一种基于深度学习的冲牙器的姿态确认方法技术

本发明专利技术属于冲牙器技术领域，提供一种基于深度学习的冲牙器的姿态确认方法，冲牙器采集已知用户口腔部的三维空间数据信息；利用三维空间数据信息通过深度学习对深度神经网络进行训练，得到第一阶段的深度神经网络模型和第二阶段的深度神经网络模型；再用第一阶段的深度神经网络模型和第二阶段的深度神经网络模型对未知用户的冲牙器的使用姿态进行预测，得到未知用户的冲牙器使用姿态结果，通过播报系统播报所述未知用户的最优使用姿态来指导未知用户使用冲牙器，使得冲牙器处于所述未知用户的最优使用姿态。户的最优使用姿态。户的最优使用姿态。

【技术实现步骤摘要】
一种基于深度学习的冲牙器的姿态确认方法


[0001]本专利技术属于冲牙器
，尤其涉及一种基于深度学习的冲牙器的姿态确认方法。

技术介绍

[0002]冲牙器是一种用于护理口腔的装置，冲牙器可以利用一定压力以将清洗水柱由冲牙器喷嘴喷出，以对口腔进行清洗，目前较为广泛地应用于人们的日常生活中。
[0003]冲牙器在使用时需要冲洗头保持一定的角度对牙齿进行冲洗，才能获得较好的冲洗效果，而冲洗头处于口腔内部，使用者无法获知冲洗头的角度，不能快速地调节冲牙器的使用姿态从而调节冲洗头的冲洗角度，冲洗效果不理想，用户使用体验差。

技术实现思路

[0004]为了解决上述冲牙器由于冲洗头处于口腔内部，使用者无法获知冲洗头的角度，不能快速地调节冲牙器的使用姿态从而调节冲洗头的冲洗角度，冲洗效果不理想，用户使用体验差的问题技术问题，本专利技术提供一种基于深度学习的冲牙器的姿态确认方法，冲牙器采集已知用户口腔部的三维空间数据信息；利用所述三维空间数据信息通过深度学习对深度神经网络进行训练，得到第一阶段的深度神经网络模型和第二阶段的深度神经网络模型；再用第一阶段的深度神经网络模型和第二阶段的深度神经网络模型对未知用户的冲牙器的使用姿态进行预测，得到未知用户的冲牙器使用姿态结果，通过所述姿态结果指导未知用户使用冲牙器。
[0005]可选地，所述三维空间数据信息的表现形式为图像信息，所述图像信息传输到计算平台。
[0006]可选地，所述图像信息由安装在冲牙器前部的传感器获得，若干所述传感器均布于冲牙器的前部。
[0007]可选地，所述通过深度学习对深度神经网络进行训练的步骤为：
[0008]S100、构建并训练深度学习网络，所述深度学习网络接收初始数据信息后建立深度神经网络模型；
[0009]S200、获取已知用户的静态图像信息，提取已知用户的静态图像信息输入所述深度学习网络，构建第一阶段的深度神经网络模型；
[0010]S300、获取已知用户的使用姿态图像信息，提取已知用户的使用姿态图像信息输入所述深度学习网络，构建第二阶段的深度神经网络模型；
[0011]S400、通过所述第一阶段的深度神经网络模型和所述第二阶段的深度神经网络模型确定已知用户的最优使用姿态，利用所述已知用户的最优使用姿态构建未知用户的使用姿态的深度神经网络模型，预测未知用户的使用姿态；
[0012]S500、获取未知用户的使用姿态图像信息，提取未知用户的使用姿态图像信息输入所述未知用户的使用姿态的深度神经网络模型，通过所述深度学习网络计算获得未知用
户的最优使用姿态；
[0013]S600、通过所述未知用户的最优使用姿态指导未知用户使用冲牙器，使得未知用户的使用姿态处于所述未知用户的最优使用姿态。
[0014]可选地，冲牙器具备播报装置，所述播报装置将所述未知用户的最优使用姿态播报给用户。
[0015]可选地，所述播报装置为声音播报器。
[0016]可选地，所述图像信息包括多张连续的图像。
[0017]相比现有技术，本专利技术的有益效果在于：
[0018]本专利技术提供的基于深度学习的冲牙器的姿态确认方法，通过构建第一阶段的深度神经网络模型和第二阶段的深度神经网络模型确定已知用户的最优使用姿态，利用所述已知用户的最优使用姿态构建未知用户的使用姿态的深度神经网络模型，预测未知用户的使用姿态，获取未知用户的使用姿态图像信息，通过所述深度学习网络计算获得未知用户的最优使用姿态，通过播报系统播报所述未知用户的最优使用姿态来指导未知用户使用冲牙器，使得冲牙器处于所述未知用户的最优使用姿态。
附图说明
[0019]图1为本专利技术的基于深度学习的冲牙器的姿态确认方法的深度神经网络训练的步骤图；
[0020]图2为本专利技术的基于深度学习的冲牙器的结构示意图。
[0021]图示说明：
[0022]10、冲牙器；11、本体；12、冲洗头；13、壳盖；14、摄像传感器；15、处理器；16、扬声器；
[0023]S100
‑
S600为方法步骤。
具体实施方式
[0024]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0025]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0026]此外，在本专利技术的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”等应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0027]此外，后续所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0028]本专利技术的实施例提供一种基于深度学习的冲牙器的姿态确认方法，应用于冲牙器10上，冲牙器10包括冲牙器10本体11及冲洗头12，冲洗头12可拆卸地紧固安装在本体11的上部，本体11的上部安装一个壳盖13，壳盖13上设置了8颗对称均匀分布的传感器。其中，传感器为摄像传感器14，主要用于采集用户口腔部的三维图像。摄像传感器14收集用户的口腔部的连续的多张图像，并将图像信息传输到安装在冲牙器10内部的计算平台，计算平台可以为处理器15，处理器15与摄像传感器14电连接，处理器15具备有存储及计算功能。处理器15还电连接一个播报装置，播报装置能够将处理器15根据预设定的程序将相应的数据播报给冲牙器10的用户。播报装置可以选择通过声音和/或图像的形式展现给冲牙器10的用户，可选地，播报装置可以为扬声器16的声音播报器。处理器15将一些信息转换成声音信号后传输到扬声器16并播放出去，便于冲牙器10用户获取处理器15传递的信息。
[0029]进一步地，在处理器15中构建了具备自主学习功能的深度学习网络系统，深度学习网络系统通过深度学习，可以建立相应的深度神经网络模型。具体地，摄像传感器14采集已知用户口腔部的三维空间数据信息并传送到处理器15，处理器15利用已知用户口腔部的的三维空间数据信息通过深度学习对深度神经网络进行训练，其具体的训练步骤为：
[0030]S100、构建并训练深度学习网络，深度学习网络接收初始数据信息后建立深度神经网络模型。初始数据信息可以为模拟用户口腔部的三维信息数据，将模拟用户口腔部的三维数据信息导入处理器15，处理器15自适应运行深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的冲牙器的姿态确认方法，其特征在于，冲牙器采集已知用户口腔部的三维空间数据信息；利用所述三维空间数据信息通过深度学习对深度神经网络进行训练，得到第一阶段的深度神经网络模型和第二阶段的深度神经网络模型；再用第一阶段的深度神经网络模型和第二阶段的深度神经网络模型对未知用户的冲牙器的使用姿态进行预测，得到未知用户的冲牙器使用姿态结果，通过所述姿态结果指导未知用户使用冲牙器。2.如权利要求1所述的基于深度学习的冲牙器的姿态确认方法，其特征在于，所述三维空间数据信息的表现形式为图像信息，所述图像信息传输到计算平台。3.如权利要求2所述的基于深度学习的冲牙器的姿态确认方法，其特征在于，所述图像信息由安装在冲牙器前部的传感器获得，若干所述传感器均布于冲牙器的前部。4.如权利要求3所述的基于深度学习的冲牙器的姿态确认方法，其特征在于，所述通过深度学习对深度神经网络进行训练的步骤为：S100、构建并训练深度学习网络，所述深度学习网络接收初始数据信息后建立深度神经网络模型；S200、获取已知用户的静态图像信息，提取已知用户的静态图像信息输入所述深度学习网络，构建第一阶段的...

【专利技术属性】
技术研发人员：李冬保，
申请(专利权)人：江西瑞圣特科技有限责任公司，
类型：发明
国别省市：