一种基于多通道交互的互联网学习桌制造技术

本发明专利技术公开了一种基于多通道交互的互联网学习桌，包括主体结构和传感器组件，主体结构包括学习桌体、触控组件、深度学习模块和网络模块；传感器组件包括设在各个传感器节点输入端上的脑电波传感器、红外传感器、图像传感器和环境光传感器，各个传感器节点的输出端均通过网络模块连接至深度学习模块。本发明专利技术介绍的互联网学习桌，配备了脑电波传感器、红外传感器、图像传感器等多种传感器，基于深度学习算法进行全方面的信息交互，实现了对使用者身体精神状态、学习姿态、学习时间的信息实时获取，便于家长进行监控和安排，及时作出正确的决策。另外，由两个触控屏组成的触控组件，可以分屏阅读，便于家长或老师进行辅导，提高学生的学习效率。

An Internet learning table based on multi-channel interaction

【技术实现步骤摘要】
一种基于多通道交互的互联网学习桌
本专利技术涉及智能化学习用具领域，尤其涉及一种基于多通道交互的互联网学习桌。
技术介绍
目前的中小学生大部分是独生子女，在家长工作繁忙的时候往往只能一个人在家学习，作业里遇到的问题也不能及时地得到解决。同时，由于家长无法监督孩子学习，所以当家长想要了解孩子的学习状况时候，就只能从孩子的作业成绩以及考试成绩来判断孩子的学习情况，而这种方法往往是片面的、不完全的。随着科学技术的飞速发展，越来越多的智能硬件出现在了人们的生活中。因此，对于中小学生，迫切需要有一种智能学习桌，既能满足学生贴近“桌面”的传统的学习习惯，又能够及时解决学生学习过程中的问题，以及能根据学生的学习情况提供个性化的指导，提高学习效率。
技术实现思路
本专利技术所要解决的技术问题在于提供一种基于多通道交互的互联网学习桌，其解决了传统学习桌只能用于提供提供学习场所，功能单一的缺陷。本专利技术所要解决的技术问题采用以下技术方案来实现：一种基于多通道交互的互联网学习桌，包括主体结构和传感器组件，所述主体结构包括学习桌体、触控组件、深度学习模块和网络模块，所述触控组件设在学习桌体的控制节点上，所述深度学习模块与触控组件和传感器组件均连接，所述网络模块提供深度学习模块以及触控组件和传感器组件的通信和数据传输途径；所述传感器组件包括设在各个传感器节点输入端上的脑电波传感器、红外传感器、图像传感器和环境光传感器，各个传感器节点的输出端均通过网络模块连接至深度学习模块。进一步改进在于，所述深度学习模块包括用于完成处理器学习和运行过程中必要的逻辑运算、控制及存储工作的处理器单元；用于实现深度学习算法的深度学习单元。进一步改进在于，所述深度学习单元采用自动编码器结构，定时的将传感器组件采集到的数据与触控组件的控制信号输入到深度学习算法中，从而实现训练系统的目的；训练完毕后，通过结合数据和控制信号，生成相应控制表，并给出相应的决策后发送给控制节点。进一步改进在于，所述脑电波传感器的传感器节点通过信号线与学习桌体连接，所述脑电波传感器为头戴式脑电波传感器，其包括至少八个脑电信号测试电极，脑电信号测试电极至少覆盖使用者脑部前后各两个，左右各两个。进一步改进在于，所述触控组件的控制节点设在学习桌体的桌面上，触控组件包括两个或两个以上触控屏，每个触控屏均通过网络模块与深度学习模块连接，用于输入使用者的控制信号以及显示传感器组件的数据。进一步改进在于，所述红外传感器的传感器节点设在学习桌体前端侧边，用于测量使用者距学习桌体边缘的横向距离。进一步改进在于，所述图像传感器的传感器节点设在学习桌体后端桌面上，用于采集使用者的坐立姿态数据。进一步改进在于，所述环境光传感器的传感器节点设在学习桌体两侧桌面上，用于检测外部环境的光强。进一步改进在于，所述学习桌体的桌面上另提供独立的控制节点，并在该控制节点上连接有可调柔光板，所述可调柔光板通过网络模块与深度学习模块连接。本专利技术的有益效果是：介绍的互联网学习桌，配备了脑电波传感器、红外传感器、图像传感器等多种传感器，基于深度学习算法进行全方面的信息交互，实现了对使用者身体精神状态、学习姿态、学习时间的信息实时获取，便于家长进行监控和安排，及时作出正确的决策。另外，由两个触控屏组成的触控组件，可以分屏阅读，便于家长或老师进行辅导，提高学生的学习效率。附图说明图1为本专利技术的结构示意图；图2为本专利技术的控制原理图；图3为深度学习模块的构成图；图4为深度学习单元的构成图；其中，1-学习桌体，2-触控组件，3-深度学习模块，31-处理器单元，32-深度学习单元，4-网络模块，5-脑电波传感器，6-红外传感器，7-图像传感器，8-环境光传感器，9-可调柔光板。具体实施方式为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本专利技术。结合图1和图2所示，一种基于多通道交互的互联网学习桌，包括主体结构和传感器组件，其中主体结构包括学习桌体1、触控组件2、深度学习模块3和网络模块4，触控组件2设在学习桌体1的控制节点上，深度学习模块3与触控组件2和传感器组件均连接，网络模块4接入局域网或因特网，其用于提供深度学习模块3以及触控组件2和传感器组件的通信和数据传输途径；传感器组件包括设在各个传感器节点输入端上的脑电波传感器5、红外传感器6、图像传感器7和环境光传感器8，各个传感器节点的输出端均通过网络模块4连接至深度学习模块3。各个传感器在完成初始化操作后，通过UDP协议获取所有传感器的IP，并通过IP地址与节点通讯，获取其上的设备信息。如图3所示，深度学习模块3包括用于完成处理器学习和运行过程中必要的逻辑运算、控制及存储工作的处理器单元31；用于实现深度学习算法的深度学习单元32。另外，深度学习模块3和配备有电源模块，电源模块采用锂电池的供电，电路方面使用BQ24090芯片对电池充电，利用TPS78030线型稳压器提供稳定的3.5V电压输出。如图4所示，深度学习单元32可以仅为单个深度学习单元，如CNN(ConvolutionalNeuralNetwork)单元或GRU(GatedRecurrentUnit)单元；也可以为多个深度学习单元32组合而成。深度学习单元32运行ANDROID平台，利用JAVA语言实现了深度学习算法。深度学习的概念来源于人工神经网络，是一种含有多隐层的感知器。深度学习通过将特征进行组合形成抽象表示，从而发现数据的高层特征。深度学习单元32采用自动编码器结构，定时的将传感器组件采集到的数据与触控组件2的控制信号输入到深度学习算法中，从而实现训练系统的目的；训练完毕后，通过结合数据和控制信号，生成相应控制表，并给出相应的决策后发送给控制节点。触控组件2的控制节点设在学习桌体1的桌面上，触控组件2包括两个或两个以上触控屏，每个触控屏均通过网络模块4与深度学习模块3连接，用于输入使用者的控制信号以及显示传感器组件的数据。触控屏可以采用西门子的SIMATICPanelIL70触屏，其作用包括使用者进行视频学习、语音交互、分屏阅读、输入控制信息、获取各传感器数据等等。脑电波传感器5的传感器节点通过信号线与学习桌体1连接，脑电波传感器5为头戴式脑电波传感器，其内部包括有型号为MSP430F552X的芯片。包括至少八个脑电信号测试电极，脑电信号测试电极至少覆盖使用者脑部前后各两个，左右各两个。脑电波传感器5可以根据预设的采样频率(如，数百赫兹)采样使用者的脑电波，并且产生与使用者脑电波对应的脑电波信号(采样信号)。在这种情况下，传感器将采样信号发送至深度学习模块3中进行交互，基于所采样的脑电波信号还原出使用者的脑电波并对其进行分析。脑电波分析时，将频率分成若干区间，例如A区间8-12Hz，根据当前对人类大脑的脑电波的研究可知，在人类大脑的脑电波的频率在8-12Hz(该频本文档来自技高网...

【技术保护点】
1.一种基于多通道交互的互联网学习桌，包括主体结构和传感器组件，其特征在于：所述主体结构包括学习桌体(1)、触控组件(2)、深度学习模块(3)和网络模块(4)，所述触控组件(2)设在学习桌体(1)的控制节点上，所述深度学习模块(3)与触控组件(2)和传感器组件均连接，所述网络模块(4)提供深度学习模块(3)以及触控组件(2)和传感器组件的通信和数据传输途径；/n所述传感器组件包括设在各个传感器节点输入端上的脑电波传感器(5)、红外传感器(6)、图像传感器(7)和环境光传感器(8)，各个传感器节点的输出端均通过网络模块(4)连接至深度学习模块(3)。/n

【技术特征摘要】
1.一种基于多通道交互的互联网学习桌，包括主体结构和传感器组件，其特征在于：所述主体结构包括学习桌体(1)、触控组件(2)、深度学习模块(3)和网络模块(4)，所述触控组件(2)设在学习桌体(1)的控制节点上，所述深度学习模块(3)与触控组件(2)和传感器组件均连接，所述网络模块(4)提供深度学习模块(3)以及触控组件(2)和传感器组件的通信和数据传输途径；
所述传感器组件包括设在各个传感器节点输入端上的脑电波传感器(5)、红外传感器(6)、图像传感器(7)和环境光传感器(8)，各个传感器节点的输出端均通过网络模块(4)连接至深度学习模块(3)。


2.根据权利要求1所述的一种基于多通道交互的互联网学习桌，其特征在于：所述深度学习模块(3)包括
用于完成处理器学习和运行过程中必要的逻辑运算、控制及存储工作的处理器单元(31)；
用于实现深度学习算法的深度学习单元(32)。


3.根据权利要求2所述的一种基于多通道交互的互联网学习桌，其特征在于：所述深度学习单元(32)采用自动编码器结构，定时的将传感器组件采集到的数据与触控组件(2)的控制信号输入到深度学习算法中，从而实现训练系统的目的；训练完毕后，通过结合数据和控制信号，生成相应控制表，并给出相应的决策后发送给控制节点。


4.根据权利要求1所述的一种基于多通道交互的互联网学习桌，其特征在于：所述脑电波传感器(5)的传感器节点...

【专利技术属性】
技术研发人员：徐子茜，
申请(专利权)人：徐子茜，
类型：发明
国别省市：安徽;34