[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

说明书

本发明公开了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，包括利用采集模块采集办公环境下的相关图像信息作为数据集；结合传输模块将数据集传输至分析模块内，分析模块划分数据集，并构建检测模型；分析模块训练检测模型，获得训练模型；将训练模型放置到空调总控模块内，并实时利用传输模块反馈检测图像信息；根据检测图像信息触发控制单元调节空调温度。本发明通过摄像头检测区域中的人数进行实时温度调整，对空调的关闭实行自动控制技术，相比传统空调更加智能化，且大大的减少了资源浪费现象，更便利、舒适的服务生活。

技术领域

本发明涉及智能制造技术领域，尤其涉及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。

背景技术

空调即空气调节器，是指用人工手段，对建筑或构筑物内环境空气的温度、湿度、流速等参数进行调节和控制的设备。目前市面的上空调使用环境主要分为两大板块，一块是用于家用，另一块是用于办公场所。本发明专利只涉及公开的办公场所。

空调一般的使用步骤是使用遥控器打开空调，设置温度。对于在人员流动的办公场所，并不能根据人员的流动来调节温度。同时在办公场所，往往会出现忘记关空调的现象，给电力资源造成了浪费。因此，本发明提出一种基于深度学习的办公场所自适应空调控制系统，它能根据摄像头检测在当前办公空间的人数，实时的调节温度；若当前办公空间检测人的个数为0并且长达半小时以上时，会自动关闭空调。现有的技术方案中，当人员出现变化时，需要人为的再次设置温度，当办公场所没人并且空调有忘记关，会给电力资源造成极大的浪费。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在浪费资源的问题，提出了本发明。

因此，本发明提供了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，通过检测人员活动，调整空调温度关闭状态，减少资源浪费。

为解决上述技术问题，本发明提供如下技术方案：利用采集模块采集办公环境下的相关图像信息作为数据集；结合传输模块将所述数据集传输至分析模块内，所述分析模块划分所述数据集，并构建检测模型；所述分析模块训练所述检测模型，获得训练模型；将所述训练模型放置到空调总控模块内，并实时利用所述传输模块反馈检测图像信息；根据所述检测图像信息触发控制单元调节空调温度。

作为本发明所述的一种基于深度学习的办公场所自适应空调控制方法的一种优选方案，其中：安装摄像头，并与所述空调总控模块连接；利用所述摄像头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。

作为本发明所述的一种基于深度学习的办公场所自适应空调控制方法的一种优选方案，其中：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)：标记的矩形框的左上角的坐标，(x2,y2)：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。

作为本发明所述的一种基于深度学习的办公场所自适应空调控制方法的一种优选方案，其中：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。

作为本发明所述的一种基于深度学习的办公场所自适应空调控制方法的一种优选方案，其中：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。