TWI798042B - 冷凍庫環境感知裝置及方法 - Google Patents

Abstract

一種冷凍庫環境感知裝置，用於執行一種冷凍庫環境感知方法，該方法包含：一都卜勒收發單元在一冷凍庫內部發出一測試波，並接收該測試波反射形成的一反射波；一處理單元再比對該測試波與該反射波；當該測試波與該反射波比對不一致時，該處理單元控制該冷凍庫之一閘門開啟，並控制一移動單元的一活動端帶動一影像擷取單元自該閘門伸入該冷凍庫中，該處理單元進而控制該影像擷取單元取得該冷凍庫內部的一影像；該處理單元再將該影像傳送至一人工智慧影像辨識模型，由該人工智慧影像辨識模型自該影像辨識出一人體。藉此，有效避免員工受困。

Description

冷凍庫環境感知裝置及方法

本發明係關於一種環境感知裝置及方法，尤指一種在冷凍庫中使用的環境感知裝置及方法。

為了儲存需冷藏、冷凍的貨物或食物，商店往往都會設置有冷凍庫，並時常派遣員工進入冷凍庫內進行清點、上下貨等作業。

一般在使用冷凍庫時，為了節省電力、避免冷氣外洩，往往都會隨時關閉冷凍庫的門。若是正好有員工在冷凍庫內作業，又沒有辦法從內部開啟冷凍庫的門時，冷凍庫內低至零下二十、三十度的低溫，將會非常危險。

於是目前有例如中華民國專利公告號第M315754號所提供之冷凍庫門之安全把手結構，以及中華民國專利公告號第186067號所提供之開啟冷凍庫之安全裝置，無論是安全把手或是增設的窗口，主要都是讓受困的員工可以從冷凍庫內部開門，以自行脫困。

然而，若是受困的員工已經失溫，或是受傷、被貨物壓住時，可能難以自行移動到門邊脫困。

爰此，本發明人為了時時掌握冷凍庫內狀態，避免有員工受困，而提出一種冷凍庫環境感知裝置，設置於一冷凍庫，該冷凍庫上有一閘門，該冷凍庫環境感知裝置包含：一都卜勒收發單元，設置於該冷凍庫內，該都卜勒收發單元在該冷凍庫內部發出一測試波，並接收該測試波反射形成的一反射波；一影像擷取單元，相鄰該冷凍庫且對應該閘門；一移動單元，有一活動端結合於該影像擷取單元；一人工智慧影像辨識模型，經過預先訓練；以及一處理單元，訊號連接該都卜勒收發單元、該影像擷取單元、該移動單元及該閘門，該人工智慧影像辨識模型訊號連接或匯入該處理單元；透過該都卜勒收發單元發出該測試波並接收該反射波，該處理單元再比對該測試波與該反射波；當該測試波與該反射波比對不一致時，該處理單元控制該閘門開啟，並控制該移動單元的該活動端帶動該影像擷取單元自該閘門伸入該冷凍庫中，該處理單元進而控制該影像擷取單元取得該冷凍庫內部的一影像；該處理單元自該影像擷取單元將該影像傳送至該人工智慧影像辨識模型，由該人工智慧影像辨識模型自該影像辨識出一人體。

進一步，有一溫度偵測單元設置於該冷凍庫內並訊號連接該處理單元，以及有一提示單元訊號連接該處理單元，該溫度偵測單元接收該冷凍庫內之一溫度波形；透過該溫度偵測單元接收該溫度波形並傳送至該處理單元，該處理單元比對該溫度波形與一歷史溫度波形；當該溫度波形與該歷史溫度波形不一致，且該溫度波形的峰值與該歷史溫度波形的峰值差異大於一閾值時，該處理單元控制該提示單元發出一溫度異常提示；當該溫度波形與該歷史溫度波形不一致，但該溫度波形的峰值與該歷史溫度波形的峰值差異不大於該閾值時，該處理單元累積一異常次數；當該異常次數累積到一預設次數時，該處理單元控制該提示單元發出一溫度校準提示。

進一步，有預先訓練的一人工智慧溫度偵測模型訊號連接或匯入該處理單元；當該溫度偵測單元取得該溫度波形後，該處理單元將該溫度波形傳送至該人工智慧溫度偵測模型，該人工智慧溫度偵測模型根據該溫度波形，評估該冷凍庫的一預估溫度。

進一步，該冷凍庫有一電源模組，有一電源偵測單元電性連接該電源模組並訊號連接該處理單元，以及有一提示單元訊號連接該處理單元；透過該電源偵測單元取得該電源模組的一電源資料並傳送至該處理單元，該處理單元再比較對應種類的一歷史電源資料範圍及該電源資料，當該電源資料未落在該歷史電源資料範圍內時，該處理單元控制該提示單元發出一電源異常提示；該電源資料及該歷史電源資料範圍的種類包含電壓電流週期、電壓突波週期、電流變化及使用時間之一或其組合。

進一步，有預先訓練的一人工智慧電源偵測模型訊號連接或匯入該處理單元；當該電源偵測單元取得該電源資料後，該處理單元將該電源資料傳送至該人工智慧電源偵測模型，該人工智慧電源偵測模型根據該電源資料，評估該電源模組的一預估壽命。

本發明人又提出一種冷凍庫環境感知方法，包含：一都卜勒收發單元在一冷凍庫內部發出一測試波，並接收該測試波反射形成的一反射波；一處理單元再比對該測試波與該反射波；當該測試波與該反射波比對不一致時，該處理單元控制該冷凍庫之一閘門開啟，並控制一移動單元的一活動端帶動一影像擷取單元自該閘門伸入該冷凍庫中，該處理單元進而控制該影像擷取單元取得該冷凍庫內部的一影像；該處理單元再將該影像傳送至一人工智慧影像辨識模型，由該人工智慧影像辨識模型自該影像辨識出一人體。

進一步，透過一溫度偵測單元接收該冷凍庫內之一溫度波形並傳送至該處理單元，該處理單元比對該溫度波形與一歷史溫度波形；當該溫度波形與該歷史溫度波形不一致，且該溫度波形的峰值與該歷史溫度波形的峰值差異大於一閾值時，該處理單元控制一提示單元發出一溫度異常提示；當該溫度波形與該歷史溫度波形不一致，但該溫度波形的峰值與該歷史溫度波形的峰值差異不大於該閾值時，該處理單元累積一異常次數；當該異常次數累積到一預設次數時，該處理單元控制該提示單元發出一溫度校準提示。

進一步，透過一電源偵測單元取得該冷凍庫之一電源模組的一電源資料並傳送至該處理單元，該處理單元再比較對應種類的一歷史電源資料範圍及該電源資料，當該電源資料未落在該歷史電源資料範圍內時，該處理單元控制一提示單元發出一電源異常提示；該電源資料及該歷史電源資料範圍的種類包含電壓電流週期、電壓突波週期、電流變化及使用時間之一或其組合。

其中，該處理單元係為單板電腦。

根據上述技術特徵較佳地可達成以下功效：

1.藉由都卜勒收發單元與處理單元發現冷凍庫內部的異常，再藉由人工智慧影像辨識模型自動辨識出人體，有效避免員工受困。

2.藉由溫度偵測單元與處理單元，可以有效掌握冷凍庫內部溫度變化，並進一步進行預警，方便員工進行檢修。

3.藉由電源偵測單元與處理單元，可以有效掌握冷凍庫電源模組的異常，並進一步進行預警，方便員工進行檢修。

4.只有在測試波與反射波比對不一致時，才將影像擷取單元伸入冷凍庫中，可以避免冷凍庫內的低溫影響影像擷取單元的運作。

5.人工智慧影像辨識模型、人工智慧溫度偵測模型及人工智慧電源偵測模型可以是預先訓練好才匯入或訊號連接處理單元，處理單元可以直接應用這些模型進行人工智慧辨識，無需重新訓練，可以降低處理單元的運算負擔與時間。

6.除了在處理單元自行設定各種預警的觸發條件，也可以藉由人工智慧影像辨識模型、人工智慧溫度偵測模型及人工智慧電源偵測模型自動進行智慧觸發。

7.選用影像，除了可以讓人工智慧影像辨識模型自動辨識，也可以讓其他員工再次確認，避免人工智慧影像辨識模型誤判。

綜合上述技術特徵，本發明冷凍庫環境感知裝置及方法的主要功效將可於下述實施例清楚呈現。

請參閱第一圖至第三圖，係揭示本發明冷凍庫環境感知裝置的第一實施例，可以裝設於一冷凍庫A，以執行本發明之一冷凍庫環境感知方法。

該冷凍庫A包含一閘門A1、一電源模組A2、一出入口A3及一貨架A4[該貨架A4請搭配第九圖]。

較佳地，該閘門A1設置於該冷凍庫A的頂部，平常並關閉，以減少冷氣外洩，該出入口A3則設置於該冷凍庫A的側邊，以方便一員工的進出。該電源模組A2例如包含電源開關及壓縮機等用於維持該冷凍庫A內部環境的電力相關設備，惟未於圖式中繪出該電源模組A2的外觀。於本實施例中，該貨架A4設置於該冷凍庫A內部，並緊貼牆壁，而形成ㄇ字型的配置。

該冷凍庫環境感知裝置包含：

一處理單元1，於本實施例中，該處理單元1係為一單板電腦(single board computer, SBC)。該處理單元1訊號連接該閘門A1，而可以透過該處理單元1控制該閘門A1的開啟與關閉。

一都卜勒收發單元2，設置於該冷凍庫A內，該都卜勒收發單元2訊號連接該處理單元1。該都卜勒收發單元2例如可以是都卜勒雷達等等，而可以在該冷凍庫A內部發出一測試波，並接收該測試波反射形成的一反射波。較佳地，該測試波及該反射波係為聲波。

一影像擷取單元3，相鄰該冷凍庫A且對應該閘門A1，該影像擷取單元3訊號連接該處理單元1。該影像擷取單元3可以取得一影像，例如靜態的照片、動態的影片。

一移動單元4，訊號連接該處理單元1，該移動單元4有一活動端結合於該影像擷取單元3，以及有一固定端(未繪出)結合於例如天花板、牆壁、地面或其他機台等等。舉例來說，該移動單元4可以是可伸縮結構、可彎折結構，甚至機械手臂等等，本發明不加以限制。

一提示單元5，訊號連接該處理單元1。該提示單元5例如可以是警示燈、螢幕等等，並裝在該冷凍庫A外部，以讓該員工進入該冷凍庫A之前可以確認該提示單元5的狀態，或是該提示單元5可以結合於一行動裝置或一電腦(皆未繪出)，以讓該員工或其他員工隨時注意到該提示單元5的狀態，本發明不加以限制。

一溫度偵測單元6，設置於該冷凍庫A內，該溫度偵測單元6並訊號連接該處理單元1。較佳地，該溫度偵測單元6可以接收該冷凍庫A內之一溫度波形，例如每一分鐘的溫度變化就可以做為該溫度波形。

一電源偵測單元7，電性連接該電源模組A2，並訊號連接該處理單元1。根據該電源偵測單元7的類型，例如突波計數器、安培計、伏特計、計時器等等，該電源偵測單元7可以取得電壓電流週期、電壓突波週期、電流變化及使用時間之一或其組合，而作為一電源資料。

於本實施例中，該都卜勒收發單元2及該溫度偵測單元6都簡單設置在該冷凍庫A的其中一面牆壁上做示意，於實際實施時，該都卜勒收發單元2及該溫度偵測單元6可以有多個並設置在該冷凍庫A的不同牆壁上，以降低該貨架A4對該都卜勒收發單元2及該溫度偵測單元6的干擾。而該電源偵測單元7根據該電源模組A2的類型、位置，也可以設置在任何適當的地方，本發明不加以限制。

一深度學習系統8，內部儲存有分別事先訓練的一人工智慧影像辨識模型81、一人工智慧溫度偵測模型82及一人工智慧電源偵測模型83。該深度學習系統8並將訓練完畢的該人工智慧影像辨識模型81、該人工智慧溫度偵測模型82及該人工智慧電源偵測模型83可以是匯入該處理單元1，或是訊號連接該處理單元1。本實施例中，該人工智慧影像辨識模型81、該人工智慧溫度偵測模型82及該人工智慧電源偵測模型83都是訓練完畢才匯入該處理單元1，該處理單元1可以直接應用而進行人工智慧辨識，無需重新訓練，可以降低該處理單元1的運算負擔與時間。於實際實施時，該人工智慧影像辨識模型81、該人工智慧溫度偵測模型82及該人工智慧電源偵測模型83也可以都儲存在該深度學習系統8中，由該深度學習系統8進行後續的即時人工智慧辨識。

該人工智慧影像辨識模型81的訓練方式是：藉由事先取得複數訓練影像，並輸入至該深度學習系統8，由該深度學習系統8根據所述訓練影像是否標註有一人體而為標記數據(labeled data)，進行非監督式或半監督式特徵學習，而建立該人工智慧影像辨識模型81。

相似地，分別可以藉由事先取得複數訓練溫度波形與複數訓練電源資料進行深度學習，而分別建立該人工智慧溫度偵測模型82與該人工智慧電源偵測模型83。較佳地，在建立該人工智慧電源偵測模型83時，所述訓練電源資料的種類對應該電源資料的種類，且除了所述訓練電源資料，也可以一併輸入所述訓練電源資料各自對應的一壽命資料，例如該電源模組A2從開始使用到損壞的時間長度。

訓練該人工智慧影像辨識模型81、該人工智慧溫度偵測模型82及該人工智慧電源偵測模型83所使用的技術，例如可以應用長短期記憶(long short-term memory)，甚至其他深度學習相關的技術，本發明不加以限制。

至於所述訓練影像、所述訓練溫度波形與所述訓練電源資料等用於訓練的資料，可以從物聯網對應的各種感測器進行擷取，再傳送至該深度學習系統8。

較佳地，所述訓練影像中，除了單純的原始影像，還可以包含經過邊緣檢測後的影像，以進行資料擴增(data augmentation)，進而提高後續識別的準確性。

請參閱第三圖至第六圖，要執行該冷凍庫環境感知方法時，先架設好該冷凍庫環境感知裝置。該冷凍庫環境感知方法主要分為三大部分：該人體的識別、溫度偵測及電源偵測。

首先說明的是該人體的識別，透過該都卜勒收發單元2發出該測試波並接收該反射波，該處理單元1再比對該測試波與該反射波。根據該都卜勒收發單元2的類型，該都卜勒收發單元2可能自身就具備有處理器，此處的該處理單元1，除了指該單板電腦，也可以指該都卜勒收發單元2自身的處理器。

當該測試波與該反射波比對不一致時，該處理單元1控制該閘門A1開啟，並控制該移動單元4的該活動端帶動該影像擷取單元3自該閘門A1伸入該冷凍庫A中，該處理單元1進而控制該影像擷取單元3取得該冷凍庫A內部的該影像。

當該測試波與該反射波比對一致時，該處理單元1則控制該移動單元4的該活動端帶動該影像擷取單元3離開該冷凍庫A，並將該閘門A1關閉，以避免該影像擷取單元3長時間在該冷凍庫A中導致損壞、影響拍攝效果。

該測試波與該反射波的比對，例如可以根據波形、相位、振幅等波的性質進行比對，本發明不加以限制。於本實施例中，該影像擷取單元3是選擇較為廣角的全景攝影機，於實際實施時，根據該影像擷取單元3的可拍攝範圍，可以進一步增加旋轉機構，以確保該影像擷取單元3拍攝到足夠大的範圍。

除了該員工的肢體動作，該員工的心跳、呼吸，也會導致該測試波與該反射波比對不一致，提高受困的該員工被發現的可能性。而進一步搭配該測試波與該反射波的頻率、週期等等的比對，也可以進一步提高準確率，避免誤判。

該處理單元1自該影像擷取單元3將該影像傳送至該人工智慧影像辨識模型81，由該人工智慧影像辨識模型81以例如邊緣檢測的技術，自該影像辨識出該人體。

除了該人工智慧影像辨識模型81自動辨識出該人體，該影像也可以供其他員工再次確認，最大程度的提高該冷凍庫A的安全性。

請參閱第三圖及第七圖，接著說明的是溫度偵測，透過該溫度偵測單元6接收該溫度波形並傳送至該處理單元1，該處理單元1比對該溫度波形與一歷史溫度波形，該歷史溫度波形例如可以是該冷凍庫A過去的該溫度波形，或是從巨量資料(big data)等等取得的相關溫度資料。

當該溫度波形與該歷史溫度波形不一致，且該溫度波形的峰值與該歷史溫度波形的峰值差異大於一閾值時，該處理單元1控制該提示單元5發出一溫度異常提示。舉例來說，當該歷史溫度波形都落在攝氏-20度至-30度區間，但該溫度波形的最大值卻到達攝氏-10度，此時該處理單元1可以控制該提示單元5亮紅燈或是顯示溫度異常等文字。

而當該溫度波形與該歷史溫度波形不一致，但該溫度波形的峰值與該歷史溫度波形的峰值差異不大於該閾值時，該處理單元1累積一異常次數。

當該異常次數累積到一預設次數時，該處理單元1控制該提示單元5發出一溫度校準提示。

舉例來說，該溫度波形與該歷史溫度波形都落在攝氏-20度至-30度區間，但該歷史溫度波形都是呈現三角波，該溫度波形卻是呈現方波時，此時該處理單元1可以控制該提示單元5亮藍燈或是顯示累積異常次數等文字。

等到該異常次數累積到例如5次後，該處理單元1可以控制該提示單元5閃藍燈或是顯示溫度校準等文字。

於實際實施時，該歷史溫度波形也可以是由該員工設定，本發明不加以限制。

而當有足夠的該溫度波形與該歷史溫度波形後，該處理單元1可以透過該人工智慧溫度偵測模型82進行該冷凍庫A內一預估溫度的評估。例如該處理單元1可以傳送多次該溫度波形給該人工智慧溫度偵測模型82，前次的該溫度波形落在攝氏-18度至-25度區間，本次的該溫度波形落在攝氏-20度至-30度區間，該人工智慧溫度偵測模型82就可以根據該溫度波形，評估下一次的該溫度波形可能會落在攝氏-22度至-35度區間，而做為該冷凍庫A的該預估溫度，或者，可以由該溫度波形的峰值評估，本發明不加以限制。

請參閱第三圖及第八圖，最後說明的是電源偵測，透過該電源偵測單元7取得該電源模組A2的該電源資料並傳送至該處理單元1，該處理單元1再比較對應種類的一歷史電源資料範圍與該電源資料。較佳地，該歷史電源資料範圍種類也包含電壓電流週期、電壓突波週期、電流變化及使用時間之一或其組合。

當該電源資料未落在該歷史電源資料範圍內時，該處理單元1控制該提示單元5發出一電源異常提示。

舉例來說，該歷史電源資料範圍的電流變化都在1.3安培至1.5安培之間，但該電源資料卻高達1.7安培，此時該處理單元1可以控制該提示單元5亮黃燈或是顯示電流異常等文字。

於實際實施時，該歷史電源資料範圍也可以是由該員工設定，本發明不加以限制。

同樣的，當有足夠的該電源資料後，該處理單元1可以傳送該電源資料至該人工智慧電源偵測模型83，而透過該人工智慧電源偵測模型83進行該電源模組A2一預估壽命的評估。例如，所述訓練電源資料的使用時間與該壽命資料都是10年至10.5年，該人工智慧電源偵測模型83就可以根據所述訓練電源資料與該壽命資料，評估現在已使用9年的該電源模組A2，可能的該預估壽命剩下一年半，以方便該員工盡早準備維修、更換該電源模組A2。

請參閱第十圖，係揭示本發明冷凍庫環境感知裝置的第二實施例，本實施例與第一實施例的不同之處在於：在第一實施例中，該影像擷取單元3的數量為一個[第一實施例請搭配第九圖]；而在本實施例中，該影像擷取單元3a的數量可以增加到三個。

於本實施例中，該貨架A4有三排平行配置，且中間的所述貨架A4長度較短。此時，可以將兩個該影像擷取單元3a分別設置在所述貨架A4之間的走道上，而該冷凍庫A之一出入口A3與中間的所述貨架A4之間，則設置第三個該影像擷取單元3a以減少視線死角。

請參閱第十一圖，係揭示本發明冷凍庫環境感知裝置的第三實施例，本實施例與第一實施例的不同之處在於：在第一實施例中，該影像擷取單元3的數量為一個[第一實施例請搭配第九圖]；而在本實施例中，該影像擷取單元3b的數量可以增加到五個。

於本實施例中，該貨架A4有五排平行配置，且中間三排的所述貨架A4長度較短。此時，可以將四個該影像擷取單元3b分別設置在所述貨架A4之間的走道上，而該出入口A3與正中間的該貨架A4之間，則設置第五個該影像擷取單元3b以減少視線死角。

復請參閱第九圖至第十一圖，並請搭配第三圖，根據該冷凍庫A中所述貨架A4的配置，可以選擇不同數量的該影像擷取單元3,3a,3b，即使受困的該員工縮在角落、被所述貨架A4擋住，也可以在該都卜勒收發單元2與該處理單元1發現該冷凍庫A內部的異常後，根據該影像擷取單元3,3a,3b所取得之更全面、無視線死角的該影像，而確實發現該員工，進而及時展開救援。

而藉由該人工智慧影像辨識模型81、該人工智慧溫度偵測模型82及該人工智慧電源偵測模型83，可以進一步執行智慧觸發，讓該員工透過該提示單元5隨時掌握該冷凍庫A的內部狀況，進而避免危險、適時檢修。

綜合上述實施例之說明，當可充分瞭解本發明之操作、使用及本發明產生之功效，惟以上所述實施例僅係為本發明之較佳實施例，當不能以此限定本發明實施之範圍，即依本發明申請專利範圍及發明說明內容所作簡單的等效變化與修飾，皆屬本發明涵蓋之範圍內。

1:處理單元 2:都卜勒收發單元 3,3a,3b:影像擷取單元 4:移動單元 5:提示單元 6:溫度偵測單元 7:電源偵測單元 8:深度學習系統 81:人工智慧影像辨識模型 82:人工智慧溫度偵測模型 83:人工智慧電源偵測模型 A:冷凍庫 A1:閘門 A2:電源模組 A3:出入口 A4:貨架

[第一圖]係本發明第一實施例之實施示意圖一，示意影像擷取單元在冷凍庫外部。

[第二圖]係本發明第一實施例之部分放大圖一，示意影像擷取單元在冷凍庫外部。

[第三圖]係本發明第一實施例之系統方塊圖。

[第四圖]係本發明第一實施例之流程方塊圖一，示意人體的識別。

[第五圖]係本發明第一實施例之實施示意圖二，示意影像擷取單元經由閘門伸入冷凍庫內部。

[第六圖]係本發明第一實施例之部分放大圖二，示意影像擷取單元經由閘門伸入冷凍庫內部。

[第七圖]係本發明第一實施例之流程方塊圖二，示意溫度偵測。

[第八圖]係本發明第一實施例之流程方塊圖三，示意電源偵測。

[第九圖]係本發明第一實施例於剖視狀態下之俯視圖，示意冷凍庫內部貨架的配置。

[第十圖]係本發明第二實施例於剖視狀態下之俯視圖，示意冷凍庫內部貨架的配置。

[第十一圖]係本發明第三實施例於剖視狀態下之俯視圖，示意冷凍庫內部貨架的配置。

2:都卜勒收發單元

3:影像擷取單元

4:移動單元

6:溫度偵測單元

A:冷凍庫

A1:閘門

A3:出入口

Claims (10)

1. 一種冷凍庫環境感知裝置，設置於一冷凍庫，該冷凍庫上有一閘門，該冷凍庫環境感知裝置包含： 一都卜勒收發單元，設置於該冷凍庫內，該都卜勒收發單元在該冷凍庫內部發出一測試波，並接收該測試波反射形成的一反射波； 一影像擷取單元，相鄰該冷凍庫且對應該閘門； 一移動單元，有一活動端結合於該影像擷取單元； 一人工智慧影像辨識模型，經過預先訓練；以及 一處理單元，訊號連接該都卜勒收發單元、該影像擷取單元、該移動單元及該閘門，該人工智慧影像辨識模型匯入或訊號連接該處理單元； 透過該都卜勒收發單元發出該測試波並接收該反射波，該處理單元再比對該測試波與該反射波； 當該測試波與該反射波比對不一致時，該處理單元控制該閘門開啟，並控制該移動單元的該活動端帶動該影像擷取單元自該閘門伸入該冷凍庫中，該處理單元進而控制該影像擷取單元取得該冷凍庫內部的一影像； 該處理單元自該影像擷取單元將該影像傳送至該人工智慧影像辨識模型，由該人工智慧影像辨識模型自該影像辨識出一人體。
2. 如請求項1所述之冷凍庫環境感知裝置，進一步，有一溫度偵測單元設置於該冷凍庫內並訊號連接該處理單元，以及有一提示單元訊號連接該處理單元，該溫度偵測單元接收該冷凍庫內之一溫度波形；透過該溫度偵測單元接收該溫度波形並傳送至該處理單元，該處理單元比對該溫度波形與一歷史溫度波形；當該溫度波形與該歷史溫度波形不一致，且該溫度波形的峰值與該歷史溫度波形的峰值差異大於一閾值時，該處理單元控制該提示單元發出一溫度異常提示；當該溫度波形與該歷史溫度波形不一致，但該溫度波形的峰值與該歷史溫度波形的峰值差異不大於該閾值時，該處理單元累積一異常次數；當該異常次數累積到一預設次數時，該處理單元控制該提示單元發出一溫度校準提示。
3. 如請求項2所述之冷凍庫環境感知裝置，進一步，有預先訓練的一人工智慧溫度偵測模型匯入或訊號連接該處理單元；當該溫度偵測單元取得該溫度波形後，該處理單元將該溫度波形傳送至該人工智慧溫度偵測模型，該人工智慧溫度偵測模型根據該溫度波形，評估該冷凍庫的一預估溫度。
4. 如請求項1所述之冷凍庫環境感知裝置，進一步，該冷凍庫有一電源模組，有一電源偵測單元電性連接該電源模組並訊號連接該處理單元，以及有一提示單元訊號連接該處理單元；透過該電源偵測單元取得該電源模組的一電源資料並傳送至該處理單元，該處理單元再比較對應種類的一歷史電源資料範圍及該電源資料，當該電源資料未落在該歷史電源資料範圍內時，該處理單元控制該提示單元發出一電源異常提示；該電源資料及該歷史電源資料範圍的種類包含電壓電流週期、電壓突波週期、電流變化及使用時間之一或其組合。
5. 如請求項4所述之冷凍庫環境感知裝置，進一步，有預先訓練的一人工智慧電源偵測模型訊號連接或匯入該處理單元；當該電源偵測單元取得該電源資料後，該處理單元將該電源資料傳送至該人工智慧電源偵測模型，該人工智慧電源偵測模型根據該電源資料，評估該電源模組的一預估壽命。
6. 如請求項1所述之冷凍庫環境感知裝置，其中，該處理單元係為單板電腦。
7. 一種冷凍庫環境感知方法，包含： 一都卜勒收發單元在一冷凍庫內部發出一測試波，並接收該測試波反射形成的一反射波； 一處理單元再比對該測試波與該反射波； 當該測試波與該反射波比對不一致時，該處理單元控制該冷凍庫之一閘門開啟，並控制一移動單元的一活動端帶動一影像擷取單元自該閘門伸入該冷凍庫中，該處理單元進而控制該影像擷取單元取得該冷凍庫內部的一影像； 該處理單元再將該影像傳送至一人工智慧影像辨識模型，由該人工智慧影像辨識模型自該影像辨識出一人體。
8. 如請求項7所述之冷凍庫環境感知方法，進一步，透過一溫度偵測單元接收該冷凍庫內之一溫度波形並傳送至該處理單元，該處理單元比對該溫度波形與一歷史溫度波形；當該溫度波形與該歷史溫度波形不一致，且該溫度波形的峰值與該歷史溫度波形的峰值差異大於一閾值時，該處理單元控制一提示單元發出一溫度異常提示；當該溫度波形與該歷史溫度波形不一致，但該溫度波形的峰值與該歷史溫度波形的峰值差異不大於該閾值時，該處理單元累積一異常次數；當該異常次數累積到一預設次數時，該處理單元控制該提示單元發出一溫度校準提示。
9. 如請求項7所述之冷凍庫環境感知方法，進一步，透過一電源偵測單元取得該冷凍庫之一電源模組的一電源資料並傳送至該處理單元，該處理單元再比較對應種類的一歷史電源資料範圍及該電源資料，當該電源資料未落在該歷史電源資料範圍內時，該處理單元控制一提示單元發出一電源異常提示；該電源資料及該歷史電源資料範圍的種類包含電壓電流週期、電壓突波週期、電流變化及使用時間之一或其組合。
10. 如請求項7所述之冷凍庫環境感知方法，其中，該處理單元係為單板電腦。

Images