CN114818937A - 除菌指令的确认方法和装置、存储介质及电子装置 - Google Patents

Abstract

本申请公开了一种除菌指令的确认方法和装置、存储介质及电子装置，涉及智慧家庭技术领域，该除菌指令的确认方法包括：获取目标对象的行为统计数据；其中，行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，K个时段区间中每个时段区间的时长相同且每个时段区间至少存在一个相邻的时段区间，N大于1，且N、K为正整数；根据行为统计数据预测目标对象在第N+1个周期中的第K个时段区间的目标行为特征；在已获取第N+1个周期中第K‑1个时段区间内存储设备对应的打开时长的情况下，基于目标行为特征和打开时长确定是否向设备发出除菌指令。

Description

除菌指令的确认方法和装置、存储介质及电子装置

技术领域

本申请涉及智慧家庭技术领域，具体而言，涉及一种除菌指令的确认方法和装置、存储介质及电子装置。

背景技术

现在随着人们对家电卫生要求的提高，越来越多的智能冰箱支持自动除菌功能，同时随着人们环保意识的提高，对智能冰箱的除菌功能有着及时有效和节能高效的双重要求，是智能冰箱的一大挑战。相关技术中，设备厂商往往采用定期除菌、或者在智能应用中允许用户设置除菌频率等方法，优化除菌启动的时间和频率。但以上方法或者无法同时满足对除菌功能的高效和节能的要求、或者给用户带来额外的工作造成不佳的用户体验。

例如，当用户开门时间长时，会引起智能冰箱内部温湿度变化、带入外部空气，不利于食品保鲜；如果在除菌过程或者刚刚除菌完成时，用户又打开智能冰箱，则这一次除菌不能完成或者除菌效果保持时间过短，因而成为一次低效除菌。由此可见，现有智能冰箱虽然具有除菌功能或者提供多种除菌模式供用户选择、或者优化除菌区域或者除菌设备的结构，但是并未结合用户使用智能冰箱的行为来优化除菌方案的能力，使得用户使用智能冰箱的行为与智能冰箱的除菌过程相冲突，导致智能冰箱的除菌效率低下。

针对相关技术中，存储设备的除菌过程与目标对象的使用相互冲突，导致除菌效果低，且目标对象对存储设备的使用体验差等问题，尚未提出有效的技术方案。

发明内容

本发明实施例提供了一种除菌指令的确认方法和装置、存储介质及电子装置，以至少解决相关技术中，存储设备的除菌过程与目标对象的使用相互冲突，导致除菌效果低，且目标对象对存储设备的使用体验差等问题。

根据本发明的一个实施例，提供了一种除菌指令的确认方法，包括：获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

在一个示例性实施例中，上述行为特征包括以下至少之一：目标对象打开存储设备的次数、目标对象累计打开存储设备的时长、目标对象最后一次打开存储设备到时段区间结束前关闭存储设备的时长。

在一个示例性实施例中，获取目标对象的行为统计数据之后，上述方法还包括：确定所述目标对象在所述N个周期中每一个周期的第M-1个时段区间、第M个时段区间、第M+1个时段区间的行为特征分别对应的平均值与标准差；其中，所述M+1小于等于K，所述第M-1个时段区间、所述第M个时段区间、所述第M+1个时段区间三者对应的时长相同；基于所述平均值与所述标准差确定所述目标对象对应所述N个周期的特征矩阵；根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征，其中，所述特征标签用于标识目标对象在每一个时段区间是否存在打开存储设备的行为。

在一个示例性实施例中，根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征之后，上述方法还包括：将所述第二特征与所述目标对象在第N个周期中的K个时段区间的行为特征相对应，得到一个训练样本；将所述训练样本输入到预设模型中，通过训练得到用于分类所述目标对象行为统计数据的分类模型；确定所述目标对象行为统计数据中所述N个周期对应的特征集合，将所述特征集合输入到所述分类模型中，得到所述N个周期的K个时段区间分别对应的目标特征标签；根据所述目标特征标签确定所述目标对象在每一个时段区间内打开存储设备的第一概率。

