CN111401129A - 一种智能气味识别系统 - Google Patents
一种智能气味识别系统 Download PDFInfo
- Publication number
- CN111401129A CN111401129A CN202010084653.8A CN202010084653A CN111401129A CN 111401129 A CN111401129 A CN 111401129A CN 202010084653 A CN202010084653 A CN 202010084653A CN 111401129 A CN111401129 A CN 111401129A
- Authority
- CN
- China
- Prior art keywords
- information
- smell
- odor
- environmental
- environment
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G01N33/0001—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00 by organoleptic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medicinal Chemistry (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种智能气味识别系统,其特征在于,包括:环境信息采集组件和信息处理装置;所述环境信息采集组件用于采集环境信息,所述环境信息包括环境气味信息、环境图像信息和环境多媒体信息中的一种或多种;所述信息处理装置与所述环境信息采集装置数据交互连接,用于根据环境信息分析获得输出气味组分信息。本方案的气味识别与分析系统能识别外界的图像场景与气味,并将其转化为可被制造的气味信号,并能进行高度智能的人机信息交互,也可以连接内部的视频设备,并识别视频内容的场景,制定出符合场景的气味信号,以便进行下一步的气味制造,达到智能化的为顾客提供特定香氛氛围。
Description
技术领域
本发明涉及空间环境调节领域,具体涉及一种智能气味识别系统。
背景技术
随着社会的发展,人们对生活品质要求的提高,在人们的工作与生活中,营造一种满足自我需求的香氛体验,成为人们对于高品质生活的追求。特别在近些年的智能化大背景下,结合人工智能、信号无线传输等技术突破,一种智能化、定制化与互联化的气味系统在汽车、高铁、飞机、商场展厅等场所的应用,逐步成为发展与研究的方向,越来越被各研发机构重视起来。
在日常生活中,密闭空间或者半密闭空间,由于自然通风不良,并且有时候需要相关人员持续在该空间持续呆上一段时间,会因为不良的气味或者不自然的环境影响空间内的人员的精神状态,导致注意力不集中或者身体不适等,常见的密闭空间有飞机、船舱、汽车、反应塔、冷藏车、沉箱及锅炉、压力容器、浮筒、管道以及地下工作空间等。
现有技术中,调节空间气味的常用方法为,通过配置几种特定的香味,集成开发在待调节空间内部,通过挥发、风扇或者空调出风口等媒介传输到车内,营造一种有香味的氛围,可以通过调节装置调节自己喜欢的香味,从而达到空间环境的优化。
然而,现有技术的气味调节,只能通过选择预设的配比或者预设的控制程序进行气味的调节,并不能够实时模拟外部的自然环境的气味,会使得气味产生的不自然。而如何与外界气味同步或者相符,其难点在于现有技术中无法准确识别环境的气味,并且现有技术中也没有如何将识别到的气味如何数据化以生成供气味输出系统参照的输出数据。因此需要提供一种能智能识别环境对应气味的智能系统,来解决上述技术问题。
发明内容
为了解决现有技术无法准确识别环境气味成分的问题,本发明提供了一种智能气味识别系统,其通过识别环境气味后,进一步地控制与其连接的气味生成装置来生成相匹配的气味。
本申请实施例具体包括:环境信息采集组件和信息处理装置;
环境信息采集组件用于采集环境信息,环境信息包括环境气味信息、环境图像信息和环境多媒体信息中的一种或多种;
信息处理装置与环境信息采集装置数据交互连接,用于根据环境信息分析获得输出气味组分信息,输出气味组分信息包括基础气味类型和基础气味输出量;
信息处理装置包括信息处理单元和对照存储单元,对照存储单元存储有环境信息与输出气味组分信息的对照模型,对照模型为使用多组数据通过机器学习训练出的,多组数据包括原有存储数据以及历史获取的环境信息数据,信息处理单元用于接收分析环境信息并根据对照模型获得输出气味组分信息。
进一步地,环境采集组件包括气味采集装置,气味采集装置用于采集环境气味信息。
进一步地,气味采集装置包括气味传感器组件,气味传感器组件用于接收气味分子信息并将其处理为电信号,具体的,气味传感器组件包括多个气体敏感单元,多个气体敏感单元分别对不同的气体分子具有敏感性,多个气体敏感单元呈阵列式分布。
进一步地,机器学习还包括嗅觉训练,嗅觉训练为通过气味采集装置获得的被测样品的环境气味信息以及被测样品的标签信息对对照模型进行更新。
进一步地,机器学习还包括通过连接云网络和大数据系统,通过神经网络算法对对照模型进行更新。
进一步地,环境信息采集组件可选地还可以还包括视觉图像采集装置,视觉传感器用于采集环境图像信息,视觉图像采集装置为摄像头和/或雷达系统。视觉图像采集装置可以设置在空间外,识别当前的环境,并且通过存储在对照存储单元中的存储模型进行对照模型获得输出气味采集信息,也可以配合设置在空间外的气味采集装置,将对照模型进行智能化的机器训练。
进一步地,环境信息采集组件可选地还包括多媒体信息采集装置,多媒体信息采集装置用于采集环境多媒体信息,信息处理单元用于将环境多媒体信息处理得到氛围信息,对照模型包括氛围信息和输出气味组分信息的对照关系。多媒体信息采集装设置在空间内,多媒体信息采集装置可以配合在空间内的视觉图像采集装置和/或气味采集装置来进行主动调节以及完成对照模型的机器训练过程。
进一步地,还包括人机控制装置,人机控制装置用于主动调整输出气味组分信息,人机控制装置包括语音和/或手动控制模块。
通过上述方案,本申请具有如下优点:本方案的气味识别与分析系统能识别外界的图像场景与气味,并将其转化为可被制造的气味信号,并能进行高度智能的人机信息交互,也可以连接内部的视频设备,并识别视频内容的场景,制定出符合场景的气味信号,以便进行下一步的气味制造,达到智能化的为顾客提供特定香氛氛围。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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它附图。
图1是本发明实施例的整体原理示意图;
图2是本发明实施例中气味采集装置表面的结构示意图;
图3是本发明实施例中气味采集装置内部结构示意图;
图4是本发明实施例信号处理单元的原理示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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做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。实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。
实施例
如图1所示,本发明实施例提供了一种智能气味识别系统,包括:环境信息采集组件和信息处理装置;其通过识别环境气味后,进一步地控制与其连接的气味生成装置来生成相匹配的气味,以调节空间的气味,该空间具体为封闭或者半封闭式空间。
环境信息采集组件用于采集环境信息,环境信息包括环境气味信息、环境图像信息和环境多媒体信息中的一种或多种;
信息处理装置与环境信息采集装置数据交互连接,用于根据环境信息分析获得输出气味组分信息,输出气味组分信息包括基础气味类型和基础气味输出量。
相应的,通过基础气味类型和基础气味输出量,可以进一步控制与之电连接的气味生成装置生成相应的气味,所述气味生成装置可以包括多个基础气味储存盒、气味调配组件和输气口,所述气味调配组件根据所述输出气味组分信息调节多个所述基础气味储存盒的输出量以生成最终气味,所述输气口设于待调节空间内,所述输气口将所述最终气味输出至所述待调节空间。输出气味组分信息中的基础气味类型决定了控制哪一个基础气味存储盒打开,而基础气味输出量则控制对应的基础气味存储盒打开的程度。
所述气味生成装置包括多个基础气味储存盒、气味调配组件和输气口,所述气味调配组件根据所述输出气味组分信息调节多个所述基础气味储存盒的输出量以生成最终气味,所述输气口设于待调节空间内,所述输气口将所述最终气味输出至所述待调节空间。其中,多个所述基础气味存储盒存储的气味互不相同,且为吡拉龙、柠檬油精、芳樟醇、β-苯乙醇、和β-月桂烯、壬二烯醛、龙涎呋喃、戊基乙烯基甲醇、酯、直线萜烯、环萜烯、芳烃、胺、醇、醛类、酮类、内酯或硫醇形成的化合物中的一种。
每个所述基础气味储存盒具有出气阀,所述气味调配组件用于控制每个所述出气阀的开合大小和时间。
所述气味调配组件还包括气味调配室,每个所述出气阀的出口与所述气味调配室相连通,所述气味调配室与所述输气口相连通,所述输气口上设有输气阀。
信息处理装置包括信息处理单元和对照存储单元,对照存储单元存储有环境信息与输出气味组分信息的对照模型,对照模型为使用多组数据通过机器学习训练出的,多组数据包括原有存储数据以及历史获取的环境信息数据,信息处理单元用于接收分析环境信息并根据对照模型获得输出气味组分信息。实现机器学习的训练过程,是通过智能化处理器,采用神经网络算法,能够自我学习,分析由传感器传递过来的信息,控制气味生成装置制造气味,并根据每次采集的信息进行对照模型的自我调整,已达到最符合使用者需求的气味。
具体地,环境采集组件包括气味采集装置、视觉图像采集装置和多媒体信息采集装置中的一种或者多种,环境信息中的环境气味信息、环境图像信息和环境多媒体信息分别对应通过气味采集装置、视觉图像采集装置和多媒体信息采集装置来采集。
其中,气味采集装置包括气味传感器组件,气味传感器组件用于接收气味分子信息并将其处理为电信号,具体的,如图2所示,气味传感器组件包括多个气体敏感单元,多个气体敏感单元分别对不同的气体分子具有敏感性,多个气体敏感单元呈阵列式分布。气味传感组件对各自对特定气体具有相对较高的敏感性,由一些不同敏感对象的气体敏感单元构成的组件可以测得被测样品挥发性成分的整体信息,与人的鼻子一样,闻到的是样品的总体气味,常用的传感器按材料分为:金属氧化物型半导体传感器;导电聚合物传感器;质量传感器;光纤气体传感器。导电聚合物传感器:如吡咯、苯胺、噻吩、吲哚等碱性有机物的聚合物及衍生物,当他们与带气味的物质反应后通常引起电阻增加产生信号。导电聚合物传感器:如吡咯、苯胺、噻吩、吲哚等碱性有机物的聚合物及衍生物,当他们与带气味的物质反应后通常引起电阻增加产生信号。
如图3所示,气味传感器组件中的每个气体敏感单元里面的物质会对特定的气体分子产生敏感反应,特定气体分子通过传感器识别后,将各自气体敏感单元产生的特定信号通过信号转换单元转换为电信号,再通过集成在传感器内部的无线信号发射装置将电信号转换为无线信号传递给信号处理单元完成接下来的任务。
基于上述气味采集装置,机器学习具体可以包括嗅觉训练,嗅觉训练为通过气味采集装置获得的被测样品的环境气味信息以及被测样品的标签信息对对照模型进行更新。
进一步地,机器学习还包括通过连接云网络和大数据系统,通过神经网络算法对对照模型进行更新,具体地,用于实现机器学习的信号处理单元采用神经网络方法(ANN)处理信号。
如图4所示,该信号处理单元具有学习能力,可以运用被测样品来训练机器嗅觉系统,使其自我学习。在应用阶段,经过训练的机器嗅觉系统,对被测气体进行识别。本信号处理单元接收到气味采集装置传输过来的信号后,通过神经网络算法进行处理,可以模拟用户喜好分析与储存香氛信息,同时可以通过实时的信息交互进行自我学习,适应与环境的交互,并达到人机的最佳结合。此系统对信号的处理、学习与记忆是一个循环系统,可以不断的进行自我更新、学习与成长,模拟人类思维处理方式,进行更好的人机互动的效果。该处理单元可以视觉、语音与气味等信息进行识别,并将输入的信息进行化学分析后,转化为可以通过气味发生装置制造出来的信号模式,进而完成该系统的运行。该信号处理单元可以通过连接云网络与大数据系统,进行大数据信息的抓取与学习,可以更加智能化的进行人机互动,通过数据的比对,提高气味打印的精确度,能够更加全面的再气味领域完成更多的人类需求。
另外,环境信息采集组件中的视觉图像采集装置,用于采集环境图像信息,其可设置在待调节气味的空间的外部或者内部,视觉图像采集装置为摄像头和/或雷达系统。
进一步地,环境信息采集组件可选地还包括多媒体信息采集装置,多媒体信息采集装置用于采集环境多媒体信息,信息处理单元用于将环境多媒体信息处理得到氛围信息,对照模型包括氛围信息和输出气味组分信息的对照关系。多媒体信息采集装设置在空间内,多媒体信息采集装置可以配合在空间内的视觉图像采集装置和/或气味采集装置来进行主动调节以及完成对照模型的机器训练过程。
进一步地,还包括人机控制装置,人机控制装置用于主动调整输出气味组分信息,人机控制装置包括语音和/或手动控制模块。气味采集装置可以同时分布在空间内部和外部,当用户需要改变空间内气味环境时可通过语音和/或手动控制模块传递到信息处理装置的信号处理单元,经过分析处理后,将需要制造的模拟气味信息传递给气味生成装置进行模拟气味的制造。同样地,当布置在舱内的气味采集装置检测分析出室内空气的气味成分不利于人体健康时,可将识别的信息传递给信息处理装置,通过已训练好的模型进行优化空气环境,保证人体的健康。
本发明的实施例还提供了一种存储介质,存储介质包含有上述存储单元,用于存储对照模型和/或信号处理单元中的相关程序,可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccessMemory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
由上述本发明提供的智能气味识别系统的实施例可见,本发明将实现香氛系统与周围环境、与人的信息交互,提供更系统、更人性化的香氛氛围。如在密闭空间中,本申请可识别外界气味属性,进行智能分析后,为用户提供真实的外界气味氛围;本申请可识别外界场景的图像,进行智能分析后,提供符合场景的香氛氛围;本申请可以识别室内大屏幕上的场景信息,提供符合场景的香氛氛围。本申请可以识别室内气味环境的组分,调节空气质量,提供符合人类健康的气味环境。并且本申请可以通过连接云网络与大数据系统,进行大数据信息的抓取与学习,可以更加智能化的进行人机互动,通过数据的比对,提高气味打印的精确度,具有能够更加全面的再气味领域完成更多的人类需求的优点。
需要说明的是,上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和服务器实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分功能可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能气味识别系统,其特征在于,包括:环境信息采集组件和信息处理装置;
所述环境信息采集组件用于采集环境信息,所述环境信息包括环境气味信息、环境图像信息和环境多媒体信息中的一种或多种;
所述信息处理装置与所述环境信息采集装置数据交互连接,用于根据环境信息分析获得输出气味组分信息,所述输出气味组分信息包括基础气味类型和基础气味输出量;
所述信息处理装置包括信息处理单元和对照存储单元,所述对照存储单元存储有环境信息与输出气味组分信息的对照模型,所述对照模型为使用多组数据通过机器学习训练出的,所述多组数据包括原有存储数据以及历史获取的所述环境信息数据,所述信息处理单元用于接收分析所述环境信息并根据对照模型获得所述输出气味组分信息。
2.根据权利要求1所述的智能气味识别系统,其特征在于,所述环境采集组件包括气味采集装置,所述气味采集装置用于采集环境气味信息。
3.根据权利要求2所述的智能气味识别系统,其特征在于,所述气味采集装置包括气味传感器组件,所述气味传感器组件用于接收气味分子信息并将其处理为电信号。
4.根据权利要求3所述的智能气味识别系统,其特征在于,所述气味传感器组件包括多个气体敏感单元,多个气体敏感单元分别对不同的气体分子具有敏感性,多个所述气体敏感单元呈阵列式分布。
5.根据权利要求2所述的智能气味识别系统,其特征在于,所述机器学习还包括嗅觉训练,所述嗅觉训练为通过气味采集装置获得的被测样品的环境气味信息以及被测样品的标签信息对所述对照模型进行更新。
6.根据权利要求1所述的智能气味识别系统,其特征在于,所述机器学习还包括通过连接云网络和大数据系统,通过神经网络算法对所述对照模型进行更新。
7.根据权利要求1所述的智能气味识别系统,其特征在于,所述环境信息采集组件还包括视觉图像采集装置,所述视觉传感器用于采集所述环境图像信息,所述视觉图像采集装置为摄像头和/或雷达系统。
8.据权利要求1所述的智能气味识别系统,其特征在于,所述环境信息采集组件还包括多媒体信息采集装置,所述多媒体信息采集装置用于采集所述环境多媒体信息,所述信息处理单元用于将所述环境多媒体信息处理得到氛围信息,所述对照模型包括所述氛围信息和所述输出气味组分信息的对照关系。
9.据权利要求1所述的智能气味识别系统,其特征在于,还包括人机控制装置,所述人机控制装置用于主动调整所述输出气味组分信息,所述人机控制装置包括语音和/或手动控制模块。
10.据权利要求9所述的智能气味识别系统,其特征在于,所述机器学习还包括根据历史主动调整来训练所述对照模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010084653.8A CN111401129A (zh) | 2020-02-10 | 2020-02-10 | 一种智能气味识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010084653.8A CN111401129A (zh) | 2020-02-10 | 2020-02-10 | 一种智能气味识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111401129A true CN111401129A (zh) | 2020-07-10 |
Family
ID=71432632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010084653.8A Pending CN111401129A (zh) | 2020-02-10 | 2020-02-10 | 一种智能气味识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401129A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882392A (zh) * | 2020-07-24 | 2020-11-03 | 珠海格力电器股份有限公司 | 气味分享方法、存储介质、气味模拟装置及气味识别装置 |
CN112413855A (zh) * | 2020-11-17 | 2021-02-26 | 珠海格力电器股份有限公司 | 空气调节方法、装置及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107773777A (zh) * | 2016-08-24 | 2018-03-09 | 法乐第(北京)网络科技有限公司 | 一种香氛喷射方法与装置 |
CN107909501A (zh) * | 2017-12-05 | 2018-04-13 | 阿里巴巴集团控股有限公司 | 气味与行为的关联方法、气味社交方法及装置 |
CN207697436U (zh) * | 2017-08-27 | 2018-08-07 | 重庆大学 | 一种基于环境识别的气味发生器 |
CN108390982A (zh) * | 2018-01-10 | 2018-08-10 | 广东欧珀移动通信有限公司 | 电子设备及其控制方法、装置、存储介质 |
US20180260686A1 (en) * | 2017-03-09 | 2018-09-13 | Tata Consultancy Services Limited | Electronic sensing systems and methods thereof |
CN108638804A (zh) * | 2018-03-27 | 2018-10-12 | 斑马网络技术有限公司 | 车载气味生成系统及其应用 |
CN108965963A (zh) * | 2018-09-30 | 2018-12-07 | 联想(北京)有限公司 | 电子设备 |
CN109540978A (zh) * | 2018-12-13 | 2019-03-29 | 清华大学 | 气味识别设备 |
-
2020
- 2020-02-10 CN CN202010084653.8A patent/CN111401129A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107773777A (zh) * | 2016-08-24 | 2018-03-09 | 法乐第(北京)网络科技有限公司 | 一种香氛喷射方法与装置 |
US20180260686A1 (en) * | 2017-03-09 | 2018-09-13 | Tata Consultancy Services Limited | Electronic sensing systems and methods thereof |
CN207697436U (zh) * | 2017-08-27 | 2018-08-07 | 重庆大学 | 一种基于环境识别的气味发生器 |
CN107909501A (zh) * | 2017-12-05 | 2018-04-13 | 阿里巴巴集团控股有限公司 | 气味与行为的关联方法、气味社交方法及装置 |
CN108390982A (zh) * | 2018-01-10 | 2018-08-10 | 广东欧珀移动通信有限公司 | 电子设备及其控制方法、装置、存储介质 |
CN108638804A (zh) * | 2018-03-27 | 2018-10-12 | 斑马网络技术有限公司 | 车载气味生成系统及其应用 |
CN108965963A (zh) * | 2018-09-30 | 2018-12-07 | 联想(北京)有限公司 | 电子设备 |
CN109540978A (zh) * | 2018-12-13 | 2019-03-29 | 清华大学 | 气味识别设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882392A (zh) * | 2020-07-24 | 2020-11-03 | 珠海格力电器股份有限公司 | 气味分享方法、存储介质、气味模拟装置及气味识别装置 |
CN112413855A (zh) * | 2020-11-17 | 2021-02-26 | 珠海格力电器股份有限公司 | 空气调节方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353257A (zh) | 一种空间气味调节系统 | |
Eliasmith | The third contender: A critical examination of the dynamicist theory of cognition | |
Dewan et al. | A deep learning approach to detecting engagement of online learners | |
CN111401129A (zh) | 一种智能气味识别系统 | |
CN108039988A (zh) | 设备控制处理方法及装置 | |
CN108983625B (zh) | 一种智能家居系统及服务生成方法 | |
CN112842690A (zh) | 具有维度数据缩减的机器视觉 | |
CN105511608A (zh) | 基于智能机器人的交互方法及装置、智能机器人 | |
CN104346503A (zh) | 一种基于人脸图像的情感健康监控方法及手机 | |
CN112286263A (zh) | 一种农作物的调控方法、装置、系统及通信设备 | |
CN111110902A (zh) | 香薰机的控制方法、装置、存储介质及电子设备 | |
CN116916497B (zh) | 基于嵌套态势识别的落地柱形氛围灯光照控制方法及系统 | |
CN114898460B (zh) | 一种基于图卷积神经网络的教师非言语行为检测方法 | |
CN117711309B (zh) | 基于mcu控制器的led显示控制方法及系统 | |
CN111476217A (zh) | 基于情绪识别的智能学习系统和方法 | |
CN108052858A (zh) | 抽油烟机的控制方法和抽油烟机 | |
Russ et al. | Situation-dependent behavior in building automation | |
WO2020078076A1 (zh) | 控制空调的方法及系统、空调器、家用电器 | |
CN207851897U (zh) | 基于TensorFlow的人工智能的教学系统 | |
CN107883520B (zh) | 基于空调设备的提醒方法及装置、终端 | |
CN112218414A (zh) | 一种自适应设备亮度调节的方法及系统 | |
CN114442697B (zh) | 一种温度控制方法、设备、介质及产品 | |
CN110867106B (zh) | 语文教学系统 | |
Zhang et al. | Spatio–temporal multimodal developmental learning | |
CN115047773A (zh) | 一种智能家居自动控制方法、装置及智能网关 |
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 |