[发明专利]基于深度学习的高光谱室内监控方法、装置及设备有效

专利信息
申请号: 201910494853.8 申请日: 2019-06-10
公开(公告)号: CN110251698B 公开(公告)日: 2020-10-02
发明(设计)人: 王永力;舒远;王星泽 申请(专利权)人: 合刃科技(深圳)有限公司
主分类号: A61L2/10 分类号: A61L2/10;A61L2/22;A61L2/24;A61L2/26
代理公司: 深圳市新虹光知识产权代理事务所(普通合伙) 44499 代理人: 郭长龙
地址: 518000 广东省深圳市南山区粤海街*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 深度 学习 光谱 室内 监控 方法 装置 设备
【权利要求书】:

1.一种基于深度学习的高光谱室内监控方法,其特征在于,应用于杀菌设备,所述杀菌设备的顶端配置有LED紫外杀菌装置、高光谱相机、普通相机、激光雷达以及化学喷雾剂;杀菌设备的顶端与伸缩臂相连,起到伸缩调节的作用;伸缩臂和连接杆通过一个转轴相连,该转轴可实现伸缩臂与地面垂直平面内的旋转;连接杆与地面垂直,该连接杆可以进行水平面360°转动和高度调节;此外,杀菌设备的尾部配置有四个转轮,通过电力驱动转轮,可以进行位置移动;所述方法包括:

通过高光谱相机采集待检测场景中的细菌图像;

基于人工神经网络模型,对所述细菌图像进行识别,获得细菌识别结果;

根据所述细菌识别结果,确定LED紫外杀菌装置的紫外光的辐射强度值;

控制所述LED紫外杀菌装置使用所述辐射强度值进行杀菌;

所述基于人工神经网络模型,对所述细菌图像进行识别,获得细菌识别结果之后,所述方法还包括:

获取有害细菌区域;

判断所述有害细菌区域是否有人;

若所述有害细菌区域没有人,判断所述有害细菌区域是否属于人活动频繁的区域;

若所述有害细菌区域属于人活动频繁的区域,则执行所述的根据所述细菌识别结果,确定LED紫外杀菌装置的紫外光的辐射强度值的步骤;

若所述有害细菌区域没有人且所述有害细菌区域不属于人活动频繁的区域,则采用化学喷雾剂进行杀菌。

2.根据权利要求1所述的方法,其特征在于,所述方法还包括:

若所述有害细菌区域有人,则执行所述的根据所述细菌识别结果,确定LED紫外杀菌装置的紫外光的辐射强度值的步骤。

3.根据权利要求1或2所述的方法,其特征在于,所述根据所述细菌识别结果,确定LED紫外杀菌装置的紫外光的辐射强度值之后,所述方法还包括:

判断所述有害细菌区域中是否存在紫外光无法照射到的区域;

若所述有害细菌区域中存在紫外光无法照射到的区域,则针对所述紫外光无法照射到的区域,采用化学喷雾剂进行杀菌;

所述控制所述LED紫外杀菌装置使用所述辐射强度值进行杀菌包括:

控制所述LED紫外杀菌装置使用所述辐射强度值,对所述紫外光照射到的区域进行杀菌。

4.根据权利要求3所述的方法,其特征在于,所述方法还包括:

在杀菌的过程中,使用所述高光谱相机对残留的细菌进行监控。

5.一种杀菌装置,其特征在于,应用于杀菌设备,所述杀菌设备的顶端配置有LED紫外杀菌装置、高光谱相机、普通相机、激光雷达以及化学喷雾剂;杀菌设备的顶端与伸缩臂相连,起到伸缩调节的作用;伸缩臂和连接杆通过一个转轴相连,该转轴可实现伸缩臂与地面垂直平面内的旋转;连接杆与地面垂直,该连接杆可以进行水平面360°转动和高度调节;此外,杀菌设备的尾部配置有四个转轮,通过电力驱动转轮,可以进行位置移动;所述装置包括:

采集模块,用于通过高光谱相机采集待检测场景中的细菌图像;

识别模块,用于基于人工神经网络模型,对所述细菌图像进行识别,获得细菌识别结果;

确定模块,用于根据所述细菌识别结果,确定LED紫外杀菌装置的紫外光的辐射强度值;

控制模块,用于控制所述LED紫外杀菌装置使用所述辐射强度值进行杀菌;

获取模块,用于在所述识别模块基于人工神经网络模型,对所述细菌图像进行识别,获得细菌识别结果之后,获取有害细菌区域;

第一判断模块,用于判断所述有害细菌区域是否有人;

所述第一判断模块,还用于若所述有害细菌区域没有人,判断所述有害细菌区域是否属于人活动频繁的区域;

所述确定模块,具体用于当所述第一判断模块判断所述有害细菌区域属于人活动频繁的区域时,根据所述细菌识别结果,确定LED紫外杀菌装置的紫外光的辐射强度值;

采用模块,用于若所述有害细菌区域没有人且所述有害细菌区域不属于人活动频繁的区域,则采用化学喷雾剂进行杀菌。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合刃科技(深圳)有限公司,未经合刃科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910494853.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top