CN109901408A - 一种智能设备的控制方法、装置和*** - Google Patents
一种智能设备的控制方法、装置和*** Download PDFInfo
- Publication number
- CN109901408A CN109901408A CN201910176390.0A CN201910176390A CN109901408A CN 109901408 A CN109901408 A CN 109901408A CN 201910176390 A CN201910176390 A CN 201910176390A CN 109901408 A CN109901408 A CN 109901408A
- Authority
- CN
- China
- Prior art keywords
- smart machine
- data
- operation data
- edge device
- environment
- 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
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
- Selective Calling Equipment (AREA)
Abstract
本申请公开了一种智能设备的控制方法、装置和***，当该方法应用于边缘设备时，包括：获取智能设备所在环境的环境数据；根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
Description
技术领域
本申请涉及智能设备领域，尤其涉及一种智能设备的控制方法、装置和***。
背景技术
随着科学技术的飞速发展，出现了各种各样的智能设备，例如智能空调、智能窗帘等。这些智能设备可以接收操作数据，并在接收到操作数据后，基于操作数据执行相应操作。例如，智能空调在接收到温度数据后，可以基于温度数据调整对温度进行调整，智能窗帘在接收到宽度数据后，可以基于宽度数据控制窗帘拉开的宽度。
通常，智能设备接收到的操作数据多由用户指定，也就是说，对智能设备的控制需要用户手动实现，这样，导致对智能设备的控制不灵活，从而影响用户的使用体验。
发明内容
本申请实施例提供一种智能设备的控制方法、装置和***，用于解决现有技术对智能设备的控制不灵活，影响用户使用体验的问题。
为解决上述技术问题，本申请实施例是这样实现的：
第一方面，提出一种智能设备的控制方法，应用于边缘设备，包括：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
第二方面，提出一种智能设备的控制装置，应用于边缘设备，包括：
获取单元，获取智能设备所在环境的环境数据；
确定单元，根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
发送单元，将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
第三方面，提出一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，该可执行指令在被执行时使该处理器执行以下操作：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
第四方面，提出一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
第五方面，提出一种智能设备的控制方法，应用于智能设备，包括：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
第六方面，提出一种智能设备的控制装置，应用于智能设备，包括：
接收单元，接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
控制单元，根据所述操作数据，执行与所述操作数据对应的操作。
第七方面，提出一种电子设备，该电子设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，该可执行指令在被执行时使该处理器执行以下操作：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
第八方面，提出一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
第九方面，提出一种智能设备的控制***，包括智能设备和边缘设备，其中：
所述边缘设备，获取所述智能设备所在环境的环境数据；根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；将所述操作数据发送给所述智能设备；
所述智能设备，接收来自所述边缘设备的所述操作数据；根据所述操作数据，执行与所述操作数据对应的操作。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
本申请实施例提供的技术方案，由边缘设备预先根据智能设备的历史操作数据和历史环境数据训练得到用于对智能设备进行控制的控制模型，这样，在对智能设备进行控制时，可以根据智能设备当前所在环境的环境数据以及该控制模型，得到对智能设备进行控制的操作数据。由于本申请实施例可以根据智能设备当前的环境数据，结合边缘计算和机器学习对智能设备进行控制，因此，灵活性较高，对智能设备的控制结果也更加符合当前的环境需求。此外，由于本申请实施例由边缘设备进行数据处理，因此，还可以减少网络流量和请求响应时间，同时保证数据的安全性和私密性。
