CN114299047A - 一种基于计算机视觉的排泄物分析与预警系统及智能马桶 - Google Patents
一种基于计算机视觉的排泄物分析与预警系统及智能马桶 Download PDFInfo
- Publication number
- CN114299047A CN114299047A CN202111666225.7A CN202111666225A CN114299047A CN 114299047 A CN114299047 A CN 114299047A CN 202111666225 A CN202111666225 A CN 202111666225A CN 114299047 A CN114299047 A CN 114299047A
- Authority
- CN
- China
- Prior art keywords
- analysis
- image
- data
- early warning
- computer vision
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 49
- 238000007405 data analysis Methods 0.000 claims abstract description 46
- 238000012549 training Methods 0.000 claims abstract description 40
- 230000036541 health Effects 0.000 claims abstract description 39
- 238000010191 image analysis Methods 0.000 claims abstract description 28
- 238000013500 data storage Methods 0.000 claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims abstract description 26
- 210000003608 fece Anatomy 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000003062 neural network model Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 13
- 238000000034 method Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000011010 flushing procedure Methods 0.000 claims description 8
- 230000007774 longterm Effects 0.000 claims description 6
- 210000002700 urine Anatomy 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 230000002550 fecal effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 3
- 210000004369 blood Anatomy 0.000 claims description 3
- 239000000919 ceramic Substances 0.000 claims description 3
- 244000045947 parasite Species 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 230000003636 fecal output Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 239000002699 waste material Substances 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 238000009434 installation Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000000586 desensitisation Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 206010010774 Constipation Diseases 0.000 description 2
- 206010012735 Diarrhoea Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000013872 defecation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 230000007547 defect Effects 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
- 230000008376 long-term health Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉的排泄物分析与预警系统及包含其的智能马桶,包括数据采集系统、图像数据分析系统、机器学习训练系统及健康数据存储分析系统;数据采集系统采用安装在智能马桶内的摄像头对马桶内部进行自动图像采集;图像数据分析系统用于接收图像,发送至机器学习训练系统进行备案;并利用机器学习训练系统预先构建的神经网络模型对图像进行分析,得出包含粪便的布里斯托分类的图像分析结果,然后将其传送至健康数据存储分析系统;健康数据存储分析系统,用于对图像分析结果进行存储、长时间维度的分析与预警,同时可供用户查询。本发明可用于健康监测,具有较高的自动化程度与精准的分析能力,且能保护用户隐私。
Description
技术领域
本发明涉及智能马桶领域,特别是涉及一种基于计算机视觉的排泄物分析与预警系统及智能马桶。
背景技术
随着智能家电与健康概念在智能马桶行业的应用。近年来出现了一些可以自动监测身体健康指标并给予用户反馈的产品。例如带有针对尿液、心跳、体重等指标分析监测功能的智能马桶。但目前还没有针对粪便进行分析监测的产品。另外,目前智能马桶为了实现部分监测功能,需要在马桶座圈或马桶盖上设置摄像头,容易泄露用户隐私。
由此可见,上述现有的智能马桶在结构、方法与使用上,显然仍存在有不便与缺陷,而亟待加以进一步改进。如何能创设一种应用于智能马桶的排泄物分析与预警系统,成为当前业界极需改进的目标。
发明内容
本发明要解决的技术问题是提供一种基于计算机视觉的排泄物分析与预警系统及智能马桶,使其具有较高的自动化程度与精准的分析能力,且能保护用户隐私。
为解决上述技术问题,本发明采用如下技术方案:
一种基于计算机视觉的排泄物分析与预警系统,所述系统包括数据采集系统、图像数据分析系统、机器学习训练系统及健康数据存储分析系统;所述数据采集系统包括图像数据采集模块,采用安装在智能马桶内的摄像头对马桶内部进行自动图像采集;所述图像数据分析系统用于接收数据采集系统传来的图像,发送至机器学习训练系统进行备案;并利用机器学习训练系统预先构建的神经网络模型对图像进行分析,得出包含粪便的布里斯托分类的图像分析结果,然后将图像分析结果传送至健康数据存储分析系统;所述健康数据存储分析系统,用于对图像分析结果进行存储、长时间维度的分析与预警,同时可供用户查询。
作为本发明进一步地改进,所述数据采集系统中的摄像头用于根据安装在马桶上的落座传感器或定时器信号的触发进行持续的图像采集。
进一步地,所述数据采集系统中的摄像头安装在智能马桶后座底部、喷杆的左和/或右侧,且朝向马桶内壁与排水孔附近;和/或,数据采用加密传输与存储;和/或,在机器学习训练过程中为数据进行脱敏处理。
进一步地,所述图像数据分析系统对接收到的图像进行如下的处理:
(1)对初始图像进行预处理:监测图像数据完整性,解码并转换为矩阵;对矩阵数据进行标准化处理;对图像数据进行适当的变形;
(2)使用预先构建的神经网络模型对预处理后矩阵数据进行计算,获取所述图像分析结果;
(3)将图像分析结果传送至健康数据存储分析系统。
进一步地,所述机器学习训练系统会定期在人工干预的情况下,利用积累的图片对模型进行训练,包括:在人工干预的情况下对图片进行标注;构建神经网络模型,利用反向传播法,对模型进行多轮训练,在每轮训练中,都对图片进行数据增强的处理;对模型进行优化,包括:i.根据性能影响,为其布里斯托分类部分添加softmax函数,用于输出布里斯托分类;ii.使用sigmoid函数和tanh函数计算各个回归数值输出的最终值。
进一步地,所述健康数据存储分析系统用于对图像分析结果进行存储、长时间维度的分析与预警包括:按用户身份,对图像分析结果进行加密的永久存储;对分析结果数据进行短期与长期的分析,并根据分析结果决定:生成分析报告的内容;以及通过预设渠道向用户推送分析报告。
进一步地,所述图像分析结果还包括估计的排泄物体积,所述估计的排泄物体积用于控制自动冲水,且冲洗后识别是否有残留并且自我学习。
进一步地,所述图像分析结果包括:a.是否存在粪便;b.是否存在尿液;c.估计的排泄物体积;d.针对粪便的布里斯托分类概率;e.是否存在便血;f.是否存在寄生虫;g.是否存在卫生纸;h.未消化脂肪含量的估计;i.陶瓷内部是否洁净;j.是否有其他异物。
进一步地,所述数据采集系统还包括非图像数据采集模块,用于采集其他健康相关数据,包括:用户落座与离座的时间、如厕频率;所述非图像数据采集模块将上述数据发给健康数据存储分析系统,配合用户自身的粪便分类,给出分析报告。
进一步地,所述非图像数据采集模块,用于采集其他健康相关数据和设备相关数据,包括用户的心跳、用户手机的蓝牙连接状态、智能马桶设备的使用设置参数、智能马桶设备内部的状况;所述非图像数据采集模块用于将上述数据通过电路或互联网,发送至云端服务器用于后续的综合分析与备案。
进一步地,所述图像数据分析系统、机器学习训练系统及健康数据存储分析系统集成为一个可安装在智能马桶内的AI模组;或所述图像数据分析系统、机器学习训练系统及健康数据存储分析系统均位于云端。
本发明还提供了一种包含上述计算机视觉的排泄物分析与预警系统的智能马桶。
通过采用上述技术方案,本发明至少具有以下优点:
1、具有完全自动的数据采集过程,初次安装完成后,无需用户后续的任何干预即可完成对排泄物的采集、分析与预警,实现健康监测,重点实现对粪便的自动分类,自动化程度高。
2、可存储分析用户的长期健康数据,并实现长短期的自动综合评估与反馈。系统在持续采集数据时,不仅会对用户当次使用数据进行分析,也会对数据进行长期的积累,并从不同时间维度(天、周、月、年等)进行分析,并将长短期分析报告及时反馈用户,且数据可以上传云端,对接更多系统为用户产生更多使用价值。
3、整体系统可以根据使用中采集的数据利用机器进行持续的学习与增强,持续提高针对健康数据的分析能力,提高分析的精准度。
4、通过对摄像头的安装位置、角度设置,决定了正常使用中仅采集马桶内部图像,避免了摄像头安装在马桶盖与座圈上,在男士小便的时候掀起座圈及马桶盖会拍摄到男士私密处的问题,更好的保护了隐私。数据传输与存储均采用了加密,并在必要学习训练过程中对数据进行脱敏,进一步保护了用户隐私。
5、摄像头的安装位置可以感应男士小便,智能马桶可以自动冲水,无需男士抬脚触发冲水,避免了误触发。
6、如果感应到是粪便,会根据大小对应适量的水自动冲洗,冲洗后识别是否有残留并且自我学习。
7、采集用户落座与离座的时间、如厕频率,再配合自身的粪便分型,对医学定义频次、落座时长有帮助,且能更有效的判别便秘与腹泻。
8、采集产品设备本身运行状况,脱敏后可提供给生产厂商用于质量追踪之用。
附图说明
上述仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是本发明的基于计算机视觉的排泄物分析与预警系统的结构框图;
图2是本发明的智能马桶的纵切面结构示意图;
图3是本发明的智能马桶的俯视结构示意图(局部切开)。
具体实施方式
本发明结合计算机视觉与物联网技术,针对健康监测,提供了一种基于计算机视觉的排泄物分析与预警系统,如图1所示,包括数据采集系统1、图像数据分析系统2、机器学习训练系统3及健康数据存储分析系统4。其中:
数据采集系统1包括图像数据采集模块,图像数据采集模块主要是采用安装在智能马桶内的摄像头对马桶内部进行自动图像采集;为了保护隐私,本实施例中的摄像头采用特殊的安装位置和安装角度,配合图2、3所示,将摄像头101安装在智能马桶后座102底部、喷杆103的左和/或右侧,且朝向马桶内壁与排水孔104附近;通过这种设置,使正常使用中仅采集马桶内部图像,避免了摄像头安装在马桶盖与座圈上,在男士小便的时候掀起座圈及马桶盖会拍摄到男士私密处的问题,更好的保护了隐私。同时,上述摄像头的安装位置可以感应男士小便,同时可以控制智能马桶自动冲水,无需男士抬脚触发冲水,避免了误触发。利用上述摄像头101对图像采集的触发条件是:摄像头101根据安装在马桶座圈105上的落座传感器或定时器信号的触发进行持续的图像采集。通过上述设置,可实现完全自动的数据采集过程。图像将会通过电路或网络传送给图像数据分析系统2。
图像数据分析系统2主要用于接收数据采集系统1传来的图像,发送至机器学习训练系统3进行备案;并利用机器学习训练系统3预先构建好的基于图像处理、卷积神经网络等算法的神经网络模型对图像进行分析,以分类和回归的综合算法得出包含粪便的布里斯托分类、估计的排泄物体积的图像分析结果,然后将图像分析结果传送至健康数据存储分析系统4,具体地:
图像数据分析系统2对接收到的图像先进行如下的处理:
(1)对初始图像进行预处理:a、监测图像数据完整性;b、解码并转换为矩阵;c、对矩阵数据进行标准化(Normalization)处理;对图像数据进行适当的变形(采集与旋转);
(2)使用预先构建的神经网络模型对预处理后矩阵数据进行计算,获取图像分析结果;
(3)将图像分析结果通过电路或者网络传送至健康数据存储分析系统。
健康数据存储分析系统4,用于对图像分析结果进行存储、长时间维度的分析与预警,即其可按用户身份,对图像分析结果进行加密的永久存储;对分析结果数据进行短期与长期的分析,并根据分析结果决定:生成分析报告的内容;以及通过预设渠道(短信、电话、网页、邮件、聊天软件、应用程序等)向用户推送分析报告。同时,用户也可以在安全授权的情况下通过网站、应用程序等方式主动查询用户的长短期健康数据。
上述提到的图像分析结果包括:
a.是否存在粪便;
b.是否存在尿液;
c.估计的排泄物体积;
d.针对粪便的布里斯托分类概率;
e.是否存在便血;
f.是否存在寄生虫;
g.是否存在卫生纸;
h.未消化脂肪含量的估计;
i.陶瓷内部是否洁净;
j.是否有其他异物。
其中,估计的排泄物体积,主要用于控制自动冲水,且冲洗后可识别是否有残留并且自我学习。
图像数据分析系统2在工作中,会将收到的图像进行脱敏(去除用户的身份信息)后,发送至机器学习训练系统3进行备案。机器学习训练系统3会定期在人工干预的情况下,利用积累的图片对模型进行训练学习——即利用数据训练新的网络模型并改进处理算法。当有性能更好的模型训练完成时,即可以将其部署到图像数据分析系统2以提升整体产品对粪便识别的准确度与速度。
机器学习训练过程是利用图像数据分析系统留存的图片,对模型进行训练的过程。具体的过程为:
I.图片标注
1.由至少两位医师对图片进行标注;
2.统计所有的标注类型,并确立模型的输出指标种类;
3.检索多位医师意见不同的图片,并反馈给医师团队尝试解决冲突。
4.将所有标注好的图片,划分为三个数据集:A.训练数据集(train)B.验证数据集(validation)C.测试数据集(test)
II.模型训练
1.根据所有的标注数据,确定模型输出的指标范围;
2.构建神经网络模型;
3.预处理数据,对图片进行解码,调整取值范围;
4.利用反向传播法(back-propagation),使用图片对模型进行多轮训练。在每轮训练中,都对图片进行数据增强(data augmentation)的处理——即针对图片进行随机但有限的:a.裁剪;b.旋转;c.shear形变;d.改变亮度;e.改变色差;f.增加噪点。
5.训练期间,考虑损失函数(loss function/object function),以及训练数据集和验证数据集的划分,监测训练进度。如有需要,根据验证数据集的测试结果调整模型与数据。
III.模型的评估
通过测试数据集评估模型的最终性能。
IV.模型的发布
1.如果模型通过步骤III的评估,则达到了可以发布的标准;
2.对模型进行优化,包括:
i.根据性能影响,为其布里斯托分类部分添加softmax函数,用于输出布里斯托分类;
ii.使用sigmoid函数和tanh函数计算各个回归数值输出的最终值;
iii.对模型进行量化(quantizatioon),以提升其在生产环境的运用速度。并对量化后的模型进行重新的评估,以确保其准确性不受过大损失。
iv.发布模型至生产环境,替换正在运行的旧版本模型。
在上述基于计算机视觉的排泄物分析与预警系统中,其中的数据采集系统除了包含图像数据采集模块,还包含非图像数据采集模块,主要用于采集其他健康相关或设备相关的数据,如包括:
1.用户落座与离座的时间、如厕频率;
2.用户的心跳;
3.用户手机的蓝牙连接状态(用户身份);
4.智能马桶设备的使用设置,例如水温、水压等;
5.智能马桶设备内部的状况,例如工作温度、湿度等。
6.以上数据均可以通过电路或互联网,发送至云端系统以供后续的综合分析与备案。
其中用户落座与离座的时间、如厕频率数据可发给健康数据存储分析系统,配合用户自身的粪便分类,对医学定义频次、落座时长有帮助,且能更有效的判别便秘与腹泻,还可给出分析报告。
实际使用中,上述图像数据分析系统2、机器学习训练系统3及健康数据存储分析系统4优选集成为一个可安装在智能马桶内的AI模组;直接将上述AI模组安装在智能马桶内,再配合数据采集系统即可快速实现用户健康监测,大大降低生产成本。上述图像数据分析系统2、机器学习训练系统3及健康数据存储分析系统4也可均位于云端的服务器内,数据采集系统1采集完相关的数据之后可直接通过互联网发送至云端的服务器。
另外,本实施例中,对过程中的数据采用加密传输与存储;且在机器学习训练过程中为数据进行脱敏处理,起到了对用户隐私的进一步保护作用。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰,均落在本发明的保护范围内。
Claims (12)
1.一种基于计算机视觉的排泄物分析与预警系统,其特征在于,所述系统包括数据采集系统、图像数据分析系统、机器学习训练系统及健康数据存储分析系统;
所述数据采集系统包括图像数据采集模块,采用安装在智能马桶内的摄像头对马桶内部进行自动图像采集;
所述图像数据分析系统用于接收数据采集系统传来的图像,发送至机器学习训练系统进行备案;并利用机器学习训练系统预先构建的神经网络模型对图像进行分析,得出包含粪便的布里斯托分类的图像分析结果,然后将图像分析结果传送至健康数据存储分析系统;
所述健康数据存储分析系统,用于对图像分析结果进行存储、长时间维度的分析与预警,同时可供用户查询。
2.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述数据采集系统中的摄像头用于根据安装在马桶上的落座传感器或定时器信号的触发进行持续的图像采集。
3.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述数据采集系统中的摄像头安装在智能马桶后座底部、喷杆的左和/或右侧,且朝向马桶内壁与排水孔附近;
和/或,数据采用加密传输与存储;
和/或,在机器学习训练过程中为数据进行脱敏处理。
4.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述图像数据分析系统对接收到的图像进行如下的处理:
(1)对初始图像进行预处理:监测图像数据完整性,解码并转换为矩阵;对矩阵数据进行标准化处理;对图像数据进行适当的变形;
(2)使用预先构建的神经网络模型对预处理后矩阵数据进行计算,获取所述图像分析结果;
(3)将图像分析结果传送至健康数据存储分析系统。
5.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述机器学习训练系统会定期在人工干预的情况下,利用积累的图片对模型进行训练,包括:
在人工干预的情况下对图片进行标注;
构建神经网络模型,利用反向传播法,对模型进行多轮训练,在每轮训练中,都对图片进行数据增强的处理;
对模型进行优化,包括:
i.根据性能影响,为其布里斯托分类部分添加softmax函数,用于输出布里斯托分类;
ii.使用sigmoid函数和tanh函数计算各个回归数值输出的最终值。
6.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述健康数据存储分析系统用于对图像分析结果进行存储、长时间维度的分析与预警包括:
按用户身份,对图像分析结果进行加密的永久存储;对分析结果数据进行短期与长期的分析,并根据分析结果决定:生成分析报告的内容;以及通过预设渠道向用户推送分析报告。
7.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述图像分析结果还包括估计的排泄物体积,所述估计的排泄物体积用于控制自动冲水,且冲洗后识别是否有残留并且自我学习。
8.根据权利要求1所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述图像分析结果包括:
a.是否存在粪便;
b.是否存在尿液;
c.估计的排泄物体积;
d.针对粪便的布里斯托分类概率;
e.是否存在便血;
f.是否存在寄生虫;
g.是否存在卫生纸;
h.未消化脂肪含量的估计;
i.陶瓷内部是否洁净;
j.是否有其他异物。
9.根据权利要求1-8任一项所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述数据采集系统还包括非图像数据采集模块,用于采集其他健康相关数据,包括:用户落座与离座的时间、如厕频率;所述非图像数据采集模块将上述数据发给健康数据存储分析系统,配合用户自身的粪便分类,给出分析报告。
10.根据权利要求9所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述非图像数据采集模块,用于采集其他健康相关数据和设备相关数据,包括用户的心跳、用户手机的蓝牙连接状态、智能马桶设备的使用设置参数、智能马桶设备内部的状况;所述非图像数据采集模块用于将上述数据通过电路或互联网,发送至云端服务器用于后续的综合分析与备案。
11.根据权利要求1-10任一项所述的基于计算机视觉的排泄物分析与预警系统,其特征在于,所述图像数据分析系统、机器学习训练系统及健康数据存储分析系统集成为一个可安装在智能马桶内的AI模组;
或所述图像数据分析系统、机器学习训练系统及健康数据存储分析系统均位于云端。
12.一种智能马桶,其特征在于,包含权利要求1-11任一项所述的计算机视觉的排泄物分析与预警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666225.7A CN114299047A (zh) | 2021-12-31 | 2021-12-31 | 一种基于计算机视觉的排泄物分析与预警系统及智能马桶 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111666225.7A CN114299047A (zh) | 2021-12-31 | 2021-12-31 | 一种基于计算机视觉的排泄物分析与预警系统及智能马桶 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299047A true CN114299047A (zh) | 2022-04-08 |
Family
ID=80974044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111666225.7A Pending CN114299047A (zh) | 2021-12-31 | 2021-12-31 | 一种基于计算机视觉的排泄物分析与预警系统及智能马桶 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299047A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117492386A (zh) * | 2023-12-26 | 2024-02-02 | 广东樱井科技有限公司 | 一种基于物联网的智能马桶控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107807549A (zh) * | 2017-10-27 | 2018-03-16 | 北京小米移动软件有限公司 | 智能马桶的控制器及控制方法 |
CN108149761A (zh) * | 2017-12-08 | 2018-06-12 | 国际设计有限公司 | 一种多功能健康监控智能马桶 |
CN110461219A (zh) * | 2017-04-07 | 2019-11-15 | 托伊实验室公司 | 用在卫生间环境中的生物监测用的装置、方法和系统 |
WO2020236082A1 (en) * | 2019-05-22 | 2020-11-26 | Yongtai Zhang | An artificial intelligence pamper angel health system & method |
US20210035289A1 (en) * | 2019-07-31 | 2021-02-04 | Dig Labs Corporation | Animal health assessment |
-
2021
- 2021-12-31 CN CN202111666225.7A patent/CN114299047A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110461219A (zh) * | 2017-04-07 | 2019-11-15 | 托伊实验室公司 | 用在卫生间环境中的生物监测用的装置、方法和系统 |
CN107807549A (zh) * | 2017-10-27 | 2018-03-16 | 北京小米移动软件有限公司 | 智能马桶的控制器及控制方法 |
CN108149761A (zh) * | 2017-12-08 | 2018-06-12 | 国际设计有限公司 | 一种多功能健康监控智能马桶 |
WO2020236082A1 (en) * | 2019-05-22 | 2020-11-26 | Yongtai Zhang | An artificial intelligence pamper angel health system & method |
US20210035289A1 (en) * | 2019-07-31 | 2021-02-04 | Dig Labs Corporation | Animal health assessment |
Non-Patent Citations (1)
Title |
---|
吕云翔等: "机器学习原理及应用", 31 August 2021, 机械工业出版社, pages: 102 - 106 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117492386A (zh) * | 2023-12-26 | 2024-02-02 | 广东樱井科技有限公司 | 一种基于物联网的智能马桶控制系统 |
CN117492386B (zh) * | 2023-12-26 | 2024-04-02 | 广东樱井科技有限公司 | 一种基于物联网的智能马桶控制系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109729710B (zh) | 猫用厕所使用状况管理系统以及猫用厕所 | |
US20090222399A1 (en) | Trustworthiness assessment of sensor data processing | |
US20050137465A1 (en) | System and method for remote monitoring in home activity of persons living independently | |
KR20160149390A (ko) | 배설물상태 및 배변활동을 이용한 애완동물 건강상태 판단 방법 및 장치 | |
KR102108829B1 (ko) | 가축질병 예찰 및 원격 진료시스템 | |
CN107046554A (zh) | 动物健康智能监测系统及其数据采集传输与查询方法 | |
KR102592841B1 (ko) | 정보 처리 시스템, 정보 처리 장치, 정보 처리 방법, 및 비일시적 컴퓨터 판독가능 매체 | |
CN110197732B (zh) | 一种基于多传感器的远程健康监控系统、方法与设备 | |
CN111310596A (zh) | 一种动物患病状态监测系统及方法 | |
CN114299047A (zh) | 一种基于计算机视觉的排泄物分析与预警系统及智能马桶 | |
EP2783629A1 (fr) | Système pour la gestion de l'état sanitaire et respiratoire de bovins | |
CN110781808A (zh) | 跌倒检测方法、装置、设备及存储介质 | |
Chapron et al. | Highly accurate bathroom activity recognition using infrared proximity sensors | |
CN114974577A (zh) | 一种基于行为预测的患者认知能力分析和预警系统及方法 | |
KR102188981B1 (ko) | 스마트 고독사 방지 시스템 및 그 방법 | |
CN112235740A (zh) | 一种基于物联网的个体作息监测方法及系统 | |
KR20200115317A (ko) | 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치 | |
CN117373676A (zh) | 大熊猫健康评估方法、装置、系统、设备及存储介质 | |
CN117197998A (zh) | 一种物联网的传感器集成看护系统 | |
CN116433029A (zh) | 电力作业风险评估方法、系统、设备及存储介质 | |
KR20090090488A (ko) | 바이오센서를 이용한 가축의 질병관리시스템 및 그 방법 | |
CN114430474A (zh) | 排泄物状态显示系统 | |
WO2021192475A1 (ja) | 排出物識別方法、排出物識別装置及び排出物識別プログラム | |
CN112951379A (zh) | 智能型精神心理疾病智能化问诊及辅助诊断系统 | |
KR20210062238A (ko) | 영상정보 분석 기반 방역 시스템 및 그 이용 방법 |
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 |