一种环境温度控制方法及装置与流程

本发明涉及人工智能领域，尤其涉及一种环境温度控制方法及装置。

背景技术：

随着社会的不断发展，科技越来越多的被应用到人们的日常生活当中，为人们提供了很多的便利性。经研究发现，人体处于温度在24℃～26℃的环境中时，最为适合用户的睡眠。

现有技术当中空调通常按照用户设定的某一温度进行运行，为用户睡眠时提供相对稳定的环境温度。然而，人体在睡眠中的不同阶段所需最适合的环境温度不是恒定的，有研究发现，人在入睡阶段的最佳环境温度与进入深度睡眠后的最佳环境温度具有一定差距，当环境温度偏离用户睡眠过程中各阶段的最佳环境温度时，会降低用户的睡眠质量。

技术实现要素：

为了解决上述技术问题或者至少部分地解决上述技术问题，本发明提供了一种环境温度控制方法及装置，能实时判断用户当前所处的睡眠阶段，并根据用户所处的睡眠阶段实时调节环境温度。

第一方面，本发明提供了一种环境温度控制方法，包括：

实时获取用户睡眠状态信息；所述睡眠状态信息包括当前时刻的前一时刻到当前时刻的翻身次数；

将所述睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段；

在检测到用户当前处于入睡阶段时，控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；

在检测到用户当前处于深度睡眠阶段时，控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。

可选地，所述第一预设模型的训练方法包括：

获取用户的历史睡眠数据；所述历史睡眠数据包括用户在睡眠过程中每一时间段对应的翻身次数及环境温度；所述每一时间段的时间长度等于相邻两个时刻的时长；

根据每一时间段对应的翻身次数对每一时间段标记上阶段标签，得到含有阶段标签的时间段数据；所述阶段标签为入睡阶段标签或者深度睡眠阶段标签；

将所述含有样本标签的时间段数据输入到cnn(convolutionalneuralnetwork，卷积神经网)网络模型中进行训练，得到所述第一预设模型。

可选地，所述获取用户的历史睡眠数据，包括：

获取用户的原始睡眠数据；所述原始睡眠数据包括不同环境温度下用户在睡眠过程中翻身次数随睡眠时间的变化数据；

将所述原始睡眠数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型作为用户的历史睡眠数据，或将所述原始睡眠数据中环境温度符合预设温度范围的数据作为用户的历史睡眠数据，或将所述原始数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型且环境温度符合预设温度范围的数据作为用户的历史睡眠数据。

可选地，所述在检测到用户当前处于入睡阶段时，控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度，具体为：

在检测到用户当前处于入睡阶段时，将所述睡眠状态信息输入到第二预设模型中，得到所述用户在入睡阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；

和/或所述在检测到用户当前处于深度睡眠阶段时，控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度，具体为：

在检测到用户当前处于深度睡眠阶段时，将所述睡眠状态信息输入到第三预设模型中，得到所述用户在深度睡眠阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度；

其中，所述第二预设模型是根据所述历史睡眠数据中入睡阶段的数据训练出来的，所述第三预设模型是根据所述历史睡眠数据中深度睡眠阶段的数据训练出来的。

可选地，所述第二预设模型/第三预设模型的训练方法包括：

从所述历史睡眠数据中获取入睡阶段数据/深度睡眠阶段数据，得到历史入睡阶段数据/历史深度睡眠阶段数据；

根据每一时间段对应的翻身次数对历史入睡阶段数据/历史深度睡眠阶段数据进行筛选，并将历史入睡阶段数据中翻身次数少于第一阈值的每一时间段/将历史深度睡眠阶段中翻身次数少于第二阈值的每一时间段标记上温度标签，得到含有温度标签的入睡阶段时间段数据/含有温度标签的深度睡眠阶段时间段数据；

将所述含有温度标签的入睡阶段时间段数据/含有温度标签的深度睡眠阶段时间段数据输入到lstm(longshort-termmemory，长短时循环神经网络)网络模型进行训练，得到所述第二预设模型/第三预设模型。

第二方面，本发明提供了一种环境温度控制装置，包括：

获取单元，用于实时获取用户睡眠状态信息；所述睡眠状态信息包括当前时刻的前一时刻到当前时刻的翻身次数；

检测单元，用于将所述睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段；

第一控制单元，用于在检测到用户当前处于入睡阶段时，控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；

第二控制单元，用于在检测到用户当前处于深度睡眠阶段时，控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。

可选地，其特征在于，所述装置还包括用于训练所述第一预设模型的第一训练单元，所述第一训练单元包括：

第一数据获取子单元：用于获取用户的历史睡眠数据；所述历史睡眠数据包括用户在睡眠过程中每一时间段对应的翻身次数及环境温度；所述每一时间段的时长等于相邻两个时刻的时长；

第一标记子单元：用于根据每一时间段对应的翻身次数对每一时间段标记上阶段标签，得到含有阶段标签的时间段数据；所述阶段标签为入睡阶段标签或者深度睡眠阶段标签；

第一数据输入子单元：用于将所述含有样本标签的时间段数据输入到cnn网络模型中进行训练，得到所述第一预设模型。

可选地，所述获取单元包括：

第二数据获取子单元：用于获取用户的原始睡眠数据；所述原始睡眠数据包括不同环境温度下用户在睡眠过程中翻身次数随睡眠时间的变化数据；

第一数据处理子单元：用于将所述原始睡眠数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型作为用户的历史睡眠数据，或将所述原始睡眠数据中环境温度符合预设温度范围的数据作为用户的历史睡眠数据，或将所述原始数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型且环境温度符合预设温度范围的数据作为用户的历史睡眠数据。

可选地，所述第一控制单元具体用于：

在检测到用户当前处于入睡阶段时，将所述睡眠状态信息输入到第二预设模型中，得到所述用户在入睡阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；

和/或所述第二控制单元具体用于：

在检测到用户当前处于深度睡眠阶段时，将所述睡眠状态信息输入到第三预设模型中，得到所述用户在深度睡眠阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度；

其中，所述第二预设模型是根据所述历史睡眠数据中入睡阶段的数据训练出来的，所述第三预设模型是根据所述历史睡眠数据中深度睡眠阶段的数据训练出来的。

可选地，所述装置还包括用于训练所述第二预设模型的第二训练单元/用于训练所述第三预设模型的第三训练单元，所述第二训练单元包括：

第三数据获取子单元：用于从所述历史睡眠数据中获取入睡阶段数据，得到历史入睡阶段数据；

第二数据处理子单元：用于根据每一时间段对应的翻身次数对历史入睡阶段数据/历史深度睡眠阶段数据进行筛选，并将历史入睡阶段数据中翻身次数少于第一阈值的每一时间段标记上温度标签，得到含有温度标签的入睡阶段时间段数据/含有温度标签的深度睡眠阶段时间段数据；

第二数据输入子单元：用于将所述含有温度标签的入睡阶段时间段数据输入到lstm网络模型进行训练，得到所述第二预设模型；

所述第二训练单元包括：

第四数据获取子单元：用于从所述历史睡眠数据中获取深度睡眠阶段数据，得到历史入睡阶段数据/历史深度睡眠阶段数据；

第三数据处理子单元：用于根据每一时间段对应的翻身次数对历史入睡阶段数据/历史深度睡眠阶段数据进行筛选，并将历史深度睡眠阶段中翻身次数少于第二阈值的每一时间段标记上温度标签，得到含有温度标签的深度睡眠阶段时间段数据；

第三数据输入子单元：用于将所述含有温度标签的深度睡眠阶段时间段数据输入到lstm网络模型进行训练，得到所述第三预设模型。本发明实施例提供的上述技术方案与现有技术相比具有如下优点：

本发明实施例提供的环境温度控制方法及装置，通过实时获取用户的睡眠状态信息，该睡眠状态信息包括当前时刻的前一时刻到当前时刻的翻身次数，并将该睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段。如果用户当前处于入睡阶段时，需要控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；如果当前处于深度睡眠阶段时，需要控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。这样通过检测用户当前所处的睡眠阶段，可以为用户提供与当前阶段所对应的最佳环境温度，可以在很大程度上提高用户的睡眠质量。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种环境温度控制方法流程；

图2为本发明实施例提供的第一预设模型的训练方法流程；

图3为图2中步骤s111的流程图；

图4为本发明实施例提供的一种环境温度控制装置示意图；

图5为本发明实施例提供中第一训练单元的示意图；

图6为图1中获取单元的示意图；

图7为本发明实施例提供中第二训练单元的示意图；

图8为本发明实施例提供中第三训练单元的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的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。

图1为本发明实施例提供的一种环境温度控制方法流程示意图；

如图1所示，本发明提供的环境温度控制方法，可以包括如下步骤：

步骤s110，实时获取用户睡眠状态信息。

其中，该睡眠状态信息包括当前时刻的前一时刻到当前时刻的翻身次数。

本发明实施例中可以通过在床垫上设置传感器，比如通过在床垫上设置压力传感器，与该压力传感器通信连接的处理器可以获取该压力传感器发送的压力参数，通过处理器根据接收到的压力参数可以统计用户在设定的单位时长内的翻身次数，还可以统计出用户的睡眠时长等。为清楚说明本发明实施例，现作举例说明：设定相邻两个时刻的时长为0.25小时，若当前时刻为3时，则当前时刻的前一时刻到当前时刻的翻身次数是指2时45分到3时的翻身次数。

步骤s120，将睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段。

第一预设模型可以通过用户已有的睡眠状态信息训练得到的模型，将用户在当前时刻的前一时刻到当前时刻的翻身次数输入到该第一预设模型中，能够预测出用户当前所处的睡眠阶段是在入睡阶段，还是处于深度睡眠阶段。

步骤s130，在检测到用户当前处于入睡阶段时，控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度。

步骤s140，在检测到用户当前处于深度睡眠阶段时，控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。

由于人体在入睡阶段和在深度睡眠阶段分别所需的最佳环境温度是不同，因此，本发明实施例可以根据用户当前的睡眠阶段，为用户提供与其睡眠阶段相对应的最佳环境温度，以提高用户的睡眠质量。

本发明实施例提供的环境温度控制方法，通过实时获取用户的睡眠状态信息，该睡眠状态信息包括当前时刻的前一时刻到当前时刻的翻身次数，并将该睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段。如果用户当前处于入睡阶段时，需要控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；如果当前处于深度睡眠阶段时，需要控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。这样通过检测用户当前所处的睡眠阶段，可以为用户提供与当前阶段所对应的最佳环境温度，可以在很大程度上提高用户的睡眠质量。

结合上述实施例，为了详述第一预设模型的训练过程，在本发明提供的又一实施例中，如图2所示，第一预设模型的训练方法具体包括以下步骤：

步骤s111，获取用户的历史睡眠数据。

其中，该历史睡眠数据包括用户在睡眠过程中每一时间段对应的翻身次数及环境温度，该每一时间段的时长等于相邻两个时刻的时长。

在本实施例中，将用户的睡眠过程根据预设的单位时长划分成若干个时间段，每一时间段的长度等于相邻两个时刻的时长，每一时间段对应该时间段内的翻身次数及环境温度。

本发明实施例中，可以获取用户在一段时间内的历史睡眠数据，例如一个月等，由于受限于四季温度的变化，受到各地气候的影响，可以根据具体的情况来获取多长时间内用户的历史睡眠数据，如果该用户所处环境温度比较稳定，该时间段可以较长，如果该用户所处环境温度变化较大，那么该时间段可以稍短，具体可以根据需要调整。

另外，具体可以通过设置在床垫上的压力传感器来检测用户的翻身次数，可以通过设置在用户室内的温度计来获取用户所处的环境温度。

步骤s112，根据每一时间段对应的翻身次数对每一时间段标记上阶段标签，得到含有阶段标签的时间段数据。

其中，该阶段标签为入睡阶段标签或者深度睡眠阶段标签。

步骤s113，将含有样本标签的时间段数据输入到cnn网络模型中进行训练，得到第一预设模型。

本发明实施例中，以睡眠过程中每一时间段为训练样本，以睡眠阶段作为标签，通过cnn网络模型进行训练，得到根据睡眠状态信息判断用户所处睡眠阶段的第一预设模型。由于用户在处于入睡阶段比深度睡眠阶段翻身次数更多，通过统计用户的历史睡眠数据中不同时间段的翻身次数，根据每一时间段的翻身次数多少标记上阶段标签，并设定每一时间段的时长等于相邻两个时刻的时长，以实现通过训练出来的第一预设模型能判断用户当前所处的睡眠阶段的效果。

为了进一步详细阐述上述实施例中如何获取用户的历史睡眠数据，在本发明提供的又一实施例中，如图3所示，步骤s111具体还可以包括以下步骤：

步骤s11，获取用户的原始睡眠数据。

本发明实施例中的原始睡眠数据可以包括不同环境温度下用户在睡眠过程中翻身次数随睡眠时间的变化数据。

本发明实施例中用户的原始睡眠数据，包括多次在不同环境温度下翻身次数随睡眠时间的变化记录，一次翻身次数随睡眠时间的变化记录代表用户在对应的环境温度下经历一次睡眠的睡眠质量。示例性的，从22℃到30℃之间的每一摄氏度都有对应的多次变化记录等。

步骤s12，将原始睡眠数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型或将原始睡眠数据中环境温度符合预设温度范围的数据作为用户的历史睡眠数据，或将所述原始数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型且环境温度符合预设温度范围的数据作为用户的历史睡眠数据。

本发明提供的该实施例可以包括三种情况，即将原始睡眠数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型作为用户的历史睡眠数据；或者，将原始睡眠数据中环境温度符合预设温度范围的数据作为用户的历史睡眠数据；或者，将原始数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型且环境温度符合预设温度范围的数据作为用户的历史睡眠数据。这样通过从用户的原始睡眠数据中基于翻身次数或环境温度筛选出符合要求的用户的历史睡眠数据，能排除如失眠等非正常睡眠过程的睡眠数据，通过得到的该历史睡眠数据很好的对cnn网络模型进行训练，以便根据用户当前的睡眠状态信息准确预测出用户所处的睡眠阶段。该正常睡眠模型是翻身次数先随睡眠时间增长而降低，后随着睡眠时间增长而增加的睡眠模型。

结合上述实施例，在本发明提供的又一实施例中，步骤s130具体还可以包括以下步骤：

在检测到用户当前处于入睡阶段时，将睡眠状态信息输入到第二预设模型中，得到用户在入睡阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度。

其中，第二预设模型是根据历史睡眠数据中入睡阶段的数据训练出来的，第二预设模型的训练过程如下：

具体的，从历史睡眠数据中获取入睡阶段数据，得到历史入睡阶段数据。

根据每一时间段对应的翻身次数对历史入睡阶段数据进行筛选，并将历史入睡阶段数据中翻身次数少于第一阈值的每一时间段标记上温度标签，得到含有温度标签的入睡阶段时间段数据。

将含有温度标签的入睡阶段时间段数据/含有温度标签的深度睡眠阶段时间段数据输入到lstm网络模型进行训练，得到第二预设模型。

在本实施例中，以入睡阶段的每一时间段作为训练样本，以历史入睡阶段数据中翻身次数少于第一阈值的每一时间段作为训练标签，通过lstm网络模型进行训练，利用lstm网络的非线性映射关系，学习得到lstm网络的序列之间的映射关系，建立根据用户睡眠状态信息得到入睡阶段最佳环境温度的第二预设模型。可以理解的是，历史入睡阶段数据中翻身次数少于第一阈值的时间段对应的环境温度被认为是入睡阶段的最佳环境温度。

另外，步骤s140具体可以为：

在检测到用户当前处于深度睡眠阶段时，将睡眠状态信息输入到第三预设模型中，得到用户在深度睡眠阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。

其中，第三预设模型是根据历史睡眠数据中深度睡眠阶段的数据训练出来的，第三预设模型的训练过程如下：

具体的，从历史睡眠数据中获取深度睡眠阶段数据，得到历史深度睡眠阶段数据；

根据每一时间段对应的翻身次数对历史深度睡眠阶段数据进行筛选，并将历史深度睡眠阶段中翻身次数少于第二阈值的每一时间段标记上温度标签，得到含有温度标签的深度睡眠阶段时间段数据；

将含有温度标签的深度睡眠阶段时间段数据输入到lstm网络模型进行训练，得到第三预设模型。

在本实施例中，以深度睡眠阶段的每一时间段作为训练样本，以历史深度睡眠阶段数据中翻身次数少于第二阈值的每一时间段作为训练标签，通过lstm网络模型进行训练，利用lstm网络模型的非线性映射关系，学习得到lstm网络的序列之间的映射关系，建立根据用户睡眠状态信息得到深度睡眠阶段最佳环境温度的第三预设模型。可以理解的是，历史深度睡眠阶段数据中翻身次数少于第二阈值的时间段对应的环境温度被认为是深度睡眠阶段的最佳环境温度。

由于lstm网络模型擅长处理随时间变化或者与时间序列高度相关的问题，因此本发明实施例通过采用lstm网络模型能够准确预测在用户处于入睡阶段或深度睡眠阶段时的最佳环境温度。

另外，为了更好的训练lstm网络模型，本发明提供的实施例中还可以对用户的原始睡眠数据进行归一化处理，删除不符合常规规律的异常数据，以便更好的训练lstm网络模型。这样可以避免因采用异常数据对lstm网络模型进行训练而导致的预测出的最佳环境温度出现偏差的问题，以提高模型预测的准确性。

通过以上方法，本发明实施例在检测到用户处于入睡阶段时，控制环境温度调节设备将当前环境温度调节为第二预设模型根据睡眠状态信息输出的入睡阶段的最佳环境温度。并且在检测到用户当前处于深度睡眠阶段时，控制环境温度调节设备将当前环境温度调节为第三预设模型根据睡眠状态信息输出的深度睡眠阶段的最佳环境温度。通过人工智能自学习的方法，依据历史睡眠数据学习获得用户入睡阶段的最佳环境温度及深度睡眠阶段的最佳环境温度，以此作为调节环境温度调节器的依据，使当前环境温度与用户在当前睡眠状态下的最佳温度相符，有效提高用户在睡眠过程中睡眠质量。

作为上述方法的具体实现，在本发明提供的又一实施例中，如图4所示，本发明实施例还提供了一种环境温度控制装置，包括：

获取单元10，用于实时获取用户睡眠状态信息；所述睡眠状态信息包括当前时刻的前一时刻到当前时刻的翻身次数；

检测单元20，用于将所述睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段；

第一控制单元30，用于在检测到用户当前处于入睡阶段时，控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；

第二控制单元40，用于在检测到用户当前处于深度睡眠阶段时，控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。

在本发明提供的又一实施例中，

如图5所示，所述装置还包括用于训练所述第一预设模型的第一训练单元50，所述第一训练单元50包括：

第一数据获取子单元51：用于获取用户的历史睡眠数据；所述历史睡眠数据包括用户在睡眠过程中每一时间段对应的翻身次数及环境温度；所述每一时间段的时长等于相邻两个时刻的时长；

第一标记子单元52：用于根据每一时间段对应的翻身次数对每一时间段标记上阶段标签，得到含有阶段标签的时间段数据；所述阶段标签为入睡阶段标签或者深度睡眠阶段标签；

第一数据输入子单元53：用于将所述含有样本标签的时间段数据输入到cnn网络模型中进行训练，得到所述第一预设模型。

在本发明提供的又一实施例中，如图6所示，所述获取单元10包括：

第二数据获取子单元11：用于获取用户的原始睡眠数据；所述原始睡眠数据包括不同环境温度下用户在睡眠过程中翻身次数随睡眠时间的变化数据；

第一数据处理子单元12：用于将所述原始睡眠数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型作为用户的历史睡眠数据，或将所述原始睡眠数据中环境温度符合预设温度范围的数据作为用户的历史睡眠数据，或将所述原始数据中翻身次数随睡眠时间的变化数据符合正常睡眠模型且环境温度符合预设温度范围的数据作为用户的历史睡眠数据。

在本发明提供的又一实施例中，所述第一控制单元30具体用于：

在检测到用户当前处于入睡阶段时，将所述睡眠状态信息输入到第二预设模型中，得到所述用户在入睡阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；

和/或所述第二控制单元40具体用于：

在检测到用户当前处于深度睡眠阶段时，将所述睡眠状态信息输入到第三预设模型中，得到所述用户在深度睡眠阶段的最佳环境温度，并控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度；

其中，所述第二预设模型是根据所述历史睡眠数据中入睡阶段的数据训练出来的，所述第三预设模型是根据所述历史睡眠数据中深度睡眠阶段的数据训练出来的。

在本发明提供的又一实施例中，

如图7所示，所述装置还包括用于训练所述第二预设模型的第二训练单元60，所述第二训练单元包括：

第三数据获取子单元61：用于从所述历史睡眠数据中获取入睡阶段数据，得到历史入睡阶段数据；

第二数据处理子单元62：用于根据每一时间段对应的翻身次数对历史入睡阶段数据/历史深度睡眠阶段数据进行筛选，并将历史入睡阶段数据中翻身次数少于第一阈值的每一时间段标记上温度标签，得到含有温度标签的入睡阶段时间段数据/含有温度标签的深度睡眠阶段时间段数据；

第二数据输入子单元63：用于将所述含有温度标签的入睡阶段时间段数据输入到lstm网络模型进行训练，得到所述第二预设模型；

如图8所示，所述装置还包括用于训练所述第三预设模型的第三训练单元70，所述第二训练单元包括70：

第四数据获取子单元71：用于从所述历史睡眠数据中获取深度睡眠阶段数据，得到历史入睡阶段数据/历史深度睡眠阶段数据；

第三数据处理子单元72：用于根据每一时间段对应的翻身次数对历史入睡阶段数据/历史深度睡眠阶段数据进行筛选，并将历史深度睡眠阶段中翻身次数少于第二阈值的每一时间段标记上温度标签，得到含有温度标签的深度睡眠阶段时间段数据；

第三数据输入子单元73：用于将所述含有温度标签的深度睡眠阶段时间段数据输入到lstm网络模型进行训练，得到所述第三预设模型。

本发明实施例提供的环境温度控制装置，通过实时获取用户的睡眠状态信息，并将该睡眠状态信息输入到第一预设模型中，以检测用户当前所处的睡眠阶段。如果用户当前处于入睡阶段时，需要控制环境温度调节设备将当前环境温度调节为入睡阶段的最佳环境温度；如果当前处于深度睡眠阶段时，需要控制环境温度调节设备将当前环境温度调节为深度睡眠阶段的最佳环境温度。这样通过检测用户当前所处的睡眠阶段，可以为用户提供与当前阶段所对应的最佳环境温度，可以在很大程度上提高用户的睡眠质量。

由于本发明实施例提供的环境温度控制装置与上述实施例中的环境温度控制方法相对应，具体可以参见上述方法实施例的描述，这里不再赘述。

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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。