热水器的控制方法及装置
阅读：1015发布：2020-05-15
专利汇可以提供热水器的控制方法及装置专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种 热 水 器 的控制方法及装置。其中，该方法包括：检测用户的特征信息；将所述特征信息输入至 机器学习 模型进行分析，得到热水器的目标出水 温度 ；控制所述热水器按照所述目标出水温度进行供水。本发明解决了用户通过手动反复调节 阀 门 ，确定水温是否符合要求，浪费时间较多，用户体验较差的技术问题。，下面是热水器的控制方法及装置专利的具体信息内容。
1.一种热水器的控制方法，其特征在于，包括：
检测用户的特征信息；
将所述特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；
控制所述热水器按照所述目标出水温度进行供水。
2.根据权利要求1所述的方法，其特征在于，所述机器学习模型通过以下方式训练得到：
获取多个用户的样本特征信息；
对所述样本特征信息进行清洗，得到第一类样本特征信息；
依据所述第一类样本特征信息和与所述第一类样本特征信息对应的出水温度对预设学习模型进行训练，得到所述机器学习模型。
3.根据权利要求2所述的方法，其特征在于，
获取多个用户的样本特征信息之前，所述方法还包括：获取第二类样本特征信息，该第二类样本特征信息为清洗过的样本特征信息；
依据所述第一特征信息和与所述第一特征信息对应的出水温度对预设学习模型进行训练包括：重复执行以下步骤，直至所述预设学习模型的模型参数满足训练结束条件：
将所述第一类特征信息输入至所述预设学习模型，得到预测结果；
依据所述预测结果对所述预设学习模型的模型参数进行调整，得到调整后的预设学习模型；
在调整后的模型参数不满足预设条件时，采用所述第二类样本特征信息对调整后的预设学习模型进行训练。
4.根据权利要求3所述的方法，其特征在于，所述模型参数包括以下至少之一：神经网络中的权重、支持向量机中的支持向量和线性回归或逻辑回归中的系数。
5.根据权利要求1所述的方法，其特征在于，检测用户的特征信息之后，所述方法还包括：
检测所述用户的行为信息；在所述行为信息为指定行为时，触发开启所述热水器，其中，所述用户的行为信息包括以下至少之一：用户的手势信息、用户的语音信息。
6.根据权利要求5所述的方法，其特征在于，触发开启所述热水器之前，所述方法还包括：
检测所述用户和所述热水器的相对距离；
比较所述相对距离和预设阈值；
根据比较结果确定是否触发开启所述热水器，其中，在所述比较结果指示所述相对距离小于预设阈值时，触发开启所述热水器。
7.根据权利要求1至6中任意一项所述的方法，其特征在于，检测用户的特征信息，包括：
采集所述用户的图像信息；
对所述图像信息进行二值化处理，得到二值化图像；
从所述二值化图像中提取所述特征信息。
8.根据权利要求1至6中任意一项所述的方法，控制所述热水器按照所述目标出水温度进行供水之前，所述方法还包括：
向用户展示所述目标出水温度；
检测用户的确认指令，并在检测到所述确认指令时，控制所述热水器按照所述目标出水温度进行供水。
9.一种热水器的控制装置，其特征在于，包括：
检测模块，用于检测用户的特征信息；
分析模块，用于将所述特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；
控制模块，用于控制所述热水器按照所述目标出水温度进行供水。
10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至8中任意一项所述的热水器的控制方法。
11.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的热水器的控制方法。
热水器的控制方法及装置
技术领域
[0001] 本发明涉及智能控制领域，具体而言，涉及一种热水器的控制方法及装置。
背景技术
[0002] 现有技术中，用户在使用热水器时，需要人工通过手动来调节用于混合冷、热水的比例阀，从而根据感受到的水温确定合适停止调节比例阀；但是，水箱或热水器中的水从热水器中流出至用户皮肤需要经过水管，或喷头，用户根据感受到的温度来反复调节比例阀，浪费时间较多，用户体验较差。
[0003] 针对上述的问题，目前尚未提出有效的解决方案。
发明内容
[0005] 根据本发明实施例的一个方面，提供了一种热水器的控制方法，包括：检测用户的特征信息；将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；控制热水器按照目标出水温度进行供水。
[0006] 可选地，机器学习模型通过以下方式训练得到：获取多个用户的样本特征信息；对样本特征信息进行清洗，得到第一类样本特征信息；依据第一类样本特征信息和与第一类样本特征信息对应的出水温度对预设学习模型进行训练，得到机器学习模型。
[0007] 可选地，获取多个用户的样本特征信息之前，方法还包括：获取第二类样本特征信息，该第二类样本特征信息为清洗过的样本特征信息；依据第一特征信息和与第一特征信息对应的出水温度对预设学习模型进行训练包括：重复执行以下步骤，直至预设学习模型的模型参数满足训练结束条件：将第一类特征信息输入至预设学习模型，得到预测结果；依据预测结果对预设学习模型的模型参数进行调整，得到调整后的预设学习模型；在调整后的模型参数不满足预设条件时，采用第二类样本特征信息对调整后的预设学习模型预设学习模型进行训练。
[0008] 可选地，模型参数包括以下至少之一：神经网络中的权重、支持向量机中的支持向量和线性回归或逻辑回归中的系数。
[0010] 可选地，触发开启热水器之前，方法还包括：检测用户和热水器的相对距离；比较相对距离和预设阈值；根据比较结果确定是否触发开启热水器，其中，在比较结果指示相对距离小于预设阈值时，触发开启热水器。
[0011] 可选地，检测用户的特征信息，包括：采集用户的图像信息；对图像信息进行二值化处理，得到二值化图像；从二值化图像中提取特征信息。
[0012] 可选地，控制热水器按照目标出水温度进行供水之前，方法还包括：向用户展示目标出水温度；检测用户的确认指令，并在检测到确认指令时，控制热水器按照目标出水温度进行供水。
[0013] 根据本发明实施例的一个方面，提供了一种热水器的控制装置，包括：检测模块，用于检测用户的特征信息；分析模块，用于将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；控制模块，用于控制热水器按照目标出水温度进行供水。
[0014] 根据本发明实施例的一个方面，提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的热水器的控制方法。
[0015] 根据本发明实施例的一个方面，提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述的热水器的控制方法。
[0016] 在本发明实施例中，采用检测用户的特征信息；将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；控制热水器按照目标出水温度进行供水的方式，通过将采集到的用户的特征信息输入机器模型进行分析，从而确定热水器的目标出水温度，达到了自动根据不同用户的特征信息确定对应用户的目标出水温度的目的，从而实现了自动根据用户特征信息确定用户所需的出水温度，节省用户时间，提高用户体验的技术效果，进而解决了用户通过手动反复调节阀门，确定水温是否符合要求，浪费时间较多，用户体验较差的技术问题。附图说明
[0017] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0018] 图1是根据本发明实施例的一种可选的热水器的控制方法的流程示意图；
[0019] 图2是根据本发明实施例的一种可选的热水器的控制装置的结构示意图。
具体实施方式
[0020] 为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
[0021] 需要说明的是，本发明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，以便这里描述的本发明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。
[0022] 根据本发明实施例，提供了一种热水器的控制方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0023] 图1是根据本发明实施例的热水器的控制方法，如图1所示，该方法包括如下步骤：
[0024] 步骤S102，检测用户的特征信息；
[0025] 在本申请的一个可选的实施例中，检测用户的特征信息可通过安装在空间区域内的拍摄装置根据拍摄到的用户的图像信息进行检测；用户的特征信息可以为用户的身高、用户的性别、用户的年龄等可以确定用户身份或者确定用户群体的特征信息。
[0026] 其中，上述热水器为浴室供洗澡的热水器，或者其他供应热水的设备；空间区域可以为某个房间或者室外空间区域。
[0027] 在本申请的一个可选的实施例中，拍摄装置获取到用户的图像信息之后，可将用户的图像信息发送智能设备，以使该智能设备对用户的图像信息进行分析，确定用户的特征信息；另外，拍摄装置自身也可对用户的图像信息进行分析，确定用户的特征信息；
[0028] 在本申请的一个可选的实施例中，拍摄装置根据拍摄到的用户的图像信息检测用户的特征信息时,通过对图像进行处理检测,可对图像进行边缘提取,以及对RGB值的分析,确认用户的着装颜色,或身高信息,性别信息进行对用户的特征信息的确定。
[0029] 在本申请的一些可选的实施例中，检测用户的特征信息通过以下步骤S1021-S1025实现：
[0030] 步骤S1021，采集所述用户的图像信息；
[0031] 步骤S1023，对所述图像信息进行二值化处理，得到二值化图像；
[0032] 步骤S1025，从所述二值化图像中提取所述特征信息。
[0033] 在本申请的一些可选的实施例中,拍摄装置采集到用户的图像信息之后,在处理图像时,可通过对图像进行二值化来对图像进行边缘提取来确定来确认用户的着装颜色,或身高信息；另外,还通过对图像的RGB值的分析来实现用户的着装颜色,或身高信息,性别信息进行对用户的特征信息的确定。
[0034] 步骤S104，将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；
[0035] 在本申请的一些可选的实施例中，检测到用户的特征信息之后，将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度。
[0037] 在本申请的一些可选的实施例中，机器学习模型可通过以下步骤S1042-1446训练得到：
[0038] 步骤S1042，获取多个用户的样本特征信息；
[0039] 步骤S1044,对样本特征信息进行清洗，得到第一类样本特征信息；
[0040] 在一个可选的实施例中，上述对样本特征信息进行清洗，可通过对样本特征信息中的数据类型不正确的样本特征信息进行过滤，例如：样本特征信息中，可能存在用户的年龄信息为字母的数据，则需将该类数据剔除掉。
[0041] 步骤S1046,依据第一类样本特征信息和与第一类样本特征信息对应的出水温度对预设学习模型进行训练，得到机器学习模型。
[0042] 在一个可选的实施例中，第一类样本特征信息与第一类样本特征信息对应的出水温度来自于具有数据存储功能的设备中的历史数据。
[0043] 另外，在对第一类样本特征信息进行清洗之后，还可以对清洗后的样本特征信息对应的出水温度进行剔除，剔除掉出水温度数值波动范围较大的数据，以进一步提高样本特征信息对应的出水温度的实用性。
[0044] 步骤S106，控制热水器按照目标出水温度进行供水。
[0045] 在本申请的一个实施例中，得到热水器的目标出水温度之后，智能控制系统控制热水器按照目标出水温度为当前用户进行供水。
[0046] 在本申请的一个可选的实施例中，在上述步骤S1042获取多个用户的样本特征信息之前，还需执行获取第二类样本特征信息的步骤，其中，该第二类样本特征信息为清洗过的样本特征信息；
[0047] 在本申请的一个可选的实施例中，依据第一特征信息和与第一特征信息对应的出水温度对预设学习模型进行训练包括：重复执行以下步骤S1062-S1066，直至预设学习模型的模型参数满足训练结束条件：
[0048] 步骤S1062，将第一类特征信息输入至预设学习模型，得到预测结果；
[0049] 步骤S1064,依据预测结果对预设学习模型的模型参数进行调整，得到调整后的预设学习模型；
[0050] 步骤S1066,在调整后的模型参数不满足预设条件时，采用第二类样本特征信息对调整后的预设学习模型预设学习模型进行训练。由此可见，本申请实施例中采用了两类样本特征信息进行训练，在采用其中一类特征信息进行训练后得到的模型参数不符合预设条件时，再采用另一类样本特征信息进行训练，这样，可以保证预设学习模型的预测结果的准确性。
[0051] 其中，模型参数为模型内部的配置变量，可以用数据估计它的值。具体来讲，模型参数有以下特征：进行模型预测时需要模型参数。模型参数值可以定义模型功能。
[0053] 在本申请的一个可选的实施例中，将第一类特征信息输入至预设学习模型预设学习模型，获取预测结果时，可以将所有第一类特征信息都输入预设学习模型预设学习模型，也可以指输入一部分，当预测结果指示，预测的准确度低于预设阈值时，则可确定预设学习模型的模型参数需要优化；
