CN117193116B - 一种aiot智能终端设备管理方法及系统 - Google Patents
一种aiot智能终端设备管理方法及系统 Download PDFInfo
- Publication number
- CN117193116B CN117193116B CN202311279610.5A CN202311279610A CN117193116B CN 117193116 B CN117193116 B CN 117193116B CN 202311279610 A CN202311279610 A CN 202311279610A CN 117193116 B CN117193116 B CN 117193116B
- Authority
- CN
- China
- Prior art keywords
- user
- attribute
- equipment
- data
- control equipment
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 230000006855 networking Effects 0.000 claims abstract description 90
- 230000003993 interaction Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 100
- 230000006399 behavior Effects 0.000 claims description 16
- 238000013136 deep learning model Methods 0.000 claims description 14
- 230000008921 facial expression Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000000717 retained effect Effects 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 230000006854 communication Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种AIOT智能终端设备管理方法及系统，所述AIOT智能终端设备包括主控设备和辅控设备，该方法包括：通过所述辅控设备采集目标用户的第一用户数据；根据所述第一用户数据生成第一用户属性；在所述辅控设备上显示联网设备的当前状态；将所述第一用户属性传输至所述主控设备；所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；将所述交互数据传输至所述辅控设备；所述辅控设备生成所述目标用户的交互日志，并显示。本申请能够实现用户对联网设备高效和准确的控制。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种AIOT智能终端设备管理方法及系统。
背景技术
AIOT是将物联网和人工智能相结合的一种技术，可以将传感器和设备数据与人工智能和机器学习算法相结合，实现自动化、智能化和预测性维护。AIOT的核心在于将物联网的海量数据应用于人工智能算法中，从而实现数据的自动化处理和分析。
然而，现有的AIOT智能终端设备管理方法，无法准确分析用户数据，导致用户在控制设备的过程中效率低，易出错。
发明内容
本申请实施例的目的在于提供一种AIOT智能终端设备管理方法及系统，本申请实施例能够实现用户对联网设备高效和准确的控制，具体技术方案如下：
在本申请实施例的第一方面，提供一种AIOT智能终端设备管理方法，所述AIOT智能终端设备包括主控设备和辅控设备，该方法包括：
通过所述辅控设备采集目标用户的第一用户数据；
根据所述第一用户数据生成第一用户属性；
在所述辅控设备上显示联网设备的当前状态；
将所述第一用户属性传输至所述主控设备；
所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
将所述交互数据传输至所述辅控设备；
所述辅控设备生成所述目标用户的交互日志，并显示。
进一步地，所述第一用户数据包括性别、年龄、面部表情和行为。
进一步地，所述根据所述第一用户数据生成第一用户属性，包括：
编码所述第一用户数据，得到第一参考向量；
将所述第一参考向量输入第一深度学习模型，输出第一参考属性；
将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性。
进一步地，所述将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性，包括：
根据以下公式计算pi与qj的匹配度Si，j：
Si，j＝max[wi*Attr(pi，qj)]，1≤j≤J
其中，pi表示第一参考属性中的第i个参考属性，wi表示pi的权重，qj表示目标属性集合Q中的第j个目标属性，Attr(pi，qj)表示pi和qj的匹配度，J代表目标属性集合Q中的属性数量；
若所述匹配度Si，j大于预设阈值，则保留pi；
遍历第一参考属性，重复执行上述步骤；
将保留下来的一个或多个参考属性作为第一用户属性。
进一步地，所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示，包括：
所述主控设备接收所述第一用户属性后，查询关联数据库，得到相应的可控联网设备；
在所述主控设备的显示器上显示所述可控联网设备。
进一步地，所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，包括：
若所述可控联网设备的当前状态为关闭状态，则所述目标用户通过触控操作与所述主控设备进行交互，生成交互数据。
进一步地，所述方法还包括：
通过所述主控设备采集目标用户的第二用户数据；
根据所述第二用户数据生成第二用户属性；
确定所述第二用户属性对应的第二参考向量；
计算所述第一参考向量与所述第二参考向量之间的相似度，若相似度大于预设阈值，则所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示。
进一步地，所述计算所述第一参考向量与所述第二参考向量之间的相似度之后，还包括：
若相似度小于等于预设阈值，则将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量；
将第三参考向量输入第二深度学习模型，得到第三用户属性；
所述主控设备根据所述第三用户属性分析相应的可控联网设备，并显示。
进一步地，所述将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量，包括：
根据以下公式得到第三参考向量P3：
P3＝[P1；P2]
其中，P1表示第一参考向量，P2表示第二参考向量。
在本申请实施例的又一方面，提供一种AIOT智能终端设备管理系统，所述AIOT智能终端设备包括主控设备和辅控设备，该系统包括：
第一数据采集模块，用于通过所述辅控设备采集目标用户的第一用户数据；
第一数据分析模块，用于根据所述第一用户数据生成第一用户属性；
第一数据显示模块，用于在所述辅控设备上显示联网设备的当前状态；
第一数据传输模块，用于将所述第一用户属性传输至所述主控设备；
第二数据显示模块，用于所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
数据交互模块，用于所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
第二数据传输模块，用于将所述交互数据传输至所述辅控设备；
日志生成模块，用于所述辅控设备生成所述目标用户的交互日志，并显示。
由上可知，本申请实施至少带来以下有益效果：
(1)本申请将AIOT智能终端设备划分为主控设备和辅控设备，通过所述辅控设备采集目标用户的第一用户数据，生成第一用户属性并传输至主控设备；在所述辅控设备上显示联网设备的当前状态；主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；将所述交互数据传输至所述辅控设备；所述辅控设备生成所述目标用户的交互日志，并显示。由此将主控设备和辅控设备进行功能分离，通过多次交互，实现用户对联网设备高效和准确的控制。
(2)为了提高设备控制的准确度，获取目标用户的性别、年龄、面部表情和行为数据，并进行编码，得到第一参考向量；将所述第一参考向量输入第一深度学习模型，输出第一参考属性；引入匹配度计算公式匹配所述第一参考属性与目标属性集合，确定第一用户属性。
(3)本申请进一步通过所述主控设备采集目标用户的第二用户数据，生成第二用户属性；确定所述第二用户属性对应的第二参考向量；计算所述第一参考向量与所述第二参考向量之间的相似度，若相似度大于预设阈值，则所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示，反之将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量；将第三参考向量输入第二深度学习模型，得到第三用户属性；所述主控设备根据所述第三用户属性分析相应的可控联网设备，并显示。由此提高用户属性分析的准确性，从而实现联网设备的精准控制。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的AIOT智能终端设备管理系统的应用场景示意图；
图2是本申请实施例提供的AIOT智能终端设备管理方法的流程示意图；
图3是本申请实施例提供的AIOT智能终端设备管理系统的结构示意图；
图4是本申请实施例提供的计算机设备的结构示意图。
具体实施方式
本申请实施例提供一种AIOT智能终端设备管理方法及系统。请参阅图1，图1为本申请实施例所提供的AIOT智能终端设备管理系统的应用场景示意图，该系统可以包括终端和服务器。本申请提供的AIOT智能终端设备管理方法可以通过终端实现，也可以通过服务器实现。
如图1所示，终端与服务器之间通过网络连接，比如，通过有线或无线网络连接等。其中，终端可以包括但不局限于安装有各位网络平台应用的手机、平板等便携终端，以及电脑、查询机、广告机等固定终端。其中，服务器为用户提供各种业务服务，包括服务推送服务器、用户推荐服务器等。
需要说明的是，图1所示的AIOT智能终端设备管理系统的应用场景示意图仅仅是一个示例，本申请实施例描述的终端、服务器以及应用场景是为了更加清楚的说明本申请实施例的技术方案，并不生成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着系统的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题同样适用。
其中，终端可以为AIOT智能终端设备，包括主控设备和辅控设备，用于：
通过所述辅控设备采集目标用户的第一用户数据；
根据所述第一用户数据生成第一用户属性；
在所述辅控设备上显示联网设备的当前状态；
将所述第一用户属性传输至所述主控设备；
所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
将所述交互数据传输至所述辅控设备；
所述辅控设备生成所述目标用户的交互日志，并显示。
需要说明的是，上述终端执行AIOT智能终端设备管理方法的步骤，也可以由服务器执行。
图2示出了本申请实施例提供的一种AIOT智能终端设备管理方法及系统的流程示意图，如图2所示，一种AIOT智能终端设备管理方法及系统包括如下步骤：
步骤201、通过所述辅控设备采集目标用户的第一用户数据。
在一些实施例中，第一用户数据可以包括性别、年龄、面部表情和行为。性别指的是目标用户的性别，即男性或女性。年龄表示目标用户的年龄，可以是具体的年龄值，例如25岁，30岁等。面部表情包括有关目标用户脸部表情的信息，例如笑容、愠怒、惊讶等。行为指的是目标用户的行为，包括如何移动、手势、姿势等与用户行为相关的数据。
通过采集这些第一用户数据，系统可以更好地理解目标用户的特征和状态，然后利用这些信息来实现智能设备的管理和控制，以提供更个性化和精确的用户体验。这些数据的采集可以帮助系统更好地适应和满足用户的需求。
步骤202、根据所述第一用户数据生成第一用户属性。
进一步地，步骤202可以包括：
编码所述第一用户数据，得到第一参考向量；
将所述第一参考向量输入第一深度学习模型，输出第一参考属性；
将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性。
在一些实施例中，可以将目标用户的第一用户数据进行编码，这涉及将性别、年龄、面部表情、行为等信息转换为数字或向量形式，以便计算机可以处理。这一编码过程产生了一个称为"第一参考向量"的数值表示，其中包含了用户的各种特征信息。
在一些实施例中，可以将第一参考向量输入一个深度学习模型(神经网络等)，该模型被训练用于分析用户数据并提取有关用户的有用信息。这个模型会处理第一参考向量，并生成一个新的数值向量，被称为"第一参考属性"。这个属性向量包含有关用户的抽象特征，这些特征是根据输入数据学习到的。
在一些实施例中，可以将第一参考属性与一个称为"目标属性集合"的集合进行匹配。目标属性集合包括各种用户属性，如性别、年龄范围、情感状态等等。在匹配过程中，系统会使用某种匹配度计算方法来确定第一参考属性与目标属性集合中哪些属性最相似或匹配。匹配度较高的属性将被选择作为"第一用户属性"，因为它们最能反映目标用户的特征。
通过以上方式，可以将原始的用户数据转化为可供系统理解和处理的用户属性，这些用户属性可以用于后续的设备管理和用户交互。
进一步地，步骤将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性，包括：
根据以下公式计算pi与qj的匹配度Si，j：
Si，j＝max[wi*Attr(pi，qj)]，1≤j≤J
其中，pi表示第一参考属性中的第i个参考属性，wi表示pi的权重，qj表示目标属性集合Q中的第j个目标属性，Attr(pi，qj)表示pi和qj的匹配度，J代表目标属性集合Q中的属性数量；
若所述匹配度Si，j大于预设阈值，则保留pi；
遍历第一参考属性，重复执行上述步骤；
将保留下来的一个或多个参考属性作为第一用户属性。
在一些实施例中，使用上述匹配度计算公式，系统可以计算每个pi与目标属性集合Q中每个qj之间的匹配度Si，j。这些匹配度值用于衡量每个参考属性与目标属性的相似程度。如果匹配度Si，j大于预设的阈值，说明属性pi与目标属性qj相匹配，表示这个属性对于描述目标用户是有用的。因此，将属性pi保留下来。这个过程对第一参考属性集合P1中的每个属性都进行重复执行，以确保所有属性都经过匹配度计算和筛选。最后，保留下来的一个或多个参考属性被确定为第一用户属性。这些属性被认为最能反映目标用户的特征，因此可以用于后续的设备管理和用户交互。
综上，这个过程通过使用匹配度计算公式，根据属性之间的相似程度来确定目标用户的关键属性，从而帮助系统更好地理解和满足用户的需求。
步骤203、在所述辅控设备上显示联网设备的当前状态。
在一些实施例中，辅控设备是用户与主控设备进行交互的界面或设备。它可以是智能手机、平板电脑、智能遥控器或其他可视化界面。用户可以通过这个辅控设备来控制和管理联网设备。联网设备指的是受主控设备管理的物联网设备，例如智能家居设备、智能家电、安全摄像头等。这些设备可以连接到互联网，并根据用户的需求执行不同的任务。这些设备的状态可以包括开关状态(开或关)、温度、湿度、安全状态等，具体取决于设备类型和功能。
在一些实施例中，系统可以在用户的辅控设备上以图形或文字的形式显示联网设备的当前状态。这意味着用户可以通过辅控设备的屏幕查看联网设备的信息，例如设备是否处于开启状态、当前温度、设备是否工作正常等等。这项功能的目的是让用户随时随地了解其联网设备的状态，以便他们可以实时监控和管理这些设备。这对于智能家居系统和其他物联网应用非常重要，因为它提供了对设备的即时反馈和控制，增强了用户的便利性和可操作性
步骤204、将所述第一用户属性传输至所述主控设备。
在一些实施例中，第一用户属性是根据用户的第一用户数据生成的属性描述，包括性别、年龄、面部表情、行为等信息。这些属性用于描述目标用户的特征和状态。
在一些实施例中，主控设备是整个AIOT系统的核心，负责管理和控制联网设备。它可以是一个中央控制器、服务器或智能主机，具备处理能力和连接联网设备的功能。
在一些实施例中，辅控设备通过通信渠道将第一用户属性传输至主控设备。这个通信渠道可以是无线连接(例如Wi-Fi、蓝牙)或有线连接(例如USB、以太网)，以确保属性信息能够快速、可靠地传送。
在一些实施例中，主控设备接收到第一用户属性后，可以进一步分析、处理和利用这些属性。主控设备会使用这些属性来自动适应和定制联网设备的功能和行为，以满足用户的需求。例如，根据用户的性别和年龄信息，主控设备可以自动调整照明或温度设置，以提供更适合用户的环境。
综上，将第一用户属性传输至主控设备是为了将用户的个人特征和需求引入整个AIOT系统中，从而实现更智能、个性化的设备管理和交互。这有助于提高用户体验和系统的自适应性。
步骤205、所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示。
进一步地，步骤205可以包括：
所述主控设备接收所述第一用户属性后，查询关联数据库，得到相应的可控联网设备；
在所述主控设备的显示器上显示所述可控联网设备。
在一些实施例中，主控设备是AIOT系统的核心，负责管理和控制与其连接的联网设备。它通常是一台中央计算设备，如智能主机、服务器或控制器。
第一用户属性是从辅控设备传输到主控设备的用户属性信息，其中包括性别、年龄、面部表情、行为等特征。这些属性信息用于描述目标用户的特征和需求。主控设备接收到第一用户属性后，它会通过查询关联的数据库来确定与这些属性匹配的可控联网设备。数据库包含了各种联网设备的信息，包括其功能、位置、状态等等。查询数据库后，主控设备会识别与第一用户属性匹配的可控联网设备。这些设备被认为与用户的特征和需求相关联。一旦主控设备确定了相关的可控联网设备，它会将这些设备的信息以图形或文字的形式显示在主控设备的显示器上。这使用户可以方便地查看他们所能控制的设备列表，以及这些设备的状态和属性。
综上，通过以上方式，允许主控设备基于用户的个人特征和属性信息，自动识别和显示与用户相关的可控联网设备。这有助于用户更轻松地管理这些设备，并提供了更智能、个性化的设备控制体验
步骤206、所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制。
进一步地，所述步骤206可以包括：
若所述可控联网设备的当前状态为关闭状态，则所述目标用户通过触控操作与所述主控设备进行交互，生成交互数据。
在一些实施例中，目标用户是使用AIOT系统的终端用户，即最终使用联网设备和主控设备的人。联网设备的当前状态指的是受主控设备管理的物联网设备的当前工作状态。例如，设备处于打开(开启)或关闭状态，或者具有其他状态，这取决于设备的类型和功能。
在一些实施例中，主控设备是中央处理单元，负责管理和控制联网设备。它是用户与联网设备之间的桥梁，通过与主控设备进行交互，用户可以控制联网设备。如果所述可控联网设备的当前状态为关闭状态，用户可以通过触摸或点击主控设备的屏幕来与主控设备进行互动。这些触摸操作包括点击按钮、拖动滑块等，以执行操作。用户的触控操作会被主控设备捕捉和解释。这些操作会转化为交互数据，其中包含了用户的指令或需求，例如打开特定设备或调整设备的设置。主控设备接收到用户生成的交互数据后，会根据这些数据来执行相应的操作，以控制联网设备。例如，如果用户要求打开关闭状态的设备，主控设备会发出指令，将设备切换为打开状态，从而实现对设备的控制。
综上，通过以上方式，允许目标用户通过与主控设备互动来控制联网设备，特别是在设备处于关闭状态时。用户通过触控操作生成交互数据，主控设备根据这些数据来执行相关操作，以实现对可控联网设备的控制。这提供了方便和灵活的设备控制方式。
步骤207、将所述交互数据传输至所述辅控设备。
在一些实施例中，交互数据可以是由目标用户生成的，包含了用户的指令、请求或其他与联网设备互动相关的信息。这些数据是用户与主控设备之间进行通信和控制的媒介。
在一些实施例中，主控设备是AIOT系统的核心，负责管理和控制联网设备。它接收和处理用户的交互数据，并根据这些数据来执行相应的操作。
在一些实施例中，辅控设备是用户与主控设备进行交互的界面或设备。它可以是智能手机、平板电脑、智能遥控器或其他可视化界面。用户通过辅控设备来控制和监控联网设备。
在一些实施例中，主控设备将用户生成的交互数据传输回辅控设备，以便用户可以及时了解设备的状态和操作结果。这个传输通常通过无线或有线通信方式进行，确保数据能够快速、可靠地传送。
在一些实施例中，一旦辅控设备接收到主控设备传来的交互数据，它可以解释这些数据并将结果反馈给用户。这包括显示设备的新状态、操作是否成功以及其他相关信息。这使用户可以知道他们的操作是否已经成功执行，或者是否需要进一步操作。
综上，将交互数据传输至辅控设备是为了实现用户与主控设备之间的双向通信。用户可以通过辅控设备发出指令，主控设备执行操作，然后将结果反馈给用户，以便用户了解设备的状态和控制结果。这提供了实时反馈和用户体验的增强。
步骤208、所述辅控设备生成所述目标用户的交互日志，并显示。
如前文所述，辅控设备是用户用于与主控设备和联网设备进行互动的界面或设备。它可以是智能手机、平板电脑、智能遥控器或其他可视化界面。目标用户是使用AIOT系统的终端用户，即最终使用联网设备和主控设备的人。交互日志是一种记录用户与系统交互活动的文件或数据库。它包含了用户的操作、时间戳、事件描述以及与交互相关的其他信息。这些信息有助于用户了解其操作历史、设备状态变化和其他相关情况。
在一些实施例中，辅控设备会在用户与主控设备和联网设备进行交互时记录用户的操作和事件，并将这些信息保存为交互日志。这可以包括用户的指令、设备状态的变化、错误提示等。
在一些实施例中，辅控设备会将生成的交互日志以可视化的方式显示给用户。这可以通过在屏幕上显示日志条目、提供历史记录列表或以其他方式呈现。用户可以随时查看这些日志，以了解他们的操作历史和系统的运行情况。
可以理解，交互日志的目的是为用户提供对其与AIOT系统的互动活动的跟踪和历史记录，以便用户可以随时查看和分析过去的操作和事件。这对于问题排查、操作历史回顾和性能分析非常有用。
进一步地，本申请的方法还可以包括：
通过所述主控设备采集目标用户的第二用户数据；
根据所述第二用户数据生成第二用户属性；
确定所述第二用户属性对应的第二参考向量；
计算所述第一参考向量与所述第二参考向量之间的相似度，若相似度大于预设阈值，则所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示。
在一些实施例中，主控设备可以主动或被动地采集目标用户的第二用户数据。这些数据包括用户的生物特征、行为模式、操作习惯等。采集这些数据的目的是为了更好地理解目标用户的当前状态和需求。
在一些实施例中，第二用户数据会被处理和分析，以生成第二用户属性。这些属性包括用户的特征描述、行为模式等。生成第二用户属性的过程有助于更精确地描述目标用户的特征。
在一些实施例中，第二用户属性会被映射到一个称为第二参考向量的数值化表示。这个向量是一个数学特征向量，用于在计算机系统中表示用户的属性。
在一些实施例中，主控设备会将第一用户属性对应的第一参考向量与第二用户属性对应的第二参考向量进行相似度计算。这个相似度计算通常使用数学方法，例如余弦相似度等，来衡量两个向量之间的相似程度。
在一些实施例中，如果计算出的相似度值超过了预设的阈值，表示第一用户属性与第二用户属性相似，主控设备将根据第一用户属性来分析和控制相应的可控联网设备，并显示相关信息。这意味着主控设备可以根据用户的历史行为和特征来自动适应和定制设备的功能和操作，以满足用户的需求。
综上，通过以上方式，主控设备利用第二用户数据和属性来进一步优化设备的管理和用户体验。如果第一用户属性与第二用户属性相似，主控设备可以使用第一用户属性来执行相关操作和控制可控联网设备，从而提供更个性化的服务。
进一步地，在步骤计算所述第一参考向量与所述第二参考向量之间的相似度之后，还包括：
若相似度小于等于预设阈值，则将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量；
将第三参考向量输入第二深度学习模型，得到第三用户属性；
所述主控设备根据所述第三用户属性分析相应的可控联网设备，并显示。
在一些实施例中，主控设备会计算第一参考向量(对应第一用户属性)与第二参考向量(对应第二用户属性)之间的相似度。这个相似度度量通常用于比较两个向量之间的相似程度，例如余弦相似度。如果计算出的相似度值小于或等于预设的阈值，这表示第一用户属性与第二用户属性之间不够相似。
在一些实施例中，主控设备将第一参考向量和第二参考向量进行拼接，创建一个新的向量，称为第三参考向量。这个拼接操作将第一用户属性和第二用户属性的信息结合在一起，以便更全面地描述用户的特征。
在一些实施例中，第三参考向量被输入到第二深度学习模型中。深度学习模型是一种机器学习模型，用于学习和提取数据的复杂特征。通过将第三参考向量输入到这个模型中，主控设备可以获取关于用户的更高级别的属性或特征，称为第三用户属性。
在一些实施例中，主控设备可以使用第三用户属性来分析并适应相应的可控联网设备。这意味着设备管理和用户体验可以更进一步地个性化和智能化，以满足用户的需求。
综上，通过以上方式，允许主控设备根据用户的特征信息和深度学习模型来生成更高级别的用户属性，以提供更智能、更个性化的服务和设备控制。如果用户的特征与第一和第二用户属性不完全匹配，系统会尝试使用深度学习模型来更好地理解和满足用户的需求。
进一步地，步骤将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量，包括：
根据以下公式得到第三参考向量P3：
P3＝[P1；P2]
其中，P1表示第一参考向量，P2表示第二参考向量。
在一些实施例中，第一参考向量P1是与第一用户属性相关联的数值化向量。它包含了有关第一个用户的特征信息或属性。第二参考向量P2是与第二用户属性相关联的数值化向量。它包含了有关第二个用户的特征信息或属性。第三参考向量P3是通过将第一参考向量P1和第二参考向量P2拼接在一起而创建的新向量。拼接的过程将两个向量堆叠在一起，通常按照某种规则来组合它们。在这个方案中，它们以简单的方式相连接，使用分号分隔，即"P3＝[P1；P2]"。
可以理解，将第一和第二参考向量拼接成第三参考向量的目的是将两个用户的属性信息结合在一起，以便在后续的处理步骤中使用。这种合并操作有助于综合考虑不同用户的特征，以更全面地理解和满足他们的需求。在这里，拼接操作使用简单的向量连接方式，但根据具体的应用和数据处理需求，也可以采用其他拼接或组合方式。
具体实现中，假设第一参考向量为P1(维度为n1)、第二参考向量为P2(维度为n2)，目标属性为Y，将它们拼接成一个更大的第三参考向量P3：
P3＝[P1；P2]
然后，可以使用深度神经网络来表示属性分析模型F。考虑一个包含多个隐藏层的前馈神经网络：
隐藏层1：H1＝σ(Z1·P3+b1)，隐藏层2：H2＝σ(Z2·H1+b2)，隐藏层3：H3＝σ(Z3·H2+b3)。其中，σ表示激活函数(例如，Sigmoid、ReLU等)，Z表示权重矩阵，bi表示偏置向量。可以根据需要增加或减少隐藏层的数量和每个隐藏层的神经元数量，以增加模型性能。
最后，可以使用输出层来预测目标属性Y：
Y＝O(Z4·H3+b4)
其中，Z4和b4是输出层的权重和偏置，O表示适当的激活函数(例如，线性激活函数用于回归任务)。
这个公式表示了一个多层神经网络模型，它以拼接的第三参考向量P3作为输入，并通过多个隐藏层来学习属性之间的关系，最终输出目标属性Y的预测值。模型性能可以通过调整隐藏层的数量和每个隐藏层的大小来进行控制。
为实现上述方法类实施例，本申请实施例还提供一种AIOT智能终端设备管理系统，图3示出了本申请实施例提供的一种AIOT智能终端设备管理系统的结构示意图，所述AIOT智能终端设备包括主控设备和辅控设备，该系统包括：
第一数据采集模块301，用于通过所述辅控设备采集目标用户的第一用户数据；
