CN115342585A - 冰箱及冰箱的化霜控制方法 - Google Patents
冰箱及冰箱的化霜控制方法 Download PDFInfo
- Publication number
- CN115342585A CN115342585A CN202210950366.XA CN202210950366A CN115342585A CN 115342585 A CN115342585 A CN 115342585A CN 202210950366 A CN202210950366 A CN 202210950366A CN 115342585 A CN115342585 A CN 115342585A
- Authority
- CN
- China
- Prior art keywords
- evaporator
- image information
- block
- defrosting
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010257 thawing Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000007704 transition Effects 0.000 claims abstract description 51
- 230000007246 mechanism Effects 0.000 claims abstract description 19
- 238000007906 compression Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 230000006835 compression Effects 0.000 claims description 13
- 230000005284 excitation Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 239000006071 cream Substances 0.000 claims description 4
- 230000008569 process Effects 0.000 description 15
- 230000008014 freezing Effects 0.000 description 11
- 238000007710 freezing Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 10
- 238000005057 refrigeration Methods 0.000 description 10
- 239000003507 refrigerant Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000009833 condensation Methods 0.000 description 4
- 230000005494 condensation Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000001035 drying Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000011555 saturated liquid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000006261 foam material Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D21/00—Defrosting; Preventing frosting; Removing condensed or defrost water
- F25D21/002—Defroster control
- F25D21/004—Control mechanisms
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D21/00—Defrosting; Preventing frosting; Removing condensed or defrost water
- F25D21/06—Removing frost
- F25D21/08—Removing frost by electric heating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25D—REFRIGERATORS; COLD ROOMS; ICE-BOXES; COOLING OR FREEZING APPARATUS NOT OTHERWISE PROVIDED FOR
- F25D2600/00—Control issues
- F25D2600/06—Controlling according to a predetermined profile
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Combustion & Propulsion (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Defrosting Systems (AREA)
Abstract
本发明公开了一种冰箱及冰箱的化霜控制方法，该冰箱包括：箱体；至少一个蒸发器；与各蒸发器对应的化霜装置；采集装置，用于采集各蒸发器的图像信息；控制器，用于：在确定自动化霜条件满足时，每隔预设周期获取各蒸发器的图像信息；基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度；其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制。采用本发明实施例，能够实现冰箱按需除霜，达到了节能降耗的目的。
Description
技术领域
本发明涉及家电技术领域，尤其涉及一种冰箱及冰箱的化霜控制方法。
背景技术
在现有的冰箱中，制冷***主要由蒸发器、压缩机、冷凝器、除露管、干燥过滤器、电动阀、毛细管等部件组成。在冰箱制冷***的运行过程中，蒸发器会逐步结霜，但是随着霜层的逐步增厚，通过蒸发器的空气流量会逐步减少，换热热阻也会逐步增大，进而降低蒸发器的换热效果。同时，随着霜层厚度增加，空气阻力加大，蒸发器空气侧的压差会逐步增大，当增大到一定程度后，换热量急剧下降，因此当霜层达到一定厚度后，应对蒸发器进行除霜，恢复冰箱的制冷性能。目前主流冰箱的除霜过程，主要是通过在蒸发器附近增加化霜加热器，根据冰箱开关门次数及冰箱间室内温度传感器和蒸发器附近的温度传感器数值，定时打开化霜加热器对蒸发器进行加热除霜。本发明人在实施本发明的过程中发现，现有技术中存在以下技术问题：除霜开启的时间和除霜加热的时间长短都不能做到非常精确，无法实现按需化霜，也即按照蒸发器的结霜情况进行化霜，如果化霜加热器工作的时间较短，则蒸发器附近的霜无法完全去除，会导致霜层阻挡制冷***风循环，使制冷效率降低，冰箱间室的温度无法降低到设置的温度，如果化霜加热器工作的时间太长，由于在化霜过程中，需要开启加热器除霜，此时箱内温度会急剧回升，会造成多余的热量滞留在冰箱内，造成能耗的升高。
发明内容
本发明实施例提供一种冰箱及冰箱的化霜控制方法，能够实现冰箱按需除霜，达到了节能降耗的目的。
本发明一实施例提供一种冰箱，包括：
箱体，其内设有至少一个间室；
至少一个蒸发器；
与各蒸发器对应的化霜装置，用于对所述蒸发器进行化霜；
采集装置，用于采集各蒸发器的图像信息；
控制器，用于：
在确定自动化霜条件满足时，每隔预设周期获取各蒸发器的图像信息；
基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度；其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；
根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制。
与现有技术相比，本发明实施例提供的冰箱，在确定自动化霜条件满足时，通过采集装置采集各蒸发器的图像信息，基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成，再根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制，由此，能够根据各蒸发器的霜层状态控制除霜，可以有效避免除霜不足或除霜过量，从而能够实现冰箱按需除霜，达到了节能降耗的目的。
作为上述方案的改进，所述基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，具体包括：
对各蒸发器的图像信息进行去噪处理，得到各蒸发器的去噪后图像信息；
对各蒸发器的去噪后图像信息进行标准化处理，得到各蒸发器的标准化图像信息；
对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息；
对各蒸发器的扩充后图像信息进行独热编码处理，得到各蒸发器的预处理后图像信息；
将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度。
在本实施例中，通过对各蒸发器的图像信息进行去噪、标准化、扩充和独热编码处理，再将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度，能够有效提高检测准确性和效率。
作为上述方案的改进，各蒸发器的图像信息的数据格式为N*3维；其中，N为所述采集装置对一个所述蒸发器所拍摄的图像的个数；
所述对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息，具体包括：
对各蒸发器的标准化图像信息进行扩充，得到数据格式为N*9维的各蒸发器的第一图像信息；
对各蒸发器的第一图像信息进行数据格式转换，得到数据格式为N*3*3维的各蒸发器的第二图像信息；
对各蒸发器的第二图像信息的边缘进行扩充，得到数据格式为N*9*9维的各蒸发器的扩充后图像信息。
在本实施例中，通过将N*3维的图像信息扩充为N*9维的图像数据，再将N*9维的图像数据转化为N*3*3维图像数据格式，再对图像数据的边缘进行进一步的扩充，使其扩充为N*9*9维的图像数据格式，以此增大输入特征矩阵的宽高，有利于对于少量特征的充分利用，从而提高霜层厚度检测的准确性。
作为上述方案的改进，所述冰箱还包括显示输入装置；
所述显示输入装置，用于在所述控制器的控制下显示相应内容；
所述显示输入装置，还用于接收用户输入的指令，并将所述指令发送至所述控制器；
所述控制器，还用于：
响应于接收到针对目标蒸发器的蒸发器图像信息查询指令，获取所述目标蒸发器的图像信息，并控制所述显示输入装置显示所述目标蒸发器的图像信息；
响应于接收到针对目标蒸发器的化霜指令，控制所述目标蒸发器对应的化霜装置对所述目标蒸发器进行化霜。
在本实施例中，用户可以实时查看蒸发器的霜层状态，并手动设置化霜，能够实现按用户需求除霜。
作为上述方案的改进，所述稠密块包括第一稠密块、第二稠密块和第三稠密块；所述过渡块包括第一过渡块和第二过渡块；所述通道域注意力机制模块包括压缩层和激发层；所述霜层厚度识别模型具体由所述输入层、所述第一稠密块、所述第二稠密块、所述第一过渡块、所述第三稠密块、所述第二过渡块、所述前向块、所述压缩层、所述激发层、所述反向块、所述分类层和所述输出层依次连接构成。
在本实施例中，图像信息经过一次稠密块后，将其深度进行一个扩充，能够更加充分的使用每个图像数据的少量特征。再使用过渡块进行一个深度的随机所见，主要是防止网络图像过大导致消耗时间过长，影响正常使用，同时，减少算力的消耗。通过稠密块与过渡块的堆叠，使得模型同时具有较高的准确性和较高的效率。
本发明另一实施例提供一种冰箱的化霜控制方法，包括：
在确定自动化霜条件满足时，每隔预设周期获取冰箱内的各蒸发器的图像信息；
基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度；其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；
根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制。
与现有技术相比，本发明实施例提供的冰箱的化霜控制方法，在确定自动化霜条件满足时，通过采集各蒸发器的图像信息，基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成，再根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制，由此，能够根据各蒸发器的霜层状态控制除霜，可以有效避免除霜不足或除霜过量，从而能够实现冰箱按需除霜，达到了节能降耗的目的。
作为上述方案的改进，所述基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，具体包括：
对各蒸发器的图像信息进行去噪处理，得到各蒸发器的去噪后图像信息；
对各蒸发器的去噪后图像信息进行标准化处理，得到各蒸发器的标准化图像信息；
对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息；
对各蒸发器的扩充后图像信息进行独热编码处理，得到各蒸发器的预处理后图像信息；
将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度。
在本实施例中，通过对各蒸发器的图像信息进行去噪、标准化、扩充和独热编码处理，再将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度，能够有效提高检测准确性和效率。
作为上述方案的改进，各蒸发器的图像信息的数据格式为N*3维；其中，N为对一个所述蒸发器所拍摄的图像的个数；
所述对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息，具体包括：
对各蒸发器的标准化图像信息进行扩充，得到数据格式为N*9维的各蒸发器的第一图像信息；
对各蒸发器的第一图像信息进行数据格式转换，得到数据格式为N*3*3维的各蒸发器的第二图像信息；
对各蒸发器的第二图像信息的边缘进行扩充，得到数据格式为N*9*9维的各蒸发器的扩充后图像信息。
在本实施例中，通过将N*3维的图像信息扩充为N*9维的图像数据，再将N*9维的图像数据转化为N*3*3维图像数据格式，再对图像数据的边缘进行进一步的扩充，使其扩充为N*9*9维的图像数据格式，以此增大输入特征矩阵的宽高，有利于对于少量特征的充分利用，从而提高霜层厚度检测的准确性。
作为上述方案的改进，所述冰箱包括显示输入装置；所述显示输入装置，用于显示相应内容；所述显示输入装置，还用于接收用户输入的指令，并将所述指令发送至所述控制器；
所述方法还包括：
响应于接收到针对目标蒸发器的蒸发器图像信息查询指令，获取所述目标蒸发器的图像信息，并控制所述显示输入装置显示所述目标蒸发器的图像信息；
响应于接收到针对目标蒸发器的化霜指令，控制所述目标蒸发器对应的化霜装置对所述目标蒸发器进行化霜。
在本实施例中，用户可以实时查看蒸发器的霜层状态，并手动设置化霜，能够实现按用户需求除霜。
作为上述方案的改进，所述稠密块包括第一稠密块、第二稠密块和第三稠密块；所述过渡块包括第一过渡块和第二过渡块；所述通道域注意力机制模块包括压缩层和激发层；所述霜层厚度识别模型具体由所述输入层、所述第一稠密块、所述第二稠密块、所述第一过渡块、所述第三稠密块、所述第二过渡块、所述前向块、所述压缩层、所述激发层、所述反向块、所述分类层和所述输出层依次连接构成。
在本实施例中，图像信息经过一次稠密块后，将其深度进行一个扩充，能够更加充分的使用每个图像数据的少量特征。再使用过渡块进行一个深度的随机所见，主要是防止网络图像过大导致消耗时间过长，影响正常使用，同时，减少算力的消耗。通过稠密块与过渡块的堆叠，使得模型同时具有较高的准确性和较高的效率。
附图说明
图1是本发明一实施例提供的一种冰箱的结构示意图；
图2是本发明一实施例提供的一种冰箱的箱体的结构示意图；
图3是本发明一实施例提供的一种冰箱的制冷***的结构示意图；
图4是本发明另一实施例提供的一种冰箱的制冷***的结构示意图；
图5是本发明另一实施例提供的一种冰箱的结构示意图；
图6是本发明一实施例提供的一种冰箱的控制器的工作流程示意图；
图7是本发明另一实施例提供的一种冰箱的控制器的工作流程示意图；
图8是本发明另一实施例提供的一种冰箱的控制器的工作流程示意图；
图9是本发明另一实施例提供的一种冰箱的控制器的工作流程示意图；
图10是本发明一实施例提供的一种霜层厚度识别模型的的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
参见图1，是本发明一实施例提供的一种冰箱的结构示意图。
本发明实施例提供的冰箱，包括箱体10，箱体10内设有至少1个间室。具体如图2所示，本实施例的冰箱是具有近似长方体形状，冰箱包括限定存储空间的箱体10，箱体10设有至少一个间室，每一间室开口处设有一个或多个门体200，例如在图2中，上部的间室上设有双开的两个门体200，下部的间室上设有一个门体200，其中，门体200包括位于箱体10外侧的门体外壳210、位于箱体10内侧的门体内胆220、上端盖230、下端盖240以及位于门体外壳210、门体内胆220、上端盖230、下端盖240之间的绝热层；通常的，绝热层由发泡料填充而成。其中，根据用途不同，箱体10内的间室分为冷藏室、冷冻室、变温室等。
本发明实施例提供的冰箱，还包括制冷***，制冷***设于箱体10内，制冷***用于对箱体10内的间室进行制冷，制冷***内包括至少一个蒸发器20。在一个具体的实施方式中，每一间室对应一个蒸发器20，如图3所示，当箱体10内设有冷藏室、冷冻室和变温室时，制冷***内包括与冷藏室对应的冷藏蒸发器21、与冷冻室对应的冷冻蒸发器22和与变温室对应的变温蒸发器23、压缩机1、冷凝器2、除露管3、干燥过滤器4、电动阀6、冷藏毛细管51、冷冻毛细管52和变温毛细管53。在另一个具体的实施方式中，制冷***仅包括一个蒸发器20，如图4所示，制冷***包括压缩机1、冷凝器2、除露管3、干燥过滤器4、毛细管5、蒸发器20和气液分离器7。制冷***的工作过程包括压缩过程、冷凝过程、节流过程和蒸发过程。其中，压缩过程为：压缩机1开始工作，低温、低压的制冷剂被压缩机1吸入，在压缩机1汽缸内被压缩成高温、高压的过热气体后排出到冷凝器2中；冷凝过程为：高温、高压的制冷剂气体通过冷凝器2散热，温度不断下降，逐渐被冷却为常温、高压的饱和蒸气，并进一步冷却为饱和液体，温度不再下降，此时的温度叫冷凝温度，制冷剂在整个冷凝过程中的压力几乎不变；节流过程为：经冷凝后的制冷剂饱和液体经干燥过滤器4滤除水分和杂质后流入毛细管5，通过它进行节流降压，制冷剂变为常温、低压的湿蒸气；蒸发过程为：常温、低压的湿蒸气在蒸发器20内开始吸收热量进行汽化，不仅降低了蒸发器20及其周围的温度，而且使制冷剂变成低温、低压的气体，从蒸发器20出来的制冷剂经过气液分离器7后再次回到压缩机1中，重复以上过程，将冰箱内的热量转移到箱外的空气中，实现了制冷的目的。
本发明实施例提供的冰箱，还包括与各蒸发器20对应的化霜装置30，化霜装置30用于对蒸发器20进行化霜。示例性地，化霜装置30为加热器，化霜装置30设置在蒸发器20附近，通过对蒸发器20进行加热，能够融化蒸发器20上的霜层。参见图5，当箱体10内设有冷藏室、冷冻室和变温室时，冰箱内包括与冷藏蒸发器21对应的冷藏化霜装置31、与冷冻蒸发器22对应的冷冻化霜装置32和与变温蒸发器22对应的变温化霜装置33。
本发明实施例提供的冰箱，还包括采集装置40，用于采集各蒸发器20的图像信息。示例性地，采集装置40可以是包括一个可转动的摄像头，从而，通过控制该摄像头转动能够获取各蒸发器20的图像信息。此外，采集装置40可以是包括多个摄像头，各摄像头固定在各蒸发器20的入口处，从而通过各摄像头可获取各蒸发器20的图像信息，例如，参见图5，箱体10内设有冷藏室、冷冻室和变温室时，冰箱内包括与冷藏蒸发器21对应的冷藏摄像头41、与冷冻蒸发器22对应的冷冻摄像头42和与变温蒸发器22对应的变温摄像头43。
本发明实施例提供的冰箱，还包括控制器50。参见图5，当冰箱内包括多个间室时，控制器50通过USB HUB 60与采集装置40和化霜装置30连接，能够获取图像信息以及控制化霜装置30开启或关闭；其中，控制器50分别对不同间室内的摄像头分配不同的设备ID，摄像头采集的图像信息会和其设备ID信息一起绑定上传，用于对不同间蒸发器20霜层图像信息的区分。参见图6，控制器50具体用于：
S11、判断自动化霜条件是否满足；
S12、在确定自动化霜条件满足时，每隔预设周期获取各蒸发器20的图像信息；
S13、基于预先训练好的霜层厚度识别模型对各蒸发器20的图像信息进行识别，得到各蒸发器20上的霜层厚度；其中，霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；
S14、根据各蒸发器20上的霜层厚度，对各蒸发器20对应的化霜装置30进行控制。
示例性地，参见图5，本实施例提供的冰箱与云端服务器70相连接，用户可通过手机等终端80发送自动化霜启动指令至云端服务器70，由云端服务器70转发至控制器50，则自动化霜条件为接收到用户的自动化霜启动指令，由此，用户可根据自身需求开启或关闭自动化霜。此外，自动化霜条件可以为预设时间内未执行化霜，由此，可以在未及时化霜时，自动开启化霜，避免霜层过厚。当然，自动化霜条件还可以是根据实际需求进行设定，在此不做限定。
作为其中一个可选的实施例，根据各蒸发器20上的霜层厚度，对各蒸发器20对应的化霜装置30进行控制，具体为：对于每一蒸发器20，当确定蒸发器20上的霜层厚度超过第一预设阈值时，控制蒸发器20对应的化霜装置30启动化霜；对于每一蒸发器20，当确定蒸发器20上的霜层厚度低于第二预设阈值时，控制蒸发器20对应的化霜装置30不进行化霜。
在另一个可选的实施方式中，根据各蒸发器20上的霜层厚度，对各蒸发器20对应的化霜装置30进行控制，具体为：对于每一蒸发器20，获取与蒸发器20上的霜层厚度对应的目标化霜时长，控制蒸发器20对应的化霜装置30启动化霜，直至化霜时间达到目标化霜时长为止。从而，能够精确地控制化霜。
可选的，霜层厚度识别模型设于云端服务器70上，从而能够节省本地资源，并提高识别效率。当然，霜层厚度识别模型不局限于冰箱自身的控制器50或云端服务器70，也可以是由手机或是智慧家居的网关等终端80进行图像识别后，将识别结果发送给控制器50。
其中，稠密块是由稠密层和批归一化层叠加所构成的，稠密块主要用于加强特征的传播，鼓励重复利用特征以及减少了模型参数；过渡块主要是由一个卷积层和一个池化层构成的，过渡块主要用于将稠密块堆叠的深度进行缩减，如此对过深的数据进行降维；通道域注意力机制模块是由压缩层和激发层所构成，通道域注意力机制模块主要用于对图像中的重要信息部分进行可视化，更加强调重要信息，更加适用于蒸发器20霜层厚度的判断；前向块和反向块负责对每一个蒸发器20结霜厚度信息完整的过去和未来的上下文信息进行分析处理，可以去除蒸发器20管路材质粗细信息或翅片厚度信息等无效数据信息；分类层用于对最终的霜层厚度分区进行分类。采用输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层进行模型搭建完毕之后，需要使用训练集对模型进行训练以及使用测试集对模型进行测试；设置好模型的初始学习率、迭代次数、以及模型的模块个数等参数，将不同条件下所采集到的数据汇成一个训练集，在经过数据预处理之后，将生成的图像数据输入到模型内进行训练，选取模型最优的权重应用于冰箱蒸发器20霜层厚度识别，从而得到预先训练好的霜层厚度识别模型。
与现有技术相比，本发明实施例提供的冰箱，在确定自动化霜条件满足时，通过采集装置40采集各蒸发器20的图像信息，基于预先训练好的霜层厚度识别模型对各蒸发器20的图像信息进行识别，得到各蒸发器20上的霜层厚度，其中，霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成，再根据各蒸发器20上的霜层厚度，对各蒸发器20对应的化霜装置30进行控制，由此，能够根据各蒸发器20的霜层状态控制除霜，可以有效避免除霜不足或除霜过量，从而能够实现冰箱按需除霜，达到了节能降耗的目的。
作为其中一个可选的实施例，参见图7，基于预先训练好的霜层厚度识别模型对各蒸发器20的图像信息进行识别，得到各蒸发器20上的霜层厚度，具体包括：
S131、对各蒸发器20的图像信息进行去噪处理，得到各蒸发器20的去噪后图像信息；
S132、对各蒸发器20的去噪后图像信息进行标准化处理，得到各蒸发器20的标准化图像信息；
S133、对各蒸发器20的标准化图像信息进行扩充处理，得到各蒸发器20的扩充后图像信息；
S134、对各蒸发器20的扩充后图像信息进行独热编码处理，得到各蒸发器20的预处理后图像信息；
S135、将各蒸发器20的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器20上的霜层厚度。
具体地，对图像信息进行去噪，能够减少噪声对模型训练时带来的影响，可选的，本发明使用小波去噪的方法对图像信息进行去噪；图像信息经过去噪操作后，再对图像信息进行标准化的操作，能够提高数据的可比性，削弱了数据的解释性，使得数据标准统一化，可选的，本发明使用Z-score标准化方法，根据公式将多组数据转化为无单位的Z-score分值；在经过前两个数据处理的操作后，对图像信息进行扩充处理，能够增大输入特征矩阵的宽高，有益于对于少量特征的充分利用；最后，对图像信息进行独热编码，解决了模型中分类层不易处理属性数据的问题，同时起到了对图像数据的维度扩充的作用，提升分类速度。
在本实施例中，通过对各蒸发器20的图像信息进行去噪、标准化、扩充和独热编码处理，再将各蒸发器20的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器20上的霜层厚度，能够有效提高检测准确性和效率。
具体地，各蒸发器20的图像信息的数据格式为N*3维；其中，N为采集装置40对一个蒸发器20所拍摄的图像的个数；
参见图8，对各蒸发器20的标准化图像信息进行扩充处理，得到各蒸发器20的扩充后图像信息，具体包括：
S1331、对各蒸发器20的标准化图像信息进行扩充，得到数据格式为N*9维的各蒸发器20的第一图像信息；
S1332、对各蒸发器20的第一图像信息进行数据格式转换，得到数据格式为N*3*3维的各蒸发器20的第二图像信息；
S1333、对各蒸发器20的第二图像信息的边缘进行扩充，得到数据格式为N*9*9维的各蒸发器20的扩充后图像信息。
示例性地，可以是使用补零操作进行扩充。
在本实施例中，通过将N*3维的图像信息扩充为N*9维的图像数据，再将N*9维的图像数据转化为N*3*3维图像数据格式，再对图像数据的边缘进行进一步的扩充，使其扩充为N*9*9维的图像数据格式，以此增大输入特征矩阵的宽高，有利于对于少量特征的充分利用，从而提高霜层厚度检测的准确性。
作为其中一个可选的实施例，参见图5，冰箱还包括显示输入装置；
显示输入装置，用于在控制器50的控制下显示相应内容；
显示输入装置，还用于接收用户输入的指令，并将指令发送至控制器50；
参见图9，控制器50，还用于：
S15、响应于接收到针对目标蒸发器20的蒸发器20图像信息查询指令，获取目标蒸发器20的图像信息，并控制显示输入装置显示目标蒸发器20的图像信息；
S16、响应于接收到针对目标蒸发器20的化霜指令，控制目标蒸发器20对应的化霜装置30对目标蒸发器20进行化霜。
在本实施例中，用户可以实时查看蒸发器20的霜层状态，并手动设置化霜，能够实现按用户需求除霜。此外，控制器50还能通过检测到的霜层厚度判断除霜是否完成，并生成相应的显示信息，通过冰箱自身的显示输入装置进行显示，当然，也可以是通过手机APP或是智慧家居的网关或智慧屏等终端80进行显示。
作为其中一个可选的实施例，参见图10，稠密块包括第一稠密块、第二稠密块和第三稠密块；过渡块包括第一过渡块和第二过渡块；通道域注意力机制模块包括压缩层和激发层；霜层厚度识别模型具体由输入层、第一稠密块、第二稠密块、第一过渡块、第三稠密块、第二过渡块、前向块、压缩层、激发层、反向块、分类层和输出层依次连接构成。
在本实施例中，图像信息经过一次稠密块后，将其深度进行一个扩充，能够更加充分的使用每个图像数据的少量特征，再使用过渡块进行一个深度的随机所见，主要是防止网络图像过大导致消耗时间过长，影响正常使用，同时，减少算力的消耗，通过稠密块与过渡块的堆叠，使得模型同时具有较高的准确性和较高的效率。
本发明另一实施例提供一种冰箱的化霜控制方法，包括：
在确定自动化霜条件满足时，每隔预设周期获取冰箱内的各蒸发器的图像信息；
基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度；其中，霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；
根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制。
与现有技术相比，本发明实施例提供的冰箱的化霜控制方法，在确定自动化霜条件满足时，通过采集各蒸发器的图像信息，基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，其中，霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成，再根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制，由此，能够根据各蒸发器的霜层状态控制除霜，可以有效避免除霜不足或除霜过量，从而能够实现冰箱按需除霜，达到了节能降耗的目的。
作为上述方案的改进，基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，具体包括：
对各蒸发器的图像信息进行去噪处理，得到各蒸发器的去噪后图像信息；
对各蒸发器的去噪后图像信息进行标准化处理，得到各蒸发器的标准化图像信息；
对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息；
对各蒸发器的扩充后图像信息进行独热编码处理，得到各蒸发器的预处理后图像信息；
将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度。
在本实施例中，通过对各蒸发器的图像信息进行去噪、标准化、扩充和独热编码处理，再将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度，能够有效提高检测准确性和效率。
作为上述方案的改进，各蒸发器的图像信息的数据格式为N*3维；其中，N为对一个蒸发器所拍摄的图像的个数；
对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息，具体包括：
对各蒸发器的标准化图像信息进行扩充，得到数据格式为N*9维的各蒸发器的第一图像信息；
对各蒸发器的第一图像信息进行数据格式转换，得到数据格式为N*3*3维的各蒸发器的第二图像信息；
对各蒸发器的第二图像信息的边缘进行扩充，得到数据格式为N*9*9维的各蒸发器的扩充后图像信息。
在本实施例中，通过将N*3维的图像信息扩充为N*9维的图像数据，再将N*9维的图像数据转化为N*3*3维图像数据格式，再对图像数据的边缘进行进一步的扩充，使其扩充为N*9*9维的图像数据格式，以此增大输入特征矩阵的宽高，有利于对于少量特征的充分利用，从而提高霜层厚度检测的准确性。
作为上述方案的改进，冰箱包括显示输入装置；显示输入装置，用于显示相应内容；显示输入装置，还用于接收用户输入的指令，并将指令发送至控制器；
方法还包括：
响应于接收到针对目标蒸发器的蒸发器图像信息查询指令，获取目标蒸发器的图像信息，并控制显示输入装置显示目标蒸发器的图像信息；
响应于接收到针对目标蒸发器的化霜指令，控制目标蒸发器对应的化霜装置对目标蒸发器进行化霜。
在本实施例中，用户可以实时查看蒸发器的霜层状态，并手动设置化霜，能够实现按用户需求除霜。
作为上述方案的改进，稠密块包括第一稠密块、第二稠密块和第三稠密块；过渡块包括第一过渡块和第二过渡块；通道域注意力机制模块包括压缩层和激发层；霜层厚度识别模型具体由输入层、第一稠密块、第二稠密块、第一过渡块、第三稠密块、第二过渡块、前向块、压缩层、激发层、反向块、分类层和输出层依次连接构成。
在本实施例中，图像信息经过一次稠密块后，将其深度进行一个扩充，能够更加充分的使用每个图像数据的少量特征。再使用过渡块进行一个深度的随机所见，主要是防止网络图像过大导致消耗时间过长，影响正常使用，同时，减少算力的消耗。通过稠密块与过渡块的堆叠，使得模型同时具有较高的准确性和较高的效率。
以上是本发明的优选实施方式，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，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种冰箱，其特征在于，包括：
箱体；
至少一个蒸发器；
与各蒸发器对应的化霜装置，用于对所述蒸发器进行化霜；
采集装置，用于采集各蒸发器的图像信息；
控制器，用于：
在确定自动化霜条件满足时，每隔预设周期获取各蒸发器的图像信息；
基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度；其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；
根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制。
2.如权利要求1所述的冰箱，其特征在于，所述基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，具体包括：
对各蒸发器的图像信息进行去噪处理，得到各蒸发器的去噪后图像信息；
对各蒸发器的去噪后图像信息进行标准化处理，得到各蒸发器的标准化图像信息；
对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息；
对各蒸发器的扩充后图像信息进行独热编码处理，得到各蒸发器的预处理后图像信息；
将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度。
3.如权利要求2所述的冰箱，其特征在于，各蒸发器的图像信息的数据格式为N*3维；其中，N为所述采集装置对一个所述蒸发器所拍摄的图像的个数；
所述对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息，具体包括：
对各蒸发器的标准化图像信息进行扩充，得到数据格式为N*9维的各蒸发器的第一图像信息；
对各蒸发器的第一图像信息进行数据格式转换，得到数据格式为N*3*3维的各蒸发器的第二图像信息；
对各蒸发器的第二图像信息的边缘进行扩充，得到数据格式为N*9*9维的各蒸发器的扩充后图像信息。
4.如权利要求1所述的冰箱，其特征在于，所述冰箱还包括显示输入装置；
所述显示输入装置，用于在所述控制器的控制下显示相应内容；
所述显示输入装置，还用于接收用户输入的指令，并将所述指令发送至所述控制器；
所述控制器，还用于：
响应于接收到针对目标蒸发器的蒸发器图像信息查询指令，获取所述目标蒸发器的图像信息，并控制所述显示输入装置显示所述目标蒸发器的图像信息；
响应于接收到针对目标蒸发器的化霜指令，控制所述目标蒸发器对应的化霜装置对所述目标蒸发器进行化霜。
5.如权利要求1所述的冰箱，其特征在于，所述稠密块包括第一稠密块、第二稠密块和第三稠密块；所述过渡块包括第一过渡块和第二过渡块；所述通道域注意力机制模块包括压缩层和激发层；所述霜层厚度识别模型具体由所述输入层、所述第一稠密块、所述第二稠密块、所述第一过渡块、所述第三稠密块、所述第二过渡块、所述前向块、所述压缩层、所述激发层、所述反向块、所述分类层和所述输出层依次连接构成。
6.一种冰箱的化霜控制方法，其特征在于，包括：
在确定自动化霜条件满足时，每隔预设周期获取冰箱内的各蒸发器的图像信息；
基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度；其中，所述霜层厚度识别模型由输入层、稠密块、过渡块、前向块、反向块、通道域注意力机制模块、分类层和输出层构成；
根据各蒸发器上的霜层厚度，对各蒸发器对应的化霜装置进行控制。
7.如权利要求6所述的冰箱的化霜控制方法，其特征在于，所述基于预先训练好的霜层厚度识别模型对各蒸发器的图像信息进行识别，得到各蒸发器上的霜层厚度，具体包括：
对各蒸发器的图像信息进行去噪处理，得到各蒸发器的去噪后图像信息；
对各蒸发器的去噪后图像信息进行标准化处理，得到各蒸发器的标准化图像信息；
对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息；
对各蒸发器的扩充后图像信息进行独热编码处理，得到各蒸发器的预处理后图像信息；
将各蒸发器的预处理后图像信息输入至预先训练好的霜层厚度识别模型进行识别，得到各蒸发器上的霜层厚度。
8.如权利要求7所述的冰箱的化霜控制方法，其特征在于，各蒸发器的图像信息的数据格式为N*3维；其中，N为对一个所述蒸发器所拍摄的图像的个数；
所述对各蒸发器的标准化图像信息进行扩充处理，得到各蒸发器的扩充后图像信息，具体包括：
对各蒸发器的标准化图像信息进行扩充，得到数据格式为N*9维的各蒸发器的第一图像信息；
对各蒸发器的第一图像信息进行数据格式转换，得到数据格式为N*3*3维的各蒸发器的第二图像信息；
对各蒸发器的第二图像信息的边缘进行扩充，得到数据格式为N*9*9维的各蒸发器的扩充后图像信息。
9.如权利要求6所述的冰箱的化霜控制方法，其特征在于，所述冰箱包括显示输入装置；所述显示输入装置，用于显示相应内容；所述显示输入装置，还用于接收用户输入的指令，并将所述指令发送至所述控制器；
所述方法还包括：
响应于接收到针对目标蒸发器的蒸发器图像信息查询指令，获取所述目标蒸发器的图像信息，并控制所述显示输入装置显示所述目标蒸发器的图像信息；
响应于接收到针对目标蒸发器的化霜指令，控制所述目标蒸发器对应的化霜装置对所述目标蒸发器进行化霜。
10.如权利要求6所述的冰箱的化霜控制方法，其特征在于，所述稠密块包括第一稠密块、第二稠密块和第三稠密块；所述过渡块包括第一过渡块和第二过渡块；所述通道域注意力机制模块包括压缩层和激发层；所述霜层厚度识别模型具体由所述输入层、所述第一稠密块、所述第二稠密块、所述第一过渡块、所述第三稠密块、所述第二过渡块、所述前向块、所述压缩层、所述激发层、所述反向块、所述分类层和所述输出层依次连接构成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210950366.XA CN115342585A (zh) | 2022-08-09 | 2022-08-09 | 冰箱及冰箱的化霜控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210950366.XA CN115342585A (zh) | 2022-08-09 | 2022-08-09 | 冰箱及冰箱的化霜控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115342585A true CN115342585A (zh) | 2022-11-15 |
Family
ID=83952612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210950366.XA Pending CN115342585A (zh) | 2022-08-09 | 2022-08-09 | 冰箱及冰箱的化霜控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115342585A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203704875U (zh) * | 2013-05-02 | 2014-07-09 | 大连三洋压缩机有限公司 | 一种基于图像处理技术的霜层厚度测量*** |
| CN110657617A (zh) * | 2018-06-29 | 2020-01-07 | 博西华电器（江苏）有限公司 | 冰箱的化霜控制方法、装置以及冰箱 |
| CN110715401A (zh) * | 2019-08-29 | 2020-01-21 | 珠海格力电器股份有限公司 | 空调设备的化霜控制方法、装置、介质及空调设备 |
| CN113776263A (zh) * | 2021-08-25 | 2021-12-10 | 珠海格力电器股份有限公司 | 一种蒸发器化霜控制方法、装置及冰箱 |
| CN114485037A (zh) * | 2022-02-11 | 2022-05-13 | 海信（山东）冰箱有限公司 | 一种冰箱及其食材定位方法 |
-
2022
- 2022-08-09 CN CN202210950366.XA patent/CN115342585A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN203704875U (zh) * | 2013-05-02 | 2014-07-09 | 大连三洋压缩机有限公司 | 一种基于图像处理技术的霜层厚度测量*** |
| CN110657617A (zh) * | 2018-06-29 | 2020-01-07 | 博西华电器（江苏）有限公司 | 冰箱的化霜控制方法、装置以及冰箱 |
| CN110715401A (zh) * | 2019-08-29 | 2020-01-21 | 珠海格力电器股份有限公司 | 空调设备的化霜控制方法、装置、介质及空调设备 |
| CN113776263A (zh) * | 2021-08-25 | 2021-12-10 | 珠海格力电器股份有限公司 | 一种蒸发器化霜控制方法、装置及冰箱 |
| CN114485037A (zh) * | 2022-02-11 | 2022-05-13 | 海信（山东）冰箱有限公司 | 一种冰箱及其食材定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104089364B (zh) | 一种热泵型电动汽车空调除霜在线检测与控制方法 | |
| US9909785B2 (en) | Heat pump device with simultaneous use of air and geothermal heat sources | |
| US9599377B2 (en) | Heat pump apparatus | |
| CN106016809A (zh) | 空调***及其除霜控制方法 | |
| CN109798701A (zh) | 用于连续制热的空调控制***、空调控制方法及空调 | |
| CN104949210B (zh) | 空调***、空调器和空调***的控制方法 | |
| CN106091251B (zh) | 一种用于换热器的脏堵判断方法、装置和空调 | |
| CN112752938B (zh) | 制冷剂泄漏判定装置、包括该制冷剂泄漏判定装置的冷冻装置及制冷剂泄漏判定方法 | |
| CN111750491B (zh) | 一种空调及基于神经网络的空调控制方法 | |
| CN112283993B (zh) | 一种制冷控制方法、装置及制冷设备 | |
| CN107576111A (zh) | 一种基于红外热成像检测空气源热泵除霜方法及控制*** | |
| CN205783351U (zh) | 节能机房空调 | |
| CN110822690A (zh) | 一种空调冷凝水的收集方法、收集装置及空调器 | |
| CN112361681A (zh) | 风冷热泵冷热水机组化霜控制方法、装置和空调*** | |
| CN113272603B (zh) | 异常判定装置、包括该异常判定装置的冷冻装置及压缩机的异常判定方法 | |
| CN105526676B (zh) | 判断制热时多联机的室内换热器是否积液的方法 | |
| CN114777378A (zh) | 一种冰箱及其控制方法 | |
| CN109405366A (zh) | 空调循环***、空调循环***的控制方法及空调 | |
| CN115342585A (zh) | 冰箱及冰箱的化霜控制方法 | |
| CN111854058A (zh) | 空调机组及其除霜控制方法 | |
| CN106440461B (zh) | 一种制冷剂填充的控制方法及空调 | |
| CN115978833A (zh) | 一种热泵机组的控制方法、装置、热泵机组和存储介质 | |
| CN115325699A (zh) | 一种热泵热水器及其控制方法 | |
| CN110926544B (zh) | 一种换热机组用检测设备及其在线自动检测方法 | |
| JP2016161207A (ja) | 空調機 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |