CN117760160A - 应用于冷库智能控制的设备数据可视化监管***及方法 - Google Patents
应用于冷库智能控制的设备数据可视化监管***及方法 Download PDFInfo
- Publication number
- CN117760160A CN117760160A CN202311817816.9A CN202311817816A CN117760160A CN 117760160 A CN117760160 A CN 117760160A CN 202311817816 A CN202311817816 A CN 202311817816A CN 117760160 A CN117760160 A CN 117760160A
- Authority
- CN
- China
- Prior art keywords
- temperature
- refrigeration
- refrigeration house
- behavior
- characteristic
- 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.)
- Granted
Links
- 238000005057 refrigeration Methods 0.000 title claims abstract description 183
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013079 data visualisation Methods 0.000 title claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 20
- 230000009471 action Effects 0.000 claims abstract description 7
- 230000006399 behavior Effects 0.000 claims description 128
- 238000000605 extraction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 230000010485 coping Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Devices That Are Associated With Refrigeration Equipment (AREA)
Abstract
本发明公开了应用于冷库智能控制的设备数据可视化监管***及方法，涉制冷设备管理管理技术领域，获取冷库中相关工作人员在冷库的作业过程的历史记录，对相关工作人员的作业过程对冷库内部温度环境的影响进行可视化的标记，通过图像拍摄装置获取冷库内部的图像信息，对相关工作人员在冷库中作业的行为特征进行获取，建立不同动作特征与冷库内部温度环境变化的温度预测模型，采集相关工作人员当前在冷库中作业的视觉图像，识别相关工作人员当前工作时的特征行为，对当前冷库中不同区域中温度环境变化进行预测，判断冷库中受到作业影响的区域是否需要增大制冷量，根据冷库中不同区域受到影响的预测情况，进行补充制冷。
Description
技术领域
本发明涉制冷设备管理管理技术领域，具体为应用于冷库智能控制的设备数据可视化监管***及方法。
背景技术
冷库是食品冷藏加工企业的主要组成部分，担负着易腐食品的冷冻加工和储藏任务，起着促进农副渔业生产、调剂市场季节供求、配合完成出口任务的作用。近年来，物流市场发展如火如荼，对冷库的性能要求也不断提高。冷库存储属于高耗能的行业，所以需要对冷库中制冷设备精准的控制，以降低冷库在制冷时使用的能耗。
在相关工作人员在冷库进行作业时，例如对冷库中的物品进行搬运、查找和对冷库进行巡检，不可避免地会对冷库中的温度环境造成影响，如果不能及时消除影响，会使得冷库中存储的物品处于不安全的状态。现有技术中，对冷库中对制冷设备的控制相对滞后的问题，在冷库中出现明显温度变化后，有关管理才能对冷库中的制冷设备进行控制。
发明内容
本发明的目的在于提供应用于冷库智能控制的设备数据可视化监管***及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案应用于冷库智能控制的设备数据可视化监管***及方法。
步骤S100：获取冷库中相关工作人员在冷库作业的历史记录，提取所述历史记录的图像信息，根据作业过程中相关人员对冷库内部温度环境的影响，对图像信息进行可视化的标记；
步骤S200：通过图像拍摄装置获取冷库内部的图像信息，对相关工作人员在冷库中作业的行为特征进行获取，建立不同动作特征与冷库内部温度环境变化的温度预测模型；
步骤S300：采集相关工作人员当前在冷库中作业的视觉图像，识别相关工作人员当前工作时的特征行为，对当前冷库中不同区域中温度环境变化进行预测；
本方案中采集两种不同类型的图像信息，进行不同特征的提取，热成像工作在红外光波段，红外图像用于提取冷库中温度差异的分布于变化，视觉图像为人肉眼可见的图像信息，采集波长在可见光范围中的光学成像信息；
本方案通过将两种类型的图像信息进行对照，分别提取特征进行对应，对相关工作人员对冷库温度造成的影响进行远程分析
步骤S400：判断冷库中受到作业影响的区域是否需要增大制冷量，根据冷库中不同区域受到影响的预测情况，进行补充制冷。
进一步的，步骤S100包括：
步骤S101：通过红外设备获取冷库中的红外图像，通过不同的颜色对红外图像中不同温度区域进行标记，设置第一管理阈值α1和第二管理阈值α2，其中，α1＜α2，通过第一目标颜色CL1标记出冷库中温度大于α2的区域，通过第二目标颜色CL2标记出冷库中温度范围在(α1，α2)范围中的区域；
步骤S102：获取冷库温度情况，对冷库中温度大于α2的物体进行目标识别，将识别到的目标作为目标热源，将目标热源所在的区域设置为第一类目标区域，将受到目标热源影响，温度范围在(α1，α2)的区域设置为第二类目标区域；
步骤S103：对冷库中的温度进行建模，得到冷库的温度函数F(D)，其中，D表示冷库中温度超过α1的区域，F(D)表示D对应的温度随D中位置变化函数，所述温度变化函数表示D中的任意点dx对应的温度差值τ，随dx的变化而变化，其中，τ为dx处的温度值与α1的差值；
α1表示冷库中最佳环境温度，α2表示在冷库中物品安全的前提下，冷库的最高环境温度；
F(D)表示出冷库中不同位置的温度信息，以α1作为温度的参考标准，采集温度超过α1区域，计算各个区域对应温度超出α1的部分，将温度超出α1的部分通过F(D)进行表示。
进一步的，步骤S200包括：
步骤S201：通过视觉图像记录设备，记录相关工作人员在冷库中作业的视觉图像，对视觉图像中相关工作人员的作业区域进行识别，将所述作业区域的视觉图像与红外图像进行时间同步；
步骤S202：在相关工作人员在冷库中进行作业时，获取所述作业区域的温度，对于所述作业区域的相邻两次温度测量结果为K1和K2，其中按照测量时间的先后顺序，先测得K1，后测得K2，当K2＞K1时，判断所述作业区域的温度上升，获取得到测量结果K1对应时刻Tc，将所述作业区域Tc前的t0时间段内的视觉图像设为目标图像，对目标图像中相关工作人员的行为进行特征提取，在每次所述作业区域的温度上升时提取出一个特征行为；
步骤S203：获取相关工作人员在冷库的作业过程记录，提取一条作业过程记录中所有的特征行为，将一条作业过程记录中的特征行为根据特征行为产生的时间顺序，汇入一条特征行为序列，汇集若干条特征行为序列，构成特征行为的行为预测模型；
将相关工作人员从进入冷库到离开冷库的一次作业过程设为一条作业过程记录，提取各条作业过程记录中引起冷库温度上升的行为特征，分别组成特征行为序列；
相关工作人员在冷库中工作顺序或者是工作流程是具有一定规律的，通过总结出使得冷库温度进行持续上升的工作流程，将引起冷库温度进行持续上升的工作流程进行记录，总结出不同特征行为对冷库内部温度影响的规律，通过视觉图像的识别，提取当前工作人员工作时的特征行为，与记录进行比对结合历史规律，对热源对冷库的环境温度进行预测；
步骤S204：提取任意一条特征行为序列对应的红外图像组成的图像序列，提取所述任意一条特征行为序列中，由于特征行为的连续产生，图像序列中第一类目标区域和第二类目标区域的连续变化情况；
步骤S205：汇集各条特征行为序列对第一类目标区域和第二类目标区的连续变化情况，与行为预测模型共同构成基于特征行为预测的温度预测模型。
进一步的，步骤S300包括：
步骤S301：获取相关工作人员当前在冷库中进行作业的当前工作区域，对当前工作区域中的温度K0进行获取，记录检测到K0大于α1的时刻T0，获取T0时刻前的t1时间段内，当前工作区域的视觉图像，提取出所述视觉图像中的特征行为，将提取到的特征行为汇入参考特征序列；
步骤S302：通过行为预测模型根据参考特征序列中的行为特征，对相关工作人员的特征行为进行预测，得到预测的行为特征汇入预测行为序列；
步骤S303：根据预测行为序列中的特征行为，通过温度预测模型对冷库中温度变化情况进行预测；
步骤S304：根据预测行为序列中的特征行为，绘制每个特征行为对应的温度预测函数，其中，预测行为序列中共有i个特征行为，每个特征行为对应一个温度预测函数，汇集i个温度预测图像得到温度预测函数序列R，R：r1→r2→r3→……→ri，其中，ri表示第i个特征行为对应的温度预测函数，所述温度预测函数表示，温度超过α1的区域中温度随位置变化的关系。
进一步的，步骤S400包括：
