CN113405134A - 用于自动控制烟机的方法、装置、存储介质及服务器 - Google Patents
用于自动控制烟机的方法、装置、存储介质及服务器 Download PDFInfo
- Publication number
- CN113405134A CN113405134A CN202110605655.1A CN202110605655A CN113405134A CN 113405134 A CN113405134 A CN 113405134A CN 202110605655 A CN202110605655 A CN 202110605655A CN 113405134 A CN113405134 A CN 113405134A
- Authority
- CN
- China
- Prior art keywords
- cigarette machine
- user
- cigarette
- time
- prediction
- 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
- 235000019504 cigarettes Nutrition 0.000 title claims abstract description 221
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000006399 behavior Effects 0.000 claims description 36
- 238000005286 illumination Methods 0.000 claims description 17
- 230000001537 neural effect Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 description 49
- 238000013527 convolutional neural network Methods 0.000 description 28
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 239000000779 smoke Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000001520 comb Anatomy 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2021—Arrangement or mounting of control or safety systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24C—DOMESTIC STOVES OR RANGES ; DETAILS OF DOMESTIC STOVES OR RANGES, OF GENERAL APPLICATION
- F24C15/00—Details
- F24C15/20—Removing cooking fumes
- F24C15/2064—Removing cooking fumes illumination for cooking hood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G06N3/045—Combinations of networks
-
- 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
Abstract
本申请涉及智能家居技术领域，公开一种用于自动控制烟机的方法，包括：获取用户的当前烟机使用行为数据；结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；下发预测的烟机控制参数给所述烟机。本公开基于用户设定时间内的烟机使用明细，结合用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，可以结合烟机的历史使用数据，实现烟机的智能化控制，提高烟机的智能化。
Description
技术领域
本申请涉及智能家居技术领域，例如涉及一种用于自动控制烟机的方法、装置、存储介质和服务器。
背景技术
目前，随着物联技术的发展，智能家电目前逐渐走进各个家庭，家电的智能化在未来更是一种趋势。烟机作为家庭生活必备产品，是影响家庭生活质量的重要设备，如何实现烟机的智能化，成为亟需解决的重要问题。
发明内容
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
本公开实施例提供了一种自动控制烟机的方法、装置、存储介质和服务器，以解决实现烟机的智能化的技术问题。
在一些实施例中，提供一种用于自动控制烟机的方法，包括：
获取用户的当前烟机使用行为数据；
结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；
下发预测的烟机控制参数给所述烟机。
在一些实施方式中，所述用户设定时间内的烟机使用明细通过如下方式获取：
使用ETL获取所述用户设定时间内的多次烟机使用明细；
