲烷储罐”又或“当前温度为XX度，周围甲烷浓度为XX”这样类似的当前文本语句(即当前特征语句)；然后通过对当前文本语句(即当前特征语句)进行语义分析，从数据库中查找到对应的目标消防问题的解决方案，移动终端此时已预测了建筑中可能发生的一场爆炸，并及时展示出相应的消防隐患和对应的消防解解决方案，进而能够帮助所述用户化解一次危机。
本实施例通过采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句，进而能够实现用户在陷入消防问题时提供辅助措施，甚至引导逃生。
参照图4，图4为本发明一种基于人工智能的消防应答方法第三实施例的流程示意图，基于上述图2所示的实施例，提出本发明基于人工智能的消防应答方法的第二实施例。
本实施例中，所述步骤S10获取当前特征语句，具体包括：
S001：接收用户的当前语音信息，对所述当前语音信息进行语音识别，将语音识别结果作为当前特征语句。
可理解的是，用户发出的语言信息是按照短时幅度谱的时间变化模式来编码；语音是可以阅读的，即它的声学信号可以在不考虑说话人试图传达的信息内容的情况下用数十个具有区别性的、离散的符号来表示；语音交互是一个认知过程，因而不能与语言的语法、语义和语用结构割裂开来。语音识别系统本质上是一种模式识别系统，包括特征提取、模式匹配、参考模式库等三个基本单元。未知语音经过话筒变换成电信号后加在识别系统的输入端，首先经过预处理，再根据人的语音特点建立语音模型，对输入的语音信号进行分析，并抽取所需的特征，在此基础上建立语音识别所需的模板。而计算机在识别过程中要根据语音识别的模型，将计算机中存放的语音模板与输入的语音信号的特征进行比较，根据一定的搜索和匹配策略，找出一系列最优的与输入语音匹配的模板。然后根据此模板的定义，通过查表就可以给出计算机的识别结果。显然，这种最优的结果与特征的选择、语音模型的好坏、模板是否准确都有直接的关系。语音识别系统构建过程整体上包括两大部分：训练和识别。训练通常是离线完成的，对预先收集好的海量语音、语言数据库进行信号处理和知识挖掘，获取语音识别系统所需要的“声学模型”和“语言模型”，它们分别用于对语音到音节概率的计算和音节到字概率的计算；而识别过程通常是在线完成的，对用户实时的语音进行自动识别。识别过程通常又可以分为“前端”和“后端”两大模块：“前端”模块主要的作用是进行端点检测(去除多余的静音和非说话声)、降噪、特征提取等；“后端”模块的作用是利用训练好的“声学模型”和“语言模型”对用户说话的特征向量进行统计模式识别(又称“解码”)，得到其包含的文字信息，此外，后端模块还存在一个“自适应”的反馈模块，可以对用户的语音进行自学习，从而对“声学模型”和“语音模型”进行必要的“校正”，进一步提高识别的准确率。
本实施例通过接收用户发送的语音信息，根据语音信息生成特征语句，进而能够实现用户与终端设备的互动应答，让获得第一时间获得自己想要的解决的消防问题的相关解决方案，进一步提高了用户体验。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于人工智能的消防应答程序，所述基于人工智能的消防应答程序被处理器执行时实现如下操作：
对所述当前特征语句进行分词处理，获得各消防关键词；
从消防知识库中查找与各消防关键词对应的预设消防问题；
将各预设消防问题分别与所述当前特征语句进行近似度比较，将与所述当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；
将所述目标消防问题和所述消防解决方案进行展示。
进一步地，所述基于人工智能的消防应答程序被处理器执行时还实现如下操作：
采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句。
进一步地，所述基于人工智能的消防应答程序被处理器执行时还实现如下操作：
在采集到的温度值大于预设温度阈值，且采集到的气体参数信息大于预设参数阈值时，根据所述温度值和所述气体参数信息生成当前特征语句；
进一步地，所述基于人工智能的消防应答程序被处理器执行时还实现如下操作：
根据采集到的图像信息从所述消防知识库中查找对应的预设图像信息，根据采集到的温度值、查找到的预设图像信息和所述气体参数信息生成当前特征语句。
进一步地，所述基于人工智能的消防应答程序被处理器执行时还实现如下操作：
接收用户的当前语音信息，对所述当前语音信息进行语音识别，将语音识别结果作为当前特征语句。
进一步地，所述基于人工智能的消防应答程序被处理器执行时还实现如下操作：
接收用户输入的当前文本信息，对所述当前文本信息进行分句处理，获得当前特征语句。
进一步地，所述基于人工智能的消防应答程序被处理器执行时还实现如下操作：
对所述消防解决方案进行语音播报。
本实施例通过上述方案，获取当前特征语句，并对当前特征语句进行分词处理，进而获得各消防关键词；从消防知识库中查找与各消防关键词对应的预设消防问题，将各预设消防问题分别与当前特征语句进行近似度比较，将与当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；本发明能够实现让用户在第一时间获得自己需要得到的相关消防问题的解决方案，为普通用户提供更人性化的消防知识，为消防专业人士提供更专业信息。通过采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句，进而能够实现用户在陷入消防问题时提供辅助措施，甚至引导逃生。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人工智能的消防应答方法，其特征在于，所述方法包括：
获取当前特征语句；
对所述当前特征语句进行分词处理，获得各消防关键词；
从消防知识库中查找与各消防关键词对应的预设消防问题；
将各预设消防问题分别与所述当前特征语句进行近似度比较，将与所述当前特征语句的近似度最高的预设消防问题作为目标消防问题，并根据所述目标消防问题生成对应的消防解决方案；
将所述目标消防问题和所述消防解决方案进行展示。
2.如权利要求1所述的方法，其特征在于，所述获取当前特征语句，具体包括：
采集当前环境数据，对所述当前环境数据进行解析，将解析结果转换成当前特征语句。
3.如权利要求2所述的方法，其特征在于，所述环境数据包括温度值、气体参数信息和图像信息；
相应地，所述对所述当前环境数据进行解析，将解析结果转换成当前特征语句，具体包括：
在采集到的温度值大于预设温度阈值，且采集到的气体参数信息大于预设参数阈值时，根据所述温度值和所述气体参数信息生成当前特征语句；
或，
根据采集到的图像信息从所述消防知识库中查找对应的预设图像信息，根据采集到的温度值、查找到的预设图像信息和所述气体参数信息生成当前特征语句。
4.如权利要求3所述的方法，其特征在于，所述气体参数信息包括：一氧化碳参数信息、二氧化碳参数信息、氧气参数信息和甲烷参数信息中的至少一项。
5.如权利要求1所述的方法，其特征在于，所述获取当前特征语句，具体包括：
接收用户的当前语音信息，对所述当前语音信息进行语音识别，将语音识别结果作为当前特征语句。
6.如权利要求1所述的方法，其特征在于，所述获取当前特征语句，具体包括：
接收用户输入的当前文本信息，对所述当前文本信息进行分句处理，获得当前特征语句。
7.如权利要求1-6任一项所述的方法，其特征在于，所述将所述目标消防问题和所述消防解决方案进行展示之后，所述方法还包括：
对所述消防解决方案进行语音播报。
8.一种移动终端，其特征在于，所述移动终端包括：测温传感器，配置为检测所述移动终端所处当前环境的温度值；化学传感器，配置为检测所述移动终端所处当前环境中的气体参数；摄像头，配置为采集当前图像信息；存储器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的消防应答程序，所述基于人工智能的消防应答程序配置为实现如权利要求1至7中任一项所述的基于人工智能的消防应答方法的步骤。
9.如权利要求8所述的移动终端，其特征在于，所述化学传感器包括：
一氧化碳传感器、二氧化碳传感器、氧气传感器和甲烷传感器中的至少一项；
所述一氧化碳传感器，配置为检测所述移动终端所处当前环境中的一氧化碳参数信息；
所述二氧化碳传感器，配置为检测所述移动终端所处当前环境中的二氧化碳参数信息；
所述氧气传感器，配置为检测所述移动终端所处当前环境中的氧气参数信息；
所述甲烷传感器，配置为检测所述移动终端所处当前环境中的甲烷参数信息。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于人工智能的消防应答程序，所述基于人工智能的消防应答程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的消防应答方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710287137.3A CN107133299B (zh) | 2017-04-26 | 2017-04-26 | 基于人工智能的消防应答方法、移动终端及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710287137.3A CN107133299B (zh) | 2017-04-26 | 2017-04-26 | 基于人工智能的消防应答方法、移动终端及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107133299A true CN107133299A (zh) | 2017-09-05 |
| CN107133299B CN107133299B (zh) | 2019-11-19 |
Family
ID=59716190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710287137.3A Active CN107133299B (zh) | 2017-04-26 | 2017-04-26 | 基于人工智能的消防应答方法、移动终端及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107133299B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145510A (zh) * | 2019-12-31 | 2020-05-12 | 清华大学 | 接警处理方法、装置及设备 |
| CN111241802A (zh) * | 2020-01-06 | 2020-06-05 | 北京大米科技有限公司 | 一种作业生成方法、装置、存储介质及终端 |
| CN115188135A (zh) * | 2022-09-01 | 2022-10-14 | 广州卓腾科技有限公司 | 一种用于自助办证设备的操作方法、系统和介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286161A (zh) * | 2008-05-28 | 2008-10-15 | 华中科技大学 | 一种基于概念的智能中文问答系统 |
| CN102073919A (zh) * | 2010-11-24 | 2011-05-25 | 中南大学 | 一种决策问题智能分析处理方法 |
| CN104657346A (zh) * | 2015-01-15 | 2015-05-27 | 深圳市前海安测信息技术有限公司 | 智能交互系统中的问题匹配方法和系统 |
-
2017
- 2017-04-26 CN CN201710287137.3A patent/CN107133299B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101286161A (zh) * | 2008-05-28 | 2008-10-15 | 华中科技大学 | 一种基于概念的智能中文问答系统 |
| CN102073919A (zh) * | 2010-11-24 | 2011-05-25 | 中南大学 | 一种决策问题智能分析处理方法 |
| CN104657346A (zh) * | 2015-01-15 | 2015-05-27 | 深圳市前海安测信息技术有限公司 | 智能交互系统中的问题匹配方法和系统 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111145510A (zh) * | 2019-12-31 | 2020-05-12 | 清华大学 | 接警处理方法、装置及设备 |
| CN111145510B (zh) * | 2019-12-31 | 2021-12-17 | 清华大学 | 接警处理方法、装置及设备 |
| CN111241802A (zh) * | 2020-01-06 | 2020-06-05 | 北京大米科技有限公司 | 一种作业生成方法、装置、存储介质及终端 |
| CN111241802B (zh) * | 2020-01-06 | 2024-01-30 | 北京大米科技有限公司 | 一种作业生成方法、装置、存储介质及终端 |
| CN115188135A (zh) * | 2022-09-01 | 2022-10-14 | 广州卓腾科技有限公司 | 一种用于自助办证设备的操作方法、系统和介质 |
| CN115188135B (zh) * | 2022-09-01 | 2023-08-25 | 广州卓腾科技有限公司 | 一种用于自助办证设备的操作方法、系统和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107133299B (zh) | 2019-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107437415B (zh) | 一种智能语音交互方法及系统 | |
| CN107222865B (zh) | 基于可疑行为识别的通讯诈骗实时检测方法和系统 | |
| US11776544B2 (en) | Artificial intelligence apparatus for recognizing speech of user and method for the same | |
| CN108428446A (zh) | 语音识别方法和装置 | |
| CN102142253B (zh) | 语音情感识别设备及方法 | |
| CN107632980A (zh) | 语音翻译方法和装置、用于语音翻译的装置 | |
| CN108711420A (zh) | 多语言混杂模型建立、数据获取方法及装置、电子设备 | |
| CN109887484A (zh) | 一种基于对偶学习的语音识别与语音合成方法及装置 | |
| CN107291690A (zh) | 标点添加方法和装置、用于标点添加的装置 | |
| CN108711421A (zh) | 一种语音识别声学模型建立方法及装置和电子设备 | |
| CN110610705A (zh) | 一种基于人工智能的语音交互提示器 | |
| CN109461446A (zh) | 一种识别用户目标请求的方法、装置、系统及存储介质 | |
| CN112017645A (zh) | 一种语音识别方法及装置 | |
| CN109192216A (zh) | 一种声纹识别用训练数据集仿真获取方法及其获取装置 | |
| CN111862963B (zh) | 语音唤醒方法、装置和设备 | |
| CN108536668A (zh) | 唤醒词评估方法及装置、存储介质、电子设备 | |
| CN107133299B (zh) | 基于人工智能的消防应答方法、移动终端及可读存储介质 | |
| CN107291704A (zh) | 处理方法和装置、用于处理的装置 | |
| CN107274903A (zh) | 文本处理方法和装置、用于文本处理的装置 | |
| US11538474B2 (en) | Electronic device and method for controlling the electronic device thereof | |
| CN110148413B (zh) | 语音评测方法及相关装置 | |
| KR20210051523A (ko) | 도메인 자동 분류 대화 시스템 | |
| CN113836932B (zh) | 交互方法、装置和系统，以及智能设备 | |
| CN114420121A (zh) | 语音交互方法、电子设备和存储介质 | |
| US20240428783A1 (en) | Generative language models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |