CN110805989A - 空调器的控制方法和装置 - Google Patents
空调器的控制方法和装置 Download PDFInfo
- Publication number
- CN110805989A CN110805989A CN201810886841.5A CN201810886841A CN110805989A CN 110805989 A CN110805989 A CN 110805989A CN 201810886841 A CN201810886841 A CN 201810886841A CN 110805989 A CN110805989 A CN 110805989A
- Authority
- CN
- China
- Prior art keywords
- air conditioner
- target
- target space
- image information
- space
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000002360 preparation method Methods 0.000 claims description 12
- 238000009423 ventilation Methods 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/88—Electrical aspects, e.g. circuits
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请公开了一种空调器的控制方法和装置。该方法包括:在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;依据目标区域的图像信息判断目标空间是否为封闭状态;在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。通过本申请,解决了相关技术中空调在室内通风情况下启用,温度调控不佳,浪费资源的问题。
Description
技术领域
本申请涉及空调控制领域,具体而言,涉及一种空调器的控制方法和装置。
背景技术
人工智能技术发展迅速,智能家居对用户生活的影响也越来越大,应用便捷性逐步升级,而在一些服务细节上应用性还有待于进一步提高。
例如,在使用空调时,出于节能的考虑,以及为了使得室内温度更快达到设定的温度,在启用空调前用户需要先关闭门窗,有时用户忘记关闭门窗便启用空调,在通风的情况下开启控制,而空调自身也无法对这种情况做出辨别,使得室内温度升/降较慢,还会造成能源的浪费。
针对相关技术中空调在室内通风情况下启用,温度调控不佳,浪费资源的问题,目前尚未提出有效的解决方案。
发明内容
本申请提供一种空调器的控制方法和装置,以解决相关技术中空调在室内通风情况下启用,温度调控不佳,浪费资源的问题。
根据本申请的一个方面,提供了一种空调器的控制方法。该方法包括:在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;依据目标区域的图像信息判断目标空间是否为封闭状态;在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。
可选地,在获取目标区域的图像信息之前,该方法还包括:获取目标空间的图像信息;采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域,其中,第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
可选地,采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域包括:采用第一模型对目标空间的图像信息进行识别,确定目标空间的预备区域;采用空间相互位置关系的约束条件对目标空间的预备区域进行调整,确定目标空间的目标区域。
可选地,依据目标区域的图像信息判断目标空间是否为封闭状态包括:采用第二模型对目标区域的图像信息进行识别,确定目标区域的门窗的状态,其中,第二模型是使用多组数据通过机器学习训练出的第二级卷积神经网络,多组数据中的每组数据均包括:区域的图像,区域的门窗的开启状态、区域的门窗的关闭状态;若门窗的状态包含开启状态时,则确认目标空间为非封闭状态;若门窗的状态均为关闭状态时,则确认目标空间为封闭状态。
可选地,在控制空调器发送提示目标空间为非封闭状态的第一提示信息之后,该方法还包括:判断预设时间内是否接收到关闭指令,其中,关闭指令用于关闭目标空间内开启状态的门窗;若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态。
可选地,在判断预设时间内是否接收到关闭指令之后,该方法还包括:若在预设时间内未接收到关闭指令,控制空调器发送第二提示信息,其中,第二提示信息的提示强度高于第一提示信息的提升强度。
根据本申请的另一方面,提供了一种空调器的控制装置。该装置包括:第一获取单元,用于在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;第一判断单元,用于依据目标区域的图像信息判断目标空间是否为封闭状态;第一提示单元,用于在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。
可选地,该装置还包括:第二获取单元,用于在获取目标区域的图像信息之前,获取目标空间的图像信息;确定单元,用于采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域,其中,第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
为了实现上述目的,根据本申请的另一方面,提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述任意一项的空调器的控制方法。
为了实现上述目的,根据本申请的另一方面,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任意一项的空调器的控制方法。
通过本申请,采用以下步骤:在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;依据目标区域的图像信息判断目标空间是否为封闭状态;在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息,解决了相关技术中空调在室内通风情况下启用,温度调控不佳,浪费资源的问题。进而达到了根据空调所在空间门窗的开闭情况得到室内的封闭状况,提醒用户关闭门窗再开启空调,达到较好的温度调控效果,节约了资源。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的空调器的控制方法的流程图;以及
图2是根据本申请实施例提供的空调器的控制装置的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请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,以便这里描述的本申请的实施例。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。
根据本申请的实施例,提供了一种空调器的控制方法。
图1是根据本申请实施例的空调器的控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S102,在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗。
步骤S104,依据目标区域的图像信息判断目标空间是否为封闭状态。
步骤S106,在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。
本申请实施例提供的空调器的控制方法,通过在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;依据目标区域的图像信息判断目标空间是否为封闭状态;在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息,解决了相关技术中空调在室内通风情况下启用,温度调控不佳,浪费资源的问题。进而达到了根据空调所在空间门窗的开闭情况得到室内的封闭状况,提醒用户关闭门窗再开启空调,达到较好的温度调控效果,节约了资源。
可选地,在本申请实施例提供的空调器的控制方法中,在获取目标区域的图像信息之前,该方法还包括:获取目标空间的图像信息;采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域,其中,第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
通过收集各种空间的图像信息并标记空间的目标区域,以建立训练样本集,进而使用该样本集训练卷积神经网络得到第一模型,最后使用第一模型对目标空间的图像信息进行分析,实现对目标空间的目标区域精准定位。进而达到本申请实施例提供的空调器的控制方法在执行步骤S102时,可以直接获取到目标区域的图像信息的技术效果。
需要说明的是:本申请实施例提供的空调器的控制方法在建立训练样本集时,还建立了测试样本集,以便对第一模型进行测试,检验其处理结果的准确性。
需要说明的是:上述目标区域不仅仅可以包括门窗,还可以包括影响目标空间封闭状态的其他因素,例如,通风扇,通风口等。
此外,在另一优选的实施例中,在本申请实施例提供的空调器的控制方法中,采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域包括:采用第一模型对目标空间的图像信息进行识别,确定目标空间的预备区域;采用空间相互位置关系的约束条件对目标空间的预备区域进行调整,确定目标空间的目标区域。
需要说明的是:空间相互位置关系的约束条件是室内物品需要遵循的空间定律,例如,椅子在桌子的右侧,桌子在墙体的右侧,那么椅子便不可能在墙体的左侧。
通过采用空间相互位置关系的约束条件对第一模型确定的区域做进一步调整,使得目标区域可以精准定位。
可选地,在本申请实施例提供的空调器的控制方法中,依据目标区域的图像信息判断目标空间是否为封闭状态包括:采用第二模型对目标区域的图像信息进行识别,确定目标区域的门窗的状态,其中,第二模型是使用多组数据通过机器学习训练出的第二级卷积神经网络,多组数据中的每组数据均包括:区域的图像,区域的门窗的开启状态、区域的门窗的关闭状态;若门窗的状态包含开启状态时,则确认目标空间为非封闭状态;若门窗的状态均为关闭状态时,则确认目标空间为封闭状态。
通过收集各种区域的图像,并标记该区域门窗的启闭状态,以建立训练样本集,进而使用该训练样本集训练卷积神经网络得到第二模型,进而使用该第二模型对目标区域的图像信息进行分析,确定该目标区域的门窗是关闭状态还是开启状态,以便精准确定目标空间是封闭状态还是非封闭状态。达到本申请实施例提供的空调器的控制方法在执行步骤S106时,可以基于目标空间的当下状态提示用户是否需要关闭门窗,以达到较好的温度调控效果,节约资源的技术效果。
需要说明的是:上述若门窗的状态包含开启状态时,则确认目标空间为非封闭状态为:目标空间内只要包含开启状态的门窗,则认为目标空间为非封闭状态。上述若门窗的状态均为关闭状态时,则确认目标空间为封闭状态为:目标空间内的门窗均为关闭状态,则认为目标空间为封闭状态。
综上,通过训练用于定位门窗区域的第一模型和用于判别门窗状态的第二模型,实现门窗区域的先定位后判断,以便在检测到空调器的开启指令,且检测到目标空间处于非封闭状态时,提示用户门窗的开闭情况,实现较好的温度调控效果,并节约资源。
也即,本申请实施例提供的空调器的控制方法基于深度学习理论,建立一个二级级联的卷积神经网络模型,以便实现目标空间封闭情况自动识别,其中,第一级为用于定位门窗区域的第一模型,结合空间相互位置关系的约束条件,实现门窗区域精确定位;第二级为用于判别门窗状态的第二模型,对第一模型定位的目标区域的门窗开闭状态进行判断,从而对目标空间是否处于封闭情况做出判断。
需要说明的是:上述用于实现目标空间封闭情况自动识别的第一模型、第二模型以及空间相互位置关系的约束条件,无需针对不同类型的门窗的开闭状况分别设计识别方法,而是借助深度学习中的卷积神经网络理论,通过学习训练的方式自适应地抽取特征,实现了对多个门窗进行同步定位和开闭判断,且高效准确的技术效果。
可选地,在本申请实施例提供的空调器的控制方法中,在控制空调器发送提示目标空间为非封闭状态的第一提示信息之后,该方法还包括:判断预设时间内是否接收到关闭指令,其中,关闭指令用于关闭目标空间内开启状态的门窗;若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态。
通过在控制空调器发送第一提示信息之后,检测预设时间内是否接收到关闭指令,若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态,使得用户可以在接收到第一提示信息之后,通过发送一个简单的关闭指令,则可以直接控制目标空间内门窗的启闭状态,进而令空调器在一个封闭状态的空间内进入运行状态,以便较快的调节目标空间温度,并达到节约资源的技术效果。
可选地,在本申请实施例提供的空调器的控制方法中,在判断预设时间内是否接收到关闭指令之后,该方法还包括:若在预设时间内未接收到关闭指令,控制空调器发送第二提示信息,其中,第二提示信息的提示强度高于第一提示信息的提升强度。
通过在控制空调器发送第一提示信息之后,检测预设时间内是否接收到关闭指令,若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态;所未接收到关闭指令,则再次发送提示强度更高的第二提示信息,有效的提醒用户关闭开启状态的门窗,避免资源浪费的情况发生。
需要说明的是:提示信息的提示强度更高可以为:提示信息的提示音量增加,提示信息直接发送至用户的移动终端中,提示信息的提示灯亮度增加等。
在一个可选的示例中,若在预设时间内未接收到关闭指令时,虽然会继续发送第二提示信息,但是控制空调器进入运行状态。
在另一个可选的示例中,在控制空调器发送第一提示信息之后,该方法还包括:若接收到停止提示指令,则控制空调器停止发送第一提示信息和第二提示信息。
综上,相比于现有技术,本方案基于空调所处的室内的各个门窗的开闭情况训练处模型,对容易开启的门窗区域进行定位检测,从而实时获得室内封闭状况,在开启空调时为用户提供提示信息,避免了用户忘关门窗,导致室内温度调控较慢,浪费资源的情况。该技术可用于智能家居用户分析领域,用于进行贴心的人性化服务,提升用户体验。
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。
本申请实施例还提供了一种空调器的控制装置,需要说明的是,本申请实施例的空调器的控制装置可以用于执行本申请实施例所提供的用于空调器的控制方法。以下对本申请实施例提供的空调器的控制装置进行介绍。
图2是根据本申请实施例的空调器的控制装置的示意图。如图2所示,该装置包括:第一获取单元21、第一判断单元23和第一提示单元25。
第一获取单元21,用于在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗。
第一判断单元23,用于依据目标区域的图像信息判断目标空间是否为封闭状态。
第一提示单元25,用于在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。
可选地,在本申请实施例提供的空调器的控制装置中,该装置还包括:第二获取单元,用于在获取目标区域的图像信息之前,获取目标空间的图像信息;确定单元,用于采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域,其中,第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
可选地,在本申请实施例提供的空调器的控制装置中,确定单元包括:第一确定模块,用于采用第一模型对目标空间的图像信息进行识别,确定目标空间的预备区域;第二确定模块,用于采用空间相互位置关系的约束条件对目标空间的预备区域进行调整,确定目标空间的目标区域。
可选地,在本申请实施例提供的空调器的控制装置中,第一判断单元23包括:第三确定模块,用于采用第二模型对目标区域的图像信息进行识别,确定目标区域的门窗的状态,其中,第二模型是使用多组数据通过机器学习训练出的第二级卷积神经网络,多组数据中的每组数据均包括:区域的图像,区域的门窗的开启状态、区域的门窗的关闭状态;第四确定模块,用于若门窗的状态包含开启状态时,则确认目标空间为非封闭状态;第五确定模块,用于若门窗的状态均为关闭状态时,则确认目标空间为封闭状态。
可选地,在本申请实施例提供的空调器的控制装置中,该装置还包括:第二判断单元,用于在控制空调器发送提示目标空间为非封闭状态的第一提示信息之后,判断预设时间内是否接收到关闭指令,其中,关闭指令用于关闭目标空间内开启状态的门窗;关闭单元,用于若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态。
可选地,在本申请实施例提供的空调器的控制装置中,该装置还包括:第二提示单元,用于在判断预设时间内是否接收到关闭指令之后,若在预设时间内未接收到关闭指令,控制空调器发送第二提示信息,其中,第二提示信息的提示强度高于第一提示信息的提升强度。
本申请实施例提供的空调器的控制装置,通过第一获取单元21在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;第一判断单元23依据目标区域的图像信息判断目标空间是否为封闭状态;第一提示单元25在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息,解决了相关技术中空调在室内通风情况下启用,温度调控不佳,浪费资源的问题。进而达到了根据空调所在空间门窗的开闭情况得到室内的封闭状况,提醒用户关闭门窗再开启空调,达到较好的温度调控效果,节约了资源。
空调器的控制装置包括处理器和存储器,上述第一获取单元21、第一判断单元23和第一提示单元25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提醒用户关闭门窗再开启空调,以便达到较好的温度调控效果。
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。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现空调器的控制方法。
本发明实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行空调器的控制方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;依据目标区域的图像信息判断目标空间是否为封闭状态;在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。
可选地,在获取目标区域的图像信息之前,该方法还包括:获取目标空间的图像信息;采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域,其中,第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
可选地,采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域包括:采用第一模型对目标空间的图像信息进行识别,确定目标空间的预备区域;采用空间相互位置关系的约束条件对目标空间的预备区域进行调整,确定目标空间的目标区域。
可选地,依据目标区域的图像信息判断目标空间是否为封闭状态包括:采用第二模型对目标区域的图像信息进行识别,确定目标区域的门窗的状态,其中,第二模型是使用多组数据通过机器学习训练出的第二级卷积神经网络,多组数据中的每组数据均包括:区域的图像,区域的门窗的开启状态、区域的门窗的关闭状态;若门窗的状态包含开启状态时,则确认目标空间为非封闭状态;若门窗的状态均为关闭状态时,则确认目标空间为封闭状态。
可选地,在控制空调器发送提示目标空间为非封闭状态的第一提示信息之后,该方法还包括:判断预设时间内是否接收到关闭指令,其中,关闭指令用于关闭目标空间内开启状态的门窗;若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态。
可选地,在判断预设时间内是否接收到关闭指令之后,该方法还包括:若在预设时间内未接收到关闭指令,控制空调器发送第二提示信息,其中,第二提示信息的提示强度高于第一提示信息的提升强度。本文中的设备可以是服务器、PC、PAD、手机等。
本申请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:在检测到空调器的开启指令后,获取目标区域的图像信息,其中,目标区域位于空调器所处的目标空间,目标区域设有门窗;依据目标区域的图像信息判断目标空间是否为封闭状态;在目标空间为非封闭状态的情况下,控制空调器发送提示目标空间为非封闭状态的第一提示信息。
可选地,在获取目标区域的图像信息之前,该方法还包括:获取目标空间的图像信息;采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域,其中,第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
可选地,采用第一模型对目标空间的图像信息进行识别,确定目标空间的目标区域包括:采用第一模型对目标空间的图像信息进行识别,确定目标空间的预备区域;采用空间相互位置关系的约束条件对目标空间的预备区域进行调整,确定目标空间的目标区域。
可选地,依据目标区域的图像信息判断目标空间是否为封闭状态包括:采用第二模型对目标区域的图像信息进行识别,确定目标区域的门窗的状态,其中,第二模型是使用多组数据通过机器学习训练出的第二级卷积神经网络,多组数据中的每组数据均包括:区域的图像,区域的门窗的开启状态、区域的门窗的关闭状态;若门窗的状态包含开启状态时,则确认目标空间为非封闭状态;若门窗的状态均为关闭状态时,则确认目标空间为封闭状态。
可选地,在控制空调器发送提示目标空间为非封闭状态的第一提示信息之后,该方法还包括:判断预设时间内是否接收到关闭指令,其中,关闭指令用于关闭目标空间内开启状态的门窗;若接收到关闭指令,则关闭目标空间内开启状态的门窗,并控制空调器进入运行状态。
可选地,在判断预设时间内是否接收到关闭指令之后,该方法还包括:若在预设时间内未接收到关闭指令,控制空调器发送第二提示信息,其中,第二提示信息的提示强度高于第一提示信息的提升强度。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
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)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种空调器的控制方法,其特征在于,包括:
在检测到空调器的开启指令后,获取目标区域的图像信息,其中,所述目标区域位于所述空调器所处的目标空间,所述目标区域设有门窗;
依据所述目标区域的图像信息判断所述目标空间是否为封闭状态;
在所述目标空间为非封闭状态的情况下,控制所述空调器发送提示所述目标空间为非封闭状态的第一提示信息。
2.根据权利要求1所述的方法,其特征在于,在获取所述目标区域的图像信息之前,所述方法还包括:
获取所述目标空间的图像信息;
采用第一模型对所述目标空间的图像信息进行识别,确定所述目标空间的目标区域,其中,所述第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,所述多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
3.根据权利要求2所述的方法,其特征在于,采用第一模型对所述目标空间的图像信息进行识别,确定所述目标空间的目标区域包括:
采用第一模型对所述目标空间的图像信息进行识别,确定所述目标空间的预备区域;
采用空间相互位置关系的约束条件对所述目标空间的预备区域进行调整,确定所述目标空间的目标区域。
4.根据权利要求1所述的方法,其特征在于,依据所述目标区域的图像信息判断所述目标空间是否为封闭状态包括:
采用第二模型对所述目标区域的图像信息进行识别,确定所述目标区域的门窗的状态,其中,所述第二模型是使用多组数据通过机器学习训练出的第二级卷积神经网络,所述多组数据中的每组数据均包括:区域的图像,所述区域的门窗的开启状态、所述区域的门窗的关闭状态;
若所述门窗的状态包含开启状态时,则确认所述目标空间为非封闭状态;
若所述门窗的状态均为关闭状态时,则确认所述目标空间为封闭状态。
5.根据权利要求1所述的方法,其特征在于,在控制所述空调器发送提示所述目标空间为非封闭状态的第一提示信息之后,所述方法还包括:
判断预设时间内是否接收到关闭指令,其中,所述关闭指令用于关闭所述目标空间内开启状态的门窗;
若接收到所述关闭指令,则关闭所述目标空间内开启状态的门窗,并控制所述空调器进入运行状态。
6.根据权利要求5所述的方法,其特征在于,在判断预设时间内是否接收到关闭指令之后,所述方法还包括:
若在所述预设时间内未接收到所述关闭指令,控制所述空调器发送第二提示信息,其中,所述第二提示信息的提示强度高于所述第一提示信息的提升强度。
7.一种空调器的控制装置,其特征在于,包括:
第一获取单元,用于在检测到空调器的开启指令后,获取目标区域的图像信息,其中,所述目标区域位于所述空调器所处的目标空间,所述目标区域设有门窗;
第一判断单元,用于依据所述目标区域的图像信息判断所述目标空间是否为封闭状态;
第一提示单元,用于在所述目标空间为非封闭状态的情况下,控制所述空调器发送提示所述目标空间为非封闭状态的第一提示信息。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二获取单元,用于在获取所述目标区域的图像信息之前,获取所述目标空间的图像信息;
确定单元,用于采用第一模型对所述目标空间的图像信息进行识别,确定所述目标空间的目标区域,其中,所述第一模型是使用多组数据通过机器学习训练出的第一级卷积神经网络,所述多组数据中的每组数据均包括:空间的图像信息和空间的目标区域。
9.一种存储介质,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至6中任意一项所述的空调器的控制方法。
10.一种处理器,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至6中任意一项所述的空调器的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810886841.5A CN110805989B (zh) | 2018-08-06 | 2018-08-06 | 空调器的控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810886841.5A CN110805989B (zh) | 2018-08-06 | 2018-08-06 | 空调器的控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110805989A true CN110805989A (zh) | 2020-02-18 |
CN110805989B CN110805989B (zh) | 2021-02-26 |
Family
ID=69487308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810886841.5A Active CN110805989B (zh) | 2018-08-06 | 2018-08-06 | 空调器的控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110805989B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111609470A (zh) * | 2020-05-29 | 2020-09-01 | 佛山市万物互联科技有限公司 | 空调运行控制方法、空调及计算机可读存储介质 |
CN112394692A (zh) * | 2020-11-06 | 2021-02-23 | 珠海格力电器股份有限公司 | 门窗状态识别方法、装置、智能空调、设备和存储介质 |
CN117111535A (zh) * | 2023-10-20 | 2023-11-24 | 四川名人居门窗有限公司 | 一种封闭空间抗冲击避险控制系统及智能门窗控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2709844Y (zh) * | 2004-07-01 | 2005-07-13 | 林廷 | 空调门窗联动装置 |
CN101737904A (zh) * | 2009-11-06 | 2010-06-16 | 南京航空航天大学 | 一种基于红外检测与图像处理的反馈式控制系统 |
WO2014167837A1 (ja) * | 2013-04-12 | 2014-10-16 | パナソニック株式会社 | 空調システムおよびコントローラ |
CN104566869A (zh) * | 2015-01-27 | 2015-04-29 | 上海新祁环境科技有限公司 | 空调器 |
CN104633856A (zh) * | 2015-01-27 | 2015-05-20 | 天津大学 | Cfd数值模拟结合bp神经网络人工环境控制方法 |
CN104913442A (zh) * | 2015-05-29 | 2015-09-16 | 广东美的制冷设备有限公司 | 智能空调器和智能门窗的控制方法、装置及系统 |
CN105987477A (zh) * | 2015-01-27 | 2016-10-05 | 青岛海尔空调器有限总公司 | 空调器控制方法、控制装置及空调器 |
US20180010818A1 (en) * | 2016-07-07 | 2018-01-11 | Enerallies, Inc. | Forecast-based automatic scheduling of a distributed network of thermostats with learned adjustment |
US10030885B1 (en) * | 2017-06-12 | 2018-07-24 | Chengfu Yu | Smart register device and method |
-
2018
- 2018-08-06 CN CN201810886841.5A patent/CN110805989B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2709844Y (zh) * | 2004-07-01 | 2005-07-13 | 林廷 | 空调门窗联动装置 |
CN101737904A (zh) * | 2009-11-06 | 2010-06-16 | 南京航空航天大学 | 一种基于红外检测与图像处理的反馈式控制系统 |
WO2014167837A1 (ja) * | 2013-04-12 | 2014-10-16 | パナソニック株式会社 | 空調システムおよびコントローラ |
CN104566869A (zh) * | 2015-01-27 | 2015-04-29 | 上海新祁环境科技有限公司 | 空调器 |
CN104633856A (zh) * | 2015-01-27 | 2015-05-20 | 天津大学 | Cfd数值模拟结合bp神经网络人工环境控制方法 |
CN105987477A (zh) * | 2015-01-27 | 2016-10-05 | 青岛海尔空调器有限总公司 | 空调器控制方法、控制装置及空调器 |
CN104913442A (zh) * | 2015-05-29 | 2015-09-16 | 广东美的制冷设备有限公司 | 智能空调器和智能门窗的控制方法、装置及系统 |
US20180010818A1 (en) * | 2016-07-07 | 2018-01-11 | Enerallies, Inc. | Forecast-based automatic scheduling of a distributed network of thermostats with learned adjustment |
US10030885B1 (en) * | 2017-06-12 | 2018-07-24 | Chengfu Yu | Smart register device and method |
Non-Patent Citations (2)
Title |
---|
李强等: "《云制造理论体系及实践应用》", 31 May 2018 * |
陈鹏展: "《个体行为的机器识别与决策协同》", 31 July 2018, 知识产权出版社 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111609470A (zh) * | 2020-05-29 | 2020-09-01 | 佛山市万物互联科技有限公司 | 空调运行控制方法、空调及计算机可读存储介质 |
CN112394692A (zh) * | 2020-11-06 | 2021-02-23 | 珠海格力电器股份有限公司 | 门窗状态识别方法、装置、智能空调、设备和存储介质 |
CN117111535A (zh) * | 2023-10-20 | 2023-11-24 | 四川名人居门窗有限公司 | 一种封闭空间抗冲击避险控制系统及智能门窗控制方法 |
CN117111535B (zh) * | 2023-10-20 | 2024-01-12 | 四川名人居门窗有限公司 | 一种封闭空间抗冲击避险控制系统及智能门窗控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110805989B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110805989B (zh) | 空调器的控制方法和装置 | |
CN110286601A (zh) | 控制智能家居设备的方法、装置、控制设备及存储介质 | |
CN107219766B (zh) | 智能家居设备的控制方法和装置 | |
CN108508803B (zh) | 多联机系统通讯匹配方法和装置 | |
CN108105954B (zh) | 设备控制方法和装置、存储介质及处理器 | |
CN113110082A (zh) | 用于家电控制的方法、装置和家电 | |
CN111142398A (zh) | 设备联动方法、装置、电子设备及存储介质 | |
CN108266862B (zh) | 空调控制方法和装置、存储介质及处理器 | |
CN112558575A (zh) | 一种设备联动控制方法、装置、存储介质以及设备 | |
CN112069068A (zh) | 自动化测试数据处理方法、装置、设备及可读存储介质 | |
CN111371803B (zh) | 智能家居权限控制方法、装置、智能家居系统及服务器 | |
CN108154036B (zh) | 一种智能设备的控制方法及控制装置 | |
CN109974236B (zh) | 空调室外机的调控方法和装置 | |
CN113028612B (zh) | 空调器的控制方法、装置、存储介质和处理器 | |
CN108195036B (zh) | 空调控制方法和装置 | |
CN112118591A (zh) | 设备网络状态分析控制方法、系统以及计算机存储介质 | |
CN113194155A (zh) | 一种物联网中场景智能推荐的方法及装置 | |
CN112415901A (zh) | 用于管理智能设备的方法、装置、计算机可读介质及设备 | |
CN107588029B (zh) | 一种自动化多平台风扇测试方法 | |
CN112859634A (zh) | 基于智能家居系统的智能化服务方法及智能家居系统 | |
CN110320839B (zh) | 一种控制智能窗帘的方法、装置、智能窗帘及存储介质 | |
CN110736224B (zh) | 智能家居设备的控制方法及装置、存储介质及处理器 | |
CN112417923A (zh) | 用于控制智能设备的系统、方法和装置 | |
CN110879537A (zh) | 智能家居能源系统暂态稳定性的处理方法和装置 | |
CN113515993A (zh) | 视频异常检测、模型训练方法、设备、模型及存储介质 |
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 |