一种模糊香度自适应修正的扩香系统及软件实现方法与流程

1.本发明涉及气体扩散装置技术领域，更具体地，涉及一种模糊香度自适应修正的扩香系统及软件实现方法。


背景技术：

2.扩香系统是一种通过加热或超生命振荡的方式将液体的香薰液或经由转换为气舞态，并通过高压气体泵送到周围空气中提供给人们呼吸使用，由此可以达到加速新陈代谢，提高人体的对环境的好感度的作用。
3.但是，现有市面上的扩香设备均是根据预设的香度进行气体雾态香气量的控制的。而实际使用过程中，不同房间，不同的场地，不同用户对于香气的需求度不同，传统的方式很难进行自适应的调整，而对于使用过程中的客户而言，很难快速的感知到当前的香度是否是适合自己的，导致常常出现熏香过多或过少，反复多次调整的情况。


技术实现要素：

4.鉴于上述问题，本发明提出了一种模糊香度自适应修正的扩香系统及软件实现方法，通过香度采集，结合香度的自适应的调整实现对于客户信息的快速掌握并实现整个场景下的香度的准确设置。具体的，进行了香度的采集，通过香度采集获得当前的已有香料量水平，进而根据自适应的学习获得初始的香料量，并完成两次自适应条，生成香料量，最终基于已有的香料量水平自适应的调整，获得一个模糊的香度修正，生成最终香度，适应不同房间、不同场地、不同用户的香气需求，自适应调整香度。
5.根据本发明实施例第一方面，提供一种模糊香度自适应修正的扩香系统。
6.在一个或多个实施例中，优选地，所述一种模糊香度自适应修正的扩香系统包括：
7.香度采集子模块，用于获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平；
8.场景提取子模块，用于通过红外检测传感器进行场景体积计算，并存储；
9.模拟场景子模块，用于通过当前的模拟场景体积和所述场景体积进行香料比例计算；
10.预设香度反馈子模块，用于通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型；
11.香度自适应调整子模块，用于根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分；
12.预设香度生成子模块，用于根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整。
13.在一个或多个实施例中，优选地，所述获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平，具体包括：
14.通过低位节点的气味传感器、中位节点气味传感器和高位节点气味传感器进行被
测场所的气体感应；
15.生成低位气味信息、中位气味信息和高位气味信息；
16.利用第一计算公式获得综合香度；
17.获取低位气味信息、中位气味信息和高位气味信息首次超过预设香度的时间；
18.利用第二计算公式获得当前香度发生速度；
19.根据所述综合香度和所述当前香味发生速度查询预设香料信息表格获得已有香料量水平；
20.所述第一计算公式为：
21.a＝0.1x1 0.7x2 0.2x322.其中，a为所述综合香度，x1为所述低位气味信息，x2为所述中位气味信息，x3为所述高位气味信息；
23.所述第二计算公式为：
24.v＝t(x1》y) t(x2》y) t(x3》y)
25.其中，v为所述当前香度发生速度，t(x1》y)为低位气味信息首次超过预设香度的时间，t(x2》y)为中位气味信息首次超过预设香度的时间，t(x3》y)为高位气味信息首次超过预设香度的时间。
26.在一个或多个实施例中，优选地，所述通过红外检测传感器进行场景体积计算，并存储，具体包括：
27.向红外检测传感器发出检测命令，生成场景高度、场景宽度和场景长度；
28.利用第三计算公式计算所述场景体积；
29.将所述场景体积发送至香度体积存储器，进行存储；
30.所述第三计算公式为：
31.s1＝h*l*w
32.其中，s1为所述场景体积，h为所述场景高度，w为所述场景宽度，l为所述场景长度。
33.在一个或多个实施例中，优选地，所述通过当前的模拟场景体积和所述场景体积进行香料比例计算，具体包括：
34.获得当前的模拟场景体积；
35.获得当前的场景体积；
36.利用第四计算公式计算所述香料比例；
37.所述第四计算公式为：
38.tk＝s2/s139.其中，tk为所述香料比例，s2为所述模拟场景体积。
40.在一个或多个实施例中，优选地，所述通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型，具体包括：
41.通过网络爬取，分类获得各个性别、年龄、香料的香度数据和香味发生速度；
42.将所述年龄、所述性别、所述香度数据和所述香味发生速度生成数据表，作为训练集数据；
43.获取所述训练集数据，根据第五计算公式进行当前的香度数据估计，获得香度数
据估计值；
44.获取所述训练集数据，根据第六计算公式进行当前香度发生速度的数据估计，获得香度发生速度数据估计值；
45.利用第七计算公式获得最小化学习差别对应的目标香度系数和目标时间系数；
46.生成并保存时间模型和香度模型；
47.所述第五计算公式为：
48.d1＝k1n1 k2n2 k1n
12
k2n
22
49.其中，d1为所述香度数据估计值，n1为所述年龄，n2为所述性别，k1为第一香度系数，k2为第二香度系数，具体的，男性对应n2为1，女性对应n2为2；
