JP2022022977A - 温度分布学習装置 - Google Patents
温度分布学習装置 Download PDFInfo
- Publication number
- JP2022022977A JP2022022977A JP2021082694A JP2021082694A JP2022022977A JP 2022022977 A JP2022022977 A JP 2022022977A JP 2021082694 A JP2021082694 A JP 2021082694A JP 2021082694 A JP2021082694 A JP 2021082694A JP 2022022977 A JP2022022977 A JP 2022022977A
- Authority
- JP
- Japan
- Prior art keywords
- temperature distribution
- temperature
- heat source
- learning
- target space
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 85
- 230000000694 effects Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 210000004027 cell Anatomy 0.000 description 17
- 238000009529 body temperature measurement Methods 0.000 description 15
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000012795 verification Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 210000005260 human cell Anatomy 0.000 description 1
- 210000002570 interstitial cell Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/80—Calibration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/026—Control of working procedures of a pyrometer, other than calibration; Bandwidth calculation; Gain control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0003—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiant heat transfer of samples, e.g. emittance meter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0066—Radiation pyrometry, e.g. infrared or optical thermometry for hot spots detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
- G01J5/485—Temperature profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
- G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
- G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K2201/00—Application of thermometers in air-conditioning systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K2213/00—Temperature mapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Radiation Pyrometers (AREA)
- Measuring Temperature Or Quantity Of Heat (AREA)
- Air Conditioning Control Device (AREA)
Abstract
Description
図1は、温度分布学習装置100及び温度分布推定装置200の構成図である。図1に示すように、温度分布学習装置100と、温度分布推定装置200と、対象空間80の各機器81~83とは、ネットワーク90を介して、通信可能に接続されている。本実施形態では、ネットワーク90は、インターネットである。しかし、温度分布学習装置100と、温度分布推定装置200と、対象空間80の各機器81~83とが、通信可能に接続されてさえいれば、ネットワーク90は、インターネットに限定されない。例えば、温度分布学習装置100と、温度分布推定装置200とが、対象空間80と同一の建物内に設置されている場合、ネットワーク90は、有線又は無線LAN等であってもよい。また、温度分布学習装置100が、温度分布推定装置200に内蔵されている場合、温度分布学習装置100と、温度分布推定装置200とを接続するネットワーク90は、電子回路等であってもよい。
(2-1)対象空間
対象空間80は、例えば、オフィス空間である。図1に示すように、対象空間80には、サーモカメラ81、温度センサ82及び人検出カメラ83が設置されている。
温度分布学習装置100は、対象空間80の空中の少なくとも第1点の温度を含む温度分布TD、を学習する。本実施形態では、温度分布TDは、グリッド平面GPにおいて、温度センサ82が存在するマス内の代表点の温度である。学習時の代表点の温度は、対応する温度センサ82の測定値とする。学習時の代表点の温度は、例えば、シミュレーションによって算出した温度等を用いてもよい。以下、温度センサ82によって代表点の温度が測定されるマスを、「温度が定義されたマス」と記載することがある。また、マス内の代表点の温度を、「マスの温度」と記載することがある。そのため、温度分布TDは、学習のために温度が定義されたマス、の温度の分布である。本実施形態では、複数の温度センサ82が存在するため、温度分布学習装置100が学習する温度分布TDは、対象空間80の空中の複数の代表点の温度である。言い換えると、温度分布学習装置100が学習する温度分布TDは、複数の温度センサ82の温度測定値TM1である。
温度分布学習装置100は、学習モデルLMを備える。学習部10は、目的変数である温度分布TDと、説明変数である対象空間80に関する熱画像HI1と、を関連づけて学習する、学習モデルLMを作成する。言い換えると、学習部10は、温度分布TDと熱画像HI1との対応を教師データとして、学習モデルLMを作成する。
ここでは、学習モデルLMを、通常のニューラルネットワークとしたときの、学習精度を検証した。本検証では、38個の温度センサ82を、対象空間80に設置した。学習データ11の内、訓練データは、2020年4月1日の0時から、2020年4月30日の24時までの、5分間隔のデータである。テストデータは、2020年5月1日の0時から、2020年5月12日の24時までの、5分間隔のデータである。
温度分布推定装置200は、学習モデルLM等を用いて、対象空間80の空中の温度を推定する。言い換えると、温度分布推定装置200は、対象空間80の温度マップHMを作成する。温度マップHMは、グリッド平面GPの各マスに、各マスに対応する温度を入力したものである。温度マップHMは、各マスを画素とみなすことで、各マスの温度の高低を、例えば、グレースケールの濃淡で表現した画像としても表せる。また、温度マップHMは、各マスを画素とみなすことで、各マスの温度の高低を、例えば、温度が高い順に赤、黄及び青で表現した、疑似カラー表示画像としても表せる。温度分布推定装置200は、対象空間80内の人の影響を反映した温度マップHMとして、温度マップHM4を出力する。また、温度分布推定装置200は、対象空間80内の人の影響を反映しない温度マップHMとして、温度マップHM1を出力する。対象空間80内の人の影響を反映する場合とは、グリッド平面GP上の同一マスに、人が所定時間留まっているとみなせる場合である。
取得部20は、図3に示すように、図5に示すサーモカメラ81から、熱画像HI2を取得する。取得部20は、所定の時間間隔で、熱画像HI2を取得する。所定の時間間隔は、例えば、5分である。
温度分布推定部30は、温度分布学習装置100が作成した学習モデルLMを用いて、熱画像HI2から、温度分布TDを推定する。推定する温度分布TDは、複数の温度センサ82の温度測定値TM2である。温度分布推定部30は、図3に示すように、熱画像HI2を学習モデルLMに入力し、温度測定値TM2を出力する。
熱源位置特定部40は、対象空間80内の熱源HSの位置を特定する。本実施形態では、熱源位置特定部40は、人の位置を、熱源HSの位置として特定する。また、熱源位置特定部40は、カメラ又は深度センサによって、熱源HSの位置を特定する。本実施形態では、熱源位置特定部40は、人検出カメラ83によって、人の位置を特定する。
熱源影響推定部50は、熱源HSの影響による、熱源HSの周囲の温度変化を推定する。
熱源影響反映部60は、熱源影響推定部50によって推定された、熱源HSの周囲の温度変化を、温度分布推定部30によって推定された、対象空間80の空中の温度に反映する。具体的には、熱源影響反映部60は、図3に示すように、温度マップHM3を更新して、温度マップHM4を作成する。温度マップHM4は、対象空間80内の人の影響を反映した温度マップHMである。図14及び図15は、温度マップHM4を作成する過程のグリッド平面GP、の例を示す図である。
(3-1)温度分布学習処理
温度分布学習処理を、図17のフローチャートを用いて説明する。
温度分布推定処理を、図18のフローチャートを用いて説明する。
(4-1)
対象空間に設置されたサーモカメラによる熱画像から、直接対象空間の温度分布を知ることはできない。サーモカメラは、物体表面の輻射熱から、当該物体表面の温度を測定するためである。そのため、例えば、対象空間の熱画像と、空気調和機の吹出口の情報とを用いて、対象空間の温度分布を学習する技術がある。
本実施形態の温度分布学習装置100では、温度分布TDは、対象空間80の空中の複数点の温度測定値TM1である。その結果、温度分布学習装置100は、対象空間80に関する熱画像HIから、対象空間80の空中の複数点の温度測定値TMを推定する学習モデルLM、を学習することができる。
従来、対象空間に複数の温度センサを設置し、これらの温度センサに基づいて、対象空間の温度分布を推定する技術がある。推定された温度分布は、空気調和機の制御等に利用される。
本実施形態の温度分布推定装置200では、温度分布推定部30は、推定した温度分布TDに基づいて、当該推定した温度分布TDに含まれない、対象空間80の空中の温度をさらに推定する。その結果、温度分布推定装置200は、対象空間80の任意の空中の温度を推定することができる。
本実施形態の温度分布推定装置200では、熱源位置特定部40は、対象空間80内の熱源HSの位置を特定する。熱源影響推定部50は、熱源HSの影響による、熱源HSの周囲の温度変化を推定する。熱源影響反映部60は、熱源影響推定部50によって推定された、熱源HSの周囲の温度変化を、温度分布推定部30によって推定された、対象空間80の空中の温度に反映する。その結果、温度分布推定装置200は、熱源HSの影響が反映された、対象空間80の空中の温度、を推定することができる。
本実施形態の温度分布推定装置200では、熱源位置特定部40は、カメラ又は深度センサによって、熱源HSの位置を特定する。その結果、温度分布推定装置200は、カメラ又は深度センサを用いて、熱源HSの位置を特定することができる。
本実施形態の温度分布推定装置200では、熱源位置特定部40は、人の位置を、熱源HSの位置として特定する。その結果、温度分布推定装置200は、人の影響が反映された、対象空間80の空中の温度、を推定することができる。
(5-1)変形例1A
本実施形態では、温度分布学習装置100は、温度分布学習処理を行った。しかし、温度分布学習処理は、温度分布学習方法として捉えてもよい。
本実施形態では、温度分布推定装置200は、温度分布推定処理を行った。しかし、温度分布推定処理は、温度分布推定方法として捉えてもよい。
本実施形態では、温度分布推定部30及び熱源影響反映部60は、温度マップHMの温度が埋められていない補間マスImに温度を補間する、補間処理を行った。本実施形態の補間処理では、補間マスImに、当該補間マスImに最も近い温度センサマス82m、の温度を入力した。当該補間マスImに最も近い温度センサマス82m、が複数ある場合、当該補間マスImには、これらの複数の温度の平均値を入力した。
本実施形態では、学習モデルLMは、通常のニューラルネットワークであった。しかし、学習モデルLMは、特に、畳み込みニューラルネットワーク(CNN)であってもよい。CNNは、入力が画像である場合に効果を発揮するため、より予測精度の高い学習モデルLMを作成できる可能性がある。
本実施形態では、温度分布学習装置100は、サーモカメラ81から取得した熱画像HI1と、複数の温度センサ82から取得した温度測定値TM1と、を関連付けて学習した。
本実施形態では、グリッド平面GPにおいて、マス単位で1つの温度を定義した。しかし、一般には、グリッド空間GSにおいて、任意の単位で1つの温度を定義してもよい。図22は、グリッド空間GSにおける温度分布TDの例を示す図である。グリッド空間GSは、対象空間80を、4×4×4のブロックに分割したものである。この場合、1つの温度を定義する単位は、例えば、単位ブロックUB1のように、直線状にブロックをつなげたものであってもよい。また、1つの温度を定義する単位は、例えば、単位ブロックUB2のように、平面状にブロックをつなげたものであってもよい。また、1つの温度を定義する単位は、例えば、単位ブロックUB3のように、立方体状にブロックを積み上げたものであってもよい。
以上、本開示の実施形態を説明したが、特許請求の範囲に記載された本開示の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
30 温度分布推定部
40 熱源位置特定部
50 熱源影響推定部
60 熱源影響反映部
80 対象空間
100 温度分布学習装置
200 温度分布推定装置
HI 熱画像
HS 熱源
LM 学習モデル
TD 温度分布
TM 温度測定値(温度分布)
Claims (11)
- 対象空間(80)の空中の少なくとも第1点の温度を含む温度分布(TD,TM)、を学習する温度分布学習装置(100)であって、
目的変数である前記温度分布と、説明変数である前記対象空間に関する熱画像(HI)と、を関連づけて学習する、学習モデル(LM)、
を備え、
前記学習モデルは、前記温度分布と前記熱画像とを含む教師データに基づいて学習する、
温度分布学習装置(100)。 - 前記温度分布は、前記対象空間の空中の複数点の温度である、
請求項1に記載の温度分布学習装置(100)。 - 請求項1又は2に記載の温度分布学習装置(100)の前記学習モデルを用いて、前記熱画像から、前記温度分布を推定する、温度分布推定部(30)と、
前記熱画像を取得する、取得部(20)と、
を備える、
温度分布推定装置(200)。 - 前記温度分布推定部は、推定した前記温度分布に基づいて、当該推定した前記温度分布に含まれない、前記対象空間の空中の温度をさらに推定する、
請求項3に記載の温度分布推定装置。 - 前記対象空間内の熱源(HS)の位置を特定する、熱源位置特定部(40)と、
前記熱源の影響による、前記熱源の周囲の温度変化を推定する、熱源影響推定部(50)と、
前記熱源影響推定部によって推定された、前記熱源の周囲の温度変化を、前記温度分布推定部によって推定された、前記対象空間の空中の温度に反映する、熱源影響反映部(60)と、
をさらに備える、
請求項4に記載の温度分布推定装置(200)。 - 前記熱源位置特定部は、カメラ又は深度センサによって、前記熱源の位置を特定する、
請求項5に記載の温度分布推定装置(200)。 - 前記熱源位置特定部は、人の位置を、前記熱源の位置として特定する、
請求項5又は6に記載の温度分布推定装置(200)。 - 対象空間(80)の空中の少なくとも第1点の温度を含む温度分布(TD,TM)、を学習する温度分布学習方法であって、
目的変数である前記温度分布と、説明変数である前記対象空間に関する熱画像(HI)と、を関連づけて学習する、学習ステップ、
を備え、
前記学習ステップでは、前記温度分布と前記熱画像とを含む教師データに基づいて学習を行う、
温度分布学習方法。 - 請求項8に記載の温度分布学習方法により、前記熱画像から、前記温度分布を推定する、温度分布推定ステップと、
前記熱画像を取得する、取得ステップと、
を備える、
温度分布推定方法。 - 前記温度分布推定ステップでは、推定した前記温度分布に基づいて、当該推定した前記温度分布に含まれない、前記対象空間の空中の温度をさらに推定する、
請求項9に記載の温度分布推定方法。 - 前記対象空間内の熱源(HS)の位置を特定する、熱源位置特定ステップと、
前記熱源の影響による、前記熱源の周囲の温度変化を推定する、熱源影響推定ステップと、
前記熱源影響推定ステップによって推定された、前記熱源の周囲の温度変化を、前記温度分布推定ステップにおいて推定された、前記対象空間の空中の温度に反映する、熱源影響反映ステップと、
をさらに備える、
請求項10に記載の温度分布推定方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21832921.7A EP4174482A4 (en) | 2020-06-30 | 2021-06-30 | TEMPERATURE DISTRIBUTION LEARNING DEVICE |
US18/012,821 US20230258503A1 (en) | 2020-06-30 | 2021-06-30 | Temperature distribution learning apparatus |
PCT/JP2021/024712 WO2022004777A1 (ja) | 2020-06-30 | 2021-06-30 | 温度分布学習装置 |
CN202180046090.6A CN115735120A (zh) | 2020-06-30 | 2021-06-30 | 温度分布学习装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020112634 | 2020-06-30 | ||
JP2020112634 | 2020-06-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6962484B1 JP6962484B1 (ja) | 2021-11-05 |
JP2022022977A true JP2022022977A (ja) | 2022-02-07 |
Family
ID=78409831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021082694A Active JP6962484B1 (ja) | 2020-06-30 | 2021-05-14 | 温度分布学習装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230258503A1 (ja) |
EP (1) | EP4174482A4 (ja) |
JP (1) | JP6962484B1 (ja) |
CN (1) | CN115735120A (ja) |
WO (1) | WO2022004777A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024070198A1 (ja) * | 2022-09-30 | 2024-04-04 | ダイキン工業株式会社 | 環境計測装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05312381A (ja) * | 1992-05-06 | 1993-11-22 | Res Dev Corp Of Japan | 空気調和システム |
JP2009257617A (ja) * | 2008-04-14 | 2009-11-05 | Daikin Ind Ltd | 空調システム及びその制御方法 |
JP2018049390A (ja) * | 2016-09-20 | 2018-03-29 | 株式会社東芝 | 特性値推定装置および特性値推定方法 |
WO2020075244A1 (ja) * | 2018-10-10 | 2020-04-16 | 三菱電機株式会社 | 空気調和機、空気調和機制御方法及びプログラム |
US20200200423A1 (en) * | 2018-12-19 | 2020-06-25 | Distech Controls Inc. | Computing device and method for inferring via a neural network a two-dimensional temperature mapping of an area |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BR112014013248B1 (pt) * | 2011-12-21 | 2021-10-13 | Telecom Italia S.P.A. | Método para monitorar a temperatura de uma superfície de inspeção em um ambiente, e, sistema para monitoração de temperatura |
US10663190B2 (en) * | 2015-07-28 | 2020-05-26 | Mitsubishi Electric Corporation | Determination assistance device, determination assistance method, and program |
-
2021
- 2021-05-14 JP JP2021082694A patent/JP6962484B1/ja active Active
- 2021-06-30 EP EP21832921.7A patent/EP4174482A4/en active Pending
- 2021-06-30 CN CN202180046090.6A patent/CN115735120A/zh active Pending
- 2021-06-30 US US18/012,821 patent/US20230258503A1/en active Pending
- 2021-06-30 WO PCT/JP2021/024712 patent/WO2022004777A1/ja unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05312381A (ja) * | 1992-05-06 | 1993-11-22 | Res Dev Corp Of Japan | 空気調和システム |
JP2009257617A (ja) * | 2008-04-14 | 2009-11-05 | Daikin Ind Ltd | 空調システム及びその制御方法 |
JP2018049390A (ja) * | 2016-09-20 | 2018-03-29 | 株式会社東芝 | 特性値推定装置および特性値推定方法 |
WO2020075244A1 (ja) * | 2018-10-10 | 2020-04-16 | 三菱電機株式会社 | 空気調和機、空気調和機制御方法及びプログラム |
US20200200423A1 (en) * | 2018-12-19 | 2020-06-25 | Distech Controls Inc. | Computing device and method for inferring via a neural network a two-dimensional temperature mapping of an area |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024070198A1 (ja) * | 2022-09-30 | 2024-04-04 | ダイキン工業株式会社 | 環境計測装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2022004777A1 (ja) | 2022-01-06 |
EP4174482A1 (en) | 2023-05-03 |
EP4174482A4 (en) | 2024-07-03 |
JP6962484B1 (ja) | 2021-11-05 |
US20230258503A1 (en) | 2023-08-17 |
CN115735120A (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909640B (zh) | 基于深度学习的人脸重光照方法及装置 | |
CN108416805B (zh) | 一种基于深度学习的本征图像分解方法及装置 | |
CN105045950B (zh) | 一种基于三维激光扫描的桥梁安全评估系统 | |
US6937235B2 (en) | Three-dimensional object surface shape modeling apparatus, method and program | |
US9218690B2 (en) | Method for simulating hyperspectral imagery | |
JP2020042503A (ja) | 三次元表象生成システム | |
CN117542122B (zh) | 人体位姿估计与三维重建方法、网络训练方法及装置 | |
JP6962484B1 (ja) | 温度分布学習装置 | |
JP6878361B2 (ja) | 断熱性能診断装置 | |
CN114757904A (zh) | 一种基于ai深度学习算法的表面缺陷检测方法 | |
CN114549611A (zh) | 一种基于神经网络及少量点测量的水下绝对距离估计方法 | |
CN115601511A (zh) | 三维重建方法、装置、计算机设备及计算机可读存储介质 | |
CN112669382B (zh) | 一种基于图像的距离确定方法及装置 | |
CN112750155B (zh) | 基于卷积神经网络的全景深度估计方法 | |
JP7316855B2 (ja) | 温度分布推定装置及び温度分布推定方法 | |
CN117409086A (zh) | 一种相机参数在线标定优化方法 | |
CN116797733A (zh) | 实时三维物体动态重建方法 | |
JP4369951B2 (ja) | 画像生成方法、画像生成装置及び画像生成プログラム | |
WO2022264604A1 (ja) | ガス濃度特徴量推定装置、ガス濃度特徴量推定方法、プログラム、およびガス濃度特徴量推論モデル生成装置 | |
WO2024043263A1 (ja) | 情報処理装置、情報処理システム、情報処理方法及びコンピュータプログラム | |
Cotrim et al. | Neural network meta-models for FPSO motion prediction from environmental data | |
JP7395076B2 (ja) | 機器制御装置及び機器制御方法 | |
JP7478000B2 (ja) | 3d画像データ解析装置 | |
WO2024071377A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP5010013B2 (ja) | オプティカルフロー推定装置及びオプティカルフロー推定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210517 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210625 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210630 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210625 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210914 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210927 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6962484 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |