申请/专利权人：深圳市欧雷玛科技有限公司

申请日：2023-11-01

公开（公告）日：2024-06-21

公开（公告）号：CN117251073B

主分类号：G06F3/041

分类号：G06F3/041;G06F11/30;G06F18/22;G06F18/241;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.01.05#实质审查的生效;2023.12.19#公开

摘要：本发明公开了一种触摸屏的自动校准系统及其方法，其获取由温度传感器采集的预定时间段内多个预定时间点的环境温度值；获取由湿度传感器采集的所述多个预定时间点的环境湿度值；对所述多个预定时间点的环境温度值和所述多个预定时间点的环境湿度值进行数据结构化处理以得到环境温度时序输入向量和环境湿度时序输入向量；对所述环境温度时序输入向量和所述环境湿度时序输入向量进行环境温湿度参数联合分析以得到环境温度‑湿度多尺度时序关联特征矩阵；以及，基于所述环境温度‑湿度多尺度时序关联特征矩阵，确定是否输出校准指令。这样，可以利用智能算法来自动化地分析环境参数的时序变化特征，并判断何时需要执行触摸屏电容校准程序。

主权项：1.一种触摸屏的自动校准方法，其特征在于，包括：获取由温度传感器采集的预定时间段内多个预定时间点的环境温度值；获取由湿度传感器采集的所述多个预定时间点的环境湿度值；对所述多个预定时间点的环境温度值和所述多个预定时间点的环境湿度值进行数据结构化处理以得到环境温度时序输入向量和环境湿度时序输入向量；对所述环境温度时序输入向量和所述环境湿度时序输入向量进行环境温湿度参数联合分析以得到环境温度-湿度多尺度时序关联特征矩阵；以及基于所述环境温度-湿度多尺度时序关联特征矩阵，确定是否输出校准指令；其中，将所述环境温度-湿度多尺度时序关联特征矩阵通过十字交叉注意力模块以得到注意力增强环境温度-湿度多尺度时序关联特征矩阵，包括：将环境温度-湿度多尺度时序关联特征矩阵进行水平切分以得到多个水平切分特征向量；将环境温度-湿度多尺度时序关联特征矩阵进行垂直切分以得到多个垂直切分特征向量；计算所述多个水平切分特征向量中任意两个水平切分特征向量之间的余弦相似度以得到水平相似度矩阵；计算所述多个垂直切分特征向量中任意两个垂直切分特征向量之间的余弦相似度以得到垂直相似度矩阵；融合所述水平相似度矩阵与所述垂直相似度矩阵以得到融合相似度矩阵；对所述融合相似度矩阵进行非线性激活处理以得到权重矩阵；以及将所述权重矩阵作为权重，对所述环境温度-湿度多尺度时序关联特征矩阵进行加权处理以得到所述注意力增强环境温度-湿度多尺度时序关联特征矩阵；其中，还包括训练步骤：对具有多尺度一维卷积结构的环境温度多尺度时序特征提取器、具有多尺度一维卷积结构的环境湿度多尺度时序特征提取器、所述十字交叉注意力模块和分类器进行训练；其中，所述训练步骤，包括：获取训练数据，所述训练数据包括由温度传感器采集的预定时间段内多个预定时间点的训练环境温度值、由湿度传感器采集的所述多个预定时间点的训练环境湿度值，以及，是否输出校准指令的真实值；将所述多个预定时间点的训练环境温度值按照时间维度排列为训练环境温度时序输入向量；将所述多个预定时间点的训练环境湿度值按照时间维度排列为训练环境湿度时序输入向量；将所述训练环境温度时序输入向量通过所述具有多尺度一维卷积结构的环境温度多尺度时序特征提取器以得到训练环境温度多尺度时序特征向量；将所述训练环境湿度时序输入向量通过所述具有多尺度一维卷积结构的环境湿度多尺度时序特征提取器以得到训练环境湿度多尺度时序特征向量；计算所述训练环境温度多尺度时序特征向量和所述训练环境湿度多尺度时序特征向量之间的关联矩阵以得到训练环境温度-湿度多尺度时序关联特征矩阵；将所述训练环境温度-湿度多尺度时序关联特征矩阵通过所述十字交叉注意力模块以得到训练注意力增强环境温度-湿度多尺度时序关联特征矩阵；对所述训练注意力增强环境温度-湿度多尺度时序关联特征矩阵进行特征分布优化以得到优化注意力增强环境温度-湿度多尺度时序关联特征矩阵；将所述优化注意力增强环境温度-湿度多尺度时序关联特征矩阵通过分类损失函数值；以及以所述分类损失函数值来对所述具有多尺度一维卷积结构的环境温度多尺度时序特征提取器、所述具有多尺度一维卷积结构的环境湿度多尺度时序特征提取器、所述十字交叉注意力模块和所述分类器进行训练’其中，以如下优化公式对所述训练注意力增强环境温度-湿度多尺度时序关联特征矩阵展开后得到的训练注意力增强环境温度-湿度多尺度时序关联特征向量进行基于维度表征和反演式恢复的特征精度对齐；其中，所述优化公式为： 其中，V是所述训练注意力增强环境温度-湿度多尺度时序关联特征矩阵展开后得到的训练注意力增强环境温度-湿度多尺度时序关联特征向量，vi是所述训练注意力增强环境温度-湿度多尺度时序关联特征向量V的第i个位置的特征值，||V||0表示所述训练注意力增强环境温度-湿度多尺度时序关联特征向量V的零范数，L是所述训练注意力增强环境温度-湿度多尺度时序关联特征向量V的长度，且α是权重超参数，v'i是优化注意力增强环境温度-湿度多尺度时序关联特征矩阵展开后得到的优化注意力增强环境温度-湿度多尺度时序关联特征向量的第i个位置的特征值。

全文数据：

权利要求：

百度查询： 深圳市欧雷玛科技有限公司 触摸屏的自动校准系统及其方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD