一种基于红外图像分割的智能供热监测方法技术

本发明专利技术公开了一种基于红外图像分割的智能供热监测方法，属于智能供热监测技术领域，解决现有技术用户接受度低、设备成本高且难以管理和鲁棒性差的问题。本发明专利技术的方法包括：采集建筑热力图，选取用于预测室内温度的目标区域；利用标注后的建筑热力图对图像分割模型进行训练，获得基于深度学习的红外图像分割模型，利用基于深度学习的红外图像分割模型获取若干个目标区域热力图；采集目标区域热力图对应的室内温度；选取与室内温度最接近线性变化规律的温度数据为室外温度采集数据；建立室外温度采集数据和室内温度的温度拟合方程；根据室外温度采集数据和温度拟合方程，获取室内温度预测值。本发明专利技术适用于智能供热中对室内温度的监测。的监测。的监测。

【技术实现步骤摘要】
一种基于红外图像分割的智能供热监测方法


[0001]本申请涉及智能供热监测
，尤其涉及一种基于红外图像分割的智能供热监测方法。

技术介绍

[0002]目前国内提出的智慧供热系统都大同小异，智慧供热系统主要包括三大部分：感知控制、AI策略、管理分析。感知控制部分主要是对各个地点的监控，例如热源监控、热战监控、室温监控等。AI策略部分主要是进行供需预测、供热诊断等。而管理分析部分则是进行能耗分析的工作。在该系统中除了需要搭建本地数据中心外，还需要联合物联网云平台、大数据云平台、人工智能云平台来进行数据采集、控制指令下发等操作。
[0003]目前现有的基于物联网技术的智慧供热解决方案是在用户室内安装温度传感器，将采集的数据利用NB
‑
IoT等无线传输模块上传到供热公司的云服务器，经过数据预处理、模型训练、数据推理后将供热策略推送到用户端，用户可以利用温控APP、温控面板等自主进行温度调控。
[0004]但是这也会导致以下三个问题：
[0005]1.用户接受度不高。大部分用户比较注重个人隐私问题，难以接受上门安装温度传感器等室温采集装置，用户投诉率高；
[0006]2.设备成本高且难以管理。在每个用户家中都需要安装室温采集装置，大量设备需要专人维护和管理，人力成本高且管理效率低下；
[0007]3.可靠性低。基于NB
‑
IoT的无线传输技术抗干扰性差且不适用于室内传输，系统鲁棒性低。

技术实现思路

[0008]本专利技术目的是为了解决现有技术用户接受度低、设备成本高且难以管理和鲁棒性差的问题，提供了一种基于红外图像分割的智能供热监测方法。
[0009]本专利技术是通过以下技术方案实现的，本专利技术一方面，提供一种基于红外图像分割的智能供热监测方法，所述方法包括：
[0010]采集建筑热力图，选取用于预测室内温度的目标区域，对所述目标区域的边框进行标注；
[0011]选取图像分割模型，利用标注后的建筑热力图对所述图像分割模型进行训练，获得基于深度学习的红外图像分割模型，将建筑热力图输入所述基于深度学习的红外图像分割模型，获取若干个目标区域热力图，所述目标区域热力图的边界为所述目标区域的边框；
[0012]采集所述目标区域热力图对应的室内温度；
[0013]根据所述目标区域热力图，选取与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据；
[0014]建立所述室外温度采集数据和室内温度的温度拟合方程；
[0015]根据所述室外温度采集数据和所述温度拟合方程，获取室内温度预测值。
[0016]进一步地，所述根据所述目标区域热力图，选取与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据，具体包括：
[0017]设置预设个数，根据所述预设个数和所述目标区域热力图，选取候选温度采集数据；
[0018]分别对比所述室内温度和所述候选温度采集数据的线性变化规律，确定与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据。
[0019]进一步地，所述目标区域为窗户，所述目标区域的边框为所述窗户的边框。
[0020]进一步地，所述图像分割模型为SegNet图像分割模型。
[0021]进一步地，所述采集所述目标区域热力图对应的室内温度，具体包括：
[0022]选取所述目标区域热力图对应的室内；
[0023]采用温度测量设备对所述室内的温度进行采集；
[0024]将采集到的室内温度上传到云平台，并对上传到云平台的室内温度进行存储。
[0025]进一步地，所述建筑热力图利用无人机和热成像仪进行采集。
[0026]进一步地，设置预设个数为6，选取6个候选温度采集数据具体包括：窗户最高温度、窗户最低温度、窗户正中间温度、窗户平均温度、窗边框平均温度、窗全框平均温度。
[0027]第二方面，本专利技术提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序执行如上文所述的一种基于红外图像分割的智能供热监测方法。
[0028]第三方面，本专利技术提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存储计算机程序；处理器，用于执行存储器上所存放发计算机程序时，实现如上文所述的一种基于红外图像分割的智能供热监测方法。
[0029]本专利技术的有益效果：
[0030]1.本专利技术可以通过室外采集图像，无需上门安装温度传感器等室温采集装置，即可监测用户的室内温度，提高了用户的接受度；
[0031]2.只需利用能够拍摄热力图的设备，即可完成图像采集的工作，减少了设备成本和管理难度；
[0032]3.利用图像分割方法对采集到的热力图进行处理，并且室内温度预测值的误差维持在允许范围内，当允许误差范围在正负1.5℃时，综合推测准确率为75.86％，在误差允许范围在正负1℃时，综合推测准确率为67.24％，提高了方法的鲁棒性。
[0033]本专利技术适用于智能供热中对室内温度的监测。
附图说明
[0034]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为一种基于红外图像分割的智能供热监测方法的流程示意图；
[0036]图2为实施方式的利用图像分割模型分割出的窗户热力图；
[0037]图3
‑
图8为实施方式的室内温度分别与窗户最高温度、窗户最低温度、窗户正中间温度、窗户平均温度、窗边框平均温度和窗全框平均温度的变化曲线图；
[0038]图9为实施方式的窗全框平均温度和对应的室内温度的趋势曲线图和线性方程；
[0039]图10为实施方式的误差概率分布图。
具体实施方式
[0040]实施方式一、参见图1说明本实施方式。本实施方式所述的一种基于红外图像分割的智能供热监测方法包括：
[0041]步骤1、采集建筑热力图，选取用于预测室内温度的目标区域，对所述目标区域的边框进行标注；
[0042]利用无人机和热成像仪对建筑热力图进行采集，所述目标区域为窗户，所述目标区域的边框为所述窗户的边框。
[0043]利用标注软件对原始图片进行标注，也就是对对窗户的边框进行标注。
[0044]利用无人机和热成像相机进行图像分割数据集的收集拍摄，并且对拍摄到的数据进行前期的标注处理，转换为后期可以使用的训练集的形式，以方便训练之后的图像分割模型。
[0045]步骤2、选取图像分割模型，利用标注后的建筑热力图对所述图像分割模型进行训练，获得基于深度学习的红外图像分割模型，将建筑热力图输入所述基于深度学习的红外图像分割模型，获取若干个目标区域热力图，所述目标区域热力图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于红外图像分割的智能供热监测方法，其特征在于，所述方法包括：采集建筑热力图，选取用于预测室内温度的目标区域，对所述目标区域的边框进行标注；选取图像分割模型，利用标注后的建筑热力图对所述图像分割模型进行训练，获得基于深度学习的红外图像分割模型，将建筑热力图输入所述基于深度学习的红外图像分割模型，获取若干个目标区域热力图，所述目标区域热力图的边界为所述目标区域的边框；采集所述目标区域热力图对应的室内温度；根据所述目标区域热力图，选取与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据；建立所述室外温度采集数据和室内温度的温度拟合方程；根据所述室外温度采集数据和所述温度拟合方程，获取室内温度预测值。2.根据权利要求1所述的一种基于红外图像分割的智能供热监测方法，其特征在于，所述根据所述目标区域热力图，选取与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据，具体包括：设置预设个数，根据所述预设个数和所述目标区域热力图，选取候选温度采集数据；分别对比所述室内温度和所述候选温度采集数据的线性变化规律，确定与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据。3.根据权利要求2所述的一种基于红外图像分割的智能供热监测方法，其特征在于，所述目标区域为窗户，所述目标区域的边框为所述窗户的边框。4.根据权利要求1所述的一种基于红外图像分割的智能供热监测方法，其特征在于，所述...

【专利技术属性】
技术研发人员：于彤，刘劼，李峰，
申请(专利权)人：哈尔滨工业大学人工智能研究院有限公司，
类型：发明
国别省市：