CN110084300A - 一种家居异常气味监测方法及系统 - Google Patents
一种家居异常气味监测方法及系统 Download PDFInfo
- Publication number
- CN110084300A CN110084300A CN201910336079.8A CN201910336079A CN110084300A CN 110084300 A CN110084300 A CN 110084300A CN 201910336079 A CN201910336079 A CN 201910336079A CN 110084300 A CN110084300 A CN 110084300A
- Authority
- CN
- China
- Prior art keywords
- odor
- household
- unusual
- data
- household electrical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 230000008447 perception Effects 0.000 claims abstract description 28
- 235000019645 odor Nutrition 0.000 claims description 109
- 238000004891 communication Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 230000003750 conditioning effect Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 11
- YXFVVABEGXRONW-UHFFFAOYSA-N Toluene Chemical compound CC1=CC=CC=C1 YXFVVABEGXRONW-UHFFFAOYSA-N 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 4
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 3
- 238000003915 air pollution Methods 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 231100000749 chronicity Toxicity 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Food Science & Technology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明涉及一种家居异常气味监测方法及系统。系统构建气味感知模块,把气味感知模块嵌入到家用电器中,通过气味感知模块感知家居环境一定范围内的气味信息;智能家电控制器读取气味感知模块数据,并发送到智能家居网关;智能家居网关对各家用电器气味数据进行转换、打包,然后传输到家电云平台;在家电云平台建立家居异常气味信息库;建立异常气味识别算法单元,移植气味识别算法至家电云平台;在云端完成气味识别,得出气味分类结果和气味指数。本发明能够识别家居环境中的异常气味种类和气味浓度,并把识别结果返回给智能家居网关进行显示和联动控制,实现家居异常气味监测、识别和家用电器联动控制。
Description
技术领域
本发明涉及家用电器技术领域,更具体地,涉及一种家居异常气味监测方法及系统。
背景技术
良莠不齐的建筑材料、装饰材料所释放的有毒有害气体,使得室内空气质量不断恶化,损伤家人健康;厨房燃气的泄露,不仅污染了室内空气,更有爆炸的危险;空调设备广泛使用,使得洗手间、排水管道等区域通风率明显降低,导致住宅室内异味残留、污染不断累积。居室空气污染与室外空气污染有着较大的区别,室内空气污染有以下特点:
1、累积性:室内环境是相对封闭的空间,从污染物进入室内导致浓度升高,到排出室外浓度渐趋于零,大都需要经过较长的时间;
2、长期性:人们大部分时间处于室内,即使浓度很低的污染物,在长期作用于人体后,也会对人体健康产生不利影响;
3、多样性:室内空气污染的多样性既包括污染物种类的多样性,又包括室内污染物来源的多样性。
现有家用电器在气味监测方面,尚不能做到对具体气味源的识别,无法做到从根源上解决异常气味的问题,家用电器对于气味的监测的能力有待提高。
发明内容
针对目前家用电器在气味检测未能对具体气味源作出识别的问题,本发明提出一种家居异常气味监测方法,本发明采用的技术方案是:
一种家居异常气味监测方法,包括以下步骤:
S1.气味感知模块采集家居气味,将气味信号发送至家电控制器;
S2.智能家居网关读取家电控制器的气味信号,并对异常气味数据进行编码打包发送至家电云平台;
