CN111598217A - 一种自动盖被方法、存储介质、电子设备及智能机械手 - Google Patents

一种自动盖被方法、存储介质、电子设备及智能机械手 Download PDF

Info

Publication number
CN111598217A
CN111598217A CN202010374724.8A CN202010374724A CN111598217A CN 111598217 A CN111598217 A CN 111598217A CN 202010374724 A CN202010374724 A CN 202010374724A CN 111598217 A CN111598217 A CN 111598217A
Authority
CN
China
Prior art keywords
information
user
covering
environmental
preset
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.)
Withdrawn
Application number
CN202010374724.8A
Other languages
English (en)
Inventor
陈向文
宋德超
陈翀
罗晓宇
黄智刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010374724.8A priority Critical patent/CN111598217A/zh
Publication of CN111598217A publication Critical patent/CN111598217A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • 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
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本申请涉及一种自动盖被方法、存储介质、电子设备及智能机械手，方法包括：获取用户所处环境的环境信息和用户状态信息，利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息，并根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体，通过上述方法以在用户在睡觉，并因翻身、移动或者睡前盖被情况不合理时，及时根据用户所处环境的环境信息及用户的身体状态信息控制机械手拾取遮盖物合理遮盖用户的身体，以避免用户睡觉时，由于遮盖物遮盖不合理，使得用户睡眠质量差，或者造成用户身体不适的情况。

Description

一种自动盖被方法、存储介质、电子设备及智能机械手
技术领域
本申请涉及智能设备技术领域，特别地，涉及一种自动盖被方法、存储介质、电子设备及智能机械手。
背景技术
用户身体情况和睡眠情况关乎用户工作和生活众多方面，目前，市面产品多以借助温湿度调节设备改变用户所处环境参数间接提升用户睡眠质量，比如智能化空调设备以采集用户环境参数调节温度和环境湿度等。但是，多数用户可能在睡前未开通智能化设备或在开着的情况下睡觉，因此现有技术中为保障用户的睡眠质量，通常是智能化空调设备以采集环境参数调节温度和环境湿度等，以根据采集的环境参数调节相应的智能化空调设备的工作状态以达到提升用户睡眠质量并避免用户的身体发生感冒的目的。
发明人经研究发现，用户在睡觉中会因个人生活习惯问题，如在睡眠过程中掀被子、翻身或移动从而导致遮盖物移开，但随着遮盖物移开身体时间过长而未及时再次将遮盖物遮盖在用户身体上，可能会导致用户发生感冒或造成睡眠质量差的问题。
发明内容
针对上述问题，本申请提供一种自动盖被方法、存储介质、电子设备及智能机械手，以自动拾取遮盖物遮盖用户的身体，避免用户发生感冒或造成睡眠质量差的问题。
第一方面，本申请提供了一种自动盖被方法，所述方法包括：
获取用户所处环境的环境信息和用户状态信息；
利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息；
根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体。
可选的，在上述自动盖被方法中，所述神经网络模型为BP神经网络模型，所述BP神经网络模型利用包括输入层、隐藏层和输出层的BP神经网络进行训练得到，所述BP神经网络模型的训练过程包括以下步骤：
步骤a：将训练样本中的环境样本信息和用户样本状态信息输入至所述输入层，将所述训练样本中的样本遮盖信息输入至所述隐藏层，以使所述输出层输出预测遮盖信息；
步骤b：判断输出层输出的预测遮盖信息与所述样本遮盖信息之间的误差是否小于预设计算精度值；
若所述误差不小于所述预设计算精度值，则执行步骤c：调整该BP神经网络模型连接权值和节点阈值，并返回执行步骤a，直至输出的预测遮盖信息与所述样本遮盖信息之间的误差小于预设计算精度值或迭代次数达到最大学习次数时，得到训练的神经网络模型。
可选的，在上述自动盖被方法中，所述环境信息包括环境温度值和环境湿度值，获取用户所处环境的环境信息，包括：
获取环境温度检测传感器检测到的环境温度值和湿度检测传感器检测到的环境湿度值。
可选的，在上述自动盖被方法中，所述用户状态信息包括用户睡眠状态信息、用户身体姿态信息以及体表温度信息，获取用户状态信息，包括：
获取人体温度检测传感器采集到的用户的体表温度信息、摄像头采集到的用户的身体姿态信息以及与睡眠检测设备采集到的用户睡眠状态信息。
可选的，在上述自动盖被方法中，所述遮盖信息包括遮盖力度、遮盖面积以及遮盖角度，根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体，包括：
根据用户的身体姿态信息控制所述机械手的驱动设备驱动该机械手按照所述遮盖力度和遮盖角度拾取遮盖物遮盖所述用户的身体，以使遮盖物遮盖的用户的身体面积为所述遮盖面积。
可选的，在上述自动盖被方法中，所述方法还包括：
判断所述环境信息是否满足预设环境条件；
在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，并将该设备状态控制信息发送至关联的智能家居设备，以使所述智能家居设备根据所述设备状态控制信息调整工作状态。
可选的，在上述自动盖被方法中，所述环境信息包括环境湿度值和环境温度值，所述智能家居设备包括空调、加湿器以及除湿器，判断所述环境信息是否满足预设环境条件，包括：
判断所述环境湿度值是否在预设湿度范围内，以及判断所述环境温度值是否在预设环境温度范围内；
在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，包括：
在所述环境温度值不在预设环境温度范围内时，从预设环境温度范围与空调设备的工作状态对应关系表中查找与所述环境温度值对应的空调设备状态控制信息，并发送至所述空调设备；
在所述环境湿度值大于所述预设环境湿度范围的最大值时，从预设环境湿度范围与除湿设备工作状态对应关系表中查找与所述湿度值对应的除湿设备状态控制信息，并发送至所述除湿设备；
在所述环境湿度值小于所述预设环境湿度范围的最小值时，从预设环境湿度范围与加湿设备工作状态对应关系表中查找与所述湿度值对应的加湿设备状态控制信息，并发送至所述加湿设备。
第二方面，本申请还提供一种存储介质，该存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如上述的自动盖被方法。
第三方面，本申请还提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如上述的自动盖被方法。
第四方面，本申请还提供一种智能机械手，包括：
机械手；
驱动设备，用于驱动所述机械手拾取遮盖物进行遮盖操作；
控制器，所述控制器与所述驱动设备电连接，并用于获取用户所处环境的环境信息和用户状态信息，利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息，根据所述遮盖信息控制所述驱动设备驱动所述机械手拾取遮盖物遮盖用户的身体。
可选的，在上述智能机械手中，所述智能机械手还包括：
环境温度检测传感器，用于检测环境温度值；
湿度检测传感器，用于检测环境湿度值；
所述控制器，与所述环境温度检测传感器和湿度检测传感器分别电连接，所述控制器还用于获取所述环境温度值和环境湿度值。
可选的，在上述智能机械手中，所述智能机械手还包括：
人体温度检测传感器，用于采集用户的体表温度信息；
摄像头，用于采集用户的身体姿态信息；
所述控制器，与所述人体温度检测传感器和摄像头分别电连接，所述控制器还用于获取所述用户的体表温度信息和所述用户的身体姿态信息。
可选的，在上述智能机械手中，所述智能机械手关联有睡眠检测设备；
所述睡眠检测设备用于检测用户的睡眠状态，并将该睡眠状态发送至所述控制器。
可选的，在上述智能机械手中，所述智能机械手还关联有智能家居设备，所述控制器还用于在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，并将该设备状态控制信息发送至所述智能家居设备，以使所述智能家居设备根据所述设备状态控制信息调整工作状态。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本申请提供的一种自动盖被方法、存储介质、电子设备及智能机械手，方法包括：获取用户所处环境的环境信息和用户状态信息，利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息，根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体。通过采用上述方法，以实现根据用户所处环境和用户的状态自动拾取遮盖物遮盖用户的身体，避免用户发生感冒或睡眠质量差的问题。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种自动盖被方法的流程示意图。
图2为本申请实施例提供的一种BP神经网络模型的训练方法的流程示意图。
图3为本申请实施例提供的一种BP神经网络的层级结构示意图。
图4为本申请实施例提供的一种自动盖被方法的另一流程示意图。
图5为本申请实施例提供的一种智能机械手的连接框图。
图标：
10-智能机械手；11-控制器；12-驱动设备；13-环境温度检测传感器；14-湿度检测传感器；15-人体温度检测传感器；16-摄像头；20-睡眠检测设备；30-智能家居设备。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
实施例一
请参阅图1，本申请提供一种自动盖被方法，该自动盖被方法可以应用于电子设备，其中，所述电子设备可以是智能机械手，也可以是电脑、手机或平板电脑等任意具有数据处理和控制功能的设备，所述自动盖被方法应用于所述电子设备时，执行步骤S110-S130。
步骤S110：获取用户所处环境的环境信息和用户状态信息。
步骤S120：利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息。
步骤S130：根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体。
通过采用上述方法，以实现根据用户所处的环境信息及状态信息拾取遮盖物遮盖用户的身体，从而可以有效确保用户睡眠质量，以及避免因遮盖物遮盖用户不合理时造成的用户身体不适，如发生感冒的情况。
在步骤S110中，获取用户所处环境的环境信息的方式可以是，获取设置于用户所处环境内的环境检测传感器、环境检测设备或设置有环境检测传感器的智能家居设备检测到的环境信息，也可以是获取所述电子设备包括的环境检测传感器检测到的环境信息，在此不做具体限定，根据实际需求进行设置即可。
所述环境检测传感器或环境检测传感设备可以包括湿度检测传感器、环境温度检测传感器、有毒气体检测传感器以及PM2.5检测传感器中的一种或多种。
可选的，在本实施例中，获取用户所处环境的环境信息包括：获取环境温度检测传感器检测到的环境温度值和湿度检测传感器检测到的环境湿度值。
所述用户状态信息可以包括用户的身体姿态信息、用户的体表温度信息、用户的睡眠状态信息中的一种或多种。其中，所述睡眠状态可以是未入睡状态、深睡眠状态或浅睡眠状态。
获取用户状态信息可以是，获取用户穿戴的穿戴设备检测到的用户状态信息，也可以是获取免接触式状态监测设备(如：红外人体检测传感器和摄像头)采集到的用户状态信息(体表温度信息和身体姿态)，还可以是获取设置于床垫或枕头的睡眠检测以检测到的用户睡眠状态信息，根据实际需求进行设置即可。
在本实施例中，所述用户状态信息包括用户睡眠状态信息、用户身体姿态信息以及体表温度信息，获取用户状态信息，包括：获取人体温度检测传感器采集到的用户的体表温度信息、摄像头采集到的用户的身体姿态信息以及与睡眠检测设备采集到的用户睡眠状态信息。
其中，睡眠检测设备可以是穿戴式设备，如具有睡眠状态监测功能的智能手表，也可以是睡眠检测仪，还可以是具有睡眠状态监测功能的床垫或枕头，在此不做具体限定，根据实际需求进行设置即可。
在步骤S120中，所述遮盖信息包括遮盖面积、遮盖角度以及遮盖力度等信息中的一种或多种。所述神经网络模型可以是BP神经网络模型，也可以是卷积神经网络模型，还可以是循环神经网络模型，在此不做具体限定，根据实际需求进行设置即可。
请结合参阅图2，可选的，在本实施例中，所述神经网络模型为BP神经网络模型，所述BP神经网络模型利用包括输入层、隐藏层和输出层的BP神经网络进行训练得到，所述BP神经网络模型的训练过程包括步骤S210-步骤S240。
步骤S210：将训练样本中的环境样本信息和用户样本状态信息输入至所述输入层，将所述训练样本中的样本遮盖信息输入至所述隐藏层，以使所述输出层输出预测遮盖信息。
步骤S220：判断输出层输出的预测遮盖信息与所述样本遮盖信息之间的误差是否小于预设计算精度值。
若所述误差不小于所述预设计算精度值，则执行步骤S230：调整该BP神经网络模型连接权值和节点阈值，并返回执行步骤S210。
若小于，则执行步骤S240：在输出的预测遮盖信息与所述样本遮盖信息之间的误差小于预设计算精度值或迭代次数达到最大学习次数时，得到训练的神经网络模型。
请结合参阅图3，需要说明的是，所述BP神经网络的输入层有n个神经元，隐藏层有p个神经元，输出层有q个神经元，输入层的输入向量为x，隐藏层的输入向量和输出向量分别为hi、ho，输出层的输入向量和输出向量分别为yi和yo，期望输出量为do，所述BP神经网络的输入层与隐藏层权重值wih、隐藏层与输出层权重值who、输入层与隐藏层阈值bih、隐藏层与输出层阈值bho、误差函数E、激活函数F、计算精度值ε以及最大学习次数M，且上述的各个参数根据实际需求进行配置即可，在此不作限定。
其中，当所述遮盖信息包括遮盖力度、遮盖面积以及遮盖角度时，将训练样本中的环境样本信息和用户样本状态信息输入至所述输入层时，每个训练样本中环境样本信息的一个环境样本因素或用户样本状态信息中的一个用户样本因素对应输入至输入层的一个神经元中。例如，当环境样本信息中包括环境温度样本因素、环境湿度样本因素，且用户状态样本信息包括用户体表温度样本因素、用户睡眠时体态动作样本因素以及睡眠状态样本因素时，每个训练样本中的环境信息中的每个样本因素和用户状态样本信息中的每个样本因素分别输入至所述输入层的每个神经元。
将训练样本中的环境样本信息和用户样本状态信息输入至所述输入层时，具体是随机选取第k个训练样本：x(k)＝(x1(k),x2(k),…,xn(k))及该样本对应期望输出值：do(k)＝(d1(k),d2(k),…,dn(k))，计算各隐藏层中各神经元的输入与输出值。其中，x(k)为第k个训练样本的输入，xn(k)为第K个训练样本的环境信息中的每个样本因素或用户状态样本信息中的每个样本因素。do(k)为为第k个训练样本的期望，dn(k)第K个训练样本的环境信息中的每个样本因素或用户状态样本信息中的每个样本因素的期望。
所述训练样本中的样本遮盖信息输入至所述隐藏层时，隐藏层中输入向量hi(k)和输出向量ho(k)分别利用以下公式计算得到，其中，
Figure BDA0002479577280000081
wih为输入层与隐藏层权重值，bih为输入层与隐藏层阈值，xi(h)为第h个输入样本中第i个参量，ho(k)＝F(hi(k))，其中，F为激活函数。
所述输出层输出预测遮盖信息时，所述输出层的输入向量yi(k)和输出向量yo(k)分别利用以下公式获得：
Figure BDA0002479577280000082
who为隐藏层与输出层权重值，ho(k)为隐藏层与输出层阈值，bho为隐藏层与输出层阈值，yo(k)＝F(yi(k))，F为激活函数。
通过利用误差函数对输出层、隐藏层的各神经元求偏导数并利用反向传递修正各连接权重值，并在修正后利用误差函数计算输出层输出的预测遮盖信息与所述样本遮盖信息之间的误差，并在该误差小于预设计算精度值或迭代次数达到最大学习次数时，得到训练的神经网络模型，进而可以有效保障获得的训练的神经网络模型的可靠性。
在通过上述方法步骤建立BP神经网络，并利用BP神经网络和训练样本训练得到训练的BP神经网络模型后，将所述环境信息和用户状态信息输入至所述BP神经网络输入层，以得到与所述环境信息和用户状态信息对应的遮盖信息。
在步骤S130中，所述遮盖物可以是凉被、毯子或被子等，任意位于用户所躺卧位置或所坐位置预设范围内并可对用户进行遮盖的物体，根据所述遮盖信息控制机械手执行遮盖操作具体可以是：
当所述遮盖信息包括遮盖力度、遮盖面积以及遮盖角度时，根据用户的身体姿态信息控制所述机械手的驱动设备驱动该机械手按照所述遮盖力度和遮盖角度拾取遮盖物遮盖所述用户的身体，以使遮盖物遮盖的用户的身体面积为所述遮盖面积。
通过上述步骤，可以在用户在睡觉时，因翻身、移动或者睡前盖被情况不合理时，及时根据用户所处环境的环境信息及用户的身体状态信息控制机械手拾取遮盖物合理遮盖用户的身体，以避免用户睡觉时，由于遮盖物遮盖不合理，使得用户睡眠质量差，或者造成用户身体不适的情况。此外，还可以解决在婴儿或小孩翻身时，造成被子滑落的情况，从而需要父母经常帮小孩盖被而存在不便的问题。
请结合参阅图4，为使得用户所处环境为适宜睡眠的环境，在本实施例中，所述电子设备还可以关联有智能家居设备，所述自动盖被方法还包括：
步骤S140：判断所述环境信息是否满足预设环境条件。
其中，当环境信息中包括环境湿度值、环境温度值、PM2.5检测值以及有害气体检测值时，判断所述环境信息是否满足预设环境条件的方式具体可以判断各检测值是否在对应的阈值范围内。
在本实施例中，当所述环境信息包括环境湿度值和环境温度值，所述智能家居设备包括空调、加湿器以及除湿器时，上述步骤可以是：
判断所述环境湿度值是否在预设湿度范围内，以及判断所述环境温度值是否在预设环境温度范围内。
步骤S150：在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，并将该设备状态控制信息发送至关联的智能家居设备，以使所述智能家居设备根据所述设备状态控制信息调整工作状态。
在所述环境信息不满足预设环境条件时，例如，在环境湿度值、环境温度值、PM2.5检测值以及有害气体检测值不满足对应的预设条件时，控制与不满足对应预设条件的检测值所对应的调节设备的工作状态，以调节相应的检测值。
具体的，在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，包括：
在所述环境温度值不在预设环境温度范围内时，从预设环境温度范围与空调设备的工作状态对应关系表中查找与所述环境温度值对应的空调设备状态控制信息，并发送至所述空调设备；
在所述环境湿度值大于所述预设环境湿度范围的最大值时，从预设环境湿度范围与除湿设备工作状态对应关系表中查找与所述湿度值对应的除湿设备状态控制信息，并发送至所述除湿设备；以及
在所述环境湿度值小于所述预设环境湿度范围的最小值时，从预设环境湿度范围与加湿设备工作状态对应关系表中查找与所述湿度值对应的加湿设备状态控制信息，并发送至所述加湿设备。
通过上述方法，以根据环境信息控制智能家居的工作状态，进而保障用户所处环境为适宜睡眠的环境，从而可以有效提高用户的睡眠质量，并进一步避免用户出现身体不适的问题。
实施例二
本实施例还提供了一种存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，计算机程序被执行时，可实现上述实施例一中提供的自动盖被方法。
关于所述自动盖被方法的具体描述可以参阅上述实施例一中的具体描述，在本实施例不再重复赘述。
实施例三
本申请实施例提供了一种电子设备，该电子设备可以是手机、电脑或平板电脑等，还可以是智能控制设备，如智能机械手，包括存储器和处理器，所述存储器上存储有计算器程序，该计算机程序被处理器执行时实现如实施例一中所述的自动盖被方法。可以理解，电子设备还可以包括，多媒体组件，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中的自动盖被方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的自动盖被方法中的全部或部分步骤。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
实施例四
请参阅图5，本申请实施例提供了一种智能机械手10，所述智能机械手10包括：机械手、驱动设备12以及控制器11，所述驱动设备12与所述机械手连接，以及与所述控制器11电连接。
所述机械手是一种能模仿人手和臂的某些动作功能，用以按固定程序抓取、搬运物件或操作工具的自动操作装置，其可以通过编程来完成各种预期的作业，构造和性能上兼有人和机器各自的优点。在本实施例中，所述机械手可以设置于床上，也可以设置于躺椅或沙发上，还可以设置于可移动的基座上，在此不做具体限定，只要能够在拾取遮盖物遮盖用户的身体即可。
所述驱动设备12可以是电机，用于驱动所述机械手执行操作，如拾取遮盖物遮盖用户的身体。
所述控制器11用于获取用户所处环境的环境信息和用户状态信息，利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息，根据所述遮盖信息控制所述驱动设备12驱动所述机械手拾取遮盖物遮盖用户的身体。
关于所述控制器11利用训练的神经网络模型对所述环境信息和用户状态信息进行处理以得到遮盖信息并根据遮盖信息控制驱动设备12驱动机械臂拾取遮盖物遮盖用户的身体的具体过程可以参照实施例一中的具体描述，在本实施例不再重复赘述。
为便于所述智能机械手10获取所述环境信息，在本实施例中，所述智能机械手10还包括环境温度检测传感器13和湿度检测传感器14，所述环境温度检测传感器13和所述湿度检测传感器14分别与所述控制器11电连接，且分别设置于所述机械手。
其中，所述环境温度检测传感器13用于检测环境温度值，所述湿度检测传感器14用于检测环境湿度值，所述控制器11用于获取所述环境温度值和所述环境湿度值。
所述用户状态信息包括用户的身体姿态信息、体表温度信息以及睡眠状态信息，为便于所述智能机械手10获知用户的身体姿态信息和体表温度信息，在本实施例中，所述智能机械手10还包括人体温度检测传感器15和摄像头16，所述人体温度检测传感器15和所述摄像头16分别与所述控制器11电连接，且分别设置于所述机械手。
其中，所述人体温度检测传感器15用于采集用户的体表温度信息，所述摄像头16用于采集用户的身体姿态信息，所述控制器11用于获取所述体表温度信息和所述身体姿态信息。关于所述人体温度检测传感器15和所述摄像头16设置于所述机械手的具体位置在此不做具体限定，只要能够实现相应的功能即可，在此不做具体限定。
所述用户的睡眠状态信息可以由设置于所述机械手的睡眠检测设备20检测得到，也可以由与所述控制器11关联的睡眠检测设备20检测得到，在此不做具体限定，根据实际需求进行设置即可。
在本实施例中，所述智能机械手10(的控制器11)关联有睡眠检测设备20，所述睡眠检测设备20包括智能穿戴设备、睡眠检测仪以及检测睡眠质量的床或枕头中的至少一种。
所述睡眠检测设备20用于检测用户的睡眠状态，并将该睡眠状态发送至所述控制器11。
为保障用户的睡眠环境适宜，进而避免造成用户睡眠不佳以及影响用户身体的问题，可选的，在本实施例中，所述智能机械手10还关联有智能家居设备30，所述控制器11还用于在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，并将该设备状态控制信息发送至所述智能家居设备30，以使所述智能家居设备30根据所述设备状态控制信息调整工作状态。
具体的，所述智能家居设备30可以包括空调、加湿器以及除湿器，所述控制器11还用于在所述环境温度值不在预设环境温度范围内时，从预设环境温度范围与空调设备的工作状态对应关系表中查找与所述环境温度值对应的空调设备状态控制信息，并发送至所述空调设备；在所述环境湿度值大于所述预设环境湿度范围的最大值时，从预设环境湿度范围与除湿设备工作状态对应关系表中查找与所述湿度值对应的除湿设备状态控制信息，并发送至所述除湿设备；以及在所述环境湿度值小于所述预设环境湿度范围的最小值时，从预设环境湿度范围与加湿设备工作状态对应关系表中查找与所述湿度值对应的加湿设备状态控制信息，并发送至所述加湿设备。
综上，本申请提供的一种自动盖被方法、存储介质、电子设备及智能机械手，通过获取用户所处环境的环境信息和用户状态信息，利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息，并根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体，进而可以在用户在睡觉，并因翻身、移动或者睡前盖被情况不合理时，及时根据用户所处环境的环境信息及用户的身体状态信息控制机械手拾取遮盖物合理遮盖用户的身体，以避免用户睡觉时，由于遮盖物遮盖不合理，使得用户睡眠质量差，或者造成用户身体不适的情况。此外，还可以解决在婴儿或小孩翻身时，造成被子滑落的情况，从而需要父母经常帮小孩盖被而存在不便的问题。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的设备和方法，也可以通过其它的方式实现。以上所描述的设备和方法实施例仅仅是示意性的。
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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (14)

1.一种自动盖被方法，其特征在于，所述方法包括：
获取用户所处环境的环境信息和用户状态信息；
利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息；
根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体。
2.根据权利要求1所述的自动盖被方法，其特征在于，所述神经网络模型为BP神经网络模型，所述BP神经网络模型利用包括输入层、隐藏层和输出层的BP神经网络进行训练得到，所述BP神经网络模型的训练过程包括以下步骤：
步骤a：将训练样本中的环境样本信息和用户样本状态信息输入至所述输入层，将所述训练样本中的样本遮盖信息输入至所述隐藏层，以使所述输出层输出预测遮盖信息；
步骤b：判断输出层输出的预测遮盖信息与所述样本遮盖信息之间的误差是否小于预设计算精度值；
若所述误差不小于所述预设计算精度值，则执行步骤c：调整该BP神经网络模型连接权值和节点阈值，并返回执行步骤a，直至输出的预测遮盖信息与所述样本遮盖信息之间的误差小于预设计算精度值或迭代次数达到最大学习次数时，得到训练的神经网络模型。
3.根据权利要求1所述的自动盖被方法，其特征在于，所述环境信息包括环境温度值和环境湿度值，获取用户所处环境的环境信息，包括：
获取环境温度检测传感器检测到的环境温度值和湿度检测传感器检测到的环境湿度值。
4.根据权利要求1所述的自动盖被方法，其特征在于，所述用户状态信息包括用户睡眠状态信息、用户身体姿态信息以及体表温度信息，获取用户状态信息，包括：
获取人体温度检测传感器采集到的用户的体表温度信息、摄像头采集到的用户的身体姿态信息以及与睡眠检测设备采集到的用户睡眠状态信息。
5.根据权利要求1所述的自动盖被方法，其特征在于，所述遮盖信息包括遮盖力度、遮盖面积以及遮盖角度，根据所述遮盖信息控制机械手拾取遮盖物遮盖用户的身体，包括：
根据用户的身体姿态信息控制所述机械手的驱动设备驱动该机械手按照所述遮盖力度和遮盖角度拾取遮盖物遮盖所述用户的身体，以使遮盖物遮盖的用户的身体面积为所述遮盖面积。
6.根据权利要求1所述的自动盖被方法，其特征在于，所述方法还包括：
判断所述环境信息是否满足预设环境条件；
在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，并将该设备状态控制信息发送至关联的智能家居设备，以使所述智能家居设备根据所述设备状态控制信息调整工作状态。
7.根据权利要求6所述的自动盖被方法，其特征在于，所述环境信息包括环境湿度值和环境温度值，所述智能家居设备包括空调、加湿器以及除湿器，判断所述环境信息是否满足预设环境条件，包括：
判断所述环境湿度值是否在预设湿度范围内，以及判断所述环境温度值是否在预设环境温度范围内；
在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，包括：
在所述环境温度值不在预设环境温度范围内时，从预设环境温度范围与空调设备的工作状态对应关系表中查找与所述环境温度值对应的空调设备状态控制信息，并发送至所述空调设备；
在所述环境湿度值大于所述预设环境湿度范围的最大值时，从预设环境湿度范围与除湿设备工作状态对应关系表中查找与所述湿度值对应的除湿设备状态控制信息，并发送至所述除湿设备；
在所述环境湿度值小于所述预设环境湿度范围的最小值时，从预设环境湿度范围与加湿设备工作状态对应关系表中查找与所述湿度值对应的加湿设备状态控制信息，并发送至所述加湿设备。
8.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被一个或多个处理器执行时，实现如权利要求1-7中任意一项所述的自动盖被方法。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-7中任意一项所述的自动盖被方法。
10.一种智能机械手，其特征在于，包括：
机械手；
驱动设备，用于驱动所述机械手拾取遮盖物进行遮盖操作；
控制器，所述控制器与所述驱动设备电连接，并用于获取用户所处环境的环境信息和用户状态信息，利用训练的神经网络模型对所述环境信息和用户状态信息进行处理，以得到与所述环境信息和用户状态信息对应的遮盖信息，根据所述遮盖信息控制所述驱动设备驱动所述机械手拾取遮盖物遮盖用户的身体。
11.根据权利要求10所述的智能机械手，其特征在于，所述智能机械手还包括：
环境温度检测传感器，用于检测环境温度值；
湿度检测传感器，用于检测环境湿度值；
所述控制器，与所述环境温度检测传感器和湿度检测传感器分别电连接，所述控制器还用于获取所述环境温度值和环境湿度值。
12.根据权利要求10所述的智能机械手，其特征在于，所述智能机械手还包括：
人体温度检测传感器，用于采集用户的体表温度信息；
摄像头，用于采集用户的身体姿态信息；
所述控制器，还用于与所述人体温度检测传感器和摄像头分别电连接以获取所述用户的体表温度信息和所述用户的身体姿态信息。
13.根据权利要求10所述的智能机械手，其特征在于，所述智能机械手关联有睡眠检测设备；
所述睡眠检测设备用于检测用户的睡眠状态，并将该睡眠状态发送至所述控制器。
14.根据权利要求10所述的智能机械手，其特征在于，所述智能机械手还关联有智能家居设备，所述控制器还用于在所述环境信息不满足预设环境条件时，从预设的环境信息与状态控制信息对应关系表中查找与所述环境信息对应的设备状态控制信息，并将该设备状态控制信息发送至所述智能家居设备，以使所述智能家居设备根据所述设备状态控制信息调整工作状态。
CN202010374724.8A 2020-05-06 2020-05-06 一种自动盖被方法、存储介质、电子设备及智能机械手 Withdrawn CN111598217A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010374724.8A CN111598217A (zh) 2020-05-06 2020-05-06 一种自动盖被方法、存储介质、电子设备及智能机械手

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010374724.8A CN111598217A (zh) 2020-05-06 2020-05-06 一种自动盖被方法、存储介质、电子设备及智能机械手

Publications (1)

Publication Number Publication Date
CN111598217A true CN111598217A (zh) 2020-08-28

Family

ID=72189584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010374724.8A Withdrawn CN111598217A (zh) 2020-05-06 2020-05-06 一种自动盖被方法、存储介质、电子设备及智能机械手

Country Status (1)

Country Link
CN (1) CN111598217A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112283906A (zh) * 2020-10-22 2021-01-29 佛山市顺德区美的电子科技有限公司 一种空调控制方法及装置、控制设备、空调、存储介质
CN114027669A (zh) * 2021-12-10 2022-02-11 珠海格力电器股份有限公司 床垫受力调整方法、装置、床垫及存储介质
CN114158883A (zh) * 2021-11-09 2022-03-11 珠海格力电器股份有限公司 用户盖被子的监控方法和装置、床
CN115577266A (zh) * 2022-11-25 2023-01-06 深圳市警泰欣科技有限公司 一种行动约束装置的智能控制方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112283906A (zh) * 2020-10-22 2021-01-29 佛山市顺德区美的电子科技有限公司 一种空调控制方法及装置、控制设备、空调、存储介质
CN114158883A (zh) * 2021-11-09 2022-03-11 珠海格力电器股份有限公司 用户盖被子的监控方法和装置、床
CN114158883B (zh) * 2021-11-09 2023-08-15 珠海格力电器股份有限公司 用户盖被子的监控方法和装置、床
CN114027669A (zh) * 2021-12-10 2022-02-11 珠海格力电器股份有限公司 床垫受力调整方法、装置、床垫及存储介质
CN115577266A (zh) * 2022-11-25 2023-01-06 深圳市警泰欣科技有限公司 一种行动约束装置的智能控制方法及系统

Similar Documents

Publication Publication Date Title
CN111598217A (zh) 一种自动盖被方法、存储介质、电子设备及智能机械手
JP6835926B2 (ja) 熱画像処理方法および熱画像処理装置
CN107367016A (zh) 一种空调智能控制方法及其装置、空调
CN111720974A (zh) 运行控制方法、控制面板、空调设备和计算机存储介质
CN105042806B (zh) 空调器的扫风控制方法和装置
CN108983625B (zh) 一种智能家居系统及服务生成方法
JP7264015B2 (ja) 車両用空調システム及び空調装置制御方法
CN110822616A (zh) 空调自动调节方法及装置
CN105783183A (zh) 便携式空调及其控制方法和装置
CN107065650A (zh) 控制旋钮的方法、装置及旋钮
CN109373499B (zh) 空调控制方法及装置
CN112902321A (zh) 送风装置的控制方法、送风装置、送风系统及存储介质
WO2015049664A1 (en) System and method for monitoring the thermal comfort
CN112099374A (zh) 室内环境舒适度控制方法、系统、电子设备及存储介质
CN206831762U (zh) 一种暖通空调系统的操控装置及系统
CN112438659A (zh) 一种扫地机器人识别地面环境的方法以及扫地机器人
CN109539342B (zh) 一种基于多传感器融合的烟机自动控制方法及系统
JP2016142415A (ja) 空調制御装置、サーバ装置、空調制御システム、空調制御方法、および空調制御プログラム
CN112008721B (zh) 一种高空带电作业挂线检测方法
CN205540615U (zh) 一种智能滤波节能无线鼠标
CN208551811U (zh) 一种睡眠监测仪
CN110018705B (zh) 具有智能体感的电器控制系统及控制方法
KR102233157B1 (ko) 딥러닝 기반의 재실자 포즈 분류를 이용한 재실자 활동량 산출 방법 및 시스템
KR102064652B1 (ko) 재실자의 인체발생열량 산출 방법 및 장치
CN116696803A (zh) 一种多功能的节能风扇及其节能方法

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20200828

WW01 Invention patent application withdrawn after publication