CN111859300A - 提升额温枪温度精度的方法、装置、计算机设备及存储介质 - Google Patents
提升额温枪温度精度的方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111859300A CN111859300A CN202010725581.0A CN202010725581A CN111859300A CN 111859300 A CN111859300 A CN 111859300A CN 202010725581 A CN202010725581 A CN 202010725581A CN 111859300 A CN111859300 A CN 111859300A
- Authority
- CN
- China
- Prior art keywords
- forehead
- linear regression
- data
- temperature
- detection
- 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
- 210000001061 forehead Anatomy 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012417 linear regression Methods 0.000 claims abstract description 78
- 238000001514 detection method Methods 0.000 claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 239000000523 sample Substances 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 26
- 238000010009 beating Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000009529 body temperature measurement Methods 0.000 description 5
- 230000036760 body temperature Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
Abstract
本发明涉及一种提升额温枪温度精度的方法、装置、计算机设备及存储介质,方法包括:启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据;将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L;根据线性回归直线L输出实际测量温度。本方案通过将额温枪红外探头定向对准待检测用户,并连续自动采集多组检测数据,将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L,根据线性回归直线L输出实际测量温度,用户在使用额温枪进行测量时,测量结果更加精确,而且不会出现散乱跳动数据,可以给用户输出准确的测量结果。
Description
技术领域
本发明涉及额温枪,更具体地说是指一种提升额温枪温度精度的方法、装置、计算机设备及存储介质。
背景技术
额温枪(红外线测温仪),是用于测量人体额温,使用非常简单、方便。1秒可准确测温,无镭射点,免除对眼睛之潜在伤害,不需接触人体皮肤,避免交叉感染,一键测温,排查流感。适合家庭用户、宾馆、图书馆、大型企事业单位,也可以用于医院、学校、海关、机场等综合性场所,还可以提供给医务人员在诊所使用。
目前的市场上大部分额温枪中的温度采集,都有一一定的数据散落和数据跳变,或者数据不准,或者校准失效的现象出现,这样会带来用户使用体验感不好,导致误差偏大,或者错误结果,同时对于用户真实情况的判断会带来错误的处理,还会给用户带来危险的指引。
公开于该背景技术部分的信息仅仅旨在加深对本发明的总体背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种提升额温枪温度精度的方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:
第一方面,本发明提出一种提升额温枪温度精度的方法,包括以下步骤:
启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据;
将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L;
根据线性回归直线L输出实际测量温度。
第二方面,本发明提出一种提升额温枪温度精度的装置,包括:
启动获取单元,用于启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据;
回归计算单元,用于将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L;
结果输出单元,用于根据线性回归直线L输出实际测量温度。
第三方面,本发明提出一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如上所述的提升额温枪温度精度的方法。
第四方面,本发明提出一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如上所述提升额温枪温度精度的方法。
本发明与现有技术相比的有益效果是:本方案通过将额温枪红外探头定向对准待检测用户,并连续自动采集多组检测数据,将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L,根据线性回归直线L输出实际测量温度,用户在使用额温枪进行测量时,测量结果更加精确,而且不会出现散乱跳动数据,可以给用户输出准确的测量结果。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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他的附图。
图1为本发明实施例提供的提升额温枪温度精度的方法的流程示意图;
图2为本发明实施例提供的提升额温枪温度精度方法的子流程示意图;
图3为本发明另一实施例提供的提升额温枪温度精度方法的流程示意图;
图4为本发明实施例提供的提升额温枪温度精度装置的示意性框图;
图5为本发明实施例提供的提升额温枪温度精度装置的启动获取单元的示意性框图;
图6为本发明实施例提供的提升额温枪温度精度装置的回归计算单元的示意性框图;
图7为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
图1是本发明实施例提供的提升额温枪温度精度的方法的流程示意图。如图1所示,该方法包括以下步骤S110至S150。
S110、启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据。
在本实施例中,额温枪可以在一个时间段内连续测量多次用户的体温,如果直接将最后一次测量数据直接作为测量温度输出,其误差浮动较大,不能准确的表达用户体温。本方案在启动额温枪之后,将额温枪对着用户额头一段时间,进行额温测量,并获取额温枪在预设时间段内的所有检测数据以用于。
具体的,上述的预设时间段可以是0.5s也可以是1s,具体时长根据实际使用环境进行调整,例如在室外温度高低不同的地区,预设时间段对应进行调整。
参考图2,在一实施例中,步骤S110包括步骤S111和S112。
S111、启动额温枪,并将额温枪的红外探头正对待检测用户的检测区域。
S112、获取检测过程中额温枪在预设时间段内所有的检测数据。
在本实施例中,启动额温枪之后,将额温枪的红外探头正对待检测用户的检测区域,也就是用户额头,并持续测量一段时间,在测量完成后,选择预设时间段内的所有的检测数据,也即是多组检测数据,并将获取到多组测量数据校准计算后再输出。
S120、将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L。
在本实施例中,在获取到预设时间段内的多组检测数据之后,将所有的检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L,可以改善现有技术额温枪测量数据随机散落的数据误差,同时用户使用时间越长,检测数据越精确,提高用户体验。
具体的,在本实施例中,步骤S120包括步骤S121-S125。
S121、预设线性回归直线L的表达式为h(x)=m*x+b。
S122、计算数据集中每个数据点(xi,yi)到线性回归直线L的最小距离d=|yi-(m*xi+b)|。
S123、对所有数据点对应的最小距离d进行求和,计算得到求和损失Loss,求和损失Loss计算公式为:
S124、根据求和损失Loss计算平均误差Loss,平均损失Loss计算公式为:
S125、根据线性回归直线L和平均损失Loss计算得到m和b的值,得到线性回归直线L的表达函数h(x)。
其中,i表示第i个训练数据点,N表示训练数据点的总数,i和N均为大于0的自然数。
在本实施例中,将多组所述检测数据作为数据点构成数据集,在确定所有数据点的关系时,可以假设所有数据点的关系是线性的,也就是假设线性回归直线L的表达式为h(x)=m*x+b,所有数据点与线性回归直线L的距离都很近。而最好的情况是,所有的数据点都在线性回归直线L上,也就是满足线性回归直线L的方程,但是现实使用中,由一条直线去拟合所有的数据点是不现实的。所以,为了保证所有的数据点都离线性回归直线L尽可能的靠近,既找到每一个数据点(xi,yi)和线性回归直线L距离最小值d,其中d=|yi-(m*xi+b)|。再对与N个数据点对应的N个d进行求和,由最小二乘法来表示求和误差Loss,再对求和误差Loss求平均值得到平均损失Loss,最后,基于线性回归直线L和平均损失Loss就算得到m和b的实际值,并得到线性回归直线L的实际表达公式h(x)=m*x+b,使得线性回归直线L以最小的误差去拟合数据点,并基于线性回归直线L的实际表达公式得到准确的实际测量温度。
S130、根据线性回归直线L输出实际测量温度。
在本实施例中,在计算线性回归直线L的实际表达公式之后,既可以得到额温枪本次测量的实际测量温度。本方案通过采用累计回归差分算法,可以让用户在使用额温枪时,随着使用时间越久,数据越精确,而不会出现数据散乱跳动,给用户更好的体验。
本方案通过将额温枪红外探头定向对准待检测用户,并连续自动采集多组检测数据,将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L,根据线性回归直线L输出实际测量温度,用户在使用额温枪进行测量时,测量结果更加精确,而且不会出现散乱跳动数据,可以给用户输出准确的测量结果。
图3是本发明另一实施例提供的一种提升额温枪温度精度的方法的流程示意图。如图3所示,本实施例的提升额温枪温度精度的方法包括步骤S210-S240。其中步骤S210-S230与上述实施例中的步骤S110-S130类似,在此不再赘述。下面详细说明本实施例中所增加的步骤S260-S270。
S240、将实际测量温度关联检测时间保存。
在本实施例中,将实际测量温度关联检测时间进行保存,便于后续查询额温枪之前的测量结果,并调用。
图4是本发明实施例提供的一种提升额温枪温度精度的装置的示意性框图。如图4所示,对应于以上提升额温枪温度精度的方法,本发明还提供一种提升额温枪温度精度的装置。该提升额温枪温度精度的装置包括用于执行上述提升额温枪温度精度的方法的单元,该装置可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,请参阅图4,该提升额温枪温度精度的装置包括启动获取单元10,回归计算单元20,结果输出单元30和数据保存单元40。
启动获取单元10,用于启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据。
在本实施例中,额温枪可以在一个时间段内连续测量多次用户的体温,如果直接将最后一次测量数据直接作为测量温度输出,其误差浮动较大,不能准确的表达用户体温。本方案在启动额温枪之后,将额温枪对着用户额头一段时间,进行额温测量,并获取额温枪在预设时间段内的所有检测数据以用于。
具体的,上述的预设时间段可以是0.5s也可以是1s,具体时长根据实际使用环境进行调整,例如在室外温度高低不同的地区,预设时间段对应进行调整。
参考图5,在一实施例中,启动获取单元10包括启动检测模块11和数据获取模块12。
启动检测模块11,用于启动额温枪,并将额温枪的红外探头正对待检测用户的检测区域。
数据获取模块12,用于获取检测过程中额温枪在预设时间段内所有的检测数据。
在本实施例中,启动额温枪之后,将额温枪的红外探头正对待检测用户的检测区域,也就是用户额头,并持续测量一段时间,在测量完成后,选择预设时间段内的所有的检测数据,也即是多组检测数据,并将获取到多组测量数据校准计算后再输出。
回归计算单元20,用于将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L。
在本实施例中,在获取到预设时间段内的多组检测数据之后,将所有的检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L,可以改善现有技术额温枪测量数据随机散落的数据误差,同时用户使用时间越长,检测数据越精确,提高用户体验。
参考图6,在一实施例中,回归计算单元20包括模型预设模块21,第一计算模块22,第二计算模块23,第三计算模块24和第四计算模块25。
模型预设模块21,用于预设线性回归直线L的表达式为h(x)=m*x+b;
第一计算模块22,用于计算数据集中每个数据点(xi,yi)到线性回归直线L的最小距离d=|yi-(m*xi+b)|;
第二计算模块23,用于对所有数据点对应的最小距离d进行求和,计算得到求和损失Loss,求和损失Loss计算公式为:
第三计算模块24,用于根据求和损失Loss计算平均误差Loss,平均损失Loss计算公式为:
第四计算模块25,用于根据线性回归直线L和平均损失Loss计算得到m和b的值,得到线性回归直线L的表达函数h(x);
其中,i表示第i个训练数据点,N表示训练数据点的总数,i和N均为大于0的自然数。
在本实施例中,将多组所述检测数据作为数据点构成数据集,在确定所有数据点的关系时,可以假设所有数据点的关系是线性的,也就是假设线性回归直线L的表达式为h(x)=m*x+b,所有数据点与线性回归直线L的距离都很近。而最好的情况是,所有的数据点都在线性回归直线L上,也就是满足线性回归直线L的方程,但是现实使用中,由一条直线去拟合所有的数据点是不现实的。所以,为了保证所有的数据点都离线性回归直线L尽可能的靠近,既找到每一个数据点(xi,yi)和线性回归直线L距离最小值d,其中d=|yi-(m*xi+b)|。再对与N个数据点对应的N个d进行求和,由最小二乘法来表示求和误差Loss,再对求和误差Loss求平均值得到平均损失Loss,最后,基于线性回归直线L和平均损失Loss就算得到m和b的实际值,并得到线性回归直线L的实际表达公式h(x)=m*x+b,使得线性回归直线L以最小的误差去拟合数据点,并基于线性回归直线L的实际表达公式得到准确的实际测量温度。
结果输出单元30,用于根据线性回归直线L输出实际测量温度。
在本实施例中,在计算线性回归直线L的实际表达公式之后,既可以得到额温枪本次测量的实际测量温度。本方案通过采用累计回归差分算法,可以让用户在使用额温枪时,随着使用时间越久,数据越精确,而不会出现数据散乱跳动,给用户更好的体验。
数据保存单元40,用于将实际测量温度关联检测时间保存。
在本实施例中,将实际测量温度关联检测时间进行保存,便于后续查询额温枪之前的测量结果,并调用。
本方案通过将额温枪红外探头定向对准待检测用户,并连续自动采集多组检测数据,将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L,根据线性回归直线L输出实际测量温度,用户在使用额温枪进行测量时,测量结果更加精确,而且不会出现散乱跳动数据,可以给用户输出准确的测量结果。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述提升额温枪温度精度的装置和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
请参阅图7,图7是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是终端,也可以是服务器,其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图7,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种提升额温枪温度精度的方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种提升额温枪温度精度的方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述,仅为本发明的具体实施方式,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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种提升额温枪温度精度的方法,其特征在于,包括以下步骤:
启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据;
将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L;
根据线性回归直线L输出实际测量温度。
2.根据权利要求1所述的提升额温枪温度精度的方法,其特征在于,所述将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L的步骤,包括;
预设线性回归直线L的表达式为h(x)=m*x+b;
计算数据集中每个数据点(xi,yi)到线性回归直线L的最小距离d=|yi-(m*xi+b)|;
对所有数据点对应的最小距离d进行求和,计算得到求和损失Loss,求和损失Loss计算公式为:
根据求和损失Loss计算平均误差Loss,平均损失Loss计算公式为:
根据线性回归直线L和平均损失Loss计算得到m和b的值,得到线性回归直线L的表达函数h(x);
其中,i表示第i个训练数据点,N表示训练数据点的总数,i和N均为大于0的自然数。
3.根据权利要求1所述的提升额温枪温度精度的方法,其特征在于,所述启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据的步骤,包括;
启动额温枪,并将额温枪的红外探头正对待检测用户的检测区域;
获取检测过程中额温枪在预设时间段内所有的检测数据。
4.根据权利要求1所述的提升额温枪温度精度的方法,其特征在于,所述根据线性回归直线L输出实际测量温度步骤之后,包括;
将实际测量温度关联检测时间保存。
5.一种提升额温枪温度精度的装置,其特征在于,包括:
启动获取单元,用于启动额温枪进行检测,获取额温枪在预设时间段内的多组检测数据;
回归计算单元,用于将多组所述检测数据作为数据点构成数据集,并基于数据集进行线性回归计算,得到线性回归直线L;
结果输出单元,用于根据线性回归直线L输出实际测量温度。
6.根据权利要求5所述的提升额温枪温度精度的装置,其特征在于,所述回归计算单元包括模型预设模块,第一计算模块,第二计算模块,第三计算模块和第四计算模块;
所述模型预设模块,用于预设线性回归直线L的表达式为h(x)=m*x+b;
所述第一计算模块,用于计算数据集中每个数据点(xi,yi)到线性回归直线L的最小距离d=|yi-(m*xi+b)|;
所述第二计算模块,用于对所有数据点对应的最小距离d进行求和,计算得到求和损失Loss,求和损失Loss计算公式为:
所述第三计算模块,用于根据求和损失Loss计算平均误差Loss,平均损失Loss计算公式为:
所述第四计算模块,用于根据线性回归直线L和平均损失Loss计算得到m和b的值,得到线性回归直线L的表达函数h(x);
其中,i表示第i个训练数据点,N表示训练数据点的总数,i和N均为大于0的自然数。
7.根据权利要求5所述的提升额温枪温度精度的装置,其特征在于,所述启动获取单元包括启动检测模块和数据获取模块;
所述启动检测模块,用于启动额温枪,并将额温枪的红外探头正对待检测用户的检测区域;
所述数据获取模块,用于获取检测过程中额温枪在预设时间段内所有的检测数据。
8.根据权利要求5所述的提升额温枪温度精度的装置,其特征在于,还包括数据保存单元,用于将实际测量温度关联检测时间保存。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的提升额温枪温度精度的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现如权利要求1至4中任一项所述提升额温枪温度精度的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010725581.0A CN111859300A (zh) | 2020-07-24 | 2020-07-24 | 提升额温枪温度精度的方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010725581.0A CN111859300A (zh) | 2020-07-24 | 2020-07-24 | 提升额温枪温度精度的方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111859300A true CN111859300A (zh) | 2020-10-30 |
Family
ID=72949515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010725581.0A Pending CN111859300A (zh) | 2020-07-24 | 2020-07-24 | 提升额温枪温度精度的方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859300A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112964373A (zh) * | 2021-04-06 | 2021-06-15 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种可调节内部温度的额温枪 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101199414A (zh) * | 2006-12-11 | 2008-06-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种快速体温测量装置及其温度测量方法 |
JP2015117431A (ja) * | 2013-11-15 | 2015-06-25 | Jfeスチール株式会社 | 高炉炉熱予測装置及び高炉炉熱予測方法 |
CN106037676A (zh) * | 2016-05-19 | 2016-10-26 | 广州视源电子科技股份有限公司 | 体温测量方法和装置 |
CN107300422A (zh) * | 2017-07-27 | 2017-10-27 | 广州达意隆包装机械股份有限公司 | 一种pt100温度传感器的温度转换方法 |
CN108181001A (zh) * | 2018-01-17 | 2018-06-19 | 苏州经贸职业技术学院 | 一种基于机器学习的远红外温度预测方法 |
CN109696248A (zh) * | 2018-11-28 | 2019-04-30 | 武汉高德智感科技有限公司 | 一种人体检验检疫系统温度基于环境温度的自动补偿方法 |
-
2020
- 2020-07-24 CN CN202010725581.0A patent/CN111859300A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101199414A (zh) * | 2006-12-11 | 2008-06-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种快速体温测量装置及其温度测量方法 |
JP2015117431A (ja) * | 2013-11-15 | 2015-06-25 | Jfeスチール株式会社 | 高炉炉熱予測装置及び高炉炉熱予測方法 |
CN106037676A (zh) * | 2016-05-19 | 2016-10-26 | 广州视源电子科技股份有限公司 | 体温测量方法和装置 |
CN107300422A (zh) * | 2017-07-27 | 2017-10-27 | 广州达意隆包装机械股份有限公司 | 一种pt100温度传感器的温度转换方法 |
CN108181001A (zh) * | 2018-01-17 | 2018-06-19 | 苏州经贸职业技术学院 | 一种基于机器学习的远红外温度预测方法 |
CN109696248A (zh) * | 2018-11-28 | 2019-04-30 | 武汉高德智感科技有限公司 | 一种人体检验检疫系统温度基于环境温度的自动补偿方法 |
Non-Patent Citations (2)
Title |
---|
蔡曙光: "基于RT-Thread的便携式健康监测仪的设计与实现", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(月刊)》 * |
陈云霁编著: "《智能计算系统》", 30 April 2020 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112964373A (zh) * | 2021-04-06 | 2021-06-15 | 温州医科大学附属第二医院(温州医科大学附属育英儿童医院) | 一种可调节内部温度的额温枪 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9533097B2 (en) | Apparatus and method for processing a set of data values | |
CN108091372B (zh) | 医疗字段映射校验方法及装置 | |
WO2018090304A1 (zh) | 一种精神压力评测方法和装置 | |
TW201402059A (zh) | 健康狀態判定方法及健康狀態判定系統 | |
CN111588353A (zh) | 一种体温测量方法 | |
Rodrigues Filho et al. | Evaluating the impact of measurement uncertainty in blood pressure measurement on hypertension diagnosis | |
JP2020501285A (ja) | コンピュータを用いた抽出順序決定方法及びプログラム | |
CN111859300A (zh) | 提升额温枪温度精度的方法、装置、计算机设备及存储介质 | |
CN110020628A (zh) | 基于面部检测的坐姿检测方法、系统、设备及存储介质 | |
CN115312194A (zh) | 生理数据分析系统、方法、设备及存储介质 | |
Jiang et al. | Investigating the accuracy of blood oxygen saturation measurements in common consumer smartwatches | |
US11759123B2 (en) | Ketone body concentration estimation device, method, and computer-readable storage medium | |
Wang et al. | Bayesian adaptive lasso for additive hazard regression with current status data | |
US20070239061A1 (en) | Systems and methods for providing multi-variable measurement diagnostic | |
WO2017051442A1 (ja) | 情報処理装置、消化率推定方法、情報処理システムおよび消化率推定プログラム | |
WO2021189560A1 (zh) | 体温检测的矫正方法、装置、计算机设备和存储介质 | |
EP3292476B1 (en) | Methods using fractional rank precision and mean average precision as test-retest reliability measures | |
CN110432882B (zh) | 基于代谢当量及生理参数的最大心率预测方法和装置 | |
Kong et al. | Optimal sampling times in bioequivalence tests | |
JP2022551325A (ja) | 診断ツール | |
WO2023024292A1 (zh) | 基于分析物数据的评估系统 | |
US20240127911A1 (en) | Blood sugar constitution determination device, blood sugar constitution determination method, and recording medium | |
CN114052677B (zh) | 脉搏波节拍质量评估方法、装置、计算机设备和存储介质 | |
Dupuy et al. | Estimation of the asymptotic variance of semiparametric maximum likelihood estimators in the Cox model with a missing time-dependent covariate | |
CN115497633B (zh) | 一种数据处理方法、装置、设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20201030 |
|
WD01 | Invention patent application deemed withdrawn after publication |