[发明专利]基于人工智能的自适应电动磨甲器控制方法

说明书

本发明首先对影像获取单元获取的预设数量的图像进行光线补偿、直方图均衡化、锐化、平滑、去噪等预处理操作，然后，经过预处理操作后的图像被输入到已经完成训练学习的神经网络并自动匹配隐含层已知的学习结果。若图像中同时存在手指和指甲，通过边缘检测算法对预处理后的图像进行处理获得指甲整体的轮廓、甲尖的轮廓和微笑线轮廓并进行平滑处理，然后，根据指甲的位置建立直角坐标系，确定平移后的微笑线的位置，确定传动装置折返的次数，折返次数=（甲尖最长的长度‑预设的甲尖长度）/单程的磨损长度，最终确定砂轮的移动轨迹。传动装置带动砂轮沿着设定的移动轨迹来回移动，以此根据用户的指甲形状和特点自适应地将用户多余的指甲磨去。

技术领域

本发明涉及智能家居技术领域，具体涉及一种基于人工智能的自适应电动磨甲器控制方法。

背景技术

指（趾）甲是表皮角质层细胞增厚而形成的板状结构，位于手指、足趾远端的背侧面。露在外面的部分称为甲体。甲体深面部分的称为甲床，

微笑线：甲床和甲面连接处的前端边缘，呈圆弧形线条。

甲尖：又称指甲游离缘，指甲本体超出指头的部分，即微笑线前端。

在剪指甲时，一般预留0.5-1mm的甲尖；在剪指甲时，为了使指甲看起来比较好看同时使指甲长度合适，需要用户反复的尝试剪出自己想要的指甲长度和指甲弧度。

现有技术中，现有的电动磨甲器需要用户反复的调整指甲与磨甲器之间的角度，反复打磨指甲的甲尖以获得自己想要的弧度和长度。在大多数情况下用户不能很好的控制电动磨甲器将指甲的甲尖磨出自己想要的弧度和长度，同时电动磨甲器不能根据用户的指甲形状和特点自适应地将用户多余的指甲磨去。

发明内容

针对现有技术中存在的上述缺陷，本发明首先对影像获取单元获取的预设数量的图像进行光线补偿、灰度变换、直方图均衡化、锐化、平滑、去噪等预处理操作，然后，经过预处理操作后的图像被输入到已经完成训练学习的神经网络并自动匹配隐含层已知的学习结果。若图像中同时存在手指和指甲，通过边缘检测算法对预处理后的图像进行处理获得指甲整体的轮廓、甲尖的轮廓和微笑线轮廓并进行平滑处理，然后，根据指甲的位置建立直角坐标系，确定平移后的微笑线的位置，确定传动装置折返的次数，折返次数 =（甲尖最长的长度 - 预设的甲尖长度）/单程的磨损长度，最终确定砂轮的移动轨迹。传动装置带动砂轮沿着设定的移动轨迹来回移动，以此根据用户的指甲形状和特点自适应地将用户多余的指甲磨去。

本发明是通过采用以下技术方案实现的，按此目的设计的基于人工智能的自适应电动磨甲器控制方法包括以下步骤。

步骤S11：进入神经网络训练学习前的参数采集阶段，采集手指和指甲图像作为训练集样本。将手指和指甲图像信息作为神经网络训练学习前的输入参数，将确定有手指和指甲作为神经网络训练学习前的输出参数。

步骤S12：进入神经网络训练学习阶段，神经网络根据已知的输入参数和输出参数进行训练学习，学习结果作为神经网络使用阶段的隐含层数据。

步骤S13：输入并设置甲尖的长度，这里，输入预设的甲尖长度为需要保留的甲尖长度。

步骤S14：进入神经网络完成训练学习后的使用阶段，影像获取单元实时获取预设数量的连续的图像；图像处理单元首先对影像获取单元获取的预设数量的图像进行光线补偿、灰度变换、直方图均衡化、锐化、平滑、去噪等预处理操作使手指和指甲突出显示，然后，经过预处理操作后的图像被输入到已经完成训练学习的神经网络。

步骤S15：判断图像中是否有手指和指甲；神经网络根据输入层新的信息自动匹配隐含层已知的学习结果，并在输出层输出当前图像信息中是否有手指和指甲。若图像中同时存在手指和指甲，则执行步骤S16；否则返回继续执行步骤S14。