CN111964209A - 一种智能空气净化方法和装置 - Google Patents
一种智能空气净化方法和装置 Download PDFInfo
- Publication number
- CN111964209A CN111964209A CN202010688778.1A CN202010688778A CN111964209A CN 111964209 A CN111964209 A CN 111964209A CN 202010688778 A CN202010688778 A CN 202010688778A CN 111964209 A CN111964209 A CN 111964209A
- Authority
- CN
- China
- Prior art keywords
- indoor air
- image information
- air
- obtaining
- information
- 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.)
- Pending
Links
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
- F24F11/32—Responding to malfunctions or emergencies
-
- 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
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
-
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/50—Air quality properties
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Abstract
本发明提供了一种智能空气净化方法和装置,通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。达到了根据实际空气质量自动进行空气净化,无需人工控制,智能化程度高,节约能源的技术效果。
Description
技术领域
本发明涉及计算机信息处理技术领域,尤其涉及一种智能空气净化方法和装置。
背景技术
随着社会的发展,由于工业污染严重,导致空气质量下降,而人们生活质量日益提高,空气净化便成了现在的热门话题。
但本发明申请人发现现有技术至少存在如下技术问题:
现有技术中的空气净化方法一般需要人为开启或关闭,存在智能化程度低,浪费能源,无法根实际空气质量进行自动调节净化的技术问题。
发明内容
本发明实施例提供了一种智能空气净化方法和装置,解决了现有技术中的空气净化方法一般需要人为开启或关闭,存在智能化程度低,浪费能源,无法根实际空气质量进行自动调节净化的技术问题。
鉴于上述问题,提出了本申请实施例以便提供一种智能空气净化方法和装置。
第一方面,本发明提供了一种智能空气净化方法,所述方法包括:通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
优选的,所述通过所述图像采集器获得第一室内空气图像信息,包括:获得初始第一室内空气图像信息;对所述初始第一室内空气图像信息进行预处理,获得所述第一室内空气图像信息,其中,所述第一室内空气图像信息为尺寸、像素相同的图像信息。
优选的,所述根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,包括:获得预定空气净化阈值;判断所述第一室内空气图像信息对应的空气质量等级信息是否符合所述预定空气净化阈值,获得判断结果;根据所述判断结果,获得控制指令。
优选的,所述根据所述判断结果,获得控制指令,包括:如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息不符合所述预定空气净化阈值,获得第一控制指令,所述第一控制指令用于开启所述智能空气净化装置对室内空气进行净化;如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息符合所述预定空气净化阈值,获得第二控制指令,所述第二控制指令用于停止所述智能空气净化装置对室内空气进行净化。
优选的,所述获得第一控制指令之后,包括:获得第一预定时长;获得第二室内空气图像信息,所述第二室内空气图像信息为获得第一控制指令第一预定时长之后的室内空气图像信息;将所述第二室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第二室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第二室内空气图像信息对应的空气质量等级信息;根据所述第二室内空气图像信息对应的空气质量等级信息,获得第三控制指令,所述第三控制指令用于控制所述智能空气净化装置对室内空气进行净化。
第二方面,本发明提供了一种智能空气净化装置,所述装置包括:
第一获得单元,所述第一获得单元用于通过所述图像采集器获得第一室内空气图像信息;
第一输入单元,所述第一输入单元用于将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
第二获得单元,所述第二获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
第三获得单元,所述第三获得单元用于根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
优选的,所述装置还包括:
第四获得单元,所述第四获得单元用于获得初始第一室内空气图像信息;
第五获得单元,所述第五获得单元用于对所述初始第一室内空气图像信息进行预处理,获得所述第一室内空气图像信息,其中,所述第一室内空气图像信息为尺寸、像素相同的图像信息。
优选的,所述装置还包括:
第六获得单元,所述第六获得单元用于获得预定空气净化阈值;
第七获得单元,所述第七获得单元用于判断所述第一室内空气图像信息对应的空气质量等级信息是否符合所述预定空气净化阈值,获得判断结果;
第八获得单元,所述第八获得单元用于根据所述判断结果,获得控制指令。
优选的,所述装置还包括:
第九获得单元,所述第九获得单元用于如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息不符合所述预定空气净化阈值,获得第一控制指令,所述第一控制指令用于开启所述智能空气净化装置对室内空气进行净化;
第十获得单元,所述第十获得单元用于如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息符合所述预定空气净化阈值,获得第二控制指令,所述第二控制指令用于停止所述智能空气净化装置对室内空气进行净化。
优选的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于获得第一预定时长;
第十二获得单元,所述第十二获得单元用于获得第二室内空气图像信息,所述第二室内空气图像信息为获得第一控制指令第一预定时长之后的室内空气图像信息;
第二输入单元,所述第二输入单元用于将所述第二室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第二室内空气图像信息和预设空气质量等级信息;
第十三获得单元,所述第十三获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第二室内空气图像信息对应的空气质量等级信息;
第十四获得单元,所述第十四获得单元用于根据所述第二室内空气图像信息对应的空气质量等级信息,获得第三控制指令,所述第三控制指令用于控制所述智能空气净化装置对室内空气进行净化。
第三方面,本发明提供了一种智能空气净化装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种智能空气净化方法和装置,通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。解决了现有技术中的空气净化方法一般需要人为开启或关闭,存在智能化程度低,浪费能源,无法根实际空气质量进行自动调节净化的技术问题。达到了根据实际空气质量自动进行空气净化,无需人工控制,智能化程度高,节约能源的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种智能空气净化方法的流程示意图;
图2为本发明实施例中一种智能空气净化装置的结构示意图;
图3为本发明实施例中另一种智能空气净化装置的结构示意图。
附图标记说明:第一获得单元11,第一输入单元12,第二获得单元13,第三获得单元14,总线300,接收器301,处理器302,发送器303,存储器304,总线接口306。
具体实施方式
本发明实施例提供了一种智能空气净化方法和装置,用于解决现有技术中的空气净化方法一般需要人为开启或关闭,存在智能化程度低,浪费能源,无法根实际空气质量进行自动调节净化的技术问题。
本发明提供的技术方案总体思路如下:
通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。达到了根据实际空气质量自动进行空气净化,无需人工控制,智能化程度高,节约能源的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种智能空气净化方法的流程示意图。如图1所示,本发明实施例提供了一种智能空气净化方法,所述方法应用于一智能空气净化装置,所述装置包括一图像采集器,所述方法包括:
步骤110:通过所述图像采集器获得第一室内空气图像信息;
具体而言,本申请实施例提供的智能空气净化方法应用于智能空气净化装置,或智能新风系统,其包含一能够高清晰度呈现空气中污染物质的图像采集器,空气中污染物质例如pm2.5、pm10、粉尘等。从仿真图像类型来说,可以是拍摄静态图像或者视频帧序列的视频图像,可以是检测装置获得的信号走势图,也可以是合成的图像等。对于本申请实施例而言,可以通过能够高清晰度呈现空气中污染物质的图像采集器对室内空气进行图像采集,获得的图像信息即所述第一室内空气图像信息,其可以清晰的分辨出空气中污染物质例如pm2.5、pm10、粉尘等物质。
步骤120:将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
步骤130:获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
具体而言,训练模型即机器学习中的神经网络模型,神经网络(Neural Net worksNN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力,特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(Artificial Nuearl Newtokrs),是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑.节点特点和学习规则来表示。在本申请实施例中,将第一室内空气图像信息作为输入数据,输入到训练模型中,每一组输入的训练数据中都包括第一室内空气图像信息和预设空气质量等级信息,其预设空气质量等级信息作为监督数据,从而对第一室内空气图像信息进行训练,获得输出数据。我国根据《中华人民共和国环境保护法》和《中华人民共和国大气污染防治法》制定了《环境空气质量标准》(GB3095-1996)。这个标准规定了环境空气质量功能区划分、标准分级、主要污染物项目和这些污染物在各个级别下的浓度限值等,是评价空气质量好坏的科学依据。它将有关地区按功能划分为三种类型的区域:一类区为自然保护区、林区、风景名胜区和其它需要特殊保护的地区,二类区为城镇规划中确定的居住区、商业交通居民混合区、文化区、一般工业区和农村地区,三类区为特定工业区。环境空气质量标准也分为三级,一类区执行一级标准,二类区执行二级标准,三类区执行三级标准。衡量某个区域的空气质量达到几级标准主要就是看这个地方空气中各种污染物如可吸入颗粒物(PM10)、二氧化硫(SO2)、二氧化氮(NO2)的浓度达到几级标准,即所述预设空气质量等级信息,获得的输出信息包括所述第一室内空气图像信息对应的空气质量等级信息。
步骤140:根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
具体而言,通过神经网络模型能够快速获取不同位置不同时间的室内空气质量等级,根据第一室内空气图像信息对应的空气质量等级情况,自动开启、关闭或调解空气净化器,从而对室内空气进行净化。从而达到了根据实际空气质量自动进行空气净化,无需人工控制,智能化程度高,节约能源的技术效果。
优选的,所述通过所述图像采集器获得第一室内空气图像信息,包括:获得初始第一室内空气图像信息;对所述初始第一室内空气图像信息进行预处理,获得所述第一室内空气图像信息,其中,所述第一室内空气图像信息为尺寸、像素相同的图像信息。
具体而言,对于图像信息的采集,可以通过多种方式进行采集,保证图像质量并满足同一图像标准即可,这样可以提高图像识别以及各类信息获取的准确性,所以需要对采集的初始第一室内空气图像信息按照一定标准进行预处理,例如将图像信息规范为同一尺寸,每个图像数据的像素相同,保证每个图像信息中的辨识度相同,防止由于图像规格不同,例如采集图像的距离不同,造成的识别到的裂纹清晰度不同,从而导致后期结果的不准确。
优选的,所述根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,包括:获得预定空气净化阈值;判断所述第一室内空气图像信息对应的空气质量等级信息是否符合所述预定空气净化阈值,获得判断结果;根据所述判断结果,获得控制指令。
优选的,所述根据所述判断结果,获得控制指令,包括:如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息不符合所述预定空气净化阈值,获得第一控制指令,所述第一控制指令用于开启所述智能空气净化装置对室内空气进行净化;如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息符合所述预定空气净化阈值,获得第二控制指令,所述第二控制指令用于停止所述智能空气净化装置对室内空气进行净化。
具体而言,预定空气净化阈值可以根据空气质量标准gb3095-2012来制定,将第一室内空气图像信息对应的空气质量等级信息与所述预定空气净化阈值进行比较,如果结果为第一室内空气图像信息对应的空气质量等级信息不符合预定空气净化阈值,即空气质量不符合标准空气质量,则触发第一控制指令,即开启智能空气净化器,使其对室内空气进行净化,如果结果为第一室内空气图像信息对应的空气质量等级信息符合预定空气净化阈值,即空气质量符合标准空气质量,则触发第二控制指令,即关闭智能空气净化器,使其对室内空气停止净化,避免资源浪费的同时保证空气质量。
优选的,所述获得第一控制指令之后,包括:获得第一预定时长;获得第二室内空气图像信息,所述第二室内空气图像信息为获得第一控制指令第一预定时长之后的室内空气图像信息;将所述第二室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第二室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第二室内空气图像信息对应的空气质量等级信息;根据所述第二室内空气图像信息对应的空气质量等级信息,获得第三控制指令,所述第三控制指令用于控制所述智能空气净化装置对室内空气进行净化。
具体而言,由于空气的流动性,室内空气的空气质量成动态变化,为了保证室内空气能够一直保持良好,需要每间隔一段时间对室内空气质量进行一次评估,从而根据评估结果对室内空气进行针对性处理,本申请实施例中的第一预定时长可以根据实际情况进行设定,例如半小时或一小时等,对此本申请不作具体限制,第二室内空气图像信息为室内在经过空气净化器的净化后的预定时长之后,再次获取的室内空气图像信息,将其输入训练模型,与第一室内空气图像信息经过训练模型相同,最终获得第二室内空气图像信息对应的空气质量等级信息,从而根据空气质量等级信息判断室内空气质量是否符合标准,以便做出针对性净化,从而达到持续性智能净化室内空气,使得室内空气能够长期保持良好的技术效果。
实施例二
基于与前述实施例中一种智能空气净化方法同样的发明构思,本发明还提供一种智能空气净化装置,如图2所示,所述装置包括:
第一获得单元11,所述第一获得单元11用于通过所述图像采集器获得第一室内空气图像信息;
第一输入单元12,所述第一输入单元12用于将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
第二获得单元13,所述第二获得单元13用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
第三获得单元14,所述第三获得单元14用于根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
优选的,所述装置还包括:
第四获得单元,所述第四获得单元用于获得初始第一室内空气图像信息;
第五获得单元,所述第五获得单元用于对所述初始第一室内空气图像信息进行预处理,获得所述第一室内空气图像信息,其中,所述第一室内空气图像信息为尺寸、像素相同的图像信息。
优选的,所述装置还包括:
第六获得单元,所述第六获得单元用于获得预定空气净化阈值;
第七获得单元,所述第七获得单元用于判断所述第一室内空气图像信息对应的空气质量等级信息是否符合所述预定空气净化阈值,获得判断结果;
第八获得单元,所述第八获得单元用于根据所述判断结果,获得控制指令。
优选的,所述装置还包括:
第九获得单元,所述第九获得单元用于如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息不符合所述预定空气净化阈值,获得第一控制指令,所述第一控制指令用于开启所述智能空气净化装置对室内空气进行净化;
第十获得单元,所述第十获得单元用于如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息符合所述预定空气净化阈值,获得第二控制指令,所述第二控制指令用于停止所述智能空气净化装置对室内空气进行净化。
优选的,所述装置还包括:
第十一获得单元,所述第十一获得单元用于获得第一预定时长;
第十二获得单元,所述第十二获得单元用于获得第二室内空气图像信息,所述第二室内空气图像信息为获得第一控制指令第一预定时长之后的室内空气图像信息;
第二输入单元,所述第二输入单元用于将所述第二室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第二室内空气图像信息和预设空气质量等级信息;
第十三获得单元,所述第十三获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第二室内空气图像信息对应的空气质量等级信息;
第十四获得单元,所述第十四获得单元用于根据所述第二室内空气图像信息对应的空气质量等级信息,获得第三控制指令,所述第三控制指令用于控制所述智能空气净化装置对室内空气进行净化。
前述图1实施例一中的一种智能空气净化方法的各种变化方式和具体实例同样适用于本实施例的一种智能空气净化装置,通过前述对一种智能空气净化方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种智能空气净化装置的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
基于与前述实施例中一种智能空气净化方法同样的发明构思,本发明还提供一种智能空气净化装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种智能空气净化方法的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
实施例四
基于与前述实施例中一种智能空气净化的方法同样的发明构思,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
在具体实施过程中,该程序被处理器执行时,还可以实现实施例一中的任一方法步骤。
本申请实施例中的上述一个或多个技术方案,至少具有如下一种或多种技术效果:
本发明实施例提供的一种智能空气净化方法和装置,通过所述图像采集器获得第一室内空气图像信息;将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。解决了现有技术中的空气净化方法一般需要人为开启或关闭,存在智能化程度低,浪费能源,无法根实际空气质量进行自动调节净化的技术问题。达到了根据实际空气质量自动进行空气净化,无需人工控制,智能化程度高,节约能源的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种智能空气净化方法,其特征在于,所述方法应用于一智能空气净化装置,所述装置包括一图像采集器,所述方法包括:
通过所述图像采集器获得第一室内空气图像信息;
将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
2.如权利要求1所述的方法,其特征在于,所述通过所述图像采集器获得第一室内空气图像信息,包括:
获得初始第一室内空气图像信息;
对所述初始第一室内空气图像信息进行预处理,获得所述第一室内空气图像信息,其中,所述第一室内空气图像信息为尺寸、像素相同的图像信息。
3.如权利要求1所述的方法,其特征在于,所述根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,包括:
获得预定空气净化阈值;
判断所述第一室内空气图像信息对应的空气质量等级信息是否符合所述预定空气净化阈值,获得判断结果;
根据所述判断结果,获得控制指令。
4.如权利要求3所述的方法,其特征在于,所述根据所述判断结果,获得控制指令,包括:
如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息不符合所述预定空气净化阈值,获得第一控制指令,所述第一控制指令用于开启所述智能空气净化装置对室内空气进行净化;
如果所述判断结果为所述第一室内空气图像信息对应的空气质量等级信息符合所述预定空气净化阈值,获得第二控制指令,所述第二控制指令用于停止所述智能空气净化装置对室内空气进行净化。
5.如权利要求4所述的方法,其特征在于,所述获得第一控制指令之后,包括:
获得第一预定时长;
获得第二室内空气图像信息,所述第二室内空气图像信息为获得第一控制指令第一预定时长之后的室内空气图像信息;
将所述第二室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第二室内空气图像信息和预设空气质量等级信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第二室内空气图像信息对应的空气质量等级信息;
根据所述第二室内空气图像信息对应的空气质量等级信息,获得第三控制指令,所述第三控制指令用于控制所述智能空气净化装置对室内空气进行净化。
6.一种智能空气净化装置,其特征在于,所述装置包括:
第一获得单元,所述第一获得单元用于通过所述图像采集器获得第一室内空气图像信息;
第一输入单元,所述第一输入单元用于将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
第二获得单元,所述第二获得单元用于获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
第三获得单元,所述第三获得单元用于根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
7.一种智能空气净化装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
通过所述图像采集器获得第一室内空气图像信息;
将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
通过所述图像采集器获得第一室内空气图像信息;
将所述第一室内空气图像信息输入训练模型,其中,所述训练模型通过多组训练数据训练获得,所述多组中的训练数据中的每一组训练数据均包括:所述第一室内空气图像信息和预设空气质量等级信息;
获得所述训练模型的输出信息,其中,所述输出信息包括所述第一室内空气图像信息对应的空气质量等级信息;
根据所述第一室内空气图像信息对应的空气质量等级信息,获得控制指令,所述第一控制指令用于控制所述智能空气净化装置对室内空气进行净化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010688778.1A CN111964209A (zh) | 2020-07-16 | 2020-07-16 | 一种智能空气净化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010688778.1A CN111964209A (zh) | 2020-07-16 | 2020-07-16 | 一种智能空气净化方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111964209A true CN111964209A (zh) | 2020-11-20 |
Family
ID=73361536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010688778.1A Pending CN111964209A (zh) | 2020-07-16 | 2020-07-16 | 一种智能空气净化方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111964209A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112617101A (zh) * | 2020-12-21 | 2021-04-09 | 柳州市汇方科技有限公司 | 一种用于米粉挤丝的控制方法和装置 |
CN112666912A (zh) * | 2020-12-31 | 2021-04-16 | 南通市天赫软件科技有限公司 | 一种用于纺织印染的染色控制方法和装置 |
CN112680917A (zh) * | 2020-12-30 | 2021-04-20 | 江苏华一机械有限公司 | 一种改善纺织双面磨毛机除尘效果的方法及系统 |
CN112818154A (zh) * | 2021-01-27 | 2021-05-18 | 广西融安蚂蚁农业发展有限公司 | 一种果品表面高效处理的方法及装置 |
CN112963947A (zh) * | 2021-03-11 | 2021-06-15 | 北京中创芯净尖锋环保科技有限公司 | 一种分布式空气净化方法、装置及系统 |
CN113486756A (zh) * | 2021-06-29 | 2021-10-08 | 哈尔滨蛐宝科技有限公司 | 一种空气智能消毒系统及方法 |
CN114857677A (zh) * | 2022-03-01 | 2022-08-05 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020031231A (ko) * | 2000-10-23 | 2002-05-01 | 구자홍 | 공기조화기의 자동 정화 시스템 및 방법 |
CN101644471A (zh) * | 2009-08-24 | 2010-02-10 | 吴江市宏达通风制冷设备厂 | 智能空气净化装置 |
JP2012032071A (ja) * | 2010-07-30 | 2012-02-16 | Panasonic Corp | 空気調和機 |
CN104456727A (zh) * | 2014-11-06 | 2015-03-25 | 华北电力大学 | 一种室内空气质量的显示与净化的方法及设备 |
CN105233596A (zh) * | 2015-09-16 | 2016-01-13 | 河海大学常州校区 | 一种用于施工现场的空气灰尘净化系统及其工作方法 |
CN109358546A (zh) * | 2018-10-29 | 2019-02-19 | 珠海格力电器股份有限公司 | 家用电器的控制方法、装置和系统 |
CN109916047A (zh) * | 2019-03-21 | 2019-06-21 | 青岛海尔空调器有限总公司 | 空调器自清洁控制方法和空调器 |
-
2020
- 2020-07-16 CN CN202010688778.1A patent/CN111964209A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020031231A (ko) * | 2000-10-23 | 2002-05-01 | 구자홍 | 공기조화기의 자동 정화 시스템 및 방법 |
CN101644471A (zh) * | 2009-08-24 | 2010-02-10 | 吴江市宏达通风制冷设备厂 | 智能空气净化装置 |
JP2012032071A (ja) * | 2010-07-30 | 2012-02-16 | Panasonic Corp | 空気調和機 |
CN104456727A (zh) * | 2014-11-06 | 2015-03-25 | 华北电力大学 | 一种室内空气质量的显示与净化的方法及设备 |
CN105233596A (zh) * | 2015-09-16 | 2016-01-13 | 河海大学常州校区 | 一种用于施工现场的空气灰尘净化系统及其工作方法 |
CN109358546A (zh) * | 2018-10-29 | 2019-02-19 | 珠海格力电器股份有限公司 | 家用电器的控制方法、装置和系统 |
CN109916047A (zh) * | 2019-03-21 | 2019-06-21 | 青岛海尔空调器有限总公司 | 空调器自清洁控制方法和空调器 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112617101A (zh) * | 2020-12-21 | 2021-04-09 | 柳州市汇方科技有限公司 | 一种用于米粉挤丝的控制方法和装置 |
CN112680917A (zh) * | 2020-12-30 | 2021-04-20 | 江苏华一机械有限公司 | 一种改善纺织双面磨毛机除尘效果的方法及系统 |
CN112666912A (zh) * | 2020-12-31 | 2021-04-16 | 南通市天赫软件科技有限公司 | 一种用于纺织印染的染色控制方法和装置 |
CN112818154A (zh) * | 2021-01-27 | 2021-05-18 | 广西融安蚂蚁农业发展有限公司 | 一种果品表面高效处理的方法及装置 |
CN112963947A (zh) * | 2021-03-11 | 2021-06-15 | 北京中创芯净尖锋环保科技有限公司 | 一种分布式空气净化方法、装置及系统 |
CN113486756A (zh) * | 2021-06-29 | 2021-10-08 | 哈尔滨蛐宝科技有限公司 | 一种空气智能消毒系统及方法 |
CN113486756B (zh) * | 2021-06-29 | 2022-07-22 | 哈尔滨蛐宝科技有限公司 | 一种空气智能消毒系统及方法 |
CN114857677A (zh) * | 2022-03-01 | 2022-08-05 | 青岛海尔空调器有限总公司 | 用于控制空调的方法及装置、空调 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111964209A (zh) | 一种智能空气净化方法和装置 | |
CN112283889A (zh) | 空调的预启动时间控制方法、装置、设备及存储介质 | |
CN112289034A (zh) | 基于多模态时空数据的深度神经网络鲁棒交通预测方法 | |
CN104538041A (zh) | 异常声音检测方法及系统 | |
CN110716512A (zh) | 一种基于燃煤电站运行数据的环保装备性能预测方法 | |
CN113205203A (zh) | 基于cnn-lstm的建筑能耗预测方法和系统 | |
CN106292325B (zh) | 一种数据驱动的家居环境舒适性偏好建模与控制方法 | |
Moghaddam et al. | Traffic light control based on fuzzy Q-leaming | |
CN113359486A (zh) | 一种基于神经网络算法调控的智能窗户系统及调节方法 | |
CN116151621A (zh) | 一种基于数据分析的大气污染治理风险检测系统 | |
CN111179108A (zh) | 用电能耗的预测方法和装置 | |
CN111754370B (zh) | 一种基于人工智能的在线教育课程管理方法及系统 | |
CN112598050A (zh) | 生态环境数据质量控制方法 | |
CN112686442A (zh) | 基于运行多样性空调末端能耗预测方法和系统 | |
CN113689058B (zh) | 基于智慧校园的宿舍管理系统及其方法 | |
CN114035461B (zh) | 一种自控对智能建筑节能方法 | |
CN115081970B (zh) | 精装地产装修数据分析与评测系统及评测方法 | |
Syed Ahmad et al. | Nonlinear integrated fuzzy modeling to predict dynamic occupant environment comfort for optimized sustainability | |
CN113341792B (zh) | 一种基于bim的建筑数据采集方法及系统 | |
CN112085284A (zh) | 一种实训室节能管理方法和装置 | |
CN110490260B (zh) | 一种识别铁包空包温降的方法和装置 | |
CN114997310A (zh) | 一种环保监测数据处理方法及系统 | |
CN114326880B (zh) | 一种用于温室大棚的设备智能控制方法及系统 | |
CN112668899A (zh) | 一种基于人工智能的合同风险识别方法及装置 | |
CN110610274A (zh) | 一种建筑能耗预测方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |