基於yolov4的智能控制系統檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於yolov4的智能控制系統教育部着重強調高校利用大數據和雲計算等新興技術助力高校管理和服務。團隊設計了「基於yolov4神經網絡的教室燈光控制系統」定位於教室照明質量和管理到位。

基本思路

該控制系統包括智能節能控制單元、人體檢測單元、氣體調節單元、通信單元和若干照明單元。

2.1人流檢測模塊

每個控制器都可以工作應用於任何一片教室區域。控制器對於人流密度的識別，是根據收到的「輸入控制編碼信息」自動確定的。

2.2燈組/光選擇模塊

採集教室燈光實時亮度信息，去調節相應教室區域燈組的亮度，並及時處理人流密度檢測信息。

2.3二氧化碳濃度調節模塊

當室內二氧化碳濃度高於700ppm時，排風扇工作使濃度始終為700ppm。

創新點

（1）系統能充分利用自然光，調節燈具照度：有效減少燈具的工作時間，延長燈具的壽命。

（2）提高照度均勻性，提高學習效率，系統具有開關和調光兩種控制方法，控制各種照明場所的平均照度值。

（3）提高管理水平，智能教室照明系統是以自動控制為主、人工控制為輔的系統。排除了由人為因素而導致不定時開關，影響學校的正常教學、生活秩序的情況。

（4）通過目標檢測獲得教室內各區域的人口密度，經過對教室不同地方的人數以及識別進行特定區域光強調節，達到最優比。

技術方案與指標

（包括：問題分析、技術方案、創新設計、關鍵技術、技術指標、實施計劃、應用場景等）

1.科學性

1.1系統LED亮度功能測試

燈光控制器採集對應區域的人流和實時亮度信息，使用鎮流器調節區域燈組亮度，及時處理人流密度檢測信息的「輸入控制編碼信息」。解決了教室內過度照明或亮度不足的問題。

1.2 LED節能效益分析

本系統亮暗控制功能和系統LED系統功能測試全部正常。通過數據計算得出的節能效益如下所示：

通過以上的數據，可以得出：

(1) 新型節能教室照明控制系統比普通LED燈節能約36%，減少二氧化碳排放約40%；

(2) 新型節能教室照明控制系統比傳統白熾燈節能約75%，減少二氧化碳排放約74%；

2.先進性

（1）利用人流密度檢測算法完成教室內人體的檢測和區域定位，神經網絡是以小人為數據集進行目標檢測的，訓練識別率較高，誤識別率低。在圖中未對小車進行識別檢測，並且小人檢測未受到干擾。

（2）充分利用自然光作為光源，以人工光為補充，並結合室內的人員情況，只有在必需時開啟照明燈具，整個照明系統可以全自動狀態。

（3）提高教室的照明系統管理水平，將傳統的人為開關控制轉換為智能系統控制的管理，減少學校的運行、維護和管理的費用。