空调运行状态的自动监控系统及自动监控方法

摘要

本发明提供一种空调运行状态的自动监控系统及监控方法，该系统包括用于拍摄空调运行特征图像的摄像装置，以及中央处理器，该中央处理器包括图像采集模块、图像预处理模块、图像特征分析提取模块、特征比较模型，及输出模块，本发明监控方法中，该摄像装置所采集的特征图像传输至该图像采集模块，然后经图像预处理模块进行预处理，再由图像特征分析提取模块进行特征分析和提取，所得出的数据输入特征比较模型进行识别，识别的结果再由输出模块输出。本发明通过两个摄像头实时采集显示板和角度盘面板的图像，通过图像处理和识别技术，实时输出识别后的显示板上双八数字、模式等信号灯的状态以及扫风电机的角度，取代了人工监控，提高工作效率以及监控准确性。

说明书

 

【技术领域】

本发明涉及一种监控系统及监控方法，尤其是指一种空调运行状态的自动监控系统及自动监控方法。

 

【背景技术】

随着社会经济和科技的发展，空调的普及越来越快，不但如此，空调的发展趋向是人工智能化，会越来越多采用智能控制软件，实现更多的功能，并且对空调的运行稳定性要求越来越高。现有空调器软件设计质量主要依靠人工测试，对大部分机型，实现功能稳定，要依靠人工长期监控运行状态，不仅操作人员疲劳，而且容易因此判断出现错误或误差，工作效率低下。

因此，提供一种可替代人工操作来进行长期监控的，准确识别率高的空调运行状态的自动监控系统及自动监控方法实为必要。

 

【发明内容】

本发明的目的在于提供一种可替代人工操作来进行监控的，准确识别率高的空调运行状态的自动监控系统。

本发明的目的在于提供一种可替代人工操作来进行监控的，准确识别率高的空调运行状态的自动监控方法。

为实现本发明目的，提供以下技术方案：

本发明提供一种空调运行状态的自动监控系统，其包括用于拍摄空调运行特征图像的摄像装置，以及对所取得的特征图像进行分析处理的中央处理器，该中央处理器包括相连接的图像采集模块、图像预处理模块、图像特征分析提取模块、特征比较模型，及输出模块，该摄像装置所采集的特征图像传输至该图像采集模块，然后经图像预处理模块进行预处理，再由图像特征分析提取模块进行特征分析和提取，所得出的数据输入特征比较模型进行识别，识别的结果再由输出模块输出。

该空调运行状态的自动监控系统所采集的特征图像一般包括空调显示板图像和/或扫风电机角度装置图像。该摄像装置可采用一般摄像头。

在必要时，该中央处理器还包括有图像分割和标准化模块，其连接在图像预处理模块和图像特征分析提取模块之间。例如在处理空调显示板图像中的双八数码管图像时需要进行图像分割和标准化处理。

该自动监控系统还包括输出装置，输出模块的输出信息由输出装置表示出来。优选的，该输出装置为显示器。优选的，该中央处理器可采用PC电脑实现，相关处理模块可通过电脑中软件编程实现。

优选的，该系统对空调扫风电机角度的监控还采取了新的设计，由于直接监控空调扫风电机角度不是太方便，本方案中设计一个设置在空调器上的扫风电机角度装置，该摄像装置采集扫风电机角度装置的特征图像，该扫风电机角度装置包括有角度盘面板，该角度盘面板上设有一端定位在角度盘面板中心的可转动的扫风杆，该扫风杆的转动角度与空调器的扫风电机角度相一致，这样读取角度盘面板上扫风杆的角度就能获得空调扫风电机的角度，就能监控空调运行时扫风电机角度是否符合要求及其变化是否正常稳定。

优选的，在该角度盘面板上设有角度标记，以便拍摄图像时，可有相应的角度参考标准。优选的，可在角度盘面板上设有小黑实心圆来表示角度参考。

本发明还提供一种采用所述自动监控系统的空调运行状态的自动监控方法，其包括如下步骤：

（1）由摄像装置采集特征图像，并传送到中央处理器的图像采集模块；

（2）图像采集模块将采集到的特征图像传送到图像预处理模块进行图像预处理；

（3）图像特征分析提取模块对经过预处理后的特征图像进行特征分析及提取，获得特征值；

（4）所得出的特征值在特征比较模型中进行识别，并输出识别的结果。

优选的，在步骤（2）和步骤（3）之间还包括步骤：图像分割和标准化模块对特征图像进行分割和标准化处理。

在系统初始化时，其还包括建立特征比较模型的步骤，该建立模型的步骤包括如下几步：

（a）由摄像装置采集特征图像，并传送到中央处理器的图像采集模块；

（b）图像采集模块将采集到的特征图像传送到图像预处理模块进行图像预处理；

（c）图像特征分析提取模块对经过预处理后的特征图像进行特征分析及提取，获得特征值；

（d）建立字符特征库，根据字符特征训练特征比较模型。

对比现有技术，本发明具有以下优点：

本发明空调运行状态的自动监控系统及自动监控方法，可替代人工操作来进行长期监控的，解放人力，降低成本，且对空调运行状态的监控的准确识别率高。

 

【附图说明】

图1为本发明空调显示板示意图；

图2为本发明的扫风电机角度装置示意图；

图3为本发明空调运行状态的自动监控系统结构框图；

图4为本发明空调运行状态的自动监控方法的流程图；

图5为本发明自动监控方法的特征比较模型建立的流程图。

 

【具体实施方式】

请参阅图1~图3，在本事实例中，本发明空调运行状态的自动监控系统是对空调器的显示板1及扫风电机角度进行监控。

如图3所示，该自动监控系统包括用于拍摄空调运行特征图像的摄像装置，以及对所取得的特征图像进行分析处理的中央处理器，该中央处理器包括相连接的图像采集模块、图像预处理模块、图像分割和标准化模块、图像特征分析提取模块、特征比较模型，及输出模块，该摄像装置所采集的特征图像传输至该图像采集模块，然后经图像预处理模块进行预处理，然后经图像分割和标准化处理，再由图像特征分析提取模块进行特征分析和提取，所得出的数据输入特征比较模型进行识别，识别的结果再由输出模块输出。该摄像装置可采用一般摄像头。

该空调运行状态的自动监控系统所采集的特征图像一般包括空调显示板图像，如图1所示的双八数码管11、空调运行模式信号图像12、电源信号13；该特征图像还包括表示扫风电机角度的图像，在本实施例中，在空调器上设置有扫风电机角度装置2，该扫风电机角度装置2包括有角度盘面板23、扫风杆21，扫风电机位于角度盘面板下方。该扫风杆21设在角度盘面板23上，一端定位在角度盘面板中心并且可绕中心转动，该扫风杆21的转动角度与空调器的扫风电机角度相一致，这样读取角度盘面板上扫风杆的角度就能获得空调扫风电机的角度，就能监控空调运行时扫风电机角度是否符合要求及其变化是否正常稳定。

在本实施例中，该角度盘面板23上设有角度标记，以便拍摄图像时，可有相应的角度参考标准。在角度盘面板23上设有小黑实心圆22来表示角度参考，拍摄角度盘面板的图像，对扫风杆21与小黑实心圆22的相对位置进行分析，可获得扫风杆的角度信息。

如图2所示，角度盘面板23由十二个小黑实心圆（半径0.5cm）排列成一个半径为10CM的圆，圆的中心放置一个扫风杆21，扫风电机带动扫风杆21旋转，扫风杆实时显示旋转的具体位置，以此反应电机的运行状况，每两个小黑实心圆相隔30度。

该自动监控系统还包括输出装置，输出模块的输出信息由输出装置表示出来。优选的，该输出装置为显示器。该中央处理器可采用PC电脑实现，相关处理模块可通过电脑中软件编程实现。

 

请参阅图4，作为较佳实施例，本发明空调运行状态的自动监控方法包括如下步骤：

（1）由摄像装置采集特征图像，并传送到中央处理器的图像采集模块；

（2）图像采集模块将采集到的特征图像传送到图像预处理模块进行图像预处理；

（3）图像分割和标准化模块对特征图像进行分割和标准化处理；

（4）图像特征分析提取模块对经过预处理后的特征图像进行特征分析及提取，获得特征值；

（5）所得出的特征值在特征比较模型中进行识别，并输出识别的结果。

采用本方法对空调器显示板进行监控，具体的：

（1）对双八数码管识别，例如数字25，制冷模式。

第一步：通过摄像头实时监测显示板，采集图像，显示板图像包括双八数码管、空调运行模式信号图像及电源信号，图像大小：240*320；

第二步：对输入的图像进行复原、去噪处理，具体操作有：白平衡，图像平滑、增强、灰度化、二值化、形态学处理，获得二值化图像；

第三步：找到2、5、制冷灯、制热灯、除湿灯的边界，并标定出2、5、制冷灯、制热灯、除湿灯。根据制冷灯、制热灯、除湿灯黑色像素所占各区域比例大小，识别出是哪个灯亮，在本实例中：制冷灯比例值是制热灯、除湿灯比例值3倍以上即认为是制冷。将2、5分别标准化成5*5个模板图像；

第四步：计算各个小区域黑色像素值，并除以该小区域的面积，即获得黑色像素在该小区域所占的比例值，并按照第一行的5个比例值保存到特征的前5个，第二行对应着特征的6~10个，依次类推，由此获得5*5=25个特征值，特征值数目太多，计算量太大，需要提取主要特征值，可以对图像进行水平和垂直投影，各可获得5个特征，总共10个特征； 

第五步：分别将2和5的特征输入到特征比较模型中，进行识别，对于2输出为二进制数0010，对于5输出为0101（该二进制数是自己定义的，并不一定是对应于计算机里的二进制值，但值都是一一对应的）

由于显示板上的信号灯和双八数码管位置相对固定，在定位出双八的位置后，在图像的下半部分（方形的显示板）或右半部分（长形的显示板）在一定范围内像素和的阈值判断来定位出信号灯的位置，当像素和所占比大于0.1，则认为是所在区域的信号灯有效。

(2)对扫风电机角度装置：

通过摄像头采集角度盘面板图像，实时检测出扫风杆的位置，计算出前后两帧经过小黑实心圆数目和扫风杆与两小黑实心圆的相对位置，如左图，角度为n*30+补偿角度。补偿角度可以由转轴到相邻两个小黑实心圆的距离比例来确定。

 

如图5所示，在系统初始化时，其还包括建立特征比较模型的步骤，也就是训练模型。训练包括所有要识别的字符，在本实施例中，包括：0-9、C、E、F、H、P、U十六个字符，为保证误差能达到要求，每个字符需要训练80次。

训练实例：5，具体流程如下：

第一：由摄像头采集图像，图像大小：240*320；

第二：对输入的图像进行复原、去噪处理，具体操作有：白平衡，图像平滑、增强、灰度化、二值化、形态学处理，二值化等；

第三:在获得二值图像上，找到5在图像起始位置，即边界，并标定出来，标准化成5*5个模板图像；

第四：计算各个小区域黑色像素值，并除以该小区域的面积，即获得黑色像素在该小区域所占的比例值，并按照第一行的5个比例值保存到特征的前5个，第二行对应着特征的6~10个，依次类推，由此获得5*5=25个特征值，特征值数目太多，计算量太大，需要提取主要特征值，对图像进行水平和垂直投影，各可获得5个特征，总共10个特征，保存到TXT文件中；并标准化成5*5模块图像,计算各块的黑色像素点数；

第五：模型建立，本系统采用Back propagation (简称：BP)神经网络，网络结构有三层：输入层、隐含层、输出层。特征数为10个，因此输入节点为10个，隐含层节点为11个，输出层节点为4个，这四个输出为4位二进制数，代表神经网络输出的数字类型。在本实例中，5对应输出0101；

第六：模型训练，将各个字符特征值输入到模型，并计算隐含层、输出层的权值和误差，误差是不断修正输入层和隐含层节点的输入值，输出值与各导师信号（即对应的字符，本实例中为5）直至误差达到系统要求，最大训练次数80。

在本实施例中，本发明通过两个摄像头实时采集显示板和角度盘面板的图像，通过图像处理和识别技术，实时输出识别后的显示板上双八数字、模式等信号灯的状态以及扫风电机的角度。取代了人工监控，提高工作效率以及监控准确性。

以上所述仅为本发明的较佳实施例，本发明的保护范围并不局限于此，任何基于本发明技术方案上的等效变换均属于本发明保护范围之内。