[发明专利]异味检测方法、可移动家用设备及计算机可读存储介质在审
申请号: | 201911167384.5 | 申请日: | 2019-11-25 |
公开(公告)号: | CN112834578A | 公开(公告)日: | 2021-05-25 |
发明(设计)人: | 陈小平;熊德林;陈国丞;常建伟;林铮 | 申请(专利权)人: | 佛山市云米电器科技有限公司;陈小平 |
主分类号: | G01N27/12 | 分类号: | G01N27/12;G06K9/62 |
代理公司: | 深圳市力道知识产权代理事务所(普通合伙) 44507 | 代理人: | 何姣 |
地址: | 528300 广东省佛山市顺德区伦教街道办事*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 异味 检测 方法 移动 家用 设备 计算机 可读 存储 介质 | ||
1.一种异味检测方法,其特征在于,所述异味检测方法应用于可移动家用设备,所述可移动家用设备包括气味传感器阵列,所述异味检测方法,包括:
在所述可移动家用设备处于行进状态时,获取当前周期内所述气味传感器阵列检测的各个气味信号数据;
通过训练好的气味检测模型,对当前周期内检测的各个气味信号数据进行分析,以从所述气味传感器阵列中确定出当前周期内检测到异味的第一目标气味传感器;
确定当前周期内所述第一目标气味传感器与所述可移动家用设备行进方向之间的第一夹角,并获取上一周期内检测到异味的第二目标气味传感器与所述可移动家用设备行进方向之间的第二夹角;
根据所述第一夹角和所述第二夹角确定异味来源区域。
2.根据权利要求1所述的异味检测方法,其特征在于,所述通过训练好的气味检测模型,对当前周期内检测的各个气味信号数据进行分析,以从所述气味传感器阵列中确定出当前周期内检测到异味的第一目标气味传感器,包括:
将当前周期内检测的各个气味信号数据,分别代入气味检测模型中分析,得出当前周期内检测的各个气味信号数据是否属于异味;
按照大小关系对当前周期内属于异味的气味信号数据进行排序;
将当前周期内气味传感器阵列中检测到最大气味信号数据的气味传感器,作为检测到异味的第一目标气味传感器。
3.根据权利要求1所述的异味检测方法,其特征在于,所述根据所述第一夹角和所述第二夹角确定异味来源区域,包括:
获取所述可移动家用设备在当前周期内的第一途经位置,以及在上一周期内的第二途经位置;
根据所述第一夹角和所述第二夹角,结合当前周期内的所述第一途经位置和上一周期内的所述第二途经位置,得到异味坐标作为异味来源区域。
4.根据权利要求1所述的异味检测方法,其特征在于,所述确定当前周期内所述第一目标气味传感器与所述可移动家用设备行进方向之间的第一夹角之前,包括:
判断当前周期内所述第一目标气味传感器是否与所述可移动家用设备的行进方向平行;
若当前周期内所述第一目标气味传感器与所述可移动家用设备的行进方向不平行,则执行步骤:确定当前周期内所述第一目标气味传感器与所述可移动家用设备行进方向之间的第一夹角。
5.根据权利要求4所述的异味检测方法,其特征在于,所述判断当前周期内所述第一目标气味传感器是否与所述可移动家用设备的行进方向平行之后,包括:
若当前周期内所述第一目标气味传感器与所述可移动家用设备的行进方向平行,则确定上一周期内检测到异味的第二目标气味传感器与所述可移动家用设备的行进方向是否平行;
若上一周期内所述第二目标气味传感器与所述可移动家用设备的行进方向平行,则将所述可移动家用设备在上一周期内的第二途经位置,作为异味来源区域。
6.根据权利要求1至5中任一项所述的异味检测方法,其特征在于,根据所述第一夹角和所述第二夹角确定异味来源区域之后,包括:
生成包含所述异味来源区域的路线图。
7.根据权利要求1所述的异味检测方法,其特征在于,所述在所述可移动家用设备处于行进状态时,获取当前周期内所述气味传感器阵列检测的各个气味信号数据之前,包括:
训练针对气味类型的气味检测模型,得到训练好的气味检测模型。
8.根据权利要求7所述的异味检测方法,其特征在于,所述训练针对气味类型的气味检测模型,得到训练好的气味检测模型,包括:
获取用于训练气味检测模型的样本气味信号数据,并提取所述样本气味信号数据对应的气味类型的标注;
根据所述样本气味信号数据和所述样本气味信号数据对应的气味类型的标注,建立用于训练气味检测模型的样本集;
根据建立的所述样本集,训练针对气味类型的气味检测模型,得到训练好的气味检测模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佛山市云米电器科技有限公司;陈小平,未经佛山市云米电器科技有限公司;陈小平许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911167384.5/1.html,转载请声明来源钻瓜专利网。