CN116430921B - 基于物联网数据的机库智能控制方法及系统 - Google Patents
基于物联网数据的机库智能控制方法及系统 Download PDFInfo
- Publication number
- CN116430921B CN116430921B CN202310315261.1A CN202310315261A CN116430921B CN 116430921 B CN116430921 B CN 116430921B CN 202310315261 A CN202310315261 A CN 202310315261A CN 116430921 B CN116430921 B CN 116430921B
- Authority
- CN
- China
- Prior art keywords
- hangar
- preset
- data
- image
- color
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004378 air conditioning Methods 0.000 claims abstract description 35
- 239000013598 vector Substances 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 238000000926 separation method Methods 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000009423 ventilation Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims 3
- 230000007613 environmental effect Effects 0.000 description 11
- 239000000779 smoke Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000011077 uniformity evaluation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本申请提供了一种基于物联网数据的机库智能控制方法及系统。该方法通过获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心,控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态,在安全状态符合预设安全要求时,控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令,从而避免在发生危急情况导致机库内温度发生变化后,空调系统的调温操作导致危急情况的进一步加剧。
Description
技术领域
本申请涉及数据处理技术,尤其涉及一种基于物联网数据的机库智能控制方法及系统。
背景技术
随着科技的发展和人们生活水平的提高,物联网技术在各个领域得到了广泛的应用。无人机机库作为一种重要场所,其内部环境的调节对于无人机的保护具有重要意义。
目前,机库内温度的控制主要通过空调系统自动调节来实现,但是,当机库内发生危急情况,例如发生火灾时,空调系统的自动调节,容易导致危急情况的进一步加剧。
发明内容
本申请提供一种,用以解决在发生危急情况导致机库内温度发生变化后,空调系统的自动调温操作导致危急情况的进一步加剧的技术问题。
第一方面,本申请提供一种基于物联网数据的机库智能控制方法,应用于基于物联网数据的机库智能控制系统,所述系统包括:控制中心、交互网络以及控制单元,所述控制中心通过所述交互网络与所述控制单元实现连接,所述控制单元包括温度传感器以及摄像头,所述机库用于停放无人机;所述方法,包括:
获取目标机库内的库内环境数据,并将所述库内环境数据发送至所述控制中心,所述环境数据包括通过温度传感器所获取到的库内温度数据以及通过所述摄像头所获取到的库内图像数据;
所述控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态;
若所述安全状态符合预设安全要求,则所述控制中心根据所述库内环境数据以及预设温度调整算法确定温度调控指令,所述预设温度调整模型用于将所述机库内的室温调整至预设温度范围,所述温度调节控制指令用于指示所述机库内的空调系统进行室温调控操作,所述室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作。
可选的,所述控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态,包括:
对所述库内图像数据进行颜色特征化,以生成图像特征数据,所述图像特征数据中各个像素点具有颜色特征参数;
根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,其中,所述预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值;
若未存在所述火点,则所述机库的安全状态为第一安全状态;若存在所述火点,则所述机库的安全状态为第二安全状态,其中,所述预设安全要求为满足所述第一安全状态。
可选的,所述对所述库内图像数据进行颜色特征化,以生成图像特征数据,包括:
获取所述库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;
根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,所述公式1为:
根据各点所对应的所述颜色特征参数生成所述图像特征数据;
对应的,所述根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,包括:
若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数大于预设安全像素点数量,则确定所述机库内存在火点;若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数小于或等于所述预设安全像素点数量,则确定所述机库内未存在火点。
可选的,若所述机库的安全状态为所述第二安全状态,则在控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态之后,还包括:
所述控制中心根据所述库内图像数据以及分隔标识生成机位图像集合,所述目标机库中设置有多个机位,各个机位之间设置有所述分隔标识;
根据所述机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态;
若所述停机状态为第一停机状态,则所述控制中心向所述控制单元发送切断电源指令,以将处于所述第一停机状态的机位上的所有电源进行切断。
可选的,所述机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态,包括:
将所述机位图像集合中的各张机位图像的尺寸调整为预设标准尺寸,以生成初始机位图像;
对所述初始机位图像划分网格,生成特征网格集合V:
根据公式2计算所述特征网格集合V中相邻网格之间的相似度T(Wi,j,Wi,j+1),所述公式2为:
其中,Wi,j为特征网格集合V中行号为i,列号为j的网格;Wi,j+1为特征网格集合V中行号为i,列号为j+1的网格;n为所述初始机位图像对应的颜色直方图中的颜色区间数量;hk(i,j)为Wi,j中第k个颜色区间的像素数量;hk(i,j+1)为Wi,i+1中第k个颜色区间的像素数量;m为所述初始机位图像对应的纹理特征数量;LBPk(i,j)为Wi,j中满足第k个纹理特征的像素数量;LBPk(i,j+1)为Wi,j+1中满足第k个纹理特征的像素数量;δ、ρ为权重值,为常数;
若相邻网格之间的相似度大于预设相似度阈值,则将相邻网格进行合并,以生成候选区域,在遍历所述特征网格集合V中的所有网格之后,生成待识别机位图像,所述待识别机位图像中包括多个所述候选区域;
将各个候选区域输入基于预设卷积神经网络模型进行特征提取,以确定各个候选区域所对应的特征向量;
将各个候选区域所对应的特征向量输入至预设分类器,以确定各个候选区域是否包括无人机,并候选区域识别结果,所述预设分类器基于向量机以及从所述无人机上提取的图像特征集合建立;
根据各张机位图像上所有候选区域对应的候选区域识别结果确定所对应机位的所述停机状态。
可选的,若所述机库的安全状态为所述第二安全状态,则在控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态之后,还包括:
所述控制中心向所述空调系统发送关闭指令,以关闭所述空调系统;和/或,
所述控制中心向所述控制单元发送开门指令,以通过所述控制单元控制所述机库的库门打开。
可选的,在所述控制中心向所述控制单元发送开门指令之后,还包括:
所述控制单元控制消防喷头开启,其中,所述消防喷头设置于所述机库的顶部。
第二方面,本申请提供一种基于物联网数据的机库智能控制系统,包括:控制中心、交互网络以及控制单元,所述控制中心通过所述交互网络与所述控制单元实现连接,所述控制单元包括温度传感器以及摄像头,所述机库用于停放无人机;
所述控制单元获取目标机库内的库内环境数据,并将所述库内环境数据发送至所述控制中心,所述环境数据包括通过温度传感器所获取到的库内温度数据以及通过所述摄像头所获取到的库内图像数据;
所述控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态;
若所述安全状态符合预设安全要求,则所述控制中心根据所述库内环境数据以及预设温度调整算法确定温度调控指令,所述预设温度调整模型用于将所述机库内的室温调整至预设温度范围,所述温度调节控制指令用于指示所述机库内的空调系统进行室温调控操作,所述室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作。
可选的,所述控制中心,具体用于:
对所述库内图像数据进行颜色特征化,以生成图像特征数据,所述图像特征数据中各个像素点具有颜色特征参数;
根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,其中,所述预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值;
若未存在所述火点,则所述机库的安全状态为第一安全状态;若存在所述火点,则所述机库的安全状态为第二安全状态,其中,所述预设安全要求为满足所述第一安全状态。
可选的,所述控制中心,具体用于:
获取所述库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;
根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,所述公式1为:
根据各点所对应的所述颜色特征参数生成所述图像特征数据;
可选的,所述控制中心,具体用于:
若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数大于预设安全像素点数量,则确定所述机库内存在火点;若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数小于或等于所述预设安全像素点数量,则确定所述机库内未存在火点。
可选的,若所述机库的安全状态为所述第二安全状态,则所述控制中心,具体用于:
所述控制中心根据所述库内图像数据以及分隔标识生成机位图像集合,所述目标机库中设置有多个机位,各个机位之间设置有所述分隔标识;
根据所述机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态;
若所述停机状态为第一停机状态,则所述控制中心向所述控制单元发送切断电源指令,以将处于所述第一停机状态的机位上的所有电源进行切断。
可选的,所述控制中心,具体用于:
将所述机位图像集合中的各张机位图像的尺寸调整为预设标准尺寸,以生成初始机位图像;
对所述初始机位图像划分网格,生成特征网格集合V:
根据公式2计算所述特征网格集合V中相邻网格之间的相似度T(Wi,j,Wi,j+1),所述公式2为:
其中,Wi,j为特征网格集合V中行号为i,列号为j的网格;Wi,j+1为特征网格集合V中行号为i,列号为j+1的网格;n为所述初始机位图像对应的颜色直方图中的颜色区间数量;hk(i,j)为Wi,j中第k个颜色区间的像素数量;hk(i,j+1)为Wi,j+1中第k个颜色区间的像素数量;m为所述初始机位图像对应的纹理特征数量;LBPk(i,j)为Wi,j中满足第k个纹理特征的像素数量;LBPk(i,j+1)为Wi,j+1中满足第k个纹理特征的像素数量;δ、ρ为权重值,为常数;
若相邻网格之间的相似度大于预设相似度阈值,则将相邻网格进行合并,以生成候选区域,在遍历所述特征网格集合V中的所有网格之后,生成待识别机位图像,所述待识别机位图像中包括多个所述候选区域;
将各个候选区域输入基于预设卷积神经网络模型进行特征提取,以确定各个候选区域所对应的特征向量;
将各个候选区域所对应的特征向量输入至预设分类器,以确定各个候选区域是否包括无人机,并候选区域识别结果,所述预设分类器基于向量机以及从所述无人机上提取的图像特征集合建立;