步骤S401：获取R中每一个温度预测函数中温度的最大值，记入温度峰值序列W，W(u1，u2，u3，……，ui)其中，u1，u2，u3，……，ui分别表示第1个、第2个、第3个、……、第i个温度预测函数对应的温度最大值，获取W中的最大值Umax，当Umax＜α2时，执行第一应对策略，对冷库中受到作业影响的区域进行持续检测；
步骤S402：当umax≥α2时，获取W中第一个出现大于α2的值作为目标峰值ux，获取目标峰值对应的温度函数Fx(Dx)，其中Dx表示Fx(Dx)对应的冷库中温度超过α1的区域；
步骤S403：通过对Fx(Dx)在Dx上对温度进行积分，计算Fx(Dx)对应的制冷参考值Cx，Cx＝∫σ∈DFx(Dx)dσ，其中σ表示Dx中区域的微元；
根据对冷库中不同维度尺度的划分，σ表示不同维度下Dx中区域的微元；
Cx表示出温度差值在各个位置的累计结果，表示出温度差值在冷库中的累计量，这个值作为制冷量的参考，当Cx＝0时说明冷库中不需要进行额外的制冷；
步骤S404：匹配第二应对策略，增加冷库中制冷***的制冷量，使得Cx值等于0。
为了更好地实现上述方法，还提出一种应用于冷库智能控制的设备数据可视化监管***，***包括：
第一模型管理模块、第二模型管理模块、温度预测模块和制冷管理模块，其中，第一模型管理模块用于管理冷库中的温度函数模型，第二模型管理模块用于管理冷中的温度预测模型，温度预测模块用于采集实时图像信息对冷库中的温度上升情况进行预测，制冷管理模块用于对冷库中的制冷***进行控制；
进一步的，第一模型管理模块包括：温度记录管理单元、目标区域管理单元和温度函数绘制单元，其中，温度记录管理单元用于记录和管理相关工作人员在冷库的作业过程的历史记录，目标区域管理单元用于区分第一类目标区域和第二类目标区域，温度函数绘制单元用于绘制温度函数；
进一步的，第二模型管理模块包括：视觉记录单元、特征提取单元、行为预测模型管理单元和温度预测模型管理单元，其中，视觉记录单元用于记录相关工作人员在冷库中作业的视觉图像，特征提取单元用于提取相关工作人员的特征行为，行为预测模型管理单元用于生成和管理行为预测模型，温度预测模型管理单元用于生成和管理温度预测模型；
进一步的，温度预测模块包括：参考特征序列管理单元、预测行为序列生成单元和温度预测函数管理单元，其中，参考特征序列管理单元用于获取和管理参考特征序列中的行为特征，预测行为序列生成单元用于根据行为预测模型生成预测行为序列，温度预测函数管理单元用于生成温度预测函数；
进一步的，制冷管理模块包括：判断单元、目标峰值管理单元、制冷参考值计算单元和制冷控制单元，其中，判断单元用于判断是否需要补充制冷，目标峰值管理单元用于获取目标峰值，制冷参考值计算单元用于计算制冷参考值，制冷控制单元用于调整制冷***的制冷量。
与现有技术相比，本发明所达到的有益效果是：本发明通过将温度传感图像和可见光图像相结合，建立冷库中工作人员的行为对冷库中造成的环境影响模型，在一定条件下触发对工作流程的预测，从而预测冷库中温度变化的情况，进而采取相关措施。
将原本滞后的温度调整过程进行提前，在温度开始上升，时对温度上升的结果进行判断，提取出超过管理阈值的预测数据，在没有对冷库中存放的物品造成实质性损害时，预先配制制冷调整方案，减小对冷库中存放的物品造成的损害。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明专利应用于冷库智能控制的设备数据可视化监管***的结构示意图；
图2是本发明专利应用于冷库智能控制的设备数据可视化监管方法的流程示意图。
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做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。
请参阅图1和图2，本发明提供技术方案：
步骤S100：获取冷库中相关工作人员在冷库作业的历史记录，提取所述历史记录的图像信息，根据作业过程中相关人员对冷库内部温度环境的影响，对图像信息进行可视化的标记；
其中，步骤S100包括：
步骤S101：通过红外设备获取冷库中的红外图像，通过不同的颜色对红外图像中不同温度区域进行标记，设置第一管理阈值α1和第二管理阈值α2，其中，α1＜α2，通过第一目标颜色CL1标记出冷库中温度大于α2的区域，通过第二目标颜色CL2标记出冷库中温度范围在(α1，α2)范围中的区域；
步骤S102：获取冷库温度情况，对冷库中温度大于α2的物体进行目标识别，将识别到的目标作为目标热源，将目标热源所在的区域设置为第一类目标区域，将受到目标热源影响，温度范围在(α1，α2)的区域设置为第二类目标区域；
步骤S103：对冷库中的温度进行建模，得到冷库的温度函数F(D)，其中，D表示冷库中温度超过α1的区域，F(D)表示D对应的温度随D中位置变化函数，所述温度变化函数表示D中的任意点dx对应的温度差值τ，随dx的变化而变化，其中，τ为dx处的温度值与α1的差值。
步骤S200：通过图像拍摄装置获取冷库内部的图像信息，对相关工作人员在冷库中作业的行为特征进行获取，建立不同动作特征与冷库内部温度环境变化的温度预测模型；
其中，步骤S200包括：
步骤S201：通过视觉图像记录设备，记录相关工作人员在冷库中作业的视觉图像，对视觉图像中相关工作人员的作业区域进行识别，将所述作业区域的视觉图像与红外图像进行时间同步；
步骤S202：在相关工作人员在冷库中进行作业时，获取所述作业区域的温度，对于所述作业区域的相邻两次温度测量结果为K1和K2，其中按照测量时间的先后顺序，先测得K1，后测得K2，当K2＞K1时，判断所述作业区域的温度上升，获取得到测量结果K1对应时刻Tc，将所述作业区域Tc前的t0时间段内的视觉图像设为目标图像，对目标图像中相关工作人员的行为进行特征提取，在每次所述作业区域的温度上升时提取出一个特征行为；
步骤S203：获取相关工作人员在冷库的作业过程记录，提取一条作业过程记录中所有的特征行为，将一条作业过程记录中的特征行为根据特征行为产生的时间顺序，汇入一条特征行为序列，汇集若干条特征行为序列，构成特征行为的行为预测模型；
步骤S204：提取任意一条特征行为序列对应的红外图像组成的图像序列，提取所述任意一条特征行为序列中，由于特征行为的连续产生，图像序列中第一类目标区域和第二类目标区域的连续变化情况；
步骤S205：汇集各条特征行为序列对第一类目标区域和第二类目标区的连续变化情况，与行为预测模型共同构成基于特征行为预测的温度预测模型。
步骤S300：采集相关工作人员当前在冷库中作业的视觉图像，识别相关工作人员当前工作时的特征行为，对当前冷库中不同区域中温度环境变化进行预测；
其中，步骤S300包括：
步骤S301：获取相关工作人员当前在冷库中进行作业的当前工作区域，对当前工作区域中的温度K0进行获取，记录检测到K0大于α1的时刻T0，获取T0时刻前的t1时间段内，当前工作区域的视觉图像，提取出所述视觉图像中的特征行为，将提取到的特征行为汇入参考特征序列；
步骤S302：通过行为预测模型根据参考特征序列中的行为特征，对相关工作人员的特征行为进行预测，得到预测的行为特征汇入预测行为序列；
步骤S303：根据预测行为序列中的特征行为，通过温度预测模型对冷库中温度变化情况进行预测；
步骤S304：根据预测行为序列中的特征行为，绘制每个特征行为对应的温度预测函数，其中，预测行为序列中共有i个特征行为，每个特征行为对应一个温度预测函数，汇集i个温度预测图像得到温度预测函数序列R，R：r1→r2→r3→……→ri，其中，ri表示第i个特征行为对应的温度预测函数，所述温度预测函数表示，温度超过α1的区域中温度随位置变化的关系。
步骤S400：判断冷库中受到作业影响的区域是否需要增大制冷量，根据冷库中不同区域受到影响的预测情况，进行补充制冷；
其中，步骤S400包括：
步骤S401：获取R中每一个温度预测函数中温度的最大值，记入温度峰值序列W，W(u1，u2，u3，……，ui)其中，u1，u2，u3，……，ui分别表示第1个、第2个、第3个、……、第i个温度预测函数对应的温度最大值，获取W中的最大值Umax，当Umax＜α2时，执行第一应对策略，对冷库中受到作业影响的区域进行持续检测；
根据预测结果，对不同的情况进行筛选，当预测结果中最高温度不超过α2时，对冷库中的温度数据加强检测，例如提高自动采集温度的频率或提醒有关管理人员进行温度数据查看，当预测结果中最高温度超过α2时，根据预测结果进行预调控；
步骤S402：当umax≥α2时，获取W中第一个出现大于α2的值作为目标峰值ux，获取目标峰值对应的温度函数Fx(Dx)，其中Dx表示Fx(Dx)对应的冷库中温度超过α1的区域；
步骤S403：通过对Fx(Dx)在Dx上对温度进行积分，计算Fx(Dx)对应的制冷参考值Cx，Cx＝∫σ∈DFx(Dx)dσ，其中σ表示Dx中区域的微元；
建立冷库的平面坐标或三维坐标，给冷库的不同位置进行定位，通过各个位置的温度差值建立Fx(Dx)；
示例一：建立冷库的平面坐标系，获取冷库中温度超过α1的区域D1，和各个位置超过α1的数值，其中，D1中有x轴上对应Q1个位置坐标，y轴上对应Q2个位置坐标，D1中共有坐标位置Q1×Q2个；
D1对应的温度函数为F1(D1)，其中，F1(D1)由点Fmn(xm，yn)组成；
Fmn(xm，yn)表示(xm，yn)位置处温度超过α1的值，xm表示(xm，yn)处x轴坐标，ym表示(xm，yn)处y轴坐标；
计算制冷参考值C1，其中，
示例二：建立冷库的空间坐标系，获取冷库中温度超过α1的区域D2，和各个位置超过α1的数值，其中，D2中有x轴上对应P1个位置坐标，y轴上对应P2个位置坐标，z轴上对应P3个坐标，D2中共有坐标位置P1×P2×P3个；