[0054] 模型参数包括但不限于：神经网络中的权重、支持向量机中的支持向量和线性回归或逻辑回归中的系数。
[0055] 当预设学习模型的模型参数需要优化时，可以通过采用第二类样本特征信息对调整后的预设学习模型预设学习模型进行训练。其中，第二类样本特征信息可以为另一组样本特征信息以及第二类样本特征信息对应的出水温度。
[0056] 在本申请的一些可选的实施例中，在上述步骤S102检测用户的特征信息之后，方法还包括：以下步骤S1022-S1024；
[0057] 步骤S1022检测用户的行为信息；
[0058] 步骤S1024在行为信息为指定行为时，触发开启热水器，其中，用户的行为信息包括以下至少之一：用户的手势信息、用户的语音信息。
[0059] 在本申请的一个可选的实施例中，上述步骤S1024中的触发开启热水器之前，还需要执行以下步骤S10222-S10226：
[0060] 步骤S10222，检测用户和热水器的相对距离；
[0061] 在本申请的一个可选的实施例中，用户和热水器的相对距离指用户与实际出水装置的相对距离；例如：用户与出水喷头的相对距离，也可以为用户与热水器的相对距离。当热水器为供用户洗澡用的热水器时，当用户实际站在喷头下时，则触发开启热水器；
[0062] 步骤S10224，比较相对距离和预设阈值；
[0063] 在本申请的一个可选的实施例中，用户和热水器的相对距离，可以通过拍摄装置来检测，或者通过红外感应装置检测；另外，用户与热水器的相对距离，也可以通过安装在沐浴喷头下面的红外感应器来获取。
[0064] 步骤S10226，根据比较结果确定是否触发开启热水器，其中，在比较结果指示相对距离小于预设阈值时，触发开启热水器。
[0065] 在本申请的一个可选的实施例中，热水器可以在用户实际到达喷头正下方之前触发开启，因为热水器在为当前用户按照目标出水温度为用户供水时，需排空出水管中的凉水，因此，在用户提前到达喷头正下方之前开启，可直接使用户接触到目标出水温度的水，提高了用户体验。
[0066] 预设阈值可以为用户距离供水喷头之间的距离的预设阈值，也可以为用户距离热水器之间的距离的阈值。
[0067] 控制热水器按照目标出水温度进行供水之前，还需执行以下步骤：
[0068] 向用户展示目标出水温度；
[0069] 检测用户的确认指令，并在检测到确认指令时，控制所述热水器按照所述目标出水温度进行供水。
[0070] 在本申请的一个可选的实施例中，可在用户的可视位置安装显示屏，或语音提示用户当前的目标出水温度。在获取到用户在显示屏(此处显示屏可以为触控屏)上输入的确认指令或者获取到用户对语音提示对应的确认指令(例如，用户的语音确认指令)之后，控制热水器按照目标出水温度进行供水。在本申请的一个可选的实施例中，用户在获取到向用户展示的目标出水温度之后，也可以自行根据需要调整出水温度，例如可通过语音来调整出水温度。
[0071] 在本发明实施例中，采用检测用户的特征信息；将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；控制热水器按照目标出水温度进行供水的方式，通过将采集到的用户的特征信息输入机器模型进行分析，从而确定热水器的目标出水温度，达到了自动根据不同用户的特征信息确定对应用户的目标出水温度的目的，从而实现了自动根据用户特征信息确定用户所需的出水温度，节省用户时间，提高用户体验的技术效果，进而解决了用户通过手动反复调节阀门，确定水温是否符合要求，浪费时间较多，用户体验较差的技术问题。
[0072] 图2是根据本申请实施例的热水器的控制装置，如图2所示，该装置至少包括：检测模块22、分析模块24、控制模块26；其中：
[0073] 检测模块22，用于检测用户的特征信息；
[0074] 在本申请的一个可选的实施例中，检测用户的特征信息可通过安装在空间区域内的拍摄装置根据拍摄到的用户的图像信息进行检测；用户的特征信息可以为用户的身高、用户的性别、用户的年龄等可以确定用户身份或者确定用户群体的特征信息。
[0075] 其中，上述热水器为浴室供洗澡的热水器，或者其他供应热水的设备；空间区域可以为某个房间或者室外空间区域。
[0076] 在本申请的一个可选的实施例中，拍摄装置获取到用户的图像信息之后，可将用户的图像信息发送智能设备，以使该智能设备对用户的图像信息进行分析，确定用户的特征信息；另外，拍摄装置自身也可对用户的图像信息进行分析，确定用户的特征信息；
