【技术实现步骤摘要】
本专利技术涉及图书馆资源管理，具体为一种基于深度学习的实时图书馆座位管理与状态预测系统。
技术介绍
1、图书馆是一个供给学生或者其他学习人员借阅书籍以及提供安静的阅读学习环境的地方，而图书馆的座位数量有限，因此为了提高图书馆的使用效率，需要对图书馆内的座位进行实时的监控和预测，从而使得图书馆的座位可以更加充分的进行利用，同时也方便来图书馆学习的人可以提前进行预约和了解是否有空位，方便人们自行安排学习时间。
2、现有的图书馆座位管理与状态预测通常采用的是人工监视或登记的方式进行记录和状态的更新的，这样的方式不仅误差较大，而且很容易因为座位数量过大而进行状态的记录和更新时出现错误，从而影响到图书馆的座位状态的正常预测，并且有时也无法准确的识别座位的信息，这就直接影响到图书馆座位管理的效率和效果；鉴于此，我们提出了一种基于深度学习的实时图书馆座位管理与状态预测系统。
技术实现思路
1、本专利技术的目的在于提供一种基于深度学习的实时图书馆座位管理与状态预测系统，以解决上述
技术介绍
中提出
【技术保护点】
1.一种基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：包括深度学习模型、边缘计算设备、数据处理和采集系统以及人工介入标定系统，所述深度学习模型采用Ground DINO模型、YOLOv8模型和GPT模型，所述边缘计算设备采用YOLOv8模型，所述数据处理和采集系统负责收集和处理由YOLOv8模型生成的多维度时间序列化数据，以及人工介入标定的座位状态数据，所述基于深度学习的实时图书馆座位管理与状态预测系统还包括以下步骤：
2.根据权利要求1所述的基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：所述S1中的环境标注具体为在初始阶段，G...
【技术特征摘要】
1.一种基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：包括深度学习模型、边缘计算设备、数据处理和采集系统以及人工介入标定系统，所述深度学习模型采用ground dino模型、yolov8模型和gpt模型，所述边缘计算设备采用yolov8模型，所述数据处理和采集系统负责收集和处理由yolov8模型生成的多维度时间序列化数据，以及人工介入标定的座位状态数据，所述基于深度学习的实时图书馆座位管理与状态预测系统还包括以下步骤：
2.根据权利要求1所述的基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：所述s1中的环境标注具体为在初始阶段，ground dino模型会对图书馆环境进行详细的细粒度标注，包括识别图书馆内各类对象，例如座位、桌子、人、书籍、学习用品等。
3.根据权利要求1所述的基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：所述s2中所采用的yolov8模型在边缘计算设备上进行实时目标检测，安装在图书馆内的摄像头捕获的图像数据会被实时输入到yolov8模型中，所述yolov8模型会识别出图像中的目标，并生成对应的位置信息和数量信息。
4.根据权利要求1所述的基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：所述s3中数据处理和采集系统会收集yolov8模型生成的多维度时间序列化数据，具体包括目标的位置信息、数量信息以及变化的时间戳等，同时，系统也会采集人工介入标定的座位状态数据，这些数据经过预处理和归一化后，形成了用于座位状态推理的数据集。
5.根据权利要求1所述的基于深度学习的实时图书馆座位管理与状态预测系统，其特征在于：所述s4中经过微调的gpt模型，会对处理后的数据集进行推理，所述微调后的gpt模型会分析目标的位置变化、数量变化以及时间戳等信息，并实时推理出座位的状态信息，例如，如果一个座位上的人数从1变为0，并...
【专利技术属性】
技术研发人员：陶琳，汪洋，
申请(专利权)人：上海顶澄科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。