D2对应的温度函数为F2(D2)，其中，F1(D1)由点Fmnr(xm，yn，zr)组成；
Fmnr(xm，yn，zr)表示(xm，yn，zr)位置处温度超过α1的值，xm表示(xm，yn，zr)处x轴坐标，ym表示(xm，yn，zr)处y轴坐标，zr表示(xm，yn，zr)处z轴坐标；
计算制冷参考值C2，其中，
步骤S404：匹配第二应对策略，增加冷库中制冷***的制冷量，使得Cx值等于0。
***包括：
第一模型管理模块、第二模型管理模块、温度预测模块和制冷管理模块；
其中，第一模型管理模块用于管理冷库中的温度函数模型，其中，第一模型管理模块包括：温度记录管理单元、目标区域管理单元和温度函数绘制单元，其中，温度记录管理单元用于记录和管理相关工作人员在冷库的作业过程的历史记录，目标区域管理单元用于区分第一类目标区域和第二类目标区域，温度函数绘制单元用于绘制温度函数；
其中，第二模型管理模块用于管理冷中的温度预测模型，其中，第二模型管理模块包括：视觉记录单元、特征提取单元、行为预测模型管理单元和温度预测模型管理单元，其中，视觉记录单元用于记录相关工作人员在冷库中作业的视觉图像，特征提取单元用于提取相关工作人员的特征行为，行为预测模型管理单元用于生成和管理行为预测模型，温度预测模型管理单元用于生成和管理温度预测模型；
其中，温度预测模块用于采集实时图像信息对冷库中的温度上升情况进行预测，其中，温度预测模块包括：参考特征序列管理单元、预测行为序列生成单元和温度预测函数管理单元，其中，参考特征序列管理单元用于获取和管理参考特征序列中的行为特征，预测行为序列生成单元用于根据行为预测模型生成预测行为序列，温度预测函数管理单元用于生成温度预测函数；
其中，制冷管理模块用于对冷库中的制冷***进行控制，其中，制冷管理模块包括：判断单元、目标峰值管理单元、制冷参考值计算单元和制冷控制单元，其中，判断单元用于判断是否需要补充制冷，目标峰值管理单元用于获取目标峰值，制冷参考值计算单元用于计算制冷参考值，制冷控制单元用于调整制冷***的制冷量。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.应用于冷库智能控制的设备数据可视化监管方法，其特征在于，所述方法包括以下步骤：
步骤S100：获取冷库中相关工作人员在冷库作业的历史记录，提取所述历史记录的图像信息，根据作业过程中相关人员对冷库内部温度环境的影响，对图像信息进行可视化的标记；
步骤S200：通过图像拍摄装置获取冷库内部的图像信息，对相关工作人员在冷库中作业的行为特征进行获取，建立不同动作特征与冷库内部温度环境变化的温度预测模型；
步骤S300：采集相关工作人员当前在冷库中作业的视觉图像，识别相关工作人员当前工作时的特征行为，对当前冷库中不同区域中温度环境变化进行预测；
步骤S400：判断冷库中受到作业影响的区域是否需要增大制冷量，根据冷库中不同区域受到影响的预测情况，进行补充制冷。
2.根据权利要求1所述的应用于冷库智能控制的设备数据可视化监管方法，其特征在于：步骤S100包括：
步骤S101：通过红外设备获取冷库中的红外图像，通过不同的颜色对红外图像中不同温度区域进行标记，设置第一管理阈值α1和第二管理阈值α2，其中，α1＜α2，通过第一目标颜色CL1标记出冷库中温度大于α2的区域，通过第二目标颜色CL2标记出冷库中温度范围在(α1，α2)范围中的区域；
步骤S102：获取冷库温度情况，对冷库中温度大于α2的物体进行目标识别，将识别到的目标作为目标热源，将目标热源所在的区域设置为第一类目标区域，将受到目标热源影响，温度范围在(α1，α2)的区域设置为第二类目标区域；
步骤S103：对冷库中的温度进行建模，得到冷库的温度函数F(D)，其中，D表示冷库中温度超过α1的区域，F(D)表示D对应的温度随D中位置变化函数，所述温度变化函数表示D中的任意点dx对应的温度差值τ，随dx的变化而变化，其中，τ为dx处的温度值与α1的差值。
3.根据权利要求2所述的应用于冷库智能控制的设备数据可视化监管方法，其特征在于：步骤S200包括：
步骤S201：通过视觉图像记录设备，记录相关工作人员在冷库中作业的视觉图像，对视觉图像中相关工作人员的作业区域进行识别，将所述作业区域的视觉图像与红外图像进行时间同步；
步骤S202：在相关工作人员在冷库中进行作业时，获取所述作业区域的温度，对于所述作业区域的相邻两次温度测量结果为K1和K2，其中按照测量时间的先后顺序，先测得K1，后测得K2，当K2＞K1时，判断所述作业区域的温度上升，获取得到测量结果K1对应时刻Tc，将所述作业区域Tc前的t0时间段内的视觉图像设为目标图像，对目标图像中相关工作人员的行为进行特征提取，在每次所述作业区域的温度上升时提取出一个特征行为；
