CN109887248A - 一种基于ai学习的智能防近视系统和方法 - Google Patents
一种基于ai学习的智能防近视系统和方法 Download PDFInfo
- Publication number
- CN109887248A CN109887248A CN201910276914.3A CN201910276914A CN109887248A CN 109887248 A CN109887248 A CN 109887248A CN 201910276914 A CN201910276914 A CN 201910276914A CN 109887248 A CN109887248 A CN 109887248A
- Authority
- CN
- China
- Prior art keywords
- eye
- user
- server
- data
- central processing
- 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
Landscapes
- Alarm Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
一种基于AI学习的智能防近视系统,设有用眼行为监测单元,所述用眼行为监测单元包括距离传感器、加速度传感器;装置本体内还设有接收传感单元发回的用眼数据并进行处理的MCU中央处理器,服务器与MCU中央处理器交互传输数据,服务器学习大量用户发回的用眼数据不断优化算法,无线信号收发器和服务器的路径之间还设有移动终端,移动终端将服务器对用眼数据的分析结果显示给用户并在用户控制下分别与MCU中央处理器和服务器进行交互,本系统能定量检测多种涉及用眼习惯的变量,利用大数据技术与人工智能学习不断优化算法,有利于全面分析用眼习惯并能从多个维度进行纠偏,提醒用户逐步纠正不良用眼习惯。
Description
技术领域
本发明涉及健康领域,具体是一种基于AI学习的智能防近视系统和方法。
背景技术
据估计,全世界大约有25亿人受到近视影响,我国高达90%的青少年患有近视,不良的用眼习惯是造成近视的重要原因。
中国专利公告号为CN106023543A的专利公开了一种学生用防近视眼姿势防控方法,它的防控方法为:步骤一:将距离检测设备套接在头上;步骤二:开启设备,根据显示屏上显示的数据设置数据范围,将显示屏放置在桌面上,步骤三:检测坐姿;步骤四:数据存储,当距离传感器与倾斜传感器将数据传输给处理器时,处理器将数据存储,同时数据上传到上位机,上位机根据上传的数据进行数据整合;步骤五:制作方案:根据整合的数据进行坐姿纠正,且根据数据制作阅读方案,从而改变坐姿,实现防近视眼姿势的防控;实现快速防控,且能进行实时数据检测、显示与上传,能根据数据进行汇总与制作方案。
上述技术存在如下不足:采集用眼数据来源单一,未能同时检查用眼姿势、头部运动速率变化情况、头部倾斜角度、视线与水平面的夹角等相关的用眼情况,仅通过距离与坐姿判断是否健康用眼的方法不能规避其它不健康的用眼方式,如:斜视、抖腿、躺着或走路时看书等,健康用眼的判断需要基于对用户用眼习惯进行多维度的检测。
发明内容
本发明针对现有技术不足,提出一种能定量检测多种防近视用眼因素的变量、记录用户用眼习惯的基于AI学习的智能防近视系统。
为了实现上述目的,本发明采用了如下技术方案:
一种基于AI学习的智能防近视系统,包括装置本体和服务器,装置本体内设有电路板,其特征在于:
所述电路板上设有MCU中央处理器、用眼行为监测单元、无线信号收发单元和存储单元,用眼行为监测单元为距离传感器或加速度传感器其中之一或者组合;所述MCU中央处理器接收用眼行为监测单元发回的用眼数据并将其通过所述无线信号收发单元发送至服务器;所述服务器接分析处理用眼数据后将反馈信息发送至所述MCU中央处理器,MCU中央处理器将接收到的所述服务器信息发送至所述存储单元。
如上所述的一种基于AI学习的智能防近视系统,其特征在于:包括移动终端,所述移动终端接收无线信号收发单元发送的用眼数据并将其发送至服务器,所述移动终端接收服务器发送的反馈信息并将其发送至无线信号收发单元。
如上所述的一种基于AI学习的智能防近视系统,其特征在于:所述无线信号收发单元包括蓝牙收发模块和WIFI收发模块中的一种或两种。
如上所述的一种基于AI学习的智能防近视系统,其特征在于:所述距离传感器包括红外传感器、激光传感器、超声波传感器中的一种或多种。
如上所述的一种基于AI学习的智能防近视系统,其特征在于:所述移动终端包括但不限于手机、平板电脑。
如上所述的一种基于AI学习的智能防近视系统,其特征在于:所述装置本体可固定在眼镜、头环、耳朵挂件、帽子、项圈、笔上。
一种智能防近视系统的智能防近视方法,其特征在于:包括以下步骤:
S1、用户将年龄A、改善用眼情况的计划时长T1、输入所述服务器;
S2、所述MCU中央处理器接收所述用眼行为监测单元发回的用眼数据并将其发送至所述服务器;
S3、服务器利用大数据统计得出以往已改善用眼习惯的用户的参考数据;
S4、服务器综合计算用眼数据与参考用眼数据得出最佳用眼距离、最佳用眼时长、最佳用眼姿态水平角度和最佳用眼状态身体运动速度,并将这些反馈信息发回MCU中央处理器;
S5、MCU中央处理器将接收到的反馈信息与用户实时的用眼数据进行比较并判断用户是否处在健康用眼的状态;
S6、当经过判断认为用户处在不健康用眼的状态,MCU中央处理器通过报警单元提醒用户。
如上所述智能防近视方法,其特征在于:S4中服务器综合计算用眼数据与参考用眼数据并得出反馈信息的方法为:
S1:服务器通过大数据获得与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼距离D1、与A匹配的所有用户改善起始日至改善成功日之间的天数T2、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼时长ST1、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼姿态水平角度LA1、最佳用眼状态身体运动速度MS2;
S2:服务器计算出用户每天的最佳用眼距离D2,算法为:
(1)如果用户设置了T1,则D2=(T2>T1?D1+(D1*abs(T2-T1)/(T2>T1?T1:T2)):D1-(D1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则D2=D1;
S3:服务器计算出用户每天的最佳用眼时长ST2,算法为:
(1)如果用户设置了T1,则ST2=(T2>T1?ST1+(ST1*abs(T2-T1)/(T2>T1?T1:T2)):ST1-(ST1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则ST2=ST1;
S4:服务器计算出用户每天的最佳用眼姿态水平角度LA2,算法为:
(1)如果用户设置了T1,则LA2=(T2>T1?LA1+(LA1*abs(T2-T1)/(T2>T1?T1:T2)):LA1-(LA1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则LA2=LA1;
S5:服务器计算出用户每天的最佳用眼状态身体运动速度MS2,算法为:
(1)如果用户设置了T1,则MS2=(T2>T1?MS1+(MS1*abs(T2-T1)/(T2>T1?T1:T2)):MS1-(MS1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则MS2=MS1。
本发明的有益效果为:
1、通过在装置本体上设置距离传感器,当发生用户与被视物过近、头部歪斜、坐姿不正等不良用眼姿势时通过报警提醒用户;通过设置加速度传感器,当用户边走路边看书或坐在车上看书时通过报警提醒用户,上述设置有利于全面监测用眼情况并能从多个维度进行纠偏。
2、MCU中央处理器通过无线信号收发单元与服务器交互用户用眼数据,服务器通过学习大量用户发回的用眼数据不断优化最佳用眼距离、用眼时间、用眼姿态,用眼状态的算法,实现智能学习、综合分析,并能进一步将计算出的最佳用眼距离、用眼时间、用眼姿态等参考用眼数据发回MCU中央处理器,MCU中央处理器对比实时用眼数据与最佳用眼数据并通过报警单元提醒用户逐步纠正不良用眼习惯,达到预防近视或摆脱近视的目的。
3、移动终端设置在装置本体与服务器通讯路径中,不影响装置本体与服务器的通讯,使用者能够根据自身情况自由选择是否使用移动终端,增加了本发明的适用性。
附图说明
图1为本系统的防近视装置的连接关系图;
图2为本系统中装置本体第一种实施方式的结构示意图;
图3为本系统中装置本体第二种实施方式的结构示意图;
图4为本系统信息传输的第一种实施方式示意图;
图5为本系统信息传输的第二种实施方式示意图;
图6为本方法用眼距离算法流程图;
图7为本方法用眼时长算法流程图;
图8为本方法用眼姿态水平角度算法流程图;
图9为本方法用眼状态身体运动速度算法流程图;
图中:1、外壳;2、电路板;3、距离传感器;5、加速度传感器;6、存储单元;7、MCU中央处理器;8、无线信号收发单元;9、电池;10、报警单元;11、服务器;12、移动终端;A、用户的年龄;T1、改善用眼距离的计划时长;D1、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼距离;T2、与A匹配的所有用户改善起始日至改善成功日之间的天数;D2、最佳用眼距离;ST1、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼时长;LA1、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼姿态水平角度;MS2、最佳用眼状态身体运动速度。
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。
参照图1、图2、图3、图4、和图5,一种基于AI学习的智能防近视系统,包括装置本体和服务器11,装置本体内设有电路板2,电路板2上设有MCU中央处理器7、用眼行为监测单元、无线信号收发单元8、存储单元6和报警单元10,用眼行为监测单元为距离传感器3或加速度传感器5其中之一或者组合;所述MCU中央处理器7接收用眼行为监测单元发回的用眼数据并将其通过所述无线信号收发单元8发送至服务器11;所述服务器11接分析处理用眼数据后将反馈信息发送至所述MCU中央处理器7,MCU中央处理器7将接收到的所述服务器11信息发送至所述存储单元6。
距离传感器3包括红外传感器、激光传感器、超声波传感器中的一种或多种。
如图2所示,本申请中,装置本体第一种实施方式,包括外壳1,外壳1内设有电路板2,电路板2上依次设有用眼行为监测单元、MCU中央处理器7、存储单元6、无线信号收发单元8。
所述装置本体可固定在眼镜、头环、耳朵挂件、帽子、项圈、笔上,使用眼行为监测单元靠近人眼,降低误差。
用眼行为监测单元包括距离传感器3、加速度传感器5,距离传感器3是激光距离传感器,用于检测眼睛与被视物之间距离,加速度传感器5用于检测头部运动速率的变化,头部倾斜角度大小反映坐姿是否端正,视线与水平面夹角的大小和用眼距离配合可以反映用眼方式是否健康,头部运动速率的变化反映出用户是否在行走中或在行进的车上看书。
MCU中央处理器7分别与各传感器连接,接收各传感器发送来的用户用眼数据,MCU中央处理器7将用户的用眼数据与通过无线信号收发单元8接收到的参考用眼数据存储在存储单元6内,并对用户用眼情况进行监测,当用眼情况发生偏差时控制报警单元10提醒用户。
本实施方式中,用户用眼数据存储在服务器中,使用户更换设备后也能在原来的用眼数据基础上进行用眼习惯纠偏。
本实施方式中,报警单元10包括震动器、蜂鸣器、RGB彩色LED灯。
本实施方式中,所述无线信号收发单元8包括蓝牙收发模块和WIFI收发模块中的一种或两种。
工作过程:
距离传感器3检测眼睛与被视物之间距离并发送至MCU中央处理器7,加速度传感器5检测头部运动速率的变化情况并发送至MCU中央处理器7,MCU中央处理器7接收上述用眼数据后将其存在存储单元6内和通过无线信号收发单元8发送至服务器11或移动终端12,在服务器11计算出参考指导用眼数据后接收,比较和分析接收到的指导用眼数据与用户实时用眼情况,并在判断用户发生不良用眼操作后通过报警单元10提醒用户,实现对用户用眼习惯的纠偏。
如图3所示,本申请中,装置本体第二种实施方式,包括外壳1,外壳1内设有电路板2,电路板2上依次设有用眼行为监测单元、MCU中央处理器7、存储单元6、无线信号收发单元8,用眼行为监测单元包括距离传感器3。
所述装置本体可固定在眼镜、头环、耳朵挂件、帽子、项圈、笔上,使用眼行为监测单元靠近人眼,降低误差。
距离传感器3是激光传感器,用于检测眼睛与装置本体之间距离。
本实施方式中,用户用眼数据存储在服务器中,使用户更换设备后能在原来的用眼数据基础上进行用眼习惯纠偏。
MCU中央处理器7分别与各传感器连接,接收各传感器发送来的用户用眼数据,MCU中央处理器7将用户的用眼数据与通过无线信号收发单元8接收到的参考用眼数据存储在存储单元6内,并对用户用眼情况进行监测,当用眼情况发生偏差时控制报警单元10提醒用户。
本实施方式中,报警单元10包括震动器、蜂鸣器、RGB彩色LED灯。
本实施方式中,无线信号收发单元包括蓝牙收发模块和WIFI收发模块中的一种或两种。
工作过程:
距离传感器3检测眼睛与被视物之间距离并发送至MCU中央处理器7,MCU中央处理器7接收上述用眼数据后将其存在存储单元6内和通过无线信号收发单元8发送至服务器11或移动终端12,在服务器11计算出最佳用眼数据后接收,比较和分析接收到的指导用眼数据与用户实时用眼情况,并在判断用户发生不良用眼操作后通过报警单元10提醒用户,实现对用户用眼习惯的纠偏。
如图4所示,本申请中,本系统第一种实施方式,包括装置本体、接收用眼数据并进行整理、统计的服务器11,服务器11与MCU中央处理器7通过无线信号收发单元8交互传输数据,服务器11内置有基于AI学习的处理程序,处理程序通过学习大量用户发回的用眼数据不断优化最佳用眼距离、用眼时间、用眼姿态,用眼状态的算法。
工作过程:
用眼行为监测单元采集用户用眼数据并发送至MCU中央处理器7,MCU中央处理器7接收上述用眼数据后将其存在存储单元6内和通过无线信号收发单元8发送至服务器11,在服务器11计算出参考用眼数据后接收,比较和分析接收到的指导用眼数据与用户实时用眼情况,并在判断用户发生不良用眼操作后通过报警单元10提醒用户,实现对用户用眼习惯的纠偏。
如图5所示,本申请中,本系统第二种实施方式,包括装置本体、移动终端、接收用眼数据并进行整理、统计的服务器11,服务器11内置有基于AI学习的处理程序,处理程序通过学习大量用户发回的用眼数据不断优化最佳用眼距离、用眼时间、用眼姿态,用眼状态的算法。
移动终端12设置在无线信号收发单元8和服务器11的数据传输路径之间。
本实施方式中,移动终端12为手机,用户通过手机上的app将服务器11对用眼数据的分析结果显示给用户并在用户控制下分别与MCU中央处理器7和服务器11进行交互,使本系统应用更加灵活,控制更方便。
工作过程:
用眼行为监测单元采集用户用眼数据并发送至MCU中央处理器7,MCU中央处理器7接收上述用眼数据后将其存在存储单元6内和通过无线信号收发单元8发送至MCU中央处理器7,MCU中央处理器7接收上述用眼数据后将其存在存储单元6内和通过无线信号收发单元8发送至服务器11或移动终端12,在服务器11计算出参考用眼数据后直接或通过移动终端接收,比较和分析接收到的指导用眼数据与用户实时用眼情况,并在判断用户发生不良用眼操作后通过报警单元10提醒用户,实现对用户用眼习惯的纠偏。
参照图6、图7、图8和图9,一种基于权利要求1所述智能防近视系统的智能防近视方法,包括以下步骤:
S1、用户将年龄A、改善用眼情况的计划时长T1、输入所述服务器11;
S2、所述MCU中央处理器7接收所述用眼行为监测单元发回的用眼数据并将其发送至所述服务器11;
S3、服务器11利用大数据统计得出以往已改善用眼习惯的用户的参考数据;
S4、服务器11综合计算用眼数据与参考用眼数据得出最佳用眼距离、最佳用眼时长、最佳用眼姿态水平角度和最佳用眼状态身体运动速度,并将这些反馈信息发回MCU中央处理器7;
S5、MCU中央处理器7将接收到的反馈信息与用户实时的用眼数据进行比较并判断用户是否处在健康用眼的状态;
S6、当经过判断认为用户处在不健康用眼的状态,MCU中央处理器7通过报警单元10提醒用户。
其中,S4中服务器11综合计算用眼数据与参考用眼数据并得出反馈信息的方法为:
S1:服务器11通过大数据获得与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼距离D1、与A匹配的所有用户改善起始日至改善成功日之间的天数T2、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼时长ST1、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼姿态水平角度LA1、最佳用眼状态身体运动速度MS2;
S2:服务器11计算出用户每天的最佳用眼距离D2,算法为:
(1)如果用户设置了T1,则D2=(T2>T1?D1+(D1*abs(T2-T1)/(T2>T1?T1:T2)):D1-(D1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则D2=D1;
S3:服务器11计算出用户每天的最佳用眼时长ST2,算法为:(1)如果用户设置了T1,则ST2=(T2>T1?ST1+(ST1*abs(T2-T1)/(T2>T1?T1:T2)):ST1-(ST1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则ST2=ST1;
S4:服务器11计算出用户每天的最佳用眼姿态水平角度LA2,算法为:
(1)如果用户设置了T1,则LA2=(T2>T1?LA1+(LA1*abs(T2-T1)/(T2>T1?T1:T2)):LA1-(LA1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则LA2=LA1;
S5:服务器11计算出用户每天的最佳用眼状态身体运动速度MS2,算法为:
(1)如果用户设置了T1,则MS2=(T2>T1?MS1+(MS1*abs(T2-T1)/(T2>T1?T1:T2)):MS1-(MS1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则MS2=MS1。
服务器11将D2、ST2、LA2、MS2等反馈信息发送给装置本体后:
1.MCU中央处理器7接收眼睛与被视物之间的实时距离D3、MCU中央处理器7记录当日的用眼时长ST3、MCU中央处理器7根据用眼行为监测单元发回的用眼数据计算出当日用眼姿态水平角度LA3、身体运动速度MS3。
2.如果D3<D2,则通过报警单元10提醒用户;如果ST3>ST2,则通过报警单元10提醒用户;如果LA3>LA2,则通过报警单元10提醒用户;如果MS3>MS2,则通过报警单元10提醒用户。
3.服务器11记录D3、ST3、LA3、MS3和提醒动作。
4.服务器11判断用户当日用眼情况是否达标,作为下一日用眼参考,如果达标,则下一日继续,如果不达标,则重复前一日。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于AI学习的智能防近视系统,包括装置本体和服务器(11),装置本体内设有电路板(2),其特征在于:
所述电路板(2)上设有MCU中央处理器(7)、用眼行为监测单元、无线信号收发单元(8)、存储单元(6)和报警单元(10),用眼行为监测单元为距离传感器(3)、加速度传感器(5)其中之一或者组合;所述MCU中央处理器(7)接收用眼行为监测单元发回的用眼数据并将其通过所述无线信号收发单元(8)发送至服务器(11);所述服务器(11)分析处理用眼数据后将反馈信息发送至所述MCU中央处理器(7),MCU中央处理器(7)将接收到的所述服务器(11)信息发送至所述存储单元(6)。
2.根据权利要求1中的一种基于AI学习的智能防近视系统,其特征在于:包括移动终端(12),所述移动终端(12)接收无线信号收发单元(8)发送的用眼数据并将其发送至服务器(11),所述移动终端(12)接收服务器(11)发送的反馈信息并将其发送至无线信号收发单元(8)。
3.根据权利要求1的一种基于AI学习的智能防近视系统,其特征在于:所述无线信号收发单元(8)包括蓝牙收发模块和WIFI收发模块中的一种或两种。
4.根据权利要求1的一种基于AI学习的智能防近视系统,其特征在于:所述距离传感器(3)包括红外传感器、激光传感器、超声波传感器中的一种或多种。
5.根据权利要求2的一种基于AI学习的智能防近视系统,其特征在于:所述移动终端(12)包括但不限于手机、平板电脑。
6.根据权利要求1的一种基于AI学习的智能防近视系统,其特征在于:所述装置本体(1)可固定在眼镜、头环、耳朵挂件、帽子、项圈、笔上。
7.一种基于权利要求1所述智能防近视系统的智能防近视方法,其特征在于:包括以下步骤:
S1、用户将年龄A、改善用眼情况的计划时长T1、输入所述服务器(11);
S2、所述MCU中央处理器(7)接收所述用眼行为监测单元发回的用眼数据并将其发送至所述服务器(11);
S3、服务器利用大数据统计得出以往已改善用眼习惯的用户的参考数据;
S4、服务器综合计算用眼数据与参考用眼数据得出最佳用眼距离、最佳用眼时长、最佳用眼姿态水平角度和最佳用眼状态身体运动速度,并将这些反馈信息发回MCU中央处理器;
S5、MCU中央处理器将接收到的反馈信息与用户实时的用眼数据进行比较并判断用户是否处在健康用眼的状态;
S6、当经过判断认为用户处在不健康用眼的状态,MCU中央处理器通过报警单元(10)提醒用户。
8.根据权利要求7所述智能防近视方法,其特征在于:S4中服务器综合计算用眼数据与参考用眼数据并得出反馈信息的方法为:
S1:服务器通过大数据获得与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼距离D1、与A匹配的所有用户改善起始日至改善成功日之间的天数T2、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼时长ST1、与A匹配的所有用户在改善起始日至改善成功日之间每天的平均用眼姿态水平角度LA1、最佳用眼状态身体运动速度MS2;
S2:服务器计算出用户每天的最佳用眼距离D2,算法为:(1)如果用户设置了T1,则D2=(T2>T1?D1+(D1*abs(T2-T1)/(T2>T1?T1:T2)):D1-(D1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则D2=D1;
S3:服务器计算出用户每天的最佳用眼时长ST2,算法为:(1)如果用户设置了T1,则ST2=(T2>T1?ST1+(ST1*abs(T2-T1)/(T2>T1?T1:T2)):ST1-(ST1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则ST2=ST1;
S4:服务器计算出用户每天的最佳用眼姿态水平角度LA2,算法为:
(1)如果用户设置了T1,则LA2=(T2>T1?LA1+(LA1*abs(T2-T1)/(T2>T1?T1:T2)):LA1-(LA1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则LA2=LA1;
S5:服务器计算出用户每天的最佳用眼状态身体运动速度MS2,算法为:
(1)如果用户设置了T1,则MS2=(T2>T1?MS1+(MS1*abs(T2-T1)/(T2>T1?T1:T2)):MS1-(MS1*abs(T2-T1)/(T2>T1?T1:T2)));(2)如果用户没有设置T1,则MS2=MS1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910276914.3A CN109887248B (zh) | 2019-04-08 | 2019-04-08 | 一种基于ai学习的智能防近视系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910276914.3A CN109887248B (zh) | 2019-04-08 | 2019-04-08 | 一种基于ai学习的智能防近视系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109887248A true CN109887248A (zh) | 2019-06-14 |
CN109887248B CN109887248B (zh) | 2023-09-26 |
Family
ID=66936390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910276914.3A Active CN109887248B (zh) | 2019-04-08 | 2019-04-08 | 一种基于ai学习的智能防近视系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109887248B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201517612D0 (en) * | 2015-10-01 | 2015-11-18 | Leung Spencer Y C | System and method for monitoring habits of user of electronic device |
CN105589220A (zh) * | 2016-03-01 | 2016-05-18 | 吴龙 | 一种测距眼镜及利用测距眼镜预防近视的方法 |
CN106023543A (zh) * | 2016-08-05 | 2016-10-12 | 广州新锐视光学科技有限公司 | 一种学生用防近视眼姿势防控方法 |
CN206301468U (zh) * | 2016-12-16 | 2017-07-04 | 深圳柔微传感科技有限公司 | 一种智能儿童服装及智能儿童穿戴设备 |
WO2017166235A1 (zh) * | 2016-03-31 | 2017-10-05 | 深圳市柔宇科技有限公司 | 一种坐姿矫正座椅、系统及方法 |
CN206863380U (zh) * | 2017-06-22 | 2018-01-09 | 中智益健(深圳)科技有限公司 | 一种智能眼镜 |
CN107595239A (zh) * | 2015-06-02 | 2018-01-19 | 杭州镜之镜科技有限公司 | 个人用眼监控系统 |
CN208274674U (zh) * | 2017-07-11 | 2018-12-25 | 武汉市康本龙医疗器械有限公司 | 视力测试和矫正系统 |
CN109330555A (zh) * | 2018-09-14 | 2019-02-15 | 侯尧珍 | 一种基于云计算的智能化视力检测与训练矫正系统 |
-
2019
- 2019-04-08 CN CN201910276914.3A patent/CN109887248B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107595239A (zh) * | 2015-06-02 | 2018-01-19 | 杭州镜之镜科技有限公司 | 个人用眼监控系统 |
