CN113474641A - 信息提供系统 - Google Patents

信息提供系统 Download PDF

Info

Publication number
CN113474641A
CN113474641A CN202080016451.8A CN202080016451A CN113474641A CN 113474641 A CN113474641 A CN 113474641A CN 202080016451 A CN202080016451 A CN 202080016451A CN 113474641 A CN113474641 A CN 113474641A
Authority
CN
China
Prior art keywords
contamination
pollution
image data
calculation unit
captured image
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
Application number
CN202080016451.8A
Other languages
English (en)
Inventor
稻叶芳尚
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.)
Daikin Industries Ltd
Original Assignee
Daikin Industries Ltd
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 Daikin Industries Ltd filed Critical Daikin Industries Ltd
Publication of CN113474641A publication Critical patent/CN113474641A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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
    • F24F11/30—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
    • F24F11/38—Failure diagnosis
    • 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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • 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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • 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
    • F24F11/89—Arrangement or mounting of control or safety devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/22—Means for preventing condensation or evacuating condensate
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/22—Means for preventing condensation or evacuating condensate
    • F24F13/222—Means for preventing condensation or evacuating condensate for evacuating condensate
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F8/00—Treatment, e.g. purification, of air supplied to human living or working spaces otherwise than by heating, cooling, humidifying or drying
    • F24F8/90—Cleaning of purification apparatus
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Abstract

信息提供系统(SA)提供与空调机(20)的排水盘的污染相关的信息。信息提供系统(SA)包括与摄像头(30)以及利用者终端(16)连接的计算机(P)。计算机(P)获取由摄像头(30)拍摄到的对象物(2)的图像数据，在图像数据中确定污染区域，制作在图像数据中突出显示了污染区域的污染关联信息，向利用者终端(16)输出污染关联信息。

Description

信息提供系统
技术领域
本公开涉及一种信息提供系统，所述信息提供系统提供与污染相关的信息。
背景技术
作为提供与污染相关的信息提供系统，已知专利文献1记载的技术。专利文献1的信息提供系统(在该文献中是信息管理中心)获取过滤器的图像，对构成图像的各像素进行二值化处理，将二值化图像分割成规定的块，利用与块相关的数据，求出诊断值。此外，信息提供系统将过滤器的更换必要性等处理形态数据输出至移动电话终端。
现有技术文献
专利文献
专利文献1：日本特开2005-292066号公报
发明内容
发明所要解决的技术问题
然而，从信息管理中心接收到需要进行部件更换的通知的利用者有时无法判断其必要性。另一方面，关于构成部件更换的必要性的理由的信息，没有专门知识是无法简单理解的。在上述情况下，利用者未准确地应对污染或者无法准确地应对污染。本公开的目的在于提供一种污染信息提供系统，能够以易懂的方式向利用者传递与污染相关的信息。
解决技术问题所采用的技术方案
解决该技术问题的信息提供系统是提供与空调机的排水盘的污染相关的信息的信息提供系统，其中，所述信息提供系统包括计算机，所述计算机与摄像头以及利用人员终端连接，所述计算机构成为：获取由所述摄像头拍摄到的对象物的图像数据；在所述图像数据中确定出污染区域，制作在所述图像数据中突出显示了所述污染区域的污染关联信息；以及向所述利用人员终端输出污染关联信息。根据该结构，由于突出了污染区域，因此，能够以容易理解的方式向利用者传递与污染相关的信息。
在上述信息提供系统中，所述计算机构成为：获取先前时期的第一图像数据以及所述先前时期之后的后续时期的第二图像数据；在所述第二图像数据中确定出污染区域；制作包含所述第一图像数据和所述第二图像数据的所述污染关联信息；以及在所述污染关联信息中，在所述第二图像数据中突出显示所述污染区域。根据该结构，由于能够对先前时期的第一图像数据与第二图像数据进行比较，因此，利用者能够把握污染的进展程度。
在上述信息提供系统中，所述计算机构成为识别出污染的种类并进行突出显示。根据该结构，由于污染的种类被识别出，因此，利用者能够简单地把握对象物污染到何种程度。
在上述信息提供系统中，所述计算机构成为根据色相识别出污染的种类。
污染的种类能够通过色相区分。在上述结构中，由于利用该技术事项，因此，能够精确地识别污染的种类。
在上述信息提供系统中，所述计算机构成为通过调节彩度来识别出污染的种类并进行突出显示。根据该结构，能够使利用者以能够区分污染的种类的方式观察污染。
在上述信息提供系统中，所述计算机构成为：根据所述对象物的不同时期被拍摄到的多个图像数据形成污染图表，所述污染图表表示污染量相对于时间经过的变化；制作所述污染关联信息，所述污染关联信息包含所述污染图表以及构成清洁的标准的污染量的阈值；以及在所述污染图表中，突出显示污染量达到所述污染的阈值的时刻。根据该结构，利用者能够简单地把握污染量达到污染的阈值的时间点。
在上述信息提供系统中，所述计算机构成为：根据所述对象物的图像数据算出未来的规定期间的故障概率；制作包含所述故障概率的所述污染关联信息；以及当所述故障概率大于规定概率时，突出显示所述故障概率。根据该结构，利用者能够把握故障概率。
在上述信息提供系统中，所述计算机构成为：根据所述对象物的图像数据算出未来的规定期间的空气污染度；制作包含所述空气污染度的所述污染关联信息；以及当所述空气污染度大于上限值时，突出显示所述空气污染度。根据该结构，利用者能够把握空气污染度。
在上述信息提供系统中，所述计算机构成为：针对与所述对象物不同的追加对象物，获取由摄像头拍摄到的追加对象物的图像数据；根据所述追加对象物的不同时期被拍摄到的多个图像数据形成污染图表，所述污染图表表示污染量相对于时间经过的变化；制作所述污染关联信息，所述污染关联信息包含所述对象物的所述污染图表以及所述追加对象物的所述污染图表这两个图表通过共用的时间轴显示的图表；以及在所述污染关联信息中突出显示所述对象物的污染图表。根据该结构，与追加对象物的污染进行对比，能够把握对象物的污染趋势。
附图说明
图1是信息提供系统的示意图。
图2是室内单元的内部结构的俯视图。
图3是室内单元的内部结构的侧视图。
图4是色相环中表示附着污染以及污浊物的范围的图。
图5是表示拍摄图像的图。
图6是表示掩膜的图。
图7是重合有掩膜的拍摄图像的图。
图8是表示模板拍摄图像与拍摄图像的匹配的图。
图9是表示模板掩膜与掩膜的关系的图。
图10是变换为突出色的拍摄图像的图。
图11是定期拍摄到的多个拍摄图像的图。
图12是根据污染的等级进行颜色区分后的拍摄图像的图。
图13是仅对象范围被切出后的拍摄图像的图。
图14是对象范围的一部分的拍摄图像的图。
图15是映入部分被去除前的拍摄图像的图。
图16是映入部分被去除后的拍摄图像的图。
图17是表示污染量的变化的图表。
图18是包含附着污染的图表和污浊物的图表的图。
图19是包含污染量的变化以及各时期拍摄到的拍摄图像的图。
图20是表示室内单元的配置和室内单元的污染进展度的图。
图21是表示室内单元的配置、室内单元的污染进展度以及拍摄图像的图。
图22是说明室内单元的配置与要推断的污染进展度之间的关系的图。
图23是环境相似的另一室内单元的污染图表。
图24是室内单元的污染图表。
具体实施方式
下面，对本实施方式的信息提供系统SA进行说明。
信息提供系统SA向利用者提供与空调机20的排水盘26的污染相关的信息。信息提供系统SA包括计算机P。计算机P与摄像头30以及利用者终端16连接。计算机P、摄像头30以及利用者终端16可通过网络N连接，也可通过线缆直接连接。
利用者终端16例如是能够与网络N连接的终端。利用者终端16包括移动电话、笔记本型个人计算机、个人计算机、平板型个人计算机。
计算机P获取由摄像头30拍摄到的对象物2的图像数据。摄像头30拍摄对象物2的污染。作为一例，计算机P通过与其他装置(例如后述的污染检测装置1)的通信获取图像数据。在另一例中，计算机P通过利用者的输入操作获取图像数据。图像数据是包含污染的图像。图像数据包含由摄像头30拍摄到的拍摄图像40以及以变得清晰的方式对拍摄图像40进行图像处理后的加工图像。计算机P在图像数据中确定污染区域，制作在图像数据中突出显示了所述污染区域的污染关联信息，向利用者终端16输出污染关联信息。
信息提供系统SA的计算机P和污染检测装置1也可构成为包含两者的系统。信息提供系统SA的计算机P也可以是污染检测装置1的构成元件。在本实施方式中，信息提供系统SA是污染检测装置1的构成元件。在污染检测装置1中，信息提供系统SA的计算机P构成为污染检测装置1的计算部12。
参照图1，对污染检测装置1进行说明。
污染检测装置1检测对象物2的污染。本实施方式中的污染包括附着污染以及水的污浊物中的至少一者。在污染的检测中，有时检测附着污染，有时检测污浊物，有时不区分附着污染和污浊物而进行检测。污染检测的对象物2是排水盘26。
污染检测装置1包括控制部10。控制部10获取对象物2的拍摄图像40。控制部10根据对象物2的拍摄图像40的颜色成分算出污染的进展度。
控制部10包括获取部11和计算部12(计算机P)，其中，获取部11获取对象物2的拍摄图像40，计算部12(计算机P)根据对象物2的拍摄图像40的颜色成分算出污染的进展度。获取部11与摄像头30连接。获取部11和计算部12可以收纳于壳体且作为一个装置进行封装，也可如下文说明的那样，获取部11和计算部12与网络N连接且各自的设置场所分散。本实施方式的控制部10的构成元件在网络N上分散。控制部10(获取部11、计算部12)包括一个或多个CPU(中央处理单元)或MPU(微处理单元)。控制器10可以构成为如下电路(circuitry)：该电路包括1)一个以上的处理器，上述处理器根据计算机程序(软件)来执行各种处理，2)一个以上的专用硬件电路，上述专用硬件电路为诸如面向特定用途的集成电路(ASIC)等，并执行各种处理中的至少一部分处理，或3)这些的组合。处理器包括CPU和诸如RAM和ROM等存储器，存储器存储构成为使CPU执行处理的程序代码或指令。存储器即计算机可读介质包含能利用通用或专用的计算机访问的所有可以利用的介质。
获取部11设置于空调机20自身或空调机20的周边。
获取部11获取从摄像头30送来的拍摄图像40，并存储拍摄图像40。获取部11保存对象物2或包含对象物2的装置的识别信息。在本实施方式中，获取部11保存空调机20的识别信息。优选，获取部11保存对象物2或包含对象物2的装置的位置信息。位置信息包含对象物2的场所(纬度和经度或者住所)。在本实施方式中，获取部11对包括排水盘26的空调机20的位置信息进行保存。更优选地，获取部11对包含对象物2的装置的用途信息进行保存。用途信息是设置对象物2的房间的用途的信息，例如包含店铺的类别。获取部11通过输入操作的方式获取识别信息、位置信息以及用途信息。获取部11与通信部13连接。通信部13也可被设置成控制部10的构成元件。
通信部13对获取部11与计算部12之间的通信进行控制。通信部13根据内部指令和外部指令将拍摄图像40输出至计算部12。优选，通信部13根据内部指令和外部指令将识别信息、位置信息以及用途信息中的至少一者输出至计算部12。内部指令是在预先设定的时刻形成的指令。例如，内部指令通过通信部13的内部电路在满足规定条件(例如，无线中接收敏感度高于规定值)时形成，或者通过通信部33的内部电路定期地形成。外部指令是基于来自云服务器15的计算部12的要求的指令。通信部13和获取部11也可收纳于一个壳体。
只要计算部12能够从获取部11取得信息，则其设置场所没有限制。例如，计算部12设置在与网络N连接的云服务器15内。
如图1所示，污染检测装置1也可被设置成空调系统S的构成元件。例如，空调系统S包含污染检测装置1和空调机20。空调机20通过污染检测装置1的控制部10的通信部13与网络N连接。在该情况下，本实施方式中的信息提供系统SA的计算机P被设置成空调系统S的构成元件。
参照图2和图3，对空调机20进行说明。图2是将空调机20的室内单元21的顶壁拆下而观察到的室内单元21的内部结构的俯视图。图3是将空调机20的室内单元21的侧壁拆下而观察到的室内单元21的内部结构的侧视图。
构成为污染检查的对象的空调机20的种类没有限定。例如，天花板埋入式空调机20构成污染检查的对象。对天花板埋入式空调机20的室内单元21进行内部检查需要花费时间。因此，针对天花板埋入式空调机20的室内单元21的摄像头监视有助于改善维护作业效率。因此，在本实施方式中，对天花板埋入式的、与天花板背侧的管道连接的空调机20的室内单元21进行说明。室内单元21通过制冷剂配管与室外单元连接。室内单元21设置在天花板背侧。
如图2和图3所示，室内单元21包括空调控制部22、热交换器23、风扇24、使风扇24旋转的风扇马达25、配置于热交换器23之下的排水盘26、将排水盘26内的水排出的排水泵27、具有吸入口28a以及吹出口28b的壳体28。排水盘26的壁部的颜色优选是污染明显的颜色。排水盘26的壁部的颜色优选是白色或接近白色的颜色。
在壳体28设置有用于对壳体28内进行检修的检修盖28c。检修盖28c设置在排水盘26以及排水泵27附近。摄像头30安装在检修盖28c的内侧。摄像头30以至少能够对排水盘26的底部的一部分进行拍摄的方式安装于检修盖28c。
摄像头30包括拍摄部31和拍摄控制部32(参照图1)。拍摄部31在由拍摄控制部32控制的时刻对排水盘26的一部分进行拍摄，形成拍摄图像40。
在一例中，拍摄部31在静止水面状态的条件下拍摄排水盘26。拍摄控制部32进行静止水面状态的条件是否成立的判定。静止水面状态是指表示排水盘26内的水面不动的状态。关于是否处于静止水面状态，拍摄控制部32根据排水盘27的动作、风扇24的旋转以及通过比较连续拍摄的多个拍摄图像40而得到的拍摄图像40的变化之中的至少一者进行判定。当静止水面状态的条件成立时，拍摄控制部32向拍摄部31发出拍摄的指示。例如，在检测到附着污染的情况下，拍摄控制部32进行静止水面状态的条件判定。
在另一例中，拍摄部31在流水状态的条件下拍摄排水盘26。拍摄控制部32进行流水状态的条件是否成立的判定。流水状态是指表示排水盘26内的水移动的状态。关于是否处于流水状态，拍摄控制部32通过排水泵27的动作以及通过比较连续拍摄的多个拍摄图像40而得到的拍摄图像40的变化之中的至少一者进行判定。当流水状态的条件成立时，拍摄控制部32向拍摄部31发出拍摄的指示。例如，在作为污染检测到污浊物的情况下，拍摄控制部32进行流水状态的条件判定。
拍摄控制部32如上所述那样控制拍摄时刻。此外，拍摄控制部32将通过拍摄部31形成的拍摄图像40发送至获取部11。拍摄控制部32根据内部指令将拍摄图像40发送至获取部11。内部指令是预先设定的指令。
拍摄图像40如下所述那样被发送至计算部12。通过摄像头30的拍摄部31形成的拍摄图像40被输出至获取部11，被存储于获取部11的存储部11a。存储在获取部11内的拍摄图像40通过通信部13的内部指令或外部指令并经由网络N被发送至云服务器15的计算部12。
参照图4，对控制部10的计算部12(计算机P)进行说明。
计算部12根据利用者的指令或在规定的时刻将对象物2的污染数值化。具体而言，计算部12算出构成排水盘26的拍摄图像40的各像素的色相。在拍摄图像40是由RGB形式形成的图像的情况下，计算部12根据从RGB形式向HSV形式转换的转换公式对拍摄图像40进行转换，取得各像素的色相H的值。在本实施方式中，计算部12使用被区分成0～180的色相(参照图4)。
对排水盘26的污染进行说明。若对排水盘26的污染的色相进行分析，则污染具有微红的黄绿色(色相为10～30)或绿色(色相为30～60)。污染的色相位于10以上且60以下的范围。附着污染的颜色是绿色或绿色周围的颜色，附着污染的色相位于30以上且60以下的范围。污浊物的颜色是接近红色的黄绿色，污浊物的色相位于10以上且小于30的范围。排水盘26的附着污染以及污浊物的色相与排水盘26的壁部的色相不同。因此，能够根据色相检测出排水盘26的污染。此外，由于附着污染的色相与污浊物的色相不同，因此，能够通过色相辨别出附着污染与污浊物。
为了精确地检测出排水盘26的污染，优选，在拍摄图像40中设定构成污染检测的对象的对象范围40a。拍摄图像40可包含热交换器23的一部分以及排水泵27的一部分。在该情况下，拍摄图像40中去除热交换器23以及排水泵27后的区域被设置成污染检测的对象范围40a。对象范围40a被预先设定。计算部12在对象范围40a中检测污染。
参照图5～图9，对对象范围40a的设定的一例进行说明。图5是表示拍摄图像40的图。图6是表示掩膜41的图。图7是重合有掩膜41的拍摄图像40的图。图7中，深色点的区域表示附着污染的区域，浅色点的区域表示污浊物的区域。图7的拍摄图像40中，从视觉上无法明确地区分附着污染的区域与浅色点的区域。图8是表示模板拍摄图像43与拍摄图像40的匹配的图。图9是表示模板掩膜42与掩膜41之间的关系的图。
计算部12保存用于与拍摄图像40重合的掩膜41。掩膜41中的拍摄图像40的对象范围40a以外的部分是不具有色相的黑色。掩膜41中的拍摄图像40的对象范围40a内是透明的。重合有掩膜41的拍摄图像40中的对象范围40a以外的部分构成为黑色。由于黑色没有色相对应，因此，当针对拍摄图像40算出色相的面积时，黑色部分的面积为0。因此，当计算部12在重合有掩膜41的拍摄图像40整体中算出各色相的面积时，作为结果，算出拍摄图像40的对象范围40a内的各色相的面积。如此一来，通过使用掩膜41，算出拍摄图像40的对象范围40a内的各色相的面积变得简单。
计算部12保存模板拍摄图像43和模板掩膜42，其中，模板拍摄图像43是针对每一种类的空调机20预先准备的模板拍摄图像，模板掩膜42是针对每一种类的空调机20预先制作而成的模板掩膜。即使是种类相同的空调机20，由于摄像头30的安装偏差，拍摄图像40内的排水盘26的位置也会不同。因此，为了对构成污染检测的对象的排水盘26精确地检测污染，优选，使用与各空调机20的排水盘26匹配的掩膜41。例如，计算部12将模板拍摄图像43的特征点与被设为污染检测的对象的拍摄图像40的特征点进行匹配(参照图8)，根据匹配的结果形成投影变换矩阵。计算部12通过形成的投影变换矩阵对模板掩膜42进行变换(参照图9)，形成掩膜41。
对计算部12向利用者终端16提供的信息进行说明。
计算部12如上所述那样在拍摄图像40中确定污染区域，向利用者终端16输出污染关联信息。污染关联信息包含在拍摄图像40中突出显示了污染区域的信息。
参照图10，对用于显示而被突出的拍摄图像40的形成进行说明。
在对维护的必要性进行判断的情况下，有时利用排水盘26的拍摄图像40。然而，拍摄图像40的阴影部分是发黑的，难以把握污染的存在。为此，对拍摄图像40进行图像处理以使污染容易观察。以下示出了拍摄图像40的图像处理的一例。
如图10所示，计算部12将变换为HSV形式的拍摄图像40中拍摄图像40的对象范围40a中的、被确定为附着污染的区域和被确定为污浊物的区域变换成容易识别的突出色，形成突出图像44。在一例中，被确定为附着污染的区域RA被设为蓝色，被确定为污浊物的区域RB被设为浅蓝色，对象范围40a中除附着污染以及污浊物以外的区域RC被设为红色。在显示装置显示排水盘26的拍摄图像40的情况下，计算部12制作包含被变换成突出色的突出图像44的污染关联信息。污染关联信息除了包含突出图像44以外，也可包含原生的拍摄图像40。计算部12根据利用者的要求将污染关联信息输出至显示装置。
此外，计算部12根据利用者终端16的要求将污染关联信息输出至利用者终端16。另外，计算部12根据与利用者终端16之间预先设定的规则，将突出图像44作为污染关联信息输出至利用者终端16。优选，污染关联信息包含输出了突出图像44的原来的拍摄图像40的空调机20的识别信息、位置信息以及用途信息。
此外，计算部12还可具有下述功能。计算部12获取先前时期的第一拍摄图像(第一拍摄数据)以及先前时期之后的后续时期的第二拍摄图像(第二图像数据)。计算部12在第二拍摄图像中确定污染区域，制作包含第一拍摄图像和第二拍摄图像的污染关联信息。在一例中，第一拍摄图像和第二拍摄图像在一个框体内被配置成并排排列。计算部12在污染关联信息中对第二拍摄图像中的污染区域进行突出显示。更优选，计算部12根据规定的时刻或利用者的要求，将包含上述这样的突出显示的污染关联信息输出至利用者终端16。
在一例中，先前时期的第一拍摄图像是空调机20的设置时期的拍摄图像。后续时期的第二拍摄图像是在空调机20的维护的预先调查时期拍摄的拍摄图像。通过比较第二拍摄图像和第一拍摄图像，能够把握拍摄图像的污染的扩大。计算部12根据第二拍摄图像的拍摄图像40的各像素的色相确定第二拍摄图像中的污染区域。污染区域的确定使用上述方法。此外，计算部12以使污染区域明显的方式对污染区域进行突出显示。
例如，污染区域被变换成与周边的部分不同的规定颜色(例如，蓝色)。在另一例中，污染区域由与周边部分不同的颜色(例如，蓝色)围成。由于加工前的拍摄图像还包含污染检查的对象范围40a以外的部分且还包含构成为阴影的部分，因此，难以分辨污染区域。通过污染区域的突出显示，污染的扩大容易理解。
如图11所示，计算部12也可根据规定的时刻或利用者的要求将包含定期拍摄到的拍摄图像40的关联信息输出至利用者终端16。图11所示的关联信息包含以一年为周期拍摄到的拍摄图像40。在各拍摄图像40中，污染区域RX被突出显示。具体而言，污染区域RX被变换成容易识别的突出色。此外，关联信息显示污染区域RX的面积比。如后文所述，面积比被定义为拍摄图像40的污染区域RX的面积相对于对象范围40a的面积。通过这样的显示，能够使利用者知晓污染的进展程度。
计算部12也可具有下述功能。
计算部12根据拍摄图像40的各像素算出污染的等级，制作表示对象范围40a的各分区的污染的等级的污染关联信息。优选，计算部12制作附着污染以及污浊物各自的污染关联信息。污染的等级表示污染的程度。具体而言，在附着污染的情况下，针对对象范围40a的各部分，在色相的值为30～60的范围，色相越接近蓝绿色即色相的值越大，作为污染的等级，计算部12赋予较大的值。在污浊物的情况下，针对对象范围40a的各部分，在色相的值为10～30的范围，色相越接近红色即色相的值越小，作为污浊物的等级，计算部12对该部分赋予较大的值。计算部12根据各像素的污染的等级对拍摄图像40进行颜色区分处理，并且将颜色区分处理后的拍摄图像40作为污染关联信息输出。
图12是根据附着污染的等级进行颜色区分后的拍摄图像40的图。在拍摄图像40中，在本例中，在对象范围40a中，附着污染的等级高的部分RH由红色显示，附着污染的等级低的部分RL由深蓝色表示。通过上述颜色区分，能够通过观察识别出对象范围40a中污染的等级高的部分。
此外，计算部12还可具有下述功能。
计算部12识别出污染的种类并进行突出显示。作为污染的种类，如上所述，存在附着于壁部的附着污染和水的污浊物。如上所述，附着污染能取到的色相范围与污浊物能取到的色相范围不同。计算部12根据拍摄图像40的各图像的色相识别污染的种类(例如，污染和污浊物)。此外，计算部12能够在拍摄图像40中识别附着污染和污浊物并进行突出显示。此外，计算部12制作能够识别并突出显示附着污染和污浊物的污染关联信息。例如，附着污染区域被变换成与周边的部分不同的颜色(例如，蓝色)(与图10的例子相同)。在另一例中，附着污染区域由与周边的部分不同的颜色(例如，蓝色)围成。污浊物区域被变换成与周边的部分不同的颜色(例如，浅蓝色)(与图10的例子相同)。在另一例中，污浊物区域由与周边的部分不同的颜色(例如，浅蓝色)围成。此外，计算部12也可通过调节彩度识别污染的种类的方式进行突出显示。例如，与污浊物区域相比，附着污染区域的彩度被设得较低。更优选，计算部12根据规定的时刻或利用者要求将如上所述那样通过污染的种类识别出的污染关联信息输出至利用者终端16。
此外，计算部12还可具有下述功能。
图13是仅表示对象范围40a的图像的图。计算部12从拍摄图像40去除对象范围40a以外的部分，形成仅包含对象范围40a的图像，对仅包含对象范围40a的图像的污染关联信息进行输出。在该情况下，由于能够使利用者仅观察到对象范围40a，因此，能够容易地把握排水盘26的污染。
图14是在对象范围40a中示出对象范围40a的一部分的图像的图。图14中，对象范围40a的一部分以外的部分较浅地显示。
计算部12也可从拍摄图像40仅切出对象范围40a的一部分，形成包含切出后的部分的图像，对包含切出后的部分的图像的污染关联信息进行输出。在图14所示的例子中，计算部12从拍摄图像40切出排水泵27的吸入口附近。由于排水泵27的吸入口附近的附着污染会阻碍水的流动而构成诱发堵塞的因素，因此，通过分析排水泵27的吸入口附近的图像，能够预测污染的堵塞。
图15是映入部分PA被去除前的拍摄图像40的图，图16是映入部分PA被去除后的拍摄图像40的图。
摄像头30通过照明装置照射排水盘26并进行拍摄。有时，拍摄时的光在排水泵27的金属部分反射，由于光而发亮的金属部分映入排水盘26的水面。由于这样的映入部分PA在排水盘26的规定区域以规定形状显现，因此，容易确定，能够去除。在存在映入部分PA的情况下，计算部12在对象范围40a中形成去除映入部分PA后的拍摄图像40。具体而言，计算部12从拍摄图像40将白色部分确定为映入部分PA，并且以使确定的部分的颜色与确定的部分周边的颜色构成相同颜色的方式对确定的部分进行加工。在拍摄图像40存在不自然的白色部分的情况下，不知道映入的利用者有可能将该部分错误地认识成不容易污染的部分，不过，通过去除映入部分PA，能够减少利用者的错误认识。
此外，计算部12也可具有将污染图表作为污染关联信息进行制作的功能。在一例中，计算部12根据对象物2的不同时期拍摄到的多个拍摄图像，形成表示污染量相对于时间经过的变化的污染图表。计算部12制作包含污染图表以及构成清洁的标准的污染量的阈值B的污染关联信息。计算部12在污染图表中突出显示污染量达到污染的阈值B的时间点(阈值超过时期TA)。污染量达到污染的阈值B的时间点根据通过针对污染图表的各数据的回归运算算出的近似式和污染的阈值B算出(参照图17)。更优选的是，当污染量达到污染的阈值B时，计算部12向利用者终端16输出污染关联信息。
具体而言，计算部12定期地获取特定的对象物2的拍摄图像40。计算部12在每次获取拍摄图像40时计算污染量。计算部12对污染量与污染的阈值B进行比较，当得到前者大于后者的结果时，向利用者终端16输出污染关联信息。污染关联信息包含下述内容中的任意一个内容：污染量达到了阈值B；清洁是优选的；以及容易发生泵堵塞。
对污染图表的制作的一例进行说明。
计算部12以下述方式算出污染的进展度。在一例中，污染的进展通过污染区域的扩大进行评价。
(a)在第一例中，计算部12根据拍摄图像40的对象范围40a中位于规定色相范围内的区域的面积，算出污染的进展度。具体而言，计算部12如上所述那样根据模板掩膜42形成适用于拍摄图像40的掩膜41。计算部12根据重合有掩膜41的拍摄图像40算出对象范围40a中位于规定色相范围内的区域的面积。例如，在计算附着污染的面积的情况下，计算部12通过针对重合有掩膜41的拍摄图像40对色相为30以上且60以下的像素数进行计数，求出附着污染的面积。在计算污浊物的面积的情况下，计算部12通过针对重合有掩膜41的拍摄图像40对色相为10以上且小于30的像素数进行计数，求出污浊物的面积。此外，作为污染的面积，计算部12也可计算附着污染的面积和污浊物的面积的总和。作为污染的进展度，计算部12输出污染的面积。计算部12也可将附着污染的面积作为“附着污染的进展度”输出，计算部12也可将污浊物的面积作为“污浊物的进展度”输出。
(b)在第二例中，计算部12根据拍摄图像40的对象范围40a的面积与拍摄图像40的对象范围40a中位于规定色相范围内的区域的面积的面积比，算出污染的进展度。在该情况下，污染进展度通过百分比示出。当污染进展度为100％时，表示污染进展到最高的程度。
参照图17，对表示排水盘26的附着污染的变化的图表进行说明。排水盘26的污染(污染的进展度)随着时间的经过而增大。在制冷运转时期，积存于排水盘26的水被排水泵27排出。此时，虽然污染也会被排出，但一部分的污染未被排出而堆积，排水盘26的污染逐渐进展。在不进行制冷的时期，有时，由于积存于排水盘26的水很少，排水泵27不工作，因此，排水盘26的污染逐渐进展。如此一来，排水盘26的污染以年为单位增加。
计算部12通过回归运算算出拍摄图像40的获取时刻与污染的进展度的关系。例如，污染相对于获取时刻的进展度近似于一次函数或指数函数。根据以上述方式获得的近似式(参照图17的单点划线)，作为阈值超过时期TA，算出污染的进展度超过阈值B(构成清洁的标准的污染量的阈值B)的时期。阈值超过时期TA是“污染量达到污染的阈值B的时间点”。阈值超过时期TA在包含图表的污染关联信息中被突出显示(参照图17)。此外，计算部12将阈值超过时期TA输出至利用者终端16。污染关联信息优选包含突出显示了污染区域的图像。
如图18所示，计算部12也可制作包含附着污染的图表和污浊物的图表的污染关联信息。污浊物的图表能够通过与附着污染的图表相同的方法形成。图18中，上方的图表示出污浊物的时序变化。下方的图表示出附着污染的时序变化。图18中，阈值B是构成清洁的标准的附着污染量，阈值D是构成清洁的标准的污浊物量。
更优选的是，计算部12根据对象物2的拍摄图像40(图像数据的一例)算出未来的规定期间的故障概率。计算部12制作包含故障概率的污染关联信息。当故障概率大于规定概率时，计算部12对故障概率进行突出显示。未来的规定期间例如被定义为从根据拍摄图像40检测污染的时期起算的未来一年的几个月。在一例中，故障概率通过检测出污染时的污染量与阈值B的比率算出。当故障概率大于规定概率时，计算部12以明显的颜色(例如，红色)显示故障概率。在一例中，计算部12使污染关联信息包含突出了污染区域的拍摄图像40以及显示时被突出显示的故障概率。
当故障概率大于规定概率时，计算部12向利用者终端16输出污染关联信息。具体而言，计算部12定期地获取特定的对象物2(排水盘26)的拍摄图像40。计算部12在每次获取拍摄图像40时计算污染量以及故障概率。计算部12对故障概率与规定概率进行比较，当得到前者大于后者的结果时，向利用者终端16输出污染关联信息。污染关联信息还可包含故障概率大于规定概率这样的信息以及容易发生泵堵塞等故障这样的信息。
更优选的是，计算部12根据对象物2的拍摄图像40算出未来的规定期间的空气污染度。计算部12制作包含空气污染度的污染关联信息，当空气污染度大于上限值时，在污染关联信息中突出显示空气污染度。
空气的污染因素有菌类、浮游颗粒状物质、灰尘。当空气的污染高时，对象物2的污染容易扩大。污染量的变化大小构成空气污染度的标准。计算部12根据污染量相对于时间经过的变化来计算未来的规定期间的空气污染度。未来的规定期间是不久的未来。例如，未来的规定期间被定义为从算出污染量的变化的时间点起算一天后的几天。在一例中，计算部12将污染量的变化大小与污染量的变化的最大值的比率定义为空气污染度。污染量的变化的最大值是根据以往的污染量的变化的最大值估计的值，是预先设定的。当空气污染度大于上限值时，计算部12在污染关联信息中以明显的颜色(例如，红色)显示空气污染度。在一例中，计算部12使污染关联信息包含突出了污染区域的拍摄图像40以及显示时被突出显示的空气污染度。当空气污染度大于上限值时，计算部12向利用者终端16输出污染关联信息。
具体而言，计算部12定期地获取特定的对象物2(排水盘26)的拍摄图像40。计算部12在每次获取拍摄图像40时计算污染量、污染量的变化以及空气污染度。计算部12对空气污染度与上限值进行比较，当得到前者大于后者的结果时，向利用者终端16输出污染关联信息。
更优选的是，针对同一装置内的多个对象物2，计算部12形成多个对象物2各自的污染图表。具体而言，针对不同于对象物2(排水盘26)的另一追加对象物2a，计算部12获取由摄像头30拍摄到的追加对象物2a的拍摄图像40。优选，追加对象物2a是与对象物2即排水盘26的污染有关的物体。在一例中，追加对象物2a是室内单元21内的热交换器23。排水盘26的污染主要是基于空气的污染(包含菌类和粉尘)以及附着于热交换器23的污染形成的。若在热交换器23产生结露，那么，由于热交换器23的污染会流入排水盘26，因此，排水盘26的污染与热交换器23的污染有关。
计算部12根据对象物2的不同时期拍摄到的多个拍摄图像40形成第一污染图表，其中，第一污染图表表示污染量相对于时间经过的变化。
计算部12根据追加对象物2a的不同时期拍摄到的多个拍摄图像40形成第二污染图表，其中，第二污染图表表示污染量相对于时间经过的变化。
计算部12制作污染关联信息。污染关联信息包含对象物2的第一污染图表以及追加对象物2a的第二污染图表这两个图表通过共用的时间轴显示的图表。计算部12在污染关联信息中突出显示对象物2的第一污染图表。
排水盘26的污染与热交换器23的污染具有下述关系。排水盘26的污染的累积在制冷时期较大，在非制冷时期较小。与之相对地，热交换器23的污染的累积在制冷时期较小，在非制冷时期较大。在制冷时期，室内单元21的热交换器23被冷却而结露，水从热交换器23流落至排水盘26。因此，热交换器23的污染的累积较小，排水盘26的污染的累积较大。在非制冷时期，室内单元21的热交换器23未被冷却而不结露，不会从热交换器23流水。因此，热交换器23的污染的累积较大，排水盘26的污染的累积较小。包含两个图表的污染关联信息提供上述这样的关联性信息。计算部12在污染关联信息中以使对象物2的第一污染图表比第二污染图表明显的方式突出对象物2的第一污染图表。由此，利用者能够简单地把握两个图表中哪一个图表是重要的信息。此外，通过比较两个图表，利用者能够预测对象物2的污染。
计算部12也可制作图19所示的污染关联信息。
计算部12制作包含表示污染量相对于时间经过的变化的污染图表以及在各经过时间拍摄到的拍摄图像40的污染关联信息。例如，拍摄图像40分别通过线与标注于时间轴的拍摄时间关联起来。根据上述这样的污染图表，能够向利用者同时提供污染进展度和表示污染的状态的图像。
计算部12也可具有下述功能。
图20是表示设置于一个房间RM的多个空调机的配置以及多个空调机各自的污染进展度的图。
计算部12获取设置于一个房间RM的多个室内单元21各自的拍摄图像40，算出多个室内单元21各自的污染进展度。此外，计算部12获取房间RM中的多个室内单元21的配置信息。配置信息包含与一个房间RM中的多个室内单元21的布局相关的信息。计算部12制作在表示室内单元21的各图形附近示出排水盘26的污染进展度的布局图。此外，计算部12在布局图中突出显示污染进展度超过规定值(例如，50％)的室内单元21。在图20所示的例子中，通过圆围住并突出污染进展度超过规定值的室内单元21的图形。计算部12将显示污染进展度的布局图作为污染关联信息输出。根据该结构，能够向利用者示出房间RM中排水盘26容易污染的场所。利用者能够对容易污染的场所的室内单元21进行重点清洁。
也可如图21所示，计算部12在制作显示污染进展度的布局图的情况下使布局图包含空调机各自的排水盘26的拍摄图像。根据上述这样的布局图，能够向利用者提供各室内单元21的排水盘26的污染进展度以及表示污染的状态的图像。
也可如图22所示，对一个房间RM中规定的室内单元21的排水盘26的污染进展度进行推断。
如图22所示，有时，在一个房间RM的多个室内单元21之中，仅规定的室内单元21具有摄像头30。在该情况下，计算部12根据具有摄像头30的室内单元21的排水盘26的污染进展度，推断不具有摄像头30的室内单元21的排水盘26的污染进展度。例如，计算部12根据从房间RM的入口EN起算的距离对室内单元21进行分类。计算部12预先存储从房间RM的入口EN起算的距离越长则排水盘26的污染越少这一规则，根据该规则推断室内单元21的排水盘26的污染进展度。在本例中，根据拍摄图像，对靠近房间RM的入口EN的室内单元21的排水盘26的污染进展度以及远离房间RM的入口EN的室内单元21的排水盘26的污染进展度进行计算。从房间RM的入口EN起算位于中间距离的室内单元21不具有摄像头30。作为靠近房间RM的入口EN的室内单元21的排水盘26的污染进展度与远离房间RM的入口EN的室内单元21的排水盘26的污染进展度的平均值，计算部12算出从房间RM的入口EN起算位于中间距离的室内单元21的排水盘26的污染进展度。
计算部12也可根据环境相似的室内单元21的污染图表预测规定的室内单元21的污染的进展度。
图23示出环境与预测污染进展度的室内单元21的环境相似的室内单元21的污染图表。与另一室内单元21处于相同环境的规定的室内单元21的排水盘26的污染以与另一室内单元21的排水盘26的污染的进展相同的方式进展。由此，能够根据环境相似的另一室内单元21的污染图表，预测室内单元21的污染的进展。
计算部12根据设置有室内单元21的房间RM的用途信息以及室内单元21的设置场所判定环境的相似性。在要推断污染的室内单元21与进行比较的室内单元21的用途信息以及设置场所一致的情况下，计算部12判定为两者的环境相似。计算部12具有室内单元21的排水盘26的污染图表的数据库，从数据库提取环境相似的室内单元21的污染图表。
如图24所示，计算部12使在要预测污染进展度的室内单元21获取到的以往的污染进展度的数据与环境相似的室内单元21的污染图表(图24的双点划线)重合。计算部12根据环境相似的室内单元21的污染图表以及预先设定的阈值X算出污染进展度达到阈值X的时期。
对本实施方式的作用进行说明。计算部12制作在拍摄图像40中突出显示了污染区域的污染关联信息。计算部12向利用者终端16输出污染关联信息。由于这样进行突出，利用者能够简单地把握污染。
对本实施方式的效果进行说明。
(1)信息提供系统SA的计算部12(计算机P)获取拍摄图像40(图像数据)，在拍摄图像40中确定污染区域。计算部12制作在拍摄图像中突出显示了污染区域的污染关联信息。此外，计算部12向利用者终端16输出污染关联信息。根据该结构，由于突出了污染区域，因此，能够以容易理解的方式向利用者传递与污染相关的信息。
(2)计算部12获取先前时期的第一拍摄图像(第一图像数据)以及先前时期之后的后续时期的第二拍摄图像(第二图像数据)。计算部12在第二拍摄图像中确定污染区域，制作包含第一拍摄图像和第二拍摄图像的污染关联信息，在污染关联信息的第二拍摄图像中突出显示污染区域。根据该结构，由于能够对先前时期的第一拍摄图像与第二拍摄图像进行比较，因此，利用者能够把握污染的进展程度。
(3)计算部12识别出污染的种类并进行突出显示(参照图10)。根据该结构，由于污染的种类被识别出，因此利用者能够简单地把握对象物2污染到何种程度。
(4)计算部12根据色相识别污染的种类(参照图10)。如上所述，能够通过色相区分污染的种类。在上述结构中，由于利用该技术事项，因此，能够精确地识别污染的种类。
(5)计算部12通过调节彩度来识别出污染的种类并进行突出显示。根据该结构，能够使利用者以能够区分污染的种类的方式观察污染。
(6)计算部12根据对象物2的不同时期拍摄到的多个拍摄图像40形成污染图表，所述污染图表表示污染量相对于时间经过的变化(参照图11)。计算部12制作包含污染图表以及构成清洁的标准的污染量的阈值B的污染关联信息。计算部12在污染图表中突出显示污染量达到污染的阈值B的时间点(图11的“阈值超过时期TA”)。根据该结构，利用者能够简单地把握污染量达到污染的阈值B的时间点。
(7)计算部12根据对象物2的拍摄图像40算出未来的规定期间的故障概率，制作包含故障概率的所述污染关联信息。当故障概率大于规定概率时，计算部12对故障概率进行突出显示。根据该结构，利用者能够把握故障概率。
(8)计算部12根据对象物2的拍摄图像40算出未来的规定期间的空气污染度，制作包含空气污染度的污染关联信息。当空气污染度大于上限值时，计算部12突出显示空气污染度。根据该结构，利用者能够把握空气污染度。
(9)计算部12还获取追加对象物2a的拍摄图像40，根据追加对象物2a的不同时期拍摄到的多个拍摄图像40形成表示污染量相对于时间经过的变化的图表。计算部12制作污染关联信息，所述污染关联信息包含对象物2的污染图表以及追加对象物2a的污染图表这两个图表通过共用的时间轴显示的图表。计算部12在污染关联信息中突出显示对象物2的污染图表。根据该结构，与追加对象物2a的污染进行对比，能够把握对象物2的污染趋势。
＜变形例＞
对于本公开的污染检测装置1而言，除了上述各实施方式以外，例如，也可设置成下文所示的变形例以及由彼此不矛盾的至少两个变形例组合而成的实施方式。
·在上述实施方式中，计算部12(计算机P)也可将包含对象物2的空调机20的识别信息、位置信息以及用途信息输出至利用者终端16。利用者能够通过接收识别信息、位置信息以及用途信息来把握空调机20的种类、设置场所以及用途，因此，能够预先研究维护方法。
·计算部12也可以下述方式构成。计算部12构成为可供多个利用者使用。具体而言，计算部12被设置成能够与多个对象物2进行通信并且能够与多个利用者终端16进行通信。计算部12保存用于管理多个对象物2与多个利用者终端16之间的信息传递的地址簿。地址簿将空调机20的识别编号与和该识别编号相关的空调机20的利用者的利用者终端16关联。当计算部12从获取部11获取对象物2的拍摄图像40、拍摄时刻以及识别编号并算出污染的进展度以及通知事项时，计算部12参照地址簿向利用者终端16输出污染的进展度以及通知事项。
·污染检测装置1的获取部11和控制部10也可构成为一个单元。上述这样的污染检测装置1配置在空调机20附近。在该情况下，污染检测装置1也可不经由网络N而直接与利用者终端16进行通信。
·污染检测装置1的计算部12也可设置于利用者终端16。计算部12可通过安装于利用者终端16的应用程序以及利用者终端16内的计算电路构成。
·污染检测装置1的获取部11以及计算部12也可设置于利用者终端16。例如，在个人计算机设置有获取部11和计算部12。在该情况下，获取部11构成为存储介质的读取装置或通信装置。计算部12可通过应用程序和计算电路构成。个人计算机通过利用者的输入操作获取拍摄图像40。
以上，对本装置的实施方式进行了说明，但应当理解的是，能够在不脱离权利要求书记载的本公开的主旨和范围的情况下进行形态和细节的各种变更。

Claims (9)

1.一种信息提供系统(SA)，所述信息提供系统(SA)提供与空调机(20)的排水盘(26)的污染相关的信息，其特征在于，
所述信息提供系统包括计算机(P)，所述计算机(P)与摄像头(30)以及利用人员终端(16)连接，
所述计算机(P)构成为：
获取由所述摄像头(30)拍摄到的对象物(2)的图像数据；
在所述图像数据中确定出污染区域，制作在所述图像数据中突出显示了所述污染区域的污染关联信息；以及
向所述利用人员终端(16)输出污染关联信息。
2.如权利要求1所述的信息提供系统，其特征在于，
所述计算机(P)构成为：
获取先前时期的第一图像数据以及所述先前时期之后的后续时期的第二图像数据；
在所述第二图像数据中确定出污染区域；
制作包含所述第一图像数据和所述第二图像数据的所述污染关联信息；以及
在所述污染关联信息中，在所述第二图像数据中突出显示所述污染区域。
3.如权利要求2所述的信息提供系统，其特征在于，
所述计算机(P)构成为识别出污染的种类并进行突出显示。
4.如权利要求3所述的信息提供系统，其特征在于，
所述计算机(P)构成为根据色相识别出污染的种类。
5.如权利要求3或4所述的信息提供系统，其特征在于，
所述计算机(P)构成为通过调节彩度来识别出污染的种类并进行突出显示。
6.如权利要求1所述的信息提供系统，其特征在于，
所述计算机(P)构成为：
根据所述对象物(2)的不同时期被拍摄到的多个图像数据形成污染图表，所述污染图表表示污染量相对于时间经过的变化；
制作所述污染关联信息，所述污染关联信息包含所述污染图表以及构成清洁的标准的污染量的阈值；以及
在所述污染图表中，突出显示污染量达到所述污染的阈值的时刻。
7.如权利要求1所述的信息提供系统，其特征在于，
所述计算机(P)构成为：
根据所述对象物(2)的图像数据算出未来的规定期间的故障概率；
制作包含所述故障概率的所述污染关联信息；以及
当所述故障概率大于规定概率时，突出显示所述故障概率。
8.如权利要求1所述的信息提供系统，其特征在于，
所述计算机(P)构成为：
根据所述对象物(2)的图像数据算出未来的规定期间的空气污染度；
制作包含所述空气污染度的所述污染关联信息；以及
当所述空气污染度大于上限值时，突出显示所述空气污染度。
9.如权利要求6所述的信息提供系统，其特征在于，
所述计算机(P)构成为：
针对与所述对象物(2)不同的追加对象物(2a)，获取由摄像头(30)拍摄到的追加对象物(2a)的图像数据；
根据所述追加对象物(2a)的不同时期被拍摄到的多个图像数据形成污染图表，所述污染图表表示污染量相对于时间经过的变化；
制作所述污染关联信息，所述污染关联信息包含所述对象物(2)的所述污染图表以及所述追加对象物(2a)的所述污染图表这两个图表通过共用的时间轴显示的图表；以及
在所述污染关联信息中突出显示所述对象物(2)的污染图表。
CN202080016451.8A 2019-02-27 2020-02-26 信息提供系统 Pending CN113474641A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019034439 2019-02-27
JP2019-034439 2019-02-27
PCT/JP2020/007870 WO2020175589A1 (ja) 2019-02-27 2020-02-26 情報提供システム

Publications (1)

Publication Number Publication Date
CN113474641A true CN113474641A (zh) 2021-10-01

Family

ID=72240116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080016451.8A Pending CN113474641A (zh) 2019-02-27 2020-02-26 信息提供系统

Country Status (6)

Country Link
US (1) US11538204B2 (zh)
EP (1) EP3933387B1 (zh)
JP (1) JP6791419B2 (zh)
CN (1) CN113474641A (zh)
AU (1) AU2020228229B2 (zh)
WO (1) WO2020175589A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6904451B1 (ja) * 2020-03-26 2021-07-14 ダイキン工業株式会社 ドレンポンプ詰り予測装置、空気調和機、およびドレンポンプ詰り予測方法
JP7421128B2 (ja) * 2021-03-12 2024-01-24 ダイキン工業株式会社 画像処理装置、空気処理システム、画像処理プログラム、及び画像処理方法
JP7421129B2 (ja) * 2021-03-12 2024-01-24 ダイキン工業株式会社 画像処理装置、空気処理システム、画像処理プログラム、及び画像処理方法
JPWO2023002755A1 (zh) * 2021-07-20 2023-01-26
KR102571702B1 (ko) * 2022-08-31 2023-08-29 한전케이피에스 주식회사 이미지 분석 장치 및 방법

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007046864A (ja) * 2005-08-11 2007-02-22 Daikin Ind Ltd 保守支援システム
JP2007255840A (ja) * 2006-03-24 2007-10-04 Mitsubishi Electric Building Techno Service Co Ltd 空調機内部観察装置
JP2011143644A (ja) * 2010-01-15 2011-07-28 Sinfonia Technology Co Ltd プリンタ
CN103017263A (zh) * 2012-12-14 2013-04-03 宋道胜 多功能空调末端
CN103216887A (zh) * 2008-01-25 2013-07-24 大金工业株式会社 空调机的室内机组
CN103234261A (zh) * 2013-05-02 2013-08-07 四川长虹电器股份有限公司 空调机除尘的方法及系统
CN204090041U (zh) * 2014-10-16 2015-01-07 许乐群 空调过滤器可视污染监控装置
WO2015037334A1 (ja) * 2013-09-10 2015-03-19 日立アプライアンス株式会社 空気調和機の監視システム
US20150227447A1 (en) * 2014-02-10 2015-08-13 Fuji Xerox Co., Ltd. Failure predictive system, and failure predictive apparatus
CN105102898A (zh) * 2013-04-01 2015-11-25 大金工业株式会社 空调装置的操作系统及操作方法
WO2016129085A1 (ja) * 2015-02-12 2016-08-18 三菱電機株式会社 空気調和システム
CN105928071A (zh) * 2016-05-06 2016-09-07 广东美的制冷设备有限公司 空调器及其清洁控制方法
WO2018096608A1 (ja) * 2016-11-24 2018-05-31 三菱電機株式会社 空気調和システム

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100353864B1 (ko) * 1999-12-09 2002-09-26 한국전자통신연구원 표면 검사 장치 및 그 방법
US7343038B2 (en) * 2001-07-27 2008-03-11 Nippon Sheet Glass Company, Limited Method for evaluating contamination on surface of object and imaging box used for the method
JP4394893B2 (ja) 2002-08-09 2010-01-06 ダイキン工業株式会社 故障診断システム
JP2005180830A (ja) * 2003-12-19 2005-07-07 Fmi Itou Shoten:Kk 汚染状況検出装置
JP2005292066A (ja) * 2004-04-05 2005-10-20 Daikin Ind Ltd 状態診断装置、状態診断プログラムおよび状態診断システム。
KR101078474B1 (ko) 2006-06-08 2011-10-31 후지쯔 가부시끼가이샤 오염 검출 장치
EP2137696A2 (en) * 2007-03-16 2009-12-30 STI Medical Systems, LLC A method to provide automated quality feedback to imaging devices to achieve standardized imaging data
US9080784B2 (en) * 2011-06-20 2015-07-14 Honeywell International Inc. HVAC controller with component change notification
US9366448B2 (en) * 2011-06-20 2016-06-14 Honeywell International Inc. Method and apparatus for configuring a filter change notification of an HVAC controller
JP5198672B1 (ja) 2012-04-21 2013-05-15 直人 西村 Ａｔｐふき取り検査器による空気調和機室内ユニット内部の微生物汚染の検査方法。
US9082201B2 (en) * 2013-01-04 2015-07-14 International Business Machines Corporation Surface contamination determination system
JP2015070566A (ja) * 2013-09-30 2015-04-13 本田技研工業株式会社 カメラのレンズ汚れ検知装置
WO2015127547A1 (en) * 2014-02-27 2015-09-03 Walter Surface Technologies Inc. Industrial cleanliness measurement methodology
US10073044B2 (en) * 2014-05-16 2018-09-11 Ncr Corporation Scanner automatic dirty/clean window detection
US9384560B2 (en) * 2014-10-27 2016-07-05 King Fahd University Of Petroleum And Minerals Contamination level estimation method for high voltage insulators
CN105608697B (zh) * 2015-12-24 2018-04-13 电子科技大学 基于遥感气溶胶和萤火虫群算法的空气污染源识别方法
KR20180081356A (ko) * 2017-01-06 2018-07-16 삼성전자주식회사 지문 이미지의 왜곡을 처리하는 방법 및 장치
JP2018179698A (ja) * 2017-04-11 2018-11-15 オムロン株式会社 シート検査装置
CN111194398B (zh) * 2017-10-09 2023-10-03 帕斯博特技术股份有限公司 用于检测表面上的污染的系统和方法
JPWO2019097613A1 (ja) * 2017-11-15 2020-07-09 三菱電機株式会社 空調管理システム、空調機器、空調管理装置、空調管理方法及びプログラム
EP3489892B1 (en) * 2017-11-24 2022-01-05 Ficosa Adas, S.L.U. Determining clean or dirty captured images
US11158072B2 (en) * 2018-02-02 2021-10-26 Dishcraft Robotics, Inc. Intelligent dishwashing systems and methods
JP6933608B2 (ja) * 2018-06-01 2021-09-08 ファナック株式会社 視覚センサのレンズまたはレンズカバーの異常検出システム
US11003958B2 (en) * 2018-06-26 2021-05-11 Walmart Apollo, Llc Food quality image classification

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007046864A (ja) * 2005-08-11 2007-02-22 Daikin Ind Ltd 保守支援システム
JP2007255840A (ja) * 2006-03-24 2007-10-04 Mitsubishi Electric Building Techno Service Co Ltd 空調機内部観察装置
CN103216887A (zh) * 2008-01-25 2013-07-24 大金工业株式会社 空调机的室内机组
JP2011143644A (ja) * 2010-01-15 2011-07-28 Sinfonia Technology Co Ltd プリンタ
CN103017263A (zh) * 2012-12-14 2013-04-03 宋道胜 多功能空调末端
CN105102898A (zh) * 2013-04-01 2015-11-25 大金工业株式会社 空调装置的操作系统及操作方法
CN103234261A (zh) * 2013-05-02 2013-08-07 四川长虹电器股份有限公司 空调机除尘的方法及系统
WO2015037334A1 (ja) * 2013-09-10 2015-03-19 日立アプライアンス株式会社 空気調和機の監視システム
US20150227447A1 (en) * 2014-02-10 2015-08-13 Fuji Xerox Co., Ltd. Failure predictive system, and failure predictive apparatus
CN204090041U (zh) * 2014-10-16 2015-01-07 许乐群 空调过滤器可视污染监控装置
WO2016129085A1 (ja) * 2015-02-12 2016-08-18 三菱電機株式会社 空気調和システム
CN105928071A (zh) * 2016-05-06 2016-09-07 广东美的制冷设备有限公司 空调器及其清洁控制方法
WO2018096608A1 (ja) * 2016-11-24 2018-05-31 三菱電機株式会社 空気調和システム

Also Published As

Publication number Publication date
EP3933387B1 (en) 2023-10-18
WO2020175589A1 (ja) 2020-09-03
EP3933387A1 (en) 2022-01-05
AU2020228229B2 (en) 2023-06-22
AU2020228229A1 (en) 2021-09-16
EP3933387A4 (en) 2022-04-20
JP6791419B2 (ja) 2020-11-25
JP2020139730A (ja) 2020-09-03
US11538204B2 (en) 2022-12-27
US20220044458A1 (en) 2022-02-10

Similar Documents

Publication Publication Date Title
CN113474641A (zh) 信息提供系统
US8189044B2 (en) Method for optical inspection of a matt surface and apparatus for applying this method
JP4811653B2 (ja) 物体検出装置
JP6870696B2 (ja) 汚れ検出装置および空気調和システム
CN116168351B (zh) 电力设备巡检方法及装置
JP2014020926A (ja) 表面欠陥検査装置及び表面欠陥検査方法
US11821640B2 (en) Drain pump clog prediction device, air conditioner, and drain pump clog prediction method
CN113283439B (zh) 基于图像识别的智能计数方法、装置及系统
CN111638218A (zh) 一种涂层表面缺陷的检测方法
JP2008077430A (ja) 移動体計数装置および移動体計数方法
CN113474597A (zh) 空调机
JP7001921B2 (ja) 汚れ検出装置および空気調和システム
CN115311443A (zh) 一种液压泵漏油识别方法
CN115661475A (zh) 一种图像异物识别方法、装置、设备及存储介质
CN115620079A (zh) 样本标签的获取方法和镜头失效检测模型的训练方法
JP2022142018A (ja) 空調装置の汚損判定システム、汚損判定方法およびプログラム
CN109101893A (zh) 一种基于视觉及WiFi的人流量检测方法
EP3825875B1 (en) Installation environment estimation device and program
CN112883985A (zh) 机油的检测方法、装置、设备及存储介质
JP2020139665A (ja) 汚れ予測システム
TWI833326B (zh) 缺陷檢查系統及缺陷檢查方法
JP2003042934A (ja) クリーンルーム用の塵埃検出装置、塵埃検出システム、微粒子測定器および塵埃検出方法
CN114255370A (zh) 基于4g网络的扫描枪扫描处理系统及方法
CN116777819A (zh) 一种高效低分辨率图像电缆沟进水检测算法与装置
CN117764896A (zh) 建筑物完整性检测方法、装置、电子设备及存储介质

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