基于大数据的智慧园区空气质量检测方法及检测终端技术

本发明专利技术公开了一种基于大数据的智慧园区空气质量检测方法及检测终端，方法包括构建以图片为输出以空气质量官方数据为输出的神经网络模型；获取智慧园区范围内的实时图片；对实时图片进行预处理，获得实时图片对应的实时纯色图片；将实时纯色图片输入至神经网络模型；神经网络模型进行结果输出，获得实时的空气质量检测数据；本发明专利技术通过智慧园区内已经安装的监控摄像头作为数据来源，无需安装额外的传感器设备，可以降低成本，且由于智慧园区内通常已经安装了大量的监控摄像头，因此可以实现对整个园区的全面覆盖，而不是局限于特定的传感器位置；并构建的神经网络模型对实时图片进行预测，可以随时获得空气质量检测数据

【技术实现步骤摘要】
基于大数据的智慧园区空气质量检测方法及检测终端


[0001]本专利技术涉及智慧园区
，具体涉及一种基于大数据的智慧园区空气质量检测方法及检测终端
。

技术介绍

[0002]一般园区通常包含了大量的办公空间
、
生产区域
、
公共区域等，且员工常常需要长时间停留在这些区域，因此空气质量直接影响着园区内员工的健康和生活质量
。
[0003]随着城市化的加速，空气质量变化越来越快，因此对空气质量的实时监测和分析需求日益增加
。
目前，官方公布的空气质量数据公布频率较低，一般是一个小时或者4个小时，这在很多情况下无法满足实时监控的需求
。
[0004]现有的空气质量监测方法通常包括一系列固定的
、
定期校准的传感器分布在各地
。
这些传感器会收集数据并通过有线或无线网络发送到中央数据库
。
然而，这些系统存在一些问题：
1.
需要额外布设传感器，传感器设备本体和设备维护维护r/>、
网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据的智慧园区空气质量检测方法，其特征在于，包括：构建以图片为输出以空气质量官方数据为输出的神经网络模型；获取智慧园区范围内的实时图片，实时图片通过安装在智慧园区范围内的监控摄像头获得；对实时图片进行预处理，获得实时图片对应的实时纯色图片；将实时纯色图片输入至神经网络模型；神经网络模型进行结果输出，获得实时的空气质量检测数据
。2.
根据权利要求1所述的一种基于大数据的智慧园区空气质量检测方法，其特征在于，对固定拍摄方位的实时图片进行预处理的方法包括：将实时图片分割为多个相同尺寸的实时子图，并从多个实时子图中随机挑选个实时子图进行预处理获取原始子图的
HSV
值，；通过
K
均值聚类算法获取中心类，然后将各像素对应的
HSV
值放置至所属类别；确定各类中的像素个数，并获得各个中心类中数量最多的颜色，并获取对应的值
、
值和值；遍历个实时子图，并计算个值的平均值，个值的平均值
,
个值的平均值；将实时图片替换为的实时纯色图片
。3.
根据权利要求2所述的一种基于大数据的智慧园区空气质量检测方法，其特征在于，对实时子图进行预处理的方法包括：对实时子图进行像素扫描，并获取实时子图中各个像素点的值
、
值和值；将像素点的
RGB
值换算至
[0,1]
范围内的值，，，；获取最大值和最小值，
,
；计算各个像素点对应的的值
、
值和值：，
。4.
根据权利要求1所述的一种基于大数据的智慧园区空气质量检测方法，其特征在于，获取智慧园区范围内的监控摄像头位置，并确定拍摄方位，每一个监控摄像头均在设定的拍摄方位获取用于进行空气质量检测的历史图片；且针对每一个监控摄像头构建相互独立的神经网络模型
。5.
根据权利要求4所述的一种基于大数据的智慧园区空气质量检测方法，其特征在于，
神经网络模型的构建方法包括：获取个历史数据作为建模数据，历史数据包括官方公布的空气质量官方数据和对应时间段的智慧园区监控摄像头在固定拍摄方位获取的历史图片；获取对应的时间段内的该监控摄像头拍摄的所有历史图片对应的历史纯色图片；按照时间段，将空气质量官方数据作为输出变量，将历史纯色图片作为输入变量，对神经网络模型进行训练获得训练后的神经网络...

【专利技术属性】
技术研发人员：陈阳，游刚，方楠，
申请(专利权)人：四川邕合科技有限公司，
类型：发明
国别省市：