CN108006902B - 空调控制方法及装置 - Google Patents

空调控制方法及装置 Download PDF

Info

Publication number
CN108006902B
CN108006902B CN201711126232.1A CN201711126232A CN108006902B CN 108006902 B CN108006902 B CN 108006902B CN 201711126232 A CN201711126232 A CN 201711126232A CN 108006902 B CN108006902 B CN 108006902B
Authority
CN
China
Prior art keywords
air conditioner
condition
operation mode
time period
photo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711126232.1A
Other languages
English (en)
Other versions
CN108006902A (zh
Inventor
曾文轩
赵杰明
连园园
文旷瑜
吴少波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201711126232.1A priority Critical patent/CN108006902B/zh
Publication of CN108006902A publication Critical patent/CN108006902A/zh
Application granted granted Critical
Publication of CN108006902B publication Critical patent/CN108006902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Abstract

本发明公开了一种空调控制方法及装置。其中,该方法包括:采集安装有空调的室内的室内照片;通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置;依据确定的空调所处的位置确定空调的空调运行模式;根据确定的空调运行模式控制空调。本发明解决了相关技术中空调的使用效率不高的技术问题。

Description

空调控制方法及装置
技术领域
本发明涉及智能控制领域,具体而言,涉及一种空调控制方法及装置。
背景技术
随着科学技术以及经济的快速发展,空调已经成为每家每户的必备电器设备,由于它可以为用户提供舒适的环境,更使得空调备受用户的喜爱。然而随着科技的发展,各种电器设备也越来越智能,用户对空调的智能化要求也会越来越高。因此,相关技术中的空调在智能化程度上无法达到用户要求。
针对上述相关技术中空调的使用效率不高的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种空调控制方法及装置,以至少解决相关技术中空调的使用效率不高的技术问题。
根据本发明实施例的一个方面,提供了一种空调控制方法,包括:采集安装有空调的室内的室内照片;通过第一模型,确定采集的所述照片中的所述空调所处的位置,其中,所述第一模型为使用多组数据通过机器学习训练得到的,所述多组数据中的每组数据均包括:照片和所述照片中的所述空调所处的位置;依据确定的所述空调所处的位置确定空调的空调运行模式;根据确定的所述空调运行模式控制所述空调。
可选地,在根据确定的所述空调运行模式控制所述空调之后,所述空调控制方法还包括:获取预定时间段的用电限制条件;获取所述预定时间段中的每个区间的天气情况,其中,所述预定时间段分为多个区间;根据所述用电限制条件、所述每个区间的天气情况和所述空调开启后的用电情况对所述空调的运行模式进行调整。
可选地,所述用电限制条件包括以下至少之一:用电量、用电的费用,所述每个区间为一天,所述预定时间段为周或者月。
可选地,根据所述空调运行模式对所述空调进行控制包括:将所述空调运行模式进行显示;在接收到对所述空调运行模式进行确认的确认指示之后,根据显示的所述空调运行模式对所述空调进行控制。
可选地,根据所述用电限制条件、所述每个区间的天气情况和所述空调开启后的用电情况对所述空调的运行模式进行调整包括以下至少之一:对所述空调的运行模式进行调整;对所述空调的温度进行调整;对所述空调的湿度进行调整;对所述空调的扫风速度进行控制。
根据本发明实施例的另外一个方面,还提供了一种空调控制装置,包括:采集单元,用于采集安装有空调的室内的室内照片;第一确定单元,用于通过第一模型,确定采集的所述照片中的所述空调所处的位置,其中,所述第一模型为使用多组数据通过机器学习训练得到的,所述多组数据中的每组数据均包括:照片和所述照片中的所述空调所处的位置;第二确定单元,用于依据确定的所述空调所处的位置确定空调的空调运行模式;控制单元,用于根据确定的所述空调运行模式控制所述空调。
可选地,所述空调控制装置还包括:第一获取单元,用于在根据确定的所述空调运行模式控制所述空调之后,获取预定时间段的用电限制条件;第二获取单元,用于获取所述预定时间段中的每个区间的天气情况,其中,所述预定时间段分为多个区间;调整单元,用于根据所述用电限制条件、所述每个区间的天气情况和所述空调开启后的用电情况对所述空调的运行模式进行调整。
可选地,所述用电限制条件包括以下至少之一:用电量、用电的费用,所述每个区间为一天,所述预定时间段为周或者月。
可选地,所述控制单元包括:显示模块,用于将所述空调运行模式进行显示;控制模块,用于在接收到对所述空调运行模式进行确认的确认指示之后,根据显示的所述空调运行模式对所述空调进行控制。
可选地,所述调整单元包括以下至少之一:第一调整模块,用于对所述空调的运行模式进行调整;第二调整模块,对所述空调的温度进行调整;第三调整模块,对所述空调的湿度进行调整;第四调整模块,对所述空调的扫风速度进行控制。
根据本发明实施例的另外一个方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述中任意一项所述的空调控制方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的空调控制方法。
在本发明实施例中,采集安装有空调的室内的室内照片;通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置;依据确定的空调所处的位置确定空调的空调运行模式;根据确定的空调运行模式控制空调。通过本发明实施例提供的空调控制方法可以空调的安装位置也作为一个对空调进行控制的因素,实现了根据空调的安装位置确定空调的运行模式,达到了节约资源,提高空调的使用效率,同时也为用户提供一个更加舒适的环境的技术效果,进而解决了相关技术中空调的使用效率不高的技术问题,提升了用户体验。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的空调控制方法的流程图;以及
图2是根据本发明实施例的空调控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述,下面对本发明实施例中出现的部分名词或术语进行详细说明。
像素:是计算机屏幕上所能显示的最小单位,用来表示图像的单位,指可以显示出的水平和垂直像素的数组,屏幕中的像素点越多,画面的分辨率越高,图像就越细腻逼真。
像素点:指像素的数值。
二值化:对摄像头拍摄的图片,大多数是彩色图像,彩色图像所含信息量巨大,对于图片的内容,可以简单的分为前景与背景,先对彩色图进行处理,使图片只有前景信息与背景信息,可以简单的定义前景信息为黑色,背景信息为白色,这就是二值化图了。
CNN,卷积神经网络,描述了对输入图像的操作,输出一组描述图像内容的分类或分类的概率,即对输入的图像进行识别,以输出图像中的对象的概率;通过一系列卷积层级建构出更为抽象的概念,包括建立多个神经元,并建立对应的输入层和输出层,从而将输入的节点通过神经元不断关联,得到优化对象,一般会包括卷积层、过滤层,通过前向传导、损失函数、后向传导、以及函数更新作为一个学习周期,对每一训练图片,程序将重复固定数目的周期过程,以不断优化训练学习结果。
以图搜图,在获取到图像后,通过深度学习对结果进行排序,并通过用户记录的三元组数据(查询图片、点击图片和未点击图片)来训练模型的排序损失函数,从而得到排序结果,在输入一张图像后,模型会自动检测出主体,然后按照排序分数高低排出相关对象的结果。
朴素贝叶斯,给一张图片,可以返回对象分类,将图片识别作为一个简单的态度,以得到相应的对象。
根据本发明实施例,提供了一种空调控制方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的下述实施例,可以应用于各种电器设备,其中,电器设备的可以包括但不限于:空调、冰箱、洗衣机等。本发明实施例以空调为优选的实施对象,下面进行具体说明。
在本发明实施例中,对空调的种类不做具体限定,可以包括但不限于:按照使用方式可以包括但不限于:壁挂机、柜机、天花板式机、窗机、移动式空调、嵌入式空调等,按照使用环境可以包括但不限于:家用空调、商用空调。本发明实施例中的空调可以使用在多种环境下,包括以家庭、餐厅、商店为主体的使用面积较小的用户,也可以包括:办公区、厂区、超市等大面积使用的用户。其中,根据对相关技术中空调的使用情况来看,空调的使用效率相对来讲还是挺低的,存在浪费资源的情况。在本发明实施例中,可以根据空调的安装位置、用电限制条件、天气情况等因素对空调的运行模式进行控制,以提高空调的使用效率。
图1是根据本发明实施例的空调控制方法的流程图,如图1所示,该空调控制方法包括如下步骤:
步骤S102,采集安装有空调的室内的室内照片。
在本发明实施例中,可以在上述空调设备所在的环境中安装一个或者多个摄像头,用于采集空调设备的照片,得到空调对应的图像信息,其中,本发明实施例中对摄像头的安装位置不做具体限定,可以包括但不限于:在每一个房间的入口处、天花板处等,通过不同位置的摄像头可以分别采集所在区域的空调设备的图像,在采集图像时,可以是每隔预定时间段对空调所在环境进行一次或多次图像采集,然后对采集的图像进行分析,得到空调的安装位置。在本发明实施例中,对采集的照片的类别不做具体限定,包括但不限于:黑白图像(灰度图像)、彩色图像(RGB图像)。在对采集的图像进行分析时,可以根据二值化图像处理方式分析图像中的信息,具体地,在分析时,可以对图像中的多个像素点与历史图像中的像素点位置进行比较,以确定出存在差异的像素点,然后将存在差异的像素点区分出来,得到空调的安装位置。
步骤S104,通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置。
上述第一模型可以是通过历史预设时间段中拍摄的图像信息和对图像进行分析得到的空调的安装位置的信息进行学习训练得到的模型。其中,在开始建立第一模型时,可以利用CNN算法,从拍摄得到的图像信息中提取出空调的多个特征信息,在提取时,可以将图像划分为多个像素点,并划分多个神经元,从而根据CNN算法可以将每一个存在差异的像素点进行特征提取,并不断将神经元提取的方式进行扩展,如从第一个神经元扩展到第二个神经元,从而提取出各个特征,如提取出图像中空调的特征信息,可以将提取的特征信息存储至数据库中,在机器进行学习训练时,可以不断地提取数据库中的图像。另外,建立第一模型后,再次进行用空调特征提取时,可以利用以图搜图的方法搜索数据库中与当前拍摄图像相似的图像,并提取出图像中空调特征信息,也可以使用朴素贝叶斯算法提取空调特征信息。
步骤S106,依据确定的空调所处的位置确定空调的空调运行模式。
例如,在确定的空调的位置为上述室内的某个角落的情况下,可以将空调的扫风模式设置为扇形扫风模式;在确定的空调的位置为上述室内的中央时,可以将空调的扫风模式设置为环形扫风模式。
步骤S108,根据确定的空调运行模式控制空调。
通过上述步骤,在空调工作时,可以采集安装有空调的室内的室内照片,然后,通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置,依据确定的空调所处的位置确定空调的空调运行模式,根据确定的空调运行模式对空调进行控制。相对于相关技术中仅仅是对空调的开启状态以及运行模式进行调整,造成的空调的使用效率较低的问题,通过本发明实施例提供的空调控制方法可以空调的安装位置也作为一个对空调进行控制的因素,实现了根据空调的安装位置确定空调的运行模式,达到了节约资源,提高空调的使用效率,同时也为用户提供一个更加舒适的环境的技术效果,进而解决了相关技术中空调的使用效率不高的技术问题,提升了用户体验。
在根据确定的空调运行模式控制空调之后,空调控制方法还可以包括:获取预定时间段的用电限制条件;获取预定时间段中的每个区间的天气情况,其中,预定时间段分为多个区间;根据用电限制条件、每个区间的天气情况和空调开启后的用电情况对空调的运行模式进行调整。这里的天气情况可以包括但不限于:晴天、阴天、雨天等等,根据上述天气情况实现对空调的运行模式进行调整使得本发明实施例提供的空调控制方法更加合理,并且提高用户的体验。
其中,用电限制条件包括以下至少之一:用电量、用电的费用,每个区间为一天,预定时间段为周或者月。
例如,在预定时间段为周或者月的情况下,可以将预定时间段的每个区间设置为一天。其中,在预定时间段为月的情况下,用户可以根据一年中的不同季节,进行时间段划分,例如,由于在3-5月以及9-11月自然温度一般不会出现过高或者过低的现象,可以将用电限制条件中的用电量的上限值调低,同时也可以将电费的预期支出降低。而在6-7月以及12-次年2月由于自然温度比较低或者高,对需要使用空调来调节温度,以适应人体需求,因此,可以将用电限制条件中的用电量的上限值上调,同时也可以将电费的预期支出提高。
其中,根据空调运行模式对空调进行控制可以包括:将空调运行模式进行显示;在接收到对空调运行模式进行确认的确认指示之后,根据显示的空调运行模式对空调进行控制。具体地,在将空调运行模式进行显示的同时,还可以通过语音提示装置提示用户查看上述显示的空调运行模式。上述语音提示装置既可以是与显示上述空调运行模式的显示装置设置在一起的,还可以是通过无线设备与上述显示装置连接的。
在本发明一个可选的实施例中,在获取预定时间段中每个区间的天气情况和用电限制条件之后,可以根据从网络上搜集到的这种天气下的其他用户的空调使用情况计算出在该预定时间段内的耗电量,如果该耗电量与用电限制条件不匹配,比如,耗电量远远大于用电限制条件,那么就应该提示用户,是否需要上调用电限制条件。
一个方面,用电限制条件还可以添加用户对空调的控制条件,例如,用户添加了开启空调的时间为每天的晚上8点到晚上12点,此时,可以根据用户的控制条件来调整空调运行模式即可,例如,晚上8点到晚上12点空调的开启温度为28℃。
另外一个方面,如果用户没有制定空调的控制条件,那么,用电限制条件中可以包括每天开启多少个小时,以及这些小时数是如何进行分配的。其中,也可以通过机器学习训练得到的模型来识别空调所在位置是否有人,在有人的情况下开启空调,在人离开后的预定时长之后关闭空调。
在上述实施例中,根据用电限制条件、每个区间的天气情况和空调开启后的用电情况对空调的运行模式进行调整可以包括以下至少之一:对空调的运行模式进行调整;对空调的温度进行调整;对空调的湿度进行调整;对空调的扫风速度进行控制。
需要说明的是,上述空调控制方法,可以在与空调连接的移动终端上执行,也可以内置于上述空调。
本发明实施例还提供了一种空调控制装置,需要说明的是,本发明实施例的空调控制装置可以用于执行本发明实施例所提供的用于空调控制方法。以下对本发明实施例提供的空调控制装置进行介绍。
图2是根据本发明实施例的空调控制装置的示意图,如图2所示,该空调控制装置包括:采集单元21,第一确定单元23,第二确定单元25以及控制单元27。下面对该空调控制装置进行详细说明。
采集单元21,用于采集安装有空调的室内的室内照片。
第一确定单元23,与上述采集单元21连接,用于通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置。
第二确定单元25,与上述第一确定单元23连接,用于依据确定的空调所处的位置确定空调的空调运行模式。
控制单元27,与上述第二确定单元25连接,用于根据确定的空调运行模式控制空调。
在上述实施例中,在空调工作时,可以利用采集单元21,用于采集安装有空调的室内的室内照片;第一确定单元23,用于通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置;第二确定单元25,用于依据确定的空调所处的位置确定空调的空调运行模式;控制单元27,用于根据确定的空调运行模式控制空调。相对于相关技术中仅仅是对空调的开启状态以及运行模式进行调整,造成的空调的使用效率较低的问题,通过本发明实施例提供的空调控制装置可以空调的安装位置也作为一个对空调进行控制的因素,实现了根据空调的安装位置确定空调的运行模式,达到了节约资源,提高空调的使用效率,同时也为用户提供一个更加舒适的环境的技术效果,进而解决了相关技术中空调的使用效率不高的技术问题,提升了用户体验。
在本发明一个可选的实施例中,上述空调控制装置还可以包括:第一获取单元,用于在根据确定的空调运行模式控制空调之后,获取预定时间段的用电限制条件;第二获取单元,用于获取预定时间段中的每个区间的天气情况,其中,预定时间段分为多个区间;调整单元,用于根据用电限制条件、每个区间的天气情况和空调开启后的用电情况对空调的运行模式进行调整。
在本发明一个可选的实施例中,用电限制条件可以包括以下至少之一:用电量、用电的费用,每个区间可以为一天,预定时间段可以为周或者月。
在本发明一个可选的实施例中,控制单元可以包括:显示模块,用于将空调运行模式进行显示;控制模块,用于在接收到对空调运行模式进行确认的确认指示之后,根据显示的空调运行模式对空调进行控制。
在本发明一个可选的实施例中,调整单元可以包括以下至少之一:第一调整模块,用于对空调的运行模式进行调整;第二调整模块,对空调的温度进行调整;第三调整模块,对空调的湿度进行调整;第四调整模块,对空调的扫风速度进行控制。
上述的空调控制装置还可以包括处理器和存储器,上述采集单元21,第一确定单元23,第二确定单元25以及控制单元27等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来确定用于对空调进行控制的空调运行模式。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本发明实施例的另外一个方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述中任意一项的空调控制方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的空调控制方法。
在本发明实施例中还提供了一种设备,该设备包括处理器、存储器及存储在存储器上并可以在处理器上运行的程序,处理器执行程序时实现以下步骤:采集安装有空调的室内的室内照片;通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置;依据确定的空调所处的位置确定空调的空调运行模式;根据确定的空调运行模式控制空调。
本发明实施例中还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:采集安装有空调的室内的室内照片;通过第一模型,确定采集的照片中的空调所处的位置,其中,第一模型为使用多组数据通过机器学习训练得到的,多组数据中的每组数据均包括:照片和照片中的空调所处的位置;依据确定的空调所处的位置确定空调的空调运行模式;根据确定的空调运行模式控制空调。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种空调控制方法,其特征在于,包括:
采集安装有空调的室内的室内照片;
通过第一模型,确定采集的所述照片中的所述空调所处的位置,其中,所述第一模型为使用多组数据通过机器学习训练得到的,所述多组数据中的每组数据均包括:照片和所述照片中的所述空调所处的位置;
依据确定的所述空调所处的位置确定空调的空调运行模式;
根据确定的所述空调运行模式控制所述空调;
其中,在根据确定的所述空调运行模式控制所述空调之后,还包括:
获取预定时间段的用电限制条件;
获取所述预定时间段中的每个区间的天气情况,其中,所述预定时间段分为多个区间;
根据所述用电限制条件、所述每个区间的天气情况和所述空调开启后的用电情况对所述空调的运行模式进行调整;
其中,在根据所述用电限制条件、所述每个区间的天气情况和所述空调开启后的用电情况对所述空调的运行模式进行调整之后,还包括:根据从预定网络上搜集到的所述天气情况下其他空调使用情况确定所述预定时间段内的耗电量,在所述耗电量与用电限制条件不匹配的情况下,提示是否需要上调用电限制条件;
其中,根据所述空调运行模式对所述空调进行控制包括:
将所述空调运行模式进行显示;
在接收到对所述空调运行模式进行确认的确认指示之后,根据显示的所述空调运行模式对所述空调进行控制。
2.根据权利要求1所述的方法,其特征在于,所述用电限制条件包括以下至少之一:用电量、用电的费用,所述每个区间为一天,所述预定时间段为周或者月。
3.一种空调控制装置,其特征在于,包括:
采集单元,用于采集安装有空调的室内的室内照片;
第一确定单元,用于通过第一模型,确定采集的所述照片中的所述空调所处的位置,其中,所述第一模型为使用多组数据通过机器学习训练得到的,所述多组数据中的每组数据均包括:照片和所述照片中的所述空调所处的位置;
第二确定单元,用于依据确定的所述空调所处的位置确定空调的空调运行模式;
控制单元,用于根据确定的所述空调运行模式控制所述空调;
其中,还包括:
第一获取单元,用于在根据确定的所述空调运行模式控制所述空调之后,获取预定时间段的用电限制条件;
第二获取单元,用于获取所述预定时间段中的每个区间的天气情况,其中,所述预定时间段分为多个区间;
调整单元,用于根据所述用电限制条件、所述每个区间的天气情况和所述空调开启后的用电情况对所述空调的运行模式进行调整;
其中,所述装置还用于:根据从预定网络上搜集到的所述天气情况下其他空调使用情况确定所述预定时间段内的耗电量,在所述耗电量与用电限制条件不匹配的情况下,提示是否需要上调用电限制条件;
其中,所述控制单元包括:
显示模块,用于将所述空调运行模式进行显示;
控制模块,用于在接收到对所述空调运行模式进行确认的确认指示之后,根据显示的所述空调运行模式对所述空调进行控制。
4.根据权利要求3所述的装置,其特征在于,所述用电限制条件包括以下至少之一:用电量、用电的费用,所述每个区间为一天,所述预定时间段为周或者月。
5.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1或2中任意一项所述的空调控制方法。
6.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1或2中任意一项所述的空调控制方法。
CN201711126232.1A 2017-11-13 2017-11-13 空调控制方法及装置 Active CN108006902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711126232.1A CN108006902B (zh) 2017-11-13 2017-11-13 空调控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711126232.1A CN108006902B (zh) 2017-11-13 2017-11-13 空调控制方法及装置

Publications (2)

Publication Number Publication Date
CN108006902A CN108006902A (zh) 2018-05-08
CN108006902B true CN108006902B (zh) 2020-12-11

Family

ID=62052668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711126232.1A Active CN108006902B (zh) 2017-11-13 2017-11-13 空调控制方法及装置

Country Status (1)

Country Link
CN (1) CN108006902B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110940062B (zh) * 2018-09-25 2021-04-09 珠海格力电器股份有限公司 空调控制方法及装置
CN110332673A (zh) * 2019-08-02 2019-10-15 珠海格力电器股份有限公司 空调的电计量系统、空调的控制方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103375872A (zh) * 2012-04-16 2013-10-30 珠海格力电器股份有限公司 空调设备运行状态的控制方法及空调设备
CN104748323A (zh) * 2013-12-31 2015-07-01 广东美的制冷设备有限公司 空调器的运行控制方法、装置及空调器
CN106440201A (zh) * 2016-09-26 2017-02-22 北京智能管家科技有限公司 空调送风方法、装置及空调
CN107152748A (zh) * 2016-03-04 2017-09-12 富士施乐株式会社 图像处理设备和方法以及图像处理系统
CN107166645A (zh) * 2017-05-18 2017-09-15 厦门瑞为信息技术有限公司 一种基于室内场景分析的空调控制方法
CN107679932A (zh) * 2017-08-18 2018-02-09 佛山佳牧乐科技有限公司 一种户式中央空调的确定方法及其设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103375872A (zh) * 2012-04-16 2013-10-30 珠海格力电器股份有限公司 空调设备运行状态的控制方法及空调设备
CN104748323A (zh) * 2013-12-31 2015-07-01 广东美的制冷设备有限公司 空调器的运行控制方法、装置及空调器
CN107152748A (zh) * 2016-03-04 2017-09-12 富士施乐株式会社 图像处理设备和方法以及图像处理系统
CN106440201A (zh) * 2016-09-26 2017-02-22 北京智能管家科技有限公司 空调送风方法、装置及空调
CN107166645A (zh) * 2017-05-18 2017-09-15 厦门瑞为信息技术有限公司 一种基于室内场景分析的空调控制方法
CN107679932A (zh) * 2017-08-18 2018-02-09 佛山佳牧乐科技有限公司 一种户式中央空调的确定方法及其设备

Also Published As

Publication number Publication date
CN108006902A (zh) 2018-05-08

Similar Documents

Publication Publication Date Title
CN109068056B (zh) 一种电子设备及其拍摄图像的滤镜处理方法、存储介质
CN107883541B (zh) 空调控制方法及装置
CN107860101A (zh) 空调设备的参数调整方法及装置、空调设备
US9414016B2 (en) System and methods for persona identification using combined probability maps
CN105380575A (zh) 扫地机器人的控制方法、系统、云服务器和扫地机器人
CN108292311A (zh) 用于处理元数据的设备和方法
CN107654406B (zh) 风扇送风控制设备、风扇送风控制方法及装置
CN103559717A (zh) 拍照设备的拍照预览构图辅助方法及装置
CN109358546B (zh) 家用电器的控制方法、装置和系统
CN110717058B (zh) 信息推荐方法及装置、存储介质
CN108006902B (zh) 空调控制方法及装置
CN110750567A (zh) 一种基于智能衣柜的穿搭数据生成方法及系统
CN108154258B (zh) 空气源热泵负荷的预测方法、装置、存储介质和处理器
CN103577662A (zh) 确定家用电器的用电状况或环境状况的方法及设备
CN107527008A (zh) 人脸识别系统及其控制方法和控制装置
CN105791674A (zh) 电子设备和对焦方法
CN112051744A (zh) 智能终端、智能家居应用的推荐方法及系统
CN104052911A (zh) 一种信息处理方法及电子设备
CN105975079A (zh) 空调器的信息处理方法和装置
CN107122189A (zh) 图像显示方法及装置
CN107883520B (zh) 基于空调设备的提醒方法及装置、终端
CN110443179B (zh) 离岗检测方法、装置以及存储介质
CN114114947A (zh) 智能家居设备的控制方法及装置
CN112000024A (zh) 用于控制家电设备的方法及装置、设备
CN109862276B (zh) 一种信息处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant