[发明专利]一种智能油烟机的控制方法及智能油烟机

权利要求书

1.一种智能油烟机的控制方法，其特征在于，所述控制方法包括：

采集所述智能油烟机的工作区域的用户人体状态的信号，信号携带有记载用户身体姿态的微波雷达信息；

基于所述用户人体状态的信号，利用卷积神经网络模型判断所述用户人体状态为正常状态或异常状态；

根据所述卷积神经网络模型的判断结果，确定是否发出第一警报信号；

所述控制方法还包括：

采集可燃有害气体的电信号；

基于所述可燃有害气体的电信号，计算所述可燃有害气体的对应浓度值；

在确定所述可燃有害气体的对应浓度值超出预设的可燃有害气体浓度阈值时，发出第二警报信号并启动吸风机。

2.根据权利要求1所述的控制方法，其特征在于，根据所述卷积神经网络模型的判断结果，确定是否发出第一警报信号，包括：

在确定所述用户人体状态为异常状态时，发出所述第一警报信号，其中，所述异常状态包括摔倒状态；或者

在确定所述用户人体状态为正常状态时，不发出所述第一警报信号，其中，所述正常状态包括行走状态或坐立状态。

3.根据权利要求2所述的控制方法，其特征在于，所述卷积神经网络模型通过以下步骤进行训练：

输入采集的多个用户人体状态训练信号；

将所述用户人体状态训练信号分类成正常状态信号或异常状态信号。

4.根据权利要求1所述的控制方法，其特征在于，所述控制方法还包括：

基于所述第一警报信号或所述第二警报信号，向与所述智能油烟机无线连接的移动终端设备发送警报指令。

5.根据权利要求4所述的控制方法，其特征在于，所述控制方法还包括：

在接收到所述移动终端设备发送的响应指令时，停止发送所述第一警报信号或所述第二警报信号；或者

当在预设的时长阈值内未收到来自所述移动终端设备的响应指令时，通过预置的报警装置报警。

6.根据权利要求1所述的控制方法，其特征在于，所述控制方法还包括：

采集油烟的电信号；

基于所述油烟的电信号，计算所述油烟的对应浓度值；

结合由深度学习-强化学习算法模型确定的油烟浓度值与吸风机档位的对应关系，根据所述油烟的对应浓度值将吸风机调节至目标档位。

7.根据权利要求6所述的控制方法，其特征在于，通过以下步骤对所述深度学习-强化学习模型进行训练，获得所述对应关系：

输入采集的多组训练数据对，所述训练数据对由油烟浓度值与对应吸风机转速值组成；

对吸风机转速值按照档位进行分类，获取所述对应关系。

8.根据权利要求6或7所述的控制方法，其特征在于，所述深度学习-强化学习算法模型为DQN模型或DDPG模型。

9.一种利用权利要求1至8中任一项所述的控制方法的智能油烟机，其特征在于，所述智能油烟机包括：

第一采集装置，其用于采集所述智能油烟机的工作区域的用户人体状态的信号，所述第一采集装置为微波雷达，信号携带有记载用户身体姿态的信息；

控制器，其设置于所述智能油烟机内部，并配置成：

接收所述第一采集装置发送的所述用户人体状态的信号；

利用所述控制器内置的卷积神经网络模型确定所述用户人体状态为正常状态或异常状态，以及

根据所述卷积神经网络模型的判断结果，确定是否发出第一警报信号；

所述智能油烟机还包括：

吸风机；

第二采集装置，其用于采集可燃有害气体的电信号；

控制器配置成用于：

基于所述可燃有害气体的电信号，计算所述可燃有害气体的对应浓度值；

在确定所述可燃有害气体的浓度值超出预设的可燃有害气体浓度阈值时，发出第二警报信号并启动所述吸风机。