[发明专利]抽油烟机的吸风状态控制方法和抽油烟机

说明书

本发明公开了一种抽油烟机的吸风状态控制方法和抽油烟机。其中，该方法包括：通过获取抽油烟机所产生油烟的状态信息；依据上述状态信息确定上述抽油烟机的控制指令；依据上述控制指令控制上述抽油烟机的吸风状态。本发明解决了现有的抽油烟机无法根据油烟浓度与分布情况调节吸风状态，导致吸油烟效果不佳的技术问题。

技术领域

本发明涉及智能控制领域，具体而言，涉及一种抽油烟机的吸风状态控制方法和抽油烟机。

背景技术

传统抽油烟机的吸力需要依靠人工手动控制调节，例如，通过点击抽油烟机上设置的按键或者旋转开关，增大或者减小抽油烟机的吸力，但是，依靠人工进行手动控制仅可以控制抽油烟机的吸力的大小，无法具体识别抽油烟机的油烟浓度和油烟分布情况，适应性调节抽油烟机的吸风状态，往往会出现吸力不足或者吸力过大浪费资源的问题。

并且，很多情况下用户无法及时的对抽油烟机的吸风状态进行调节控制，例如，在用户发现需要调节抽油烟器的吸力时，房间内的油烟浓度可能已经超标，造成抽油烟机的吸烟效果不佳，进而严重影响了用户的身体健康和使用体验。

针对上述的现有的抽油烟机无法根据油烟浓度与分布情况调节吸风状态，导致吸油烟效果不佳的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种抽油烟机的吸风状态控制方法和抽油烟机，以至少解决现有的抽油烟机无法根据油烟浓度与分布情况调节吸风状态，导致吸油烟效果不佳的技术问题。

根据本发明实施例的一个方面，提供了一种抽油烟机的吸风状态控制方法，包括：获取抽油烟机所产生油烟的状态信息；依据上述状态信息确定上述抽油烟机的控制指令；依据上述控制指令控制上述抽油烟机的吸风状态。

进一步地，获取抽油烟机所产生油烟的状态信息，包括：获取上述油烟的第一图像信息；使用第一模型对上述第一图像信息进行分析，确定上述第一图像信息中的第一状态信息，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：图像信息和图像信息所对应的状态信息。

进一步地，依据上述状态信息确定上述抽油烟机的控制指令之前，上述方法还包括：获取通过油烟浓度检测仪检测的第一油烟浓度；将上述第一浓度和上述第一状态信息中的第二油烟浓度进行比较；在上述第一浓度和上述第二油烟浓度的差异小于第一预设阈值时，触发确定上述抽油烟机的控制指令。

进一步地，依据上述状态信息确定上述抽油烟机的控制指令之前，上述方法还包括：获取上述油烟的第二图像信息，其中，上述第二图像信息和上述第一图像信息为从不同角度同时采集的图像信息；使用第一模型对上述第二图像信息进行分析，确定上述第二图像信息中的第二状态信息，其中，上述第一模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：图像信息和图像信息所对应的状态信息；依据上述状态信息确定上述抽油烟机的控制指令，包括：比较上述第一状态信息和上述第二状态信息，并在上述第一状态信息和上述第二状态信息的差异小于第二预设阈值时，从上述第一状态信息和上述第二状态信息中选择一个状态信息；依据选择的状态信息确定上述控制指令。

进一步地，上述状态信息包括：上述油烟的浓度、上述油烟的分布区域。

进一步地，依据上述状态信息确定上述抽油烟机的控制指令，包括：确定与上述状态信息中上述油烟的浓度对应的第一指令，其中，上述第一指令中携带有目标风量值；依据上述控制指令控制上述抽油烟机的吸风状态，包括：依据上述第一指令中的目标风量值调整上述抽油烟机的风量值。

进一步地，上述目标风量值通过以下方式确定：获取上述油烟的浓度；使用第三模型对上述油烟的浓度进行分析，确定上述油烟的浓度对应的风量值，其中，上述第三模型为使用多组数据通过机器学习训练得到的，上述多组数据中的每组数据均包括：油烟的浓度和与油烟的浓度对应的风量值。