湯義好 趙子洲 周洋
摘 要:當(dāng)今社會(huì),經(jīng)濟(jì)持續(xù)發(fā)展給人們帶來(lái)豐碩成果的同時(shí),也付出了巨大的資源和能源代價(jià),其中電能所占比重尤為明顯。隨著人工智能技術(shù)的興起,數(shù)據(jù)化、智能化越來(lái)越普及。依托數(shù)據(jù)實(shí)現(xiàn)人工智能節(jié)電成為發(fā)展趨勢(shì)。以樹莓派為終端實(shí)現(xiàn)數(shù)據(jù)采集、語(yǔ)音電器控制,為突破傳統(tǒng)有效識(shí)別率低、管理手段單一等現(xiàn)象,提出了以多重傳感器手段獲取數(shù)據(jù),結(jié)合圖像、聲音、光照和溫濕度等綜合判斷電力消耗場(chǎng)景,分析用戶使用習(xí)慣。結(jié)合機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、預(yù)測(cè)評(píng)價(jià)構(gòu)建深度學(xué)習(xí)模型,為企事業(yè)單位提高了節(jié)能效率,降低了用電成本,為電器廠商根據(jù)識(shí)別結(jié)果比較不同用電場(chǎng)景下用戶的使用習(xí)慣,加深了對(duì)客戶需求的理解,促進(jìn)更多新產(chǎn)品的智能化升級(jí)改造。
關(guān)鍵詞:人工智能;樹莓派;傳感器;圖像識(shí)別
中圖分類號(hào):TP311.5 ? ? 文獻(xiàn)標(biāo)志碼:A ? ? 文章編號(hào):1003-5168(2022)1-0020-05
DOI:10.19968/j.cnki.hnkj.1003-5168.2022.01.004
Research and Terminal Design of Voice Intelligent Energy Saving System Based on Raspberry Pi
TANG Yihao? ? ZHAO Zizhou? ? ZHOU Yang
(School of Information and Artificial Intelligence, Anhui Business College, Wuhu 241002,China)
Abstract:In today's society, while the sustainable economic development has brought fruitful results to people, it has also paid a huge cost of resources and energy, especially the proportion of electric energy. With the rise of artificial intelligence technology, data and intelligence are becoming more and more popular. Relying on data to realize artificial intelligence power saving has become a development trend. The raspberry pi is used as the terminal to realize data acquisition and voice electrical control. In order to break through the phenomenon of low traditional effective recognition rate and single management means, it is proposed to obtain data by means of multiple sensors, comprehensively judge the power consumption scene combined with image, sound, light, temperature and humidity, and analyze users' usage habits. Combined with machine learning, neural network, prediction and evaluation, this paper constructs a deep learning model. It improves the energy-saving efficiency of enterprises and institutions, reduces the power consumption cost, compares the use habits of users in different power consumption scenarios according to the identification results, deepens the understanding of customers, and promotes the intelligent upgrading and transformation of more new products.
Keywords: artificial intelligence; raspberry pi; sensors; image recognition
0 引言
隨著科技不斷發(fā)展,當(dāng)今世界已經(jīng)進(jìn)入了一個(gè)大智云物移的時(shí)代。我國(guó)科技產(chǎn)業(yè)水平世界領(lǐng)先,用電量已居世界首位。對(duì)電力的巨大需求促使我國(guó)不得不一方面尋找更高效更清潔的能源,另一方面大力倡導(dǎo)節(jié)能減排減少電力資源的浪費(fèi)。在電力生產(chǎn)方面,云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、5G、人工智能等前沿技術(shù)依托傳統(tǒng)電網(wǎng)物理架構(gòu),將分散在電網(wǎng)的各類資源相聚合,實(shí)現(xiàn)動(dòng)態(tài)優(yōu)化組合、保證供需的實(shí)時(shí)平衡,最大限度地接納分布式電源。而電力消耗方面目前還沒(méi)有統(tǒng)一有效的管理措施。電力消耗智能監(jiān)控平臺(tái)辦公室、工廠車間、商場(chǎng)超市等公共場(chǎng)所有著廣泛的應(yīng)用前景。通過(guò)采用傳感器技術(shù)實(shí)現(xiàn)對(duì)區(qū)域內(nèi)環(huán)境溫度的檢測(cè),當(dāng)無(wú)人狀態(tài)時(shí)可以自主控制電器降低能耗實(shí)現(xiàn)節(jié)能目的[1]。
本文著重分析了智能終端采集環(huán)境數(shù)據(jù)的種類和數(shù)據(jù)量的需求,設(shè)計(jì)制作環(huán)境數(shù)據(jù)采集、語(yǔ)音控制、圖像識(shí)別、電器控制四個(gè)方面的監(jiān)控系統(tǒng)。硬件主體分為智能終端和服務(wù)集群兩部分。智能終端采用樹莓派,搭建集光照、溫濕度、噪聲、人體紅外感應(yīng)等多種傳感器于一體的系統(tǒng),并搭建一個(gè)紅外發(fā)射器。每個(gè)智能終端都有一個(gè)控制頁(yè)面,可實(shí)現(xiàn)獨(dú)立訪問(wèn)與控制。規(guī)劃出了采用流行的微服務(wù)架構(gòu)與云平臺(tái)服務(wù)器集群,以實(shí)現(xiàn)提供穩(wěn)定可伸縮的數(shù)據(jù)檢測(cè)及數(shù)據(jù)分析服務(wù)[2]。
1 智能系統(tǒng)在節(jié)能系統(tǒng)應(yīng)用的需求現(xiàn)狀
工業(yè)生產(chǎn)的主要節(jié)能手段是優(yōu)化生產(chǎn)工藝來(lái)提高能效。工業(yè)生產(chǎn)過(guò)程主要依賴機(jī)器設(shè)備自身的電能管理系統(tǒng),功能單一,相對(duì)獨(dú)立且信息化程度低。數(shù)據(jù)采集條件有限,也就制約了基礎(chǔ)數(shù)據(jù)的準(zhǔn)確性。只有了解大量足夠的關(guān)鍵數(shù)據(jù)才能發(fā)揮人工智能的優(yōu)勢(shì),提高數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確性、精確度,才能實(shí)現(xiàn)節(jié)能目標(biāo)。
辦公室、商場(chǎng)節(jié)能系統(tǒng)主要依賴人員管理和中央空調(diào)溫度設(shè)定,做不到精確控溫控濕,造成大量電力浪費(fèi)。照明用電節(jié)能效率相對(duì)要好些,采用了智能節(jié)電技術(shù),工作人員可以根據(jù)實(shí)際需要手動(dòng)選擇或?qū)崿F(xiàn)定時(shí)控制,采用觸摸或聲控智能控制點(diǎn)亮熄滅等技術(shù)手段。但由于電路設(shè)計(jì)簡(jiǎn)易,在使用中存在判斷錯(cuò)誤的情況。例如,巨大的打雷聲和小動(dòng)物的活動(dòng)等都會(huì)嚴(yán)重干擾節(jié)能設(shè)備的判斷。
從解決關(guān)鍵性技術(shù)的任務(wù)特點(diǎn)來(lái)分析,智能節(jié)能系統(tǒng)主要針對(duì)人本身。人們?yōu)榱藸I(yíng)造一個(gè)舒適的生產(chǎn)、學(xué)習(xí)、辦公和生活環(huán)境,往往會(huì)消耗大量電能,其中最主要的是空調(diào)的電力消耗。能夠準(zhǔn)確識(shí)別環(huán)境中人的數(shù)量,感知實(shí)際的溫度、濕度等數(shù)據(jù),就可以方便節(jié)能系統(tǒng)智能地控制空調(diào)、電燈、電器等。
人體識(shí)別解決方案有很多,如可以用紅外線熱像儀在10 m范圍內(nèi)識(shí)別,成本過(guò)高,無(wú)法普及。熱釋電紅外傳感器價(jià)格雖低,但由于過(guò)度依賴紅外線,在空調(diào)節(jié)能場(chǎng)景下氣流運(yùn)動(dòng)大,誤報(bào)錯(cuò)誤率極高。聲音傳感器不能識(shí)別人聲,只能判斷噪聲有無(wú)變化,不能直接用來(lái)判斷有無(wú)人員活動(dòng)。通過(guò)圖像識(shí)別人體特征可以大幅度提高人體識(shí)別的正確率,但當(dāng)人處于靜止或者距離較遠(yuǎn)時(shí),容易誤判為無(wú)人狀態(tài)。
根據(jù)實(shí)際節(jié)能需求,再結(jié)合具體的傳感器特點(diǎn),分析多重傳感器獲得的采樣數(shù)據(jù),計(jì)算出符合實(shí)際需要的在當(dāng)前情況下是否有人員活動(dòng)的判斷。終端設(shè)計(jì)上要采用多種手段獲取大量數(shù)據(jù),要有足夠的空間存儲(chǔ)數(shù)據(jù),以較快的計(jì)算速度實(shí)時(shí)分析,滿足快速、準(zhǔn)確人機(jī)交互和智能判斷控制響應(yīng)等需求[3]。結(jié)合這些需求總結(jié)如下幾個(gè)方面。
1.1 敏捷性
由于環(huán)境數(shù)據(jù)的種類不斷增加,對(duì)終端并行執(zhí)行的需求不斷增強(qiáng),要求存儲(chǔ)能夠支持對(duì)系統(tǒng)容量的增量擴(kuò)容,并且要求該操作帶來(lái)的額外開銷最小化,同時(shí)避免操作帶來(lái)的停機(jī)問(wèn)題。例如,一個(gè)新的光照傳感器接入系統(tǒng),簡(jiǎn)單調(diào)試后就需要獲得有效的光照數(shù)據(jù),并要求系統(tǒng)能夠自動(dòng)處理由于新舊硬件數(shù)據(jù)種類變化所產(chǎn)生的數(shù)據(jù)格式變化。
1.2 高并發(fā)讀寫
在環(huán)境數(shù)據(jù)不斷寫入的同時(shí)分析服務(wù)后端也在不斷地調(diào)取終端上的數(shù)據(jù)。例如,某一時(shí)刻的環(huán)境數(shù)據(jù)按照規(guī)范的格式寫入終端存儲(chǔ)器,在有效的時(shí)間內(nèi)一般為秒級(jí),讀取后立即需要發(fā)送給云端計(jì)算服務(wù)器。云端處理后回傳操作指令給終端,執(zhí)行相應(yīng)設(shè)備的控制。
1.3 低延時(shí)和精確定位終端位置
終端數(shù)量可以靈活增加,在業(yè)務(wù)上需要一個(gè)能夠保證一致性的數(shù)據(jù)存儲(chǔ)。例如,全國(guó)范圍內(nèi)所有高校電力消耗數(shù)據(jù)中心能夠信息互訪,系統(tǒng)中顯示的電力消耗要與終端所處實(shí)際工作環(huán)境一致。然而,實(shí)現(xiàn)一個(gè)分布式精確位置定位確實(shí)不可能,只有當(dāng)?shù)乩頂?shù)據(jù)和終端數(shù)據(jù)位于同一個(gè)數(shù)據(jù)中心內(nèi),監(jiān)控系統(tǒng)才可能實(shí)現(xiàn)強(qiáng)精確定位。
1.4 范圍統(tǒng)計(jì)與智能數(shù)據(jù)分析
