基於yolov4的智能控制系統檢視原始碼討論檢視歷史
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[1]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[2]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。
參考文獻
- ↑ 雲計算的普及:讓我們了解一下雲計算,搜狐,2022-02-17
- ↑ 認識二氧化碳,搜狐,2023-01-28