在一个示例性实施例中，根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征，包括：在确定所述目标对象在第N个周期中的第K个时段区间打开存储设备的目标第一概率的情况下，根据所述目标第一概率确定所述目标对象在第N+1个周期中的第K个时段区间的第二概率；其中，所述第二概率用于指示目标对象在第N+1个周期中的所述第K个时段区间不打开存储设备的概率；根据所述第二概率预测所述目标对象的目标行为特征。

在一个示例性实施例中，在已获取所述第N+1个周期中第K-1个时段区间的存储设备打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向存储设备发出除菌指令，包括：获取所述目标行为特征对应的第二概率，计算所述第二概率与第一常数相加后的第一目标数值，对所述第一目标数值取对数，得到第一对数值；计算所述存储设备打开时长除以第二常数与所述第一常数相加后的第二目标数值，对所述第二目标数值取对数，得到第二对数值；将所述第一对数值与第一权重的乘积和所述第二对数值相加得到建议指数；比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令。

在一个示例性实施例中，比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令，包括：在所述建议指数大于或等于预设指数阈值的情况下，向所述存储设备发出除菌指令，并提示所述目标对象所述存储设备将启动除菌功能；在所述建议指数小于预设指数阈值的情况下，禁止向所述存储设备发出除菌指令。

根据本发明的另一个实施例，提供了一种除菌指令的确认装置，包括：获取模块，用于获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；预测模块，用于根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；确定模块，用于在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

在一个示例性实施例中，上述装置还包括：特征模块，用于确定所述目标对象在所述N个周期中每一个周期的第M-1个时段区间、第M个时段区间、第M+1个时段区间的行为特征分别对应的平均值与标准差；其中，所述M+1小于等于K，所述第M-1个时段区间、所述第M个时段区间、所述第M+1个时段区间三者对应的时长相同；基于所述平均值与所述标准差确定所述目标对象对应所述N个周期的特征矩阵；根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征，其中，所述特征标签用于标识目标对象在每一个时段区间是否存在打开存储设备的行为。

在一个示例性实施例中，上述特征模块还包括：

样本单元，用于将所述第二特征与所述目标对象在第N个周期中的K个时段区间的行为特征相对应，得到一个训练样本；

训练单元，用于将所述训练样本输入到预设模型中，通过训练得到用于分类所述目标对象行为统计数据的分类模型；

分类单元，用于确定所述目标对象行为统计数据中所述N个周期对应的特征集合，将所述特征集合输入到所述分类模型中，得到所述N个周期的K个时段区间分别对应的目标特征标签；

确定单元，用于根据所述目标特征标签确定所述目标对象在每一个时段区间内打开存储设备的第一概率。

在一个示例性实施例中，上述预测模块，还用于在确定所述目标对象在第N个周期中的第K个时段区间打开存储设备的目标第一概率的情况下，根据所述目标第一概率确定所述目标对象在第N+1个周期中的第K个时段区间的第二概率；其中，所述第二概率用于指示目标对象在第N+1个周期中的所述第K个时段区间不打开存储设备的概率；根据所述第二概率预测所述目标对象的目标行为特征。

在一个示例性实施例中，上述确定模块，还用于获取所述目标行为特征对应的第二概率，计算所述第二概率与第一常数相加后的第一目标数值，对所述第一目标数值取对数，得到第一对数值；计算所述存储设备打开时长除以第二常数与所述第一常数相加后的第二目标数值，对所述第二目标数值取对数，得到第二对数值；将所述第一对数值与第一权重的乘积和所述第二对数值相加得到建议指数；比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令。

在一个示例性实施例中，上述确定模块，还用于在所述建议指数大于或等于预设指数阈值的情况下，向所述存储设备发出除菌指令，并提示所述目标对象所述存储设备将启动除菌功能；在所述建议指数小于预设指数阈值的情况下，禁止向所述存储设备发出除菌指令。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

通过本发明，获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。也就是说，通过目标对象在N个周期中的行为特征对目标对象在第N+1个周期内的目标行为特征进行预测，继而结合在存储设备对应的打开时长确定当前存储设备是否需要进行除菌动作，并发送启动所述存储设备除菌功能的除菌指令，因此，可以解决现有技术中存储设备的除菌过程与目标对象的使用相互冲突，导致除菌效果低，且目标对象对存储设备的使用体验差等问题，使得在目标对象对存储设备使用频率高或者将要使用时，暂缓存储设备的除菌操作，并在目标对象完成对存储设备的使用后，控制存储设备快速进入除菌过程，提升目标对象对存储设备的使用体验的同时，提高存储设备的除菌效率，避免除菌过程中出现目标对象使用存储设备导致除菌效果降低情况的发生。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

为了更清楚地说明本申请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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本申请实施例的一种除菌指令的确认方法的硬件环境示意图；

图2是根据本发明实施例的除菌指令的确认方法的流程图；

图3是根据本发明可选实施例的除菌系统的整体架构示意图；

图4是根据本发明可选实施例的预测模块的流程示意图；

图5是根据本发明实施例的除菌指令的确认装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请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，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。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，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例的一个方面，提供了一种除菌指令的确认方法。该除菌指令的确认方法广泛应用于智慧家庭(SmartHome)、智能家居、智能家用设备生态、智慧住宅(IntelligenceHouse)生态等全屋智能数字化控制应用场景。可选地，在本实施例中，上述除菌指令的确认方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示，服务器104通过网络与终端设备102进行连接，可用于为终端或终端上安装的客户端提供服务(如应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务，可在服务器上或独立于服务器配置云计算和/或边缘计算服务，用于为服务器104提供数据运算服务。

上述网络可以包括但不限于以下至少之一：有线网络，无线网络。上述有线网络可以包括但不限于以下至少之一：广域网，城域网，局域网，上述无线网络可以包括但不限于以下至少之一：WIFI(WirelessFidelity，无线保真)，蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。

在本实施例中提供了一种除菌指令的确认方法，图2是根据本发明实施例的除菌指令的确认方法的流程图，该流程包括如下步骤：

步骤S202，获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；

可选的，上述N为天数，K为每天中的多个等间隔的任意时刻中的第K个，间隔对应的时长单位为秒。例如，将一天划分为24小时，一个时段区间便是1小时，上述K个时段区间为存在连续关系且时长相同的区间，对此，本申请不做过多限定。

步骤S204，根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；

步骤S206，在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

通过上述步骤，获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。也就是说，通过目标对象在N个周期中的行为特征对目标对象在第N+1个周期内的目标行为特征进行预测，继而结合在存储设备对应的打开时长确定当前存储设备是否需要进行除菌动作，并发送启动所述存储设备除菌功能的除菌指令，因此，可以解决现有技术中存储设备的除菌过程与目标对象的使用相互冲突，导致除菌效果低，且目标对象对存储设备的使用体验差等问题，使得在目标对象对存储设备使用频率高或者将要使用时，暂缓存储设备的除菌操作，并在目标对象完成对存储设备的使用后，控制存储设备快速进入除菌过程，提升目标对象对存储设备的使用体验的同时，提高存储设备的除菌效率，避免除菌过程中出现目标对象使用存储设备导致除菌效果降低情况的发生。

在一个示例性实施例中，上述行为特征包括以下至少之一：目标对象打开存储设备的次数、目标对象累计打开存储设备的时长、目标对象最后一次打开存储设备到时段区间结束前关闭存储设备的时长。

简单来说，为了保证可以通过行为统计数据对目标对象对存储设备的使用进行全面的确认，可以根据目标对象的历史数据确定对应的用于统计的行为特征，例如，当存储设备为智能冰箱时，确定目标对象基于每天每时段的统计特征，其中，时段可以选取一小时或多于一小时，建议时长多于除菌过程需要的时长；计时点可以是等间隔的任意时刻，如每小时整点。计算每天每个时段区间的统计值，时长单位为秒，次数单位为次。具体包括：目标对象在每时段开门次数；目标对象在每时段累计开门总时长；目标对象在时段最后一次开门到计时点的关门时长。

