设备控制方法技术

本申请涉及一种设备控制方法

【技术实现步骤摘要】
设备控制方法、装置、系统、电子设备及存储介质


[0001]本申请涉及智能家居
，特别是涉及一种设备控制方法
、
装置
、
系统
、
电子设备及存储介质
。

技术介绍

[0002]随着智能家居行业的不断发展，智能家居设备越来越多，使得对智能家居设备的自动化控制也越来越重要
。
[0003]然而，现有智能家居的设备控制主要是基于人工定向配置实现，而且每个家庭都需要面向对应的设备进行单独配置，比如需要对不同场景下的灯光设备进行配置，且不可复用，因此，需要依赖较多的人力投入，且重度依赖人员经验
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种设备控制方法
、
装置
、
系统
、
电子设备和存储介质
。
[0005]第一方面，本申请实施例提供一种设备控制方法，所述方法包括：
[0006]获取目标空间下的当前环境信息以及已绑定设备的设备信息；
[0007]根据所针对的目标场景和所述目标空间的属性信息，对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征；
[0008]基于所述关联特征和所述设备信息，生成针对所述目标场景和所述目标空间的场景控制方案
。
[0009]第二方面，本申请实施例提供一种设备控制装置，所述装置包括：
[0010]获取模块，用于获取目标空间下的当前环境信息以及已绑定设备的设备信息；
[0011]提取模块，用于根据所针对的目标场景和所述目标空间的属性信息，对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征；
[0012]处理模块，用于基于所述关联特征和所述设备信息，生成针对所述目标场景和所述目标空间的场景控制方案
。
[0013]在一实施例中，所述提取模块，具体用于获取不同空间
、
不同场景下所关联的环境特征；所述环境特征是对历史场景控制数据和对应的历史环境数据进行特征工程处理获得的；
[0014]从所述环境特征中确定所述目标场景和所述目标空间的属性信息相匹配的目标环境特征；
[0015]基于所述目标环境特征对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征
。
[0016]在一实施例中，所述处理模块，具体用于通过已训练的机器学习模型，对所述目标场景
、
所述目标空间的属性信息
、
所述关联特征和所述设备信息进行场景控制预测处理，获得针对所述目标场景和所述目标空间的场景控制方案；所述机器学习模型具有自动学习场
景控制能力，是基于场景
、
空间的属性信息
、
设备信息
、
环境信息和场景控制方案训练得到
。
[0017]在一实施例中，所述获取模块，还用于获取训练样本，所述训练样本包括样本场景数据
、
样本空间的属性数据
、
样本设备数据和样本环境数据，以及已标注场景控制数据的样本标签；
[0018]所述处理模块，还用于通过初始的机器学习模型，对所述样本场景数据
、
所述样本空间的属性数据
、
样本设备数据和样本环境数据进行预测处理，得到样本预测结果；所述样本预测结果表征针对样本设备的场景控制的预测结果；基于所述样本预测结果与所述样本标签之间的差异，调整所述初始的机器学习模型的参数并继续训练，直至满足训练条件时停止训练，得到已训练的机器学习模型
。
[0019]在一实施例中，所述获取模块，还用于获取预设时段内基于手动控制的历史操作信息；
[0020]所述处理模块，还用于基于所述历史操作信息和所述当前环境信息，对已训练的机器学习模型进行周期性更新训练
。
[0021]在一实施例中，所述装置还包括展示模块，其中，所述展示模块，用于展示场景配置页面；所述场景配置页面包括供选择的场景属性信息；
[0022]所述处理模块，还用于响应于在所述场景配置页面中自定义选择的场景属性信息，基于选择的场景属性信息生成目标场景
。
[0023]在一实施例中，所述装置还包括展示模块，其中，所述展示模块，用于展示场景配置页面，并在所述场景配置页面展示所推荐的场景模板；场景模板中的各场景属性信息基于动态的环境信息实时生成；
[0024]所述处理模块，还用于响应于在所述场景配置页面中选择的场景模板，基于选择的场景模板生成所述目标场景
。
[0025]第三方面，本申请实施例提供一种设备控制系统，所述设备控制系统包括：电子设备
、
至少一信息采集设备和至少一智能设备，所述电子设备与所述信息采集设备和所述智能设备通信连接，所述智能设备用于调节所在空间的环境信息；其中，所述信息采集设备，用于采集目标空间下的当前环境信息；
[0026]所述电子设备，用于根据所针对的目标场景和所述目标空间的属性信息，对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征，以及基于所述关联特征和所述目标空间下已绑定智能设备的设备信息，生成针对所述目标场景和所述目标空间的场景控制方案
。
[0027]第四方面，本申请实施例提供一种电子设备，包括处理器
、
存储器及存储在所述存储器上并可被所述处理器执行的计算机程序，所述计算机程序被所述处理器执行时实现本申请任一实施例所述的设备控制方法
。
[0028]第五方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任一实施例所述的设备控制方法
。
[0029]第六方面，本申请实施例提供一种计算机程序产品或计算机程序，所述计算机程序产品或计算机程序包括计算机指令，所述计算机指令存储在计算机可读存储介质中；所述计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行
所述计算机指令时实现本申请各实施例的设备控制方法中的步骤
。
[0030]上述设备控制方法
、
装置
、
系统
、
电子设备和存储介质，先获取目标空间下的当前环境信息以及已绑定设备的设备信息，接着根据所针对的目标场景和所述目标空间的属性信息，对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征，再基于所述关联特征和所述设备信息，生成针对所述目标场景和所述目标空间的场景控制方案
。
如此，可实现准确生成针对目标场景和目标空间的场景控制方案，同时操作简便，能够有效降低配置人力成本，提高配置效率
。
附图说明
[0031]图1为一个实施例中设备控制方法的应用环境示意图；
...

【技术保护点】

【技术特征摘要】
1.
一种设备控制方法，其特征在于，所述方法包括：获取目标空间下的当前环境信息以及已绑定设备的设备信息；根据所针对的目标场景和所述目标空间的属性信息，对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征；基于所述关联特征和所述设备信息，生成针对所述目标场景和所述目标空间的场景控制方案
。2.
根据权利要求1所述的方法，其特征在于，所述根据所针对的目标场景和所述目标空间的属性信息，对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征，包括：获取不同空间
、
不同场景下所关联的环境特征；所述环境特征是对历史场景控制数据和对应的历史环境数据进行特征工程处理获得的；从所述环境特征中确定所述目标场景和所述目标空间的属性信息相匹配的目标环境特征；基于所述目标环境特征对所述当前环境信息进行关联特征提取，获得与所述目标场景对应的关联特征
。3.
根据权利要求1所述的方法，其特征在于，所述基于所述关联特征和所述设备信息，生成针对所述目标场景和所述目标空间的场景控制方案，包括：通过已训练的机器学习模型，对所述目标场景
、
所述目标空间的属性信息
、
所述关联特征和所述设备信息进行场景控制预测处理，获得针对所述目标场景和所述目标空间的场景控制方案；所述机器学习模型具有自动学习场景控制能力，是基于场景
、
空间的属性信息
、
设备信息
、
环境信息和场景控制方案训练得到
。4.
根据权利要求3所述的方法，其特征在于，所述已训练的机器学习模型通过模型训练步骤得到，所述模型训练步骤包括：获取训练样本，所述训练样本包括样本场景数据
、
样本空间的属性数据
、
样本设备数据和样本环境数据，以及已标注场景控制数据的样本标签；通过初始的机器学习模型，对所述样本场景数据
、
所述样本空间的属性数据
、
样本设备数据和样本环境数据进行预测处理，得到样本预测结果；所述样本预测结果表征针对样本设备的场景控制的预测结果；基于所述样本预测结果与所述样本标签之间的差异，调整所述初始的机器学习模型的参数并继续训练，直至满足训练条件时停止训练，得到已训练的机器学习模型

【专利技术属性】
技术研发人员：吴慧芳，覃燕娜，
申请(专利权)人：深圳绿米联创科技有限公司，
类型：发明
国别省市：