基于深度学习的采暖控制方法技术

本发明专利技术公开了一种基于深度学习的采暖控制方法，属于采暖技术领域，包括：S1：通过摄像装置实时采集地板辐射采暖区域影像数据；S2：通过基于深度学习的图像语义分割模型对摄像装置采集的影像数据进行处理，识别采暖遮挡物位置、面积、遮挡程度和变动情况信息；S3：供暖管道控制系统通过决策算法模型利用基于深度学习的图像语义分割模型识别出的采暖遮挡物位置、面积、遮挡程度和变动情况信息计算需要减少或停止供暖的区域，做出相应的供暖决策，控制供暖管道系统动作，减少或断开采暖遮挡物对应位置的供暖；S4：保持当前供暖决策，并定期循环执行上述步骤，更新供暖决策。

【技术实现步骤摘要】
基于深度学习的采暖控制方法
本专利技术属于采暖
，具体涉及一种基于深度学习的采暖控制方法。
技术介绍
地暖是地板辐射采暖的简称，英文为RadiantFloorHeating，是以整个地面为散热器，通过地板辐射层中的热媒，均匀加热整个地面，通过地面以辐射和对流的传热方式向室内供热，达到舒适采暖目的。按不同传热介质分为水地暖和电地暖两类，水地暖是以温度不高于60℃的热水为热媒，在埋置于地面以下填充层中的加热管内循环流动，加热整个地板，通过地面以辐射和对流的热传递方式向室内供热的一种供暖方式。由于目前市场上大规模应用的地暖均通过辐射和对流的热传递方式加热室内所有区域，并未对有效、低效和无效采暖区域进行区分，所以导致每年供暖期间浪费巨量的资源。在建筑物内部中，被遮挡采暖区域和有效采暖区域的形态样式是千变万化，规律性较低的。如果使用原始机器学习的人工设计图像特征的方法，必须针对不同类型的遮挡物来设计不同的特征。例如，在设计室内桌椅等半遮挡类型的遮挡物检测方法，一定不适用箱柜等全遮挡类型的的遮挡物；设计以人体活动较为密集的场所为背景的遮挡物检测方法也不一定适用以货运仓储为主的场所为背景的遮挡物检测。在这种复杂多变的应用场景下，传统机器学习的方法力不从心，构建成本高昂。
技术实现思路
为解决现有技术中存在的不足，本专利技术提供一种基于深度学习的采暖控制方法，根据实际环境判断建筑内有效供暖的位置情况，有针对性的进行供暖资源配给，在确保供暖效果不变的前提下，减少实际供暖能源损耗，降低供暖成本。本专利技术为解决其技术问题所采用的技术方案是：一种基于深度学习的采暖控制方法，包括：S1：通过摄像装置实时采集地板辐射采暖区域影像数据；S2：通过基于深度学习的图像语义分割模型对摄像装置采集的影像数据进行处理，识别采暖遮挡物位置、面积、遮挡程度和变动情况信息；S3：供暖管道控制系统通过决策算法模型利用基于深度学习的图像语义分割模型识别出的采暖遮挡物位置、面积、遮挡程度和变动情况信息计算需要减少或停止供暖的区域，做出相应的供暖决策，控制供暖管道系统动作，减少或断开采暖遮挡物对应位置的供暖；S4：保持当前供暖决策，并定期循环执行上述步骤，更新供暖决策。进一步的，所述采暖遮挡物根据基于深度学习的图像语义分割模型处理的遮挡程度分为全遮挡、半遮挡、无遮挡。进一步的，所述识别采暖遮挡物位置、大小、遮挡程度和变动情况信息，包括：对摄像装置采集到的影像切帧，进行图像提取，将提取到的图像分割成若干子图像，将子图像送入卷积神经网络，对子图像进行语义分割，判断子图像中是否有采暖遮挡物，如果有，识别采暖遮挡物对应的遮挡程度，最后根据判断结果，将识别出的采暖遮挡物按标签类型相应地列入全遮挡物信息统计、半遮挡物信息统计；完成所有子图像判断后，合并识别结果得到识别区域完整采暖遮挡物信息。进一步的，所述图像提取，包括：读入摄像装置原始影像视频流，创建存放固定帧图像的对应目录，获取影像视频帧率，读取视频帧，每隔固定帧进行存储操作。进一步的，所述将提取到的图像分割成若干子图像包括：读取存储中的固定帧图像，计算原始图像大小，分割并提取固定像素大小的区域，进行存储操作，直至原始图像被提取完全，完成图像分割。进一步的，所述供暖管道系统，包括两层供热管线，其中一层供热管线横向设置，另一层供热管线纵向设置，两层供热管线上下放置，共同覆盖供热区域；每层供热管线均由多根依次间隔设置的单个供热管道组成，每层供热管线的每根单个供热管道均由电控阀门控制通断，电控阀门与热源连接；横、纵两层供热管线的交汇处设为供暖节点，供暖节点对应供热管道跟随对应的网络节点处控制信号进行通断动作。进一步的，对每个供暖节点进行编号，供暖管道控制系统对供暖节点的控制包括如下步骤：供暖管道控制系统通过决策算法模型获取采暖遮挡物位置信息、遮挡程度信息，对获取到的上述信息进行处理计算，最终转换成采暖遮挡物实际位置坐标、遮挡范围大小及遮挡程度参数信息，定位采暖遮挡物位置所在的供暖节点号，根据上述参数信息，供暖管道控制系统向对应采暖遮挡物位置涉及的供暖节点对应供热管道电控阀门发出控制信号，进而控制供暖管道系统的具体供暖位置和供暖量；判断采暖遮挡物是否为全遮挡，判断为全遮挡时，关停对应位置网络节点，进而关停供暖节点号对应的两条单个管道电控阀门；判断为非全遮挡时，计算供暖节点号对应的两条单个管道遮挡物权重，判断两条单个管道遮挡物权重是否相同；若相同，关停所属层管道关停数较少的单个管道，若所属层管道关停数相等，则随机关停其中一根单个管道；若两条单个管道遮挡物权重不相等，关停其中遮挡物权重更大的一根单个管道；判断为无遮挡时，对应位置网络节点正常供暖，各网络节点对应的两根供暖管道电控阀门保持常开状态。进一步的，所述遮挡物权重Y按照如下公式计算：其中X代表同一管道途经采暖遮挡物的个数，A代表沿途所有采暖遮挡物遮挡程度的总和，其中全遮挡每个计0.5，半遮挡每个计0.2。本专利技术有益效果：根据实际环境判断建筑物内的地面采暖遮挡物的位置、大小和遮挡程度，并以此为依据控制配套采暖系统进而控制供暖区域和流量，有针对性的进行供暖资源配给，实现了一种新的高效节能供暖方式，在确保供暖效果不变的前提下，减少实际供暖能源损耗，降低供暖成本，提高供暖经济效益。附图说明图1是本专利技术采暖遮挡物识别检测流程图；图2是本专利技术图像提取流程图；图3是本专利技术子图像分割流程图；图4是本专利技术全遮挡程度示意图；图5是本专利技术半遮挡程度示意图；图6是本专利技术无遮挡程度示意图；图7是本专利技术图像语义分割模型设计原理图；图8是本专利技术供暖管道控制系统决策算法设计原理图；图9是本专利技术供暖管道系统结构图；图10是本专利技术供热管道关停说明对照图。具体实施方式为了使本专利技术的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本专利技术进行详细描述。实施例1一种基于深度学习的采暖控制方法，主要运用在大型办公场所，须架设大量家具和办公装饰，产生大量无法有效采暖区的场景。本专利技术旨在判断最优的供暖方案并实施。整体技术方案为：在建筑内部署或利用现有摄像装置，采集建筑内家具等地面采暖遮挡物位置图像信息，使用基于深度学习的图像语义分割模型分析图像，判断遮挡物位置和遮挡程度，控制系统根据基于深度学习的图像语义分割模型的分析结果控制供暖管道流量和通断。具体为：一、基于深度学习的图像语义分割模型：识别建筑物内地面采暖遮挡物的位置、大小和遮挡程度。建筑物内部语义分割的主要类型是被遮挡采暖区域和有效采暖区域，其中被遮挡采暖区域又分为半遮挡和全遮挡区域，根据遮挡物的实际状态，如遮挡区域半开放等实际情况综合判断其热循环效率，进行更加细化的分类。1、建筑物内采暖遮挡物检测方法：深度学习不需要人为设计图片特征，只需要搭建相适应的神经网路，收集足量的本文档来自技高网...

【技术保护点】
1.一种基于深度学习的采暖控制方法，其特征在于，包括：/nS1：通过摄像装置实时采集地板辐射采暖区域影像数据；/nS2：通过基于深度学习的图像语义分割模型对摄像装置采集的影像数据进行处理，识别采暖遮挡物位置、面积、遮挡程度和变动情况信息；/nS3：供暖管道控制系统通过决策算法模型利用基于深度学习的图像语义分割模型识别出的采暖遮挡物位置、面积、遮挡程度和变动情况信息计算需要减少或停止供暖的区域，做出相应的供暖决策，控制供暖管道系统动作，减少或断开采暖遮挡物对应位置的供暖；/nS4：保持当前供暖决策，并定期循环执行上述步骤，更新供暖决策。/n

【技术特征摘要】
1.一种基于深度学习的采暖控制方法，其特征在于，包括：
S1：通过摄像装置实时采集地板辐射采暖区域影像数据；
S2：通过基于深度学习的图像语义分割模型对摄像装置采集的影像数据进行处理，识别采暖遮挡物位置、面积、遮挡程度和变动情况信息；
S3：供暖管道控制系统通过决策算法模型利用基于深度学习的图像语义分割模型识别出的采暖遮挡物位置、面积、遮挡程度和变动情况信息计算需要减少或停止供暖的区域，做出相应的供暖决策，控制供暖管道系统动作，减少或断开采暖遮挡物对应位置的供暖；
S4：保持当前供暖决策，并定期循环执行上述步骤，更新供暖决策。


2.根据权利要求1所述的基于深度学习的采暖控制方法，其特征在于，所述采暖遮挡物根据基于深度学习的图像语义分割模型处理的遮挡程度分为全遮挡、半遮挡、无遮挡。


3.根据权利要求2所述的基于深度学习的采暖控制方法，其特征在于，所述识别采暖遮挡物位置、大小、遮挡程度和变动情况信息，包括：对摄像装置采集到的影像切帧，进行图像提取，将提取到的图像分割成若干子图像，将子图像送入卷积神经网络，对子图像进行语义分割，判断子图像中是否有采暖遮挡物，如果有，识别采暖遮挡物对应的遮挡程度，最后根据判断结果，将识别出的采暖遮挡物按标签类型相应地列入全遮挡物信息统计、半遮挡物信息统计；完成所有子图像判断后，合并识别结果得到识别区域完整采暖遮挡物信息。


4.根据权利要求3所述的基于深度学习的采暖控制方法，其特征在于，所述图像提取，包括：读入摄像装置原始影像视频流，创建存放固定帧图像的对应目录，获取影像视频帧率，读取视频帧，每隔固定帧进行存储操作。


5.根据权利要求4所述的基于深度学习的采暖控制方法，其特征在于，所述将提取到的图像分割成若干子图像包括：读取存储中的固定帧图像，计算原始图像大小，分割并提取固定像素大小的区域，进行存储操作，直至原始图像被提取完全，完成图像分割。

【专利技术属性】
技术研发人员：李永鑫，张秀峰，刘俊杰，郭盛瑾，张宁，吕赫，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：辽宁;21