CN104678843A - 基于人体健康信息及空气成分数据的室内植物推荐方法 - Google Patents
基于人体健康信息及空气成分数据的室内植物推荐方法 Download PDFInfo
- Publication number
- CN104678843A CN104678843A CN201510034730.8A CN201510034730A CN104678843A CN 104678843 A CN104678843 A CN 104678843A CN 201510034730 A CN201510034730 A CN 201510034730A CN 104678843 A CN104678843 A CN 104678843A
- Authority
- CN
- China
- Prior art keywords
- health information
- module
- network model
- occupant
- data
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 94
- 239000000203 mixture Substances 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000013528 artificial neural network Methods 0.000 claims abstract description 51
- 239000007789 gas Substances 0.000 claims description 14
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 claims description 12
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 239000000428 dust Substances 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 claims description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 3
- 210000005036 nerve Anatomy 0.000 claims 14
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 claims 3
- 239000012855 volatile organic compound Substances 0.000 claims 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims 1
- 229910002091 carbon monoxide Inorganic materials 0.000 claims 1
- -1 oxygen ion Chemical class 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 42
- 239000002585 base Substances 0.000 description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 239000003205 fragrance Substances 0.000 description 5
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 241000220317 Rosa Species 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 235000010254 Jasminum officinale Nutrition 0.000 description 2
- 240000005385 Jasminum sambac Species 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- MIZLGWKEZAPEFJ-UHFFFAOYSA-N 1,1,2-trifluoroethene Chemical group FC=C(F)F MIZLGWKEZAPEFJ-UHFFFAOYSA-N 0.000 description 1
- HIXDQWDOVZUNNA-UHFFFAOYSA-N 2-(3,4-dimethoxyphenyl)-5-hydroxy-7-methoxychromen-4-one Chemical compound C=1C(OC)=CC(O)=C(C(C=2)=O)C=1OC=2C1=CC=C(OC)C(OC)=C1 HIXDQWDOVZUNNA-UHFFFAOYSA-N 0.000 description 1
- 241001116389 Aloe Species 0.000 description 1
- 201000004384 Alopecia Diseases 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 241000755726 Chlorophytum Species 0.000 description 1
- 241000723353 Chrysanthemum Species 0.000 description 1
- 235000007516 Chrysanthemum Nutrition 0.000 description 1
- 235000005633 Chrysanthemum balsamita Nutrition 0.000 description 1
- 244000189548 Chrysanthemum x morifolium Species 0.000 description 1
- 235000005979 Citrus limon Nutrition 0.000 description 1
- 244000131522 Citrus pyriformis Species 0.000 description 1
- 241000218631 Coniferophyta Species 0.000 description 1
- 244000068485 Convallaria majalis Species 0.000 description 1
- 235000009046 Convallaria majalis Nutrition 0.000 description 1
- 244000301850 Cupressus sempervirens Species 0.000 description 1
- 201000004624 Dermatitis Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 240000000161 Lagerstroemia indica Species 0.000 description 1
- 235000000283 Lagerstroemia parviflora Nutrition 0.000 description 1
- 241000187479 Mycobacterium tuberculosis Species 0.000 description 1
- 244000187664 Nerium oleander Species 0.000 description 1
- 235000019082 Osmanthus Nutrition 0.000 description 1
- 241000333181 Osmanthus Species 0.000 description 1
- ISWSIDIOOBJBQZ-UHFFFAOYSA-N Phenol Chemical compound OC1=CC=CC=C1 ISWSIDIOOBJBQZ-UHFFFAOYSA-N 0.000 description 1
- 244000014047 Polianthes tuberosa Species 0.000 description 1
- 235000016067 Polianthes tuberosa Nutrition 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 235000004789 Rosa xanthina Nutrition 0.000 description 1
- 241000109329 Rosa xanthina Species 0.000 description 1
- 241000191940 Staphylococcus Species 0.000 description 1
- 240000005924 Stenocarpus sinuatus Species 0.000 description 1
- 244000223014 Syzygium aromaticum Species 0.000 description 1
- 235000016639 Syzygium aromaticum Nutrition 0.000 description 1
- 235000012544 Viola sororia Nutrition 0.000 description 1
- 241001106476 Violaceae Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 235000011399 aloe vera Nutrition 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 230000036528 appetite Effects 0.000 description 1
- 235000019789 appetite Nutrition 0.000 description 1
- 235000019568 aromas Nutrition 0.000 description 1
- 150000001555 benzenes Chemical class 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 206010013023 diphtheria Diseases 0.000 description 1
- 208000001848 dysentery Diseases 0.000 description 1
- RTZKZFJDLAIYFH-UHFFFAOYSA-N ether Substances CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 1
- 208000024963 hair loss Diseases 0.000 description 1
- 230000003676 hair loss Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000007803 itching Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种基于人体健康信息及空气成分数据的室内植物推荐方法，通过对室内空气成分数据进行采集，将采集的数据与现有植物知识库数据和居住者健康信息通过人工神经网络模型进行分析处理，得到推荐结果，将推荐结果进行修正优化，得到最终适合居住者当前健康信息的推荐结果。本发明的有益效果在于：简单实用，适合当前居住环境，通过推荐适合的植物，有益人体健康，同时能够很好地改善居住者的生活环境。
Description
技术领域
本发明涉及家居生活设备领域，尤其涉及一种基于人体健康信息及空气成分分析的室内植物推荐方法。
背景技术
随着我国经济的发展，人们对居住环境的健康及舒适性要求也日益增长，特别是大气质量的好坏更是与我们每个人息息相关，如北京的雾霾，房屋装修后的甲醛残留，污浊空气中的二氧化硫等问题都会逐步影响人体健康。植物在光合作用的过程中能吸收二氧化碳放出氧气，从而增加室内的含氧量。有些植物还能吸收二氧化硫，甲醛，硫化氢等等，例如吊兰、黛粉叶等，对装修后室内残存的甲醛、氯、苯类化合物具较强吸收能力；芦荟、菊花等可以减少居室内苯的污染；雏菊、万年青等可以有效消除三氟乙烯的污染；月季、蔷薇等可吸收硫化氢、苯、苯酚、乙醚等有害气体。
除了吸收空气中的有害成分外，植物还能散发一些芳香来丰富我们的生活。这些芳香有抗菌成分，可以清除空气中的细菌和病毒，具有保健功能，如紫薇、茉莉、柠檬等植物，五分钟内就可以杀死白喉菌和痢疾菌等原生菌；蔷薇、石竹、铃兰、紫罗兰、玫瑰、桂花等植物散发的香味对结核杆菌、肺炎球菌、葡萄球菌的生长繁殖具有明显的抑制作用。有些芳香还可以调节人的神经系统，如丁香、茉莉可使人放松，有利于睡眠；玫瑰、紫罗兰可使人精神愉快，有发奋工作的欲望；锦紫苏、驱蚊草等气味有驱蚊除蝇作用。
而有些植物则不适合种植在室内，如夜来香在夜间能散发刺激嗅觉的微粒，对高血压和心脏病患者有不利影响；夹竹桃的花香能使人昏睡、智力降低；洋绣球散发的微粒会使人皮肤过敏发生瘙痒；郁金香的花朵有毒碱，过多接触易使人毛发脱落；松柏类花木散发出的油香，会影响人的食欲。为此如何选择最适宜居住人身体健康条件及室内气体环境的植物是一个复杂且具有实用价值的问题。
发明内容
本发明的目的是针对以上不足之处，提供了一种基于人体健康信息及空气成分分析的室内植物推荐系统，根据不同植物对大气中有害气体吸收情况的不同及其释放气味成分的差异，基于居住者身体健康信息，通过专家系统推荐最适宜当前室内种植的植物供用户选择。
本发明解决技术问题所采用的方案是一种基于人体健康信息及空气成分数据的室内植物推荐方法，包括以下步骤：
步骤S1：对室内空气成分分别进行数据采集；
步骤S2：通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果；
步骤S3：将上述步骤S2中的得到的推荐结果，经一类比方法进行修正优化，包括以下步骤：
步骤S31：实时更新居住者当前健康信息，得到居住者当前健康信息特征向量；
步骤S32：将居住者当前健康信息特征向量与步骤S2中居住者健康信息特征向量进行类比，若居住者当前健康信息相对于步骤S2中居住者健康信息没有差别，则转到步骤S35；若居住者当前健康信息相对于步骤S2中居住者健康信息有差别，则转到步骤S33；
步骤S33：利用居住者当前健康信息特征向量和步骤S2中居住者健康信息特征向量进行类比生成差异向量；
步骤S34：将所述差异向量对步骤S2中的人工神经网络模型进行修正，得到修正后的人工神经网络模型，转到步骤S36；
步骤S35：采用步骤S2中的人工神经网络模型；
步骤S36：通过当前人工神经模型进行得到最终推荐结果；
步骤S4：将步骤S34中得到修正后的人工神经网络模型参数反馈至步骤S2中的人工神经网络模型，更新步骤S2中的人工神经网络模型相应的参数。
进一步的，所述步骤S2中的人工神经网络模型的建立，包括以下步骤：
步骤S21：进行人工神经网络的构建，通过系统建模，构建出合适的人工神经网络模型；
步骤S22：利用现有的植物知识库和居住者健康信息对所述人工神经网络模型进行训练，更新模型中相应的权值，得到训练完成的人工神经网络模型，包括以下步骤：
步骤S221：对步骤S21中的人工神经网络进行初始化；
步骤S222：对所述人工神经网络进行训练,若训练完成，则得到训练完成的人工神经网络模型，转到步骤S223；若训练未完成，则更新模型中的相应权值，继续步骤S221；
步骤S223: 将步骤S1中的传感器采集模块采集的数据结合数据库中现有的居住者健康信息和现有植物数据库的数据输入步骤S22得到的训练完成的人工神经网络模型，经人工神经网络决策输出推荐结果。
进一步的，步骤S1中通过传感器采集模块对室内空气成分进行数据采集，将所采集的数据经一第一无线传输模块输出至一决策模块。
进一步的，步骤S2中通过决策模块经一第二无线传输模块接收传感器采集模块所采集的数据，通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果。
一种基于人体健康信息及空气成分数据的室内植物推荐系统，包括一用于采集室内空气成分的传感器采集模块，所述传感器采集模块包括若干个气体传感器、一控制单元、模数转换器和一与所述控制单元连接的第一无线收发模块，所述气体传感器经模数转换器与所述控制单元连接；一用于将采集的数据与现有植物知识系统及居住者健康状态数据进行分析处理的决策模块，所述决策模块包括一微处理器、与所述微处理器相连的与第一无线接收模块相对应的第二无线接收模块和与所述微处理器相连的显示模块；一用于不断修正优化所述决策模块输出的推荐植物的反馈模块，所述反馈模块与所述微处理器相连接。
进一步的，所述控制单元为单片机，所述单片机型号为C8051F020。
进一步的，所述微处理器为嵌入式微处理器，所述嵌入式微处理器型号为ARM Cortex-A 8。
进一步的，所述气体传感器为氧传感器、二氧化碳传感器或灰尘传感器。
进一步的，所述显示模块为液晶屏显示。
与现有技术相比，本发明有以下有益效果：通过对室内空气成分数据进行采集，将采集的数据与现有植物知识库数据和居住者健康信息通过人工神经网络模型进行分析处理，得到推荐结果，将推荐结果进行修正优化，得到最终适合居住者当前健康信息的推荐结果。通过本发明提供的推荐方法，简单实用，适合当。前居住环境，通过推荐适合的植物，有益人体健康；同时能够很好地改善居住者的生活环境。
附图说明
下面结合附图对本发明专利进一步说明。
图1为本发明提供的基于人体健康信息及空气成分数据的室内植物推荐方法的流程图。
图2为本发明提供的人工神经网络模型的流程图。
图3为本发明提供的基于人体健康信息及空气成分数据的室内植物推荐系统的结构示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
如图1～3所示，本实施例提供的一种基于人体健康信息及空气成分数据的室内植物推荐方法，包括以下步骤：
步骤S1：对室内空气成分分别进行数据采集；
步骤S2：通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果；
步骤S3：将上述步骤S2中的得到的推荐结果，经一类比方法进行修正优化，包括以下步骤：
步骤S31：实时更新居住者当前健康信息，得到居住者当前健康信息特征向量；
步骤S32：将居住者当前健康信息特征向量与步骤S2中居住者健康信息特征向量进行类比，若居住者当前健康信息相对于步骤S2中居住者健康信息没有差别，则转到步骤S35；若居住者当前健康信息相对于步骤S2中居住者健康信息有差别，则转到步骤S33；
步骤S33：利用居住者当前健康信息特征向量和步骤S2中居住者健康信息特征向量进行类比生成差异向量；
步骤S34：将所述差异向量对步骤S2中的人工神经网络模型进行修正，得到修正后的人工神经网络模型，转到步骤S36；
步骤S35：采用步骤S2中的人工神经网络模型；
步骤S36：通过当前人工神经模型进行得到最终推荐结果；
步骤S4：将步骤S34中得到修正后的人工神经网络模型参数反馈至步骤S2中的人工神经网络模型，更新步骤S2中的人工神经网络模型相应的参数。
在本实施例中，所述步骤S2中的人工神经网络模型的建立，包括以下步骤：
步骤S21：进行人工神经网络的构建，通过系统建模，构建出合适的人工神经网络模型；
步骤S22：利用现有的植物知识库和居住者健康信息对所述人工神经网络模型进行训练，更新模型中相应的权值，得到训练完成的人工神经网络模型，包括以下步骤：
步骤S221：对步骤S21中的人工神经网络进行初始化；
步骤S222：对所述人工神经网络进行训练,若训练完成，则得到训练完成的人工神经网络模型，转到步骤S223；若训练未完成，则更新模型中的相应权值，继续步骤S221；
步骤S223: 将步骤S1中的传感器采集模块采集的数据结合数据库中现有的居住者健康信息和现有植物数据库的数据输入步骤S22得到的训练完成的人工神经网络模型，经人工神经网络决策输出推荐结果。
从上述可知，本发明的有益效果在于：通过对室内空气成分数据进行采集，将采集的数据与现有植物知识库数据和居住者健康信息通过人工神经网络模型进行分析处理，得到推荐结果，将推荐结果进行修正优化，得到最终适合居住者当前健康信息的推荐结果。通过本发明提供的推荐方法，简单实用，适合当前居住环境，通过推荐适合的植物，有益人体健康。
反馈模块由一组不断修正决策模块参数的反馈系统软件构成，以实现整个推荐系统的自学习自优化目的。反馈模块软件与决策模块运行于同一硬件平台，但其软件功能有差异，反馈模块负责定期采集居住者健康信息并更新到相应数据库中，其还通过分析这些最新健康信息与数据库中的历史健康信息间的关系，来对决策模块输出的推荐结果进行评价并修正相应的参数，参数修正反馈值被输出至决策模块中，以改善其人工神经网络模型的分析结果，从而提高下一次推荐的准确度。
反馈模块通过定期采集用户当前健康信息得到健康信息特征向量，将该向量与之前的健康情况做比对，如健康情况恶化，则系统认为推荐的植物不适宜，从而利用当前特征向量与历史特征向量生成差异向量，并用差异向量对上一阶段训练好人工神经网络模型进行修正训练得到更准确的神经网络模型，从而在后面的推荐植物中能推荐出更适宜的室内植物。
在本实施例中，步骤S1中通过传感器采集模块对室内空气成分进行数据采集，将所采集的数据经一第一无线传输模块输出至一决策模块。
在本实施例中，步骤S2中通过决策模块经一第二无线传输模块接收传感器采集模块所采集的数据，通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果。
反馈模块由一组不断修正决策模块参数的反馈系统软件构成，以实现整个推荐系统的自学习自优化目的。反馈模块软件与决策模块运行于同一硬件平台，但其软件功能有差异，反馈模块负责定期采集居住者健康信息并更新到相应数据库中，其还通过分析这些最新健康信息与数据库中的历史健康信息间的关系，来对决策模块输出的推荐结果进行评价并修正相应的参数，参数修正反馈值被输出至决策模块中，以改善其人工神经网络模型的分析结果，从而提高下一次推荐的准确度。反馈模块通过定期采集用户当前健康信息得到健康信息特征向量，将该向量与之前的健康情况做比对，如健康情况恶化，则系统认为推荐的植物不适宜，从而利用当前特征向量与历史特征向量生成差异向量，并用差异向量对上一阶段训练好人工神经网络模型进行修正训练得到更准确的神经网络模型，从而在后面的推荐植物中能推荐出更适宜的室内植物。
一种基于人体健康信息及空气成分数据的室内植物推荐系统，包括一用于采集室内空气成分的传感器采集模块，所述传感器采集模块包括若干个气体传感器、一控制单元、模数转换器和一与所述控制单元连接的第一无线收发模块，所述气体传感器经模数转换器与所述控制单元连接；一用于将采集的数据与现有植物知识系统及居住者健康状态数据进行分析处理的决策模块，所述决策模块包括一微处理器、与所述微处理器相连的与第一无线接收模块相对应的第二无线接收模块和与所述微处理器相连的显示模块；一用于不断修正优化所述决策模块输出的推荐植物的反馈模块，所述反馈模块与所述微处理器相连接。
所述反馈模块的硬件构成与决策模块一致，可以采用ARM微处理器构成，也可以通过普通微机加载应用软件构成。
在本实施例中，所述控制单元为单片机，所述单片机型号为C8051F020。
在本实施例中，所述微处理器为嵌入式微处理器，所述嵌入式微处理器型号为ARM Cortex-A 8。
在本实施例中，所述气体传感器为氧传感器、二氧化碳传感器或灰尘传感器。
在本实施例中，所述显示模块为液晶屏显示。
从上述可知本发明提供的基于人体健康信息及空气成分数据的室内植物推荐系统，包括采集室内成分气体信息的传感器采集模块，得出推荐结果的决策模块，以及不断优化推荐结果的反馈模块三部分。传感器采集模块通过多种传感器，例如氧传感器，甲醛传感器，苯类物质传感器、灰尘传感器、二氧化碳传感器等，采集各种室内成分气体数据。
将采集的室内成分气体数据结合植物知识库以及居住者健康信息，通过人工神经网络模型求得所推荐的植物，以达到最大程度改善居住者生活环境的目的。
本发明的提供的反馈模块用于优化人工神经网络模型中的参数，以使决策的准确度在使用过程中能逐渐提升，所述反馈模块还负责定期采集居住者健康信息更新到相应数据库中。反馈模块接收来自决策模块的推荐结果，并将输出的参数修正反馈值返回给决策模块中的人工神经网络模型，以实现系统的自学习自优化。
综上所述，本发明的提供的基于人体健康信息及空气成分数据的室内植物推荐方法和推荐系统，简单实用，能够很好地改善居住者的生活环境。
本发明提供的上列较佳实施例，对本发明的目的、技术方案和优点进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1. 一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于，包括以下步骤：
步骤S1：对室内空气成分分别进行数据采集；
步骤S2：通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果；
步骤S3：将上述步骤S2中的得到的推荐结果，经一类比方法进行修正优化，包括以下步骤：
步骤S31：实时更新居住者当前健康信息，得到居住者当前健康信息特征向量；
步骤S32：将居住者当前健康信息特征向量与步骤S2中居住者健康信息特征向量进行类比，若居住者当前健康信息相对于步骤S2中居住者健康信息没有差别，则转到步骤S35；若居住者当前健康信息相对于步骤S2中居住者健康信息有差别，则转到步骤S33；
步骤S33：利用居住者当前健康信息特征向量和步骤S2中居住者健康信息特征向量进行类比生成差异向量；
步骤S34：将所述差异向量对步骤S2中的人工神经网络模型进行修正，得到修正后的人工神经网络模型，转到步骤S36；
步骤S35：采用步骤S2中的人工神经网络模型；
步骤S36：通过当前人工神经模型进行得到最终推荐结果；
步骤S4：将步骤S34中得到修正后的人工神经网络模型参数反馈至步骤S2中的人工神经网络模型，更新步骤S2中的人工神经网络模型相应的参数。
2.根据权利要求1所述的一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于，所述步骤S2中的人工神经网络模型的建立，包括以下步骤：
步骤S21：进行人工神经网络的构建，通过系统建模，构建出合适的人工神经网络模型；
步骤S22：利用现有的植物知识库和居住者健康信息对所述人工神经网络模型进行训练，更新模型中相应的权值，得到训练完成的人工神经网络模型，包括以下步骤：
步骤S221：对步骤S21中的人工神经网络进行初始化；
步骤S222：对所述人工神经网络进行训练,若训练完成，则得到训练完成的人工神经网络模型，转到步骤S223；若训练未完成，则更新模型中的相应权值，继续步骤S221；
步骤S223:将步骤S1中的传感器采集模块采集的数据结合数据库中现有的居住者健康信息和现有植物数据库的数据输入步骤S22得到的训练完成的人工神经网络模型，经人工神经网络决策输出推荐结果。
3.根据权利要求1所述的一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于：步骤S1中通过传感器采集模块对室内空气成分进行数据采集，将所采集的数据经一第一无线传输模块输出至一决策模块。
4.根据权利要求1所述的一种基于人体健康信息及空气成分数据的室内植物推荐方法，其特征在于：步骤S2中通过决策模块经一第二无线传输模块接收传感器采集模块所采集的数据，通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果。
5.一种基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：包括一用于采集室内空气成分的传感器采集模块，所述传感器采集模块包括若干个气体传感器、一控制单元、模数转换器和一与所述控制单元连接的第一无线收发模块，所述气体传感器经模数转换器与所述控制单元连接；一用于将采集的数据与现有植物知识系统及居住者健康状态数据进行分析处理的决策模块，所述决策模块包括一微处理器、与所述微处理器相连的与第一无线接收模块相对应的第二无线接收模块和与所述微处理器相连的显示模块；一用于不断修正优化所述决策模块输出的推荐植物的反馈模块，所述反馈模块与所述微处理器相连接。
6.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述控制单元为单片机，所述单片机型号为C8051F020。
7.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述微处理器为嵌入式微处理器，所述嵌入式微处理器型号为ARM Cortex-A 8。
8.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述气体传感器为氧传感器、二氧化碳传感器、甲醇传感器、甲醛传感器、苯类有机物传感器、一氧化碳、二氧化硫、VOC挥发有机化合物、负氧离子、硫化氢或灰尘传感器。
9.根据权利要求5所述的基于人体健康信息及空气成分数据的室内植物推荐系统，其特征在于：所述显示模块为液晶屏显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510034730.8A CN104678843B (zh) | 2015-01-24 | 2015-01-24 | 基于人体健康信息及空气成分数据的室内植物推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510034730.8A CN104678843B (zh) | 2015-01-24 | 2015-01-24 | 基于人体健康信息及空气成分数据的室内植物推荐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104678843A true CN104678843A (zh) | 2015-06-03 |
| CN104678843B CN104678843B (zh) | 2017-05-10 |
Family
ID=53314082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510034730.8A Active CN104678843B (zh) | 2015-01-24 | 2015-01-24 | 基于人体健康信息及空气成分数据的室内植物推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104678843B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408848A (zh) * | 2015-07-27 | 2017-02-15 | 霍尼韦尔国际公司 | 通过定位和预测建筑物内的紧急事件而经由智能/可穿戴设备的个人撤离计划的生成和通知 |
| CN106844439A (zh) * | 2016-12-15 | 2017-06-13 | 北京小米移动软件有限公司 | 植物推荐方法及装置 |
| CN111023354A (zh) * | 2019-12-31 | 2020-04-17 | 武汉市美宜嘉环境艺术有限公司 | 一种根据实时环境筛选空气治理植物的系统和方法 |
| CN113886679A (zh) * | 2021-09-03 | 2022-01-04 | 北京达佳互联信息技术有限公司 | 一种推荐方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1821779A (zh) * | 2006-03-20 | 2006-08-23 | 中山大学 | 一种空气质量监测和控制系统 |
| WO2007089184A1 (en) * | 2006-01-31 | 2007-08-09 | Delaval Holding Ab | Dairy farm decision support system |
| CN101271490A (zh) * | 2008-04-30 | 2008-09-24 | 中山大学 | 一种基于数字家庭的智能健康饮食咨询系统 |
| CN101587515A (zh) * | 2009-06-18 | 2009-11-25 | 中山大学 | 一种基于环境变化的起居饮食建议系统 |
| WO2011041925A1 (zh) * | 2009-10-09 | 2011-04-14 | 江苏大学 | 基于多传感信息融合的名优茶品质仪器智能化审评方法 |
| CN103557579A (zh) * | 2013-11-14 | 2014-02-05 | 江苏万全科技有限公司 | 一种室内环境监测系统及其监测方法 |
-
2015
- 2015-01-24 CN CN201510034730.8A patent/CN104678843B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007089184A1 (en) * | 2006-01-31 | 2007-08-09 | Delaval Holding Ab | Dairy farm decision support system |
| CN1821779A (zh) * | 2006-03-20 | 2006-08-23 | 中山大学 | 一种空气质量监测和控制系统 |
| CN101271490A (zh) * | 2008-04-30 | 2008-09-24 | 中山大学 | 一种基于数字家庭的智能健康饮食咨询系统 |
| CN101587515A (zh) * | 2009-06-18 | 2009-11-25 | 中山大学 | 一种基于环境变化的起居饮食建议系统 |
| WO2011041925A1 (zh) * | 2009-10-09 | 2011-04-14 | 江苏大学 | 基于多传感信息融合的名优茶品质仪器智能化审评方法 |
| CN103557579A (zh) * | 2013-11-14 | 2014-02-05 | 江苏万全科技有限公司 | 一种室内环境监测系统及其监测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408848A (zh) * | 2015-07-27 | 2017-02-15 | 霍尼韦尔国际公司 | 通过定位和预测建筑物内的紧急事件而经由智能/可穿戴设备的个人撤离计划的生成和通知 |
| CN106844439A (zh) * | 2016-12-15 | 2017-06-13 | 北京小米移动软件有限公司 | 植物推荐方法及装置 |
| CN111023354A (zh) * | 2019-12-31 | 2020-04-17 | 武汉市美宜嘉环境艺术有限公司 | 一种根据实时环境筛选空气治理植物的系统和方法 |
| CN113886679A (zh) * | 2021-09-03 | 2022-01-04 | 北京达佳互联信息技术有限公司 | 一种推荐方法、装置、电子设备及存储介质 |
| CN113886679B (zh) * | 2021-09-03 | 2024-09-20 | 北京达佳互联信息技术有限公司 | 一种推荐方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104678843B (zh) | 2017-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104678843B (zh) | 基于人体健康信息及空气成分数据的室内植物推荐方法 | |
| CN105961034B (zh) | 一种食用菌养殖机、养殖监控系统及其方法 | |
| Torpy et al. | Profiling indoor plants for the amelioration of high CO2 concentrations | |
| CN102736596B (zh) | 基于作物信息融合的多尺度温室环境控制系统 | |
| CN203152132U (zh) | 物联网温室种植系统 | |
| CN103237382A (zh) | 一种智能家庭灯光控制方法及系统 | |
| CN106016603A (zh) | 智能新风系统及智能控制系统 | |
| CN114077269B (zh) | 基于数据驱动模型的温室环境预测与优化控制方法 | |
| CN108983849A (zh) | 一种利用复合极限学习机神经网络控制温室环境方法 | |
| CN105588930A (zh) | 温室大棚土壤参数测量方法 | |
| CN113273407A (zh) | 一种多功能农作物种植培养系统 | |
| CN103453606B (zh) | 一种空气模拟器 | |
| Lekbangpong et al. | Precise automation and analysis of environmental factor effecting on growth of St. John’s wort | |
| CN106168818B (zh) | 一种食用菌养殖监控系统及其方法 | |
| CN108763854A (zh) | 一种智能生物减碳空气净化及观赏系统 | |
| CN114967626A (zh) | 一种用于植物工厂作物栽培的多源联邦环境控制方法 | |
| CN203823896U (zh) | 一种空气净化器 | |
| CN115167585A (zh) | 畜牧养殖场舍环境控制系统 | |
| CN108607106A (zh) | 一种温室大棚自动化消毒方法及系统 | |
| KR102514621B1 (ko) | 바이오 월을 이용한 공기정화 장치 및 구동 방법 | |
| CN1566817A (zh) | 一种改善室内居住生态环境的方法 | |
| CN102630531B (zh) | 一种分散温室通风膜计算机集中遥控卷展装置及方法 | |
| CN205692076U (zh) | 一种基于Zigbee的农业大棚环境监测调节系统 | |
| CN210895152U (zh) | 一种基于物联网的智能温室控制和管理系统 | |
| Momen et al. | Application of response surface methodology and ANOVA to detect pollution effects on photosynthetic response under varying temperature and light regimes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201127 Address after: Room 1602, B1 building, Gangli Jinxiu Jiangnan (West District), north of Yinhe 2nd Road and east of Qingyun Road, Suzhou City, Anhui Province Patentee after: Anhui Huiteng Intellectual Property Co.,Ltd. Address before: Cangshan District of Fuzhou City, Fujian Province, on the 350002 Road No. 15 Patentee before: FUJIAN AGRICULTURE AND FORESTRY University |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210218 Address after: 518000 room 1501, building e, phase II, Xinghe world, Minle community, Minzhi street, Longhua District, Shenzhen City, Guangdong Province Patentee after: SHENZHEN WAKE UP TECHNOLOGY CO.,LTD. Address before: Room 1602, B1 building, Gangli Jinxiu Jiangnan (West District), north of Yinhe 2nd Road and east of Qingyun Road, Suzhou City, Anhui Province Patentee before: Anhui Huiteng Intellectual Property Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 4208, Tower A, Hongrongyuan North Station Center, Minzhi Street North Station Community, Longhua District, Shenzhen City, Guangdong Province, 518000 Patentee after: Shenzhen Weike Technology Co.,Ltd. Country or region after: China Address before: 518000 room 1501, building e, phase II, Xinghe world, Minle community, Minzhi street, Longhua District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN WAKE UP TECHNOLOGY CO.,LTD. Country or region before: China |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 4208, Tower A, Hongrongyuan North Station Center, Minzhi Street North Station Community, Longhua District, Shenzhen City, Guangdong Province, 518000 Patentee after: SHENZHEN WAKE UP TECHNOLOGY CO.,LTD. Country or region after: China Address before: 4208, Tower A, Hongrongyuan North Station Center, Minzhi Street North Station Community, Longhua District, Shenzhen City, Guangdong Province, 518000 Patentee before: Shenzhen Weike Technology Co.,Ltd. Country or region before: China |