CN115112167A - 应用于卷烟厂生产区域的温湿度传感器预警系统及方法 - Google Patents

Abstract

一种应用于卷烟厂生产区域的温湿度传感器预警系统，包括多个工艺空调控制区域，每个工艺空调控制区域内设有红外线热成像仪、深度相机、热成像相机和n个温湿度传感器；计算机根据热成像相机采集的图像获得工艺空调控制区域内生产设备的发热量数据、以及动态的人和物的发热量数据；所述计算机根据温度数据、热辐射数据、通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据判断对应的温湿度传感器的状态。本发明还提供一种应用于卷烟厂生产区域的温湿度传感器预警系统的预警方法。本发明能及时发现存在故障或者隐患的温湿度传感器，使工艺空调的温湿度控制更加精准，卷烟生产的品质得到更好地保障。

Description

应用于卷烟厂生产区域的温湿度传感器预警系统及方法

技术领域

本发明涉及一种应用于卷烟厂生产区域的温湿度传感器预警系统及方法。

背景技术

随着社会经济和科学技术的不断发展和产品品质要求的日益提升，烟草的精细化加工技术的要求不断提高。由于卷烟厂生产过程中，原辅料和生产工艺环节都对环境的温湿度具有较严格的要求，温湿度的屏偏差和波动都会影响到烟丝的含水量、造碎率的变化等，进而影响到产品的质量，这就给卷烟厂的生产环境提出了更高的要求。为保证烟草的生产质量以及设备的安全运行，需要利用工艺空调进行自动化控制，提供适宜稳定的空气温度和相对湿度。目前国内外空调产业飞速发展，恒温恒湿空调系统在在烟草行业中得到了广泛使用，为温湿度控制精度的实现提供了坚实的基础。对于卷烟厂生产、仓储的温湿度控制大多采用大型工艺空调集中控制，一般采用全空气系统供给，为所控区域提供稳定精准的温湿度环境。而工艺空调机组的精准控制取决于各点温湿度传感器采集数据的精确度，因此必须确保现场的温湿度传感器采样数据的可靠性。

以生产区域的一台工艺空调及其控制区域为例，其空调调节温湿度的空间为生产区域横向的一个长方体，覆盖到三组不同类型的卷接包机台，两侧有通道门窗。在此受控区域内，分布着8个温湿度传感器如图1所示。

目前的技术规范是以一台工艺空调所控制区域的8个温湿度传感器数值的平均值作为当前空间的湿热状态。由于在不同的温湿度环境下生产的卷烟在口感上会存在细微的差别，为了保障所有批次卷烟口感上的一致性，在空调控制层面采用了中心值控制，将生产区域环境温湿度精准控制在一个数值上，并且通过一些先进的控制理论方法，将环境温湿度的波动控制在了一个较小范围内且满足了技术上的要求。而在温湿度传感器的层面上，采样数据的准确性存在着不确定性，由于采用的是平均值算法，任何一个传感器采样数据的偏差都会对温湿度控制造成不良影响。

针对温湿度传感器采样数据的精确度，日常的定期校验更换是不足以满足要求的。一方面，从传感器本身的角度出发，由于传感器的工作原理就是将测量事物通过直接或者间接的手段，转换成电信号，在数模转换的过程中必然存在误差，这就导致传感器存在一定的误差范围；另一方面，从传感器外界因素的角度出发，生产区域存在着大量粉尘，在被除尘系统净化的过程中可能吸附到检测端子或者内部电路板上，或者传感器电路板发热等，都会对温湿度传感器的测量造成很大的偏差。

正是因为这类传感器等精密仪器，在工作中存在着不确定性，就需要通过合理的系统优化和技术手段来避免温单个湿度传感器的非正常偏差对整个生产区域环境温湿度控制的影响。

同时，由于生产区域复杂环境，例如生产机组的运行停止状态、机台的发热、通道侧的开关和门窗侧的外界环境影响，也会对温湿度传感器测量数据产生影响。这就需要通过系统进行实时判断，识别出造成温湿度传感器偏差的原因，找到真正存在问题或者存在隐患的温湿度传感器，剔除掉由于复杂环境造成的非故障偏差的温湿度传感器，实现每个温湿度传感器的准确性和工艺空调对生产环境温湿度的精准控制，保障卷烟生产的品质。