GB201517612D0 (en) * | 2015-10-01 | 2015-11-18 | Leung Spencer Y C | System and method for monitoring habits of user of electronic device |
CN105589220A (zh) * | 2016-03-01 | 2016-05-18 | 吴龙 | 一种测距眼镜及利用测距眼镜预防近视的方法 |
WO2017166235A1 (zh) * | 2016-03-31 | 2017-10-05 | 深圳市柔宇科技有限公司 | 一种坐姿矫正座椅、系统及方法 |
CN106023543A (zh) * | 2016-08-05 | 2016-10-12 | 广州新锐视光学科技有限公司 | 一种学生用防近视眼姿势防控方法 |
CN206301468U (zh) * | 2016-12-16 | 2017-07-04 | 深圳柔微传感科技有限公司 | 一种智能儿童服装及智能儿童穿戴设备 |
CN206863380U (zh) * | 2017-06-22 | 2018-01-09 | 中智益健(深圳)科技有限公司 | 一种智能眼镜 |
CN208274674U (zh) * | 2017-07-11 | 2018-12-25 | 武汉市康本龙医疗器械有限公司 | 视力测试和矫正系统 |
CN109330555A (zh) * | 2018-09-14 | 2019-02-15 | 侯尧珍 | 一种基于云计算的智能化视力检测与训练矫正系统 |
Non-Patent Citations (1)
Title |
---|
陈晓军;: "临床弱视治疗中依从性对疗效影响的分析", 临床医药文献电子杂志, no. 01, pages 58 - 60 * |
Also Published As
Publication number | Publication date |
---|---|
CN109887248B (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104796485B (zh) | 一种老龄人云安康服务平台及大数据处理方法 | |
CN106691443B (zh) | 基于脑电的穿戴式司机防疲劳智能监测预警系统 | |
CN104799826B (zh) | 一种智能安康服务系统及报警可靠检测方法 | |
CN112014850B (zh) | 一种基于激光测距传感器判断读写状态的方法及移动设备 | |
JP2021530069A (ja) | 状況的ドライバ監視システム | |
CN102707305B (zh) | 摔倒检测定位系统的工作方法 | |
CN104224204B (zh) | 一种基于红外检测技术的驾驶员疲劳检测系统 | |
CN112889114A (zh) | 身体行为事件的自动化检测和药物分配系统的对应调节 | |
CN105171752A (zh) | 机器人系统及其方法 | |
CN104867309A (zh) | 一种中老龄人安康服务智能穿戴设备及深度学习方法 | |
CN104952447A (zh) | 一种老龄人安康服务智能穿戴设备及语音识别方法 | |
CN101968918A (zh) | 反馈式疲劳检测系统 | |
CN106214436A (zh) | 一种基于手机端的智能导盲系统及其导盲方法 | |
CN111243742B (zh) | 一种能够分析儿童用眼习惯的智能眼镜 | |
CN106412394A (zh) | 一种适合马路低头族的安全出行装置 | |
CN112270815A (zh) | 一种基于智能手表的读写姿态识别方法及系统 | |
CN110989689A (zh) | 一种基于自动追踪的机器人系统 | |
CN112799060A (zh) | 基于毫米波雷达的学习状态监测装置、方法及介质 | |
CN109104689A (zh) | 一种安全警示方法及终端 | |
CN111063171A (zh) | 电子产品使用监控系统及方法 | |
CN106974626A (zh) | 脉搏监测机器人 | |
CN109887248A (zh) | 一种基于ai学习的智能防近视系统和方法 | |
CN109558895A (zh) | 一种基于智能感知的校园管理方法、系统及介质 | |
CN106022724A (zh) | 活动计划获取及制定方法 | |
CN207503636U (zh) | 儿童成长教育智能长命锁 |
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 |