一种基于卷积神经网络的自学习式婴幼儿喂奶装置制造方法及图纸

本发明专利技术涉及一种基于卷积神经网络的自学习式婴幼儿喂奶装置，包括奶粉输出机构、水量控制机构以及控制器，所述控制器用于基于婴儿的参数信息确定婴儿的喂奶时间和喂奶量，所述奶粉输出机构根据所述喂奶量基于预设调配比例进行奶粉定量输出，所述水量控制机构用于根据所述喂奶量基于预设调配比例进行温水定量输出，所述喂奶时间和喂奶量采用神经网络模型确定，所述神经网络模型经过带有标签的各种体重的婴儿的喂奶量数据的训练。重的婴儿的喂奶量数据的训练。重的婴儿的喂奶量数据的训练。

【技术实现步骤摘要】
一种基于卷积神经网络的自学习式婴幼儿喂奶装置

:
[0001]本专利技术涉及医学护理领域以及机器学习领域，具体涉及一种基于神经网络的自学习式婴儿喂奶装置。

技术介绍
:
[0002]随着经济水平的提高以及优生优育的推广，人们对婴幼儿的成长越来越关注，尤其是对婴儿的喂养，绝大部分婴幼儿的父母都是首次生育，对婴幼儿如何喂养没有任何经验，通过网络检索到的喂养经验又往往众说纷纭，而且现在越来越多的年轻人选择母乳喂养的时间越来越短，生育后往往婴幼儿很快就采用奶粉进行喂养。
[0003]但是，采用奶粉喂养容易出现一些问题。一方面，婴儿吐奶现象较为常见，因为新生儿的胃呈水平位，容量小，连接食管处的贲门较宽，关闭作用差，连接小肠处的幽门较紧，而新生儿吃奶时又常常吸入空气，奶液容易倒流入口腔，引起吐奶。而吐奶最怕的是奶水由食道逆流到咽喉部时，在吸气的瞬间误入气管，即呛奶。而婴儿的神经系统刚刚发育，一些反射还很薄弱，他们不能把呛入呼吸道的奶咳出。于是，常因奶液对气道机械性阻塞而发生窒息。
[0004]另一方面，婴幼儿的父母往往并不清楚奶粉的喂养量和喂养频次该如何选取。即便在医院或者护理中心，护士往往也是没有生育经验的年轻姑娘，如何提供一种自动化的能够根据婴幼儿的发育情况提供喂养指导，甚至提供喂养辅助的设备具有广泛的市场需求。

技术实现思路
:
[0005]本专利技术的目的是解决上述提到的问题，提供一种能够有效地控制基于婴儿自身情况以及所有类似成长期婴儿的平均喂奶情况，智能地为婴儿提供参考喂奶量和喂奶间隔信息，以便一方面减少乃至避免吐奶和呛奶情况，另一方面更加科学、健康地对婴幼儿进行喂养。
[0006]本专利技术采用如下技术方案实现其专利技术目的：
[0007]一种自学习式婴幼儿喂奶装置，包括奶粉输出机构、水量控制机构以及控制器，所述控制器用于基于婴儿的参数信息确定婴儿的喂奶时间和喂奶量，所述奶粉输出机构根据所述喂奶量以及预设调配比例进行奶粉定量输出，所述水量控制机构用于根据所述喂奶量基于预设调配比例进行温水定量输出，
[0008]其特征在于：所述喂奶时间和喂奶量采用神经网络模型确定，所述神经网络模型经过带有标签的各种体重的婴儿的喂奶量数据的训练。
[0009]在一种优选实现方式中，还包括输入模块和输出模块，所述输入模块用于输入婴儿的相关参数信息，所述相关参数信息包括下述信息中的至少一种：体重信息、疾病信息、非经当前系统的喂食信息，所述输出模块用于输出当前婴儿的喂奶数据信息。
[0010]在一种优选实现方式中，还包括储水腔、出水管、温度传感器和加热装置，所述水
量控制机构为流量控制阀，所述储水腔用于储存纯净水、所述出水管与所述储水腔相连通，并且所述出水管的出口处设置所述流量控制阀用于对出水量进行计量，所述加热装置用于对出水管内的纯净水进行加热，所述温度传感器用于测定出水管内的水温并反馈给所述控制器。
[0011]在一种优选实现方式中，还包括用于储存奶粉的灭菌储藏腔，所述奶粉输出机构用于定量地从所述灭菌储藏腔内向外进行奶粉输出。
[0012]在一种优选实现方式中，控制器内预存有神经网络模型，并且所述控制器将与婴儿相关的饮食信息以及身体信息转换成图像，并且将所转换的图像输入到神经网络模型通过对所述图像进行分类确定婴儿的昼时饮食模式和夜间饮食模式，基于相应饮食模式为婴儿找到与其饮食习惯匹配的无不良反应的标准饮食趋势，并且基于该标准饮食趋势确定该婴儿的喂奶量和喂奶时间。
[0013]在一种优选实现方式中，还包括以时间为横坐标、喂奶量为纵坐标，以婴儿体重为像素值中RGB中的一项，以已有吐奶情况为RGB值中的第二项，以感冒或者其他身体异常情况作为RGB值中的第三项，以喂奶趋势类型为标签项，将婴儿的喂奶相关信息转换成图片信息。
[0014]在一种优选实现方式中，将时间以15分钟为单元进行分割，将三周内的每个单元作为一个时间点，每天24小时，每小时分成四个四段，对这些时间点内的喂奶量进行记录，并预设可能最大喂奶量为最大值进行归一化，将喂奶量值转换成归一化值，并划分成40
‑
500份。
[0015]在一种优选实现方式中，采用两个神经网络模型分别对昼时和夜间的喂奶情况进行分类，然后将对应模式的标准趋势进行移位拼接或者整体的趋势分布。
[0016]另一方面，本专利技术提供一种基于卷积神经网络进行喂奶量确定的方法，其特征在于，所述方法包括：与婴儿相关的饮食信息以及身体信息转换成图像，并且将所转换的图像输入到神经网络模型通过对所述图像进行分类确定婴儿的昼时饮食模式和夜间饮食模式，基于相应饮食模式为婴儿找到与其饮食习惯匹配的无不良反应的标准饮食趋势，并且基于该标准饮食趋势确定该婴儿的喂奶量和喂奶时间。
[0017]由于采用了以上技术方案，本专利技术较好的实现了其专利技术目的。本专利技术通过引入卷积神经网络，实现了喂奶量以及喂奶时间间隔的智能控制，可以有效减少吐奶等现象并且为无经验家庭提供指导依据。
附图说明：
[0018]附图1是本专利技术实施例1中的自学习式喂奶装置的结构示意图。
[0019]附图2是本专利技术实施例1中的自学习式喂奶装置的局部放大图。
具体实施方式：
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，下面结合附图对
技术实现思路
作进一步说明：
[0021]实施例1：
[0022]参照附图1
‑
2，一种基于神经网络的自学习式婴儿喂奶装置，包括：储水腔1、出水管2、流量控制阀3、用于储存奶粉的灭菌储藏腔4、奶粉输出机构5、加热装置6、超声换能器7以及控制器(图中未画出，集成在控制面板后，控制面板可以采用液晶显示屏或者按键式控制面板)。
[0023]储水腔1和灭菌储藏腔4分别设置于壳体的两侧，中间设置间隔层，避免水汽从储水腔一侧到达奶粉储藏腔一侧。加热装置6采用电加热装置，其围绕在出水管2的外周，用于在储水腔1出水时对其所输出的水流进行快速加热，出水管2的中下游处设置温度传感器9，用于测定出水管2的出水温度，控制器基于温度传感器测得温度和目标温度对加热装置的功率进行调节。
[0024]用于储存奶粉的灭菌储藏腔4的下方呈漏斗状，储藏腔内壁采用光滑抑菌材料制成。
[0025]控制器8分别与温度传感器9和加热装置6通信连接，用于接收温度传感器9测得的温度信息并基于当前温度信息以及预设温度目标控制加热装置6的输出功率。
[0026]奶粉输出机构5包括空心半球形的翻转皿5
‑
1、压力传感器5
‑
2、安装架5
‑
3以及驱动电机，翻转皿5
‑
1的两侧外部设置旋转轴，翻转皿5
‑
1通过旋转轴本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的自学习式婴幼儿喂奶装置，其特征在于：包括奶粉输出机构、水量控制机构以及控制器，所述控制器用于基于婴儿的参数信息确定婴儿的喂奶时间和喂奶量，所述奶粉输出机构根据所述喂奶量以及预设调配比例进行奶粉定量输出，所述水量控制机构用于根据所述喂奶量基于预设调配比例进行温水定量输出，所述控制器内置有卷积神经网络模型或者预设喂奶量趋势曲线。2.根据权利要求1所述的自学习式婴幼儿喂奶装置，其特征在于：所述喂奶时间和喂奶量采用神经网络模型确定，所述神经网络模型经过带有标签的各种体重的婴儿的喂奶量数据的训练。3.根据权利要求1所述的自学习式婴幼儿喂奶装置，其特征在于：还包括储水腔、出水管、温度传感器和加热装置，所述水量控制机构为流量控制阀，所述储水腔用于储存纯净水、所述出水管与所述储水腔相连通，并且所述出水管的出口处设置所述流量控制阀用于对出水量进行计量，所述加热装置用于对出水管内的纯净水进行加热，所述温度传感器用于测定出水管内的水温并反馈给所述控制器。4.根据权利要求1所述的自学习式婴幼儿喂奶装置，其特征在于：还包括输入模块和输出模块，所述输入模块用于输入婴儿的相关参数信息，所述相关参数信息包括下述信息中的至少一种：体重信息、疾病信息、非经当前系统的喂食信息，所述输出模块用于输出当前婴儿的喂奶数据信息，并且还包括用于储存奶粉的灭菌储藏腔，所述奶粉输出机构用于定量地从所述灭菌储藏腔内向外进行奶粉输出。5.根据权利要求1所述的自学习式婴幼儿喂奶装置，其特征在于：控制器内预存有神经网络模型，并且所述控制器将与婴儿相关的饮食信...

【专利技术属性】
技术研发人员：许静，李少红，刘平，姚兴旺，
申请(专利权)人：中南大学湘雅二医院，
类型：发明
国别省市：