对所述多次烟机使用明细进行合并处理。
在一些实施方式中，所述用户设定时间内的多次烟机使用明细，各使用明细之间的间隔不超过第一设定时长，且实际使用时长超过第二设定时长。
在一些实施方式中，所述烟机控制参数包括：
照明灯开启状态参数；和/或
风速档位状态参数。
在一些实施方式中，结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，包括：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第一神经卷积网络，获得照明灯开启状态参数的预测参数。
在一些实施方式中，结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，包括：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第二神经卷积网络，获得风速档位状态参数的预测参数。
在一些实施方式中，本公开实施例提供的方法还包括：
当所述烟机控制参数的预测结果中存在两个可能性相同的待选预测结果时，确定两个待选预测结果的最近发生时间；
取所述最近发生时间接近当前时间的待选预测结果。
在一些实施方式中，本公开实施例提供一种用于自动控制烟机的装置，包括：
获取单元，用于获取用户的当前烟机使用行为数据；
预测单元，用于结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；
下发单元，用于下发预测的烟机控制参数给所述烟机。
在一些实施方式中，所述装置还包括，合并单元，用于：
使用数据仓库技术ETL获取所述用户设定时间内的多次烟机使用明细；
对所述多次烟机使用明细进行合并处理。
在一些实施方式中，所述用户设定时间内的多次烟机使用明细，各使用明细之间的间隔不超过第一设定时长，且实际使用时长超过第二设定时长。
在一些实施方式中，所述烟机控制参数包括：
照明灯开启状态参数；和/或
风速档位状态参数。
在一些实施方式中，所述预测单元，用于：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第一神经卷积网络，获得照明灯开启状态参数的预测参数。
在一些实施方式中，所述预测单元，用于：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第二神经卷积网络，获得风速档位状态参数的预测参数。
在一些实施方式中，本公开实施例提供的装置还包括，选择单元，用于：
当所述烟机控制参数的预测结果中存在两个可能性相同的待选预测结果时，确定两个待选预测结果的最近发生时间；
取所述最近发生时间接近当前时间的待选预测结果。
在一些实施方式中，本公开提供一种存储介质，所述存储介质存储有程序指令，所述程序指令被运行时，执行本公开实施例提供的方法。
在一些实施方式中，本公开提供一种服务器，包括处理器及存储器，所述存储器存储有程序指令，所述处理器被配置为基于所述程序指令执行本公开实施例提供的方法。本公开实施例提供的用于自动控制烟机的方法、装置、存储介质和服务器，可以实现以下技术效果：
本公开基于用户设定时间内的烟机使用明细，结合用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，可以结合烟机的历史使用数据，实现烟机的智能化控制，提高烟机的智能化。
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
图1是本公开实施例提供的一个用于自动控制烟机的方法的示意图；
图2是本公开实施例提供的另一个用于自动控制烟机的方法的示意图；
图3是本公开实施例提供的另一个用于自动控制烟机的方法的示意图；
图4是本公开实施例的一个用于自动控制烟机的装置的示意图；
图5是本公开实施例提供的一个服务器的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
除非另有说明，术语“多个”表示两个或两个以上。
本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
本公开实施例提供了一种自动控制烟机的方法、装置、存储介质和服务器，以解决实现烟机的智能化的技术问题。
在一些实施例中，如图1所示，本公开提供一种用于自动控制烟机的方法，包括：
S101、服务器获取用户的当前烟机使用行为数据；
S102、服务器结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；
S103、服务器下发预测的烟机控制参数给所述烟机。
烟机是一种净化厨房环境的厨房电器。它安装在厨房炉灶上方，能将炉灶燃烧的废物和烹饪过程中产生的对人体有害的油烟迅速抽走，排出室外，同时将油烟冷凝收集，减少污染，净化空气，并有防毒、防爆的安全保障作用。
本公开通过在烟机设备侧的摄像头获取用户的当前烟机使用行为数据，再根据大数据对用户设定时间内的烟机使用明细进行梳理，与当前烟机使用行为数据结合，来对用户的烟机控制参数进行预测，可以结合烟机的历史数据，实现烟机操作的智能化预测，有效实现烟机的智能化。
例如，用户当前的烟机使用行为数据是打开烟机，根据用户设定时间内的烟机使用明细进行预测，可以预测到用户后续的动作是打开照明和低速档，此时，可以自动输出照明和低速档的控制参数，无需用户手动进行后续的控制，从而实现烟机的智能化控制。