步骤S203：获取相关工作人员在冷库的作业过程记录，提取一条作业过程记录中所有的特征行为，将一条作业过程记录中的特征行为根据特征行为产生的时间顺序，汇入一条特征行为序列，汇集若干条特征行为序列，构成特征行为的行为预测模型；
步骤S204：提取任意一条特征行为序列对应的红外图像组成的图像序列，提取所述任意一条特征行为序列中，由于特征行为的连续产生，图像序列中第一类目标区域和第二类目标区域的连续变化情况；
步骤S205：汇集各条特征行为序列对第一类目标区域和第二类目标区的连续变化情况，与行为预测模型共同构成基于特征行为预测的温度预测模型。
4.根据权利要求3所述的应用于冷库智能控制的设备数据可视化监管方法，其特征在于：步骤S300包括：
步骤S301：获取相关工作人员当前在冷库中进行作业的当前工作区域，对当前工作区域中的温度K0进行获取，记录检测到K0大于α1的时刻T0，获取T0时刻前的t1时间段内，当前工作区域的视觉图像，提取出所述视觉图像中的特征行为，将提取到的特征行为汇入参考特征序列；
步骤S302：通过行为预测模型根据参考特征序列中的行为特征，对相关工作人员的特征行为进行预测，得到预测的行为特征汇入预测行为序列；
步骤S303：根据预测行为序列中的特征行为，通过温度预测模型对冷库中温度变化情况进行预测；
步骤S304：根据预测行为序列中的特征行为，绘制每个特征行为对应的温度预测函数，其中，预测行为序列中共有i个特征行为，每个特征行为对应一个温度预测函数，汇集i个温度预测图像得到温度预测函数序列R，R：r1→r2→r3→……→ri，其中，ri表示第i个特征行为对应的温度预测函数，所述温度预测函数表示，温度超过α1的区域中温度随位置变化的关系。
5.根据权利要求4所述的应用于冷库智能控制的设备数据可视化监管方法，其特征在于：步骤S400包括：
步骤S401：获取R中每一个温度预测函数中温度的最大值，记入温度峰值序列W，W(u1，u2，u3，……，ui)其中，u1，u2，u3，……，ui分别表示第1个、第2个、第3个、……、第i个温度预测函数对应的温度最大值，获取W中的最大值Umax，当Umax＜α2时，执行第一应对策略，对冷库中受到作业影响的区域进行持续检测；
步骤S402：当umax≥α2时，获取W中第一个出现大于α2的值作为目标峰值ux，获取目标峰值对应的温度函数Fx(Dx)，其中Dx表示Fx(Dx)对应的冷库中温度超过α1的区域；
步骤S403：通过对Fx(Dx)在Dx上对温度进行积分，计算Fx(Dx)对应的制冷参考值Cx，Cx＝∫σ∈DFx(Dx)dσ，其中σ表示Dx中区域的微元；
步骤S404：匹配第二应对策略，增加冷库中制冷***的制冷量，使得Cx值等于0。
6.用于执行权利要求1-5中任意一项所述的应用于冷库智能控制的设备数据可视化监管方法的设备数据可视化监管***，其特征在于：所述***包括以下模块：第一模型管理模块、第二模型管理模块、温度预测模块和制冷管理模块，其中，第一模型管理模块用于管理冷库中的温度函数模型，第二模型管理模块用于管理冷中的温度预测模型，温度预测模块用于采集实时图像信息对冷库中的温度上升情况进行预测，制冷管理模块用于对冷库中的制冷***进行控制。
7.根据权利要求6所述的设备数据可视化监管***，其特征在于：第一模型管理模块包括：温度记录管理单元、目标区域管理单元和温度函数绘制单元，其中，温度记录管理单元用于记录和管理相关工作人员在冷库的作业过程的历史记录，目标区域管理单元用于区分第一类目标区域和第二类目标区域，温度函数绘制单元用于绘制温度函数。
8.根据权利要求7所述的设备数据可视化监管***，其特征在于：第二模型管理模块包括：视觉记录单元、特征提取单元、行为预测模型管理单元和温度预测模型管理单元，其中，视觉记录单元用于记录相关工作人员在冷库中作业的视觉图像，特征提取单元用于提取相关工作人员的特征行为，行为预测模型管理单元用于生成和管理行为预测模型，温度预测模型管理单元用于生成和管理温度预测模型。
9.根据权利要求8所述的设备数据可视化监管***，其特征在于：温度预测模块包括：参考特征序列管理单元、预测行为序列生成单元和温度预测函数管理单元，其中，参考特征序列管理单元用于获取和管理参考特征序列中的行为特征，预测行为序列生成单元用于根据行为预测模型生成预测行为序列，温度预测函数管理单元用于生成温度预测函数。