50.所述第六计算公式为：
51.d2＝k3n1 k4n2 k3n
12
k4n
22
52.其中，d2为所述香度发生速度数据估计值，k3为第一时间系数，k4为第二时间系数；
53.所述第七计算公式为：
54.(kd1、kd2、kd3、kd4)＝argminσ[(d
1i-d
1i
)2 (d
2i-d
2i
)2]
[0055]
其中，argminσ[(d
1i-d
1i
)2 (d
2i-d
2i
)2]为σ[(d
1i-d
1i
)2 (d
2i-d
2i
)2]取最小值时的对应的系数，d
1i
为第i个香度数据，d
2i
为第i个香味发生速度，d
1i
为第i个香度数据估计值，d
2i
为第i个香度发生速度数据估计值，kd1、kd2、kd3、kd4依次分别为第一目标香度系数、第二目标香度系数、第一目标时间系数、第二目标时间系数；
[0056]
所述时间模型为：
[0057]
dm1＝kd1n1 kd2n2 kd1n
12
kd2n
22
[0058]
其中，dm1为目标香度数据估计值；
[0059]
所述香度模型为：
[0060]
dm2＝kd3n1 kd4n2 kd3n
12
kd4n
22
[0061]
其中，dm2为目标香度发生速度数据估计值。
[0062]
在一个或多个实施例中，优选地，所述根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分，具体包括：
[0063]
根据客户的信息进行当前的所述时间模型和所述香度模型计算香度数据与香味发生速度，通过所述香度数据与所述香味发生速度查询预先设定的香料表获得对应的初始香料量；
[0064]
根据所述初始香料量和所述香料比例，进行模拟香料数量计算，生成为所述第一香料量；
[0065]
在模拟场景内放入所述第一香料量的香料，由客户进行香度打分，生成所述第一打分，其中，所述第一打分为-10与10之间的整数。
[0066]
在一个或多个实施例中，优选地，所述根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整，具体包括：
[0067]
根据所述第一打分，利用第八计算公式获得第二香料量；
[0068]
在模拟场景内放入所述第二香料量的香料，由客户进行香度打分，生成所述第二打分，其中，所述第二打分为-10与10之间的整数；
[0069]
利用第九计算公式进行所述目标香料量的计算；
[0070]
根据所述目标香料量，并通过风机和超声使得气体快速均匀扩散；
[0071]
所述第八计算公式为：
[0072]
xl2＝xl1*(1-0.1*f1)
[0073]
其中，f1为所述第一打分，xl2为所述第二香料量，xl1为所述第一香料量；
[0074]
所述第九计算公式为：
[0075]
xlm＝(0.5xl1 0.5xl2)*[1-0.1(0.5f1 0.5f2)]/t
k-yy
[0076]
其中，xlm为所述目标香料量，f2为所述第二打分，yy为所述已有香料量水平。
[0077]
根据本发明实施例第二方面，提供一种模糊香度自适应修正的扩香软件实现方法。
[0078]
在一个或多个实施例中，优选地，所述一种模糊香度自适应修正的扩香软件实现方法包括：
[0079]
获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平；
[0080]
通过红外检测传感器进行场景体积计算，并存储；
[0081]
通过当前的模拟场景体积和所述场景体积进行香料比例计算；
[0082]
通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型；
[0083]
根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分；
[0084]
根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整。
[0085]
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
[0086]
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的步骤。
[0087]
本发明的实施例提供的技术方案可以包括以下有益效果：
[0088]
1)本发明实施例中，通过香度采集获得了一个实际上均衡的香度的量侧值，量化了一个场景下的香度；
[0089]
2)本发明实施例中，通过香度的场景的模拟实现在扩香前对客户的评价的提前掌握；
[0090]
3)本发明实施例中，通过香度的客户习惯的学习自适应的调整香度到一种预设的感觉水平，实现对于整个场景下的香度的快速的预设调节，使得客户不用自己进行手动调节，单一通过感觉，进行自适应的调整。
[0091]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0092]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0093]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0094]
图1是本发明一个实施例的一种模糊香度自适应修正的扩香系统的结构图。
[0095]
