追光晾晒方法、装置、电子设备及计算机可读存储介质与流程

本技术涉及智能设备，具体而言，本技术涉及一种追光晾晒方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、随着智能设备的普及，人们也越来越依赖智能家居带来的便利，在智能晾衣机技术领域，目前的智能晾衣机能够实现自动升降，并集成照明、烘干、杀菌等功能缺乏智能功能。

2、然而，目前的晾衣机缺乏追光功能，用户在使用过程中，需要手动调整晾衣机的晾晒位置，来获得较佳的晾晒效果，并且由于各个用户安装晾衣机的环境不同，晾衣机的适应性差，从而还导致晾晒效果不佳，使用者体验差的问题。

技术实现思路

1、本技术实施例提供了一种追光晾晒方法、装置、电子设备及计算机可读存储介质，用于解决需要手动调整晾衣机的晾晒位置、晾衣机适应性差，晾晒效果不佳和使用者体验差的技术问题。

2、根据本技术实施例的第一方面，提供了一种追光晾晒方法，该方法包括：获取目标晾衣机的当前位置信息和当前环境信息；

3、将所述当前环境信息和所述当前位置信息输入至预先训练的目标预测模型，得到所述目标预测模型输出的所述目标晾衣机的目标晾晒位置；

4、将所述目标晾衣机的晾杆调整至目标晾晒位置；

5、其中，所述目标预测模型通过多个训练样本集以及所述多个训练样本集中每个训练样本对应的训练标签训练而成；

6、所述训练样本集与训练晾衣机一一对应，每个训练样本集中包括多个训练样本，每个训练样本为一个训练晾衣机的样本位置信息和样本环境信息，且对于一个训练样本集对应的样本环境信息具有多种，所述多个训练样本集的样本位置信息对应的地点分布在预设区域；

7、每个训练样本对应的训练标签为所述训练晾衣机在对应的样本位置信息和样本环境信息时，符合预设光照条件的晾晒位置。

8、在一个可能的实现方式中，目标预测模型包括：输入层、隐藏层和输出层，输入模块包括：

9、第一输入单元，用于将当前环境信息和当前位置信息输入输入层，获得输入层输出的数值型特征；

10、第二输入单元，用于将数值型特征输入隐藏层，获得隐藏层输出的高阶特征；

11、第三输入单元，用于将高阶特征输入输出层，获得输出层输出的目标晾衣机的目标晾晒位置。

12、在又一个可能的实现方式中，追光晾晒装置还包括：

13、训练模块，用于对于每个训练样本集，根据训练样本集以及训练样本对应的训练标签，训练得到训练样本集对应的第一预测模型；

14、融合模块，用于对各个第一预测模型进行模型融合，获得目标预测模型。

15、在另一个可能的实现方式中，融合模块，包括：

16、训练模块，用于针对每一个第一预测模型，将每一个训练集中的各训练样本输入第一预测模型中，获得第一预测模型输出的各训练样本对应的第一预测晾晒位置；

17、将每一个第一预测模型输出的各训练样本对应的第一预测晾晒位置拼接成第一特征矩阵；

18、基于第一特征矩阵、各训练样本以及各训练样本对应的训练标签对第二预测模型进行多轮迭代训练，直至满足第一预设结束条件，将满足第一预设结束条件的第二预测模型和各个第一预测模型作为目标预测模型；

19、其中，一轮迭代训练包括：

20、将第一特征矩阵和各训练样本输入第二预测模型，获得第二预测模型输出的各训练样本的第二预测晾晒位置；

21、针对每一个训练样本，根据训练样本对应的训练标签和第二预测晾晒位置间的损失值，更新第二预测模型的模型参数；

22、第一预设结束条件为训练样本对应的训练标签和第二预测晾晒位置间的损失值小于预设损失阈值。

23、在另一个可能的实现方式中，追光晾晒装置还包括：

24、第一确定模块，用于确定目标晾晒位置的实际光照强度和实际光照面积；

25、第二确定模块，用于基于当前环境信息和当前位置信息确定目标晾晒位置对应的参考光照强度和参考光照区域；

26、修正模块，用于若确定目标预测模型满足修正条件，则对目标预测模型的参数进行修正；

27、修正条件包括以下至少一者：

28、实际光照强度与参考光照强度的差值大于第一光照阈值；

29、实际光照面积与参考光照面积的差值大于第一面积阈值。

30、在另一个可能的实现方式中，修正模块，包括：

31、若确定目标预测模型满足第一修正条件，则将目标预测模型的参数与第一系数相乘，得到更新后的参数；

32、若确定目标预测模型满足第二修正条件，则将目标预测模型的参数与第二系数相乘，得到更新后的参数；

33、若确定目标预测模型满足第三修正条件，则将目标预测模型的参数与第三系数相乘，得到更新后的参数；

34、第三系数大于第二系数，第二系数大于第一系数；

35、第一修正条件包括以下至少一者：

36、实际光照强度与参考光照强度的差值大于第一光照阈值，且小于第二光照阈值；

37、实际光照面积与参考光照面积的差值大于第一面积阈值，且小于第二面积阈值；

38、第二修正条件包括以下至少一者：

39、实际光照强度与参考光照强度的差值大于第二光照阈值，且小于第三光照阈值；

40、实际光照面积与参考光照面积的差值大于第二面积阈值，且小于第三面积阈值；

41、第三修正条件包括以下至少一者：

42、实际光照强度与参考光照强度的差值大于第三光照阈值；

43、实际光照面积与参考光照面积的差值大于第三面积阈值。

44、在另一个可能的实现方式中，追光晾晒装置还包括：

45、采集模块，用于

46、确定训练晾衣机的样本位置信息和样本环境信息，将训练晾衣机的样本位置信息和样本环境信息作为训练晾衣机对应的训练样本集中的一个训练样本；

47、基于样本位置信息和样本环境信息，确定参考光照强度和参考晾晒区域；

48、基于参考晾晒区域对训练晾衣机的晾杆的晾晒位置进行调整，直至确定训练晾衣机满足预设光照条件，将满足预设光照条件时的晾晒位置作为训练标签；

49、其中，预设光照条件包括：

50、当前的光照强度大于参考光照强度；

51、当前的光照面积大于预设面积。

52、在又一个可能的实现方式中，训练样本采集时的样本环境信息包括当前时段和天气，位置信息包括地理位置；

53、确定训练晾衣机的样本位置信息和样本环境信息，将训练晾衣机的样本位置信息和样本环境信息作为训练晾衣机对应的训练样本集中的一个训练样本，包括：

54、若根据样本位置信息和样本环境信息确定训练晾衣机满足追光条件，则将样本位置信息和样本环境信息作为训练样本；

55、追光条件包括：

56、地理位置的当前时段处于可追光时段；

57、地理位置的当前天气为晴朗天气。

58、在又一个可能的实现方式中，环境信息还包括楼层数、朝向信息和遮挡物的空间位置；

59、根据地理位置和楼层数确定训练晾衣机的空间位置；

60、根据训练晾衣机的空间位置、朝向信息、当前时刻太阳的空间位置和遮挡物的空间位置，确定参考晾晒区域；参考晾晒区域内的任一点与太阳之间的直线均不与遮挡物相交；

61、确定参考晾晒区域的中心点的空间位置，根据中心点的空间位置和太阳的空间位置，确定参考晾晒区域的中心点的太阳高度角，和中心点与太阳间的距离；

62、根据太阳高度角和距离，确定参考光照强度。

63、在又一个可能的实现方式中，

64、将训练晾衣机的晾杆的晾晒位置调整至参考晾晒区域；

65、在竖直方向上调整训练晾衣机的晾杆的晾晒位置，并采集竖直位移过程中的光照强度，获得晾晒位置在竖直方向上不同位置的光照强度；

66、在水平方向上调整训练晾衣机的晾杆的晾晒位置，并采集水平位移过程中的光照强度，获得晾晒位置在水平方向上不同位置的光照强度；

67、基于晾晒位置在竖直方向上不同位置的光照强度确定目标竖直区间，基于晾晒位置在水平方向上不同位置的光照强度确定目标水平区间；

68、基于目标竖直区间和目标水平区间调整晾杆的晾晒位置，直至确定训练晾衣机满足预设光照条件；

69、其中，目标竖直区间是指竖直位移过程中，在竖直方向上光照强度大于预设光照强度阈值的区间，目标水平区间是指水平位移过程中，在水平方向上光照强度大于预设光照强度阈值的区间。

70、根据本技术实施例的第二方面，提供了一种追光晾晒装置，该装置包括：

71、获取模块，用于获取目标晾衣机的当前位置信息和当前环境信息；

72、输入模块，用于将当前环境信息和当前位置信息输入至预先训练的目标预测模型，得到目标预测模型输出的目标晾衣机的目标晾晒位置；

73、调整模块，用于

74、将目标晾衣机的晾杆调整至目标晾晒位置；

75、其中，目标预测模型通过多个训练样本集以及多个训练样本集中每个训练样本对应的训练标签训练而成；

76、训练样本集与训练晾衣机一一对应，每个训练样本集中包括多个训练样本，每个训练样本为一个训练晾衣机的样本位置信息和样本环境信息，且对于一个训练样本集对应的样本环境信息具有多种，多个训练样本集的样本位置信息对应的地点分布在预设区域；

77、每个训练样本对应的训练标签为训练晾衣机在对应的样本位置信息和样本环境信息时，符合预设光照条件的晾晒位置。

78、根据本技术实施例的第三方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行程序时实现如第一方面所提供的方法的步骤。

79、根据本技术实施例的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

80、根据本技术实施例的第五方面，提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中，当计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行实现如第一方面所提供的方法的步骤。

81、本技术实施例提供的技术方案带来的有益效果是：

82、本技术实施例提供的追光晾晒方法，通过将目标晾衣机的当前位置信息和当前环境信息输入到预先训练的目标预测模型中，从而得到目标预测模型预测的晾晒效果较佳的晾晒位置，调整目标晾衣机的晾杆至预测的目标晾晒位置，以使得目标晾衣机上的晾晒物达到更好的晾晒效果，解决了需要手动调整晾衣机的晾晒位置来实现追光晾晒的问题，减少了人工操作的繁琐性，并且由于目标预测模式由多个样本训练集中的每一个训练样本及其对应的训练标签训练得到，每一个训练样本由对应训练晾衣机的样本环境信息和样本位置信息组成，并且，对于一个训练样本集对应的样本环境信息具有多种，使得训练出来的目标预测模型具备能够预测各种地理位置信息下以及各类环境信息情况下的目标晾晒位置，保证了目标预测模型的地域适应性和环境适应性，每一个训练标签是对应的训练样本的样本环境信息和样本位置信息下，符合预设光照条件的晾晒位置，以使得了晾衣机在不同环境信息下和不同位置信息下，都能够更准确的分析不同地区和环境下的晾晒情况，从而预测出的目标晾衣机的目标晾晒位置在各种环境信息和位置信息下的晾晒效果都佳，提高了使用者的用户体验。