附图说明
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，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，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是本申请的一个实施例智能设备的控制方法的流程示意图；
图2是本申请的一个实施例智能设备的控制方法的流程示意图；
图3是本申请的一个实施例智能设备的控制方法的流程示意图；
图4是本申请的一个实施例电子设备的结构示意图；
图5是本申请的一个实施例智能设备的控制装置的结构示意图；
图6是本申请的一个实施例电子设备的结构示意图；
图7是本申请的一个实施例智能设备的控制装置的结构示意图；
图8是本申请的一个实施例智能设备的控制***的结构示意图。
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中的技术方案，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作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，本申请实施例在对智能设备进行智能控制时，由边缘设备通过边缘计算实现，所述边缘设备可以理解为从数据源到云计算中心(可以理解为远端设备)路径之间的任意计算、存储和网络资源，可以是摄像头、智能网关等，具体可以根据实际的应用场景确定，例如，当智能设备为智能家电时，所述边缘设备可以是家用的智能网关。
所述边缘计算(Edge computing)可以理解为在所述边缘设备对数据进行处理，相较于由远端的云计算中心进行数据处理而言，边缘计算可以减少网络流量和请求响应时间，同时还可以保证数据的安全性和私密性。
本申请实施例记载的智能设备可以具备联网能力(即可以与互联网建立网络连接)以及基本的数据处理能力(例如与互联网建立连接、进行设备更新，基于操作数据控制智能设备等，可以由智能芯片实现)，所述智能设备具体可以是智能冰箱、智能窗帘等，这里不做具体限定。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1是本申请的一个实施例智能设备的控制方法的流程示意图。本实施例的执行主体为边缘设备，所述方法包括以下步骤。
S102：获取智能设备所在环境的环境数据。
在S102中，边缘设备在对智能设备进行控制时，可以获取智能设备所在环境的环境数据。所述环境数据可以包括时间信息、智能设备所在环境的温度、湿度、天气情况、光照强度等。
在本实施例中，所述环境数据可以由智能设备对其所在的环境进行数据采集得到，并由智能设备发送给边缘设备。在其他实现方式中，所述环境数据也可以由其他设备采集得到，并由其他设备发送给边缘设备。
S104：根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据。
在S104中，边缘设备可以预先训练得到用于对智能设备进行控制的控制模型，在获取到智能设备所在环境的环境数据后，可以以该环境数据作为控制模型的输入，得到控制模型输出的操作数据，所述操作数据可以理解为智能设备的配置数据，所述操作数据可以用于对智能设备进行控制。
本实施例中，所述控制模型可以基于智能设备的历史操作数据以及与该历史操作数据对应的历史环境数据预先训练得到，具体可以包括以下步骤：
首先，获取对智能设备的历史操作数据。
所述历史操作数据可以理解为过去时间内，智能设备执行操作时所基于的操作数据，例如，当智能设备为智能窗帘时，历史操作数据可以是在过去时间内，智能窗帘拉开的时间、拉开的宽度、关闭的时间等。
所述历史操作数据可以记录在智能设备中，边缘设备在训练控制模型时，可以从智能设备中获取所述历史操作数据。
其次，获取与所述历史操作数据对应的历史环境数据。
所述历史环境数据可以理解为在过去时间内，智能设备在基于历史操作数据执行相应操作时，智能设备所在环境的环境数据，所述历史环境数据可以包括时间信息、智能所在环境的温度、湿度、天气情况、光照强度等。
本实施例中，所述历史环境数据可以由智能设备采集得到，并与所述历史操作数据一一对应存储在智能设备中，边缘设备在训练控制模型时，可以从智能设备中获取所述历史环境数据。
此外，所述历史环境数据也可以由其他设备采集得到，这样，边缘设备在从其他设备获取到智能设备的历史环境数据后，可以基于历史环境数据中的时间信息，将历史环境数据与智能设备的历史操作数据进行关联，得到与历史操作数据对应的历史环境数据。
最后，采用预设的机器学习算法，对所述历史操作数据以及所述历史环境数据进行学习训练，得到所述控制模型。
在进行模型训练时，可以以所述历史环境数据作为输入，所述历史操作数据作为输出，基于预设的机器学习算法学习训练，得到用于对智能设备进行控制的控制模型。
需要说明的是，本实施例中，所述预设的机器学习算法可以包括多种，在进行模型训练时，可以基于多种机器学习算法训练得到多个子模型，一个子模型可以对应一种预设的机器学习算法，多个子模型可以视为最终训练得到的控制模型。其中，多种预设的机器学习算法以包括神经网络，GBDT(梯度提升决策树，Gradient Boosting Decision Tree)算法等，具体可以根据实际需要确定，这里不做具体限定。
边缘设备在基于上述记载的方法训练得到控制模型后，可以将控制模型存储在边缘设备中，这样，在对智能设备进行控制并获取到智能设备所在环境的环境数据后，可以根据该环境数据和控制模型，得到用于对智能设备进行控制的操作数据。
本实施例中，在基于所述环境数据和控制模型确定对智能设备的控制数据时，由于控制模型中包含多个子模型，因此，控制模型的输出结果可以包含多个，多个输出结果与多个子模型一一对应，其中，一个输出结果可以对应一组操作数据和一个概率值，该概率值可以表征由该输出结果对应的操作数据对智能设备进行控制的可能性。
在得到控制模型的多个输出结果后，本实施例可以确定其中具有最大概率值的目标输出结果，并将目标操作数据确定为最终用于对智能设备进行控制的操作数据。这样，可以保证对智能设备进行控制的准确性，使得控制结果更加符合当前的环境需求。
S106：将所述操作数据发送给所述智能设备。
在S106中，边缘设备可以将S104中确定的操作数据发送给智能设备，这样，智能设备可以根据该操作数据，执行与该操作数据对应的操作，实现对智能设备的控制。
本申请实施例提供的技术方案，由边缘设备预先根据智能设备的历史操作数据和历史环境数据训练得到用于对智能设备进行控制的控制模型，这样，在对智能设备进行控制时，可以根据智能设备当前所在环境的环境数据以及该控制模型，得到对智能设备进行控制的操作数据。由于本申请实施例可以根据智能设备当前的环境数据，结合边缘计算和机器学习对智能设备进行控制，因此，灵活性较高，对智能设备的控制结果也更加符合当前的环境需求。此外，由于本申请实施例由边缘设备进行数据处理，因此，还可以减少网络流量和请求响应时间，同时保证数据的安全性和私密性。
图2是本申请的一个实施例智能设备的控制方法的流程示意图，图2所示的实施例与图1所示的实施例属于相同的发明构思，图2所示实施例的执行主体为图1所示实施例中记载的智能设备，图2所示实施例包括以下步骤。
S202：接收来自边缘设备的操作数据。
在S202中，在边缘设备对智能设备进行控制的过程中，智能设备可以接收来自边缘设备的操作数据，该操作数据可以由边缘设备基于智能设备所在环境的环境数据和预先训练的控制模型确定得到，具体实现方式可以参见图1所示实施例中记载的内容，这里不再重复说明。
在本实施例中，边缘设备在确定对智能设备的操作数据时，智能设备所在环境的环境数据可以由智能设备确定得到。即智能设备可以在接收来自边缘设备的操作数据之前，采集自身所在环境的环境数据，并将采集的环境数据发送给边缘设备，这样，边缘设备可以根据智能设备采集的环境数据和预先训练的控制模型得到对智能设备的操作数据。
此外，智能设备还可以记录过去时间内的历史操作数据，并采集与该历史操作数据对应的历史环境数据，这样，在边缘设备进行模型训练时，智能设备可以将该历史操作数据和该历史环境数据发送给边缘设备，以便边缘设备基于这些数据训练得到控制模型。
智能设备在接收到来自边缘设备的操作数据后，可以执行S204。
S204：根据所述操作数据，执行与所述操作数据对应的操作。
在S204中，智能设备在接收到操作数据后，可以基于操作数据执行与该操作数据对应的操作。
例如，当智能设备为智能窗帘时，智能窗帘可以根据操作数据自动将窗帘拉开到一定的宽度，或自动关闭窗帘等。
需要说明的是，本实施例中，在智能设备执行相应操作后，如果用户认为不能满足使用需求，那么，用户可以手动对智能设备进行控制，此时，智能设备可以将用户的操作数据反馈给边缘设备，以便边缘设备可以基于用户的操作数据对控制模型进行调整，以提高控制模型的准确度。
本申请实施例提供的技术方案，由边缘设备基于智能设备所在环境的环境数据和预先训练的控制模型，确定对智能设备的操作数据，通过将操作数据发送给智能设备，实现对智能设备的控制，使得对智能设备的控制更加灵活。此外，由边缘设备进行数据处理，还可以减少网络流量和请求响应时间，同时保证数据的安全性和私密性。
为了便于理解整个技术方案，可以参见图3。图3为本申请的一个实施例智能设备的控制方法的流程示意图。图3为图1所示实施例中边缘设备与图2所示实施例中智能设备的交互图，图3所示的实施例包括以下步骤。
S301：智能设备采集所在环境的环境数据。
所述环境数据可以包括时间信息、智能设备所在环境的温度、湿度、天气情况、光照强度等。
S302：所述智能设备将所述环境数据发送给边缘设备。
需要说明的是，在其他实现方式中，智能设备所在环境的环境数据，还可以由其他设备采集得到，并由其他设备发送给边缘设备，即上述S301和S302可以由其他设备执行。本实施例以智能设备采集环境数据为例进行说明。
S303：所述边缘设备根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据。
所述控制模型基于智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到，所述历史操作数据可以记录在智能设备中，并由智能设备发送给边缘设备，或由边缘设备主动从智能设备中获取，所述历史环境数据可以由智能设备采集得到，并发送给边缘设备，也可以由其他设备采集得到，并发送给边缘设备。
边缘设备进行模型训练的具体实现可以参见图1所示实施例中记载的内容，这里不再重复说明。
S304：所述边缘设备将所述操作数据发送给所述智能设备。
S305：所述智能设备根据所述操作数据，执行与所述操作数据对应的操作。
本申请实施例通过边缘设备与智能设备之间的交互，结合边缘计算和机器学习算法，可以实现对智能设备的智能控制，灵活性较高，可以提升用户的使用体验。此外，由边缘设备进行数据处理，相较于由远端设备而言，可以减少网络流量和请求响应时间，同时保证数据的安全性和私密性。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成智能设备的控制装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
上述如本申请图4所示实施例揭示的智能设备的控制装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1的方法，并实现智能设备的控制装置在图1所示实施例中的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图1所示实施例的方法，并具体用于执行以下操作：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
图5是本申请的一个实施例智能设备的控制装置50的结构示意图。请参考图5，在一种软件实施方式中，所述智能设备的控制装置50可包括：获取单元51、确定单元52和发送单元53，其中：
获取单元51，获取智能设备所在环境的环境数据；
确定单元52，根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
发送单元53，将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
可选地，所述确定单元52，通过以下方式训练得到所述控制模型：
获取对所述智能设备的历史操作数据；
获取与所述历史操作数据对应的历史环境数据；
采用预设的机器学习算法，对所述历史操作数据以及所述历史环境数据进行学习训练，得到所述控制模型。
可选地，所述预设的机器学习算法包括多种，所述控制模型包括多个子模型，一个子模型对应一种预设的机器学习算法。
可选地，所述控制模型包含多个输出结果，一个输出结果对应一组操作数据和一个概率值；
其中，所述确定单元52，根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，包括：
确定具有最大概率值的目标输出结果；
将所述目标输出结果对应的操作数据确定为对所述智能设备的操作数据。
可选地，所述获取单元51，获取智能设备所在环境的环境数据，包括：
从所述智能设备获取所述环境数据，所述环境数据由所述智能设备采集得到。
本申请实施例提供的智能设备的控制装置50还可执行图1的方法，并实现智能设备的控制装置50在图1所示实施例的功能，本申请实施例在此不再赘述。
图6是本申请的一个实施例电子设备的结构示意图。请参考图6，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成智能设备的控制装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
上述如本申请图6所示实施例揭示的智能设备的控制装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图2的方法，并实现智能设备的控制装置在图2所示实施例中的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图2所示实施例的方法，并具体用于执行以下操作：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
图7是本申请的一个实施例智能设备的控制装置70的结构示意图。请参考图7，在一种软件实施方式中，所述智能设备的控制装置70可包括：接收单元71和控制单元72，其中：
接收单元71，接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
控制单元72，根据所述操作数据，执行与所述操作数据对应的操作。
可选地，所述智能设备的控制装置70还包括：采集单元73和发送单元74，其中：
所述采集单元73，在所述接收单元71接收来自边缘设备的操作数据之前，采集所述智能设备所在环境的环境数据；
所述发送单元74，将所述环境数据发送给所述边缘设备。
本申请实施例提供的智能设备的控制装置70还可执行图2的方法，并实现智能设备的控制装置70在图2所示实施例的功能，本申请实施例在此不再赘述。
图,8是本申请的一个实施例智能设备的控制***80的结构示意图。请参考图8，所述智能设备的控制***80可包括：智能设备81和边缘设备82，其中：
所述边缘设备82，获取所述智能设备82所在环境的环境数据；根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备81的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；将所述操作数据发送给所述智能设备81；
所述智能设备81，接收来自所述边缘设备82的所述操作数据；根据所述操作数据，执行与所述操作数据对应的操作。
可选地，所述智能设备81，还对所述智能设备81所在环境进行信息采集，得到所述环境数据；将所述环境数据发送给所述边缘设备82；
所述边缘设备82，接收来自往往智能设备81的所述环境数据。
本实施例中记载的智能设备81执行的各步骤的具体实现可以参见图2所示实施例中相关步骤的具体实现，边缘设备82执行的各步骤的具体实现可以参见图2所示实施例中相关步骤的具体实现，这里不再重复说明。
总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
Claims (15)
1.一种智能设备的控制方法，应用于边缘设备，包括：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
2.如权利要求1所述的方法，所述控制模型通过以下方式训练得到：
获取对所述智能设备的历史操作数据；
获取与所述历史操作数据对应的历史环境数据；
采用预设的机器学习算法，对所述历史操作数据以及所述历史环境数据进行学习训练，得到所述控制模型。
3.如权利要求2所述的方法，
所述预设的机器学习算法包括多种，所述控制模型包括多个子模型，一个子模型对应一种预设的机器学习算法。
4.如权利要求3所述的方法，所述控制模型包含多个输出结果，一个输出结果对应一组操作数据和一个概率值；
其中，根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，包括：
确定具有最大概率值的目标输出结果；
将所述目标输出结果对应的操作数据确定为对所述智能设备的操作数据。
5.如权利要求1所述的方法，获取智能设备所在环境的环境数据，包括：
从所述智能设备获取所述环境数据，所述环境数据由所述智能设备采集得到。
6.一种智能设备的控制方法，应用于智能设备，包括：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
7.如权利要求6所述的方法，在接收来自边缘设备的操作数据之前，所述方法还包括：
采集所述智能设备所在环境的环境数据；
将所述环境数据发送给所述边缘设备。
8.一种智能设备的控制装置，应用于边缘设备，包括：
获取单元，获取智能设备所在环境的环境数据；
确定单元，根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
发送单元，将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
9.一种智能设备的控制装置，应用于智能设备，包括：
接收单元，接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
控制单元，根据所述操作数据，执行与所述操作数据对应的操作。
10.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，该可执行指令在被执行时使该处理器执行以下操作：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
11.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：
获取智能设备所在环境的环境数据；
根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；
将所述操作数据发送给所述智能设备，所述操作数据用于对所述智能设备进行控制。
12.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，该可执行指令在被执行时使该处理器执行以下操作：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
13.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下方法：
接收来自边缘设备的操作数据，所述操作数据由所述边缘设备根据所述智能设备所在环境的环境数据以及预先训练得到的控制模型确定得到；
根据所述操作数据，执行与所述操作数据对应的操作。
14.一种智能设备的控制***，包括智能设备和边缘设备，其中：
所述边缘设备，获取所述智能设备所在环境的环境数据；根据所述环境数据以及预先训练得到的控制模型，确定对所述智能设备的操作数据，所述控制模型基于所述智能设备的历史操作数据以及所述历史操作数据对应的历史环境数据训练得到；将所述操作数据发送给所述智能设备；
所述智能设备，接收来自所述边缘设备的所述操作数据；根据所述操作数据，执行与所述操作数据对应的操作。
15.如权利要求14所述的***，
所述智能设备，对所述智能设备所在环境进行信息采集，得到所述环境数据；将所述环境数据发送给所述边缘设备；
所述边缘设备，接收来自所述智能设备的所述环境数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910176390.0A CN109901408A (zh) | 2019-03-08 | 2019-03-08 | 一种智能设备的控制方法、装置和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910176390.0A CN109901408A (zh) | 2019-03-08 | 2019-03-08 | 一种智能设备的控制方法、装置和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109901408A true CN109901408A (zh) | 2019-06-18 |
Family
ID=66946639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910176390.0A Pending CN109901408A (zh) | 2019-03-08 | 2019-03-08 | 一种智能设备的控制方法、装置和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109901408A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110647770A (zh) * | 2019-09-27 | 2020-01-03 | 联想(北京)有限公司 | 数据处理方法、装置以及电子设备 |
| CN111880430A (zh) * | 2020-08-27 | 2020-11-03 | 珠海格力电器股份有限公司 | 智能家居设备的控制方法及设备 |
| CN112327648A (zh) * | 2020-11-09 | 2021-02-05 | 睿住科技有限公司 | 家用设备的控制方法、装置和计算机可读存储介质 |
| CN113668211A (zh) * | 2020-04-30 | 2021-11-19 | 云米互联科技(广东)有限公司 | 送风装置的控制方法、送风装置、智能晾晒***及介质 |
| CN114595372A (zh) * | 2020-12-03 | 2022-06-07 | 青岛海尔智能技术研发有限公司 | 场景推荐方法、装置、计算机设备和存储介质 |
| CN114885477A (zh) * | 2022-04-26 | 2022-08-09 | 山东浪潮科学研究院有限公司 | 基于边缘计算的照明控制方法、装置及*** |
| CN114595372B (zh) * | 2020-12-03 | 2024-07-26 | 青岛海尔科技有限公司 | 场景推荐方法、装置、计算机设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160048142A1 (en) * | 2014-08-15 | 2016-02-18 | Delta Electronics, Inc. | Intelligent air-conditioning controlling system and intelligent controlling method for the same |
| CN108052079A (zh) * | 2017-12-12 | 2018-05-18 | 北京小米移动软件有限公司 | 设备控制方法、装置、设备控制装置及存储介质 |
| CN108063701A (zh) * | 2016-11-08 | 2018-05-22 | 华为技术有限公司 | 一种控制智能设备的方法及装置 |
| CN108205282A (zh) * | 2018-01-12 | 2018-06-26 | 深圳市欧瑞博科技有限公司 | 智能控制面板及其控制方法和控制装置 |
| CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
| CN108985461A (zh) * | 2018-06-29 | 2018-12-11 | 深圳昂云鼎科技有限公司 | 一种自主机器学习的方法、装置和终端设备 |
| CN109358515A (zh) * | 2018-10-09 | 2019-02-19 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
-
2019
- 2019-03-08 CN CN201910176390.0A patent/CN109901408A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160048142A1 (en) * | 2014-08-15 | 2016-02-18 | Delta Electronics, Inc. | Intelligent air-conditioning controlling system and intelligent controlling method for the same |
| CN108063701A (zh) * | 2016-11-08 | 2018-05-22 | 华为技术有限公司 | 一种控制智能设备的方法及装置 |
| CN108052079A (zh) * | 2017-12-12 | 2018-05-18 | 北京小米移动软件有限公司 | 设备控制方法、装置、设备控制装置及存储介质 |
| CN108205282A (zh) * | 2018-01-12 | 2018-06-26 | 深圳市欧瑞博科技有限公司 | 智能控制面板及其控制方法和控制装置 |
| CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
| CN108985461A (zh) * | 2018-06-29 | 2018-12-11 | 深圳昂云鼎科技有限公司 | 一种自主机器学习的方法、装置和终端设备 |
| CN109358515A (zh) * | 2018-10-09 | 2019-02-19 | 珠海格力电器股份有限公司 | 一种家居设备控制方法、装置、控制设备及可读存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110647770A (zh) * | 2019-09-27 | 2020-01-03 | 联想(北京)有限公司 | 数据处理方法、装置以及电子设备 |
| CN110647770B (zh) * | 2019-09-27 | 2021-09-14 | 联想(北京)有限公司 | 数据处理方法、装置以及电子设备 |
| CN113668211A (zh) * | 2020-04-30 | 2021-11-19 | 云米互联科技(广东)有限公司 | 送风装置的控制方法、送风装置、智能晾晒***及介质 |
| CN113668211B (zh) * | 2020-04-30 | 2023-07-04 | 云米互联科技(广东)有限公司 | 送风装置的控制方法、送风装置、智能晾晒***及介质 |
| CN111880430A (zh) * | 2020-08-27 | 2020-11-03 | 珠海格力电器股份有限公司 | 智能家居设备的控制方法及设备 |
| CN112327648A (zh) * | 2020-11-09 | 2021-02-05 | 睿住科技有限公司 | 家用设备的控制方法、装置和计算机可读存储介质 |
| CN114595372A (zh) * | 2020-12-03 | 2022-06-07 | 青岛海尔智能技术研发有限公司 | 场景推荐方法、装置、计算机设备和存储介质 |
| CN114595372B (zh) * | 2020-12-03 | 2024-07-26 | 青岛海尔科技有限公司 | 场景推荐方法、装置、计算机设备和存储介质 |
| CN114885477A (zh) * | 2022-04-26 | 2022-08-09 | 山东浪潮科学研究院有限公司 | 基于边缘计算的照明控制方法、装置及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109901408A (zh) | 一种智能设备的控制方法、装置和*** | |
| US11783227B2 (en) | Method, apparatus, device and readable medium for transfer learning in machine learning | |
| CN113095124B (zh) | 一种人脸活体检测方法、装置以及电子设备 | |
| US10970854B2 (en) | Visual target tracking method and apparatus based on deep adversarial training | |
| US11816570B2 (en) | Method for accelerated detection of object in videos, server, and non-transitory computer readable storage medium | |
| CN110287820B (zh) | 基于lrcn网络的行为识别方法、装置、设备及介质 | |
| CN110525823A (zh) | 一种监控垃圾分类投放的方法、装置以及*** | |
| CN112529301B (zh) | 用电量预测方法、设备及存储介质 | |
| US11468296B2 (en) | Relative position encoding based networks for action recognition | |
| CN108961174A (zh) | 一种图像修复方法、装置以及电子设备 | |
| CN108682010A (zh) | 车辆损伤识别的处理方法、处理设备、客户端及服务器 | |
| CN108469772A (zh) | 一种智能设备的控制方法和装置 | |
| CN111142398A (zh) | 设备联动方法、装置、电子设备及存储介质 | |
| CN107818168A (zh) | 题目搜索方法、装置及设备 | |
| CN108961267A (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN109271929B (zh) | 检测方法和装置 | |
| CN109271587A (zh) | 一种页面生成方法和装置 | |
| CN109812927A (zh) | 户用微电网能量优化方法、装置、可读介质及电子设备 | |
| CN109218899A (zh) | 一种语音交互场景的识别方法、装置及智能音箱 | |
| CN116245603A (zh) | 用户标签的处理方法、装置、云服务器和可读存储介质 | |
| CN110414572A (zh) | 一种图像识别的方法及装置 | |
| CN106296735A (zh) | 目标跟踪中的滤波器更新方法、装置和智能终端 | |
| CN112969032A (zh) | 光照模式识别方法、装置、计算机设备及存储介质 | |
| CN108388886A (zh) | 图像场景识别的方法、装置、终端和计算机可读存储介质 | |
| US11093743B2 (en) | Intelligent personalization of operations of an image capturing device |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200923 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. Effective date of registration: 20200923 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman, British Islands Applicant before: Advanced innovation technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190618 |
|
| RJ01 | Rejection of invention patent application after publication |