一种基于深度学习的智能雨棚系统及其控制方法技术方案

本发明专利技术是一种基于深度学习的智能雨棚系统，至少包括雨棚执行装置、云端服务器以及移动终端，其中，所述雨棚执行装置以无线方式接入云端服务器，用于采集当前环境参量并发送给云端服务器；所述云端服务器设置控制模型，所述控制模型采用深度学习模型，用于根据当前环境参量输出控制指令以使所述雨棚执行装置执行相应操作；所述移动终端远程接入云端服务器以获取所述雨棚执行装置的当前工作状态或者远程控制所述雨棚执行装置。

【技术实现步骤摘要】
一种基于深度学习的智能雨棚系统及其控制方法
本专利技术涉及通信技术和计算机
，尤其涉及一种基于深度学习的智能雨棚系统及其控制方法。
技术介绍
目前，室内晾衣太占用空间，而室外晾衣存在因天气变化导致的雨水打湿等造成财产损失或者其他负面影响的问题。例如在一些情况下，天气阴晴不定，阳光明媚的天气时晾晒衣服，也会遇到突发下雨的情况，这时候人在外出就会出现来不及收取衣服的情况。传统的智能雨棚仅通过单一传感器获取环境参数来实现自动控制，导致控制准确度不高，一旦遇到天气复杂的情况，就不具备良好的实用性。随着互联网络科技的迅速发展，物联网技术在越来越多方面服务于人们，为人们节省了人力物力。在物联网架构下智能雨棚正是用于解决上述技术问题。同时，智能雨棚也可作为智能家居系统中的重要组成部分，应用在学校，私人或者公众场所。
技术实现思路
本专利技术的目的是提出一种基于深度学习的智能雨棚系统及其控制方法，通过在云端服务器上设置控制模型，从而能够根据当前采集的参数高准确度识别当前天气情况，并自动选择适合当前天气的雨棚控制模式。为了解决现有技术存在的技术问题，本专利技术的技术方案如下：一种基于深度学习的智能雨棚系统，至少包括雨棚执行装置、云端服务器以及移动终端，其中，所述雨棚执行装置以无线方式接入云端服务器，用于采集当前环境参量并发送给云端服务器；所述云端服务器设置控制模型，所述控制模型采用深度学习模型，用于根据当前环境参量输出控制指令以使所述雨棚执行装置执行相应操作；所述移动终端远程接入云端服务器以获取所述雨棚执行装置的当前工作状态或者远程控制所述雨棚执行装置；所述雨棚执行装置进一步包括雨棚主体(1)，该雨棚主体(1)上设置伸缩晾衣架(7)；设置在晾衣架(7)一侧的电机(2)，以及用于控制电机(2)的控制单元(3)；控制单元(3)进一步包括与电机(2)连接的电机控制器(4)、单片机(5)、雨水感应器(6)、WIFI模块(8)、温湿度传感器(9)、光强传感器(10)和摄像头(11)；所述深度学习模型，利用系统的雨水感应器(6)、温湿度传感器(9)、光强传感器(10)和摄像头(11)采集到的信息以获取能反映天气状况的参量并制作样本集，以此为基础训练深度学习模型参数；通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型并以此输出控制指令。作为优选的技术方案，所述手机终端设置与控制系统配套的APP程序，该APP程序包含控制电机正反转的指令、显示当前雨棚状态(伸展/收起)以及接收并显示温湿度与光强的指令。作为优选的技术方案，所述电机控制器采用TB6600电机控制器。作为优选的技术方案，所述单片机采用STM32单片机。作为优选的技术方案，所述WIFI模块采用ESP8266WIFI模块。作为优选的技术方案，所述温湿度传感器采用DHT11温湿度传感器；所述光强传感器采用TSL2561光强传感器。为了解决现有技术存在的技术问题，本专利技术提出一种基于深度学习的智能雨棚系统的控制方法，包括以下步骤：步骤S1：雨棚执行装置获取当前环境参量并发送给云端服务器；步骤S2：云端服务器将当前环境参量输入设置在其内的控制模型并输出控制指令，其中，所述控制模型采用深度学习模型；步骤S3：雨棚执行装置接收控制指令并执行相应操作；其中，所述深度学习模型通过以下步骤实现：步骤S21：训练样本信息获取：利用系统的雨水感应器(6)、温湿度传感器(9)、光强传感器(10)和摄像头(11)采集到的信息获取能反映天气状况的参量并制作样本集，样本集中所包含的样本数量不少于1000条；利用训练样本集对深度学习模型进行大量的训练从而能够准确输出当前天气的状况参数；步骤S22：使用采集到的样本训练深度学习模型：将所有训练样本提取的参数作为深度学习模型的输入，对深度学习模型进行训练；步骤S23：实时采集环境参数，采用TCP/IP协议将数据通过WIFI网络发送至远程服务器中；步骤S24：通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型；步骤S25：根据判断出的天气类型，服务器通过无线网络发送控制指令至雨棚执行装置。作为优选的技术方案，还包括以下步骤：云端服务器将雨棚执行装置的工作状态信息通过无线网络发送到手机终端或者接收手机终端发送的控制命令并以此控制雨棚执行装置的工作状态。作为优选的技术方案，手机终端设置与控制系统配套的APP程序，该APP程序包含控制电机正反转的指令、显示当前雨棚状态(伸展/收起)以及接收并显示温湿度与光强的指令。作为优选的技术方案，深度学习模型采用现有的成熟的深度学习模型的AlexNet/ResNet/GoogleNet中任一种。与现有技术相比，本专利技术具有如下有益效果：由于在云端服务器上设置控制模型，从而能够根据当前采集的参数高准确度识别当前天气情况，并自动选择适合当前天气的雨棚控制模式；完美解决用户晾晒物品在阴晴不定的天气下因雨水的原因造成的财产损坏的问题，让用户出门在外的每时每刻都不必再因担心天气原因损坏自己的财物，同时具有伸缩功能的晾衣架可以节省室内空间。附图说明图1为本专利技术基于深度学习的智能雨棚系统的结构示意图。图2为本专利技术基于深度学习的智能雨棚系统控制方法的流程图。图3为本专利技术中深度学习模型的流程框图。图4为本专利技术智能雨棚系统各个功能模块逻辑图。图5位本专利技术中深度学习网络的结构图。如下具体实施将结合上述附图进一步说明本专利技术。具体实施方式：参见图1和4，所示为本专利技术一种基于深度学习的智能雨棚系统的结构示意图，至少包括雨棚执行装置、云端服务器以及移动终端，其中，所述雨棚执行装置以无线方式接入云端服务器，用于采集当前环境参量并发送给云端服务器；所述云端服务器设置控制模型，所述控制模型采用深度学习模型，用于根据当前环境参量输出控制指令以使所述雨棚执行装置执行相应操作；所述移动终端远程接入云端服务器以获取所述雨棚执行装置的当前工作状态或者远程控制所述雨棚执行装置；进一步的，所述雨棚执行装置进一步包括雨棚主体(1)，该雨棚主体(1)上设置伸缩晾衣架(7)；设置在晾衣架(7)一侧的电机(2)，以及用于控制电机(2)的控制单元(3)；控制单元(3)进一步包括与电机(2)连接的电机控制器(4)、单片机(5)、雨水感应器(6)、WIFI模块(8)、温湿度传感器(9)、光强传感器(10)和摄像头(11)；其中，深度学习模型，利用系统的雨水感应器(6)、温湿度传感器(9)、光强传感器(10)和摄像头(11)采集到的信息以获取能反映天气状况的参量并制作样本集，以此为基础训练深度学习模型参数；通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型并以此输出控制指令。在一种优选实施方式中，根据本专利技术的需要将天气分为3种类型：优良天气(晴朗、多云天气)，阴沉天气(小雨等天气)，恶劣天气(狂风暴雨等天气)，进一步的，将雨棚工作状态分为3种类型：为了使在良好天气下晾晒衣服能充分受到光照的状态——雨棚收缩，晾衣架伸展；为了在阴雨天气下保证衣物不被雨水打湿的状态——雨棚伸展，晾衣架伸展；为了在大风大雨的恶劣天气下进一步保证衣物不被打湿的状态——雨棚伸展，晾衣架收缩。3种天气类型分别对应3种不同的雨棚系统使用状态：优良天气——雨棚收缩，晾衣架伸展；阴沉天气——本文档来自技高网...

【技术保护点】
1.一种基于深度学习的智能雨棚系统，其特征在于，至少包括雨棚执行装置、云端服务器以及移动终端，其中，所述雨棚执行装置以无线方式接入云端服务器，用于采集当前环境参量并发送给云端服务器；所述云端服务器设置控制模型，所述控制模型采用深度学习模型，用于根据当前环境参量输出控制指令以使所述雨棚执行装置执行相应操作；所述移动终端远程接入云端服务器以获取所述雨棚执行装置的当前工作状态或者远程控制所述雨棚执行装置；所述雨棚执行装置进一步包括雨棚主体(1)，该雨棚主体(1)上设置伸缩晾衣架(7)；设置在晾衣架(7)一侧的电机(2)，以及用于控制电机(2)的控制单元(3)；控制单元(3)进一步包括与电机(2)连接的电机控制器(4)、单片机(5)、雨水感应器(6)、WIFI模块(8)、温湿度传感器(9)、光强传感器(10)和摄像头(11)；所述深度学习模型，利用雨棚执行装置采集到的信息以获取能反映天气状况的参量并制作样本集，以此为基础训练深度学习模型参数；通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型并以此输出控制指令。

【技术特征摘要】
1.一种基于深度学习的智能雨棚系统，其特征在于，至少包括雨棚执行装置、云端服务器以及移动终端，其中，所述雨棚执行装置以无线方式接入云端服务器，用于采集当前环境参量并发送给云端服务器；所述云端服务器设置控制模型，所述控制模型采用深度学习模型，用于根据当前环境参量输出控制指令以使所述雨棚执行装置执行相应操作；所述移动终端远程接入云端服务器以获取所述雨棚执行装置的当前工作状态或者远程控制所述雨棚执行装置；所述雨棚执行装置进一步包括雨棚主体(1)，该雨棚主体(1)上设置伸缩晾衣架(7)；设置在晾衣架(7)一侧的电机(2)，以及用于控制电机(2)的控制单元(3)；控制单元(3)进一步包括与电机(2)连接的电机控制器(4)、单片机(5)、雨水感应器(6)、WIFI模块(8)、温湿度传感器(9)、光强传感器(10)和摄像头(11)；所述深度学习模型，利用雨棚执行装置采集到的信息以获取能反映天气状况的参量并制作样本集，以此为基础训练深度学习模型参数；通过训练好的深度学习模型来判断当前输入的信息参数所对应的天气类型并以此输出控制指令。2.根据权利要求1所述的基于深度学习的智能雨棚系统，其特征在于，所述手机终端设置与控制系统配套的APP程序，该APP程序包含控制电机正反转的指令、显示当前雨棚状态(伸展/收起)以及接收并显示温湿度与光强的指令。3.根据权利要求1或2所述的基于深度学习的智能雨棚系统，其特征在于，所述电机控制器采用TB6600电机控制器。4.根据权利要求1或2所述的基于深度学习的智能雨棚系统，其特征在于，所述单片机采用STM32单片机。5.根据权利要求1或2所述的基于深度学习的智能雨棚系统，其特征在于，所述WIFI模块采用ESP8266WIFI模块。6.根据权利要求1或2所述的基于深度学习的智能雨棚系统，其特征在于，所述温湿度传感器采用DHT...

【专利技术属性】
技术研发人员：吴端坡，段文昊，丁颖铖，邢懿鹏，费丹丽，张鹤，许刘蓉，吴端榆，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33