用于使用器具数据和机器学习来感测水质或泄漏的系统的制作方法

本公开涉及一种用于经由使用来自器具的数据的机器学习模型来感测水质和/或泄漏的系统。

背景技术：

1、人们每天都使用室内管路。利用室内管路的家居用品和固定装置的示例包括热水箱、淋浴器、浴缸、马桶、清洗机、洗碗机，以及甚至现代冰箱。但是室内管路经常面临大灾难的风险。人们依靠他们家中的水质，但是依赖私人水井或单个服务提供商(例如，市政公用事业公司或城市供水和下水道委员会)来递送水。人们具有若干种用途的高压水，但是如果器具或管路泄漏，这可能造成灾难。漏水可能损坏其在家内接触到的几乎所有东西。

2、水质监视系统典型地使用昂贵的实验室测试(例如，由市政公用事业公司执行)或经常是不必要的全屋过滤系统。供水商在检测污染方面并不总是成功的。

3、漏水检测系统相当原始，但是典型地依赖于能够检测管路内水流性质的改变的传感器。

技术实现思路

1、在实施例中，提供了一种用于经由机器学习模型来监视家庭管路系统内的水质或泄漏的系统。所述系统包括可连接到管路系统以利用来自管路系统的水的多个器具，其中每个器具包括一个或多个传感器，所述一个或多个传感器被配置为输出关于由该器具所利用的水的性质的传感器数据，并且其中每个器具具有收发器，所述收发器被配置为将传感器数据递送到远程服务器。所述系统包括被配置为维护传感器数据的存储装置。所述系统包括与所述一个或多个传感器和存储装置通信的处理器，所述处理器被编程为：经由收发器接收第一传感器数据集，基于第一传感器数据集建立正常操作边界，接收第二传感器数据集，使用机器学习模型将第二传感器数据集分类成指示水的性质在正常操作边界之外的一个或多个标签，并且基于对指示水的性质在正常操作边界之外的第二传感器数据集的分类，经由所述机器学习模型生成输出信号，其中所述输出信号指示漏水或水质劣化的存在。

2、在实施例中，提供了一种包括指令的非暂时性计算机可读介质，当由处理器执行时，所述指令使处理器执行功能集，所述功能集包括：从一个或多个传感器接收关于由利用来自管路系统的水的一个或多个器具所利用的水的性质的第一传感器数据集；基于第一传感器数据集建立正常操作边界；从所述一个或多个传感器接收关于由所述一个或多个器具所利用的水的性质的第二传感器数据集；执行机器学习模型以将第二传感器数据集分类成指示水的性质在正常操作边界之外的一个或多个标签；以及基于指示水的性质在正常操作边界之外的第二传感器数据集的分类，经由机器学习模型生成输出信号，其中所述输出信号指示漏水或水质劣化的存在。

3、在实施例中，一种用于监视水质或漏水的系统包括多个器具，每个器具具有一个或多个传感器，所述一个或多个传感器被配置为输出关于由一个或多个器具所利用的水的性质的传感器数据。所述系统包括被配置为维护传感器数据的存储装置。所述系统包括与一个或多个传感器和存储装置通信的处理器，所述处理器被编程为：使用机器学习模型从一个或多个传感器接收第一传感器数据集，将第一传感器数据集分类成指示水的性质在所建立的边界内的一个或多个标签，基于所分类的第一传感器数据集利用机器学习模型更新所建立的边界，使用所述机器学习模型从所述一个或多个传感器接收第二传感器数据集，将第二传感器数据集分类成指示水的性质在所述更新的所建立的边界之外的一个或多个标签，并且基于对指示水的性质在所述更新的所建立的边界之外的第二传感器数据集的分类，生成与漏水或水质劣化的存在相关联的输出信号。

技术特征：

1.一种用于经由机器学习模型监视家庭管路系统内的水质或泄漏的系统，所述系统包括：

2.根据权利要求1所述的系统，其中所述多个器具包括跨多个家庭管路系统具有相同品牌和型号的器具组。

3.根据权利要求2所述的系统，其中所述第一传感器数据集和第二传感器数据集从具有相同品牌和型号的器具组导出，使得处理器被编程为基于第一传感器数据集建立正常操作边界，并且对来自具有相同品牌和型号的器具的第二传感器数据集进行分类。

4.根据权利要求1所述的系统，其中所述一个或多个标签包括正常操作的标签和异常操作的标签。

5.根据权利要求1所述的系统，其中所述一个或多个传感器包括压力传感器，并且水的性质是水压。

6.根据权利要求5所述的系统，其中响应于指示水压在正常操作边界之外的第二传感器数据集的分类，输出信号指示漏水的存在。

7.根据权利要求1所述的系统，其中所述一个或多个传感器包括ph传感器，并且水的性质是酸度。

8.根据权利要求7所述的系统，其中响应于指示酸度在正常操作边界之外的第二传感器数据集的分类，输出信号指示水质的劣化。

9.根据权利要求1所述的系统，其中所述输出信号被配置为关闭与第二传感器数据集相关联的器具之一，或者关闭与第二传感器数据集相关联的阀。

10.一种包括指令的非暂时性计算机可读介质，当由处理器执行时，所述指令使处理器执行功能集，所述功能集包括：

11.根据权利要求10所述的非暂时性计算机可读介质，其中所述一个或多个器具包括器具组，所述器具组跨多个家庭管路系统具有相同的品牌和型号。

12.根据权利要求11所述的非暂时性计算机可读介质，其中所述第一传感器数据集和第二传感器数据集从具有相同品牌和型号的器具组中导出，使得所述非暂时性计算机可读介质被配置为，当由处理器执行时，基于第一传感器数据集建立正常操作边界，并且对来自具有相同品牌和型号的器具的第二传感器数据集进行分类。

13.根据权利要求10所述的非暂时性计算机可读介质，其中所述一个或多个标签包括正常操作的标签和异常操作的标签。

14.根据权利要求10所述的非暂时性计算机可读介质，其中所述一个或多个传感器包括压力传感器，并且水的性质是水压。

15.根据权利要求14所述的非暂时性计算机可读介质，其中响应于指示水压在正常操作边界之外的第二传感器数据集的分类，输出信号指示漏水的存在。

16.根据权利要求10所述的非暂时性计算机可读介质，其中所述一个或多个传感器包括ph传感器，并且水的性质是酸度。

17.根据权利要求16所述的非暂时性计算机可读介质，其中响应于指示酸度在正常操作边界之外的第二传感器数据集的分类，输出信号指示水质的劣化。

18.根据权利要求10所述的非暂时性计算机可读介质，其中所述输出信号被配置为关闭与第二传感器数据集相关联的器具之一，或者关闭与第二传感器数据集相关联的阀。

19.一种用于监视水质或漏水的系统，所述系统包括：

20.根据权利要求19所述的系统，其中所述多个器具包括跨多个家庭管路系统具有相同品牌和型号的器具组，并且其中所述处理器被进一步编程为：

技术总结
提供了用于经由机器学习来监视家庭管路系统内的水质或泄漏的系统和方法。器具可以连接到管路系统，其中每个器具包括一个或多个传感器，所述一个或多个传感器被配置为输出关于由所述器具所利用的水的性质的传感器数据。处理器被编程为接收传感器数据并建立正常操作边界。然后，当接收到附加的传感器数据时，处理器使用机器学习来将所述传感器数据分类成在正常操作内或者在正常操作界限之外。如果传感器数据指示水的性质在界限之外，则可以生成输出信号来告知用户。

技术研发人员：M·科恩布鲁斯,C·图费尔,S·金,J·麦罗阿
受保护的技术使用者：罗伯特·博世有限公司
技术研发日：
技术公布日：2024/4/17