传统的仪器运行工况简单的分为“正常”或“故障”，而为了获得更好烟草品质提供更为精准的温湿度环境，这样的分类是不完善的，还需要对正常运行工况做进一步划分成更加精细的小类，起到对任何一个温湿度传感器运行状况的跟踪预警作用。

发明内容

为克服上述问题，本发明提供一种应用于卷烟厂生产区域的温湿度传感器预警系统及方法。

本发明的第一个方面提供一种应用于卷烟厂生产区域的温湿度传感器预警系统，包括多个工艺空调控制区域，每个工艺空调控制区域内设有红外线热成像仪、深度相机、热成像相机和n个温湿度传感器，n个温湿度传感器分别安装在工艺空调控制区域所需进行温湿度监测的位置；各个温湿度传感器与计算机通讯连接，并将采集到的温度数据和湿度数据传输至计算机；所述红外线热成像仪器与计算机通信连接，红外线热成像仪器采集n个温湿度传感器装探头点处的热辐射数据，并将热辐射数据传输至计算机；所述深度相机与计算机通信连接，计算机根据深度相机采集的图像监测工艺空调控制区域内通道门的开启状态与阳光透过窗户照射的情况；所述热成像相机与计算机通信连接，计算机根据热成像相机采集的图像获得工艺空调控制区域内生产设备的发热量数据、以及动态的人和物的发热量数据；所述计算机根据温度数据、热辐射数据、通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据判断对应的温湿度传感器的状态，若温湿度传感器的数据偏离预期的趋势变大，则向用户终端发送预警信息。

本发明的第二个方面提供一种应用于卷烟厂生产区域的温湿度传感器预警系统的预警方法，包括以下步骤：

步骤1、设立每个温湿度传感器历史数据数据库(T,H)，即温湿度传感器的实时温度数据；以各组工艺空调控制区域内的温湿度传感器数据为集合，以夜间停产后，环境温湿度达到动态稳定后的各个温湿度传感器的数据为例；

步骤2、建立温度数学模型，按偏差平方和最小的原则选取拟合曲线；对一个工艺空调控制区域内n个温湿度传感器的温度数据进行拟合的多项式为：

y＝a₀+a₁x+...+a_kx^k (1)

其中，y为T，x为H；各点到曲线的距离的平方和为：

对等式求a_i的偏导数

得到：

对于等式进行化简并表示成矩阵的形式，得到以下的矩阵：

经过范德蒙得矩阵化简后可得到：

可求解得到满足偏差平方和最小的拟合曲线系数a₀,a₁,...,a_k，最终得到拟合曲线模型；

步骤3、计算拟合曲线模型与实际温度数据的误差ε，对于一个工艺空调控制区域内有n个温湿度传感器，采用n-i个温湿度传感器的温度数据，利用步骤2的温度数学模型进行推导，设k＝2，求出拟合曲线y＝f(x)，用于验证剩余的i个数据；在验证数据时，每个点到曲线的距离即为误差ε；

步骤4、预测误差概率分布，误差ε会形成一个概率分布，假设概率密度函数为p(ε_i)，联合概率为：

F(t)＝p(ε₁)p(ε₂)…p(ε_i)＝p(t-t₁)p(t-t₂)…p(t-t_i) (6)

根据极大似然估计的思想，联合概率越大的最应该出现，即当

时，

时取到最大值，再进行微分方程的求解，最终可得到：

步骤5、基于预测误差概率分布建立置信区间，根据期望设置三级不同范围的置信区间(P_t1,P_t2,P_t3)；在实时检测的过程中，根据温湿度传感器的温度数据代入拟合曲线后，与实际的期望产生的误差的大小落入不同的置信区间来判定温度传感器的健康状态，其中落入置信区P_t1为优秀，落入置信区P_t2为良好，落入置信区P_t3为合格；

