CN118092204A - 智能家居控制方法、装置、智能家居***及存储介质 - Google Patents
智能家居控制方法、装置、智能家居***及存储介质 Download PDFInfo
- Publication number
- CN118092204A CN118092204A CN202311812975.XA CN202311812975A CN118092204A CN 118092204 A CN118092204 A CN 118092204A CN 202311812975 A CN202311812975 A CN 202311812975A CN 118092204 A CN118092204 A CN 118092204A
- Authority
- CN
- China
- Prior art keywords
- intelligent home
- control model
- user
- model
- intelligent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012549 training Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 11
- 230000006399 behavior Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 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
- Selective Calling Equipment (AREA)
Abstract
本发明实施例提供了一种智能家居控制方法、装置、智能家居***及存储介质；该方法包括通过模型配置界面接收用户的配置操作，根据配置操作确定智能家居控制模型的配置参数，获取来自服务器的智能家居通用控制模型，根据配置参数，基于智能家居通用控制模型生成用户的智能家居控制模型，基于智能家居控制模型对用户的智能家居进行控制。本方法在使用智能家居时，用户仅需要在模型配置界面上进行需要实现的智能家居场景的选择，APP等应用自动基于服务器训练好的智能家居通用控制模型生成用户所需要的智能家居控制模型，并基于这些智能家居控制模型实现智能家居场景功能，整个过程不需要用户主动发起控制需求，增强了用户的使用体验。
Description
技术领域
本发明涉及智能家居技术领域，具体涉及一种智能家居控制方法、装置、智能家居***及存储介质。
背景技术
随着智能家居技术的不断发展，智能家居设备出现并支持各种各样的功能，基于这些功能，智能家居可以为用户提供更丰富的使用场景，更好的使用体验。
目前的智能家居控制方式是：用户通过APP等应用主动发起控制需求，智能家居解析用户的控制需求并进行响应，以实现智能家居设备的控制。该方式需要用户主动发起控制请求，不能实现用户无感控制。
因此，当前智能家居控制技术存在需用户主动发起控制请求的技术问题。
发明内容
为缓解当前智能家居控制技术存在需用户主动发起控制请求的技术问题，本发明实施例提供一种智能家居控制方法、装置、智能家居***及存储介质。
第一方面，本发明实施例提供一种智能家居控制方法，包括：
通过模型配置界面，接收用户的配置操作；
根据所述配置操作，确定智能家居控制模型的配置参数；
获取来自服务器的智能家居通用控制模型；
根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型；
基于所述智能家居控制模型对所述用户的智能家居进行控制。
在一些实施例中，所述配置参数包括家居场景需求参数和用户场景需求参数；所述根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型，包括：
根据所述家居场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的家居场景控制网络；
根据所述用户场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的用户场景控制网络。
在一些实施例中，所述家居场景控制网络包括空间识别网络、时间识别网络和用户人群识别网络；所述用户场景控制网络包括外部需求识别网络和内部需求识别网络。
在一些实施例中，在所述基于所述智能家居控制模型对所述用户的智能家居进行控制之后，还包括：
获取所述用户的使用数据；
根据所述使用数据，对所述智能家居控制模型进行优化。
在一些实施例中，所述智能家居控制模型包括空气管理***、能源管理***、光照管理***、安防管理***、睡眠管理***中的至少一种。
在一些实施例中，还包括：
确定所述智能家居通用控制模型的输入数据类型和输出数据类型；
根据所述输入数据类型和所述输出数据类型，构建所述智能家居通用控制模型的训练数据；
根据预设的训练维度，对所述训练数据进行处理，得到多个维度下的训练集；
根据所述多个维度下的训练集，对待训练的智能家居通用控制模型进行训练，得到训练后的智能家居通用控制模型。
在一些实施例中，所述预设维度包括空间维度、时间维度、用户人群维度、外部因素维度和内部因素维度。
第二方面，本发明实施例提供一种智能家居控制装置，包括：
接收模块，用于通过模型配置界面，接收用户的配置操作；
确定模块，用于根据所述配置操作，确定智能家居控制模型的配置参数；
获取模块，用于获取来自服务器的智能家居通用控制模型；
生成模块，用于根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型；
控制模块，用于基于所述智能家居控制模型对所述用户的智能家居进行控制。
第三方面，本发明实施例提供一种智能家居***，包括存储器和处理器；所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现如第一方面所述的方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如第一方面所述的方法。
与现有技术相比，本发明的一个或多个实施例至少能带来如下有益效果：
本发明实施例提供了一种智能家居控制方法、装置、智能家居***及存储介质；该方法包括：通过模型配置界面接收用户的配置操作，根据所述配置操作确定智能家居控制模型的配置参数，获取来自服务器的智能家居通用控制模型，根据所述配置参数，基于所述智能家居通用控制模型生成所述用户的智能家居控制模型，基于所述智能家居控制模型对所述用户的智能家居进行控制。在本申请提供的方案中，在使用智能家居时，用户仅需要在模型配置界面上进行需要实现的智能家居场景的选择，APP等应用自动基于服务器训练好的智能家居通用控制模型生成用户所需要的智能家居控制模型，并基于这些智能家居控制模型实现智能家居场景功能，整个过程不需要用户主动发起控制需求，降低了用户的操作复杂度，缓解了当前智能家居控制技术存在需用户主动发起控制请求才能实现智能家居控制的技术问题，增强了用户的使用体验。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1是本发明实施例提供的智能家居控制方法的第一种流程示意图；
图2是本发明实施例提供的智能家居控制方法的第二种流程示意图；
图3是本发明实施例提供的配置生成空气***的一种结构示意图；
图4是本发明实施例提供的智能家居控制装置的一种结构示意图。
具体实施方式
下面将结合本发明实施例中附图，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实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1示出了本发明实施例提供的智能家居控制方法的第一种流程示意图，如图1所示，本申请提供的智能家居控制方法，包括：
步骤110：通过模型配置界面，接收用户的配置操作。
在本实施例中，训练好的模型会被部署到智能家居***中，并确保与现有的设备和服务兼容。当在智能家居APP上进行前端操作时，后台服务器会调用前面训练好的模型去生成满足用户需求的场景内容。
在这里，模型配置界面即为部署有训练好的智能家居控制模型的智能家居APP界面；用户的配置操作即用户在智能家居APP界面中对想要实现的功能的前端设置操作。
步骤120：根据所述配置操作，确定智能家居控制模型的配置参数。
在本实施例中，智能家居***在接收到用户的配置操作后，根据该用户的配置操作，确定智能家居控制模型的配置参数。配置参数可以为用户所要实现的功能对应的参数，参数可以为空气、能源、光照、安防、睡眠等。
在一些实施例中，所述智能家居控制模型包括空气管理***、能源管理***、光照管理***、安防管理***、睡眠管理***中的至少一种。
步骤130：获取来自服务器的智能家居通用控制模型。
在本实施例中，智能家居通用控制模型是指包括所有智能家居功能的控制模型；其模型架构可以为GPT大模型等。
步骤140：根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型。
在本实施例中，所述配置参数包括家居场景需求参数和用户场景需求参数。
在一些实施例中，所述根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型，包括：根据所述家居场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的家居场景控制网络；根据所述用户场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的用户场景控制网络。
在一些实施例中，所述家居场景控制网络包括空间识别网络、时间识别网络和用户人群识别网络；所述用户场景控制网络包括外部需求识别网络和内部需求识别网络。
在这里，家居场景控制网络和用户场景控制网络为前期根据用户的行为及需求已经训练好的网络模型，此处只需根据配置参数即可基于智能家居通用控制模型生成相应的控制网络(即配置模型)。另外，还可以在家居场景控制网络和用户场景控制网络下设定不同的子模型，如家居场景控制网络可以细分为一级子模型1空间识别网络、一级子模型2时间识别网络、一级子模型3用户人群识别网络，用户场景控制网络可以细分为一级子模型1外部需求识别网络、一级子模型2内部需求识别网络；一级子模型还可以细分为不同的二级子模型，比如一级子模型1空间识别网络可以细分为客厅子模型、卧室子模型、厨房子模型等；一级子模型2时间识别网络可以细分为时间段子模型等；一级子模型3用户人群识别网络可以细分为家庭主人子模型等；一级子模型1外部需求识别网络可以细分为环境因素子模型、家中已有设备子模型等；一级子模型2内部需求识别网络可以细分为使用者子模型、使用者需求子模型等。
具体的，用户在智能家居APP设置界面中选择好时间、地点、想要执行的设备或者是想要达到的参数(比如：室温24℃、空气湿度60％等)，然后智能家居通用控制模型根据用户设置的配置参数进行匹配，生成相应的用户的智能家居控制模型，基于该智能家居控制模型在用户配网的设备中寻找满足设置条件的设备，从而生成不同的场景内容。比如：用户在智能家居APP设置界面中选择空间为客厅，选择时间为每日17:00～22:00，选择用户角色(即用户人群)为家庭主人，选择外部因素为温度大于26℃、空气质量差、空调1(客厅空调)、净化器1(客厅净化器)，选择内部因素家庭主人、空调1：开机、净化器1：开机，则智能家居通用控制模型根据用户选择的设置，生成空气管理***模型(即用户的智能家居控制模型)，该空气管理***模型在用户配网的设备中寻找满足设置条件的空调和净化器，并生成不同的场景(即子模型)内容，比如场景1：提前开空调，场景2：提前开净化器，场景3：检测到温度过高自动开启空调，场景4：空气质量差时自动开启净化器，场景5等等。
在这里，需要说明的是，智能家居APP中配置的模型类型(家居场景控制网络和用户场景控制网络)和一级子模型内容都是固定的，用户每次只需要在配置界面中设置(选择或更改)与一级子模型内容相对应的参数，然后智能家居通用控制模型会从家庭联网的设备数据中匹配符合设置条件的智能家居，从而生成不同的场景内容。
步骤150：基于所述智能家居控制模型对所述用户的智能家居进行控制。
在本实施例中，承接步骤140，在智能家居控制模型生成后，当满足相应的设置条件时，则自动触发相关的场景内容对用户的智能家居进行控制。比如，以步骤140中的空气管理***为例，在空气管理***生成后，当快到达设定时间点17:00时，则触发场景1、场景2(即控制场景1、场景2中的智能家居进行工作)；或者当指定时间段17:00～22:00内空气质量差时，则触发场景4等；需要说明的是，智能家居控制模型中的多个场景可以同时被触发。
在一些实施例中，在所述基于所述智能家居控制模型对所述用户的智能家居进行控制之后，还包括：获取所述用户的使用数据；根据所述使用数据，对所述智能家居控制模型进行优化(即训练调整)。
具体的，对用户的使用情况进行记录与分析，当用户每次执行更改的参数，将会同步进行记录并会生成对应的新模型(可以为多个，如新模型1、新模型2、新模型3等)，生成多个模型可对用户的使用习惯及个人使用偏好进行记录，同时不断的调整根据用户配置参数生成的场景模型参数，不断修正推荐的场景内容，使得智能场景越来越贴合用户的使用习惯；与此同时，也可以根据不同的用户人群生成不同的应用场景等。
在一些实施例中，所述智能家居控制方法还包括：确定所述智能家居通用控制模型的输入数据类型和输出数据类型；根据所述输入数据类型和所述输出数据类型，构建所述智能家居通用控制模型的训练数据；根据预设的训练维度，对所述训练数据进行处理，得到多个维度下的训练集；根据所述多个维度下的训练集，对待训练的智能家居通用控制模型进行训练，得到训练后的智能家居通用控制模型。
在一些实施例中，所述预设维度包括空间维度、时间维度、用户人群维度、外部因素维度和内部因素维度。
具体的，对待训练的智能家居通用控制模型进行训练前，首先要进行需求分析，即确定智能家居场景中需要解析的元素，例如用户指令、环境状态、异常检测、用户期望值等文本数据，同时明确模型的目标：实现自动化控制、用户行为预测、异常检测提醒等。再将收集到的需求分析数据进行预处理，即针对收集到的大量智能家居相关数据，进行清洗、标准化等，以便待训练的智能家居通用控制模型能够有效的处理。接着从原始数据中提取有助于场景解析的特征(时间戳、设备类型、环境参数等)，使用特征选择方法减少要分析及建模的维度(即根据预设的训练维度，对训练数据进行处理，得到多个维度下的训练集)，提高模型训练效率和性能。再根据多个维度下的训练集对待训练的智能家居通用控制模型进行训练，得到训练后的智能家居通用控制模型。在此，还可以利用智能家居特定数据对智能家居通用控制模型进行微调，使其理解特定场景和用户行为。
根据上述内容可知，在本发明提供的方法中，在使用智能家居时，用户仅需要在模型配置界面上进行需要实现的智能家居场景的选择，APP等应用自动基于服务器训练好的智能家居通用控制模型生成用户所需要的智能家居控制模型，并基于这些智能家居控制模型实现智能家居场景功能，整个过程不需要用户主动发起控制需求，降低了用户的操作复杂度，缓解了当前智能家居控制技术存在需用户主动发起控制请求才能实现智能家居控制的技术问题，增强了用户的使用体验。
现结合具体场景对本申请提供的智能家居控制方法进行进一步的说明。
图2示出了本发明实施例提供的智能家居控制方法的第二种流程示意图，如图2所示，本申请提供的智能家居控制方法，包括：
步骤201：获取用户行为习惯及需求等数据。
在本实施例中，此步骤为需求分析阶段，属于项目前期的调研工作，通过用户访谈、市场调研等方法，分析用户的行为习惯提取用户的典型特征，并分析不同类型用户的需求方向；即确定智能家居场景中需要解析的元素，例如用户指令、环境状态、异常检测、用户期望值等文本数据，同时明确模型的目标：实现自动化控制、用户行为预测、异常检测提醒等。此步骤获取大量的数据，以便后续对智能家居通用控制模型进行训练。
步骤202：数据预处理。
在本实施例中，针对步骤201中收集到的大量智能家居相关数据，进行清洗、标准化、特征工程等，以便模型能够有效处理。其中，特征工程可以包括从原始数据中提取有助于场景解析的特征(如时间戳、设备类型、环境参数等)，使用特征选择方法减少要分析及建模的维度，提高模型训练效率和性能。
步骤203：GPT大模型。
在本实施例中，智能家居通用控制模型的模型架构可以为GPT大模型等。选择GPT大模型处理序列数据，并设计模型以处理涉及语音、文本、图像等多类型输入的多模态数据。
步骤204：模型训练与调整。
在本实施例中，使用大量的通用数据集对智能家居通用控制模型进行预训练，学习语言模型、图像识别等基本功能。在这里，会划分五个维度并建立对应数据库，如图2中所示的空间维度、时间维度、用户人群维度、外部因素维度、内部因素维度，然后五个维度下会再进行拓展和细化，如空间可以细分为客厅、卧室、厨房、次卧等，这样可以形成单一维度的场景，也能形成多维度的场景，最后利用智能家居特定数据对模型进行微调，使其理解特定场景和用户行为。
在一些实施例中，结合时间序列和上下文信息，使模型能够理解场景随时间的变化；同时训练模型以识别和预测用户行为模式和设备使用模式。建模过程中不断应用交叉验证、超参数调整等技术优化模型性能。
步骤205：测试模型。
在本实施例中，在独立测试集上评估模型性能，确保准确性和泛化能力，并使用实际的智能家居设备和场景来进行测试。
步骤206：部署与集成。
在本实施例中，训练好的智能家居通用控制模型会被部署到智能家居***中，并确保与现有的设备和服务兼容。
步骤207：输出符合用户需求的场景内容。
在本实施例中，在将训练好的智能家居通用控制模型部署到智能家居***中之后，当用户在智能家居APP界面上进行前端操作时，后台服务器会调用训练好的智能家居通用控制模型，并根据用户在APP界面中设置的配置参数进行匹配，生成用户的智能家居控制模型，比如图3中的配置模型1：家居场景需求模型(对应上文中的家居场景控制网络)和配置模型2：用户场景需求模型(对应上文中的用户场景控制网络)，同时在智能家居控制模型下还可以设定不同的子模型，例如一级子模型，一级子模型下还可以设定不同的二级子模型，子模型的具体设置在上文中已经进行说明，此处不再赘述。在用户的智能家居控制模型生成后，基于该模型在用户配网的设备中寻找满足设置条件的设备，从而生成满足用户需求的场景内容。例如图3中所示，用户在智能家居APP设置界面中选择空间为客厅，选择时间为每日17:00～22:00，选择用户角色(即用户人群)为家庭主人，选择外部因素为温度大于26℃、空气质量差、空调1(客厅空调)、净化器1(客厅净化器)，选择内部因素家庭主人、空调1：开机、净化器1：开机，则智能家居通用控制模型根据用户选择的设置，生成空气管理***模型(即用户的智能家居控制模型)，该空气管理***模型在用户配网的设备中寻找满足设置条件的空调和净化器，并生成不同的场景(即子模型)内容，比如场景1：提前开空调，场景2：提前开净化器，场景3：检测到温度过高自动开启空调，场景4：空气质量差时自动开启净化器，场景5等等。
根据上述场景可知：本申请中，在使用智能家居时，用户仅需要在模型配置界面上进行需要实现的智能家居场景的选择，APP等应用自动基于服务器训练好的智能家居通用控制模型生成用户所需要的智能家居控制模型，并基于这些智能家居控制模型实现智能家居场景功能，整个过程不需要用户主动发起控制需求，降低了用户的操作复杂度，缓解了当前智能家居控制技术存在需用户主动发起控制请求才能实现智能家居控制的技术问题，增强了用户的使用体验。
相应的，本发明实施例还提供了一种智能家居控制装置；图4示出了本发明实施例提供的智能家居控制装置的一种结构示意图；如图4所示，所述智能家居控制装置包括：
接收模块410，用于通过模型配置界面，接收用户的配置操作；
确定模块420，用于根据所述配置操作，确定智能家居控制模型的配置参数；
获取模块430，用于获取来自服务器的智能家居通用控制模型；
生成模块440，用于根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型；
控制模块450，用于基于所述智能家居控制模型对所述用户的智能家居进行控制。
在一些实施例中，所述生成模块440，还用于根据所述家居场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的家居场景控制网络；根据所述用户场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的用户场景控制网络。
在一些实施例中，所述智能家居控制装置还包括：
数据类型确定模块，用于确定所述智能家居通用控制模型的输入数据类型和输出数据类型；
构建模块，用于根据所述输入数据类型和所述输出数据类型，构建所述智能家居通用控制模型的训练数据；
处理模块，用于根据预设的训练维度，对所述训练数据进行处理，得到多个维度下的训练集；
训练模块，用于根据所述多个维度下的训练集，对待训练的智能家居通用控制模型进行训练，得到训练后的智能家居通用控制模型。
即，本发明实施例提供的智能家居控制装置，在使用智能家居时，用户仅需要在模型配置界面上进行需要实现的智能家居场景的选择，APP等应用自动基于服务器训练好的智能家居通用控制模型生成用户所需要的智能家居控制模型，并基于这些智能家居控制模型实现智能家居场景功能，整个过程不需要用户主动发起控制需求，降低了用户的操作复杂度，缓解了当前智能家居控制技术存在需用户主动发起控制请求才能实现智能家居控制的技术问题，增强了用户的使用体验。
本领域的技术人员应当明白，上述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，可选地，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，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。本发明不限制于任何限定的硬件和软件结合。
相应的，本发明实施例还提供一种智能家居***，所述智能家居***包括存储器和处理器；所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现如上述实施例所述的智能家居控制方法。
本实施例中，处理器是智能家居***的控制中心，利用各种接口和线路连接整个智能家居***的各个部分，通过运行或加载存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行智能家居***的各种功能和处理数据，从而对智能家居***进行整体监控。
本实施例中，处理器可以是专用集成电路(Applncatnon Specnfnc NntegratedCnrcunt，简称ASNC)、数字信号处理器(Dngntal Sngnal Processor，简称DSP)、数字信号处理设备(Dngntal Sngnal Processnng Devnce，简称DSPD)、可编程逻辑器件(ProgrammableLognc Devnce，简称PLD)、现场可编程门阵列(Fneld Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例中的方法。在处理器上运行的计算机程序被执行时所实现的方法可参照本发明前述实施例提供的方法的具体实施例，此处不再赘述。
相应的，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如上述实施例所述的方法：
通过模型配置界面，接收用户的配置操作；
根据所述配置操作，确定智能家居控制模型的配置参数；
获取来自服务器的智能家居通用控制模型；
根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型；
基于所述智能家居控制模型对所述用户的智能家居进行控制。
需要说明的是，本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
相应的，本发明实施例还可以包括一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机指令存储在计算机可读存储介质中，该计算机程序或指令被处理器执行时实现上述实施例中任一项所述的智能家居控制方法。
综上，本发明实施例提供了一种智能家居控制方法、装置、智能家居***及存储介质；该方法包括：通过模型配置界面接收用户的配置操作，根据所述配置操作确定智能家居控制模型的配置参数，获取来自服务器的智能家居通用控制模型，根据所述配置参数，基于所述智能家居通用控制模型生成所述用户的智能家居控制模型，基于所述智能家居控制模型对所述用户的智能家居进行控制。在本申请提供的方案中，在使用智能家居时，用户仅需要在模型配置界面上进行需要实现的智能家居场景的选择，APP等应用自动基于服务器训练好的智能家居通用控制模型生成用户所需要的智能家居控制模型，并基于这些智能家居控制模型实现智能家居场景功能，整个过程不需要用户主动发起控制需求，降低了用户的操作复杂度，缓解了当前智能家居控制技术存在需用户主动发起控制请求才能实现智能家居控制的技术问题，增强了用户的使用体验。
在本发明实施例所提供的实施例中，应该理解到，所揭露的***和方法，也可以通过其它的方式实现。以上所描述的***和方法实施例仅仅是示意性的。
需要说明的是，在本文中，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、物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、物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、物品或者设备中还存在另外的相同要素。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种智能家居控制方法，其特征在于，包括：
通过模型配置界面，接收用户的配置操作；
根据所述配置操作，确定智能家居控制模型的配置参数；
获取来自服务器的智能家居通用控制模型；
根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型；
基于所述智能家居控制模型对所述用户的智能家居进行控制。
2.根据权利要求1所述的智能家居控制方法，其特征在于，所述配置参数包括家居场景需求参数和用户场景需求参数；所述根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型，包括：
根据所述家居场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的家居场景控制网络；
根据所述用户场景需求参数，从所述智能家居通用控制模型中确定所述智能家居控制模型中的用户场景控制网络。
3.根据权利要求2所述的智能家居控制方法，其特征在于，所述家居场景控制网络包括空间识别网络、时间识别网络和用户人群识别网络；所述用户场景控制网络包括外部需求识别网络和内部需求识别网络。
4.根据权利要求1所述的智能家居控制方法，其特征在于，在所述基于所述智能家居控制模型对所述用户的智能家居进行控制之后，还包括：
获取所述用户的使用数据；
根据所述使用数据，对所述智能家居控制模型进行优化。
5.根据权利要求1所述的智能家居控制方法，其特征在于，所述智能家居控制模型包括空气管理***、能源管理***、光照管理***、安防管理***、睡眠管理***中的至少一种。
6.根据权利要求1至5任一项所述的智能家居控制方法，其特征在于，还包括：
确定所述智能家居通用控制模型的输入数据类型和输出数据类型；
根据所述输入数据类型和所述输出数据类型，构建所述智能家居通用控制模型的训练数据；
根据预设的训练维度，对所述训练数据进行处理，得到多个维度下的训练集；
根据所述多个维度下的训练集，对待训练的智能家居通用控制模型进行训练，得到训练后的智能家居通用控制模型。
7.根据权利要求6所述的智能家居控制方法，其特征在于，所述预设维度包括空间维度、时间维度、用户人群维度、外部因素维度和内部因素维度。
8.一种智能家居控制装置，其特征在于，包括：
接收模块，用于通过模型配置界面，接收用户的配置操作；
确定模块，用于根据所述配置操作，确定智能家居控制模型的配置参数；
获取模块，用于获取来自服务器的智能家居通用控制模型；
生成模块，用于根据所述配置参数，基于所述智能家居通用控制模型，生成所述用户的智能家居控制模型；
控制模块，用于基于所述智能家居控制模型对所述用户的智能家居进行控制。
9.一种智能家居***，其特征在于，包括存储器和处理器；所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被一个或多个处理器执行时，实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311812975.XA CN118092204A (zh) | 2023-12-26 | 2023-12-26 | 智能家居控制方法、装置、智能家居***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311812975.XA CN118092204A (zh) | 2023-12-26 | 2023-12-26 | 智能家居控制方法、装置、智能家居***及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118092204A true CN118092204A (zh) | 2024-05-28 |
Family
ID=91143027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311812975.XA Pending CN118092204A (zh) | 2023-12-26 | 2023-12-26 | 智能家居控制方法、装置、智能家居***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118092204A (zh) |
-
2023
- 2023-12-26 CN CN202311812975.XA patent/CN118092204A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110147722A (zh) | 一种视频处理方法、视频处理装置及终端设备 | |
| CN110262273A (zh) | 一种家居设备控制方法、装置、存储介质及智能家居*** | |
| CN110060677A (zh) | 语音遥控器控制方法、装置及计算机可读存储介质 | |
| CN112749266B (zh) | 一种工业问答方法、装置、***、设备及存储介质 | |
| CN105608199A (zh) | 用于智能问答***中的标准问的扩展方法和装置 | |
| CN112631139B (zh) | 智能家居指令合理性实时检测***及方法 | |
| CN111105786B (zh) | 一种多采样率语音识别方法、装置、***及存储介质 | |
| CN112509583A (zh) | 一种基于调度操作票***的辅助监督方法及*** | |
| CN111090643A (zh) | 一种基于数据分析***下的海量用电数据挖掘方法 | |
| CN115757745A (zh) | 基于人工智能的业务场景控制方法、***及云平台 | |
| EP4339843A1 (en) | Neural network optimization method and apparatus | |
| CN114694644A (zh) | 语音意图识别方法、装置及电子设备 | |
| CN118092204A (zh) | 智能家居控制方法、装置、智能家居***及存储介质 | |
| CN115599260A (zh) | 智能场景的生成方法、装置、***、存储介质及电子装置 | |
| CN116521778A (zh) | 基于人工智能的一站式数据分析工具、方法及终端设备 | |
| CN115454466A (zh) | 机器学习模型自动更新的方法、装置、设备和介质 | |
| CN112948251B (zh) | 软件自动测试方法及装置 | |
| WO2021138911A1 (zh) | 图像分类方法、装置、存储介质及电子设备 | |
| CN109255016A (zh) | 基于深度学习的应答方法、装置及计算机可读存储介质 | |
| Goyal et al. | Smartphone context event sequence prediction with poermh and tke-rules algorithms | |
| CN111652083B (zh) | 一种基于自适应采样的弱监督时序动作检测方法及*** | |
| CN112000428B (zh) | 基于机器学习的jvm调优方法、装置和电子装置 | |
| CN109062396B (zh) | 用于控制设备的方法和装置 | |
| CN113051445A (zh) | 工业生产数据处理方法、装置、计算机设备和存储介质 | |
| CN115237606B (zh) | 一种边缘计算控制*** |
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 |