用于制冷器具的气味检测方法及制冷器具技术

一种用于制冷器具的气味检测方法及制冷器具，所述方法包括：获取制冷器具内气体的环境数据；将环境数据输入至N个预设机器学习模型，得到N个气味检测结果，气味检测结果包括气味属性，N个预设机器学习模型训练时采用的训练数据采用如下方式得到：将M组食材分别进行Q轮气味检测实验，每组食材分别得到Q个样本数据，按照训练集及测试集均至少包含M组食材对应的样本数据的原则，至少得到N组训练数据，每组训练数据训练得到一个预设机器学习模型，训练数据包括所述训练集和所述测试集；根据N个气味检测结果中的气味属性确定所述制冷器具内气体的气味属性。上述方案能够提高制冷器具内气体的气味属性确定的准确度。内气体的气味属性确定的准确度。内气体的气味属性确定的准确度。

【技术实现步骤摘要】
用于制冷器具的气味检测方法及制冷器具


[0001]本专利技术实施例涉及制冷器具
，具体地涉及一种用于制冷器具的气味检测方法及制冷器具。

技术介绍

[0002]在日常生活中，人们会使用冰箱等制冷器具存储蔬菜、鱼肉等易腐食物，制冷器具通过形成低温的密闭空间来延长食物的保质期。由于食物本身会散发不同的气味，且随着时间的推移，放置于制冷器具内的食物不可避免的会发生变质进而产生异味，这些异味，将对用户的使用体验造成不利影响，但现有技术无法准确检测到制冷器具内的异味。

技术实现思路

[0003]本专利技术实施例的一个目的在于提供一种改进的制冷器具及用于制冷器具的气味检测方法。
[0004]因此，本专利技术实施例提供一种用于制冷器具的气味检测方法，包括：获取制冷器具内气体的环境数据；将所述环境数据输入至N个预设机器学习模型，得到N个气味检测结果，所述气味检测结果包括气味属性，其中，N个预设机器学习模型训练时采用的训练数据采用如下方式得到：将M组食材分别进行Q轮气味检测实验，每组食材分别得到Q个样本数据，共得到M*Q个样本数据，按本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于制冷器具的气味检测方法，其特征在于，包括：获取制冷器具内气体的环境数据；将所述环境数据输入至N个预设机器学习模型，得到N个气味检测结果，所述气味检测结果包括气味属性，其中，N个预设机器学习模型训练时采用的训练数据采用如下方式得到：将M组食材分别进行Q轮气味检测实验，每组食材分别得到Q个样本数据，共得到M*Q个样本数据，按照训练集至少包含M组食材对应的样本数据，且测试集包含M组食材对应的样本数据的原则，将M*Q个样本数据进行组合，至少得到N组训练数据，每组训练数据训练得到一个预设机器学习模型，以得到所述N个预设机器学习模型，所述训练数据包括所述训练集和所述测试集，N、M和Q均为大于1的正整数；根据N个气味检测结果中的气味属性确定所述制冷器具内气体的气味属性。2.如权利要求1所述的气味检测方法，其特征在于，所述样本数据包括：气味检测实验得到的环境数据以及标定的气味属性，所述气味检测方法还包括：在采用第i组训练数据训练得到第i个预设机器学习模型时，根据训练集得到的预设机器学习模型对所述测试集中各组食材的气味属性进行预估；判断各组食材的预估的气味属性与标定的气味属性的差异；对于预估的气味属性与标定的气味属性的差异超出预设差异范围的第j组食材，增加第i个预设机器学习模型的训练集中第j组食材的样本数据，其中，1≤i≤N，1≤j≤M，i与j均为正整数。3.如权利要求1所述的气味检测方法，其特征在于，所述根据N个气味检测结果中的气味属性确定所述制冷器具内气体的气味属性，包括以下任一种：根据N个气味检测结果中的各个气味属性的占比，将占比最大的气味属性作为所述制冷器具内气体的气味属性；取N个气味检测结果中的气味属性的中位数，将所述中位数对应的气味属性作为所述制冷器具内气体的气味属性；取N个气味检测结果中的气味属性的平均数，将所述平均数对应的气味属性作为所述制冷器具内气体的气味属性。4.如权利要求3所述的气味检测方法，其特征在于，所述气味属性至少包括好闻和难闻。5.如权利要求4所述的气味检测方法，其特征在于，当取N个气味检测结果的气味属性的中位数时，若所述中位数不存在对应的气味属性时，将靠近所述中位数且最靠近所述难闻的气味属性作为所述制冷器具内气体的气味属性；或者，当取N个气味检测结果的气味属性的平均数时，若所述平均数不存在对应的气味属性时，将靠近所述平均数且最靠近所述难闻的气味属性作为所述制冷器具内气体的气味属性。6.如权利要求1所述的气味检测方法，其特征在于，N...

【专利技术属性】
技术研发人员：何子月，
申请(专利权)人：BSH家用电器有限公司，
类型：发明
国别省市：