步骤6、为每个机台建立数组，数组成员为机台所在区域的温湿度传感器，收集获取每台机组的运行状态作为输入；建立判定函数，所述判定函数根据机组是否运行，输出温湿度传感器数组，当机组运行时，对应的温湿度传感器赋1，反之赋0；若该机组对应的温湿度传感器赋1，则运行步骤1-5；若温湿度传感器赋0，则退出。进一步，若温湿度传感器经过温度数学模型验证为合格的传感器，则将其温湿度数据进行统一换算；焓值公式：h＝1.005t+x(2500+1.84t)；(8)

含湿量公式：

相对湿度公式：

其中h为焓值，t为温度，x为含湿量，RH为相对湿度，p为一个大气压，P_q,b为查表获得；

根据焓值不变进行等式换算，将各个传感器数据的温度以设定值T为统一标准值，相对湿度换算到T温度下的相对湿度值RH；

1.005t+x(2500+1.84t)＝1.005T+X(2500+1.84T) (11)

进一步，所述方法还包括构建干扰因子的负传递函数，将经过分析列出的干扰因素作为输入，通过红外线传感器得到的热辐射数据，利用AHP层次分析法，根据获得的数据数值的相对大小，分析设定各个干扰因子的权重值w，输出各干扰因素对周围各温湿度传感器的干扰系数；

将负传递函数加入到上述数学模型的前置端，在验证温湿度传感器数据前，先经过负传递函数，减去干扰因素权值再进入验证模型，增强干扰因子下数学模型的鲁棒性；所述干扰因子为工艺空调控制区域内通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据。

进一步，所述方法还包括通过使用深度相机，实时监测整个生产区域通道门的开启状态与阳光透过窗户照射的情况；

1)当监测到通道门窗的开启，造成对应温湿度传感器数据偏离预期的趋势变大时，将该温湿度传感器暂时剔除预警系统，并及时通知相关生产车间进行门窗关闭提醒，待检测到门窗关闭后，该温湿度传感器恢复稳定后重新加入预警系统进行数据验证；

2)当监测到阳光强烈时，结合红外线热成像仪数据，若由于阳光产生热辐射干扰趋势变大，空调的控制能力不足的时候，将该温湿度传感器暂时剔除预警系统，并及时通知相关生产车间进行相应遮挡提醒，待该温湿度传感器恢复稳定后重新加入预警系统进行数据验证。

本发明的有益效果是：卷烟厂生产仓储区域的温湿度传感器为半年校验一次，存在因自身故障和外因导致的测量数据偏差，进而影响工艺空调对所控区域温湿度的精准控制的问题，这些偶发性的故障或者存在的故障隐患由于校验周期较长不易被及时发现，本专利与现有技术相比主要有以下优点：

(1)通过预警系统及时发现存在故障或者隐患的温湿度传感器，进行重新校验或者更换，使工艺空调的温湿度控制更加精准，卷烟生产的品质得到更好地保障；

(2)通过实时数据学习和智能化分析，提高了系统对于温湿度传感器故障判断的准确性；

(3)减少因传感器的偏差导致工艺空调控制温湿度的过程中产生较大波动造成的能源浪费。

附图说明

图1是本发明中工艺空调控制区域的示意图。

图2是本发明的系统框架图。

具体实施方式

下面将结合附图对本发明专利的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，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，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，如出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，如出现术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，如出现术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

参照附图，本发明的第一个实施例提供一种应用于卷烟厂生产区域的温湿度传感器预警系统，包括多个工艺空调控制区域，每个工艺空调控制区域内设有红外线热成像仪、深度相机、热成像相机和n个温湿度传感器，n个温湿度传感器分别安装在工艺空调控制区域所需进行温湿度监测的位置；各个温湿度传感器与计算机通讯连接，并将采集到的温度数据和湿度数据传输至计算机；所述红外线热成像仪器与计算机通信连接，红外线热成像仪器采集n个温湿度传感器装探头点处的热辐射数据，并将热辐射数据传输至计算机；所述深度相机与计算机通信连接，计算机根据深度相机采集的图像监测工艺空调控制区域内通道门的开启状态与阳光透过窗户照射的情况；所述热成像相机与计算机通信连接，计算机根据热成像相机采集的图像获得工艺空调控制区域内生产设备的发热量数据、以及动态的人和物的发热量数据；所述计算机根据温度数据、热辐射数据、通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据判断对应的温湿度传感器的状态，若温湿度传感器的数据偏离预期的趋势变大，则向用户终端发送预警信息。

本发明的第二个实施例提供一种应用于卷烟厂生产区域的温湿度传感器预警系统的预警方法，包括以下步骤：

步骤1、设立每个温湿度传感器历史数据数据库(T,H)，即温湿度传感器的实时温度数据；以各组工艺空调控制区域内的温湿度传感器数据为集合，以夜间停产后，环境温湿度达到动态稳定后的各个温湿度传感器的数据为例；

步骤2、建立温度数学模型，按偏差平方和最小的原则选取拟合曲线；对一个工艺空调控制区域内n个温湿度传感器的温度数据进行拟合的多项式为：

y＝a₀+a₁x+...+a_kx^k (1)

其中，y为T，x为H；各点到曲线的距离的平方和为：

对等式求a_i的偏导数

得到：

对于等式进行化简并表示成矩阵的形式，得到以下的矩阵：

经过范德蒙得矩阵化简后可得到：

可求解得到满足偏差平方和最小的拟合曲线系数a₀,a₁,…,a_k，最终得到拟合曲线模型；

步骤3、计算拟合曲线模型与实际温度数据的误差ε，对于一个工艺空调控制区域内有n个温湿度传感器，采用n-i个温湿度传感器的温度数据，利用步骤2的温度数学模型进行推导，设k＝2，求出拟合曲线y＝f(x)，用于验证剩余的i个数据；在验证数据时，每个点到曲线的距离即为误差ε；

步骤4、预测误差概率分布，误差ε会形成一个概率分布，假设概率密度函数为p(ε_i)，联合概率为：

F(t)＝p(ε₁)p(ε₂)…p(ε_i)＝p(t-t₁)p(t-t₂)…p(t-t_i) (6)

根据极大似然估计的思想，联合概率越大的最应该出现，即当

时，

时取到最大值，再进行微分方程的求解，最终可得到：

步骤5、基于预测误差概率分布建立置信区间，根据期望设置三级不同范围的置信区间(P_t1,P_t2,P_t3)；在实时检测的过程中，根据温湿度传感器的温度数据代入拟合曲线后，与实际的期望产生的误差的大小落入不同的置信区间来判定温度传感器的健康状态，其中落入置信区P_t1为优秀，落入置信区P_t2为良好，落入置信区P_t3为合格；

步骤6、为每个机台建立数组，数组成员为机台所在区域的温湿度传感器，收集获取每台机组的运行状态作为输入；建立判定函数，所述判定函数根据机组是否运行，输出温湿度传感器数组，当机组运行时，对应的温湿度传感器赋1，反之赋0；若该机组对应的温湿度传感器赋1，则运行步骤1-5；若温湿度传感器赋0，则退出。

进一步，若温湿度传感器经过温度数学模型验证为合格的传感器，则将其温湿度数据进行统一换算；

焓值公式：h＝1.005t+x(2500+1.84t) (8)

含湿量公式：

相对湿度公式：

其中h为焓值，t为温度，x为含湿量，RH为相对湿度，p为一个大气压，P_q,b通过查水的饱和蒸汽压表获得。

根据焓值不变进行等式换算，将各个传感器数据的温度以设定值T为统一标准值，相对湿度换算到T温度下的相对湿度值RH；

1.005t+x(2500+1.84t)＝1.005T+X(2500+1.84T)(11)

进一步，所述方法还包括构建干扰因子的负传递函数，将经过分析列出的干扰因素作为输入，通过红外线传感器得到的热辐射数据，分析设定各个干扰因子的权重值w(可以通过专家经验判定法，也可以通过权值因子判断表法)；输出各干扰因素对周围各温湿度传感器的干扰系数，将负传递函数加入到上述数学模型的前置端，在验证温湿度传感器数据前，先经过负传递函数，减去干扰因素权值再进入验证模型，增强干扰因子下数学模型的鲁棒性；所述干扰因子包括但不仅限于工艺空调控制区域内通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据。

进一步，所述方法还包括通过使用深度相机，实时监测整个生产区域通道门的开启状态与阳光透过窗户照射的情况；

3)当监测到通道门窗的开启，造成对应温湿度传感器数据偏离预期的趋势变大时，将该温湿度传感器暂时剔除预警系统，并及时通知相关生产车间进行门窗关闭提醒，待检测到门窗关闭后，该温湿度传感器恢复稳定后重新加入预警系统进行数据验证；

4)当监测到阳光强烈时，结合红外线热成像仪数据，若由于阳光产生热辐射干扰趋势变大，空调的控制能力不足的时候，将该温湿度传感器暂时剔除预警系统，并及时通知相关生产车间进行相应遮挡提醒，待该温湿度传感器恢复稳定后重新加入预警系统进行数据验证。

本发明提出了采用统计机器学习的数据监测方法，结合机器学习、多元统计学分析、概率论等原理，建立数学模型，输入大量的历史数据进行模型训练，利用训练好的模型对实时数据进行检测分析和自学习的再训练，逐步完善成一套检测与辨别温湿度传感器运行工况的评估系统与方法。

主要以各组工艺空调控制区域内的温湿度传感器历史数据之间的数学关系为统计样本，设计符合该组样本规律的数学模型。依据设定的策略，检测分析实时数据，根据不同的输出标准值来评估温湿度传感器的精准度工况。

提出了采用多维关联分析与智能环境识别系统，将多干扰因子进行整合分类，通过大量数据的关联性分析，设定剔除干扰因子的负传递函数，加入到上述数学模型，增强干扰因子下的鲁棒性。

采用接入智慧工厂机组实时运行状态的方式，标定正在运行的机组区域内的温湿度传感器进行预警系统辨别。

采用热成像技术采集固定的生产设备的发热量数据和动态的人和物的发热量数据，进行关联性分析，作为干扰因子的传递函数输出。

采用视觉识别系统，记录生产区域两侧门窗的开启情况，进行关联性分析，作为干扰因子的传递函数输出。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (5)

1.应用于卷烟厂生产区域的温湿度传感器预警系统，其特征在于：包括多个工艺空调控制区域，每个工艺空调控制区域内设有红外线热成像仪、深度相机、热成像相机和n个温湿度传感器，n个温湿度传感器分别安装在工艺空调控制区域所需进行温湿度监测的位置；各个温湿度传感器与计算机通讯连接，并将采集到的温度数据和湿度数据传输至计算机；所述红外线热成像仪器与计算机通信连接，红外线热成像仪器采集n个温湿度传感器装探头点处的热辐射数据，并将热辐射数据传输至计算机；所述深度相机与计算机通信连接，计算机根据深度相机采集的图像监测工艺空调控制区域内通道门的开启状态与阳光透过窗户照射的情况；所述热成像相机与计算机通信连接，计算机根据热成像相机采集的图像获得工艺空调控制区域内生产设备的发热量数据、以及动态的人和物的发热量数据；所述计算机根据温度数据、热辐射数据、通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据判断对应的温湿度传感器的状态，若温湿度传感器的数据偏离预期的趋势变大，则向用户终端发送预警信息。

2.基于权利要求1所述的应用于卷烟厂生产区域的温湿度传感器预警系统的预警方法，其特征在于，包括以下步骤：

步骤1、设立每个温湿度传感器历史数据数据库(T,H)，即温湿度传感器的实时温度数据；以各组工艺空调控制区域内的温湿度传感器数据为集合，以夜间停产后，环境温湿度达到动态稳定后的各个温湿度传感器的数据为例；

步骤2、建立温度数学模型，按偏差平方和最小的原则选取拟合曲线；对一个工艺空调控制区域内n个温湿度传感器的温度数据进行拟合的多项式为：

y＝a₀+a₁x+...+a_kx^k (1)

其中，y为T，x为H；各点到曲线的距离的平方和为：

对等式求a_i的偏导数

得到：

对于等式进行化简并表示成矩阵的形式，得到以下的矩阵：

经过范德蒙得矩阵化简后可得到：

可求解得到满足偏差平方和最小的拟合曲线系数a₀,a₁,...,a_k，最终得到拟合曲线模型；

步骤3、计算拟合曲线模型与实际温度数据的误差ε，对于一个工艺空调控制区域内有n个温湿度传感器，采用n-i个温湿度传感器的温度数据，利用步骤2的温度数学模型进行推导，设k＝2，求出拟合曲线y＝f(x)，用于验证剩余的i个数据；在验证数据时，每个点到曲线的距离即为误差ε；

步骤4、预测误差概率分布，误差ε会形成一个概率分布，假设概率密度函数为p(ε_i)，联合概率为：

F(t)＝p(ε₁)p(ε₂)…p(ε_i)＝p(t-t₁)p(t-t₂)…p(t-t_i) (6)

根据极大似然估计的思想，联合概率越大的最应该出现，即当

时，

时取到最大值，再进行微分方程的求解，最终可得到：

步骤5、基于预测误差概率分布建立置信区间，根据期望设置三级不同范围的置信区间(P_t1,P_t2,P_t3)；在实时检测的过程中，根据温湿度传感器的温度数据代入拟合曲线后，与实际的期望产生的误差的大小落入不同的置信区间来判定温度传感器的健康状态，其中落入置信区P_t1为优秀，落入置信区P_t2为良好，落入置信区P_t3为合格；

步骤6、为每个机台建立数组，数组成员为机台所在区域的温湿度传感器，收集获取每台机组的运行状态作为输入；建立判定函数，所述判定函数根据机组是否运行，输出温湿度传感器数组，当机组运行时，对应的温湿度传感器赋1，反之赋0；若该机组对应的温湿度传感器赋1，则运行步骤1-5；若温湿度传感器赋0，则退出。

3.如权利要求2所述的预警方法，其特征在于：若温湿度传感器经过温度数学模型验证为合格的传感器，则将其温湿度数据进行统一换算；

焓值公式：h＝1.005t+x(2500+1.84t)； (8)

含湿量公式：

相对湿度公式：

其中h为焓值，t为温度，x为含湿量，RH为相对湿度，p为一个大气压，P_q,b为查表获得；

根据焓值不变进行等式换算，将各个传感器数据的温度以设定值T为统一标准值，相对湿度换算到T温度下的相对湿度值RH；

1.005t+x(2500+1.84t)＝1.005T+X(2500+1.84T) (11)

4.如权利要求2所述的预警方法，其特征在于：所述方法还包括构建干扰因子的负传递函数，将经过分析列出的干扰因素作为输入，通过红外线传感器得到的热辐射数据，分析设定各个干扰因子的权重值w，输出各干扰因素对周围各温湿度传感器的干扰系数；

将负传递函数加入到上述数学模型的前置端，在验证温湿度传感器数据前，先经过负传递函数，减去干扰因素权值再进入验证模型，增强干扰因子下数学模型的鲁棒性；所述干扰因子包括但不仅限于工艺空调控制区域内通道门的开启状态、阳光透过窗户照射的情况、生产设备的发热量数据、以及动态的人和物的发热量数据。

5.如权利要求2所述的预警方法，其特征在于：所述方法还包括通过使用深度相机，实时监测整个生产区域通道门的开启状态与阳光透过窗户照射的情况；

1)当监测到通道门窗的开启，造成对应温湿度传感器数据偏离预期的趋势变大时，将该温湿度传感器暂时剔除预警系统，并及时通知相关生产车间进行门窗关闭提醒，待检测到门窗关闭后，该温湿度传感器恢复稳定后重新加入预警系统进行数据验证；

2)当监测到阳光强烈时，结合红外线热成像仪数据，若由于阳光产生热辐射干扰趋势变大，空调的控制能力不足的时候，将该温湿度传感器暂时剔除预警系统，并及时通知相关生产车间进行相应遮挡提醒，待该温湿度传感器恢复稳定后重新加入预警系统进行数据验证。

Images