[发明专利]一种基于红外图像分割的智能供热监测方法

说明书

本发明公开了一种基于红外图像分割的智能供热监测方法，属于智能供热监测技术领域，解决现有技术用户接受度低、设备成本高且难以管理和鲁棒性差的问题。本发明的方法包括：采集建筑热力图，选取用于预测室内温度的目标区域；利用标注后的建筑热力图对图像分割模型进行训练，获得基于深度学习的红外图像分割模型，利用基于深度学习的红外图像分割模型获取若干个目标区域热力图；采集目标区域热力图对应的室内温度；选取与室内温度最接近线性变化规律的温度数据为室外温度采集数据；建立室外温度采集数据和室内温度的温度拟合方程；根据室外温度采集数据和温度拟合方程，获取室内温度预测值。本发明适用于智能供热中对室内温度的监测。

技术领域

本申请涉及智能供热监测技术领域，尤其涉及一种基于红外图像分割的智能供热监测方法。

背景技术

目前国内提出的智慧供热系统都大同小异，智慧供热系统主要包括三大部分：感知控制、AI策略、管理分析。感知控制部分主要是对各个地点的监控，例如热源监控、热战监控、室温监控等。AI策略部分主要是进行供需预测、供热诊断等。而管理分析部分则是进行能耗分析的工作。在该系统中除了需要搭建本地数据中心外，还需要联合物联网云平台、大数据云平台、人工智能云平台来进行数据采集、控制指令下发等操作。

目前现有的基于物联网技术的智慧供热解决方案是在用户室内安装温度传感器，将采集的数据利用NB-IoT等无线传输模块上传到供热公司的云服务器，经过数据预处理、模型训练、数据推理后将供热策略推送到用户端，用户可以利用温控APP、温控面板等自主进行温度调控。

但是这也会导致以下三个问题：

1.用户接受度不高。大部分用户比较注重个人隐私问题，难以接受上门安装温度传感器等室温采集装置，用户投诉率高；

2.设备成本高且难以管理。在每个用户家中都需要安装室温采集装置，大量设备需要专人维护和管理，人力成本高且管理效率低下；

3.可靠性低。基于NB-IoT的无线传输技术抗干扰性差且不适用于室内传输，系统鲁棒性低。

发明内容

本发明目的是为了解决现有技术用户接受度低、设备成本高且难以管理和鲁棒性差的问题，提供了一种基于红外图像分割的智能供热监测方法。

本发明是通过以下技术方案实现的，本发明一方面，提供一种基于红外图像分割的智能供热监测方法，所述方法包括：

采集建筑热力图，选取用于预测室内温度的目标区域，对所述目标区域的边框进行标注；

选取图像分割模型，利用标注后的建筑热力图对所述图像分割模型进行训练，获得基于深度学习的红外图像分割模型，将建筑热力图输入所述基于深度学习的红外图像分割模型，获取若干个目标区域热力图，所述目标区域热力图的边界为所述目标区域的边框；

采集所述目标区域热力图对应的室内温度；

根据所述目标区域热力图，选取与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据；

建立所述室外温度采集数据和室内温度的温度拟合方程；

根据所述室外温度采集数据和所述温度拟合方程，获取室内温度预测值。

进一步地，所述根据所述目标区域热力图，选取与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据，具体包括：

设置预设个数，根据所述预设个数和所述目标区域热力图，选取候选温度采集数据；

分别对比所述室内温度和所述候选温度采集数据的线性变化规律，确定与所述室内温度最接近线性变化规律的温度数据为室外温度采集数据。

进一步地，所述目标区域为窗户，所述目标区域的边框为所述窗户的边框。