根据各张机位图像上所有候选区域对应的候选区域识别结果确定所对应机位的所述停机状态。
可选的,若所述机库的安全状态为所述第二安全状态,则所述控制中心向所述空调系统发送关闭指令,以关闭所述空调系统;和/或,
所述控制中心向所述控制单元发送开门指令,以通过所述控制单元控制所述机库的库门打开。
可选的,所述控制单元控制消防喷头开启,其中,所述消防喷头设置于所述机库的顶部。
第三方面,本申请提供一种电子设备,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中所述的任一种可能的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面中所述的任一种可能的方法。
本申请提供的基于物联网数据的机库智能控制方法及系统,通过获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心,控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态,在安全状态符合预设安全要求时,控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令,从而避免在发生危急情况导致机库内温度发生变化后,空调系统的调温操作导致危急情况的进一步加剧。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例实施例示出的基于物联网数据的机库智能控制方法的流程示意图;
图2是本申请根据另一示例实施例示出的基于物联网数据的机库智能控制方法的流程示意图;
图3是本申请根据一示例实施例示出的基于物联网数据的机库智能控制系统的结构示意图;
图4是本申请根据一示例实施例示出的电子设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1是本申请根据一示例实施例示出的基于物联网数据的机库智能控制方法的流程示意图。如图1所示,本实施例提供的方法,包括:
S101、获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心。
具体的,本实施例提供的方法应用于基于物联网数据的机库智能控制系统,其中,该系统包括:控制中心、交互网络以及控制单元,控制中心通过交互网络与控制单元实现连接,控制单元包括温度传感器以及摄像头,机库用于停放无人机。
在本步骤中,可以获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心,环境数据包括通过温度传感器所获取到的库内温度数据以及通过摄像头所获取到的库内图像数据。
S102、控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态。
具体的,控制中心可以根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态。
可选的,为了确定上述的安全状态,可以对库内图像数据进行颜色特征化,以生成图像特征数据,图像特征数据中各个像素点具有颜色特征参数。
根据图像特征数据以及预设颜色特征确定机库内是否存在火点,其中,预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值。
若未存在火点,则机库的安全状态为第一安全状态,即安全状态;若存在火点,则机库的安全状态为第二安全状态,即危险状态。其中,下述在进行空调系统控制前,需要满足预设安全要求,而该预设安全要求就是要满足第一安全状态,即为安全状态。值得说明,若处于危险状态,例如,机库内发生了火灾,此时空调系统若继续处于工作状态,则容易导致火势的快速蔓延。
此外,当机库内发生火灾后,机库内的库内温度就会上升,而由于机库的顶壁高度较高,烟雾传感器通常设置在机库的顶壁上,此外机库通常面积较大,往往在火势较强,产生的烟雾较多时,才能触发机库顶壁上的烟雾传感器。而若发生火情后,烟雾传感器未及时被触发,而此时库内的温度又上升,就会导致空调系统误以为库内温度过高,而启动新风系统,进而向机库空间内输入新鲜含氧量高的冷空气,进而导致火情的加剧。
而在本步骤中,机库内的空调系统在进行室温调控操作前,需要先根据库内图像数据确定安全状态,即确定机库内未发生火情,再执行相应的调节,从而避免在发生火情未被及时发现时,由于空调系统的运行而导致火情的加剧。
对于上述对库内图像数据进行颜色特征化,以生成图像特征数据,具体可以包括:获取库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,公式1为:
根据各点所对应的颜色特征参数生成图像特征数据。
对应的,根据图像特征数据以及预设颜色特征确定机库内是否存在火点,包括:若图像特征数据中颜色特征参数大于或等于颜色特征均值的像素点的个数大于预设安全像素点数量,则确定机库内存在火点;若图像特征数据中颜色特征参数大于或等于颜色特征均值的像素点的个数小于或等于预设安全像素点数量,则确定机库内未存在火点。
若机库的安全状态为第二安全状态,则在控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态之后,还包括:控制中心根据库内图像数据以及分隔标识生成机位图像集合,目标机库中设置有多个机位,各个机位之间设置有分隔标识;根据机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态;若停机状态为第一停机状态,即该机位上停有无人机,则控制中心向控制单元发送切断电源指令,以将处于第一停机状态的机位上的所有电源进行切断。值得说明的,由于机库的大门通常跨度在30米以上、高度在10米以上,因此,机库门的开启方式通常基于电机进行驱动,以及备选可以基于手动进行打开,但是由于手动打开速度较慢且需要较多的人力。因此,在危急情况下,若电路可用,仍优选通过电机驱动进行打开,可选的,在此过程中可以提高电机的运行功率,以对机库门进行快速打开。此外,由于发生火情后,机库内的电路极可能发生了部分毁坏,而各个机位上均设置有控制柜,在该控制柜上设置有通话装置、报警装置以及监控装置等,此时,若切断所有机位的电源,容易导致机库内部与控制中心的完全失联,不利于控制中心进行抢救指挥。而若不切断机位上的电源,则容易发生电路安全问题,影响该机位上的无人机。因此,为了既能保证机库与控制中心的连接,又能避免因为电路进一步问题而导致无人机的损坏,可以放停机状态为第一停机状态,即该机位上停有无人机,则控制中心向控制单元发送切断电源指令,以将处于第一停机状态的机位上的所有电源进行切断,而保持其他机位上的电源供电正常。可选的,可以在检测到机库门完全打开之后,再通过控制中心向控制单元发送切断电源指令,以将所有机位上的所有电源进行切断。
可选的,对于上述的机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态,可以包括:
将机位图像集合中的各张机位图像的尺寸调整为预设标准尺寸,以生成初始机位图像;
对初始机位图像划分网格,生成特征网格集合V:
根据公式2计算特征网格集合V中相邻网格之间的相似度T(Wi,j,Wi,j+1),公式2为:
其中,Wi,j为特征网格集合V中行号为i,列号为j的网格;Wi,j+1为特征网格集合V中行号为i,列号为j+1的网格;n为初始机位图像对应的颜色直方图中的颜色区间数量;hk(i,j)为Wi,j中第k个颜色区间的像素数量;hk(i,j+1)为Wi,j+1中第k个颜色区间的像素数量;m为初始机位图像对应的纹理特征数量;LBPk(i,j)为Wi,j中满足第k个纹理特征的像素数量;LBPk(i,j+1)为Wi,j+1中满足第k个纹理特征的像素数量;δ、ρ为权重值,为常数。
若相邻网格之间的相似度大于预设相似度阈值,则将相邻网格进行合并,以生成候选区域,在遍历特征网格集合V中的所有网格之后,生成待识别机位图像,待识别机位图像中包括多个候选区域;将各个候选区域输入基于预设卷积神经网络模型进行特征提取,以确定各个候选区域所对应的特征向量;将各个候选区域所对应的特征向量输入至预设分类器,以确定各个候选区域是否包括无人机,并候选区域识别结果,预设分类器基于向量机以及从无人机上提取的图像特征集合建立;根据各张机位图像上所有候选区域对应的候选区域识别结果确定所对应机位的停机状态。
S103、若安全状态符合预设安全要求,则控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令。
若安全状态符合预设安全要求,则控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令,预设温度调整模型用于将机库内的室温调整至预设温度范围,温度调节控制指令用于指示机库内的空调系统进行室温调控操作,室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作。
在本实施例中,通过获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心,控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态,在安全状态符合预设安全要求时,控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令,从而避免在发生危急情况导致机库内温度发生变化后,空调系统的调温操作导致危急情况的进一步加剧。
图2是本申请根据另一示例实施例示出的基于物联网数据的机库智能控制方法的流程示意图。如图2所示,本实施例提供的方法,包括:
S201、获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心。
具体的,本实施例提供的方法应用于基于物联网数据的机库智能控制系统,其中,该系统包括:控制中心、交互网络以及控制单元,控制中心通过交互网络与控制单元实现连接,控制单元包括温度传感器以及摄像头,机库用于停放无人机。
在本步骤中,可以获取目标机库内的库内环境数据,并将库内环境数据发送至控制中心,环境数据包括通过温度传感器所获取到的库内温度数据以及通过摄像头所获取到的库内图像数据。
S202、控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态。
具体的,控制中心可以根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态。
可选的,为了确定上述的安全状态,可以对库内图像数据进行颜色特征化,以生成图像特征数据,图像特征数据中各个像素点具有颜色特征参数。
根据图像特征数据以及预设颜色特征确定机库内是否存在火点,其中,预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值。
若未存在火点,则机库的安全状态为第一安全状态,即安全状态;若存在火点,则机库的安全状态为第二安全状态,即危险状态。其中,下述在进行空调系统控制前,需要满足预设安全要求,而该预设安全要求就是要满足第一安全状态,即为安全状态。值得说明,若处于危险状态,例如,机库内发生了火灾,此时空调系统若继续处于工作状态,则容易导致火势的快速蔓延。
此外,当机库内发生火灾后,机库内的库内温度就会上升,而由于机库的顶壁高度较高,烟雾传感器通常设置在机库的顶壁上,此外机库通常面积较大,往往在火势较强,产生的烟雾较多时,才能触发机库顶壁上的烟雾传感器。而若发生火情后,烟雾传感器未及时被触发,而此时库内的温度又上升,就会导致空调系统误以为库内温度过高,而启动新风系统,进而向机库空间内输入新鲜含氧量高的冷空气,进而导致火情的加剧。
而在本步骤中,机库内的空调系统在进行室温调控操作前,需要先根据库内图像数据确定安全状态,即确定机库内未发生火情,再执行相应的调节,从而避免在发生火情未被及时发现时,由于空调系统的运行而导致火情的加剧。
对于上述对库内图像数据进行颜色特征化,以生成图像特征数据,具体可以包括:获取库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,公式1为:
根据各点所对应的颜色特征参数生成图像特征数据。
对应的,根据图像特征数据以及预设颜色特征确定机库内是否存在火点,包括:若图像特征数据中颜色特征参数大于或等于颜色特征均值的像素点的个数大于预设安全像素点数量,则确定机库内存在火点;若图像特征数据中颜色特征参数大于或等于颜色特征均值的像素点的个数小于或等于预设安全像素点数量,则确定机库内未存在火点。
若机库的安全状态为第二安全状态,则在控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态之后,还包括:控制中心根据库内图像数据以及分隔标识生成机位图像集合,目标机库中设置有多个机位,各个机位之间设置有分隔标识;根据机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态;若停机状态为第一停机状态,即该机位上停有无人机,则控制中心向控制单元发送切断电源指令,以将处于第一停机状态的机位上的所有电源进行切断。值得说明的,由于机库的大门通常跨度在30米以上、高度在10米以上,因此,机库门的开启方式通常基于电机进行驱动,以及备选可以基于手动进行打开,但是由于手动打开速度较慢且需要较多的人力。因此,在危急情况下,若电路可用,仍优选通过电机驱动进行打开,可选的,在此过程中可以提高电机的运行功率,以对机库门进行快速打开。此外,由于发生火情后,机库内的电路极可能发生了部分毁坏,而各个机位上均设置有控制柜,在该控制柜上设置有通话装置、报警装置以及监控装置等,此时,若切断所有机位的电源,容易导致机库内部与控制中心的完全失联,不利于控制中心进行抢救指挥。而若不切断机位上的电源,则容易发生电路安全问题,影响该机位上的无人机。因此,为了既能保证机库与控制中心的连接,又能避免因为电路进一步问题而导致无人机的损坏,可以放停机状态为第一停机状态,即该机位上停有无人机,则控制中心向控制单元发送切断电源指令,以将处于第一停机状态的机位上的所有电源进行切断,而保持其他机位上的电源供电正常。可选的,可以在检测到机库门完全打开之后,再通过控制中心向控制单元发送切断电源指令,以将所有机位上的所有电源进行切断。
可选的,对于上述的机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态,可以包括:
将机位图像集合中的各张机位图像的尺寸调整为预设标准尺寸,以生成初始机位图像;
对初始机位图像划分网格,生成特征网格集合V:
根据公式2计算特征网格集合V中相邻网格之间的相似度T(Wi,j,Wi,j+1),公式2为:
其中,Wi,j为特征网格集合V中行号为i,列号为j的网格;Wi,j+1为特征网格集合V中行号为i,列号为j+1的网格;n为初始机位图像对应的颜色直方图中的颜色区间数量;hk(i,j)为Wi,j中第k个颜色区间的像素数量;hk(i,j+1)为Wi,j+1中第k个颜色区间的像素数量;m为初始机位图像对应的纹理特征数量;LBPk(i,j)为Wi,j中满足第k个纹理特征的像素数量;LBPk(i,j+1)为Wi,j+1中满足第k个纹理特征的像素数量;δ、ρ为权重值,为常数。
若相邻网格之间的相似度大于预设相似度阈值,则将相邻网格进行合并,以生成候选区域,在遍历特征网格集合V中的所有网格之后,生成待识别机位图像,待识别机位图像中包括多个候选区域;将各个候选区域输入基于预设卷积神经网络模型进行特征提取,以确定各个候选区域所对应的特征向量;将各个候选区域所对应的特征向量输入至预设分类器,以确定各个候选区域是否包括无人机,并候选区域识别结果,预设分类器基于向量机以及从无人机上提取的图像特征集合建立;根据各张机位图像上所有候选区域对应的候选区域识别结果确定所对应机位的停机状态。
S203、若安全状态符合预设安全要求,则控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令。
若安全状态符合预设安全要求,则控制中心根据库内环境数据以及预设温度调整算法确定温度调控指令,预设温度调整模型用于将机库内的室温调整至预设温度范围,温度调节控制指令用于指示机库内的空调系统进行室温调控操作,室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作。
S204、控制中心向空调系统发送关闭指令,以关闭空调系统。
若机库的安全状态为第二安全状态,则在控制中心根据库内图像数据以及预设库内安全状态确定模型确定机库的安全状态之后,还可以控制中心向空调系统发送关闭指令,以关闭空调系统。
S205、控制中心向控制单元发送开门指令,以通过控制单元控制机库的库门打开。
S206、控制单元控制消防喷头开启。
控制单元控制消防喷头开启,其中,消防喷头设置于机库的顶部,消防喷头用于喷水。
在本实施例中,为了对消防喷头进行合理的布局,可以先获取机库的整体轮廓数据,并根据轮廓数据确定轮廓特征点集,轮廓特征点集包括拐角点,拐角点为轮廓数据所对应的空间轮廓中两条直线边的交点。然后,根据轮廓数据确定目标空间的室内面积S,并根据公式3确定消防喷头数量K,公式3为:
其中,0<α<1;A为消防喷头的喷洒面积。
再根据轮廓特征点集生成轮廓特征多边形,其中,轮廓特征点集中的各个特征点对应轮廓特征多边形的各个角点。对轮廓特征多边形划分网格,以生成网格化特征多边形,其中,网格化特征多边形内部所设置的网格点的数量T满足以下关系:
3K≤T≤10K
在T个网格点中选取任意个K个网格点,共有M=C(T,K)种排布方式,其中,C为组合数符号。
然后,可以根据第一排布方式中K个消防喷头在T个网格点中的排布位置以及公式4确定第一排布方式对应的覆盖偏离值G,第一排布方式为M个排布方式中的任意一个排布方式,公式4为:
其中,K个消防喷头对应的消防喷头位置集合VK={x1,x2,x3,…,xK};d(xi,xj)为VK中第i个位置点xi与第j个位置点xj之间的距离;n为轮廓特征多边形的边数;为VK中第i个位置点xi与第j个位置点xj相对于第l条边的镜像点/>之间的距离,第l条边为轮廓特征多边形的n条边中编号为l的边。
最后,根据预设覆盖均匀度评价模型确定M个排布方式中各个排布方式所对应的覆盖偏离值,并选择覆盖偏离值最小的排布方式作为消防喷头布置位置。
图3是本申请根据一示例实施例示出的基于物联网数据的机库智能控制系统的结构示意图。如图3所示,本实施例提供的系统300,包括:控制中心301、交互网络302以及控制单元303,所述控制中心301通过所述交互网络302与所述控制单元303实现连接,所述控制单元303包括温度传感器以及摄像头,所述机库用于停放无人机;
所述控制单元303获取目标机库内的库内环境数据,并将所述库内环境数据发送至所述控制中心301,所述环境数据包括通过温度传感器所获取到的库内温度数据以及通过所述摄像头所获取到的库内图像数据;
所述控制中心301根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态;
若所述安全状态符合预设安全要求,则所述控制中心301根据所述库内环境数据以及预设温度调整算法确定温度调控指令,所述预设温度调整模型用于将所述机库内的室温调整至预设温度范围,所述温度调节控制指令用于指示所述机库内的空调系统进行室温调控操作,所述室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作。
可选的,所述控制中心301,具体用于:
对所述库内图像数据进行颜色特征化,以生成图像特征数据,所述图像特征数据中各个像素点具有颜色特征参数;
根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,其中,所述预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值;
若未存在所述火点,则所述机库的安全状态为第一安全状态;若存在所述火点,则所述机库的安全状态为第二安全状态,其中,所述预设安全要求为满足所述第一安全状态。
可选的,所述控制中心301,具体用于:
获取所述库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;
根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,所述公式1为:
根据各点所对应的所述颜色特征参数生成所述图像特征数据;
可选的,所述控制中心301,具体用于:
若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数大于预设安全像素点数量,则确定所述机库内存在火点;若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数小于或等于所述预设安全像素点数量,则确定所述机库内未存在火点。
可选的,若所述机库的安全状态为所述第二安全状态,则所述控制中心301,具体用于:
所述控制中心301根据所述库内图像数据以及分隔标识生成机位图像集合,所述目标机库中设置有多个机位,各个机位之间设置有所述分隔标识;
根据所述机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态;
若所述停机状态为第一停机状态,则所述控制中心301向所述控制单元303发送切断电源指令,以将处于所述第一停机状态的机位上的所有电源进行切断。
可选的,所述控制中心301,具体用于:
将所述机位图像集合中的各张机位图像的尺寸调整为预设标准尺寸,以生成初始机位图像;
对所述初始机位图像划分网格,生成特征网格集合V:
根据公式2计算所述特征网格集合V中相邻网格之间的相似度T(Wi,j,Wi,j+1),所述公式2为:
其中,Wi,j为特征网格集合V中行号为i,列号为j的网格;Wi,j+1为特征网格集合V中行号为i,列号为j+1的网格;n为所述初始机位图像对应的颜色直方图中的颜色区间数量;hk(i,j)为Wi,j中第k个颜色区间的像素数量;hk(i,j+1)为Wi,i+1中第k个颜色区间的像素数量;m为所述初始机位图像对应的纹理特征数量;LBPk(i,j)为Wi,j中满足第k个纹理特征的像素数量;LBPk(i,j+1)为Wi,j+1中满足第k个纹理特征的像素数量;δ、ρ为权重值,为常数;
若相邻网格之间的相似度大于预设相似度阈值,则将相邻网格进行合并,以生成候选区域,在遍历所述特征网格集合V中的所有网格之后,生成待识别机位图像,所述待识别机位图像中包括多个所述候选区域;
将各个候选区域输入基于预设卷积神经网络模型进行特征提取,以确定各个候选区域所对应的特征向量;
将各个候选区域所对应的特征向量输入至预设分类器,以确定各个候选区域是否包括无人机,并候选区域识别结果,所述预设分类器基于向量机以及从所述无人机上提取的图像特征集合建立;
根据各张机位图像上所有候选区域对应的候选区域识别结果确定所对应机位的所述停机状态。
可选的,若所述机库的安全状态为所述第二安全状态,则所述控制中心301向所述空调系统发送关闭指令,以关闭所述空调系统;和/或,
所述控制中心301向所述控制单元303发送开门指令,以通过所述控制单元303控制所述机库的库门打开。
可选的,所述控制单元303控制消防喷头开启,其中,所述消防喷头设置于所述机库的顶部。
图4是本申请根据一示例实施例示出的电子设备的结构示意图。如图4所示,本实施例提供的一种电子设备400包括:处理器401以及存储器402;其中:
存储器402,用于存储计算机程序,该存储器还可以是flash(闪存)。
处理器401,用于执行存储器存储的执行指令,以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地,存储器402既可以是独立的,也可以跟处理器401集成在一起。
当所述存储器402是独立于处理器401之外的器件时,所述电子设备400还可以包括:
总线403,用于连接所述存储器402和处理器401。
本实施例还提供一种可读存储介质,可读存储介质中存储有计算机程序,当电子设备的至少一个处理器执行该计算机程序时,电子设备执行上述的各种实施方式提供的方法。
本实施例还提供一种程序产品,该程序产品包括计算机程序,该计算机程序存储在可读存储介质中。电子设备的至少一个处理器可以从可读存储介质读取该计算机程序,至少一个处理器执行该计算机程序使得电子设备实施上述的各种实施方式提供的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (8)
1.一种基于物联网数据的机库智能控制方法,应用于基于物联网数据的机库智能控制系统,所述系统包括:控制中心、交互网络以及控制单元,所述控制中心通过所述交互网络与所述控制单元实现连接,所述控制单元包括温度传感器以及摄像头,所述机库用于停放无人机;所述方法,包括:
获取目标机库内的库内环境数据,并将所述库内环境数据发送至所述控制中心,所述环境数据包括通过温度传感器所获取到的库内温度数据以及通过所述摄像头所获取到的库内图像数据;
所述控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态;
若所述安全状态符合预设安全要求,则所述控制中心根据所述库内环境数据以及预设温度调整算法确定温度调控指令,所述预设温度调整模型用于将所述机库内的室温调整至预设温度范围,所述温度调节控制指令用于指示所述机库内的空调系统进行室温调控操作,所述室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作;
所述控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态,包括:
对所述库内图像数据进行颜色特征化,以生成图像特征数据,所述图像特征数据中各个像素点具有颜色特征参数;
根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,其中,所述预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值;
若未存在所述火点,则所述机库的安全状态为第一安全状态;若存在所述火点,则所述机库的安全状态为第二安全状态,其中,所述预设安全要求为满足所述第一安全状态;
所述对所述库内图像数据进行颜色特征化,以生成图像特征数据,包括:
获取所述库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;
根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,所述公式1为:
根据各点所对应的所述颜色特征参数生成所述图像特征数据;
对应的,所述根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,包括:
若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数大于预设安全像素点数量,则确定所述机库内存在火点;若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数小于或等于所述预设安全像素点数量,则确定所述机库内未存在火点。
2.根据权利要求1所述的基于物联网数据的机库智能控制方法,其特征在于,若所述机库的安全状态为所述第二安全状态,则在控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态之后,还包括:
所述控制中心根据所述库内图像数据以及分隔标识生成机位图像集合,所述目标机库中设置有多个机位,各个机位之间设置有所述分隔标识;
根据所述机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态;
若所述停机状态为第一停机状态,则所述控制中心向所述控制单元发送切断电源指令,以将处于所述第一停机状态的机位上的所有电源进行切断。
3.根据权利要求2所述的基于物联网数据的机库智能控制方法,其特征在于,所述机位图像集合以及预设机位停机状态判断模型确定各个机位所对应的停机状态,包括:
将所述机位图像集合中的各张机位图像的尺寸调整为预设标准尺寸,以生成初始机位图像;
对所述初始机位图像划分网格,生成特征网格集合V:
根据公式2计算所述特征网格集合V中相邻网格之间的相似度T(Wi,j,Wi,j+1),所述公式2为:
其中,Wi,j为特征网格集合V中行号为i,列号为j的网格;Wi,j+1为特征网格集合V中行号为i,列号为j+1的网格;n为所述初始机位图像对应的颜色直方图中的颜色区间数量;hk(i,j)为Wi,j中第k个颜色区间的像素数量;hk(i,j+1)为Wi,j+1中第k个颜色区间的像素数量;m为所述初始机位图像对应的纹理特征数量;LBPk(i,j)为Wi,j中满足第k个纹理特征的像素数量;LBPk(i,j+1)为Wi,j+1中满足第k个纹理特征的像素数量;δ、ρ为权重值,为常数;
若相邻网格之间的相似度大于预设相似度阈值,则将相邻网格进行合并,以生成候选区域,在遍历所述特征网格集合V中的所有网格之后,生成待识别机位图像,所述待识别机位图像中包括多个所述候选区域;
将各个候选区域输入基于预设卷积神经网络模型进行特征提取,以确定各个候选区域所对应的特征向量;
将各个候选区域所对应的特征向量输入至预设分类器,以确定各个候选区域是否包括无人机,并候选区域识别结果,所述预设分类器基于向量机以及从所述无人机上提取的图像特征集合建立;
根据各张机位图像上所有候选区域对应的候选区域识别结果确定所对应机位的所述停机状态。
4.根据权利要求3所述的基于物联网数据的机库智能控制方法,其特征在于,若所述机库的安全状态为所述第二安全状态,则在控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态之后,还包括:
所述控制中心向所述空调系统发送关闭指令,以关闭所述空调系统;和/或,
所述控制中心向所述控制单元发送开门指令,以通过所述控制单元控制所述机库的库门打开。
5.根据权利要求4所述的基于物联网数据的机库智能控制方法,其特征在于,在所述控制中心向所述控制单元发送开门指令之后,还包括:
所述控制单元控制消防喷头开启,其中,所述消防喷头设置于所述机库的顶部。
6.一种基于物联网数据的机库智能控制系统,其特征在于,所述系统包括:控制中心、交互网络以及控制单元,所述控制中心通过所述交互网络与所述控制单元实现连接,所述控制单元包括温度传感器以及摄像头,所述机库用于停放无人机;
所述控制单元获取目标机库内的库内环境数据,并将所述库内环境数据发送至所述控制中心,所述环境数据包括通过温度传感器所获取到的库内温度数据以及通过所述摄像头所获取到的库内图像数据;
所述控制中心根据所述库内图像数据以及预设库内安全状态确定模型确定所述机库的安全状态;
若所述安全状态符合预设安全要求,则所述控制中心根据所述库内环境数据以及预设温度调整算法确定温度调控指令,所述预设温度调整模型用于将所述机库内的室温调整至预设温度范围,所述温度调节控制指令用于指示所述机库内的空调系统进行室温调控操作,所述室温调控操作包括通风开关操作、冷气开关操作以及热气开关操作中的至少一项操作;
所述控制中心,具体用于:
对所述库内图像数据进行颜色特征化,以生成图像特征数据,所述图像特征数据中各个像素点具有颜色特征参数;
根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,其中,所述预设颜色特征包括基于火点所对应图形的颜色特征参数所建立的颜色特征均值;
若未存在所述火点,则所述机库的安全状态为第一安全状态;若存在所述火点,则所述机库的安全状态为第二安全状态,其中,所述预设安全要求为满足所述第一安全状态;
所述控制中心,具体用于:
获取所述库内图像数据中各个像素点在RGB颜色空间下的R值、G值以及B值;
根据各个像素点的R值、G值以及B值以及公式1确定各个像素点对应的颜色特征参数H,所述公式1为:
根据各点所对应的所述颜色特征参数生成所述图像特征数据;
对应的,所述根据所述图像特征数据以及预设颜色特征确定所述机库内是否存在火点,包括:
若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数大于预设安全像素点数量,则确定所述机库内存在火点;若所述图像特征数据中颜色特征参数大于或等于所述颜色特征均值的像素点的个数小于或等于所述预设安全像素点数量,则确定所述机库内未存在火点。
7.一种电子设备,其特征在于,包括:
处理器;以及,
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310315261.1A CN116430921B (zh) | 2023-03-28 | 2023-03-28 | 基于物联网数据的机库智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310315261.1A CN116430921B (zh) | 2023-03-28 | 2023-03-28 | 基于物联网数据的机库智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116430921A CN116430921A (zh) | 2023-07-14 |
CN116430921B true CN116430921B (zh) | 2023-11-17 |
Family
ID=87093675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310315261.1A Active CN116430921B (zh) | 2023-03-28 | 2023-03-28 | 基于物联网数据的机库智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116430921B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496157A (zh) * | 2011-11-22 | 2012-06-13 | 上海电力学院 | 基于高斯多尺度变换及颜色复杂度的图像检测方法 |
CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
CN104091354A (zh) * | 2014-07-30 | 2014-10-08 | 北京华戎京盾科技有限公司 | 一种基于视频图像的火灾检测方法及其火灾检测装置 |
CN110232703A (zh) * | 2019-06-12 | 2019-09-13 | 中国矿业大学 | 一种基于颜色和纹理信息的运动目标识别装置及方法 |
CN111027475A (zh) * | 2019-12-09 | 2020-04-17 | 南京富士通南大软件技术有限公司 | 一种基于视觉的实时交通信号灯识别方法 |
CN111666834A (zh) * | 2020-05-20 | 2020-09-15 | 哈尔滨理工大学 | 一种基于图像识别技术的森林火灾自动监测识别系统及方法 |
CN112070072A (zh) * | 2020-11-11 | 2020-12-11 | 国网江苏省电力有限公司经济技术研究院 | 基于图像识别的预制舱消防控制系统及其控制方法 |
CN114447451A (zh) * | 2021-12-29 | 2022-05-06 | 国网浙江省电力有限公司宁波供电公司 | 一种储能站电池早期隐患监控方法 |
-
2023
- 2023-03-28 CN CN202310315261.1A patent/CN116430921B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496157A (zh) * | 2011-11-22 | 2012-06-13 | 上海电力学院 | 基于高斯多尺度变换及颜色复杂度的图像检测方法 |
CN103870569A (zh) * | 2014-03-13 | 2014-06-18 | 北方信息控制集团有限公司 | 一种基于内容的彩色动物图像检索方法与系统 |
CN104091354A (zh) * | 2014-07-30 | 2014-10-08 | 北京华戎京盾科技有限公司 | 一种基于视频图像的火灾检测方法及其火灾检测装置 |
CN110232703A (zh) * | 2019-06-12 | 2019-09-13 | 中国矿业大学 | 一种基于颜色和纹理信息的运动目标识别装置及方法 |
CN111027475A (zh) * | 2019-12-09 | 2020-04-17 | 南京富士通南大软件技术有限公司 | 一种基于视觉的实时交通信号灯识别方法 |
CN111666834A (zh) * | 2020-05-20 | 2020-09-15 | 哈尔滨理工大学 | 一种基于图像识别技术的森林火灾自动监测识别系统及方法 |
CN112070072A (zh) * | 2020-11-11 | 2020-12-11 | 国网江苏省电力有限公司经济技术研究院 | 基于图像识别的预制舱消防控制系统及其控制方法 |
CN114447451A (zh) * | 2021-12-29 | 2022-05-06 | 国网浙江省电力有限公司宁波供电公司 | 一种储能站电池早期隐患监控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116430921A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109319639B (zh) | 电梯轿厢参数控制方法、装置和系统 | |
CN108253596B (zh) | 空调送风方法、空调器及计算机可读存储介质 | |
CN109677238B (zh) | 空调吹风控制方法、装置、电子设备及存储介质 | |
CN109376425A (zh) | 基于变电站三维模型的前端设备的自动布置方法及系统 | |
CN108870632A (zh) | 空调器控制方法、控制器、空调器及存储介质 | |
CN116386120B (zh) | 一种用于智慧校园宿舍的无感监控管理系统 | |
CN112320522A (zh) | 基于智能识别的电梯控制系统和方法 | |
CN116430921B (zh) | 基于物联网数据的机库智能控制方法及系统 | |
CN106871368A (zh) | 空调机组的控制方法、装置和空调机组 | |
CN111836018A (zh) | 楼宇设备监控管理系统和方法 | |
CN111070200A (zh) | 机器人的防碰撞方法 | |
CN113128760A (zh) | 安全生产的双控管理方法、装置、设备及存储介质 | |
CN113031610A (zh) | 一种监狱夜间自动巡检机器人系统及其控制方法 | |
CN112009416A (zh) | 一种车辆保护方法、系统及汽车 | |
CN116822778A (zh) | 基于图像识别技术的智能消防应急管理方法 | |
CN114754744B (zh) | 基于计算机图像识别的水库水位动态监控方法 | |
US20050152582A1 (en) | Multiple person detection apparatus and method | |
CN114445996A (zh) | 一种楼宇控制机器人及其控制方法 | |
CN116433212A (zh) | 一种对配电房自动巡检的故障识别处理方法及相关装置 | |
CN113435371A (zh) | 一种基于电力物联网及人工智能的设备周边环境管控方法、装置及设备 | |
CN116030404A (zh) | 一种基于人工智能的作业区域电子警戒围栏架设和安全监控方法 | |
CN114677667A (zh) | 一种基于深度学习的变电站电气设备红外故障识别方法 | |
CN110887161B (zh) | 基于人脸识别和人脸追踪的送风控制方法及送风装置、空调 | |
CN112686162A (zh) | 仓库环境整洁状态的检测方法、装置、设备和存储介质 | |
CN116566131B (zh) | 深度防水新能源动力系统的运行方法、防水电机及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |