[发明专利]用于制冷器具的气味检测方法及制冷器具

说明书

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：获取制冷器具内的气体数据；将所述气体数据分别输入多个第一预设机器学习模型，并获取各所述第一预设机器学习模型的第一预测结果，其中，所述第一预测结果包括所述制冷器具内的气味属性和对应的概率，所述第一预设机器学习模型基于单一种类的食材在多个气味属性下的气体数据训练得到；根据多个第一预测结果之间的差异确定所述第一预设机器学习模型的预测可信度；若所述预测可信度高，则将所述多个第一预测结果中的概率最大值对应的气味属性确定为所述制冷器具内的当前气味属性。通过本发明方案能够提高气味检测的准确度，有利于及时发现并去除异味，从而更好地保持制冷器具内空气清新。

技术领域

本发明实施例涉及制冷器具技术领域，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。

背景技术

随着制冷器具在人们日常生活中的普及，越来越多的人开始使用冰箱等制冷器具存储蔬菜、鱼肉等易腐食物。放置于制冷器具内的食材不可避免的会产生异味，如果不能及时去除这些异味，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，更无法及时去除这些异味。

发明内容

本发明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。

因此，本发明实施例提供一种用于制冷器具的气味检测方法，包括：获取所述制冷器具内的气体数据；将所述气体数据分别输入多个第一预设机器学习模型，并获取各所述第一预设机器学习模型的第一预测结果，其中，所述第一预测结果包括所述制冷器具内的气味属性和对应的概率，所述第一预设机器学习模型基于单一种类的食材在多个气味属性下的气体数据训练得到；根据多个第一预测结果之间的差异确定所述第一预设机器学习模型的预测可信度；若所述预测可信度高，则将所述多个第一预测结果中的概率最大值对应的气味属性确定为所述制冷器具内的当前气味属性。

采用本实施方案，能够提高气味检测的准确度，有利于及时发现并去除异味，从而更好地保持制冷器具内空气清新。具体而言，单一种类食材关联的气体数据可以视为简单数据，基于简单数据构建得到的第一预设机器学习模型对特定种类食材的气味属性预测准确率高。基于此，在第一预设机器学习模型的预测可信度满足预期的前提下，根据第一预设结果判定制冷器具内的当前气味属性，有利于得到高准确度的气味检测结果。

可选的，所述气味检测方法还包括：若所述预测可信度低，则将所述气体数据输入至少一个第二预设机器学习模型并获取第二预测结果，其中，所述第二预测结果包括所述制冷器具内的气味属性和对应的概率，所述第二预设机器学习模型基于复合种类的食材在多个气味属性下气体数据训练得到；根据所述第一预测结果和所述第二预测结果确定所述制冷器具内的当前气味属性。混合种类食材关联的气体数据可以视为复杂数据，基于复杂数据构建得到的第二预设机器学习模型适配度高，实际应用中能够可靠地预测多个种类食材共同产生的气体的气味属性。基于此，将基于复合种类食材关联的气味数据训练得到的综合数据模型作为辅助手段，在基于单一种类食材训练得到的第一预设机器学习模型可信度较低时，辅以第二预设机器学习模型的预测结果综合确定最终的预测结果，有利于提高预测结果的准确度。

可选的，所述根据所述第一预测结果和所述第二预测结果确定所述制冷器具内的当前气味属性包括：将所述多个第一预测结果和第二预测结果中的概率最大值对应的气味属性，确定为所述制冷器具内的当前气味属性。由此，通过多个模型综合判别来提高预测准确度。