[发明专利]一种基于深度学习的办公场所自适应空调控制方法及系统

权利要求书

1.一种基于深度学习的办公场所自适应空调控制方法，其特征在于：包括，

利用采集模块(100)采集办公环境下的相关图像信息作为数据集；

结合传输模块(200)将所述数据集传输至分析模块(300)内，所述分析模块(300)划分所述数据集，并构建检测模型；

所述分析模块(300)训练所述检测模型，获得训练模型；

将所述训练模型放置到空调总控模块(400)内，并实时利用所述传输模块(200)反馈检测图像信息；

根据所述检测图像信息触发控制单元(401)调节空调温度。

2.如权利要求1所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：包括，

安装摄像头(101)，并与所述空调总控模块(400)连接；

利用所述摄像头(101)采集在不同办公场所环境下含有人的图片；

采集所述图片数量大于1000张。

3.如权利要求1或2所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：采集所述图片作为数据集包括，

将采集的所述图片中的人的位置进行标记；

标记位置(x1,y1,x2,y2)，其中(x1,y1)为标记的矩形框的左上角的坐标，(x2,y2)为标记的矩形框的右下角的坐标；

整合标记完成的所述图片，构建所述数据集。

4.如权利要求1所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：划分所述数据集、构建所述检测模型包括，

将所述数据集按照6:2:2的比例划分，并对应划分后的所述数据集分别命名为训练集、验证集、测试集；

训练所述训练集、所述验证集、所述测试集，获得所述检测模型。

5.如权利要求4所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：训练并获得所述检测模型具体包括，

利用YOLOV3方法检测所述数据集中人的位置信息；

统计检测到的所述数据集中人的位置信息数量；

利用交叉熵作为损失函数，训练所述训练集、所述验证集、所述测试集、获得所述检测模型。

6.如权利要求1或5所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：包括，

利用gluon-cn中的源码配置相关训练参数；

结合代码运行，再次训练所述检测模型；

获得所述训练模型。

7.如权利要求6所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：包括，

利用所述测试集测试所述训练模型是否达到相关指标，并判断所述训练模型是否呈收敛状态；

若所述训练模型训练时的损失下降值、精度上升值明显减小，则所述训练模型收敛；

若所述训练模型在所述测试集上的测试精确度达到90％以上，则满足条件；

若所述训练模型在所述测试集上的测试精确度不能达到90％以上，则继续扩充所述数据集，并调整相关参数再次进行训练，直至满足条件。

8.如权利要求1或7所述的基于深度学习的办公场所自适应空调控制方法，其特征在于：放置所述训练模型至所述空调总控模块(400)内包括，

将收敛的并满足条件的所述训练模型部署到所述控制单元(401)内；

利用所述摄像头(101)获取场景影像，部署完成后的所述训练模型检测所述场景影像中的人数；

利用所述传输模块(200)将信息反馈到所述控制单元(401)，并触发温度调节开关，根据实时检测传输的所述信息进行温度调节。

9.一种基于深度学习的办公场所自适应空调控制系统，其特征在于：包括，

采集模块(100)包括摄像头(101)，通过所述摄像头(101)采集在不同办公场所环境下含有人的图片信息，完成辅助标定，从而获得数据集；

传输模块(200)贯穿连接于各个模块，将所述摄像头(101)捕捉到的所述影像信息传输到所述分析模块(300)，接收检测反馈信息，再将所述反馈信息传输到所述空调总控模块(400)内，触发调节开关，从而调节空调温度；

分析模块(300)与所述传输模块(200)相连，其包括检测单元(301)和处理单元(302)，通过所述传输模块(200)接收所述数据集，并根据所述处理单元(302)计算划分所述数据集，训练所述检测模型，所述检测单元(301)识别所述摄像头(101)捕捉到的所述影像信息，并通过所述处理单元(302)生成数据信息，通过所述传输模块(200)反馈到所述空调总控模块(400)；

空调总控模块(400)包括控制单元(401)和转化单元(402)，所述空调总控模块(400)接收所述传输模块(200)传输的所述反馈信息，并通知所述转化单元(402)鉴别所述反馈信息内容，若需要调节温度，则所述转化单元(402)将所述反馈信息转化为相应指令触发所述控制单元(401)调节空调温度。