在一个示例性实施例中，获取目标对象的行为统计数据之后，上述方法还包括：确定所述目标对象在所述N个周期中每一个周期的第M-1个时段区间、第M个时段区间、第M+1个时段区间的行为特征分别对应的平均值与标准差；其中，所述M+1小于等于K，所述第M-1个时段区间、所述第M个时段区间、所述第M+1个时段区间三者对应的时长相同；基于所述平均值与所述标准差确定所述目标对象对应所述N个周期的特征矩阵；根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征，其中，所述特征标签用于标识目标对象在每一个时段区间是否存在打开存储设备的行为。

可选的，当存储设备为智能冰箱时，基于目标对象使用智能冰箱的历史特征，计算目标对象在每天每个时段区间的统计值，在确定统计值的情况下，将统计值按天(即N)求平均值和标准差，则目标对象在第k个时段区间的特征可以包括：(1)目标对象在k-1时段开门次数平均值；(2)目标对象在k-1时段开门次数标准差；(3)目标对象在k时段开门次数平均值；(4)目标对象在k时段开门次数标准差；(5)目标对象在k+1时段开门次数平均值；(6)目标对象在k+1时段开门次数标准差；(7)目标对象在k-1时段累计开门总时长均值；(8)目标对象在k-1时段累计开门总时长标准差；(9)目标对象在k时段累计开门总时长均值；(10)目标对象在k时段累计开门总时长标准差；(11)目标对象在k+1时段累计开门总时长均值；(12)目标对象在k+1时段累计开门总时长标准差；(13)目标对象时段最后一次开门到k-1时段计时点的关门时长的平均值；(14)目标对象时段最后一次开门到k-1时段计时点的关门时长的标准差；(15)目标对象时段最后一次开门到k时段计时点的关门时长的平均值；(16)目标对象时段最后一次开门到k时段计时点的关门时长的标准差；(17)目标对象时段最后一次开门到k+1时段计时点的关门时长的平均值；(18)目标对象时段最后一次开门到k+1时段计时点的关门时长的标准差。综上，当周期为一天且分为K个时段区间，则每一个目标对象的特征矩阵维度为K*18。

在确定目标对象在不同天的特征矩阵之后，为了便于对后续数据的分析预测，根据目标对象对于智能冰箱的开关门行为为特征矩阵中的每一个时段区间对应的第一特征添加用于分类的特征标签，得到可以确定目标对象在该时段区间是否有开门行为的第二特征。

在一个示例性实施例中，根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征之后，上述方法还包括：将所述第二特征与所述目标对象在第N个周期中的K个时段区间的行为特征相对应，得到一个训练样本；将所述训练样本输入到预设模型中，通过训练得到用于分类所述目标对象行为统计数据的分类模型；确定所述目标对象行为统计数据中所述N个周期对应的特征集合，将所述特征集合输入到所述分类模型中，得到所述N个周期的K个时段区间分别对应的目标特征标签；根据所述目标特征标签确定所述目标对象在每一个时段区间内打开存储设备的第一概率。

在一个示例性实施例中，根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征，包括：在确定所述目标对象在第N个周期中的第K个时段区间打开存储设备的目标第一概率的情况下，根据所述目标第一概率确定所述目标对象在第N+1个周期中的第K个时段区间的第二概率；其中，所述第二概率用于指示目标对象在第N+1个周期中的所述第K个时段区间不打开存储设备的概率；根据所述第二概率预测所述目标对象的目标行为特征。

例如，当存储设备为智能冰箱时，取目标对象在第N天的每个时段的开门记录，如果第k个时段有开门行为则分类为1，否则为0。进一步，确定一个目标对象一个时段的特征和特征标签构成一个样本，利用样本训练预设的分类器得到用于对目标对象进行特征确定的高斯贝叶斯分类器。即该高斯贝叶斯分类器可以将特征矩阵中转化为用0、1标识的分类特征矩阵，当存在N天第K时间区段的分类结果后，通过确定第N天以及第N天之前第K时间区段的分类结果，可以对目标对象在N+1天的第K时间区段的分类结果进行预测，得到目标对象在N+1天的第K时间区段对智能冰箱进行分类为1的开门以及分类为0的关门的概率，得到目标对象在N+1天的第K时间区段可能开门的第一概率，以及目标对象在N+1天的第K时间区段可能关门的第二概率，便可以确定目标对象对存储设备有无使用，避免执行除菌指令时存在的使用干扰。

在一个示例性实施例中，在已获取所述第N+1个周期中第K-1个时段区间的存储设备打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向存储设备发出除菌指令，包括：获取所述目标行为特征对应的第二概率，计算所述第二概率与第一常数相加后的第一目标数值，对所述第一目标数值取对数，得到第一对数值；计算所述存储设备打开时长除以第二常数与所述第一常数相加后的第二目标数值，对所述第二目标数值取对数，得到第二对数值；将所述第一对数值与第一权重的乘积和所述第二对数值相加得到建议指数；比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令。

在一个示例性实施例中，比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令，包括：在所述建议指数大于或等于预设指数阈值的情况下，向所述存储设备发出除菌指令，并提示所述目标对象所述存储设备将启动除菌功能；在所述建议指数小于预设指数阈值的情况下，禁止向所述存储设备发出除菌指令。

例如，当存储设备为智能冰箱时，记录根据分类器的分类结果预测的每一个目标对象在N+1天第k时段的不开门的概率为p(u,k)(相当于本发明实施例中的第二概率)，N+1天时，在每一个时段(相当于本发明实施例中的时段区间)的计时点，统计该计时点之前一个时段中，目标对象开门的总时长，如在第k时段的计时点，则统计k-1时段目标对象开门总时长(相当于本发明实施例中的打开时长)，记为c(u,k-1)，单位为秒。在第k时段开始的时刻，计算一个目标对象在第k时段的除菌建议指数Idx(u,k)，除菌建议指数Idx(u,k)的计算公式为：Idx＝log(c(u,k-1)/a+e)+b*log(p(u,k)+e)；所述p(u,k)和c(u,k-1)为根据历史数据确定出的输入数据,其中，a,b,e为常数，取值建议：a＝3600,e＝0.000000001,b＝1.2；生成指数后，如果Idx>阈值T，则发出除菌指令，建议T＝-15，否则不发出除菌指令。

需要说明的是。上述存储设备还可以消毒柜，洗衣机等，本发明对此不作过多限定。

为了更好的理解上述除菌指令的确认方法的过程，以下结合几个可选实施例对上述除菌指令的确认方法流程进行说明。

作为一种可选的实施例，提出了一种冰箱智能除菌方法，通过识别和预测用户的开关门行为，实时计算出启动智能冰箱的除菌功能的建议指数。当用户开门时间长时，提高建议除菌指数，当预测到用户在下一段时间内开门概率大时，则出于节能考虑降低建议指数，即在保证除菌及时有效的同时，通过预测用户下一时段开门行为来提高除菌效率。进而同时考虑到了除菌的及时性和节能性。此外，设备维护商和用户也可通过调整建议指数的启动阈值来实现个性化的除菌方案，使得除菌方案更灵活的偏向洁净及时或者更节能。

图3是根据本发明可选实施例的除菌系统的整体架构示意图；具体的，包括：预测模块32、实时统计模块34和除菌启动模块36；

可选的，预测模块32负责基于用户历史开关冰箱门数据构建统计特征，训练预测模型，并预测每一个用户在未来一天各个小时段开冰箱门的概率。

可选的，实时统计模块34在判断是否要执行除菌的时候，计算上一时间段用户开门的总时长。

可选的，除菌启动模块36根据预测模块32输出预测概率和实时统计模块34输出的开门时长，根据公式生成消杀指数，和阈值进行比对，当指数大于阈值时发出冰箱除菌指令。

作为一种可选的实施方式，图4是根据本发明可选实施例的预测模块的流程示意图，包括：

步骤一、构建特征，为训练分类器生成特征(相当于本发明的实施例中的行为特征)：基于历史(0，N-1)天的数据(N建议取15-29天)，生成用户(相当于上述目标对象)基于每天每时段的统计特征，其中时段可以选取一小时或多于一小时，建议时长多于除菌过程需要的时长；计时点可以是等间隔的任意时刻，如每小时整点。计算每天每个时段的统计值，时长单位为秒，次数单位为次。具体包括：

a)用户每时段开门次数；

b)用户每时段累计开门总时长；

c)用户时段最后一次开门到计时点的关门时长；

将如上统计值按天(即N)求平均值和标准差，用户在第k个时段的特征为：

(1)用户在k-1时段开门次数平均值；

(2)用户在k-1时段开门次数标准差；

(3)用户在k时段开门次数平均值；

(4)用户在k时段开门次数标准差；

(5)用户在k+1时段开门次数平均值；

(6)用户在k+1时段开门次数标准差；

(7)用户在k-1时段累计开门总时长均值；

(8)用户在k-1时段累计开门总时长标准差；

(9)用户在k时段累计开门总时长均值；

(10)用户在k时段累计开门总时长标准差；

(11)用户在k+1时段累计开门总时长均值；

(12)用户在k+1时段累计开门总时长标准差；

(13)用户时段最后一次开门到k-1时段计时点的关门时长的平均值；

(14)用户时段最后一次开门到k-1时段计时点的关门时长的标准差；

(15)用户时段最后一次开门到k时段计时点的关门时长的平均值；

(16)用户时段最后一次开门到k时段计时点的关门时长的标准差；

(17)用户时段最后一次开门到k+1时段计时点的关门时长的平均值；

(18)用户时段最后一次开门到k+1时段计时点的关门时长的标准差；

进一步的，如果一天分为K个时段，则每一个用户的特征矩阵维度为K*18；

步骤二、预测模型训练，为待训练的预设分类器模型确定类别标签(相当于上述实施例中的特征标签)：取用户在第N天的每个时段的开门记录，如果第k个时段有开门行为则分类为1，否则为0。将一个用户一个时段的特征和该特征对应的类别标签构成一个样本，利用样本训练预设分类器模型，进而可以确定出用于分类的分类器。

步骤三、执行预测，基于(0，N天)历史数据的用户行为统计特征，将用户行为统计特征输入待上述分类器中，输出每个样本在每个时段属于不同类别(0：不开门，1：开门)的概率，并结合第N天用户开门记录，以预测每一个用户在N+1天第k时段的不开门的概率为p(u,k)；

作为一种可选的实施方式，上述实时统计模块34，用于在N+1天时，在每一个时段的计时点，统计该计时点之前一个时段中，用户开门的总时长，如在第k时段的计时点，则统计k-1时段用户开门总时长，记为c(u,k-1)，单位为秒；

上述除菌启动模块中还包括：生成消杀指数单元42、阈值判断单元44、发送消杀指令单元46；具体的，上述生成消杀指数单元42，用于在k时段开始的时刻，计算一个目标对象在k时段的除菌建议指数Idx(u,k)。输入为预测模块32输出的p(u,k)和实时统计模块输出的c(u,k-1),通过以下公式计算消杀指数：Idx＝log(c(u,k-1)/a+e)+b*log(p(u,k)+e)；其中，a,b,e为常数，取值建议：a＝3600,e＝0.000000001,b＝1.2；生成指数后，如果Idx>阈值T，则发出除菌指令，可选的，建议T＝-15。

综上，通过上述基于用户历史冰箱开关门记录的统计特征构建方式；基于历史数据使用高斯贝叶斯方法预测未来每个时段开门概率；结合预测未来每个时段开门概率的预测结果和实时开门时长的计算除菌指数的方式，以及基于每一个用户历史数据实时生成个性化除菌指数的整体流程，既可以满足在用户长时间时候之后及时除菌的需求，又避免了在除菌过程中或者刚刚除菌完成后用户即开门的情况下造成的除菌浪费。在保证冰箱内部清洁的同时降低了因除菌设施启动造成的电能和设备寿命的消耗。解决了现有技术中不能基于用户的历史和实时行为自动调整除菌功能启动方案的问题。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述除菌指令的确认。

在本实施例中还提供了一种除菌指令的确认装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图5是根据本发明实施例的除菌指令的确认装置的结构框图，如图5所示，该装置包括：

(1)获取模块52，用于获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；

(2)预测模块54，用于根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；

(3)确定模块56，用于在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

通过上述装置，获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。也就是说，通过目标对象在N个周期中的行为特征对目标对象在第N+1个周期内的目标行为特征进行预测，继而结合在存储设备对应的打开时长确定当前存储设备是否需要进行除菌动作，并发送启动所述存储设备除菌功能的除菌指令，因此，可以解决现有技术中存储设备的除菌过程与目标对象的使用相互冲突，导致除菌效果低，且目标对象对存储设备的使用体验差等问题，使得在目标对象对存储设备使用频率高或者将要使用时，暂缓存储设备的除菌操作，并在目标对象完成对存储设备的使用后，控制存储设备快速进入除菌过程，提升目标对象对存储设备的使用体验的同时，提高存储设备的除菌效率，避免除菌过程中出现目标对象使用存储设备导致除菌效果降低情况的发生。

在一个示例性实施例中，上述装置还包括：特征模块，用于确定所述目标对象在所述N个周期中每一个周期的第M-1个时段区间、第M个时段区间、第M+1个时段区间的行为特征分别对应的平均值与标准差；其中，所述M+1小于等于K，所述第M-1个时段区间、所述第M个时段区间、所述第M+1个时段区间三者对应的时长相同；基于所述平均值与所述标准差确定所述目标对象对应所述N个周期的特征矩阵；根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征，其中，所述特征标签用于标识目标对象在每一个时段区间是否存在打开存储设备的行为。

在一个示例性实施例中，上述特征模块还包括：

样本单元，用于将所述第二特征与所述目标对象在第N个周期中的K个时段区间的行为特征相对应，得到一个训练样本；

训练单元，用于将所述训练样本输入到预设模型中，通过训练得到用于分类所述目标对象行为统计数据的分类模型；

分类单元，用于确定所述目标对象行为统计数据中所述N个周期对应的特征集合，将所述特征集合输入到所述分类模型中，得到所述N个周期的K个时段区间分别对应的目标特征标签；

确定单元，用于根据所述目标特征标签确定所述目标对象在每一个时段区间内打开存储设备的第一概率。

在一个示例性实施例中，上述预测模块，还用于在确定所述目标对象在第N个周期中的第K个时段区间打开存储设备的目标第一概率的情况下，根据所述目标第一概率确定所述目标对象在第N+1个周期中的第K个时段区间的第二概率；其中，所述第二概率用于指示目标对象在第N+1个周期中的所述第K个时段区间不打开存储设备的概率；根据所述第二概率预测所述目标对象的目标行为特征。

在一个示例性实施例中，上述确定模块，还用于获取所述目标行为特征对应的第二概率，计算所述第二概率与第一常数相加后的第一目标数值，对所述第一目标数值取对数，得到第一对数值；计算所述存储设备打开时长除以第二常数与所述第一常数相加后的第二目标数值，对所述第二目标数值取对数，得到第二对数值；将所述第一对数值与第一权重的乘积和所述第二对数值相加得到建议指数；比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令。

在一个示例性实施例中，上述确定模块，还用于在所述建议指数大于或等于预设指数阈值的情况下，向所述存储设备发出除菌指令，并提示所述目标对象所述存储设备将启动除菌功能；在所述建议指数小于预设指数阈值的情况下，禁止向所述存储设备发出除菌指令。

在本发明的描述中，需要理解的是，术语中“中心”、“上”、“下”、“前”、“后”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“连接”、“相连”应做广义理解，例如，可以是固定连接，也可以是拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以是通过中间媒介间接相连，可以是两个组件内部的连通。当组件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明的具体含义。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；

S2，根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；

S3，在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

在一个示例性实施例中，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-OnlyMemory，简称为ROM)、随机存取存储器(RandomAccessMemory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

在一个示例性实施例中，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；

S2，根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；

S3，在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

在一个示例性实施例中，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，在一个示例性实施例中，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种除菌指令的确认方法，其特征在于，包括：

获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；

根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；

在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

2.根据权利要求1所述除菌指令的确认方法，其特征在于，所述行为特征包括以下至少之一：

目标对象打开存储设备的次数、目标对象累计打开存储设备的时长、目标对象最后一次打开存储设备到时段区间结束前关闭存储设备的时长。

3.根据权利要求1所述除菌指令的确认方法，其特征在于，获取目标对象的行为统计数据之后，所述方法还包括：

确定所述目标对象在所述N个周期中每一个周期的第M-1个时段区间、第M个时段区间、第M+1个时段区间的行为特征分别对应的平均值与标准差；其中，所述M+1小于等于K，所述第M-1个时段区间、所述第M个时段区间、所述第M+1个时段区间三者对应的时长相同；

基于所述平均值与所述标准差确定所述目标对象对应所述N个周期的特征矩阵；

根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征，其中，所述特征标签用于标识目标对象在每一个时段区间是否存在打开存储设备的行为。

4.根据权利要求3所述除菌指令的确认方法，其特征在于，根据预设类别特征为所述特征矩阵中的第一特征添加特征标签，得到用于分类的第二特征之后，所述方法还包括：

将所述第二特征与所述目标对象在第N个周期中的K个时段区间的行为特征相对应，得到一个训练样本；

将所述训练样本输入到预设模型中，通过训练得到用于分类所述目标对象行为统计数据的分类模型；

确定所述目标对象行为统计数据中所述N个周期对应的特征集合，将所述特征集合输入到所述分类模型中，得到所述N个周期的K个时段区间分别对应的目标特征标签；

根据所述目标特征标签确定所述目标对象在每一个时段区间内打开存储设备的第一概率。

5.根据权利要求1所述除菌指令的确认方法，其特征在于，根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征，包括：

在确定所述目标对象在第N个周期中的第K个时段区间打开存储设备的目标第一概率的情况下，根据所述目标第一概率确定所述目标对象在第N+1个周期中的第K个时段区间的第二概率；其中，所述第二概率用于指示目标对象在第N+1个周期中的所述第K个时段区间不打开存储设备的概率；

根据所述第二概率预测所述目标对象的目标行为特征。

6.根据权利要求1所述除菌指令的确认方法，其特征在于，在已获取所述第N+1个周期中第K-1个时段区间的存储设备打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向存储设备发出除菌指令，包括：

获取所述目标行为特征对应的第二概率，计算所述第二概率与第一常数相加后的第一目标数值，对所述第一目标数值取对数，得到第一对数值；

计算所述存储设备打开时长除以第二常数与所述第一常数相加后的第二目标数值，对所述第二目标数值取对数，得到第二对数值；

将所述第一对数值与第一权重的乘积和所述第二对数值相加得到建议指数；

比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令。

7.根据权利要求6所述除菌指令的确认方法，其特征在于，比较所述建议指数与预设阈值的大小，以确定是否向所述存储设备发出除菌指令，包括：

在所述建议指数大于或等于预设指数阈值的情况下，向所述存储设备发出除菌指令，并提示所述目标对象所述存储设备将启动除菌功能；

在所述建议指数小于预设指数阈值的情况下，禁止向所述存储设备发出除菌指令。

8.一种除菌指令的确认装置，其特征在于，包括：

获取模块，用于获取目标对象的行为统计数据；其中，所述行为统计数据为目标对象在时长相同的N个周期中的K个时段区间的行为特征，所述K个时段区间中每个时段区间的时长相同且所述每个时段区间至少存在一个相邻的时段区间，所述N大于1，且所述N、K为正整数；

预测模块，用于根据所述行为统计数据预测所述目标对象在第N+1个周期中的第K个时段区间的目标行为特征；

确定模块，用于在已获取所述第N+1个周期中第K-1个时段区间内存储设备对应的打开时长的情况下，基于所述目标行为特征和所述打开时长确定是否向设备发出除菌指令。

9.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行权利要求1至7中任一项所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的方法。

Images