S3.家电云平台建立标准家居异常气味信息库,使用信息库中的训练样本训练模式识别算法模型;
S4.接收传送至家电云平台的气味信号,将气味信号进行预处理与特征选择后输入至训练好的模型中,得到模型识别结果,传输到智能家居网关;
S5.家用控制器接收来自智能家居网关的识别结果,并进行相应的联动控制。
在一种优选方案中,所述预处理包括对数据异常值等的处理以及进行归一化处理,归一化处理公式具体如下:
其中βi为归一化后的数据,αi为原始数据,αmean为原始数据均值,αstd为原始数据的标准差。
在一种优选方案中,所述的预处理后的数据计算每个样本的均值、中位数、方差等,每个样本共获得M个特征,作为家居异常气味信息特征。
在一种优选方案中,所述的标准家居异常气味信息库中,每个样本均通过预处理以及特征选择后得到家居异常气味信息特征,保存至信息库中。
在一种优选方案中,所述识别结果包括气味的分类结果以及气味的浓度,分类结果指识别出具体的气味源,而气味的浓度则是识别出浓度分级,包括极低、低、中、高、极高五种等级;气味指数值由气味源种类和气味源原始数据均值决定,气味指数值其中对应不同气味源的比例系数,为每个气味样本的响应向量,为不同气味源种类所对应的传感器的响应向量,为不同气味源种类所对应的传感器的响应均值。
本发明还提供一种家居异常气味监测系统,包括气味感知模块、家电控制器、智能家居网关和家电云平台;所属的气味感知模块与家电控制器进行电连接,智能家居网关与家电控制器、家电云平台进行通信连接。
在一种优选方案中,所述的气味感知模块嵌入到家用电器中,内部通过导线电连接于家电控制器;
气味感知模块包括传感器单元和信号调理电路;传感器单元为由多个气体传感器组成的传感器阵列;信号调理电路用于对传感器信号进行放大、滤波和温度补偿。
在一种优选方案中,所述的家电控制器安装在家用电器内部,家电控制器包括主控单元和通信单元,气味感知模块采集家用电器一定范围内的气味数据,主控单元通过控制命令读取气味感知模块采集的气味数据,并将气味数据通过通信单元传输到智能家居网关。
在一种优选方案中,所述智能家居网关包含第一通信单元和第二通信单元,以及中央控制单元,第一通信单元读取家居内多个家电控制器传送的气味数据,中央控制单元对气味数据进行编码、打包,通过第二通信单元传输到家电云平台。
在一种优选方案中,所述的家电云平台包括运算单元、数据单元;其中,运算单元由预处理与特征选择单元以及异常气味识别算法单元构成;数据单元由标准家居异常气味信息库构成。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供的家居异常气味监测系统便于管理、功能全面。
附图说明
图1是根据本发明的一种实施方式的示例一种家居异常气味监测方法的流程图;
图2是根据本发明的一种实施方式的示例一种家居异常气味监测系统的结构示意图;
图3是根据本发明的一种实施方式的示例气味感知模块的结构示意图。
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,所描述的实施例仅仅是本发明一部分实施例,仅用于示例性说明,不能理解为对本专利的限制。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。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
请参考图1,本发明的实施例提供了一种家居异常气味监测系统,如图1所示。
一种家居异常气味监测方法,如图1所示,包括以下步骤:
S1.气味感知模块采集家居气味,将气味信号发送至家电控制器;
S2.智能家居网关读取家电控制器的气味信号,并对异常气味数据进行编码打包发送至家电云平台;
S3.家电云平台建立标准家居异常气味信息库,使用信息库中的训练样本训练模式识别算法模型;
S4.接收传送至家电云平台的气味信号,将气味信号进行预处理与特征选择后输入至训练好的模型中,得到模型识别结果,传输到智能家居网关;
S5.家用控制器接收来自智能家居网关的识别结果,并进行相应的联动控制。
优选地,所述家居异常气味信号指的是气味感知模块获取的家用电器一定范围内的气味信号。
优选地,所述对气味数据的预处理,除了对数据的异常值进行处理以外,还包括对数据进行归一化处理,归一化处理具体公式如下:
其中βi为归一化后的数据,αi为原始数据,αmean为原始数据均值,αstd为原始数据的标准差。
优选地,所述特征选择包括所述预处理后的数据计算每个样本的均值、中位数、方差等,每个样本共获得M个特征。
优选地,所述标准家居异常气味信息库,其中每个样本均是训练本经过步骤 S4后,获取到每个样本的M个特征,作为每个样本的气味信息特征保存至气味信息库中。
优选地,所述模式识别模型,具备对目标气体具有高识别率,使用标准家居异常信息库中的样本,打上相应标签后,分成训练集与校验集对模式识别模型进行训练和识别率估计,训练过程中根据识别率的高低,以提高识别率为前提对模型参数进行调整。
应当理解的是,该模式识别模型并不局限于某一固定的分类器,可以是决策树、人工神经网络等任一模型;技术人员应依据识别率以及其他实际情况来选取合适的识别算法作为模式识别模型。
优选地,所述识别结果中分类结果指的是识别出具体的气味源,如烟味则识别出是香烟,浓度分级指的是气味浓度的高低,浓度等级分为极低、低、中、高、极高五个等级。
在一种优选方案中,所述识别结果包括气味的分类结果以及气味的浓度,分类结果指识别出具体的气味源,而气味的浓度则是识别出浓度分级,包括极低、低、中、高、极高五种登记;气味指数值由气味源种类和气味源原始数据均值决定,气味指数值其中对应不同气味源的比例系数,为每个气味样本的响应向量,为不同气味源种类所对应的传感器的响应向量,为不同气味源种类所对应的传感器的响应均值。
优选地,家用电器接收到由家电云平台返回的识别结果,进行相应的联动操作和显示,联动操作可以根据所识别到气体种类的不同以及浓度的不同而不同,显示则是在家用电器上显示出识别结果。
本发明所提出的方法,对比传统方法而言。一方面,相对于传统的本地处理气味数据的方法,本方法将气味的处理与识别移至云端,大大的降低了本地设备的负担;另一方面,相较于只能根据某一单一传感器检测某一化学物质,本发明提出了气味监测方法能够准确的识别出具体的气味源,从根源上解决异常气味的问题。
实施例2
本实施例提供一种家居异常气味监测系统,如图2所示,包括气味感知模块、家电控制器、智能家居网关和家电云平台;所属的气味感知模块与家电控制器进行电连接,智能家居网关与家电控制器、家电云平台进行通信连接。
在一种优选方案中,所述的气味感知模块嵌入到家用电器中,内部通过导线电连接于家电控制器;
其中,如图3所示,所述气味感知模块包括传感器单元和信号调理电路。传感器单元它是由多个气体传感器组成的传感器阵列,包括但不限于甲醛传感器、硫化氢传感器、一氧化碳传感器、甲苯传感器、VOC气体传感器、温湿度传感器。对于不同的监测环境,本领域技术人员可以选择不同的气体传感器组成传感器阵列。例如将气味感知模块应用于客厅环境中,如空气净化器、空调,用户希望监测到的气体多为烟味、装修所产生的有害气体等,则可以选用检测上述气味的传感器组成传感器阵列,如一氧化碳传感器、甲苯传感器、VOC传感器;若是应用于洗手间环境中,如排气装置、智能马桶,用户希望检测到的气体更多是厕所所特有的臭味,则可以选用氨气传感器、硫化氢传感器等组成传感器阵列。应当理解的是,技术人员应该根据气味感知模块实际应用于何种家用电器以及应用于何种环境,来判断选择传感器来组成传感器阵列。
在一种优选方案中,所述的家电控制器2安装在家用电器内部,所述家用电器包括但不限于空气净化器、马桶、风扇、抽油烟机、电饭煲;家电控制器包括主控单元和通信单元,气味感知模块采集家用电器一定范围内的气味数据,主控单元通过控制命令读取气味感知模块采集的气味数据,并将气味数据通过通信单元传输到智能家居网关。
在一种优选方案中,所述智能家居网关3包含第一通信单元和第二通信单元,以及中央控制单元,第一通信单元读取家居内多个家电控制器传送的气味数据,中央控制单元对气味数据进行编码、打包,通过第二通信单元传输到家电云平台。
在一种优选方案中,所述的家电云平台包括运算单元、数据单元;其中,运算单元由预处理与特征选择单元以及异常气味识别算法单元构成;数据单元由标准家居异常气味信息库构成。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
Claims (10)
1.一种家居异常气味监测系统,其特征在于,包括气味感知模块、家电控制器、智能家居网关和家电云平台;所属的气味感知模块与家电控制器进行电连接,智能家居网关分别与家电控制器、家电云平台进行通信连接。
2.根据权利要求1所属的家居异常气味监测系统,其特征在于,所述的气味感知模块通过导线电连接于家电控制器;
气味感知模块包括传感器单元和信号调理电路;传感器单元为由若干个气体传感器组成的传感器阵列;信号调理电路用于对传感器信号进行放大、滤波和温度补偿;传感器单元与信号调理电路进行电连接,将传感器信号进行放大、滤波和温度补偿后传输到家电控制器。
3.根据权利要求1所述的家居异常气味监测系统,其特征在于,所述的家电控制器包括主控单元和通信单元,气味感知模块采集气味数据,主控单元通过控制命令读取气味感知模块采集的气味数据,并将气味数据通过通信单元传输到智能家居网关。
4.根据权利要求1所述的家居异常气味监测系统,其特征在于,所述智能家居网关包含第一通信单元、第二通信单元和中央控制单元,第一通信单元读取家电控制器传送的气味数据,中央控制单元对气味数据进行编码、打包,通过第二通信单元传输到家电云平台。
5.根据权利要求1所述的家居异常气味监测系统,其特征在于,所述的家电云平台包括运算单元、数据单元;其中,运算单元由预处理与特征选择单元以及异常气味识别算法单元构成;数据单元由标准家居异常气味信息库构成。
6.一种家居异常气味监测方法,其特征在于,包括以下步骤:
S1.气味感知模块采集家居气味,将气味信号发送至家电控制器;
S2.智能家居网关读取家电控制器的气味信号,并对异常气味数据进行编码打包发送至家电云平台;
S3.家电云平台建立标准家居异常气味信息库,使用信息库中的训练样本训练模式识别算法模型;
S4.接收传送至家电云平台的气味信号,将气味信号进行预处理与特征选择后输入至训练好的模型中,得到模型识别结果,传输到智能家居网关;
S5.家用控制器接收来自智能家居网关的识别结果,并进行相应的联动控制。
7.根据权利要求6所述的家居异常气味监测方法,其特征在于,所述的步骤S2中所述预处理包括对数据异常值等的处理以及进行归一化处理,归一化处理公式具体如下:
其中βi为归一化后的数据,αi为原始数据,αmean为原始数据均值,αstd为原始数据的标准差。
8.根据权利要求6述的家居异常气味监测方法,其特征在于,步骤S2中所述特征选择包括计算权利5中所述预处理后的数据计算每个样本的均值、中位数、方差等,每个样本共获得M个特征,作为家居异常气味信息特征。
9.根据权利要求6所述的家居异常气味监测方法,其特征在于,步骤S1中构建的标准家居异常气味信息库,其中每个样本均以权利要求6中所述进行特征选择后,得到气味信息特征保存至信息库中。
10.根据权利要求1所述的家居异常气味监测方法,其特征在于,步骤S2中所述识别结果包括气味的分类结果Ki以及气味指数C,分类结果指识别出具体的气味源,而气味指数则是指气味使人容易接受的程度,气味指数根据气味指数值划分为极低、低、中、高、极高五种等级;气味指数值由气味源种类和气味源原始数据均值决定,气味指数值其中对应不同气味源的比例系数,为每个气味样本的响应向量,为不同气味源种类所对应的传感器的响应向量,为不同气味源种类所对应的传感器的响应均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336079.8A CN110084300A (zh) | 2019-04-24 | 2019-04-24 | 一种家居异常气味监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910336079.8A CN110084300A (zh) | 2019-04-24 | 2019-04-24 | 一种家居异常气味监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084300A true CN110084300A (zh) | 2019-08-02 |
Family
ID=67416555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910336079.8A Pending CN110084300A (zh) | 2019-04-24 | 2019-04-24 | 一种家居异常气味监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084300A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11694770B2 (en) | 2020-10-26 | 2023-07-04 | International Business Machines Corporation | Volatile organic compound detection and classification |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102680650A (zh) * | 2012-05-14 | 2012-09-19 | 上海鼎为软件技术有限公司 | 气味识别终端、气味散发终端及信息通信系统 |
CN106123471A (zh) * | 2016-06-20 | 2016-11-16 | 青岛海尔股份有限公司 | 冰箱储物间室内气味对嗅觉影响的检测方法、装置及冰箱 |
CN206649007U (zh) * | 2017-01-20 | 2017-11-17 | 中国工程物理研究院总体工程研究所 | 气体传感器温度补偿装置 |
CN108289049A (zh) * | 2017-01-09 | 2018-07-17 | 佛山市顺德区美的电热电器制造有限公司 | 家电间联动的异味处理方法及家电设备 |
CN108667696A (zh) * | 2018-04-28 | 2018-10-16 | 烽火祥云网络科技有限公司 | 一种智能家居系统 |
CN109540978A (zh) * | 2018-12-13 | 2019-03-29 | 清华大学 | 气味识别设备 |
-
2019
- 2019-04-24 CN CN201910336079.8A patent/CN110084300A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102680650A (zh) * | 2012-05-14 | 2012-09-19 | 上海鼎为软件技术有限公司 | 气味识别终端、气味散发终端及信息通信系统 |
CN106123471A (zh) * | 2016-06-20 | 2016-11-16 | 青岛海尔股份有限公司 | 冰箱储物间室内气味对嗅觉影响的检测方法、装置及冰箱 |
CN108289049A (zh) * | 2017-01-09 | 2018-07-17 | 佛山市顺德区美的电热电器制造有限公司 | 家电间联动的异味处理方法及家电设备 |
CN206649007U (zh) * | 2017-01-20 | 2017-11-17 | 中国工程物理研究院总体工程研究所 | 气体传感器温度补偿装置 |
CN108667696A (zh) * | 2018-04-28 | 2018-10-16 | 烽火祥云网络科技有限公司 | 一种智能家居系统 |
CN109540978A (zh) * | 2018-12-13 | 2019-03-29 | 清华大学 | 气味识别设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11694770B2 (en) | 2020-10-26 | 2023-07-04 | International Business Machines Corporation | Volatile organic compound detection and classification |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108168022B (zh) | 智能空气净化系统 | |
WO2019218395A1 (zh) | 一种恶臭气体多点集中式电子鼻仪器在线监测与分析方法 | |
CN108709955B (zh) | 一种恶臭气体多点集中式在线监测与分析系统及方法 | |
CN108896706B (zh) | 大数据驱动的恶臭气体多点集中式电子鼻仪器在线分析方法 | |
CN102842204B (zh) | 生活者异常探测装置、生活者异常探测系统及方法 | |
CN117433136A (zh) | 空气处理设备,传感器装置和操作方法 | |
CN106225163A (zh) | 一种室内环境测评控制方法及系统 | |
CN206162179U (zh) | 一种多参数粮情控制系统 | |
CN111766337B (zh) | 基于多组分气体检测仪传感器阵列的臭气浓度ou值算法 | |
CN103940956A (zh) | 气味检测方法、装置及系统 | |
CN113188242A (zh) | 一种组群式空气净化方法、装置、空气净化机器人及计算机可读存储介质 | |
CN110084300A (zh) | 一种家居异常气味监测方法及系统 | |
CN106225022A (zh) | 控制方法及厨房电器 | |
CN106918118A (zh) | 一种智能调节居住环境的方法 | |
CN106502121A (zh) | 一种智能家居控制系统 | |
CN107093316A (zh) | 一种智能农业大棚监控系统 | |
US20090261980A1 (en) | Fire detector incorporating a gas sensor | |
CN109034450B (zh) | 基于气象条件我国北方马铃薯晚疫病预报模型的建立方法 | |
CN116561535B (zh) | 一种基于个性化建筑交互设计处理方法 | |
CN113137725A (zh) | 设备控制方法、装置、电子设备和存储介质 | |
CN110751115B (zh) | 一种无接触式人体行为识别方法和系统 | |
CN109978263B (zh) | 一种园林水系水位预警方法 | |
KR102149245B1 (ko) | 블록체인 기반의 미세먼지 정보 공유처리를 이용한 스마트홈 공기관리 시스템 | |
CN205548252U (zh) | 一种智能地毯及其构成的智能家居系统 | |
CN110017573A (zh) | 一种自动化暖通系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
RJ01 | Rejection of invention patent application after publication |