10.根据权利要求9所述的设备数据可视化监管***，其特征在于：制冷管理模块包括：判断单元、目标峰值管理单元、制冷参考值计算单元和制冷控制单元，其中，判断单元用于判断是否需要补充制冷，目标峰值管理单元用于获取目标峰值，制冷参考值计算单元用于计算制冷参考值，制冷控制单元用于调整制冷***的制冷量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311817816.9A CN117760160B (zh) | 2023-12-27 | 2023-12-27 | 应用于冷库智能控制的设备数据可视化监管***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311817816.9A CN117760160B (zh) | 2023-12-27 | 2023-12-27 | 应用于冷库智能控制的设备数据可视化监管***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117760160A true CN117760160A (zh) | 2024-03-26 |
| CN117760160B CN117760160B (zh) | 2024-05-17 |
Family
ID=90321814
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311817816.9A Active CN117760160B (zh) | 2023-12-27 | 2023-12-27 | 应用于冷库智能控制的设备数据可视化监管***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117760160B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960296A (zh) * | 2019-04-02 | 2019-07-02 | 广州市雪涛制冷设备有限公司 | 一种用于自适应环境变化温度预测的方法 |
| KR102298477B1 (ko) * | 2020-06-19 | 2021-09-06 | 주식회사 다함 | 냉장 및 냉동 창고 제어 시스템 |
| US20210321820A1 (en) * | 2020-04-15 | 2021-10-21 | Air Products And Chemicals, Inc. | Sensor Device for Providing Control for a Food Processing System |
| CN113945063A (zh) * | 2021-10-15 | 2022-01-18 | 福建瑞雪制冷设备有限公司 | 一种基于物联网的冷库控制方法、***及其存储介质 |
| CN115601827A (zh) * | 2021-06-28 | 2023-01-13 | 海信集团控股股份有限公司（Cn） | 一种智能冰箱、存取动作识别方法、设备及介质 |
| KR20230039335A (ko) * | 2021-09-14 | 2023-03-21 | 한국전자통신연구원 | 사용자의 실내 활동을 위한 실내 안전 관리 방법 및 상기 방법을 수행하는 컴퓨팅 장치 |
| KR102568513B1 (ko) * | 2023-04-12 | 2023-08-28 | 허우람 | 지능형 빙과류 저온 유통 시스템 및 그의 제어 방법 |
| CN116977807A (zh) * | 2023-08-01 | 2023-10-31 | 新疆大学 | 基于多传感器融合的冷库智能监控***及方法 |
| CN117213143A (zh) * | 2023-11-09 | 2023-12-12 | 江苏新讯智造科技有限公司 | 一种基于ai智能调节的冷库节能及评估*** |
-
2023
- 2023-12-27 CN CN202311817816.9A patent/CN117760160B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109960296A (zh) * | 2019-04-02 | 2019-07-02 | 广州市雪涛制冷设备有限公司 | 一种用于自适应环境变化温度预测的方法 |
| US20210321820A1 (en) * | 2020-04-15 | 2021-10-21 | Air Products And Chemicals, Inc. | Sensor Device for Providing Control for a Food Processing System |
| KR102298477B1 (ko) * | 2020-06-19 | 2021-09-06 | 주식회사 다함 | 냉장 및 냉동 창고 제어 시스템 |
| CN115601827A (zh) * | 2021-06-28 | 2023-01-13 | 海信集团控股股份有限公司（Cn） | 一种智能冰箱、存取动作识别方法、设备及介质 |
| KR20230039335A (ko) * | 2021-09-14 | 2023-03-21 | 한국전자통신연구원 | 사용자의 실내 활동을 위한 실내 안전 관리 방법 및 상기 방법을 수행하는 컴퓨팅 장치 |
| CN113945063A (zh) * | 2021-10-15 | 2022-01-18 | 福建瑞雪制冷设备有限公司 | 一种基于物联网的冷库控制方法、***及其存储介质 |
| KR102568513B1 (ko) * | 2023-04-12 | 2023-08-28 | 허우람 | 지능형 빙과류 저온 유통 시스템 및 그의 제어 방법 |
| CN116977807A (zh) * | 2023-08-01 | 2023-10-31 | 新疆大学 | 基于多传感器融合的冷库智能监控***及方法 |
| CN117213143A (zh) * | 2023-11-09 | 2023-12-12 | 江苏新讯智造科技有限公司 | 一种基于ai智能调节的冷库节能及评估*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117760160B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110502965A (zh) | 一种基于计算机视觉人体姿态估计的施工安全帽佩戴监测方法 | |
| US10127257B2 (en) | Methods of creating a database and of formulating a map of operating states of aircraft and a method of monitoring the operation of an associated aircraft | |
| CN104541215B (zh) | 对用于生产产品的技术设备的第一装备的监控 | |
| CN104697107A (zh) | 智能学习节能调控***与方法 | |
| CN107133286B (zh) | 一种机房温度参数分布场三维图的生成与分析方法和*** | |
| CN103425959B (zh) | 一种识别火灾的火焰视频检测方法 | |
| CN106855958A (zh) | 机台零件剩余寿命预测***与方法 | |
| WO2023063887A2 (en) | Method and apparatus for predicting state of wind turbine blade, and device and storage medium therefor | |
| CN110810027B (zh) | 一种基于粮温的粮仓内环流控温方法 | |
| CN108999758A (zh) | 风力发电机的叶片结冰监测方法和设备 | |
| CN108799011A (zh) | 对风电机组的叶片进行监测的设备和方法 | |
| CN104091042B (zh) | 一种基于运行数据对中央空调***节能诊断及节能潜力分析的方法 | |
| CN117760160B (zh) | 应用于冷库智能控制的设备数据可视化监管***及方法 | |
| CN107461881B (zh) | 一种医院空调机房的制冷主机能效诊断方法及其*** | |
| CN102230661B (zh) | 一种滞后时间预测的中央空调***智能控制方法 | |
| CN113822225A (zh) | 一种森林病虫害的智能监测方法及*** | |
| CN117172983A (zh) | 一种基于遥感技术的植被生态水储量监测*** | |
| CN114882410B (zh) | 基于改进定位损失函数的隧道顶灯故障检测方法及*** | |
| Cirera et al. | Data-driven operation performance evaluation of multi-chiller system using self-organizing maps | |
| Zihan et al. | Preliminary design of a new intelligent plant cultivation robot | |
| CN117108939B (zh) | 一种地温场的在线监测方法、***、装置及存储介质 | |
| CN117057719B (zh) | 一种基于大数据的预制食品仓储补货管理方法及*** | |
| CN113885362B (zh) | 一种室外网络机柜的运行调控*** | |
| CN111882807B (zh) | 一种识别区域火灾发生地方法及*** | |
| CN117854064B (zh) | 一种基于人工智能的冷柜货品识别***及方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |