[发明专利]一种基于深度学习的智能雨棚系统及其控制方法

权利要求书

1.一种基于深度学习的智能雨棚系统的控制方法，其特征在于，智能雨棚系统至少包括雨棚执行装置、云端服务器以及移动终端，其中，所述雨棚执行装置以无线方式接入云端服务器，用于采集当前环境参量并发送给云端服务器；所述雨棚执行装置包括雨棚主体（1），该雨棚主体（1）上设置伸缩晾衣架（7）；设置在伸缩晾衣架（7）一侧的电机（2），以及用于控制电机（2）的控制单元（3）；控制单元（3）进一步包括与电机（2）连接的电机控制器（4）、单片机（5）、雨水感应器（6）、WIFI模块（8）、温湿度传感器（9）、光强传感器（10）和摄像头（11）；

所述云端服务器设置控制模型，所述控制模型采用深度学习模型，用于根据当前环境参量输出控制指令以使所述雨棚执行装置执行相应操作；所述移动终端远程接入云端服务器以获取所述雨棚执行装置的当前工作状态或者远程控制所述雨棚执行装置；

所述深度学习模型，利用雨棚执行装置采集到的信息以获取能反映天气状况的参量并制作样本集，以此为基础训练深度学习模型参数；通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型并以此输出控制指令；

该方法包括以下步骤：

步骤S1：雨棚执行装置获取当前环境参量并发送给云端服务器；

步骤S2：云端服务器将当前环境参量输入设置在其内的控制模型并输出控制指令，其中，所述控制模型采用深度学习模型；

步骤S3：雨棚执行装置接收控制指令并执行相应操作；

其中，所述深度学习模型通过以下步骤实现：

步骤S21：训练样本信息获取：

利用系统的雨水感应器（6）、温湿度传感器（9）、光强传感器（10）和摄像头（11）采集到的信息获取能反映天气状况的参量并制作样本集，样本集中所包含的样本数量不少于1000条；利用训练样本集对深度学习模型进行大量的训练从而能够准确输出当前天气的状况参数；

步骤S22：使用采集到的样本训练深度学习模型：

将所有训练样本提取的参数作为深度学习模型的输入，对深度学习模型进行训练；

步骤S23：通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型；

步骤S24：根据判断出的天气类型，服务器通过无线网络发送控制指令至雨棚执行装置；

其中，云端服务器将雨棚执行装置的工作状态信息通过无线网络发送到手机终端或者接收手机终端发送的控制命令并以此控制雨棚执行装置的工作状态；

手机终端设置与控制系统配套的APP程序，该APP程序包含控制电机正反转的指令、显示当前雨棚状态以及接收并显示温湿度与光强的指令。

2.根据权利要求1所述的基于深度学习的智能雨棚系统的控制方法，其特征在于，深度学习模型采用现有的成熟的深度学习模型的AlexNet/ResNet/GoogleNet中任一种。

3.根据权利要求1所述的基于深度学习的智能雨棚系统的控制方法，其特征在于，所述电机控制器采用TB6600电机控制器。

4.根据权利要求1所述的基于深度学习的智能雨棚系统的控制方法，其特征在于，所述单片机采用STM32单片机。

5.根据权利要求1所述的基于深度学习的智能雨棚系统的控制方法，其特征在于，所述WIFI模块采用ESP8266WIFI模块。

6.根据权利要求1所述的基于深度学习的智能雨棚系统的控制方法，其特征在于，所述温湿度传感器采用DHT11温湿度传感器；所述光强传感器采用TSL2561光强传感器。