第一数据分析模块302，用于根据所述第一用户数据生成第一用户属性；
第一数据显示模块303，用于在所述辅控设备上显示联网设备的当前状态；
第一数据传输模块304，用于将所述第一用户属性传输至所述主控设备；
第二数据显示模块305，用于所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
数据交互模块306，用于所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
第二数据传输模块307，用于将所述交互数据传输至所述辅控设备；
日志生成模块308，用于所述辅控设备生成所述目标用户的交互日志，并显示。
在一些实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像采集设备的相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种AIOT智能终端设备管理方法及系统。
在一些实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入系统。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现AIOT智能终端设备管理方法及系统。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入系统可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4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的限定，具体的计算机设备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。
在一些实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一些实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
综上所述，本申请提供的一种AIOT智能终端设备管理方法，所述方法包括：
通过所述辅控设备采集目标用户的第一用户数据；
根据所述第一用户数据生成第一用户属性；
在所述辅控设备上显示联网设备的当前状态；
将所述第一用户属性传输至所述主控设备；
所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
将所述交互数据传输至所述辅控设备；
所述辅控设备生成所述目标用户的交互日志，并显示。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.一种AIOT智能终端设备管理方法，其特征在于，所述AIOT智能终端设备包括主控设备和辅控设备，该方法包括：
通过所述辅控设备采集目标用户的第一用户数据；所述第一用户数据包括性别、年龄、面部表情和行为；
根据所述第一用户数据生成第一用户属性，包括：编码所述第一用户数据，得到第一参考向量；将所述第一参考向量输入第一深度学习模型，输出第一参考属性；将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性；
在所述辅控设备上显示联网设备的当前状态；
将所述第一用户属性传输至所述主控设备；
所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
将所述交互数据传输至所述辅控设备；
所述辅控设备生成所述目标用户的交互日志，并显示；
其中，所述将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性，包括：
根据以下公式计算pi与qj的匹配度Si,j：
Si,j＝max[wi*Attr(pi,qj)]，1≤j≤J
其中，pi表示第一参考属性中的第i个参考属性，wi表示pi的权重，qj表示目标属性集合Q中的第j个目标属性，Attr(pi,qj)表示pi和qj的匹配度，J代表目标属性集合Q中的属性数量；
若所述匹配度Si,j大于预设阈值，则保留pi；
遍历第一参考属性，重复执行上述步骤；
将保留下来的一个或多个参考属性作为第一用户属性。
2.根据权利要求1所述的AIOT智能终端设备管理方法，其特征在于，所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示，包括：
所述主控设备接收所述第一用户属性后，查询关联数据库，得到相应的可控联网设备；
在所述主控设备的显示器上显示所述可控联网设备。
3.根据权利要求2所述的AIOT智能终端设备管理方法，其特征在于，所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，包括：
若所述可控联网设备的当前状态为关闭状态，则所述目标用户通过触控操作与所述主控设备进行交互，生成交互数据。
4.根据权利要求1所述的AIOT智能终端设备管理方法，其特征在于，所述方法还包括：
通过所述主控设备采集目标用户的第二用户数据；
根据所述第二用户数据生成第二用户属性；
确定所述第二用户属性对应的第二参考向量；
计算所述第一参考向量与所述第二参考向量之间的相似度，若相似度大于预设阈值，则所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示。
5.根据权利要求4所述的AIOT智能终端设备管理方法，其特征在于，在所述计算所述第一参考向量与所述第二参考向量之间的相似度之后，还包括：
若相似度小于等于预设阈值，则将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量；
将第三参考向量输入第二深度学习模型，得到第三用户属性；
所述主控设备根据所述第三用户属性分析相应的可控联网设备，并显示。
6.根据权利要求5所述的AIOT智能终端设备管理方法，其特征在于，所述将所述第一参考向量和所述第二参考向量拼接，得到第三参考向量，包括：
根据以下公式得到第三参考向量P3：
P3＝[P1；P2]
其中，P1表示第一参考向量，P2表示第二参考向量。
7.一种如权利要求1-6任一项所述的AIOT智能终端设备管理方法的AIOT智能终端设备管理系统，其特征在于，所述AIOT智能终端设备包括主控设备和辅控设备，该系统包括：
第一数据采集模块，用于通过所述辅控设备采集目标用户的第一用户数据；所述第一用户数据包括性别、年龄、面部表情和行为；
第一数据分析模块，用于根据所述第一用户数据生成第一用户属性，还用于：编码所述第一用户数据，得到第一参考向量；将所述第一参考向量输入第一深度学习模型，输出第一参考属性；将所述第一参考属性与目标属性集合进行匹配，将所述第一参考属性与与目标属性集合匹配的属性作为第一用户属性；
第一数据显示模块，用于在所述辅控设备上显示联网设备的当前状态；
第一数据传输模块，用于将所述第一用户属性传输至所述主控设备；
第二数据显示模块，用于所述主控设备根据所述第一用户属性分析相应的可控联网设备，并显示；
数据交互模块，用于所述目标用户根据所述联网设备的当前状态，与所述主控设备进行交互，生成交互数据，实现对所述可控联网设备的控制；
第二数据传输模块，用于将所述交互数据传输至所述辅控设备；
日志生成模块，用于所述辅控设备生成所述目标用户的交互日志，并显示；
其中，所述第一数据分析模块还用于：
根据以下公式计算pi与qj的匹配度Si,j：
Si,j＝max[wi*Attr(pi,qj)]，1≤j≤J
其中，pi表示第一参考属性中的第i个参考属性，wi表示pi的权重，qj表示目标属性集合Q中的第j个目标属性，Attr(pi,qj)表示pi和qj的匹配度，J代表目标属性集合Q中的属性数量；
若所述匹配度Si,j大于预设阈值，则保留pi；
遍历第一参考属性，重复执行上述步骤；
将保留下来的一个或多个参考属性作为第一用户属性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311279610.5A CN117193116B (zh) | 2023-09-28 | 2023-09-28 | 一种aiot智能终端设备管理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311279610.5A CN117193116B (zh) | 2023-09-28 | 2023-09-28 | 一种aiot智能终端设备管理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117193116A CN117193116A (zh) | 2023-12-08 |
| CN117193116B true CN117193116B (zh) | 2024-03-01 |
Family
ID=88985041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311279610.5A Active CN117193116B (zh) | 2023-09-28 | 2023-09-28 | 一种aiot智能终端设备管理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117193116B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971191A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 工作线程管理方法和设备 |
| CN112235416A (zh) * | 2020-11-06 | 2021-01-15 | 深圳市爱云信息科技有限公司 | AIOT设备接入PaaS和SaaS多级联动管理平台 |
| CN113450488A (zh) * | 2021-06-30 | 2021-09-28 | 贵州电网有限责任公司 | 一种基于AIoT技术的测试设备库房管理系统 |
| CN113592665A (zh) * | 2021-06-09 | 2021-11-02 | 瑞祥集团(河北)科技材料有限公司 | 一种工业信息化业务前端和工业生产后端管理方法和系统 |
| CN113824587A (zh) * | 2021-09-13 | 2021-12-21 | 中信科移动通信技术股份有限公司 | 一种多通信协议设备管理方法及系统 |
| CN114021759A (zh) * | 2022-01-05 | 2022-02-08 | 深圳市爱云信息科技有限公司 | 基于aiot和mr技术在数字工厂设备管理方法 |
| KR102379259B1 (ko) * | 2021-08-18 | 2022-03-28 | (주)사이버테크프랜드 | AIoT 기반 사출제조 설비의 통합관리 시스템 및 그 운용방법 |
| CN116300540A (zh) * | 2023-05-25 | 2023-06-23 | 深圳市兰洋科技有限公司 | 一种基于智能设备的控制方法及系统 |
-
2023
- 2023-09-28 CN CN202311279610.5A patent/CN117193116B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103971191A (zh) * | 2013-01-31 | 2014-08-06 | 国际商业机器公司 | 工作线程管理方法和设备 |
| CN112235416A (zh) * | 2020-11-06 | 2021-01-15 | 深圳市爱云信息科技有限公司 | AIOT设备接入PaaS和SaaS多级联动管理平台 |
| CN113592665A (zh) * | 2021-06-09 | 2021-11-02 | 瑞祥集团(河北)科技材料有限公司 | 一种工业信息化业务前端和工业生产后端管理方法和系统 |
| CN113450488A (zh) * | 2021-06-30 | 2021-09-28 | 贵州电网有限责任公司 | 一种基于AIoT技术的测试设备库房管理系统 |
| KR102379259B1 (ko) * | 2021-08-18 | 2022-03-28 | (주)사이버테크프랜드 | AIoT 기반 사출제조 설비의 통합관리 시스템 및 그 운용방법 |
| CN113824587A (zh) * | 2021-09-13 | 2021-12-21 | 中信科移动通信技术股份有限公司 | 一种多通信协议设备管理方法及系统 |
| CN114021759A (zh) * | 2022-01-05 | 2022-02-08 | 深圳市爱云信息科技有限公司 | 基于aiot和mr技术在数字工厂设备管理方法 |
| CN116300540A (zh) * | 2023-05-25 | 2023-06-23 | 深圳市兰洋科技有限公司 | 一种基于智能设备的控制方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 将AIoT引入电力设备管理体系的探究;王睿;;红水河(04);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117193116A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cabrerizo et al. | Analyzing consensus approaches in fuzzy group decision making: advantages and drawbacks | |
| CN105051721B (zh) | 为电子表格将自然语言描述转换为因因域而异而异的语言的程序 | |
| CN100418028C (zh) | 一种一体化的钢铁企业在线能源预测系统与方法 | |
| CN102902664B (zh) | 一种智能终端上的人工智能自然语言运行系统 | |
| Purohit et al. | A classification based web service selection approach | |
| CN108304201A (zh) | 对象更新方法、装置及设备 | |
| JP2023511327A (ja) | モデル訓練方法および装置 | |
| US11423346B2 (en) | System and method for improving human-centric processes | |
| CN110134806A (zh) | 上下文用户简档照片选择的方法和系统 | |
| US20230297849A1 (en) | Federated learning method and device, and storage medium | |
| CN111105852A (zh) | 一种电子病历推荐方法、装置、终端及存储介质 | |
| CN111651571A (zh) | 基于人机协同的会话实现方法、装置、设备及存储介质 | |
| CN113344184B (zh) | 用户画像预测方法、装置、终端和计算机可读存储介质 | |
| CN116631564B (zh) | 一种急诊电子病历管理系统及管理方法 | |
| CN101315632A (zh) | 基于上下文感知的智能门户系统 | |
| CN101561850B (zh) | 海量多道神经信息综合处理系统及其控制方法 | |
| CN105051718B (zh) | 用于监视-挖掘-管理循环的方法和系统 | |
| CN117193116B (zh) | 一种aiot智能终端设备管理方法及系统 | |
| JP7128311B2 (ja) | 文書種別の推奨方法、装置、電子機器、可読記憶媒体及びコンピュータプログラム製品 | |
| Zhang et al. | Data-driven robust cost consensus model with individual adjustment willingness in group decision-making | |
| CN117557331A (zh) | 一种产品推荐方法、装置、计算机设备及存储介质 | |
| CN114707146B (zh) | 工作流识别方法、系统、计算机设备和可读存储介质 | |
| CN102238025A (zh) | 使用在线分析处理技术获取统计数据的系统及其方法 | |
| CN113918699A (zh) | 调查问卷的生成方法、装置、计算机设备和存储介质 | |
| KR20220150140A (ko) | 페이지톡 기반의 동시 접속 다중 사용자 이커머스 플랫폼 제공 장치 및 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |