CN109729990A - 宠物自动喂食方法及装置、计算机存储介质和电子设备 - Google Patents

Abstract

本公开涉及语音识别技术领域，公开了一种宠物自动喂食方法及装置、存储介质和电子设备。该宠物自动喂食方法包括：采集宠物的叫声；将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。本公开基于对宠物叫声的识别实现了宠物喂食的智能化，解放了用户的喂食操作，提升了用户体验。

Description

宠物自动喂食方法及装置、计算机存储介质和电子设备

技术领域

本公开涉及语音识别技术领域，更具体地，公开了一种宠物自动喂食方法、宠物自动喂食装置、计算机存储介质和电子设备。

背景技术

随着经济的快速发展和生活水平的不断提高，人们承受的心理压力和精神压力都较以往大大增加，因此迫切需要一些娱乐休闲和情感寄托的方式，养宠物成为了人们的主要情感寄托方式之一，人们甚至开始将宠物作为家庭的一份子。然而由于生活和工作中的忙碌，人们不得不将宠物留在无人的家中，因此如何在宠物独自在家时对其进行喂食成为值得关注的问题。

目前，对宠物的喂食有两种方式：一种是传统的人们采用的宠物喂食餐盘，宠物主人需要在特定的时间对宠物进行喂食，但当宠物主人不在家时，宠物餐盘无法解决连续多次为宠物提供食物的问题；另一方面，人们开始采用一些自动喂食装置以保证不在家时宠物能够被多次喂食，例如：采用视频远程监控宠物状况进行相应的喂食操作，或根据检测宠物的运动情况来确定喂食情况，然而该些方法仅仅是实现了对宠物的自动喂食，无法获取宠物的实际饥饿情况，要么存在宠物不饿但却实施了自动喂食，要么根据监控情况难以准确发现宠物已处于饥饿状态；此外，该些方法在一定程度上仍需宠物主人耗费一定精力去获得宠物的实时状态并进行喂食。

因此，本领域需要提供一种新的宠物自动喂食方法。

需要说明的是，在上述背景技术部分发明的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种宠物自动喂食方法及装置、计算机存储介质和电子设备，进而至少在一定程度上克服由于宠物喂食的自动化程度低，获取宠物饥饿状态不准确等而导致的难以解放用户、对宠物进行喂食的及时性差等问题。为实现以上技术效果，本公开采用如下技术方案。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种宠物自动喂食方法，包括：采集宠物的叫声；将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

在本公开的一种示例性实施例中，所述机器学习模型按照宠物类型的不同分为多个，所述方法还包括：获取多条训练数据，各所述训练数据至少包括与宠物类型一一对应的叫声样本集，以及与各所述叫声样本集对应的宠物状态样本集；基于所述训练数据，对与所述宠物类型对应的机器学习模型进行训练。

在本公开的一种示例性实施例中，在所述采集宠物的之后，所述方法还包括：对所述宠物的叫声进行声纹识别得到所述宠物的叫声声纹，从预设的宠物类型与声纹的映射关系中匹配出与所述叫声声纹对应的宠物类型；则所述将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，包括：将所述叫声输入至与所述宠物类型对应的目标机器学习模型，以输出与所述叫声对应的宠物状态。

在本公开的一种示例性实施例中，所述若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食，包括：检测食物的剩余量；获取所述食物的预设食物量与所述剩余量的差值，并根据所述差值进行食物补充，以实现对所述宠物的自动喂食。

在本公开的一种示例性实施例中，所述若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食，包括：获取当前时间与前次对所述宠物进行食物补充的时间差；根据所述时间差获取目标补充食物总量；获取所述目标补充食物总量与所述剩余量的差值，并根据所述差值进行食物补充，以实现对所述宠物的自动喂食。

在本公开的一种示例性实施例中，所述根据所述时间差获取目标补充食物总量，包括：基于时间差与补充食物总量之间的对应关系表，获取与所述时间差对应的补充食物总量作为所述目标补充食物总量。

在本公开的一种示例性实施例中，所述根据所述时间差获取目标补充食物总量，包括：获取标准补充食物总量和与所述标准补充食物总量对应的预设时间差；基于所述标准补充食物总量和所述预设时间差，根据下述公式获取所述目标补充食物总量：

F＝Q×T/T₀

其中，F为所述目标补充食物总量，Q为所述标准补充食物总量，T₀为与所述标准补充食物总量对应的预设时间差，T为所述当前时间与前次对所述宠物进行食物补充的时间差。

根据本公开的一个方面，提供一种宠物自动喂食装置，包括：声音采集模块，用于采集宠物的叫声；获取模块，用于将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；喂食模块，用于若确定所述宠物状态为饥饿状态，则检测食物剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

根据本公开的一个方面，提供一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的宠物自动喂食方法。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的宠物自动喂食方法。

在本公开示例性实施方式中的宠物自动喂食方法中，基于机器学习模型，根据宠物的叫声获取宠物状态，以便根据宠物状态确定宠物是否处于饥饿状态，并根据剩余食物量对宠物进行自动喂食。一方面，根据宠物的叫声即可获得宠物状态，无需宠物主人对宠物进行实时观察，解放了宠物主人；另一方面，在确定宠物处于饥饿状态时，根据检测到的食物剩余量对宠物进行自动喂食，能准确获得所需喂食的食物量，无需宠物主人凭经验对宠物进行喂食，提高了对宠物状态的准确控制，实现了宠物喂食的自动化，提高了用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

图1示意性地示出了根据本公开实施方式的宠物自动喂食方法的流程示意图；

图2示意性地示出了根据本公开实施方式的获取机器学习模型的流程图；

图3示意性地示出了根据本公开实施方式的基于机器学习模型获取与叫声对应的宠物状态的流程图；

图4示意性地示出了根据本公开实施方式的根据食物剩余量对宠物进行自动喂食的流程图；

图5示意性地示出了根据本公开实施方式的根据目标补偿食物总量和食物的剩余量对宠物进行喂食的流程图；

图6示意性地示出了根据本公开实施方式的宠物自动喂食装置的示意图；

图7示意性地示出了根据本公开实施方式的计算机存储介质的示意图；以及

图8示意性地示出了根据本公开实施方式的电子设备的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

现在将参考附图更全面地描述示例性实施方式。然而，示例性实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施例使得本公开将更加全面和完整，并将示例性实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现或者操作以避免模糊本公开的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

在本领域的相关技术中，对宠物的自动喂食仍需宠物主人对宠物的实时状态进行监测，例如：通过喂食器上的摄像头获取宠物状态，并根据获取的宠物状态选择相应的喂食操作；通过便携传感器实时监测宠物的进食情况，并利用宠物主人手机中安装的应用程序进行远程操控，以实现对宠物的喂食。

相应地，相关技术的宠物自动喂食方法存在如下缺陷：一方面，在实现自动喂食方面，该些方法在一定程度上仍需要宠物主人的参与，无法真正的解放人在宠物喂食上的作用；另一方面，基于对宠物视屏监控或传感器检测，获得的宠物状态均存在偶然性，例如当宠物主人离家时间很久后，若宠物在生活状态或饮食规律发生改变，主人基于该些因素进行的喂食操作存的误差就不可避免。

基于此，在本公开的示例性实施方式中，首先提供了一种宠物自动喂食方法。图1示出了宠物自动喂食方法流程示意图，参考图1所示，该宠物自动喂食方法至少包括以下步骤：

步骤S110：采集宠物的叫声；

步骤S120：将所述叫声输入至机器学习模型，确定与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；

步骤S130：若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

根据本公开示例性实施方式中的宠物自动喂食方法，一方面，根据宠物的叫声即可获得宠物状态，无需宠物主人对宠物进行实时观察，解放了宠物主人；另一方面，在确定宠物处于饥饿状态时，根据检测到的食物剩余量对宠物进行自动喂食，能准确获得所需喂食的食物量，无需宠物主人依经验对宠物进行喂食，提高了对宠物状态的精确控制，实现了宠物喂食的自动化，提高了用户体验。

目前，无论是家庭还是宠物店，能够实现对宠物的自动喂养，不仅有利于宠物的良好成长，也解放了宠物主人。下面，将对本示例性实施方式中的宠物自动喂食方法进行进一步的说明。

在步骤S110中，采集宠物的叫声。

在本公开的示例性实施方式中，通过在宠物喂食器上预设的声音采集设备对宠物的叫声进行采集，当宠物需要进食时，其很大程度会活动于宠物喂食器附近，宠物喂食器上的声音采集设备即可对其叫声进行采集；同时，还可以通过在宠物身上预装的声音采集设备，对宠物的叫声进行实时采集。

需要说明的是，还可以通过其它方式对宠物的叫声进行采集，例如在家中特定区域设置多个声音采集器等，本公开包括但不限于上述叫声采集的方法。

在步骤S120中，将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的。

在本公开的示例性实施方式中，机器学习模型按照宠物类型的不同分为多个，因此需要获取与各宠物类型对应的机器学习模型。具体地，图2示出了获取机器学习模型的流程图，如图2所示，获取机器学习模型具体包括以下步骤：

步骤S210：获取多条训练数据，各所述训练数据至少包括与宠物类型一一对应的叫声样本集，以及与各所述叫声样本集对应的宠物状态样本集。

在本公开的示例性实施方式中，获取多条训练数据时，首先采集多种宠物的叫声样本，以获取与宠物类型一一对应的叫声样本集，具体的，叫声采集的方式包括在预设区域设置声音采集设备或在宠物的身体上预装声音采集设备等。进一步的，获取与各所述叫声样本对应的宠物状态，以得到与所述叫声样本集对应的宠物状态样本集；具体而言，由于在对宠物的叫声进行采集时，已知该宠物是否处于饥饿状态，因此可在采集宠物叫声的同时获取对应的宠物状态，进而得到与叫声样本集对应的宠物状态样本集，其中宠物状态包括饥饿状态和非饥饿状态两种。

步骤S220：基于所述训练数据，对与所述宠物类型对应的机器学习模型进行训练。

在本公开的示例性实施方式中，分别对各宠物类型对应的机器学习模型进行训练。通常而言，根据叫声样本集以及对应的宠物状态样本集，设定不同的学习效率、训练次数、损失函数以及优化目标等训练参数后，对机器学习模型进行训练，即可得到与宠物类型对应的机器学习模型。

在本公开的示例性实施方式中，以卷积神经网络(CNN)为例说明机器学习模型的训练过程。首先将获取的叫声样本集和与叫声样本集对应的宠物状态样本集分成两部分，训练样本集和部分的测试样本集；接着在分配了系数函数、偏置函数和卷积函数后，定义CNN神经网络(设置好训练步数和学习效率等)，并基于该网络，根据包括叫声样本和宠物状态样本的训练样本集，对该模型进行训练，直至输出的宠物状态与输入的叫声样本对应的宠物状态样本一致，并将训练好的模型进行存储；最后，根据测试样本集中的叫声样本集和宠物状态样本集对训练好的模型进行进一步的校验。

进一步的，在获取了与宠物类型对应的机器学习模型后，即可将采集到的宠物的叫声输入至该机器学习模型中，以输出与叫声对应的宠物状态。图3示出了基于机器学习模型获取与叫声对应的宠物状态的流程图，如图3所示，具体的获取过程包括以下步骤：

步骤S310：对所述宠物的叫声进行声纹识别得到所述宠物的叫声声纹，从预设的宠物类型与声纹的映射关系中匹配出与所述叫声声纹对应的宠物类型。

在本公开的示例性实施方式中，由于机器学习模型按照宠物类型的不同分为多个，因此在将叫声输入至机器学习模型以输出与该叫声对应的宠物状态之前，首先通过对宠物的声纹识别来确定宠物类型。其中声纹是携带言语信息的声波频谱，与发声体的器官尺寸和形态等相关，因此不同的发声体的叫声声纹存在差异。例如，通常狗的叫声为“汪汪”或“嗷嗷”等，而猫的叫声为“喵喵”或“咕噜”等，猫与狗的叫声的具体方式不同，叫声声纹也存在差异，通过对叫声声纹的识别即可获取与叫声对应的宠物类型，当然，对于同一种宠物，其幼体与成年之间的叫声声纹也存在差异，根据对叫声声纹的识别均可确定与其对应的宠物类型。声纹识别是一种通过声音判别说话人身份的技术。

具体的，首先对宠物的叫声进行特征提取，以获取与该宠物对应的叫声声纹；然后从预设的宠物类型与声纹的映射关系中匹配出与该叫声声纹对应的宠物类型。其中，预设的宠物类型与声纹的映射关系通过下述方式获得：

首先获取宠物类型样本集和与宠物类型样本集对应的叫声样本集，并对各叫声样本集中的叫声进行特征提取，以获取叫声声纹样本集；然后根据宠物类型样本集和与宠物类型对应的叫声声纹样本集对一机器学习模型进行训练，以形成宠物类型与叫声声纹之间的映射关系。

步骤S320：将所述叫声输入至与所述宠物类型对应的机器学习模型，以获取与所述叫声对应的宠物状态。

在本公开的示例性实施方式中，根据获取的宠物类型即可确定相应的机器学习模型作为目标机器学习模型，并将叫声输入至目标机器学习模型中，获取与叫声对应的宠物状态。其中宠物状态包括饥饿状态和非饥饿状态，若输出的宠物状态为非饥饿状态时，则不考虑对宠物进行食物补充；若输出的宠物状态为饥饿状态时，则需考虑对宠物进行食物补充以实现对该宠物的自动喂食。

此外，还可以根据宠物主人预设的宠物类型确定目标机器学习模型，也就是说，在采集到宠物的叫声后，将该叫声直接输入至主人预设的目标机器学习模型中，即可输出与该叫声对应的宠物状态，本公开包括但不限上述的根据宠物的叫声获取宠物状态的方法。

需要说明的是，在本公开的示例性实施方式中，为了实现对宠物的自动喂食，将宠物状态仅设置为饥饿状态和非饥饿状态，然而宠物状态的具体划分还可以包括其他方式，例如还可以将饥饿状态的等级进行更细致的划分，本公开对此不做具体限定。

步骤S130：若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

在本公开的示例性实施方式中，在获取宠物状态为饥饿状态后，为了对宠物进行合理的喂食，需要检测食物的剩余量，并根据检测结果对宠物进行食物补充，以实现对宠物的自动喂食。其中，在根据食物的剩余量检测结果对宠物进行喂食时存在两种情况，具体的：

以一预设食物量为基准，在每一次对宠物进行喂食前，需根据该预设食物量与食物的剩余量来确定食物补充量，以使最终对宠物进行自动喂食时，食物喂食器中有足够的食物供宠物进食。图4示出了根据食物剩余量对宠物进行自动喂食的流程图，该过程具体包括以下步骤：

步骤S410：检测食物的剩余量。

在本公开的示例性实施方式中，通过在宠物喂食器上设置的检测设备对宠物的食物剩余进行检测，可以对食物的剩余质量进行检测；也可以对食物的剩余体积量进行检测等。

步骤S420：获取所述食物的预设食物量与所述剩余量的差值，并根据所述差值进行食物补充，以实现对宠物的自动喂食。

在本公开的示例性实施方式中，对于不同的宠物均设有一个预设食物量，在获取了宠物的食物剩余量后，将预设食物量与剩余量作差，即可获取食物的补充量，将补充后的食物总量用于对宠物的喂食，保证了宠物具有足够的食物。

在另一种方式中，根据当前时间与上一次对宠物进行食物补充的时间间隔获取目标补充食物量，并根据该目标补偿食物总量和食物的剩余量进行食物补充并喂食，具体的，图5示出了根据目标补充食物总量和食物的剩余量对宠物进行自动喂食的流程图，具体过程包括如下步骤：

步骤S510：获取当前时间与前次对所述宠物进行食物补充的时间差。根据该时间差获取目标补充食物总量，其中目标补充食物总量为当前对宠物进行喂食时所需的总食物量。

步骤S520：根据所述时间差获取目标补充食物总量。具体的，目标补充食物总量可以通过以下两种方式获得：

基于时间差与补充食物总量之间的对应关系表，获取与该时间差对应的补充食物总量作为目标补充食物总量，具体的，表1为时间差与补充食物总量的对应关系表，参照表1所示，不同的时间差对应不同的补充食物总量，随时间差的增大，相应的补充食物总量增加，需要说明的是，表1仅是时间差与补充食物总量的对应关系的部分示例，实际的对应关系的划分更细致，相应的二者之间的对应关系则更复杂，本公开包括但不限于上述时间差与补充食物总量的对应关系。

表1

此外，还可以基于预先设定的标准食物总量和与标准食物总量对应的预设时间差获取目标补充食物总量。具体的，可以根据如下公式获取目标补充食物总量：

F＝Q×T/T₀

其中，F为目标补充食物总量，Q为标准补充食物总量，T₀为与标准补充食物总量对应的预设时间差，T为当前时间与前次对所述宠物进行食物补充的时间差。

步骤S530：获取所述目标补充食物总量与所述剩余量的差值，并根据所述差值进行食物补充，以实现对宠物的自动喂食。

在本公开的示例性实施方式中，根据目标补充食物总量与剩余量的差值即可确定需要补充的食物总量，则可进行食物补充。无需宠物主人进行补食操作，解放了宠物主人。同时，考虑到宠物在不同的时间差之间的进食情况存在差异，根据不同的时间差获取相应的目标补充食物总量，即可保证在不同的时间差对宠物进行喂食时，宠物喂食器中的食物补给是足够的。此过程实现了宠物的自动喂食，避免了宠物主人对宠物喂食量的干预。

此外，在本公开的示例性实施方式中，还提供了一种宠物自动喂食装置。参照图6所示，该宠物自动喂食装置600包括：声音采集模块610、获取模块620以及喂食模块630。具体地，

声音采集模块610，用于采集宠物的叫声；

获取模块620，用于将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；

喂食模块630，用于若确定所述宠物状态为饥饿状态，则检测食物剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

由于本公开的示例性实施方式的宠物自动喂食装置的各个功能模块与上述宠物自动喂食方法的发明实施方式中相同，因此在此不再赘述。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。

参考图7所示，描述了根据本公开的实施例的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施例、完全的软件实施例(包括固件、微代码等)，或硬件和软件方面结合的实施例，这里可以统称为“电路”、“模块”或“系统”。

下面参照图8来描述根据本公开的这种实施例的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施例的步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)8201和/或高速缓存存储单元8202，还可以进一步包括只读存储单元(ROM)8203。

存储单元820还可以包括具有一组(至少一个)程序模块8208的程序/实用工具8204，这样的程序模块8205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器860通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (10)

1.一种宠物自动喂食方法，其特征在于，包括：

采集宠物的叫声；

将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；

若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

2.根据权利要求1所述的宠物自动喂食方法，其特征在于，所述机器学习模型按照宠物类型的不同分为多个，所述方法还包括：

获取多条训练数据，各所述训练数据至少包括与宠物类型一一对应的叫声样本集，以及与各所述叫声样本集对应的宠物状态样本集；

基于所述训练数据，对与所述宠物类型对应的机器学习模型进行训练。

3.根据权利要求2所述的宠物自动喂食方法，其特征在于，在所述采集宠物的叫声之后，所述方法还包括：

对所述宠物的叫声进行声纹识别得到所述宠物的叫声声纹，从预设的宠物类型与声纹的映射关系中匹配出与所述叫声声纹对应的宠物类型；

则所述将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，包括：

将所述叫声输入至与所述宠物类型对应的机器学习模型，以输出与所述叫声对应的宠物状态。

4.根据权利要求1所述的宠物自动喂食方法，其特征在于，所述若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食，包括：

检测食物的剩余量；

获取所述食物的预设食物量与所述剩余量的差值，并根据所述差值进行食物补充，以实现对所述宠物的自动喂食。

5.根据权利要求1所述的宠物自动喂食方法，其特征在于，所述若确定所述宠物状态为饥饿状态，则检测食物的剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食，包括：

获取当前时间与前次对所述宠物进行食物补充的时间差；

根据所述时间差获取目标补充食物总量；

获取所述目标补充食物总量与所述剩余量的差值，并根据所述差值进行食物补充，以实现对所述宠物的自动喂食。

6.根据权利要求5所述的宠物自动喂食方法，其特征在于，所述根据所述时间差获取目标补充食物总量，包括：

基于时间差与补充食物总量之间的对应关系表，获取与所述时间差对应的补充食物总量作为所述目标补充食物总量。

7.根据权利要求5所述的宠物自动喂食方法，其特征在于，所述根据所述时间差获取目标补充食物总量，包括：

获取标准补充食物总量和与所述标准补充食物总量对应的预设时间差；

基于所述标准补充食物总量和所述预设时间差，根据下述公式获取所述目标补充食物总量：

F＝Q×T/T₀

其中，F为所述目标补充食物总量，Q为所述标准补充食物总量，T₀为与所述标准补充食物总量对应的预设时间差，T为所述当前时间与前次对所述宠物进行食物补充的时间差。

8.一种宠物自动喂食装置，其特征在于，所述装置包括：

声音采集模块，用于采集宠物的叫声；

获取模块，用于将所述叫声输入至机器学习模型，输出与所述叫声对应的宠物状态，其中所述机器学习模型是预先基于叫声样本集和对应的宠物状态样本集训练形成的；

喂食模块，用于若确定所述宠物状态为饥饿状态，则检测食物剩余量，并根据检测结果进行食物补充，以实现对所述宠物的自动喂食。

9.一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至7中任一项所述的宠物自动喂食方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行请求；

其中，所述处理器配置为经由执行所述可执行请求来执行权利要求1至7中任一项所述的宠物自动喂食方法。