基于人体健康信息及空气成分数据的室内植物推荐方法

摘要

本发明涉及一种基于人体健康信息及空气成分数据的室内植物推荐方法，通过对室内空气成分数据进行采集，将采集的数据与现有植物知识库数据和居住者健康信息通过人工神经网络模型进行分析处理，得到推荐结果，将推荐结果进行修正优化，得到最终适合居住者当前健康信息的推荐结果。本发明的有益效果在于：简单实用，适合当前居住环境，通过推荐适合的植物，有益人体健康，同时能够很好地改善居住者的生活环境。

说明书

技术领域

本发明涉及家居生活设备领域，尤其涉及一种基于人体健康信息及空气成分分析的室内植物推荐方法。

背景技术

随着我国经济的发展，人们对居住环境的健康及舒适性要求也日益增长，特别是大气质量的好坏更是与我们每个人息息相关，如北京的雾霾，房屋装修后的甲醛残留，污浊空气中的二氧化硫等问题都会逐步影响人体健康。植物在光合作用的过程中能吸收二氧化碳放出氧气，从而增加室内的含氧量。有些植物还能吸收二氧化硫，甲醛，硫化氢等等，例如吊兰、黛粉叶等，对装修后室内残存的甲醛、氯、苯类化合物具较强吸收能力；芦荟、菊花等可以减少居室内苯的污染；雏菊、万年青等可以有效消除三氟乙烯的污染；月季、蔷薇等可吸收硫化氢、苯、苯酚、乙醚等有害气体。

除了吸收空气中的有害成分外，植物还能散发一些芳香来丰富我们的生活。这些芳香有抗菌成分，可以清除空气中的细菌和病毒，具有保健功能，如紫薇、茉莉、柠檬等植物，五分钟内就可以杀死白喉菌和痢疾菌等原生菌；蔷薇、石竹、铃兰、紫罗兰、玫瑰、桂花等植物散发的香味对结核杆菌、肺炎球菌、葡萄球菌的生长繁殖具有明显的抑制作用。有些芳香还可以调节人的神经系统，如丁香、茉莉可使人放松，有利于睡眠；玫瑰、紫罗兰可使人精神愉快，有发奋工作的欲望；锦紫苏、驱蚊草等气味有驱蚊除蝇作用。

而有些植物则不适合种植在室内，如夜来香在夜间能散发刺激嗅觉的微粒，对高血压和心脏病患者有不利影响；夹竹桃的花香能使人昏睡、智力降低；洋绣球散发的微粒会使人皮肤过敏发生瘙痒；郁金香的花朵有毒碱，过多接触易使人毛发脱落；松柏类花木散发出的油香，会影响人的食欲。为此如何选择最适宜居住人身体健康条件及室内气体环境的植物是一个复杂且具有实用价值的问题。

发明内容

本发明的目的是针对以上不足之处，提供了一种基于人体健康信息及空气成分分析的室内植物推荐系统，根据不同植物对大气中有害气体吸收情况的不同及其释放气味成分的差异，基于居住者身体健康信息，通过专家系统推荐最适宜当前室内种植的植物供用户选择。

本发明解决技术问题所采用的方案是一种基于人体健康信息及空气成分数据的室内植物推荐方法，包括以下步骤：

步骤S1：对室内空气成分分别进行数据采集；

步骤S2：通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果；

步骤S3：将上述步骤S2中的得到的推荐结果，经一类比方法进行修正优化，包括以下步骤：

步骤S31：实时更新居住者当前健康信息，得到居住者当前健康信息特征向量；

步骤S32：将居住者当前健康信息特征向量与步骤S2中居住者健康信息特征向量进行类比，若居住者当前健康信息相对于步骤S2中居住者健康信息没有差别，则转到步骤S35；若居住者当前健康信息相对于步骤S2中居住者健康信息有差别，则转到步骤S33；

步骤S33：利用居住者当前健康信息特征向量和步骤S2中居住者健康信息特征向量进行类比生成差异向量；

步骤S34：将所述差异向量对步骤S2中的人工神经网络模型进行修正，得到修正后的人工神经网络模型，转到步骤S36；

步骤S35：采用步骤S2中的人工神经网络模型；

步骤S36：通过当前人工神经模型进行得到最终推荐结果；

步骤S4：将步骤S34中得到修正后的人工神经网络模型参数反馈至步骤S2中的人工神经网络模型，更新步骤S2中的人工神经网络模型相应的参数。

进一步的，所述步骤S2中的人工神经网络模型的建立，包括以下步骤：

步骤S21：进行人工神经网络的构建，通过系统建模，构建出合适的人工神经网络模型；

步骤S22：利用现有的植物知识库和居住者健康信息对所述人工神经网络模型进行训练，更新模型中相应的权值，得到训练完成的人工神经网络模型，包括以下步骤：

步骤S221：对步骤S21中的人工神经网络进行初始化；

步骤S222：对所述人工神经网络进行训练,若训练完成，则得到训练完成的人工神经网络模型，转到步骤S223；若训练未完成，则更新模型中的相应权值，继续步骤S221；

步骤S223: 将步骤S1中的传感器采集模块采集的数据结合数据库中现有的居住者健康信息和现有植物数据库的数据输入步骤S22得到的训练完成的人工神经网络模型，经人工神经网络决策输出推荐结果。

进一步的，步骤S1中通过传感器采集模块对室内空气成分进行数据采集，将所采集的数据经一第一无线传输模块输出至一决策模块。

进一步的，步骤S2中通过决策模块经一第二无线传输模块接收传感器采集模块所采集的数据，通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果。

一种基于人体健康信息及空气成分数据的室内植物推荐系统，包括一用于采集室内空气成分的传感器采集模块，所述传感器采集模块包括若干个气体传感器、一控制单元、模数转换器和一与所述控制单元连接的第一无线收发模块，所述气体传感器经模数转换器与所述控制单元连接；一用于将采集的数据与现有植物知识系统及居住者健康状态数据进行分析处理的决策模块，所述决策模块包括一微处理器、与所述微处理器相连的与第一无线接收模块相对应的第二无线接收模块和与所述微处理器相连的显示模块；一用于不断修正优化所述决策模块输出的推荐植物的反馈模块，所述反馈模块与所述微处理器相连接。

进一步的，所述控制单元为单片机，所述单片机型号为C8051F020。

进一步的，所述微处理器为嵌入式微处理器，所述嵌入式微处理器型号为ARM Cortex-A 8。

进一步的，所述气体传感器为氧传感器、二氧化碳传感器或灰尘传感器。

进一步的，所述显示模块为液晶屏显示。

与现有技术相比，本发明有以下有益效果：通过对室内空气成分数据进行采集，将采集的数据与现有植物知识库数据和居住者健康信息通过人工神经网络模型进行分析处理，得到推荐结果，将推荐结果进行修正优化，得到最终适合居住者当前健康信息的推荐结果。通过本发明提供的推荐方法，简单实用，适合当。前居住环境，通过推荐适合的植物，有益人体健康；同时能够很好地改善居住者的生活环境。

附图说明

下面结合附图对本发明专利进一步说明。

图1为本发明提供的基于人体健康信息及空气成分数据的室内植物推荐方法的流程图。

图2为本发明提供的人工神经网络模型的流程图。

图3为本发明提供的基于人体健康信息及空气成分数据的室内植物推荐系统的结构示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进一步说明。

如图1～3所示，本实施例提供的一种基于人体健康信息及空气成分数据的室内植物推荐方法，包括以下步骤：

步骤S1：对室内空气成分分别进行数据采集；

步骤S2：通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果；

步骤S3：将上述步骤S2中的得到的推荐结果，经一类比方法进行修正优化，包括以下步骤：

步骤S31：实时更新居住者当前健康信息，得到居住者当前健康信息特征向量；

步骤S32：将居住者当前健康信息特征向量与步骤S2中居住者健康信息特征向量进行类比，若居住者当前健康信息相对于步骤S2中居住者健康信息没有差别，则转到步骤S35；若居住者当前健康信息相对于步骤S2中居住者健康信息有差别，则转到步骤S33；

步骤S33：利用居住者当前健康信息特征向量和步骤S2中居住者健康信息特征向量进行类比生成差异向量；

步骤S34：将所述差异向量对步骤S2中的人工神经网络模型进行修正，得到修正后的人工神经网络模型，转到步骤S36；

步骤S35：采用步骤S2中的人工神经网络模型；

步骤S36：通过当前人工神经模型进行得到最终推荐结果；

步骤S4：将步骤S34中得到修正后的人工神经网络模型参数反馈至步骤S2中的人工神经网络模型，更新步骤S2中的人工神经网络模型相应的参数。

在本实施例中，所述步骤S2中的人工神经网络模型的建立，包括以下步骤：

步骤S21：进行人工神经网络的构建，通过系统建模，构建出合适的人工神经网络模型；

步骤S22：利用现有的植物知识库和居住者健康信息对所述人工神经网络模型进行训练，更新模型中相应的权值，得到训练完成的人工神经网络模型，包括以下步骤：

步骤S221：对步骤S21中的人工神经网络进行初始化；

步骤S222：对所述人工神经网络进行训练,若训练完成，则得到训练完成的人工神经网络模型，转到步骤S223；若训练未完成，则更新模型中的相应权值，继续步骤S221；

步骤S223: 将步骤S1中的传感器采集模块采集的数据结合数据库中现有的居住者健康信息和现有植物数据库的数据输入步骤S22得到的训练完成的人工神经网络模型，经人工神经网络决策输出推荐结果。

从上述可知，本发明的有益效果在于：通过对室内空气成分数据进行采集，将采集的数据与现有植物知识库数据和居住者健康信息通过人工神经网络模型进行分析处理，得到推荐结果，将推荐结果进行修正优化，得到最终适合居住者当前健康信息的推荐结果。通过本发明提供的推荐方法，简单实用，适合当前居住环境，通过推荐适合的植物，有益人体健康。

反馈模块由一组不断修正决策模块参数的反馈系统软件构成，以实现整个推荐系统的自学习自优化目的。反馈模块软件与决策模块运行于同一硬件平台，但其软件功能有差异，反馈模块负责定期采集居住者健康信息并更新到相应数据库中，其还通过分析这些最新健康信息与数据库中的历史健康信息间的关系，来对决策模块输出的推荐结果进行评价并修正相应的参数，参数修正反馈值被输出至决策模块中，以改善其人工神经网络模型的分析结果，从而提高下一次推荐的准确度。

反馈模块通过定期采集用户当前健康信息得到健康信息特征向量，将该向量与之前的健康情况做比对，如健康情况恶化，则系统认为推荐的植物不适宜，从而利用当前特征向量与历史特征向量生成差异向量，并用差异向量对上一阶段训练好人工神经网络模型进行修正训练得到更准确的神经网络模型，从而在后面的推荐植物中能推荐出更适宜的室内植物。

在本实施例中，步骤S1中通过传感器采集模块对室内空气成分进行数据采集，将所采集的数据经一第一无线传输模块输出至一决策模块。

在本实施例中，步骤S2中通过决策模块经一第二无线传输模块接收传感器采集模块所采集的数据，通过人工神经网络模型将采集的数据与现有植物知识库及居住者健康信息进行分析处理，得到推荐结果。

反馈模块由一组不断修正决策模块参数的反馈系统软件构成，以实现整个推荐系统的自学习自优化目的。反馈模块软件与决策模块运行于同一硬件平台，但其软件功能有差异，反馈模块负责定期采集居住者健康信息并更新到相应数据库中，其还通过分析这些最新健康信息与数据库中的历史健康信息间的关系，来对决策模块输出的推荐结果进行评价并修正相应的参数，参数修正反馈值被输出至决策模块中，以改善其人工神经网络模型的分析结果，从而提高下一次推荐的准确度。反馈模块通过定期采集用户当前健康信息得到健康信息特征向量，将该向量与之前的健康情况做比对，如健康情况恶化，则系统认为推荐的植物不适宜，从而利用当前特征向量与历史特征向量生成差异向量，并用差异向量对上一阶段训练好人工神经网络模型进行修正训练得到更准确的神经网络模型，从而在后面的推荐植物中能推荐出更适宜的室内植物。

一种基于人体健康信息及空气成分数据的室内植物推荐系统，包括一用于采集室内空气成分的传感器采集模块，所述传感器采集模块包括若干个气体传感器、一控制单元、模数转换器和一与所述控制单元连接的第一无线收发模块，所述气体传感器经模数转换器与所述控制单元连接；一用于将采集的数据与现有植物知识系统及居住者健康状态数据进行分析处理的决策模块，所述决策模块包括一微处理器、与所述微处理器相连的与第一无线接收模块相对应的第二无线接收模块和与所述微处理器相连的显示模块；一用于不断修正优化所述决策模块输出的推荐植物的反馈模块，所述反馈模块与所述微处理器相连接。

所述反馈模块的硬件构成与决策模块一致，可以采用ARM微处理器构成，也可以通过普通微机加载应用软件构成。

在本实施例中，所述控制单元为单片机，所述单片机型号为C8051F020。

在本实施例中，所述微处理器为嵌入式微处理器，所述嵌入式微处理器型号为ARM Cortex-A 8。

在本实施例中，所述气体传感器为氧传感器、二氧化碳传感器或灰尘传感器。

在本实施例中，所述显示模块为液晶屏显示。

从上述可知本发明提供的基于人体健康信息及空气成分数据的室内植物推荐系统，包括采集室内成分气体信息的传感器采集模块，得出推荐结果的决策模块，以及不断优化推荐结果的反馈模块三部分。传感器采集模块通过多种传感器，例如氧传感器，甲醛传感器，苯类物质传感器、灰尘传感器、二氧化碳传感器等，采集各种室内成分气体数据。

将采集的室内成分气体数据结合植物知识库以及居住者健康信息，通过人工神经网络模型求得所推荐的植物，以达到最大程度改善居住者生活环境的目的。

本发明的提供的反馈模块用于优化人工神经网络模型中的参数，以使决策的准确度在使用过程中能逐渐提升，所述反馈模块还负责定期采集居住者健康信息更新到相应数据库中。反馈模块接收来自决策模块的推荐结果，并将输出的参数修正反馈值返回给决策模块中的人工神经网络模型，以实现系统的自学习自优化。

综上所述，本发明的提供的基于人体健康信息及空气成分数据的室内植物推荐方法和推荐系统，简单实用，能够很好地改善居住者的生活环境。

本发明提供的上列较佳实施例，对本发明的目的、技术方案和优点进行了进一步详细说明，所应理解的是，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。