CN116157832A - 图像处理装置、空气处理系统、图像处理程序及图像处理方法 - Google Patents

图像处理装置、空气处理系统、图像处理程序及图像处理方法 Download PDF

Info

Publication number
CN116157832A
CN116157832A CN202180061232.6A CN202180061232A CN116157832A CN 116157832 A CN116157832 A CN 116157832A CN 202180061232 A CN202180061232 A CN 202180061232A CN 116157832 A CN116157832 A CN 116157832A
Authority
CN
China
Prior art keywords
image data
haze
unit
air
image processing
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
CN202180061232.6A
Other languages
English (en)
Inventor
北川慧太
近藤纯史
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 CN116157832A publication Critical patent/CN116157832A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/80Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/30Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/49Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring ensuring correct operation, e.g. by trial operation or configuration checks
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/30Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32Responding to malfunctions or emergencies
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24HEATING; RANGES; VENTILATING
    • F24FAIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00Control or safety arrangements
    • F24F11/62Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63Electronic processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00Details of television systems
    • H04N5/64Constructional details of receivers, e.g. cabinets or dust covers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Air Conditioning Control Device (AREA)
  • Image Processing (AREA)
  • Facsimile Image Signal Circuits (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

图像处理装置包括推测部(54)和决定部(55),所述推测部(54)根据由对空气处理装置(10)的壳体(25)内的拍摄对象(T)进行拍摄的拍摄装置(41)获取到的图像数据,推测图像数据的雾度,所述决定部(55)根据由推测部(54)推测出的图像数据的雾度决定要输出的图像数据即输出图像数据。

Description

图像处理装置、空气处理系统、图像处理程序及图像处理方法
技术领域
本公开涉及一种图像处理装置、空气处理系统、图像处理程序及图像处理方法。
背景技术
在专利文献1中记载了一种空气处理装置,该空气处理装置通过拍摄装置获取壳体内的构成部件的图像数据。操作者等通过确认由拍摄装置获取到的图像数据,而能够掌握构成部件的状态。
现有技术文献
专利文献
专利文献1:日本公开专利公报特开2019-39658号公报
发明内容
-发明要解决的技术问题-
空气处理装置将空气吸入壳体内,并将处理后的空气供往规定的对象空间。根据空气处理装置的状况,在壳体内会产生雾。如果在产生了雾的状态下通过拍摄装置获取图像数据,则图像数据会变得不清晰。
本公开的目的在于:提供一种能够抑制输出不清晰的图像数据的图像处理装置。
-用以解决技术问题的技术方案-
第一方面涉及一种图像处理装置,该图像处理装置包括推测部54和决定部55,所述推测部54根据由拍摄装置41获取到的图像数据,推测该图像数据的雾度,其中,所述拍摄装置41对空气处理装置10的壳体25内的拍摄对象T进行拍摄,所述决定部55根据由所述推测部54推测出的所述图像数据的所述雾度,决定要输出的图像数据即输出图像数据。
在第一方面中,推测部54推测图像数据的雾度。这里,“雾度”是表示图像数据的模糊程度的指标,图像数据模糊起因于壳体25内产生的雾。“雾度”越高,图像数据越不清晰。“雾度”越低,图像数据越清晰。决定部55根据推测出的雾度决定输出图像数据。因此,能够抑制输出雾度高且不清晰的图像数据。
第二方面在第一方面的基础上,所述决定部55将所述雾度为规定等级以下的图像数据决定为所述输出图像数据。
在第二方面中,能够输出雾度为规定等级以下的图像数据。
第三方面在第一或第二方面的基础上,由所述推测部54推测的图像数据的雾度存在三个以上的等级,所述决定部55将所述雾度最低的等级的图像数据决定为所述输出图像数据。
在第三方面中,能够输出三个以上的等级中雾度最低的等级的图像数据。
第四方面在第一到第三方面中任一方面的基础上,所述图像处理装置还包括指示部56,所述指示部56在由所述推测部54推测出的所述图像数据的所述雾度比规定等级高时,输出第一指令,所述第一指令使所述拍摄装置41对所述拍摄对象T进行拍摄。
在第四方面中,在图像数据的雾度比规定等级高的情况下,指示部56输出第一指令。拍摄装置41根据第一指令对拍摄对象T进行拍摄,获取新的图像数据。
第五方面在第四方面的基础上,所述指示部56在由所述推测部54推测出的所述图像数据的雾度比规定等级高时,在经过规定时间后输出所述第一指令。
在第五方面中,如果从判断为图像数据的雾度比规定等级高时开始经过了规定时间,指示部56就输出第一指令。在经过规定时间的这段期间,壳体内的雾有时会散去。在该情况下,拍摄装置41就能够获取雾度低的图像数据。
第六方面在第五方面的基础上,所述规定时间为5分钟以上、23小时以下。
如果规定时间过短,则壳体25内还残留有雾,新获取到的图像数据的雾度有可能变高。如果规定时间过长,则到获取新的图像数据为止的时间就会变长。考虑到这些方面,在第六方面中,将规定时间设为5分钟以上、23小时以下。
第七方面在第四方面的基础上,所述指示部56在由所述推测部54推测出的所述图像数据的所述雾度比规定等级高时,在输出第二指令之后输出所述第一指令,所述第二指令使所述空气处理装置10的风扇23、71运转或者使该风扇23、71的风量增大。
在第七方面中,如果判断为图像数据的雾度比规定等级高,指示部56就输出第二指令。根据第二指令,空气处理装置10的风扇23、71运转,或者风扇23、71的风量增大。其结果是,能够将壳体25内的雾与风扇23、71生成的空气流一起输送到壳体25的外部。指示部56在输出第二指令后,输出第一指令。这样一来,拍摄装置41就能够在壳体25内的雾消失的时刻获取新的图像数据。
第八方面在第四到第七方面中任一方面的基础上,所述图像处理装置还包括存储部52,所述存储部52存储由所述拍摄装置41获取到的图像数据,所述决定部55根据存储在所述存储部52中的多个图像数据的雾度,决定所述输出图像数据。
在第八方面中,能够从存储于存储部52的图像数据中输出雾度低的图像数据。
第九方面在第八方面的基础上,所述决定部55根据所述拍摄装置41的拍摄次数n和所述多个图像数据的所述雾度,决定所述输出图像数据。
如果拍摄装置41的拍摄次数n多,则图像数据的通信负荷就会增大。因此,第九方面的决定部55根据拍摄次数n和多个图像数据的雾度,决定所要输出的图像数据。
第十方面在第四到第九方面中任一方面的基础上,所述图像处理装置还包括通知部57,在所述拍摄装置41的拍摄次数n超过规定次数的情况下,所述通知部57通知异常情况。这里所说的“通知异常情况”包含以下意思:输出用于向人通知异常情况的信号、显示用于向人通知异常情况的标志、发出用于向人通知异常情况的声音或光。
在图像数据的拍摄次数n超过规定次数的情况下,在空气处理装置10或拍摄装置41中,有可能出现了某种异常情况。因此,在第十方面中,在拍摄装置41的拍摄次数n超过规定次数的情况下,通知部57便会通知异常情况。
第十一方面在第一方面的基础上,所述推测部54分别推测多个图像数据的雾度,该多个图像数据是由所述拍摄装置41每隔规定时间对拍摄对象T进行拍摄而获取到的,所述决定部55将所述多个图像数据中所述雾度最低的等级的图像数据决定为所述输出图像数据。
在第十一方面中,能够将由拍摄装置41每隔规定时间对拍摄对象T进行拍摄而获取到的多个图像数据中雾度最低的这一等级的图像数据决定为输出图像数据。
第十二方面在第一到第十一方面中任一方面的基础上,所述推测部54包含推测模型M,所述推测模型M是通过机器学习生成的,来推测所述图像数据的所述雾度。
在第十二方面中,能够使用通过机器学习生成的推测模型M推测图像数据的雾度。
第十三方面涉及一种空气处理系统,该空气处理系统包括空气处理装置10、所述拍摄装置41、以及第一到第十二方面中任一方面的图像处理装置45、50,所述空气处理装置10包括壳体25及拍摄对象T。
第十四方面涉及一种图像处理程序,该图像处理程序使计算机执行以下处理:根据由拍摄装置41获取到的图像数据,对该图像数据的雾度进行推测的处理;以及根据推测出的所述图像数据的所述雾度,决定要输出的图像数据即输出图像数据的处理,其中,所述拍摄装置41对空气处理装置10的壳体25内的拍摄对象T进行拍摄。
第十五方面涉及一种图像处理方法,该图像处理方法包含:根据由拍摄装置41获取到的图像数据,对该图像数据的雾度进行推测的处理;以及根据推测出的所述图像数据的所述雾度,决定要输出的图像数据即输出图像数据的处理,其中,所述拍摄装置41对空气处理装置10的壳体25内的拍摄对象T进行拍摄。
附图说明
图1是示出第一实施方式所涉及的空气处理系统的整体结构的框图;
图2是第一实施方式所涉及的空调装置的管道系统图;
图3是第一实施方式所涉及的室内机组的俯视图;
图4是从前侧观察到的第一实施方式所涉及的室内机组的内部的图;
图5是用于说明雾度等级的表;
图6是示出拍摄单元的动作的流程图;
图7是示出图像处理装置的基本动作的流程图;
图8是决定处理的流程图;
图9是从前侧观察到的第二实施方式所涉及的室内机组的内部的图;
图10是示出第三实施方式所涉及的室内机组的内部构造的纵向剖视图;
图11是变形例1所涉及的与图8对应的图;
图12是变形例2所涉及的与图1对应的图。
具体实施方式
下面,参照附图对本公开的实施方式进行说明。需要说明的是,以下的实施方式在本质上为优选的示例,并没有限制本发明、本发明的应用对象或其用途范围的意图。
《第一实施方式》
对第一实施方式所涉及的空气处理系统1进行说明。
〈空气处理系统的整体结构〉
如图1所示,第一实施方式的空气处理系统1具有空调装置10、拍摄单元40以及服务器装置50。拍摄单元40和服务器装置50与互联网N相连。在互联网N中连接有操作者的通信终端60。操作者包含对空调装置10进行维修的人员、对空调装置10进行管理的人员以及空调装置10的使用者。通信终端60包含个人计算机、智能手机、平板终端以及移动电话。
在第一实施方式的空气处理系统1中,由拍摄单元40对空调装置10的拍摄对象T进行拍摄。由拍摄单元40获取到的图像数据经由互联网N发送到服务器装置50。操作者通过使用通信终端60,而能够以目视方式确认从服务器装置50输出的图像数据。
〈空调装置的整体结构〉
空调装置10对对象空间即室内空间进行空气调节。空调装置10对室内空间中的室内空气RA的温度进行调节。空调装置10将调节过温度的空气作为供给空气SA供往室内。空调装置10进行制冷运转和制热运转。
如图2所示,空调装置10是多联式空调装置。空调装置10具有室外机组11和多个室内机组20。需要说明的是,空调装置10也可以是具有一个室外机组11和一个室内机组20的一拖一式空调装置。室外机组11设置在室外空间中。室内机组20设置在室内空间中。具体而言,室内机组20设置在面向室内空间的天花板背面侧的空间中。空调装置10具有制冷剂回路R。制冷剂回路R是用连接管道C将室外机组11和多个室内机组20连接起来而构成的。
制冷剂回路R包含制冷剂。在制冷剂回路R中,通过制冷剂循环来进行蒸气压缩式制冷循环。制冷剂回路R具有压缩机12、室外热交换器13、室内膨胀阀21以及室内热交换器22。制冷剂回路R具有四通换向阀14及室外膨胀阀15。
在室外机组11中设置有压缩机12、室外热交换器13、四通换向阀14、室外膨胀阀15。在室外机组11中设置有室外风扇16。压缩机12对制冷剂进行压缩。压缩机12的电动机的转速是可变的。室外热交换器13使制冷剂与室外空气进行热交换。室外膨胀阀15是对制冷剂进行减压的电子膨胀阀。室外风扇16输送通过室外热交换器13的室外空气。
四通换向阀14在图2的实线所示的第一状态与图2的虚线所示的第二状态之间进行切换。第一状态下的四通换向阀14使压缩机12的喷出部与室外热交换器13的气体端连通,并且使压缩机12的吸入部与室内热交换器22的气体端连通。第二状态下的四通换向阀14使压缩机12的喷出部与室内热交换器22的气体端连通,并且使压缩机12的吸入部与室外热交换器13的气体端连通。
在室内机组20中设置有室内膨胀阀21及室内热交换器22。在室内机组20中设置有室内风扇23。室内膨胀阀21是对制冷剂进行减压的电子膨胀阀。室内风扇23输送通过室内热交换器22的室内空气。
〈室内机组〉
参照图3及图4对室内机组20的结构进行说明。需要说明的是,在以下的说明中,与“前”、“后”、“右”、“左”、“上”、“下”相关的语句以从正面观察壳体25的前板25a的情况为基准。
室内机组20具有壳体25、室内风扇23、室内热交换器22、排水盘26以及泵27。壳体25设置在天花板背面。室内风扇23、室内热交换器22、排水盘26以及泵27布置在壳体25的内部。
〈壳体〉
壳体25形成为长方体形状的空心箱形。在壳体25的右侧板25b上形成有吸入口28。在吸入口28上连接有吸入导管(省略图示)。吸入导管的流入端与室内空间连通。在壳体25的左侧板25c上形成有吹出口29。在吹出口29上连接有吹出导管(省略图示)。吹出导管的流出端与室内空间连通。
在壳体25的内部,在从吸入口28到吹出口29之间形成有通风路30。在通风路30中布置有室内风扇23及室内热交换器22。
壳体25的前板25a面向维修用空间。维修用空间是用于操作的空间。在前板25a上形成有检查口31。在检查口31上可拆装地安装有检查盖32。
在检查口31的里侧,布置有排水盘26及泵27。排水盘26及泵27通过检查口31露出到壳体25的外部。
〈室内风扇〉
室内风扇23布置在通风路30中的比室内热交换器22靠上游的上游侧。室内风扇23对应于本公开的风扇。室内风扇23是西洛克风扇(sirocco fan)。室内风扇23输送通风路30中的空气。
〈室内热交换器〉
室内热交换器22是翅片管式热交换器。室内热交换器22是使通风路30中的空气与制冷剂进行热交换的空气热交换器。室内热交换器22以翅片的长度方向倾斜的状态布置(参照图4)。
室内热交换器22的传热管的折返部分(省略图示)及与室内热交换器22相连的分流器(省略图示)布置在第一空间S1中,第一空间S1的详细情况将在后面叙述。
〈排水盘〉
排水盘26布置在室内热交换器22的下方。排水盘26是上侧开放的盘。排水盘26承接在室内热交换器22周围产生的冷凝水。排水盘26是壳体25内的构成部件。排水盘26是摄像头41的拍摄对象T。排水盘26由树脂材料制成。
〈泵〉
泵27布置在排水盘26的内部。泵27是将排水盘26内的水排出的泵。在泵27的上部连接有排水管27a。被泵27吸入的水经由排水管27a向壳体25的外部排出。泵27是壳体25内的构成部件。泵27是摄像头41的拍摄对象T。
〈分隔部〉
室内机组20具有用以形成前侧空间S1的分隔部。如图3及图4所示,分隔部包含第一分隔板25d、第二分隔板25e以及第三分隔板25f。
第一分隔板25d从壳体25的前板25a一直延伸到室内热交换器22的右侧端部。换言之,第一分隔板25d从壳体25的前板25a一直延伸到通风路30。第一分隔板25d从壳体25的底板一直形成到顶板。
第二分隔板25e从前侧覆盖通风路30中的比室内热交换器22靠下游的下游侧(图4中的左侧)空间(下游侧通风路30b)。第二分隔板25e形成为近似三角形状。第二分隔板25e从壳体25的底板一直形成到顶板。第二分隔板25e形成为与室内热交换器22的前侧的端部大致齐平。第二分隔板25e将下游侧通风路30b与前侧空间S1分隔开。
通风路30中的比室内热交换器22靠上游的上游侧(图4中的右侧)空间(上游侧通风路30a)未被分隔板覆盖。因此,上游侧通风路30a与前侧空间S1连通。
第三分隔板25f形成在壳体25的左侧板25c上。第三分隔板25f形成在吹出口29的靠跟前侧的部分。
前侧空间S1形成在第一分隔板25d、第二分隔板25e以及第三分隔板25f之间。前侧空间S1是与通风路30不同的第一空间。前侧空间S1与通风路30中的上游侧通风路30a连通,前侧空间S1与下游侧通风路30b断开。上游侧通风路30a中的空气流入前侧空间S1。不过,与通风路30相比,空气容易滞留在前侧空间S1中。
〈电子元器件箱〉
如图3所示,电子元器件箱33布置在壳体25的靠近前板25a的位置处。在电子元器件箱33的内部,收纳有与空调装置10对应的控制基板34。
〈空调控制部〉
如图1所示,室内机组20具有空调控制部35。空调控制部35包含安装在控制基板34上的、微型计算机及存储器。存储器存储用于使微型计算机工作的软件。空调控制部35对空调装置10的构成设备进行控制。
〈拍摄单元的整体结构〉
如图1所示,拍摄单元40具有摄像头41和拍摄控制部45。摄像头41对应于本公开的拍摄装置。拍摄单元40与室内机组20一起设置在天花板背面的空间中。
〈摄像头〉
摄像头41获取拍摄对象T的图像数据。摄像头41布置在壳体25的内部。具体而言,摄像头41布置在前侧空间S1中。从俯视角度观察时,摄像头41布置在检查盖32与室内热交换器22之间。摄像头41通过支架44支承在检查盖32的后表面。如图4所示,摄像头41具有镜头42和光源43。镜头42是超广角镜头。摄像头41的镜头42斜向下地指向排水盘26的底面26a。具体而言,摄像头41的镜头指向排水盘26的底面的与泵27的吸入部对应的凹部26b。
光源43照亮拍摄对象T。具体而言,光源43在摄像头41对拍摄对象T进行拍摄时照亮拍摄对象T。这样一来,摄像头41能够在拍摄对象T被光源43照亮的时刻,获取拍摄对象T的图像数据。光源43也可以与摄像头41分开构成。
〈拍摄控制部〉
拍摄控制部45包含微型计算机及存储器。存储器存储用于使微型计算机工作的软件。拍摄控制部45控制摄像头41及光源43。换言之,拍摄控制部45向摄像头41及光源43供给用于使摄像头41及光源43工作的电力。拍摄控制部45具有计时部45a和第一通信部46。
在计时部45a中设定有用于使摄像头41执行拍摄的时间。计时部45a的设定时间包含时刻及时间间隔中的至少一者。在本实施方式中,向计时部45a输入设定时间,以使摄像头41每周一次在设定好的时刻(例如正午左右)执行拍摄。计时部45a也可以与拍摄控制部45分开构成。
第一通信部46经由有线或无线的通信线路与摄像头41相连。由摄像头41获取到的图像数据被第一通信部46接收。第一通信部46经由使用了便携式高速通信技术(LTE(LongTerm Evolution:长期演进技术))的通信线路与互联网N相连。第一通信部46经由互联网N向服务器装置50输出图像数据。第一通信部46例如也可以经由无线路由器与互联网N相连。
〈服务器装置的整体结构〉
服务器装置50设置在互联网N的云上。服务器装置50具有存储部52及第二通信部53。在本实施方式中,服务器装置50对应于本公开的图像处理装置。
第二通信部53包含接收从拍摄单元40发送来的图像数据的接收部。第二通信部53包含将输出图像数据发送到通信终端60的发送部,该输出图像数据的详细情况将在后面叙述。
存储部52存储由第二通信部53接收到的图像数据。存储部52包含HDD(Hard DiskDrive:硬盘驱动器)、RAM(Random Access Memory:随机存取存储器)、SSD(Solid StateDrive:固态硬盘)中的至少一者。
〈服务器装置的详细情况〉
服务器装置50包含微型计算机及存储器。存储器存储用于使微型计算机工作的软件。
服务器装置50具有推测部54、决定部55、指示部56以及通知部57以作为功能性构成要素。换言之,服务器装置50通过执行存储在存储器中的程序,从而作为推测部54、决定部55、指示部56以及通知部57发挥作用。
存储在服务器装置50中的程序对应于本公开的图像处理程序。该程序使作为计算机的服务器装置50执行第一处理和第二处理。在第一处理中,根据由摄像头41获取到的图像数据,推测图像数据的雾度,其中,摄像头41对空气处理装置10的壳体25内的拍摄对象T进行拍摄。在第二处理中,根据推测出的图像数据的雾度,决定要输出的图像数据即输出图像数据。
〈推测部〉
推测部54根据由摄像头41获取到的图像数据,推测图像数据的雾度。这里,“雾度”是表示图像数据的模糊程度的指标,图像数据模糊起因于壳体25内产生的雾。“雾度”越高,图像数据越不清晰。“雾度”越低,图像数据越清晰。
推测部54包含推测模型M,该推测模型M是通过机器学习生成的,来推测图像数据的雾度。推测部54使用通过机器学习生成的推测模型M推测图像数据的雾度。
推测模型M被构建成通过机器学习获得分类能力的多层神经网络。本实施方式的推测模型M是通过“监督学习(Supervised Learning)”而生成的。用于生成推测模型M的神经网络使用学习数据和识别函数进行学习。学习数据是输入数据、和与输入数据对应的训练数据的数据对的集合。
使用由摄像头41获取到的拍摄对象T的图像数据作为输入数据。使用与这些图像数据对应的标签作为训练数据。标签示出图像数据的雾度。在本实施方式中,使用四个等级的雾度作为该标签(参照图5)。
等级0是完全没有或几乎没有模糊的等级。等级1是虽然存在模糊,但操作者根据图像数据检查拍摄对象T时不会出现问题的等级。等级2是存在模糊,且操作者根据图像数据检查拍摄对象T时会出现问题的等级。等级3是严重模糊,难以根据图像数据对拍摄对象进行检查的等级。
通过使用以上那样的学习数据使神经网络进行“监督学习”,由此生成推测模型M。
推测模型M也可以通过“无监督学习(Unsupervised Learning)”生成。在该情况下,神经网络重复学习动作,该学习动作通过聚类算法(clustering)将多个输入数据分成多个类别,使得彼此相似的输入数据(图像数据)归为同一类。这样一来,不使用训练数据,也能够生成推测模型M。
〈决定部〉
决定部55根据由推测模型M推测出的图像数据的雾度,决定要输出的图像数据即输出图像数据。更详细而言,决定部55根据由推测模型M推测出的图像数据的雾度和摄像头41的拍摄次数n,决定输出图像数据。这里所说的拍摄次数n是摄像头41在从计时部45a的设定时间起到决定输出图像数据为止的期间(以下也称为判断期间)内,对拍摄对象T进行拍摄的次数。由决定部55决定出的输出图像数据从第二通信部53发送到通信终端60。
〈指示部〉
指示部56根据由推测模型M推测出的图像数据输出第一指令,该第一指令使摄像头41对拍摄对象T进行拍摄。指示部56在由推测部54推测出的图像数据的雾度比规定等级高时,输出第一指令。在由推测部54推测出的图像数据的雾度比规定等级高的情况下,指示部56在经过规定时间(以下也称为待机时间)后输出第一指令。
待机时间优选为5分钟以上且23小时以下。待机时间是操作者等能够任意改变的设定值。
第一指令经由互联网N被拍摄单元40的第一通信部46接收。当接收到第一指令时,拍摄控制部45使摄像头41执行拍摄。
〈通知部〉
在摄像头41的拍摄次数n超过规定次数的情况下,通知部57通知异常情况。具体而言,在摄像头41的拍摄次数n超过规定次数的情况下,通知部57从第二通信部53向通信终端60发送表示异常的信号。操作者能够通过使用通信终端60,得知因发生某种异常而无法进行正常的拍摄。
〈通信终端〉
通信终端60是由操作者操作的终端。通信终端60具有第三通信部61、显示部62以及操作部63。
第三通信部61包含接收从服务器装置50发送来的输出图像数据的接收部。第三通信部61包含发送指令的发送部,该指令用以使服务器装置50对输出图像数据进行输出。第三通信部61包含接收从服务器装置50发送来的异常信号的接收部。
显示部62例如由液晶显示器构成。在显示部62上显示拍摄对象T的图像数据。严格来讲,在显示部62上显示从服务器装置50输出的输出图像数据。
操作部63是键盘或触摸面板。操作者使用操作部63对存储在通信终端60中的应用软件进行操作。通过操作该应用软件,而能够向服务器装置50发送使服务器装置50将输出图像数据输出的指令,或者在显示部62显示图像数据。
通信终端60根据从服务器装置50发送来的异常信号,将异常情况通知给操作者。具体而言,通信终端60通过在显示部62上显示表示异常的标志,或者发出表示异常的声音或光,从而将异常情况通知给操作者。
-运转动作-
对第一实施方式所涉及的空调装置10的运转动作进行说明。空调装置10进行制冷运转和制热运转。
〈制冷运转〉
在制冷运转中,四通换向阀14处于第一状态。由压缩机12压缩后的制冷剂在室外热交换器13中放热(冷凝),并由室内膨胀阀21减压。减压后的制冷剂在室内热交换器22中蒸发,然后由压缩机12再次压缩。
当室内风扇23运转时,室内空气RA被从吸入口28吸入到通风路30中。通风路30中的空气通过室内热交换器22。在室内热交换器22中,空气被蒸发的制冷剂冷却。冷却后的空气通过吹出口29后,作为供给空气SA供往室内空间。
当空气在室内热交换器22中被冷却至露点温度以下时,空气中的水分便会冷凝。该冷凝水被排水盘26接住。由排水盘26接住的冷凝水由泵27向壳体25的外部排出。
在制冷运转中,空调控制部35对室内热交换器22的蒸发温度进行控制,以使室内温度接近目标温度。室内温度由设置在吸入口28等处的温度传感器检测。目标温度是根据使用者通过遥控器等设定好的设定温度确定的。蒸发温度是根据制冷剂温度传感器或制冷剂压力传感器的检测值求出的。
〈制热运转〉
在制热运转中,四通换向阀14处于第二状态。由压缩机12压缩后的制冷剂在室内热交换器22中放热(冷凝),并由室外膨胀阀15减压。减压后的制冷剂在室外热交换器13中蒸发,然后由压缩机12再次压缩。
当室内风扇23运转时,室内空气RA被从吸入口28吸入到通风路30中。通风路30中的空气通过室内热交换器22。在室内热交换器22中,空气被放热的制冷剂加热。加热后的空气通过吹出口29后,作为供给空气SA供往室内空间。
在制热运转中,空调控制部35对室内热交换器22的冷凝温度进行控制,以使室内温度接近目标温度。冷凝温度是根据制冷剂温度传感器或制冷剂压力传感器的检测值求出的。
-关于雾在壳体内产生的情况-
在壳体25内,根据室内机组20的状况而产生雾。下面示例出产生雾的条件。
1)壳体25内的空气被室内热交换器22冷却至露点温度以下的时候。在该情况下,空气中的水分冷凝,在壳体25内产生雾。
作为1)的条件成立的具体例,能例举出:1a)制冷运转刚结束后、1b)制冷运转刚开始后、1c)使用者突然降低制冷运转的设定温度的时候、1d)执行了回油运转的时候、1e)执行了逆循环除霜运转的时候。
关于1a),当制冷运转结束时,室内风扇23停止。在该状况下,如果室内空间中的空气进入壳体25内,则该空气有时会被作为蒸发器发挥作用的室内热交换器22冷却至露点温度以下。尤其是,如果在制冷运转结束时执行抽空(pump down)运转,空气便容易被室内热交换器22冷却至露点温度以下。这里,抽空运转是为了抽出贮存在室内热交换器22内部的制冷剂而将压缩机12驱动规定时间的运转。室内热交换器22内的制冷剂的压力随着抽空运转而急剧下降。如果室内热交换器22的温度随之下降,壳体25内的空气便容易被冷却至露点温度以下。
关于1b),在制冷运转刚开始后,作为蒸发器发挥作用的室内热交换器22的温度急剧下降。因此,空气容易被冷却至露点温度以下。
关于1c),当使用者突然降低设定温度时,室内热交换器22的蒸发温度就会突然下降。因此,空气容易被冷却至露点温度以下。
关于1d),上述回油运转是为了使贮存在室内热交换器22中的油返回压缩机12而使压缩机12的转速增大的运转。如果压缩机12的转速增大,室内热交换器22的蒸发温度便会下降。因此,空气容易被冷却至露点温度以下。
关于1e),上述逆循环除霜运转是在冬季等制热运转期间进行的。逆循环除霜运转是对室外热交换器13进行除霜的运转。在逆循环除霜运转中,与制冷运转相同,进行制冷循环,在该制冷循环中,由压缩机12压缩后的制冷剂在室外热交换器13中放热、冷凝,然后在室内热交换器22中蒸发。在制热运转中,作为冷凝器的室内热交换器22在逆循环除霜运转中成为蒸发器时,空气便容易被冷却至露点温度以下。
2)当壳体25内的温度较低的空气与从室内进入壳体25的温度较高的空气混合的时候。在该情况下,从室内进入壳体25内的空气被低温空气冷却至露点温度以下,从而产生雾。因为壳体25内的空气在室内热交换器22中被冷却,或者被贮存在排水盘26内的低温水冷却,因此壳体25内的空气的温度下降。
而且,如果上述1a)、1b)、1c)、1d)以及1e)的条件成立,则室内热交换器22的温度和/或积存在排水盘26内的水的温度就会下降。因此,壳体25内的空气的温度就容易下降。
3)壳体25内的温度较高的空气被室内的温度较低的空气冷却至露点温度以下的时候。在该情况下,空气中的水分冷凝,在壳体25内产生雾。例如在制热运转中或者制热运转结束后,壳体25内的空气的温度较高。在该状态下,温度较低的空气进入室内,如果该温度较低的空气进入壳体25内,则3)的条件成立。当室内机组20是设置在室内下部的这一类型(例如落地式)的室内机组的情况下,冷空气由于热对流作用而容易进入到壳体内。
-拍摄单元、服务器装置以及通信终端的动作-
如果像上文所述的那样在壳体25内产生雾,则由摄像头41拍摄到的图像数据有时会模糊。尤其是在第一实施方式中,摄像头41及拍摄对象T布置在与通风路30不同的前侧空间S1中。在前侧空间S1中,空气不像在通风路30中那样流动,因此雾容易残留在前侧空间S1中。
如果图像数据随着产生雾而变得不清晰,则操作者就无法充分地检查拍摄对象T。因此,在空气处理系统1中,为了抑制图像数据变得不清晰,而进行以下的动作。
〈拍摄单元的动作〉
如图6所示,当为输入到拍摄单元40的计时部45a的设定时间(设定时刻)时(步骤ST1中的“是”),拍摄控制部45就使摄像头41及光源43工作。其结果是,摄像头41对拍摄对象T进行拍摄,获取拍摄对象T的图像数据(步骤ST2)。接着,拍摄单元40的第一通信部46将获取到的图像数据发送到服务器装置50(步骤ST3)。图像数据经由互联网被服务器装置50的第二通信部53接收。
之后,当来自服务器装置50的第一指令(详细情况将在后面叙述)被拍摄单元40接收时(步骤ST4中的“是”),拍摄单元40的摄像头41就再次对拍摄对象T进行拍摄(步骤ST5)。拍摄单元40的第一通信部46将获取到的图像数据再次发送到服务器装置50(步骤ST6)。
〈服务器装置的基本动作〉
如图7所示,服务器装置50接收从拍摄单元40发送来的图像数据(步骤ST11)。接着,服务器装置50将接收到的图像数据存储在存储部52中(步骤ST12)。
接着,推测部54推测存储在存储部52中的图像数据的雾度(步骤ST13)。具体而言,推测部54使用通过机器学习生成的推测模型M,推测图像数据的雾度。推测模型M判断图像数据的雾度是图5所示的0~3中的哪一个级别。推测部54将由推测模型M推测出的图像数据的雾度等级与该图像数据建立起对应关系。
接着,服务器装置50进行决定处理(步骤ST14),在决定处理中,根据图像数据的雾度决定输出图像数据,决定处理的详细情况将在后面叙述。
之后,当服务器装置50接收到来自通信终端60的指令时(步骤ST15中的“是”),输出图像数据被发送到通信终端60(步骤ST16)。输出图像数据被通信终端60接收。操作者通过显示部62确认输出图像数据。这样一来,操作者就能够通过通信终端60检查拍摄对象T。
〈决定处理〉
参照图8对图7的步骤ST14的决定处理进行详细的说明。在决定处理中,根据在上述判断期间获取到的一个或多个图像数据,来决定输出图像数据。
下面,根据图像数据的雾度等级分情况对决定处理进行说明。在以下的说明中,将在计时部45a的设定时间拍摄到的图像数据称为“图像数据1”,将在设定时间之后根据第一次的第一指令拍摄到的图像数据称为“图像数据2”,将在设定时间后根据第二次的第一指令拍摄到的图像数据称为“图像数据3”。在以下的说明中,将“雾度等级”简称为“雾度”。
(1)图像数据1的雾度为0的情况
在图像数据1的雾度为0的情况下,步骤ST31的条件(图像数据的雾度为3)、步骤ST32的条件(图像数据的雾度为2)、步骤ST33的条件(图像数据的雾度为1)均不成立。在该情况下,在步骤ST34中,决定部55将雾度为0的图像数据1决定为输出图像数据。雾度为0的图像数据1完全没有或几乎没有模糊。因此,操作者能够根据图像数据1充分地检查拍摄对象T。
(2)图像数据1的雾度为1的情况
在图像数据1的雾度为1的情况下,步骤ST31和步骤ST32的条件不成立,但步骤ST33的条件成立。在该情况下,转移到步骤ST39。由于拍摄次数(n=1)与规定值A(=1)相同,因此步骤ST39的条件成立。如果经过了规定的待机时间(步骤ST41中的“是”),指示部56就输出第一指令(步骤ST43)。当拍摄单元40接收到第一指令时(图6的步骤ST4中的“是”),摄像头41对拍摄对象T进行拍摄(步骤ST5)。接着,拍摄单元40将图像数据2发送到服务器装置50(步骤ST6)。
服务器装置50在将接收到的图像数据2保存到存储部52之后(图7的步骤ST11、ST12),推测图像数据2的雾度(步骤ST13)。接着,执行决定处理(步骤ST14)。进一步分情况对图像数据的雾度为1时的后续处理进行说明。
(2-1)图像数据2的雾度为0的情况
在经过上述(2)的处理之后,在图像数据2的雾度为0的情况下,经过步骤ST31、步骤ST32以及步骤ST33,转移到步骤ST34。在步骤ST34中,决定部55将雾度为0的图像数据2决定为输出图像数据。
(2-2)图像数据2的雾度为1的情况
在经过上述(2)的处理之后,在图像数据2的雾度为1的情况下,在步骤ST39中,拍摄次数(n=2)大于规定值A(=1)。因此,步骤ST39的条件不成立,转移到步骤ST42。在步骤ST42中,决定部55将在判断期间获取到的图像数据中的雾度最低的图像数据决定为输出图像数据。在本例中,由于图像数据1的雾度为1,图像数据2的雾度为1,因此它们中的一者或两者就成为输出图像数据。雾度1是虽然存在模糊但不会在检查中出现问题的等级。因此,操作者能够根据图像数据1检查拍摄对象T。
(2-3)图像数据2的雾度为2的情况
在经过上述(2)的处理之后,在图像数据2的雾度为2的情况下,步骤ST32的条件成立,转移到步骤ST36。在步骤ST36中,决定部55判断在设定时间以后拍摄到的一个或多个图像数据中是否存在雾度为1以下的图像数据。在本例中,由于图像数据1的雾度为1,图像数据2的雾度为2,因此步骤ST36的条件成立。接着,经过步骤ST39,转移到步骤ST42。在步骤ST42中,决定部55将雾度最低的图像数据即图像数据1决定为输出图像数据。
(2-4)图像数据2的雾度为3的情况
在经过上述(2)的处理之后,在图像数据2的雾度为3的情况下,步骤ST31的条件成立,转移到步骤ST35。在步骤ST35中,决定部55判断在设定时间以后拍摄的一个或多个图像数据中是否存在雾度为2以下的图像数据。在本例中,由于图像数据1的雾度为1,图像数据2的雾度为3,因此步骤ST35的条件成立。接着,经过步骤ST36、步骤ST39,转移到步骤ST42。在步骤ST42中,决定部55将雾度最低的图像数据决定为输出图像数据。
(3)图像数据1的雾度为2的情况
在图像数据1的雾度为2的情况下,经过步骤ST31、步骤ST32,转移到步骤ST36。在本例中,步骤ST36的条件不成立,转移到步骤ST38。由于拍摄次数(n=1)为规定值B(=2)以下,因此转移到步骤ST41。如果经过了规定的待机时间(步骤ST41中的“是”),指示部56就输出第一指令(步骤ST43)。其结果是,摄像头41再次获取拍摄对象T的图像数据,推测部54推测图像数据的雾度。进一步分情况对图像数据的雾度为2时的后续处理进行说明。
(3-1)图像数据2的雾度为0的情况
在经过上述(3)的处理之后,在图像数据2的雾度为0的情况下,进行与上述(2-1)相同的处理。在步骤ST34中,决定部55将雾度为0的图像数据决定为输出图像数据。
(3-2)图像数据2的雾度为1的情况
在经过上述(3)的处理之后,在图像数据2的雾度为1的情况下,进行与上述(2-2)相同的处理。在步骤ST42中,决定部55将雾度最低的图像数据决定为输出图像数据。
(3-3)图像数据2的雾度为2的情况
在经过上述(3)的处理之后,在图像数据2的雾度为2的情况下,经过步骤ST31、步骤ST32、步骤ST36,转移到步骤T38。由于拍摄次数(n=2)与规定值B(=2)相同,因此步骤ST38的条件成立,转移到步骤ST41。如果经过了规定的待机时间(步骤ST41中的“是”),指示部56就输出第一指令(步骤ST43)。进一步分情况对之后的处理进行说明。
(3-3-1)在经过上述(3-3)的处理之后,在图像数据3的雾度为0的情况下,转移到步骤ST34。决定部55将成为判断对象的图像数据决定为输出图像数据。
(3-3-2)在经过上述(3-3)的处理之后,在图像数据3的雾度为1的情况下,转移到步骤ST42。决定部55将雾度最低的图像数据决定为输出图像数据。
(3-3-3)在经过上述(3-3)的处理之后,在图像数据3的雾度为2的情况下,在步骤ST38中,拍摄次数(n=3)大于规定值B(=2)。因此,步骤ST38的条件不成立,转移到步骤ST40。在步骤ST40中,通知部57使第二通信部53输出异常信号。
如上所述,在本例中,在拍摄次数(n)超过规定次数(三次)、且图像数据的雾度没有成为第二低的规定等级(等级1)以下的情况下,通知部57使第二通信部53输出用于通知异常情况的信号。操作者能够根据通信终端60接收到的异常信号,得知因发生某种异常而无法进行正常的拍摄。
在步骤ST41中输出异常信号后,转移到步骤ST42。在步骤ST42中,决定部55将雾度最低的图像数据决定为输出图像数据。
(3-3-4)在经过上述(3-3)的处理之后,在图像数据3的雾度为3的情况下,经过步骤ST31、步骤ST35,转移到步骤ST37。由于拍摄次数(n=3)大于规定值C(=2),因此步骤ST37的条件不成立,转移到步骤ST40。之后的处理与上述(3-3-3)相同。
(3-4)图像数据2的雾度为3的情况
在经过上述(3)的处理之后,在图像数据2的雾度为3的情况下,经过步骤ST31、步骤ST35,转移到步骤ST37。由于拍摄次数(n=2)与规定值C(=2)相同,因此步骤ST37的条件成立。如果经过了规定的待机时间(步骤ST41中的“是”),指示部56就输出第一指令(步骤ST43)。省略对之后的处理的说明。
(4)图像数据1的雾度为3的情况
在图像数据1的雾度为3的情况下,经过步骤ST31、步骤ST35,转移到步骤ST37。由于拍摄次数(n=1)在规定值C(=2)以下,因此步骤ST37的条件成立。如果经过了规定的待机时间(步骤ST41中的“是”),指示部56就输出第一指令(步骤ST43)。省略对之后的处理的说明。
需要说明的是,上述规定值A、B、C只要满足A≤B≤C的关系即可,并不限于上述数值,能够任意设定上述规定值A、B、C。拍摄装置41的拍摄次数根据规定值A、B、C而发生变化,随之图像数据的通信频率也发生变化。因此,也可以考虑图像数据的通信费用而任意地决定这些规定值。
〈程序〉
安装在作为计算机的服务器装置50中的上述程序使服务器装置50执行图7所示的步骤ST11~ST16。这样一来,能够实现本公开的图像处理装置以及图像处理方法。
-第一实施方式的效果-
决定部55根据由推测部54推测出的雾度来决定输出图像数据。因此,在由壳体25内产生的雾而引起图像数据不清晰的情况下,能够抑制将该不清晰的图像数据作为输出图像数据输出。其结果是,能够抑制不清晰的图像数据被输出到通信终端60,从而能够抑制操作者无法检查拍摄对象T的情况出现。能够抑制由于发送不清晰的图像数据而导致通信数据变大。
决定部55将雾度在规定等级以下(在本例中为等级1以下)的图像数据决定为输出图像数据。因此,能够将比较清晰的图像数据作为输出图像数据输出。
存在三个以上的雾度,决定部55将雾度最低的这一等级(雾度为0)的图像数据决定为输出图像数据。因此,能够将由摄像头41获取到的图像数据中最清晰的图像数据作为输出图像数据输出。
指示部56在图像数据的雾度比规定等级高时,输出使摄像头41对拍摄对象T进行拍摄的第一指令。因此,在仅能获取到不清晰的图像数据的情况下,能够重新获取拍摄对象T的图像数据。
指示部56在图像数据的雾度比规定等级高时,在经过规定的待机时间后输出第一指令。能够期待壳体25内的雾随着时间经过而减少。因此,通过在经过规定的待机时间后用摄像头41对拍摄对象T进行拍摄,由此能够获取雾度低的图像数据。
如果待机时间过短,则壳体25内的雾可能不会减少。通过将待机时间设为5分钟以上,由此能够在雾减少了的状态下获取拍摄对象T的图像数据。如果待机时间过长,则输出图像数据的更新时间变长。通过将待机时间设为23小时,由此能够缩短输出图像数据的更新时间。
如果将待机时间设为24小时,则有可能出现以下的不良情况。考虑到这一点,将待机时间设为23小时。
如上所述,雾的产生受到空调装置10的运转状况的影响。例如,假设对空调装置10进行定时控制,使其每天在规定时刻(上午9点)开始进行制冷运转。在该情况下,当第一次获取图像数据的时间在上午9点以后时,摄像头41就在制冷运转刚开始后进行拍摄。在制冷运转刚开始后,如上所述,在壳体25内容易产生雾。因此,如果在该时刻获取图像数据,则图像数据的雾度变高,就会输出第一指令,摄像头41再次进行拍摄。这里,如果将待机时间设为24小时,则摄像头41下一次的拍摄就要在第二天的上午9点以后执行。其结果是,摄像头41再次在制冷运转刚开始后进行拍摄。因此,与前一天相同,有可能在壳体25内产生了雾的状况下获得图像数据。
相对于此,如果将待机时间设为23小时,则摄像头41下一次的拍摄在上午8点执行。在该情况下,还没有进行空调装置10的制冷运转,能够期待可以在没有雾的状态下获取图像数据。
决定部55根据存储在存储部52中的多个图像数据的雾度,决定输出图像数据。因此,能够将多个图像数据中雾度低的图像数据决定为输出图像数据。
决定部55根据摄像头41的拍摄次数n和多个图像数据的雾度来决定输出图像数据。通过考虑拍摄次数n,能够抑制拍摄次数n过多而导致通信数据变大的情况出现。
在拍摄次数n为两次以上且多个图像数据包含雾度第二低的图像数据(雾度等级为1的图像数据)的情况下,决定部55将该雾度第二低的图像数据作为输出图像数据。这样一来,能够抑制拍摄次数n变得过多,并且能够将比较清晰的图像数据决定为输出图像数据。
在摄像头41的拍摄次数n超过规定次数的情况下,通知部57输出通知异常情况的信号。在拍摄次数n超过规定次数的情况下,因发生某种异常而无法进行正常拍摄的可能性升高。作为该异常情况,能例举出:1)摄像头41的设置角度等状态错误,无法获取正常的图像数据;2)空调装置10的设置环境差,吸入空气中含有较多水分等等。通知部57通知异常情况,由此操作者能够迅速地得知这种异常情况。
在摄像头41的拍摄次数n超过规定次数的情况下,指示部56不输出第一指令。因此,能够避免在发生某种异常的状况下,徒劳地获取图像数据。
推测部54包含通过机器学习推测图像数据的雾度的推测模型M。因此,能够高精度地推测由于在壳体25内产生雾而引起的雾度。
《第二实施方式》
第二实施方式的空调装置10具有室外空气处理型室内机组20。室内机组20吸入室外空气OA,对该空气的温度及湿度进行调节。调节过温度及湿度的空气作为供给空气SA被供往室内。室内机组20吸入室内空气RA,并将该空气向室外空间排出。
图9所示的室内机组20设置在天花板背面的空间中。室内机组20包括壳体25、供气扇71、排气扇(省略图示)、室内热交换器22、全热交换器72、加湿器73、水箱74以及排水盘26。
壳体25形成为长方体形状的空心箱形。在壳体25的右侧板25b上形成有供气口75和室内空气口(省略图示)。在壳体25的左侧板25c上形成有室外空气口76和排气口(省略图示)。在壳体25内,作为通风路的供气通路30A从室外空气口76一直形成到供气口75。在壳体25内,排气通路30B从室内空气口一直形成到排气口。
供气扇71输送供气通路30A中的空气。供气扇71对应于本公开的风扇。排气扇输送排气通路30B中的空气。
室内热交换器22布置在供气通路30A中。室内热交换器22与和第一实施方式相同的制冷剂回路R相连。室内热交换器22是使空气与制冷剂进行热交换的空气热交换器。室内热交换器22在制冷运转时起蒸发器的作用,在制热运转时起冷凝器(散热器)的作用。
全热交换器72使在供气通路30A中流动的空气的显热及潜热与在排气通路30B中流动的空气的显热及潜热进行热交换。
加湿器73布置在供气通路30A中。加湿器73具有作为吸水部件的加湿元件73a。从水箱74向加湿元件73a供水。当空气通过加湿器73时,加湿元件73a的水分被赋予给空气。
在第二实施方式中,拍摄单元40的摄像头41布置在供气通路30A中。摄像头41的镜头42指向加湿元件73a及排水盘26。摄像头41的拍摄对象T包含加湿元件73a及排水盘26。由摄像头41拍摄到的图像数据经由服务器装置50向通信终端60输出。
在第二实施方式中,在壳体25内也会产生雾。第二实施方式的空气处理系统1具有与第一实施方式相同的、拍摄单元40及服务器装置50。服务器装置50的推测部54推测图像数据的雾度。决定部55根据图像数据的雾度决定输出图像数据。因此,在第二实施方式中,也能够抑制输出不清晰的图像数据。
《第三实施方式》
第三实施方式所涉及的空调装置10具有天花板悬吊式或天花板埋入式室内机组20。
如图10所示,室内机组20包括设置在天花板背面的壳体25。壳体25包括壳体主体80和面板81。壳体主体80形成为在其下侧部分形成有开口面的矩形箱状。面板81可拆装地安装在壳体主体80的开口面上。面板81具有矩形框状的面板主体81a和设置在面板主体81a的中央的吸入格栅81b。
在面板主体81a的中央形成有一个吸入口28。吸入格栅81b安装在吸入口28处。在面板主体81a的四个侧缘部,分别各形成有一个吹出口29。各吹出口29沿着四个侧缘部延伸。在各吹出口29的内部,分别设置有挡板82。在壳体25内,通风路30从吸入口28一直形成到吹出口29。
在壳体主体80的内部,设置有喇叭口83、室内风扇23、室内热交换器22以及排水盘26。喇叭口83及室内风扇23布置在吸入格栅81b的上方。室内热交换器22以包围室内风扇23的周围的方式布置在通风路30中。室内热交换器22是翅片管式热交换器。排水盘26布置在通风路30中的室内热交换器22的下方。
第三实施方式的摄像头41布置在通风路30中。摄像头41的镜头42指向排水盘26的底部。拍摄对象T是排水盘26。
在第三实施方式中,在壳体25内也会产生雾。第三实施方式的空气处理系统1具有与第一实施方式相同的、拍摄单元40及服务器装置50。服务器装置50的推测部54推测图像数据的雾度。决定部55根据图像数据的雾度决定输出图像数据。因此,在第三实施方式中,也能够抑制输出不清晰的图像数据。
-实施方式的变形例-
上述各实施方式也可以采用以下变形例所示的结构。需要说明的是,安装在以下所述的各变形例所涉及的计算机中的程序使计算机执行各变形例所涉及的推测部54和决定部55的处理。这样一来,能够实现本公开的图像处理装置以及图像处理方法。
〈变形例1〉
服务器装置50的指示部56与第一实施方式不同。在由推测部54推测出的图像数据的雾度比规定等级高时,变形例1的指示部56在输出第二指令之后,输出第一指令。第二指令是使空气处理装置10的风扇23、71运转、或使风扇23、71的风量增大的指令。
在变形例1中,服务器装置50和空调控制部35构成为能够进行通信。
如图11所示,如果步骤ST37、步骤ST38以及步骤ST39中的任一条件成立,则移至步骤ST44。在步骤ST44中,指示部56输出第二指令。第二指令从服务器装置50经由互联网N发送到空调控制部35。第二指令也可以经由拍摄单元40发送到空调控制部35。
当空调控制部35接收到第二指令时,空调控制部35对风扇23、71进行控制。具体而言,在风扇23、71处于停止状态的情况下,空调控制部35使风扇23、71运转。在风扇23、71处于运转状态的情况下,空调控制部35使风扇23、71的转速增大。通过这些控制,当壳体25内的通风路30的风量增大时,便能够将壳体25内的雾迅速地向壳体25的外部排出。在第一实施方式及第三实施方式中,这里所说的风扇对应于室内风扇23。在第二实施方式中,风扇对应于供气扇71。
指示部56在输出第二指令后,输出第一指令。如果第一指令被拍摄单元40接收,则如上所述,摄像头41对拍摄对象T进行拍摄,获取图像数据。在该时刻,由于风扇23、71的风量增大而使得拍摄对象T周围的雾减少。因此,能够降低接下来发送到服务器装置50的图像数据的雾度。
为了充分获得通过控制风扇23、71而带来的上述效果,优选将拍摄对象T布置在通风路30中。此外,优选拍摄装置41布置在通风路30中。
〈变形例2〉
在上述实施方式中,服务器装置50对应于本公开的图像处理装置。然而,在图12所示的变形例2中,拍摄控制部45对应于本公开的图像处理装置。变形例2的空气处理系统1具有空调装置10和拍摄单元40。在拍摄单元40的拍摄控制部45中,设置有与上述实施方式相同的推测部54、决定部55、指令部以及通知部57作为功能性要素。在拍摄控制部45中设置有存储部52,该存储部52保存由摄像头41获取到的图像数据。
存储部52包含SD(Secure Digital:安全数字)存储卡、USB(Universal SeralBus:通用串行总线)闪存、HDD(Hard Disk Drive:硬盘驱动器)、RAM(Random AccessMemory:随机存取存储器)、SSD(Solid State Drive:固态硬盘)中的至少一者。
在拍摄控制部45中,与上述实施方式相同,推测部54推测图像数据的雾度。决定部55根据推测出的雾度决定输出图像数据。输出图像数据经由互联网发送到通信终端60。输出图像数据也可以经由服务器装置50发送到通信终端。输出图像数据也可以通过其他方式的无线通信或有线通信发送到通信终端60。
〈变形例3〉
变形例3的空气处理系统1与图1所示的第一实施方式相同,在服务器装置50中设置有推测部54和决定部55。在变形例3中,拍摄单元40及服务器装置50的控制动作与第一实施方式不同。
拍摄单元40的拍摄装置41每隔预先设定好的规定时间ΔT对拍摄对象T进行拍摄。拍摄装置41对拍摄对象T重复拍摄,重复次数为预先设定好的次数Nset。规定时间ΔT优选为5分钟以上且23小时以下。次数Nset被设定为两次以上。
规定时间ΔT、以及Nset是操作者等能够任意改变的设定值。当每次拍摄装置41进行拍摄时,规定时间ΔT并不一定都是相同的时间,也可以设定为不同的时间。
在Nset为三次、拍摄装置41每次拍摄的相隔时间ΔT全部为6小时的情况下,拍摄装置41例如在上午6点、12点、下午6点对拍摄对象T进行拍摄。由拍摄单元40获取到的图像数据经由互联网N输出到服务器装置50。服务器装置50的存储部52存储多个(本例中为三个)图像数据。
服务器装置50的推测部54对存储在存储部52中的多个图像数据各自的雾度进行推测。换言之,推测部54对每隔规定时间ΔT拍摄拍摄对象T而获取到的多个图像数据的雾度分别进行推测。决定部55将上述多个图像数据中雾度最低的这一等级的图像数据作为输出图像数据。
如上所述,拍摄装置41每隔规定时间ΔT对拍摄对象T进行拍摄。在本例中,拍摄装置41每隔6小时对拍摄对象T进行拍摄。因此,在获取到的多个图像数据中,包含雾度为规定等级(例如等级1)以下的图像数据的可能性高。因此,通过将这些图像数据中雾度最低的这一等级的图像数据作为输出图像数据,从而能够输出雾度等级低的图像数据。
〈变形例4〉
变形例4的空气处理系统1与图12所示的变形例2相同,在拍摄单元40中设置有推测部54及决定部55。在变形例4中,拍摄单元40进行与变形例3相同的控制动作。
拍摄单元40的拍摄装置41每隔预先设定好的规定时间ΔT对拍摄对象T进行拍摄。拍摄装置41对拍摄对象T重复拍摄,重复次数为Nset。拍摄单元40的存储部52存储上述多个图像数据。
拍摄单元40的推测部54对存储在存储部52中的多个图像数据各自的雾度进行推测。换言之,推测部54对每隔规定时间ΔT拍摄拍摄对象T而获取到的多个图像数据的雾度分别进行推测。决定部55将上述多个图像数据中雾度最低的等级的图像数据作为输出图像数据。
与变形例3相同,在变形例4中也能够输出雾度等级低的图像数据。
《其他实施方式》
在上述的各实施方式及各变形例中,在可适用的范围内也可以采用以下的结构。
拍摄对象T可以是布置在壳体25内部的构成部件,也可以是布置在壳体25外部的构成部件。作为布置在壳体25内部的拍摄对象T,能例举出:设置在排水盘26内的排水泵及浮动开关、空气热交换器(室内热交换器22)、全热交换器72、风扇23、71、捕集空气中的尘埃的过滤器等。
拍摄装置41也可以设置在室外机组11中。在该情况下,室外机组11的构成部件成为拍摄装置41的拍摄对象T。
拍摄装置不限于摄像头41,例如也可以是光学传感器。
由拍摄装置41获取的图像数据不仅可以是静态图像,还可以是动态图像。
空气处理装置只要是具有供空气流通的壳体的装置即可,也可以是其他装置。空气处理装置也可以是调湿装置、换气装置以及空气净化器。调湿装置对对象空间中的空气的湿度进行调节。换气装置对对象空间进行换气。空气净化器对对象空间中的空气进行净化。
以上对实施方式和变形例进行了说明,但应理解的是可在不脱离权利要求书的主旨和范围的情况下,对其方式和具体情况进行各种变更。只要不影响本公开的对象的功能,则还可以对上述实施方式、变形例、其他实施方式适当地进行组合或替换。
以上所述的“第一”、“第二”、“第三”……这些词语仅用于区分包含上述词语的语句,并不是要限定该语句的数量、顺序。
-产业实用性-
本公开对于图像处理装置、空气处理系统、图像处理程序以及图像处理方法是有用的。
-符号说明-
10 空调装置(空气处理装置)
23 室内风扇(风扇)
25 壳体
26 排水盘(拍摄对象)
27 泵(拍摄对象)
41 摄像头(拍摄装置)
45 图像处理装置
50 服务器装置(图像处理装置)
52 存储部
54 推测部
55 决定部
56 指示部
57 通知部
71 供气扇(风扇)
73a 加湿元件(拍摄对象)
T 拍摄对象

Claims (15)

1.一种图像处理装置,其特征在于:
所述图像处理装置包括推测部(54)和决定部(55),
所述推测部(54)根据由拍摄装置(41)获取到的图像数据,推测该图像数据的雾度,其中,所述拍摄装置(41)对空气处理装置(10)的壳体(25)内的拍摄对象(T)进行拍摄,
所述决定部(55)根据由所述推测部(54)推测出的所述图像数据的所述雾度,决定要输出的图像数据即输出图像数据。
2.根据权利要求1所述的图像处理装置,其特征在于:
所述决定部(55)将所述雾度为规定等级以下的图像数据决定为所述输出图像数据。
3.根据权利要求1或2所述的图像处理装置,其特征在于:
由所述推测部(54)推测的图像数据的雾度存在三个以上的等级,
所述决定部(55)将所述雾度最低的等级的图像数据决定为所述输出图像数据。
4.根据权利要求1到3中任一项权利要求所述的图像处理装置,其特征在于:
所述图像处理装置还包括指示部(56),所述指示部(56)在由所述推测部(54)推测出的所述图像数据的所述雾度比规定等级高时,输出第一指令,所述第一指令使所述拍摄装置(41)对所述拍摄对象(T)进行拍摄。
5.根据权利要求4所述的图像处理装置,其特征在于:
所述指示部(56)在由所述推测部(54)推测出的所述图像数据的雾度比规定等级高时,在经过规定时间后输出所述第一指令。
6.根据权利要求5所述的图像处理装置,其特征在于:
所述规定时间为5分钟以上、23小时以下。
7.根据权利要求4所述的图像处理装置,其特征在于:
所述指示部(56)在由所述推测部(54)推测出的所述图像数据的所述雾度比规定等级高时,在输出第二指令之后输出所述第一指令,所述第二指令使所述空气处理装置(10)的风扇(23、71)运转、或者使该风扇(23、71)的风量增大。
8.根据权利要求4到7中任一项权利要求所述的图像处理装置,其特征在于:
所述图像处理装置还包括存储部(52),所述存储部(52)存储由所述拍摄装置(41)获取到的图像数据,
所述决定部(55)根据存储在所述存储部(52)中的多个图像数据的雾度,决定所述输出图像数据。
9.根据权利要求8所述的图像处理装置,其特征在于:
所述决定部(55)根据所述拍摄装置(41)的拍摄次数(n)和所述多个图像数据的所述雾度,决定所述输出图像数据。
10.根据权利要求4到9中任一项权利要求所述的图像处理装置,其特征在于:
所述图像处理装置还包括通知部(57),在所述拍摄装置(41)的拍摄次数(n)超过规定次数的情况下,所述通知部(57)通知异常情况。
11.根据权利要求1所述的图像处理装置,其特征在于:
所述推测部(54)分别推测多个图像数据的雾度,该多个图像数据是由所述拍摄装置(41)每隔规定时间对拍摄对象(T)进行拍摄而获取到的,
所述决定部(55)将所述多个图像数据中所述雾度最低的等级的图像数据决定为所述输出图像数据。
12.根据权利要求1到11中任一项权利要求所述的图像处理装置,其特征在于:
所述推测部(54)包含推测模型(M),所述推测模型(M)是通过机器学习生成的,来推测所述图像数据的所述雾度。
13.一种空气处理系统,其特征在于:
所述空气处理系统包括:
空气处理装置(10),所述空气处理装置(10)包含壳体(25)及拍摄对象(T);
所述拍摄装置(41);以及
权利要求1到12中任一项权利要求所述的图像处理装置(45、50)。
14.一种图像处理程序,其特征在于:
所述图像处理程序使计算机执行以下处理:
根据由拍摄装置(41)获取到的图像数据,对该图像数据的雾度进行推测的处理,其中,所述拍摄装置(41)对空气处理装置(10)的壳体(25)内的拍摄对象(T)进行拍摄;以及
根据推测出的所述图像数据的所述雾度,决定要输出的图像数据即输出图像数据的处理。
15.一种图像处理方法,其特征在于:
所述图像处理方法包含:
根据由拍摄装置(41)获取到的图像数据,对该图像数据的雾度进行推测的处理,其中,所述拍摄装置(41)对空气处理装置(10)的壳体(25)内的拍摄对象(T)进行拍摄;以及
根据推测出的所述图像数据的所述雾度,决定要输出的图像数据即输出图像数据的处理。
CN202180061232.6A 2020-07-14 2021-05-18 图像处理装置、空气处理系统、图像处理程序及图像处理方法 Pending CN116157832A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020-120955 2020-07-14
JP2020120955A JP7014982B2 (ja) 2020-07-14 2020-07-14 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
PCT/JP2021/018854 WO2022014145A1 (ja) 2020-07-14 2021-05-18 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

Publications (1)

Publication Number Publication Date
CN116157832A true CN116157832A (zh) 2023-05-23

Family

ID=79554670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180061232.6A Pending CN116157832A (zh) 2020-07-14 2021-05-18 图像处理装置、空气处理系统、图像处理程序及图像处理方法

Country Status (6)

Country Link
US (1) US11810328B2 (zh)
EP (1) EP4156094A4 (zh)
JP (1) JP7014982B2 (zh)
CN (1) CN116157832A (zh)
AU (1) AU2021308902B2 (zh)
WO (1) WO2022014145A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11891740B2 (en) * 2021-03-31 2024-02-06 Haier Us Appliance Solutions, Inc. Water temperature evaluation method using image recognition in a laundry appliance

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279553A (ja) * 2001-03-15 2002-09-27 Sanyo Electric Co Ltd 異常検出装置
JP2008051694A (ja) * 2006-08-25 2008-03-06 Matsushita Electric Works Ltd 実装基板の外観検査方法及び外観検査システム
JP2017040425A (ja) * 2015-08-19 2017-02-23 三菱電機株式会社 冷蔵庫およびプログラム
CN107194900A (zh) * 2017-07-27 2017-09-22 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和移动终端
WO2018167974A1 (ja) * 2017-03-17 2018-09-20 株式会社Pfu 画像処理装置、制御方法及び制御プログラム
JP2019039658A (ja) * 2017-08-28 2019-03-14 ダイキン工業株式会社 空気調和装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003037839A (ja) 2001-07-26 2003-02-07 Noritz Corp 人体検出装置
MXPA05001880A (es) * 2002-08-21 2005-06-03 Gentex Corp Metodos de adquisicion y procesamiento de imagen para control automatico de iluminacion exterior vehicular.
JP2007046864A (ja) * 2005-08-11 2007-02-22 Daikin Ind Ltd 保守支援システム
KR20140028210A (ko) * 2012-08-27 2014-03-10 주식회사 만도 차량 주변 환경 인식 시스템
EP2911503A4 (en) * 2012-10-26 2016-06-15 GreenTech Agro LLC SELF-CONTAINING ARTISTICALLY CONTROLLABLE ENVIRONMENT IN A STORAGE CONTAINER OR OTHER CLOSED SPACE
US9870511B2 (en) * 2015-10-14 2018-01-16 Here Global B.V. Method and apparatus for providing image classification based on opacity
JP2017144937A (ja) * 2016-02-19 2017-08-24 トヨタ自動車株式会社 撮像システム
US10744847B2 (en) * 2018-07-26 2020-08-18 Toyota Motor Engineering & Manufacturing North America, Inc. Variable rear HVAC blower maps for improved defroster performance
JP2020100294A (ja) * 2018-12-21 2020-07-02 本田技研工業株式会社 移動体
JP2020100291A (ja) * 2018-12-21 2020-07-02 本田技研工業株式会社 移動体
JP7307310B2 (ja) * 2019-02-27 2023-07-12 ダイキン工業株式会社 空気調和機
US11305416B1 (en) * 2019-05-09 2022-04-19 Alarm.Com Incorporated Dynamic arrangement of motorized furniture

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002279553A (ja) * 2001-03-15 2002-09-27 Sanyo Electric Co Ltd 異常検出装置
JP2008051694A (ja) * 2006-08-25 2008-03-06 Matsushita Electric Works Ltd 実装基板の外観検査方法及び外観検査システム
JP2017040425A (ja) * 2015-08-19 2017-02-23 三菱電機株式会社 冷蔵庫およびプログラム
WO2018167974A1 (ja) * 2017-03-17 2018-09-20 株式会社Pfu 画像処理装置、制御方法及び制御プログラム
CN107194900A (zh) * 2017-07-27 2017-09-22 广东欧珀移动通信有限公司 图像处理方法、装置、计算机可读存储介质和移动终端
JP2019039658A (ja) * 2017-08-28 2019-03-14 ダイキン工業株式会社 空気調和装置

Also Published As

Publication number Publication date
US11810328B2 (en) 2023-11-07
WO2022014145A1 (ja) 2022-01-20
US20230137712A1 (en) 2023-05-04
EP4156094A1 (en) 2023-03-29
JP7014982B2 (ja) 2022-02-15
JP2022018021A (ja) 2022-01-26
AU2021308902B2 (en) 2023-09-14
AU2021308902A1 (en) 2023-02-02
EP4156094A4 (en) 2023-08-30

Similar Documents

Publication Publication Date Title
US11499728B2 (en) Air processing device
JP2019190822A5 (zh)
CN113490817B (zh) 污染信息推定系统以及空气处理装置
US20210333005A1 (en) Air treatment device
US11810328B2 (en) Image processing device, air treatment system, image processing program, and image processing method
US11874000B2 (en) Imaging unit and air treatment unit
JP2020139803A (ja) 汚れ情報推定システム
CN114270256A (zh) 空气处理装置
JP2022139587A (ja) 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
JP2022139588A (ja) 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
JP2022082951A (ja) 空気調和システム
JP2022040837A (ja) 空気調和機

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