图2是本发明一个实施例的一种模糊香度自适应修正的扩香系统中的获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平的流程图。
[0096]
图3是本发明一个实施例的一种模糊香度自适应修正的扩香系统中的通过红外检测传感器进行场景体积计算，并存储的流程图。
[0097]
图4是本发明一个实施例的一种模糊香度自适应修正的扩香系统中的通过当前的模拟场景体积和所述场景体积进行香料比例计算的流程图。
[0098]
图5是本发明一个实施例的一种模糊香度自适应修正的扩香系统中的通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型的流程图。
[0099]
图6是本发明一个实施例的一种模糊香度自适应修正的扩香系统中的根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分的流程图。
[0100]
图7是本发明一个实施例的一种模糊香度自适应修正的扩香系统中的根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整的流程图。
[0101]
图8是本发明一个实施例的一种模糊香度自适应修正的扩香软件实现方法的流程图。
[0102]
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
[0103]
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
[0104]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域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例，都属于本发明保护的范围。
[0105]
扩香系统是一种通过加热或超生命振荡的方式将液体的香薰液或经由转换为气舞态，并通过高压气体泵送到周围空气中提供给人们呼吸使用，由此可以达到加速新陈代
谢，提高人体的对环境的好感度的作用。
[0106]
但是，现有市面上的扩香设备均是根据预设的香度进行气体雾态香气量的控制的。而实际使用过程中，不同房间，不同的场地，不同用户对于香气的需求度不同，传统的方式很难进行自适应的调整，而对于使用过程中的客户而言，很难快速的感知到当前的香度是否是适合自己的，导致常常出现熏香过多或过少，反复多次调整的情况。
[0107]
本发明实施例中，提供了一种模糊香度自适应修正的扩香系统及软件实现方法。该方案通过香度采集，结合香度的自适应的调整实现对于客户信息的快速掌握并实现整个场景下的香度的准确设置。具体的，进行了香度的采集，通过香度采集获得当前的已有香料量水平，进而根据自适应的学习获得初始的香料量，并完成两次自适应条，生成香料量，最终基于已有的香料量水平自适应的调整，获得一个模糊的香度修正，生成最终香度，适应不同房间、不同场地、不同用户的香气需求，自适应调整香度。
[0108]
根据本发明实施例第一方面，提供一种模糊香度自适应修正的扩香系统。
[0109]
如图1所示，在一个或多个实施例中，优选地，所述一种模糊香度自适应修正的扩香系统包括：
[0110]
香度采集子模块101，用于获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平；
[0111]
场景提取子模块102，用于通过红外检测传感器进行场景体积计算，并存储；
[0112]
模拟场景子模块103，用于通过当前的模拟场景体积和所述场景体积进行香料比例计算；
[0113]
预设香度反馈子模块104，用于通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型；
[0114]
香度自适应调整子模块105，用于根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分；
[0115]
预设香度生成子模块106，用于根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整。
[0116]
在本发明实施例中，通过对于香度的采集，通过多个节点的香度实现模糊化的香度量化，最终生成的香度将会完成自适应的调整，但是实际生成的香度仍然是一个模糊的自适应，因为存在用户难以准确量化个人感受的问题，但是仍然可以产生一定程度的自适应调整。
[0117]
如图2所示，在一个或多个实施例中，优选地，所述获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平，具体包括：
[0118]
s201、通过低位节点的气味传感器、中位节点气味传感器和高位节点气味传感器进行被测场所的气体感应；
[0119]
s202、生成低位气味信息、中位气味信息和高位气味信息；
[0120]
s203、利用第一计算公式获得综合香度；
[0121]
s204、获取低位气味信息、中位气味信息和高位气味信息首次超过预设香度的时间；
[0122]
s205、利用第二计算公式获得当前香度发生速度；
[0123]
s206、根据所述综合香度和所述当前香味发生速度查询预设香料信息表格获得已
有香料量水平；
[0124]
所述第一计算公式为：
[0125]
a＝0.1x1 0.7x2 0.2x3[0126]
其中，a为所述综合香度，x1为所述低位气味信息，x2为所述中位气味信息，x3为所述高位气味信息；
[0127]
所述第二计算公式为：
[0128]
v＝t(x1》y) t(x2》y) t(x3》y)
[0129]
其中，v为所述当前香度发生速度，t(x1》y)为低位气味信息首次超过预设香度的时间，t(x2》y)为中位气味信息首次超过预设香度的时间，t(x3》y)为高位气味信息首次超过预设香度的时间。
[0130]
具体的，在调整香度过程中，首先需要获取当前的相对水平，这个香度水平不能直接获得香料的数量，因此只能通过测量的结果进行查表获得。所查询的表格实际上是由用户预先设定的。
[0131]
在本发明实施例中，进行综合的香度量化，避免由于单个节点香度不准造成的香度调节错误问题。具体的，执行过程中，提取了首次的香度出现时间，香度峰值两个数值的平均值。
[0132]
如图3所示，在一个或多个实施例中，优选地，所述通过红外检测传感器进行场景体积计算，并存储，具体包括：
[0133]
s301、向红外检测传感器发出检测命令，生成场景高度、场景宽度和场景长度；
[0134]
s302、利用第三计算公式计算所述场景体积；
[0135]
s303、将所述场景体积发送至香度体积存储器，进行存储；
[0136]
所述第三计算公式为：
[0137]
s1＝h*l*w
[0138]
其中，s1为所述场景体积，h为所述场景高度，w为所述场景宽度，l为所述场景长度。
[0139]
在本发明实施例中，通过红外，快速获取当前所在区域的大小、湿度、温度信息，进而形成当前的对应调节香度的场景。
[0140]
如图4所示，在一个或多个实施例中，优选地，所述通过当前的模拟场景体积和所述场景体积进行香料比例计算，具体包括：
[0141]
s401、获得当前的模拟场景体积；
[0142]
s402、获得当前的场景体积；
[0143]
s403、利用第四计算公式计算所述香料比例；
[0144]
所述第四计算公式为：
[0145]
tk＝s2/s1[0146]
其中，tk为所述香料比例，s2为所述模拟场景体积。
[0147]
在本发明实施例中，根据模糊自适应调节，在场景模拟模块中生成对应的温度、湿度，形成对应的环境，并将对应的环境下的体积反馈给扩香机。最终，这个环境将会按照预先设置好的一个模拟场景进行体积对比，获得在模拟场景下应该采用多少香料来模拟实际的当前的场景体积的所需的香料量的对应效果。
[0148]
如图5所示，在一个或多个实施例中，优选地，所述通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型，具体包括：
[0149]
s501、通过网络爬取，分类获得各个性别、年龄、香料的香度数据和香味发生速度；
[0150]
s502、将所述年龄、所述性别、所述香度数据和所述香味发生速度生成数据表，作为训练集数据；
[0151]
s503、获取所述训练集数据，根据第五计算公式进行当前的香度数据估计，获得香度数据估计值；
[0152]
s504、获取所述训练集数据，根据第六计算公式进行当前香度发生速度的数据估计，获得香度发生速度数据估计值；
[0153]
s505、利用第七计算公式获得最小化学习差别对应的目标香度系数和目标时间系数；
[0154]
s506、生成并保存时间模型和香度模型；
[0155]
所述第五计算公式为：
[0156]
d1＝k1n1 k2n2 k1n
12
k2n
22
[0157]
其中，d1为所述香度数据估计值，n1为所述年龄，n2为所述性别，k1为第一香度系数，k2为第二香度系数，具体的，男性对应n2为1，女性对应n2为2；
[0158]
所述第六计算公式为：
[0159]
d2＝k3n1 k4n2 k3n
12
k4n
22
[0160]
其中，d2为所述香度发生速度数据估计值，k3为第一时间系数，k4为第二时间系数；
[0161]
所述第七计算公式为：
[0162]
(kd1、kd2、kd3、kd4)＝argminσ[(d
1i-d
1i
)2 (d
2i-d
2i
)2]
[0163]
其中，argminσ[(d
1i-d
1i
)2 (d
2i-d
2i
)2]为σ[(d
1i-d
1i
)2 (d
2i-d
2i
)2]取最小值时的对应的系数，d
1i
为第i个香度数据，d
2i
为第i个香味发生速度，d
1i
为第i个香度数据估计值，d
2i
为第i个香度发生速度数据估计值，kd1、kd2、kd3、kd4依次分别为第一目标香度系数、第二目标香度系数、第一目标时间系数、第二目标时间系数；
[0164]
所述时间模型为：
[0165]
dm1＝kd1n1 kd2n2 kd1n
12
kd2n
22
[0166]
其中，dm1为目标香度数据估计值；
[0167]
所述香度模型为：
[0168]
dm2＝kd3n1 kd4n2 kd3n
12
kd4n
22
[0169]
其中，dm2为目标香度发生速度数据估计值。
[0170]
在本发明实施例中，扩香机在收到体积后，根据当前客户的信息进行自适应的调整，生成一个预设香度，这个预设香度是通过大数据挖掘获得的一个标准数据，在对应的香池内向客户展示。
[0171]
如图6所示，在一个或多个实施例中，优选地，所述根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分，具体包括：
[0172]
s601、根据客户的信息进行当前的所述时间模型和所述香度模型计算香度数据与香味发生速度，通过所述香度数据与所述香味发生速度查询预先设定的香料表获得对应的初始香料量；
[0173]
s602、根据所述初始香料量和所述香料比例，进行模拟香料数量计算，生成为所述第一香料量；
[0174]
s603、在模拟场景内放入所述第一香料量的香料，由客户进行香度打分，生成所述第一打分，其中，所述第一打分为-10与10之间的整数。
[0175]
在本发明实施例中，客户根据当前香度进行打分，获取当前自适应香度的分值和是过香还是过淡，进而通过公式进行定量调整。
[0176]
如图7所示，在一个或多个实施例中，优选地，所述根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整，具体包括：
[0177]
s701、根据所述第一打分，利用第八计算公式获得第二香料量；
[0178]
s702、在模拟场景内放入所述第二香料量的香料，由客户进行香度打分，生成所述第二打分，其中，所述第二打分为-10与10之间的整数；
[0179]
s703、利用第九计算公式进行所述目标香料量的计算；
[0180]
s704、根据所述目标香料量，并通过风机和超声使得气体快速均匀扩散；所述第八计算公式为：
[0181]
xl2＝xl1*(1-0.1*f1)
[0182]
其中，f1为所述第一打分，xl2为所述第二香料量，xl1为所述第一香料量；
[0183]
所述第九计算公式为：
[0184]
xlm＝(0.5xl1 0.5xl2)*[1-0.1(0.5f1 0.5f2)]/t
k-yy
[0185]
其中，xlm为所述目标香料量，f2为所述第二打分，yy为所述已有香料量水平。
[0186]
在本发明实施例中，客户进行二次打分，根据打分进行第二次调整，利用第二计算公式获得最终客户预设香度，并在整个场所内直接放出对应香度的气体，通过风机和超声波振动快速使得气体扩散均匀。
[0187]
根据本发明实施例第二方面，提供一种模糊香度自适应修正的扩香软件实现方法。
[0188]
如图8所示，在一个或多个实施例中，优选地，所述一种模糊香度自适应修正的扩香软件实现方法包括：
[0189]
s801、获取气味传感器的采集信息，进行综合香度和当前香味发生速度计算，通过查询预设表格获得已有香料量水平；
[0190]
s802、通过红外检测传感器进行场景体积计算，并存储；
[0191]
s803、通过当前的模拟场景体积和所述场景体积进行香料比例计算；
[0192]
s804、通过网络爬取进行年龄、性别、香度数据和香味发生速度的提取，进而利用机器学习获得时间模型和香度模型；
[0193]
s805、根据所述时间模型和所述香度模型进行香料量计算，并给出模拟场景内放置的第一香料量及对应的第一打分；
[0194]
s806、根据所述第一香料量和所述第一打分，计算第二香料量，并获得第二打分，进而获得目标香料量，并进行香度调整。
[0195]
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所
述的方法。
[0196]
根据本发明实施例第四方面，提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用香度自适应修正装置，其包括通用的计算机硬件结构，其至少包括处理器901和存储器902。处理器901和存储器902通过总线903连接。存储器902适于存储处理器901可执行的指令或程序。处理器901可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器901通过执行存储器902所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线903将上述多个组件连接在一起，同时将上述组件连接到显示控制器904和显示装置以及输入/输出(i/o)装置905。输入/输出(i/o)装置905可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置905通过输入/输出(i/o)控制器906与系统相连。
[0197]
本发明的实施例提供的技术方案可以包括以下有益效果：
[0198]
1)本发明实施例中，通过香度采集获得了一个实际上均衡的香度的量侧值，量化了一个场景下的香度；
[0199]
2)本发明实施例中，通过香度的场景的模拟实现在扩香前对客户的评价的提前掌握；
[0200]
3)本发明实施例中，通过香度的客户习惯的学习自适应的调整香度到一种预设的感觉水平，实现对于整个场景下的香度的快速的预设调节，使得客户不用自己进行手动调节，单一通过感觉，进行自适应的调整。
[0201]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0202]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0203]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0204]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0205]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精
神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。