[0032] 图1为本发明基于深度学习的智能雨棚系统的结构示意图。
[0033] 图2为本发明基于深度学习的智能雨棚系统控制方法的流程图。
[0034] 图3为本发明中深度学习模型的流程框图。
[0035] 图4为本发明智能雨棚系统各个功能模块逻辑图。
[0036] 图5位本发明中深度学习网络的结构图。
[0037] 如下具体实施将结合上述附图进一步说明本发明。具体实施方式:
[0038] 参见图1和4,所示为本发明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;
[0039] 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);
[0040] 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。
[0041] 在一种优选实施方式中,根据本发明的需要将天气分为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——雨棚伸展,晾衣架伸展;恶劣天气——雨棚伸展,晾衣架收缩。
[0042] 进一步的,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。同时,云端服务器将雨棚工作状态信息通过无线网络发送到手机端APP显示。用户打开手机APP,并连接网络,APP将会通过网络获取到信息并在用户界面上显示出来,并通过点击APP上对应控制晾衣架伸/缩的按键,从而远程控制电机正反转,以实现晾衣架的伸缩功能。
[0043] 具体的,用户可以根据APP上显示的天气情况决定是否伸缩晾衣架,用户点击APP上对应控制晾衣架伸/缩的按键,对应指令通过网络发送给单片机上的WIFI模块,再通过串口发送到MCU,当MCU接受到来自手机端传来的衣架伸展/收缩信号后,将通过gpio接口传输控制命令至电机控制器,从而控制电机正反转,电机轴端通过滚轮的旋转进而控制晾衣杆滑竿的前后伸缩,以实现晾衣架的伸缩功能。
[0044] 作为优选的技术方案,系统使用的DHT11温湿度传感器用专用的数字模块采集环境的温度湿度信息并存储为数字信号,将数据发送到单片机中并储存在变量中。DHT11与处理器单次通讯时间为4ms左右,一次完整的数据传输为40bits:8bits湿度整数数据+8bits湿度小数数据+8bits温度整数数据+8bits温度小数数据+8bits校验和。
[0045] 系统使用的TSL2561光强传感器是光-数字转换器,它将光强转换成数字信号输出,具有直接I2C接口或者SMBus接口。两个集成的模数转换器将光敏电流转换成一个数字输出,积分式模数转换器对流过光敏二极管的电流进行积分,并转换为数字量,在转换结束后将转换结果存入芯片内部通道0和通道1各自的寄存器中,再将这个数字输出输入到处理器中保存。
[0046] 进一步的,MCU把传感器采集到的数据信息通过串口发送给WIFI模块,通过WIFI模块上报到云端服务器。用户打开手机APP,并连接网络,APP将会通过服务器获取采集的光强、温湿度信息并在用户界面上显示出来。APP端可以从网络上获取本地的天气预报信息并实时显示在界面上。在用户界面上,可以观察到实时温度、湿度、光强以及当前遮雨棚的状态(开启/关闭),也可以得知本地的天气预报信息。用户可以根据所得信息数据判断当前天气状况,从而自行判断是否需要开启遮雨棚或者是否需要关闭遮雨棚,并通过用户界面上的(开启/关闭)按键实现操作,具体的,用户可以通过触压按键控制遮雨棚的打开,当手机APP接收到用户的需求后,将此控制指令(开启指令为1,关闭指令为0)通过云端下发到WIFI模块,WIFI模块通过串口发送给MCU,MCU就可以根据下发的指令控制步进电机,步进电机的信号输入端口会接收到一个脉冲信号(脉冲信号的正负及长度分别取决于开关操作以及触压时间),收到脉冲信号后,步进电机对此脉冲信号进行响应,即可最终实现APP远程实时监控天气状况并控制遮雨棚的开与关。
[0047] 参见图2和3,所示为本发明基于深度学习的智能雨棚的控制方法,包含以下步骤:
[0048] 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;
[0049] 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;
[0050] 步骤S3:雨棚执行装置接收控制指令并执行相应操作;
[0051] 其中,所述深度学习模型通过以下步骤实现:
[0052] 步骤S21:训练样本信息获取:
[0053] 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)采集到的照片获取天气状况的样本制作样本集,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,可以保证训练准确,从而能够准确输出当前天气的状况参数。
[0054] 具体的,为了从照片中识别出当前天气的状况,可以通过从照片中天空云层的厚度和整张照片的亮度进行判断,本实施例中采用的方法为:先采用场景分类器从待识别图像中检测出天空图像,对前获取的天空图像进行处理,可以是增强图像的对比度,或者可以是对图像进行锐化,接着提取经过处理图像的特征,通过算法获取天气状况。结合温湿度传感器采集的温度湿度数据,光强传感器采集到的光强参数,制作样本。
[0055] 步骤S22:使用采集到的样本训练深度学习模型
[0056] 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[0057] 深度学习模型包含多个结构层,层与层之间依次连接,上一层的输出将被作为下一层的输入,从而构成一个端到端的结构,在此处所采用的深度学习模型可以选择现有的成熟的深度学习模型的一种,比如AlexNet/ResNet/GoogleNet等。
[0058] 深度学习网络分为:输入层、隐层和输出层,
[0059] 输入层为采集的雨水感应参数、温湿度、光照强度与天气图片数据得到的数据集,将数据集作为该深度学习模型的输入。
[0060] 隐层包含卷积层、池化层和全连接层。
[0061] 用第一层获取的数据作为第二层的输入数据,从而得到比输入更具表示能力的特征。
[0062] 在学习得到第n层后,将第n层的输出作为第n+1层的输入,经过不断的训练,最终输出能够准确表示当前天气情况的特征
[0063] 输出层输出三种类型的天气识别结果,每种天气类型对应一种雨棚控制动作,在训练阶段,这种天气类型由使用者进行认为标记。
[0064] 步骤S23:实时采集雨水感应参数,温湿度参数,光照强度参数以及天气图片数据,采用TCP/IP协议将数据通过WIFI网络发送至远程服务器中。
[0065] 步骤S24:服务器端实时接收采集的环境参数,通过训练好的深度学习模型来对这些数据进行识别,得出所对应的天气类型。
[0066] 具体的:将样本的雨水感应参数,温湿度数据,光照强度数据和处理后的天气图片提取出的特征参数,输入进训练好的深度学习模型中,可以识别出输入参数所对应的天气类型。
[0067] 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信号至雨棚系统,控制其变换到对应的使用状态,同时并将此时的雨棚工作状态信息通过无线网络发送到手机端APP显示。
[0068] 具体的:深度学习模型识别出预设的三种天气类型(优良天气/阴沉天气/恶劣天气)其一后,服务器端将发送其对应的标记信号,通过无线网络发送到单片机系统的WIFI模块,再通过串口发送至微处理器。系统处理器端接收到信号后,发送控制信号至电机控制器,实现控制雨棚和晾衣架的电机的正反转,继而实现预设的三种雨棚系统工作模式中的一种:优良天气对应雨棚收缩状态、晾衣架伸展状态;阴沉天气对应雨棚伸展状态、晾衣架伸展状态;恶劣天气对应雨棚伸展状态、晾衣架收缩状态。
[0069] 具体的:将样本的雨水感应参数,温湿度,光照强度数据和处理后的天气图片提取出的特征参数,输入进训练好的深度学习模型中,可以识别出输入参数所对应的天气类型,最终输出当前天气类型的特征标记。
[0070] 深度学习模型包含多个结构层,层与层之间依次连接,上一层的输出将被作为下一层的输入,从而构成一个端到端的结构,在此处所采用的深度学习模型可以选择现有的成熟的深度学习模型的一种,比如AlexNet/ResNet/GoogleNet等。
[0071] 本发明可通过更改参数实现雨棚伸缩的多级调节,此处仅为例举一种具体的实践状况。具体更改方式已有成熟的技术,此处不赘述。
[0072] 以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
[0073] 对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。