在一些实施方式中，如图2所示，所述用户设定时间内的烟机使用明细通过如下方式获取：
S201、服务器使用数据仓库技术(Extract-Transform-Load，ETL)获取所述用户设定时间内的多次烟机使用明细；
S202、服务器对所述多次烟机使用明细进行合并处理。
ETL用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。
实际应用中，使用数据仓库技术对用户设定时间内的多次烟机使用明细进行处理后，可以对用户设定时间内的多次烟机使用明细进行合并。这里用户设定时间内，可以是本领域技术人员预先定义好的时间，可以为一周内或者一个月内，或者其他形式的用户设定时间，本申请不限定于此。
进行合并的烟机使用明细，可以通过如下方式进行筛选。例如两次烟机使用明细中，上一次烟机使用明细的关机时间距离下次烟机使用明细的开机时间不超过300s。并且烟机实际使用时间要大于等于60秒，才能是一次有效的烟机使用明细。这样的烟机使用明细才能进行合并。并且根据合并后的烟机使用明细进行预测处理。
实际应用中，在一些实施方式中，所述用户设定时间内的多次烟机使用明细，各使用明细之间的间隔不超过第一设定时长，且实际使用时长超过第二设定时长。烟机使用明细中，可以包括以下信息字段：标识、媒体存取控制位址(Media Access ControlAddress)、时间、开关机状态、照明状态、风速档位、延时状态。其中，开关机状态、照明状态、风速档位、延时状态都是烟机设备的运行状态。
在一些实施方式中，所述烟机控制参数包括：
照明灯开启状态参数；和/或
风速档位状态参数。
在一些实施方式中，结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，包括：
服务器将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第一神经卷积网络，获得照明灯开启状态参数的预测参数。
在一些实施方式中，结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，包括：
服务器将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第二神经卷积网络，获得风速档位状态参数的预测参数。
在一些实施方式中，用户如果日常使用烟机的习惯是启动后打开照明，再开低档排风，则在使用本公开实施例提供的烟机自动控制功能时，也会在检测到启动后，自动启动照明功能和开低档排风功能。如果用户在一段时间内对这一使用习惯进行了调整，例如，用户在一段时间内，启动烟机后，打开的是高档排风功能，并且不开启照明功能，则在后续的预测过程中，也会相应的对预测结果进行更新，即检测到启动烟机的行为后，自动启动高档排风功能，不再开启照明功能。这里的是否开启照明功能，是根据照明灯开启状态参数的预测参数确定的，排风档位的选择，是根据风速档位状态参数的预测参数确定的。照明灯开启状态参数的预测参数，可以通过第一卷积神经网络确定，风速档位状态参数的预测参数，可以通过第二卷积神经网络确定。第一卷积神经网络，根据照明灯开启的历史数据训练得到，第二卷积神经网络，根据风速档位的历史数据训练得到。当用户对照明灯开启的习惯发生改变时，可以通过对第一卷积神经网络进行重新训练得到新的第一卷积神经网络，在后续的预测中，使用新的第一卷积神经网络进行预测。当用户对风速档位的使用习惯发生改变时，可以通过对第二卷积神经网络进行重新训练，得到新的第二卷积神经网络，在后续的预测中，使用新的第二卷积神经网络进行预测。
在一些实施方式中，如图3所示，本公开实施例提供的方法还包括：
S301、当所述烟机控制参数的预测结果中存在两个可能性相同的待选预测结果时，服务器确定两个待选预测结果的最近发生时间；
S302、服务器取所述最近发生时间接近当前时间的待选预测结果。
实际应用中，若两个待选预测结果在神经卷积网络中的可能性是相同的，则需要在两个结果中选择一个结果，作为要输出的待选预测结果。实际应用中，可以根据两个结果的最近发生时间进行选择，如果结果A的最近发生时间是1天前，结果B的最近发生时间是2小时前，则将结果B作为要输出的待选预测结果。如果结果A的最近发生时间是2天前，结果B的最近发生时间是1周前，则将结果A作为要输出的待选预测结果。
在根据本公开实施例提供的方法进行烟机自动控制之前，本公开还可以检测用户是否开启了烟机自动控制功能，在用户尚未开启烟机自动控制功能时，可以输出是否开启烟机自动控制功能的提示，如果输出是否开启烟机自动控制功能的提示后，接收到用户确认开启烟机自动控制功能的回复，则启动烟机自动控制功能。
在一些实施方式中，用户如果日常使用烟机的习惯是启动后打开照明，再开低档排风，则在使用本公开实施例提供的烟机自动控制功能时，也会在检测到启动后，自动启动照明功能和开低档排风功能。如果用户在一段时间内对这一使用习惯进行了调整，例如，用户在一段时间内，启动烟机后，打开的是高档排风功能，并且不开启照明功能，则在后续的预测过程中，也会相应的对预测结果进行更新，即检测到启动烟机的行为后，自动启动高档排风功能，不再开启照明功能。这里的是否开启照明功能，是根据照明灯开启状态参数的预测参数确定的，排风档位的选择，是根据风速档位状态参数的预测参数确定的。照明灯开启状态参数的预测参数，可以通过第一卷积神经网络确定，风速档位状态参数的预测参数，可以通过第二卷积神经网络确定。第一卷积神经网络，根据照明灯开启的历史数据训练得到，第二卷积神经网络，根据风速档位的历史数据训练得到。当用户对照明灯开启的习惯发生改变时，可以通过对第一卷积神经网络进行重新训练得到新的第一卷积神经网络，在后续的预测中，使用新的第一卷积神经网络进行预测。当用户对风速档位的使用习惯发生改变时，可以通过对第二卷积神经网络进行重新训练，得到新的第二卷积神经网络，在后续的预测中，使用新的第二卷积神经网络进行预测。
在一些实施方式中，如图4所示，本公开实施例提供一种用于自动控制烟机的装置，包括：
获取单元401，用于获取用户的当前烟机使用行为数据；
预测单元402，用于结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；
下发单元403，用于下发预测的烟机控制参数给所述烟机。
烟机是一种净化厨房环境的厨房电器。它安装在厨房炉灶上方，能将炉灶燃烧的废物和烹饪过程中产生的对人体有害的油烟迅速抽走，排出室外，同时将油烟冷凝收集，减少污染，净化空气，并有防毒、防爆的安全保障作用。
本公开通过在烟机设备侧的摄像头获取用户的当前烟机使用行为数据，再根据大数据对用户设定时间内的烟机使用明细进行梳理，与当前烟机使用行为数据结合，来对用户的烟机控制参数进行预测，可以结合烟机的历史数据，实现烟机操作的智能化预测，有效实现烟机的智能化。
例如，用户当前的烟机使用行为数据是打开烟机，根据用户设定时间内的烟机使用明细进行预测，可以预测到用户后续的动作是打开照明和低速档，此时，可以自动输出照明和低速档的控制参数，无需用户手动进行后续的控制，从而实现烟机的智能化控制。
在一些实施方式中，所述装置还包括，合并单元404，用于：
使用数据仓库技术ETL获取所述用户设定时间内的多次烟机使用明细；
对所述多次烟机使用明细进行合并处理。
ETL用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程。ETL一词较常用在数据仓库，但其对象并不限于数据仓库。
实际应用中，使用数据仓库技术对用户设定时间内的多次烟机使用明细进行处理后，可以对用户设定时间内的多次烟机使用明细进行合并。这里用户设定时间内，可以是本领域技术人员预先定义好的时间，可以为一周内或者一个月内，或者其他形式的用户设定时间，本申请不限定于此。
进行合并的烟机使用明细，可以通过如下方式进行筛选。例如两次烟机使用明细中，上一次烟机使用明细的关机时间距离下次烟机使用明细的开机时间不超过300s。并且烟机实际使用时间要大于等于60秒，才能是一次有效的烟机使用明细。这样的烟机使用明细才能进行合并。并且根据合并后的烟机使用明细进行预测处理。
实际应用中，在一些实施方式中，所述用户设定时间内的多次烟机使用明细，各使用明细之间的间隔不超过第一设定时长，且实际使用时长超过第二设定时长。烟机使用明细中，可以包括以下信息字段：标识、媒体存取控制位址(Media Access ControlAddress)、时间、开关机状态、照明状态、风速档位、延时状态。其中，开关机状态、照明状态、风速档位、延时状态都是烟机设备的运行状态。
在一些实施方式中，所述用户设定时间内的多次烟机使用明细，各使用明细之间的间隔不超过第一设定时长，且实际使用时长超过第二设定时长。
在一些实施方式中，所述烟机控制参数包括：
照明灯开启状态参数；和/或
风速档位状态参数。
在一些实施方式中，所述预测单元402，用于：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第一神经卷积网络，获得照明灯开启状态参数的预测参数。
在一些实施方式中，所述预测单元402，用于：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第二神经卷积网络，获得风速档位状态参数的预测参数。
在一些实施方式中，用户如果日常使用烟机的习惯是启动后打开照明，再开低档排风，则在使用本公开实施例提供的烟机自动控制功能时，也会在检测到启动后，自动启动照明功能和开低档排风功能。如果用户在一段时间内对这一使用习惯进行了调整，例如，用户在一段时间内，启动烟机后，打开的是高档排风功能，并且不开启照明功能，则在后续的预测过程中，也会相应的对预测结果进行更新，即检测到启动烟机的行为后，自动启动高档排风功能，不再开启照明功能。这里的是否开启照明功能，是根据照明灯开启状态参数的预测参数确定的，排风档位的选择，是根据风速档位状态参数的预测参数确定的。照明灯开启状态参数的预测参数，可以通过第一卷积神经网络确定，风速档位状态参数的预测参数，可以通过第二卷积神经网络确定。第一卷积神经网络，根据照明灯开启的历史数据训练得到，第二卷积神经网络，根据风速档位的历史数据训练得到。当用户对照明灯开启的习惯发生改变时，可以通过对第一卷积神经网络进行重新训练得到新的第一卷积神经网络，在后续的预测中，使用新的第一卷积神经网络进行预测。当用户对风速档位的使用习惯发生改变时，可以通过对第二卷积神经网络进行重新训练，得到新的第二卷积神经网络，在后续的预测中，使用新的第二卷积神经网络进行预测。
在一些实施方式中，本公开实施例提供的装置还包括，选择单元405，用于：
当所述烟机控制参数的预测结果中存在两个可能性相同的待选预测结果时，确定两个待选预测结果的最近发生时间；
取所述最近发生时间接近当前时间的待选预测结果。
实际应用中，若两个待选预测结果在神经卷积网络中的可能性是相同的，则需要在两个结果中选择一个结果，作为要输出的待选预测结果。实际应用中，可以根据两个结果的最近发生时间进行选择，如果结果A的最近发生时间是1天前，结果B的最近发生时间是2小时前，则将结果B作为要输出的待选预测结果。如果结果A的最近发生时间是2天前，结果B的最近发生时间是1周前，则将结果A作为要输出的待选预测结果。
在根据本公开实施例提供的方法进行烟机自动控制之前，本公开还可以检测用户是否开启了烟机自动控制功能，在用户尚未开启烟机自动控制功能时，可以输出是否开启烟机自动控制功能的提示，如果输出是否开启烟机自动控制功能的提示后，接收到用户确认开启烟机自动控制功能的回复，则启动烟机自动控制功能。
在一些实施方式中，用户如果日常使用烟机的习惯是启动后打开照明，再开低档排风，则在使用本公开实施例提供的烟机自动控制功能时，也会在检测到启动后，自动启动照明功能和开低档排风功能。如果用户在一段时间内对这一使用习惯进行了调整，例如，用户在一段时间内，启动烟机后，打开的是高档排风功能，并且不开启照明功能，则在后续的预测过程中，也会相应的对预测结果进行更新，即检测到启动烟机的行为后，自动启动高档排风功能，不再开启照明功能。这里的是否开启照明功能，是根据照明灯开启状态参数的预测参数确定的，排风档位的选择，是根据风速档位状态参数的预测参数确定的。照明灯开启状态参数的预测参数，可以通过第一卷积神经网络确定，风速档位状态参数的预测参数，可以通过第二卷积神经网络确定。第一卷积神经网络，根据照明灯开启的历史数据训练得到，第二卷积神经网络，根据风速档位的历史数据训练得到。当用户对照明灯开启的习惯发生改变时，可以通过对第一卷积神经网络进行重新训练得到新的第一卷积神经网络，在后续的预测中，使用新的第一卷积神经网络进行预测。当用户对风速档位的使用习惯发生改变时，可以通过对第二卷积神经网络进行重新训练，得到新的第二卷积神经网络，在后续的预测中，使用新的第二卷积神经网络进行预测。
在一些实施方式中，本公开提供一种存储介质，所述存储介质存储有程序指令，所述程序指令被运行时，执行本公开实施例提供的方法。
在一些实施方式中，本公开提供一种服务器，包括处理器及存储器，所述存储器存储有程序指令，所述处理器被配置为基于所述程序指令执行本公开实施例提供的方法。本公开实施例提供的用于自动控制烟机的方法、装置、存储介质和服务器，可以实现以下技术效果：
本公开基于用户设定时间内的烟机使用明细，结合用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，可以结合烟机的历史使用数据，实现烟机的智能化控制，提高烟机的智能化。结合图5所示，本公开实施例提供一种服务器，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的的方法。
此外，上述的存储器101中的逻辑指令可以通过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，可以存储在一个计算机可读取存储介质中。
存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中的方法。
存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。
本公开实施例提供了一种产品(例如：计算机、手机等)，包含上述的服务器。
本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为执行上述的方法。
本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案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，包括一个或多个指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。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、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
本领域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、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，所述单元的划分，可以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。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开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，也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
Claims (10)
1.一种用于自动控制烟机的方法，其特征在于，包括：
获取用户的当前烟机使用行为数据；
结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；
下发预测的烟机控制参数给所述烟机。
2.根据权利要求1所述的方法，其特征在于，所述用户设定时间内的烟机使用明细通过如下方式获取：
使用数据仓库技术ETL获取所述用户设定时间内的多次烟机使用明细；
对所述多次烟机使用明细进行合并处理。
3.根据权利要求1所述的方法，其特征在于，所述用户设定时间内的多次烟机使用明细，各使用明细之间的间隔不超过第一设定时长，且实际使用时长超过第二设定时长。
4.根据权利要求1所述的方法，其特征在于，所述烟机控制参数包括：
照明灯开启状态参数；和/或
风速档位状态参数。
5.根据权利要求4所述的方法，其特征在于，结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，包括：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第一神经卷积网络，获得照明灯开启状态参数的预测参数。
6.根据权利要求4所述的方法，其特征在于，结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测，包括：
将所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据输入预先训练的第二神经卷积网络，获得风速档位状态参数的预测参数。
7.根据权利要求1至6任一项所述的方法，其特征在于，还包括：
当所述烟机控制参数的预测结果中存在两个可能性相同的待选预测结果时，确定两个待选预测结果的最近发生时间；
取所述最近发生时间接近当前时间的待选预测结果。
8.一种用于自动控制烟机的装置，其特征在于，包括：
获取单元，用于获取用户的当前烟机使用行为数据；
预测单元，用于结合所述用户设定时间内的烟机使用明细及所述用户的当前烟机使用行为数据，对用户的烟机控制参数进行预测；
下发单元，用于下发预测的烟机控制参数给所述烟机。
9.一种存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令被运行时，执行如权利要求1至7中任一项所述的方法。
10.一种服务器，其特征在于，包括处理器及存储器，所述存储器存储有程序指令，所述处理器被配置为基于所述程序指令执行如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110605655.1A CN113405134A (zh) | 2021-05-31 | 2021-05-31 | 用于自动控制烟机的方法、装置、存储介质及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110605655.1A CN113405134A (zh) | 2021-05-31 | 2021-05-31 | 用于自动控制烟机的方法、装置、存储介质及服务器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113405134A true CN113405134A (zh) | 2021-09-17 |
Family
ID=77675585
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110605655.1A Pending CN113405134A (zh) | 2021-05-31 | 2021-05-31 | 用于自动控制烟机的方法、装置、存储介质及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113405134A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018091560A (ja) * | 2016-12-05 | 2018-06-14 | パナソニックＩｐマネジメント株式会社 | 空調機器の制御システム |
| CN108629029A (zh) * | 2018-05-09 | 2018-10-09 | 北京京东尚科信息技术有限公司 | 一种应用于数据仓库的数据处理方法和装置 |
| CN108917111A (zh) * | 2018-07-25 | 2018-11-30 | 奥克斯空调股份有限公司 | 一种智能空调器及其控制方法 |
| CN110578994A (zh) * | 2018-06-11 | 2019-12-17 | 珠海格力电器股份有限公司 | 一种运行方法及装置 |
| CN110836514A (zh) * | 2018-08-17 | 2020-02-25 | 珠海格力电器股份有限公司 | 空调组的控制方法和装置 |
| CN110939959A (zh) * | 2018-09-25 | 2020-03-31 | 珠海格力电器股份有限公司 | 油烟机的控制方法及装置 |
| CN111664490A (zh) * | 2020-06-28 | 2020-09-15 | 海尔优家智能科技（北京）有限公司 | 烟机的控制方法和装置及存储介质 |
| WO2020252703A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳市欢太科技有限公司 | 设备控制方法、装置、服务器及存储介质 |
| CN112835966A (zh) * | 2019-11-22 | 2021-05-25 | 北京金山云网络技术有限公司 | 数据查询方法、装置以及电子设备 |
-
2021
- 2021-05-31 CN CN202110605655.1A patent/CN113405134A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018091560A (ja) * | 2016-12-05 | 2018-06-14 | パナソニックＩｐマネジメント株式会社 | 空調機器の制御システム |
| CN108629029A (zh) * | 2018-05-09 | 2018-10-09 | 北京京东尚科信息技术有限公司 | 一种应用于数据仓库的数据处理方法和装置 |
| CN110578994A (zh) * | 2018-06-11 | 2019-12-17 | 珠海格力电器股份有限公司 | 一种运行方法及装置 |
| CN108917111A (zh) * | 2018-07-25 | 2018-11-30 | 奥克斯空调股份有限公司 | 一种智能空调器及其控制方法 |
| CN110836514A (zh) * | 2018-08-17 | 2020-02-25 | 珠海格力电器股份有限公司 | 空调组的控制方法和装置 |
| CN110939959A (zh) * | 2018-09-25 | 2020-03-31 | 珠海格力电器股份有限公司 | 油烟机的控制方法及装置 |
| WO2020252703A1 (zh) * | 2019-06-19 | 2020-12-24 | 深圳市欢太科技有限公司 | 设备控制方法、装置、服务器及存储介质 |
| CN112835966A (zh) * | 2019-11-22 | 2021-05-25 | 北京金山云网络技术有限公司 | 数据查询方法、装置以及电子设备 |
| CN111664490A (zh) * | 2020-06-28 | 2020-09-15 | 海尔优家智能科技（北京）有限公司 | 烟机的控制方法和装置及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107704085B (zh) | 一种检测方法及家用电器、存储介质 | |
| CN112327657B (zh) | 智能设备的控制方法、装置、电子设备及介质 | |
| CN108195028B (zh) | 空气调节设备清洁信息的推送方法及装置 | |
| CN104579873A (zh) | 对智能家居设备进行控制的方法及系统 | |
| CN104899153A (zh) | 后台应用清理方法及系统 | |
| CN109140706B (zh) | 一种空调智能控制方法 | |
| CN105893267A (zh) | 一种内存空间清理方法及装置 | |
| CN113268661B (zh) | 用于进行用户功能推荐的方法及装置、智能家电 | |
| CN113375297A (zh) | 用于控制空调的方法、装置及空调 | |
| CN106292999A (zh) | 一种终端节能的方法、装置以及终端 | |
| CN110865766B (zh) | 一种智能家居设备的控制方法、装置 | |
| CN113405134A (zh) | 用于自动控制烟机的方法、装置、存储介质及服务器 | |
| CN111431775A (zh) | 用于家电设备的控制方法及装置、油烟机 | |
| CN111664490A (zh) | 烟机的控制方法和装置及存储介质 | |
| CN114724558A (zh) | 用于空调器语音控制的方法及装置、空调器、存储介质 | |
| CN113357767B (zh) | 用于控制环境净化设备的方法、装置及环境净化设备 | |
| CN109829821A (zh) | 一种数字资产地址转移异常的处理方法、装置及系统 | |
| CN113194155A (zh) | 一种物联网中场景智能推荐的方法及装置 | |
| CN109471719A (zh) | 存储清理方法、装置、电子设备及存储介质 | |
| CN104093199B (zh) | 定时器设置方法和终端 | |
| CN112283776A (zh) | 吸油烟机的控制方法、装置、吸油烟机及可读存储介质 | |
| CN109271074A (zh) | 一种窗口调整方法、窗口调整装置及移动终端 | |
| KR20100137963A (ko) | 점증적 통계기법을 이용한 행동패턴 추출 및 의도추론에 대한 장치 및 방법 | |
| CN115524985A (zh) | 用于智能家居系统控制的方法、装置、系统及存储介质 | |
| CN115479370A (zh) | 一种空调控制方法、装置、设备和空调 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210917 |