[0077] 在本申请的一个可选的实施例中，拍摄装置根据拍摄到的用户的图像信息检测用户的特征信息时,通过对图像进行处理检测,可对图像进行边缘提取,以及对RGB值的分析,确认用户的着装颜色,或身高信息,性别信息进行对用户的特征信息的确定。
[0078] 在本申请的一些可选的实施例中，检测用户的特征信息通过以下步骤实现：
[0079] 采集所述用户的图像信息；对所述图像信息进行二值化处理，得到二值化图像；从所述二值化图像中提取所述特征信息。
[0080] 在本申请的一些可选的实施例中,拍摄装置采集到用户的图像信息之后,在处理图像时,可通过对图像进行二值化来对图像进行边缘提取来确定来确认用户的着装颜色,或身高信息；另外,还通过对图像的RGB值的分析来实现用户的着装颜色,或身高信息,性别信息进行对用户的特征信息的确定。
[0081] 分析模块24，用于将特征信息输入至机器学习模型进行分析，得到热水器的目标出水温度；
[0082] 控制模块26，用于控制热水器按照目标出水温度进行供水。
[0083] 需要说明的是，图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。
[0084] 根据本申请实施例的另一个方面，还提供了一种存储介质，其特征在于，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述的热水器的控制方法。
[0085] 根据本申请实施例的另一个方面，还提供了一种处理器，其特征在于，处理器用于运行程序，其中，程序运行时执行上述的热水器的控制方法。
[0086] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0087] 在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0088] 在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，可以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。另一点，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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0089] 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方案的目的。
[0090] 另外，在本发明各个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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0091] 集成的单元如果以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。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或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0092] 以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 预测结构化照射参数 | 2020-05-08 | 339 |
| 挤出的聚氨酯表面膜 | 2020-05-08 | 501 |
| 树脂制卡片媒介物及其制造方法 | 2020-05-08 | 422 |
| 交联的聚烯烃隔膜及其制造方法 | 2020-05-08 | 743 |
| 具有改善的表面外观的热浸涂覆的钢带及其制造方法 | 2020-05-08 | 863 |
| 具有很低苯胺含量的靛白盐溶液及其制备方法 | 2020-05-08 | 480 |
| 溅镀用钛靶及其制造方法、以及含钛薄膜的制造方法 | 2020-05-08 | 419 |
| 一种将金属部件加热至目标温度的方法和相应的辊底式炉 | 2020-05-08 | 552 |
| 用于固定冷却元件的系统 | 2020-05-08 | 450 |
| 通过掺杂自旋转移扭矩(STT)磁阻式随机存取存储器(MRAM)的氧化盖层的高热稳定性 | 2020-05-08 | 306 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
温度热门专利
QQ群二维码
意见反馈
意见反馈