【技術實現步驟摘要】
本專利技術涉及智能識別和預警，具體為空調凈化機組過濾組件積塵量識別及更換預警系統和方法。
技術介紹
1、目前對于空調凈化機組過濾組件的積塵量智能識別及更換預警系統和方法，
2、主要是空調過濾網積灰的實時檢測系統，其中包括空調內機、外機、過濾網積灰檢測控制芯片。通過設置空氣、風速、溫度、濕度和使用時間監測裝置，多參數的檢測可以提高塵滿檢測結果的準確性，能夠為用戶提供一個舒適、安全的空調使用體驗。將重金屬鉛檢測器和塵螨活性探測器均設置在空調過濾網上，空氣監測裝置包括安裝板、立板、電源組件和空氣監測器安裝在空調外機上方。空氣檢測器監測空調外機當前安裝環境中的空氣質量參數，并將獲取的空氣質量參數回傳至過濾網積灰檢測控制芯片。空調內機一側設有風速監測裝置，風速感應器用于監測所述空調內機在周期時間內工作狀態下風速大小的平均值，形成風速參數回傳至過濾網積灰檢測控制芯片。空調系統在不同的環境下運行，其灰塵的積累的速度是不一樣的，通過各項參數，能準確地檢測過濾網積灰的各種污染程度(輕度、中度、重度)。空調顯示屏語音播報器按照不同的污染程度進行語音播報，提醒用戶及時清理過濾網。
3、現有空調過濾網積灰的實時檢測系統存在檢測精度有限、成本高、維護難度大、數據處理滯后、智能化水平低、環境適應性差等缺點。
4、因此需要對以上問題提出一種新的解決方案。
技術實現思路
1、本專利技術的目的在于提供空調凈化機組過濾組件積塵量識別及更換預警系統和方法，以解決
技術介紹
中提出的技術問
2、為實現上述目的，本專利技術提供如下技術方案：空調凈化機組過濾組件積塵量識別及更換預警系統，包括圖像采集模塊，所述圖像采集模塊至少包括4k自動對焦高清網絡攝像頭、高分辨率黑白攝像頭和ccd針孔型高清網絡攝像頭，還包括圖像數據傳輸模塊、數據存儲處理平臺、積塵量智能識別系統、積塵數據傳輸模塊和預警控制模塊，所述預警控制模塊在預警過程中至少包括三種提示，所述三種提示為短信通知報警、顯示屏顯示報警和指示燈報警；
3、所述圖像采集模塊將采集的圖像通過圖像數據傳輸模塊傳輸至數據存儲處理平臺，通過數據存儲處理平臺中的積塵量智能識別系統進行的積塵量智能識別，并將具體識別的數據傳輸至預警控制模塊，根據是否達到報警閾值進行報警處理。
4、空調凈化機組過濾組件積塵量識別及更換預警方法，至少包括以下步驟：
5、s1：基于實驗或相關方法獲取過濾組件積塵量的圖像信息和過濾組件積塵量的形態特征信息，將其結合并處理，從而建立空調過濾組件積塵量的典型特征數據庫；
6、s2：通過引入集成機器視覺與學習算法，建立基礎圖像的識別模型，基礎圖像識別模型的參數根據設備配置和圖像尺寸進行設定，所述基礎圖像的識別模型用于處理空調過濾組件的圖像信息，所述圖像信息至少包括對圖像中積塵量和形態的初步識別和分類；
7、s3：處理后的過濾組件積塵的形態特征信息和圖像信息，輸入基礎圖像識別模型進行有針對性的訓練，形成能夠準確識別過濾組件積塵典型特征數據庫中圖像的過濾組件積塵的自動識別基礎模型，并對新的圖像具有一定的識別能力，通過過濾組件積塵的自動識別基礎模型執行圖像識別任務并生成識別結果；
8、s4：搭建過濾組件積塵自動識別模型，基于過濾組件積塵自動識別基礎模型和機器視覺學習算法的訓練結果達到足夠的置信度時，獲取待處理過濾組件積塵量圖像并將其輸入過濾組件積塵自動識別模型識別，獲得待處理過濾組件積塵量圖像識別結果；
9、s5：在獲取結果的同時隨機抽取識別結果進行驗證分析，排除不確定因素的影響，提高組件積塵自動識別結果的準確性、驗證模型的可靠性，完成迭代；
10、s6：所述過濾組件積塵自動識別模型結合深度學習算法卷積神經網絡，對組件積塵污染的變化特征進行建模；使用隨機森林集成學習方法構建組件積塵污染風險預測模型，進一步提高過濾組件積塵自動識別模型的準確性和穩定性；
11、s7：基于組件積塵污染風險預測模型和預警控制模塊搭建智能更換預警系統，實時監測和分析組件積塵污染風險，當空調系統組件積塵污染狀況達到一定閾值時，通過指示燈或短信通知的形式進行預警，提醒用戶應該采取措施清洗空調過濾組件。
12、進一步地，所述s4中獲取待處理的圖像并將其輸入過濾組件積塵自動識別模型識別前進行基礎識別模型訓練，即待處理圖像在輸入已建立的過濾組件積塵量自動識別模型前，確保模型具備從圖像中正確提取、理解和識別積塵量相關特征的能力；
13、所述基礎識別模型訓練至少包括以下步驟：
14、獲取過濾組件積塵量的圖像信息結合并形成過濾組件積塵量訓練；
15、對所述訓練圖像中過濾組件積塵量的形態特征進行分類，得到多組過濾組件積塵量的訓練圖像；
16、基于所述訓練圖像中的過濾組件積塵量的形態特征，對基礎圖像識別模型進行針對性訓練，形成過濾組件積塵量自動識別系統；
17、基于所述過濾組件積塵量典型特征數據庫構建方法，將過濾組件積塵量范圍和形態特征以電子標簽的形式與圖像進行關聯，形成過濾組件積塵量訓練圖像；
18、所述過濾組件積塵量按照5:4:1的比例分為訓練集、測試集及驗證集，用于過濾組件積塵量自動識別模型訓練。
19、進一步地，所述搭建過濾組件積塵自動識別模型至少包括以下步驟：
20、基于機器視覺學習算法中backbone網絡結構對過濾組件積塵量圖像進行切割，neck網絡結構對過濾組件積塵量圖像進行特征提取及融合，predicton網絡結構對過濾組件積塵量圖像進行圖像預測與輸出；
21、引入機器視覺學習算法需預先配置的基礎訓練模型，所述預先配置至少包括預設模型選擇、測試數據類型、預測結果保存路徑、輸入圖片尺寸、置信度閾值以及結果顯示設置；
22、進行測試，所述測試的數據類型為圖片，根據電腦參數設定輸入圖片分辨率為640×640，置信度閾值默認為0.80；
23、設置訓練輪數為200，對預先配置的基礎訓練模型進行訓練，以確保訓練結果達到足夠置信度，從而形成可靠的過濾組件積塵量自動識別模型。
24、進一步地，引用機器視覺學習算法構建過濾組件積塵自動識別模型至少包括以下步驟：
25、利用labelme為過濾組件積塵量訓練圖像制作標簽，形成json文件，后將json文件轉為txt文件；
26、通過train對json文件以及txt文件對所述基礎訓練模型進行訓練形成過濾組件積塵量自動識別模型，并通過detect實現過濾組件積塵量識別。
27、進一步地，引用機器視覺學習算法構建過濾組件積塵量自動識別模型后需獲取待處理過濾組件積塵量圖像，所述待處理過濾組件積塵量圖像獲取方法至少包括以下步驟：
28、利用圖像采集模塊記錄過濾組件積塵量圖像；
29、將過濾組件積塵量圖像的本文檔來自技高網...
【技術保護點】
1.空調凈化機組過濾組件積塵量識別及更換預警系統，其特征在于：包括圖像采集模塊，所述圖像采集模塊至少包括4K自動對焦高清網絡攝像頭、高分辨率黑白攝像頭和CCD針孔型高清網絡攝像頭，還包括圖像數據傳輸模塊、數據存儲處理平臺、積塵量智能識別系統、積塵數據傳輸模塊和預警控制模塊，所述預警控制模塊在預警過程中至少包括三種提示，所述三種提示為短信通知報警、顯示屏顯示報警和指示燈報警；
2.空調凈化機組過濾組件積塵量識別及更換預警方法，用于上述權利要求1所述的空調凈化機組過濾組件積塵量識別及更換預警系統，其特征在于：至少包括以下步驟：
3.根據權利要求2所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：所述S4中獲取待處理的圖像并將其輸入過濾組件積塵自動識別模型識別前進行基礎識別模型訓練，即待處理圖像在輸入已建立的過濾組件積塵量自動識別模型前，確保模型具備從圖像中正確提取、理解和識別積塵量相關特征的能力；
4.根據權利要求2所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：所述搭建過濾組件積塵自動識別模型至少包括以下步驟：>
5.根據權利要求4所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：引用機器視覺學習算法構建過濾組件積塵自動識別模型至少包括以下步驟：
6.根據權利要求5所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：引用機器視覺學習算法構建過濾組件積塵量自動識別模型后需獲取待處理過濾組件積塵量圖像，所述待處理過濾組件積塵量圖像獲取方法至少包括以下步驟：
7.根據權利要求2所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：所述待處理圖像的識別結果包括帶置信度信息的圖片結果、帶過濾組件積塵量范圍以及形態特征信息的EXCEL表格結果。
8.根據權利要求2所述的空調凈化機組過濾組件積塵量識別及更換預警系統和方法，其特征在于：所述在獲取結果的同時隨機抽取識別結果進行驗證分析至少包括以下步驟：
9.根據權利要求6所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：所述機器視覺學習算法輸入圖片的大小參考電腦配置參數，以提升所述基礎模型訓練速度、過濾組件積塵量自動識別模型識別速度。
...【技術特征摘要】
1.空調凈化機組過濾組件積塵量識別及更換預警系統，其特征在于：包括圖像采集模塊，所述圖像采集模塊至少包括4k自動對焦高清網絡攝像頭、高分辨率黑白攝像頭和ccd針孔型高清網絡攝像頭，還包括圖像數據傳輸模塊、數據存儲處理平臺、積塵量智能識別系統、積塵數據傳輸模塊和預警控制模塊，所述預警控制模塊在預警過程中至少包括三種提示，所述三種提示為短信通知報警、顯示屏顯示報警和指示燈報警；
2.空調凈化機組過濾組件積塵量識別及更換預警方法，用于上述權利要求1所述的空調凈化機組過濾組件積塵量識別及更換預警系統，其特征在于：至少包括以下步驟：
3.根據權利要求2所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：所述s4中獲取待處理的圖像并將其輸入過濾組件積塵自動識別模型識別前進行基礎識別模型訓練，即待處理圖像在輸入已建立的過濾組件積塵量自動識別模型前，確保模型具備從圖像中正確提取、理解和識別積塵量相關特征的能力；
4.根據權利要求2所述的空調凈化機組過濾組件積塵量識別及更換預警方法，其特征在于：所述搭建過濾組件積塵自動識別模型至少包括以下步驟...
【專利技術屬性】
技術研發人員：蔡姣，章宇，劉煒，賴旺進，李枝，杜金澤，楊雅幃，
申請(專利權)人：重慶科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。