一种基于深度学习的空调智能导风系统及其动态导风方法
技术领域
本发明属于智能家电技术领域，具体涉及一种基于深度学习的空调智能导风系统及其动态导风方法。
背景技术
到2019年7月，我国空调占有量已达34％，在空调产业如此成熟的当下，势必需要一种创新形式来助力节能。空调节能的创新将有助于推动空调行业的进一步发展，也有助于改善全国的电力供应不足的情况。现有技术中缺乏根据空间中人员位置以及空间中温度分布情况动态调节出风方向的空调设备。
发明内容
本发明的目的在于提供一种基于深度学习原理的空调智能导风系统。
本发明一种基于深度学习的空调智能导风系统，包括图像传感器、风向调节模块和红外遥控模块。风向调节模块安装在空调的出风口。图像传感器安装在空调的侧部，采集空调送风范围内的图像数据。红外遥控模块连接到控制器，用于在控制器发出的指令控制下，控制空调的风速和出风温度。所述的风向调节模块包括m块导风板和和m个舵机，m≥2。m块导风板由下至上依次间隔排列在空调的出风口处。m块导风板由m个舵机驱动，各自进行独立翻转。m个舵机的控制线连接到控制器上。
作为优选，本发明一种基于深度学习的空调智能导风系统还包括温度传感器网络。所述的温度传感器网络包括设置在室内不同位置的多个温度检测传输单元；各温度检测传输单元能够获取室内不同位置的温度变化情况。温度检测传输单元包括温度传感器、无线传输模块和电源模块。电源模块为温度传感器和无线传输模块供电。温度传感器与无线传输模块连接；无线传输模块按照预设的时间周期将温度传感器检测到的温度存入自己的数据类中后带上自己的标识ID号无线传输给控制器。
作为优选，本发明一种基于深度学习的空调智能导风系统还包括显示模块。所述的显示模块连接到控制器，用于显示空调的工作参数。
作为优选，所述的控制器与移动端设备的应用软件通过通信模块进行无线连接。
作为优选，各导风板的内侧边缘与空调出风口处构成公共轴线水平的转动副。m个舵机均固定在空调机身上，且输出轴轴与m块导风板分别固定。
该基于深度学习的空调智能导风系统的动态导风方法具体如下：
步骤一、用户选择执行人员均衡模式或温度均衡模式。若选择人员均衡模式，则执行步骤二；若选择执行温度均衡模式，则执行步骤三。
步骤二、按照人员均衡模式进行风向调整。
2-1.摄像头拍摄空调送风范围内的图片；控制器使用目标检测神经网络对图片中的人员位置进行识别，输出结果为包含多个坐标信息的数组，得到n个人员的位置坐标。
2-2.将空调送风范围内的n个人员分为m个区域，使得m个区域包括所有人员，以m个区域的几何中心位置分别作为m个送风目标位置。
2-3.根据m个送风目标位置的坐标，分别获取m个送风目标位置到空调出风口的水平距离xi和竖直距离hi；计算目标角度
步骤三、按照温度均衡模式进行风向调整。
3-1.通过温度传感器网络获取，空调送风范围内的温度最高的m个目标区域；每个目标区域均为一个圆形范围；目标区域的面积预先设定；任意两个目标区域均不相交。以m个目标区域的几何中心位置分别作为m个送风目标位置。
3-2.根据m个送风目标位置的坐标，分别获取m个送风目标位置到空调出风口的水平距离xi和竖直距离hi；计算目标角度
作为优选，步骤2-2和3-2中，m块导风板由上至下目标角度依次减小，避免不同导风板吹出的冷风相互干渉。
作为优选，步骤2-2中，使用空间聚类方法进行m个目标区域的划分，使得m个区域面积之和最小。
本发明具有的有益效果是：
本发明根据空间中人员的分布位置以及空间的温度分布情况动态调节，能够实现空调冷风的高效利用，从而在保障人体舒适前提下的降低耗电量，并减小空调压缩机的损耗，有巨大的节能减排效益。
附图说明
图1是本发明的系统框图；
图2是本发明步骤四中确定导风板角度的示意图。
具体实施方式
以下结合附图对本发明作进一步说明。
如图1所示，一种基于深度学习的空调智能导风系统，包括图像传感器1、温度传感器网络2、控制器3、风向调节模块4、通信模块5、红外遥控模块6和显示模块7。风向调节模块4安装在空调的出风口，用于调节空调的出风方向。图像传感器1安装在空调的侧部，能够采集空调送风范围内的图像数据。
控制器3与移动端设备的应用软件通过通信模块5进行无线连接。红外遥控模块6连接到控制器3，用于在控制器3发出的指令控制下，控制空调的风速和出风温度。显示模块7连接到控制器3，用于显示空调的工作参数(包括温度、风速、模式等信息)。
风向调节模块4包括m块导风板和和m个舵机，m＝4。m块导风板由下至上依次间隔排列在空调的出风口处。各导风板的内侧边缘与空调出风口处构成公共轴线水平的转动副。m个舵机均固定在空调机身上，且输出轴轴与m块导风板分别固定。m个舵机能够驱动m块导风板各自独立翻转，实现对各导风板的导风方向进行独立控制。m个舵机的控制线连接到控制器3上，由控制器3控制空调的出风方向。
温度传感器网络2包括设置在室内不同位置的多个温度检测传输单元；各温度检测传输单元能够获取室内不同位置的温度变化情况。温度检测传输单元包括温度传感器、无线传输模块和电源模块。电源模块为温度传感器和无线传输模块供电。温度传感器与无线传输模块连接；无线传输模块按照预设的时间周期将温度传感器检测到的温度存入自己的数据类中后带上自己的标识ID号无线传输给控制器3(传输时经过通信模块5)；控制器3在获取来自到不同标识的温度数据后，将其更新到温度数组T中，记T＝{t1,t2,t3,t4,t5,t6……ti},ti表示空间某块区域内的温度数据；控制器3再根据各温度检测传输单元传输来的温度数据以及空间内的人员分布情况来干预空调控制系统。
图像传感器1的型号为OV2640；图像传感器1中的摄像头采用200万像素60°视角的M12镜头。图像传感器1与控制器3内的视觉识别系统通过DVP24pin接口连接；视觉识别系统用于通过目标检测神经网络对采集到的图像中的人员进行识别和框选。
控制器3内的分区判别模块对空调送风范围进行网格分区，并根据不同网格中的人员位置和数量，进而智能调控送风量和送风方向。
该基于深度学习的空调智能导风系统的动态导风方法具体如下：
步骤一、图像传感器1拍摄空调送风范围内的图像并且传输到控制器3的内存中。所得图像为分辨率224×224的RGB三通道图片。
步骤二、用户选择执行人员均衡模式或温度均衡模式。若选择人员均衡模式，则执行步骤三；若选择执行温度均衡模式，则执行步骤四；
步骤三、按照人员均衡模式进行风向调整。
3-1.目标检测神经网络对拍摄到的图片中的人员位置进行识别，输出结果为包含多个坐标信息的数组；该坐标信息即为框出人体的预测框的坐标，得到n个人员的位置坐标。需要注意的是此神经网络模型转码后为二进制格式。之后将包含有所有矩形框坐标信息的数组传递给下一级的控制程序，进行聚类操作、舵机控制等任务。
3-2.通过空间聚类将空调送风范围内的n个人员分为m个区域，使得m个区域包括所有人，且m个区域面积之和尽可能小。以m个区域的几何中心位置分别作为m个送风目标位置。
3-3.如图2所示，根据m个送风目标位置的坐标，分别获取m个送风目标位置到空调出风口的水平距离xi和竖直距离hi；计算目标角度
步骤四、按照温度均衡模式进行风向调整。
4-1.通过温度传感器网络获取，空调送风范围内的温度最高的m个目标区域；每个目标区域均为一个圆形范围；目标区域的面积预先设定；任意两个目标区域均不相交。以m个目标区域的几何中心位置分别作为m个送风目标位置。
4-2.如图2所示，根据m个送风目标位置的坐标，分别获取m个送风目标位置到空调出风口的水平距离xi和竖直距离hi；计算目标角度
