一种基于云端机器学习训练的智能沙发的制作方法

1.本发明涉及沙发技术领域，具体涉及一种基于云端机器学习训练的智能沙发。


背景技术：

2.现有的沙发作为常用的家具，主要由沙发框架、靠背垫、座垫组成，而沙发框架则包括底座、靠背，必要时底座两侧还设置有一对扶手；使用者可根据自己的休息需求，选择合适的休息姿势坐在沙发上，从而获得较好的休息效果，缓解疲劳。商铺内多放置有舒适的沙发供客户休憩。
3.但现有的沙发，功能较为单一，仅具有提供休息的功能，随着生活方式的改变，原有的沙发功能已经无法满足使用者的日常生活需求，因此急需一种功能多样的沙发来满足使用者的使用需求。


技术实现要素：

4.本发明的目的在于提供一种基于云端机器学习训练的智能沙发，可以根据客户的身体特征进行高度的调节，同时还可以根据需要进行靠背的调节，且利用云端机器学习训练保存数据，以及数据的触发点，提前按照客户的需求进行调节，功能多样且智能化，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：
6.一种基于云端机器学习训练的智能沙发，
7.包括沙发基座和沙发靠背，所述沙发靠背和沙发基座之间转动连接；所述沙发基座内包括框架，所述框架内对称设置有升降组件，所述框架一侧位于沙发靠背转动连接位置转动安装有翻转轴，所述翻转轴和框架之间设置有翻转驱动组件；
8.所述框架内设置有云端机器学习训练控制器，所述云端机器学习训练控制器内依次电信号连接有翻转控制模块、特征识别模块和智能学习模块，所述翻转控制模块和翻转驱动组件电信号连接，所述特征识别模块和升降组件电信号连接。
9.其中，所述升降组件包括四组支撑丝杆，所述支撑丝杆表面均螺纹连接有内螺纹套，所述内螺纹套通过轴承转动安装于框架内，且内螺纹套表面固定插接有第一同步带轮，相邻两组所述第一同步带轮通过同步带传动连接。
10.其中，所述框架内转动安装有第二同步带轮，所述框架内固定安装有升降驱动电机，所述第二同步带轮固定安装于升降驱动电机的输出轴端，所述第二同步带轮的外径大于第一同步带轮的外径，保证同步带的传动包角。
11.其中，所述翻转驱动组件包括翻转驱动电机，所述翻转驱动电机的输出轴端固定安装有第一链轮，所述翻转轴表面居中位置固定安装有第二链轮，所述第一链轮和第二链轮通过链条传动连接。
12.其中，所述翻转轴两端设置有带座轴承，所述带座轴承固定安装于框架两侧。
13.其中，所述特征识别模块包括特征信息获取单元、数据分析单元和特征信息数据
对比单元，所述特征信息获取单元、数据分析单元和特征信息数据对比单元电性连接；所述特征信息获取单元主要针对客户身高信息及体重信息进行采集，同时可获取脸部特征信息、身体特征信息和行为特征信息，并录入大数据库。
14.其中，所述数据分析单元对客户身高信息及体重信息数据、脸部特征信息和行为特征信息进行整理和关键部分提取，获得脸部关键信息和身体关键信息；对所述脸部关键信息和身体关键信息进行统一精准分类获得脸部图像信息和身体图像信息。
15.其中，所述特征信息数据对比单元用于比对客户身高信息及体重信息数据、脸部特征信息和行为特征信息，以及所述身体图像信息和所述大数据库中的身体特征信息；如果比对结果合格，将合格的所述脸部图像信息和所述身体图像信息传送至后台控制终端，否则对所述脸部图像信息和所述身体图像信息进行识别错误标识。
16.其中，所述智能学习模块包括数据记忆单元和控制方法记忆单元，所述数据记忆单元用于记录所述特征信息获取单元、数据分析单元和特征信息数据对比单元收集以及记录的所有数据，所述控制方法记忆单元用于记忆升降组件和翻转驱动组件的操作数据。
17.综上所述，由于采用了上述技术，本发明的有益效果是：
18.本发明中，设置特征识别模块获得了客户的身高、体重和性别等信息；为了给客户提供更好的体验，智能沙发会根据特征识别模块采集的信息数据调整好高度和倾斜度；
19.本说明中，设置智能学习模块，包括数据记忆单元和控制方法记忆单元，基于机器学习训练后的模型，不同的客户有着不同的身高和体重，他们倾向于把沙发的高度和倾斜度调成让自己最舒服的程度，智能沙发记录这些值，该模型根据客户的多维度生物特征，给出高度和倾斜度的调整数据的触发值，翻转控制模块、特征识别模块根据这两个值，让智能沙发做好相应调整，更好地为客户做好事先的调整。
附图说明
20.图1为本发明一种基于云端机器学习训练的智能沙发的立体结构示意图；
21.图2为本发明一种基于云端机器学习训练的智能沙发的内部立体结构示意图；
22.图3为本发明一种基于云端机器学习训练的智能沙发的支撑丝杆立体结构示意图；
23.图4为本发明的云端机器学习训练控制器系统框图；
24.图5为本发明的特征识别模块处理系统框图。
25.图中：1、沙发基座；2、沙发靠背；3、框架；4、升降组件；401、支撑丝杆；402、内螺纹套；403、第一同步带轮；404、第二同步带轮；405、升降驱动电机；5、翻转轴；501、带座轴承；6、翻转驱动组件；601、翻转驱动电机；602、第一链轮；603、第二链轮；7、云端机器学习训练控制器。
具体实施方式
26.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明
保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
27.本发明提供了如图1-5所示的一种基于云端机器学习训练的智能沙发：
28.请参阅图1、图2和图3，智能沙发包括沙发基座1和沙发靠背2，所述沙发靠背2和沙发基座1之间转动连接，所述沙发基座1内包括框架3，所述框架3内对称设置有升降组件4，所述特征识别模块和升降组件4电信号连接，所述升降组件4包括四组支撑丝杆401，所述支撑丝杆401表面均螺纹连接有内螺纹套402，所述内螺纹套402通过轴承转动安装于框架3内，且内螺纹套402表面固定插接有第一同步带轮403，相邻两组所述第一同步带轮403通过同步带传动连接，所述框架3内转动安装有第二同步带轮404，所述框架3内固定安装有升降驱动电机405，所述第二同步带轮404固定安装于升降驱动电机405的输出轴端，所述第二同步带轮404的外径大于第一同步带轮403的外径，保证同步带的传动包角，启动升降驱动电机405时，升降驱动电机405的输出轴端带动第二同步带轮404，从而带动同步带传动至第一同步带轮403，从而驱动支撑丝杆401旋转，改变智能沙发的高度。
29.所述框架3一侧位于沙发靠背2转动连接位置转动安装有翻转轴5，所述翻转轴5两端设置有带座轴承501，所述带座轴承501固定安装于框架3两侧，沙发靠背2的安装框架与翻转轴5表面固定连接，翻转轴5转动时，带动沙发靠背2旋转所需角度。
30.所述翻转轴5和框架3之间设置有翻转驱动组件6，所述翻转驱动组件6包括翻转驱动电机601，所述翻转驱动电机601的输出轴端固定安装有第一链轮602，所述翻转轴5表面居中位置固定安装有第二链轮603，所述第一链轮602和第二链轮603通过链条传动连接，启动翻转驱动电机601，通过第一链轮602、第二链轮603和链条带动翻转轴5翻转。
31.所述框架3内设置有云端机器学习训练控制器7，所述云端机器学习训练控制器7内依次电信号连接有翻转控制模块、特征识别模块和智能学习模块，所述翻转控制模块和翻转驱动组件6电信号连接。
32.请参阅图1、图2和图3，所述特征识别模块包括特征信息获取单元、数据分析单元和特征信息数据对比单元，所述特征信息获取单元、数据分析单元和特征信息数据对比单元电性连接；所述特征信息获取单元主要针对客户身高信息及体重信息进行采集，同时可获取脸部特征信息、身体特征信息和行为特征信息，并录入大数据库。
33.具体的，所述数据分析单元对客户身高信息及体重信息数据、脸部特征信息和行为特征信息进行整理和关键部分提取，获得脸部关键信息和身体关键信息；对所述脸部关键信息和身体关键信息进行统一精准分类获得脸部图像信息和身体图像信息。
34.具体的，所述特征信息数据对比单元用于比对客户身高信息及体重信息数据、脸部特征信息和行为特征信息，以及所述身体图像信息和所述大数据库中的身体特征信息；如果比对结果合格，将合格的所述脸部图像信息和所述身体图像信息传送至后台控制终端，否则对所述脸部图像信息和所述身体图像信息进行识别错误标识。
35.具体的，所述智能学习模块包括数据记忆单元和控制方法记忆单元，所述数据记忆单元用于记录所述特征信息获取单元、数据分析单元和特征信息数据对比单元收集以及记录的所有数据以及对比后产生的不确定数据，所述控制方法记忆单元用于记忆升降组件
4和翻转驱动组件6的操作数据。
36.综上所述，设置特征识别模块获得了客户的身高、体重和性别等信息；为了给客户提供更好的体验，智能沙发会根据特征识别模块采集的信息数据调整好高度和倾斜度；
37.设置智能学习模块，将沙发的高度和倾斜度调成让自己最舒服的程度，智能沙发记录这些值，该模型根据客户的多维度生物特征，给出高度和倾斜度的调整数据的触发值，翻转控制模块、特征识别模块根据这两个值，让智能沙发做好相应调整，更好地为客户做好事先的调整。
38.云端机器学习训练控制器(7)的具体操作方法包括：
39.获取训练数据，所述训练数据包括特征识别模块、特征识别模块和智能学习模块所采集的训练样本数据和目标对象的标签信息，所述训练样本数据中的每个数据均包含所述目标对象对应的数据信息；
40.对所述训练数据进行预处理，得到所述训练样本数据的数据类型，所述数据类型包括图像数据、音频数据、文本数据中的一种；将所述训练数据上传至云端服务器，以使所述云端服务器基于所述数据类型确定机器学习算法，并使用上述机器学习算法对所述样本数据和所述标签信息进行训练，得到对象识别模型；
41.接收来自所述云端服务供应商的所述对象识别模型。
42.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
43.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。