某些應(yīng)用場(chǎng)景下需要支持在一定時(shí)間范圍內(nèi)對(duì)某一區(qū)域進(jìn)行高效率的電能使用統(tǒng)計(jì)。例如,檢索某個(gè)部門近期空調(diào)使用記錄以加強(qiáng)節(jié)能管理,或分析商場(chǎng)客流量變化與空調(diào)溫度變化之間的關(guān)系以吸引實(shí)際客流等。
2 樹莓派與Jetson Nano比較
AI(Artificial Intelligence,人工智能)設(shè)備需要有強(qiáng)大的大腦。樹莓派(Raspberry Pi)功耗低到幾乎可以忽略不計(jì),有成熟龐大的硬件生態(tài)圈。本套系統(tǒng)的智能終端部署在多臺(tái)樹莓派組建的分布式集群上。每塊樹莓派上都配有多種傳感器。傳感器數(shù)據(jù)的獲取程序主要用C語(yǔ)言編寫,Python作為主要編程語(yǔ)言用于數(shù)據(jù)采集和智能分析階段。英偉達(dá)公司的Jetson Nano繼承了樹莓派的結(jié)構(gòu)設(shè)計(jì),將GPU算力結(jié)合到人工智能邊緣設(shè)備。通過(guò)調(diào)研比較發(fā)現(xiàn):其一,算力上英偉達(dá)公司的Jetson Nano遠(yuǎn)超樹莓派,但是功耗和成本上不及樹莓派親民;其二,樹莓派不但有Pico成本低廉可作為傳感器載體的優(yōu)點(diǎn),還有計(jì)算模塊核心板Compute module 4(CM4),可以定制終端主板實(shí)現(xiàn)個(gè)性化設(shè)計(jì)。綜合考慮本系統(tǒng)以節(jié)能為目標(biāo),選擇樹莓派為終端硬件平臺(tái)。
3 基于樹莓派實(shí)現(xiàn)智能節(jié)能終端設(shè)計(jì)方案
借助樹莓派在性價(jià)比上的優(yōu)勢(shì),設(shè)計(jì)了一個(gè)多重傳感數(shù)據(jù)作為依據(jù)綜合判斷人員活動(dòng)狀態(tài)的智能監(jiān)控系統(tǒng)。其中,需要采集的數(shù)據(jù)包括室內(nèi)外環(huán)境溫濕度、室內(nèi)外光照值、人體紅外傳感器數(shù)值、噪聲發(fā)生次數(shù)、圖像人體識(shí)別、空調(diào)工作時(shí)長(zhǎng)情況等。多重傳感器檢測(cè)記錄線程并行執(zhí)行,互不影響,程序用C語(yǔ)言和C++編寫,通過(guò)調(diào)用Wring Pi開發(fā)庫(kù)與樹莓派上的GPIO設(shè)備,主要是傳感器和紅外收發(fā)器通信,實(shí)現(xiàn)高效率、低延遲的硬件層驅(qū)動(dòng)程序。得到的數(shù)據(jù)在終端臨時(shí)存儲(chǔ),再利用Python程序Pandas、Numpy、tensorflow等AI庫(kù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理和格式化。最后,通過(guò)TCP/IP協(xié)議將規(guī)范化數(shù)據(jù)發(fā)給計(jì)算核心云服務(wù)器集群。終端本身自帶一個(gè)單機(jī)版終端系統(tǒng),可以通過(guò)局域網(wǎng)直接訪問(wèn)管理。
3.1 基于樹莓派的語(yǔ)音智能節(jié)能系統(tǒng)框架
本智能語(yǔ)音控制系統(tǒng)采用“電器設(shè)備+樹莓派+語(yǔ)音接口”來(lái)實(shí)現(xiàn),分為應(yīng)用層、邏輯層和處理層。其中,電器設(shè)備作為應(yīng)用層,負(fù)責(zé)將系統(tǒng)的處理結(jié)果顯現(xiàn)出來(lái)。樹莓派作為邏輯層,處理業(yè)務(wù)邏輯上的問(wèn)題,其中包括對(duì)處理層返回的識(shí)別后的語(yǔ)音信號(hào)進(jìn)行存儲(chǔ),以及采取相應(yīng)的操作。開源語(yǔ)音接口作為處理層,對(duì)樹莓派所錄的語(yǔ)音信號(hào)進(jìn)行識(shí)別,將識(shí)別后的語(yǔ)音信號(hào)再次返回給樹莓派。通過(guò)溫度傳感器和攝像頭傳來(lái)的圖像對(duì)空調(diào)、電燈和電腦的耗能管理智能進(jìn)行判斷以達(dá)到節(jié)能目標(biāo)。數(shù)據(jù)平臺(tái)以分布式方式部署在多個(gè)樹莓派中,平臺(tái)提供傳感器采集到的溫度、光照、聲音多重?cái)?shù)據(jù)樣本以供分析實(shí)現(xiàn)智能控電。通過(guò)環(huán)境總覽模塊,用戶可在PC(個(gè)人計(jì)算機(jī))、手機(jī)和平板電腦上查看監(jiān)控環(huán)境的實(shí)時(shí)數(shù)據(jù)。
系統(tǒng)的硬件整體架構(gòu),本系統(tǒng)中電氣設(shè)備直接連接樹莓派的GPIO口控制。
智能語(yǔ)音控制系統(tǒng)的軟件整體架構(gòu)主要分為以下四部分。
①語(yǔ)音信號(hào)的采集:通過(guò)樹莓派自帶的錄音功能來(lái)采集語(yǔ)音信號(hào)并保存。
②語(yǔ)音信號(hào)的識(shí)別:通過(guò)Python調(diào)用百度語(yǔ)音接口,識(shí)別采集的語(yǔ)音信號(hào),將識(shí)別后的語(yǔ)音信號(hào)以wav文件的格式存儲(chǔ)于樹莓派中。
③語(yǔ)音機(jī)器人的回復(fù):讀取存放識(shí)別語(yǔ)音信號(hào)的wav文件,調(diào)用開源機(jī)器人接口,實(shí)現(xiàn)機(jī)器人智能回復(fù)。
④電器設(shè)備的控制:電器設(shè)備的控制其實(shí)是對(duì)樹莓派GPIO的控制,其中對(duì)空調(diào)等電器設(shè)備驅(qū)動(dòng)的控制主要通過(guò)Python程序?qū)崿F(xiàn)。
使用微服務(wù)的主要原因是其具有開發(fā)便利性,巧妙地簡(jiǎn)化了分布式系統(tǒng)基礎(chǔ)設(shè)施的開發(fā),如服務(wù)發(fā)現(xiàn)注冊(cè)、配置中心、消息總線、負(fù)載均衡、斷路器、數(shù)據(jù)監(jiān)控等,都可以用Spring Boot的開發(fā)風(fēng)格做到一鍵啟動(dòng)和部署。每個(gè)服務(wù)運(yùn)行在各自的進(jìn)程中,服務(wù)間通信采用輕量級(jí)通信機(jī)制(通常用HTTP資源API)。這些服務(wù)圍繞業(yè)務(wù)能力構(gòu)建并且可通過(guò)全自動(dòng)部署機(jī)制獨(dú)立部署。
這里的微服務(wù)是一種將一個(gè)單一應(yīng)用程序開發(fā)為一組小型服務(wù)的方法,系統(tǒng)層次架構(gòu)分處理層、邏輯層和應(yīng)用層。
微服務(wù)集群(終端可基于 OpenFaaS,服務(wù)端可基于Spring Cloud),能夠讓主機(jī)或集群作為支撐Serverless功能運(yùn)行的后端。優(yōu)點(diǎn)是任何能夠使用Docker部署的可執(zhí)行二進(jìn)制文件、腳本或者編程語(yǔ)言都能在OpenFaaS上運(yùn)作,可以根據(jù)速度和伸縮性選擇部署的規(guī)模。內(nèi)建了用戶界面和監(jiān)控系統(tǒng)。OpenFaaS使用Docker和Swarm在樹莓派上傳遞Serverless功能。
3.2 智能節(jié)能終端的具體功能設(shè)計(jì)
3.2.1 樹莓派終端溫濕度傳感器的配置。室外溫濕度與光照數(shù)據(jù)可以利用網(wǎng)絡(luò)查詢當(dāng)?shù)靥鞖馇闆r,也可以采用傳感器現(xiàn)場(chǎng)采集。室內(nèi)有樹莓派終端現(xiàn)場(chǎng)實(shí)時(shí)采集。采用DHT22溫濕度傳感器,DHT22是已校準(zhǔn)的數(shù)字溫濕度傳感器,用于檢測(cè)環(huán)境溫濕度,采用DHT22(AM2302),標(biāo)準(zhǔn)單總線接口。相比DHT11,DHT22擁有更高的精度和更大的量程。推薦存儲(chǔ)環(huán)境溫度為10~40 ℃,濕度為60%RH以下。DOUT針腳接樹莓派GPIO4口(以WiringPi針腳編號(hào)模式)。驅(qū)動(dòng)程序工作過(guò)程如下。
步驟一:DHT22上電后要等待1 s以越過(guò)不穩(wěn)定狀態(tài),在此期間不能發(fā)送任何指令,測(cè)試環(huán)境溫濕度數(shù)據(jù),并記錄數(shù)據(jù)。同時(shí),DHT22的DATA數(shù)據(jù)線由上拉電阻拉高一直保持高電平,此時(shí)DHT22的DATA引腳處于輸入狀態(tài),時(shí)刻檢測(cè)外部信號(hào)。
步驟二:微處理器的I/O設(shè)置為輸出狀態(tài),同時(shí)輸出低電平,且低電平保持時(shí)間不能小于18 ms(最大不得超過(guò)30 ms),然后微處理器的I/O設(shè)置為輸入狀態(tài)。由于上拉電阻,微處理器的I/O即DHT22的DATA數(shù)據(jù)線也隨之變高,等待DHT22做出回答信號(hào)。
步驟三:DHT22的DATA引腳檢測(cè)到外部信號(hào)有低電平時(shí),等待外部信號(hào)低電平結(jié)束,延遲后DHT22的DATA引腳處于輸出狀態(tài),輸出83 μs的低電平作為應(yīng)答信號(hào),緊接著輸出87 μs的高電平通知外設(shè)準(zhǔn)備接收數(shù)據(jù),微處理器的I/O此時(shí)處于輸入狀態(tài),檢測(cè)到I/O有低電平(DHT22回應(yīng)信號(hào))后,等待87 μs的高電平后的數(shù)據(jù)接收。
步驟四:由DHT22的DATA引腳輸出40位數(shù)據(jù),微處理器根據(jù)I/O電平的變化接收40位數(shù)據(jù),位數(shù)據(jù)“0”的格式為54 μs的低電平和23~27 μs的高電平,位數(shù)據(jù)“1”的格式為54 μs的低電平加68~74 μs的高電平。
3.2.2 樹莓派終端光照傳感器的配置。BH1750FVI是一款I(lǐng)2C接口的數(shù)字型光強(qiáng)度傳感器集成電路。內(nèi)置模數(shù)轉(zhuǎn)換電路,可以直接數(shù)字輸出光照值。樹莓派I2C功能需要開啟并安裝i2c-tools,I2C由時(shí)鐘線(SCL)和數(shù)據(jù)線(SDA)組成,原理這里不再贅述,只須將對(duì)應(yīng)接口接到樹莓派的SCL和SDA接口。通信步驟相對(duì)簡(jiǎn)單:第1步,發(fā)送上電命令0x01;第2步,發(fā)送測(cè)量命令;第3步,等待測(cè)量結(jié)束;第4步,讀取數(shù)據(jù);第5步,計(jì)算結(jié)果。
計(jì)算公式為:
光照強(qiáng)度=(寄存器值[15∶0]×分辨率)/1.2(單位:勒克斯lx)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(1)
3.2.3 樹莓派終端人體紅外傳感器的配置。人的體溫一般恒定在37 ℃左右,所以會(huì)發(fā)出特定波長(zhǎng)10 μs左右的紅外線。被動(dòng)式紅外探頭是靠探測(cè)人體發(fā)射的10 μs左右的紅外線來(lái)進(jìn)行工作的。人體發(fā)射的10 μs左右的紅外線通過(guò)菲涅爾濾光片增強(qiáng)后聚集到紅外感應(yīng)元上。紅外感應(yīng)元通常采用熱釋電元件,這種元件在接收到人體紅外輻射溫度發(fā)生變化時(shí),就會(huì)失去電荷平衡。向外釋放電荷,后續(xù)電路經(jīng)檢測(cè)處理后就能產(chǎn)生報(bào)警信號(hào)。
3.2.4 樹莓派終端聲音傳感器的配置。聲音傳感器內(nèi)置一個(gè)對(duì)聲音敏感的電容式駐極體話筒。聲波使話筒內(nèi)的駐極體薄膜振動(dòng),導(dǎo)致電容發(fā)生變化,而產(chǎn)生與之對(duì)應(yīng)變化的微小電壓。這一電壓隨后被轉(zhuǎn)化成0~5 V的電壓,經(jīng)過(guò)A/D轉(zhuǎn)換被采集器接收,并傳送給樹莓派。它可以顯示聲音的振動(dòng)圖像,但不能對(duì)噪聲的強(qiáng)度進(jìn)行測(cè)量,所以需要編寫特別的程序來(lái)記錄時(shí)間片段內(nèi)的聲音次數(shù)。
3.2.5 樹莓派空調(diào)風(fēng)力感應(yīng)傳感器的配置。風(fēng)輪葉片感應(yīng)風(fēng)力變化判斷空調(diào)工作狀態(tài),內(nèi)部裝有反射式紅外傳感器。當(dāng)傳感器檢測(cè)到有風(fēng)輪遮擋就會(huì)從OUT口輸出低電平,移開傳感器也會(huì)馬上停止輸出低電平。
3.2.6 攝像頭模塊可以用于運(yùn)動(dòng)目標(biāo)檢測(cè)和靜態(tài)人像識(shí)別。結(jié)合開源圖像軟件MJPG-streamer,可以通過(guò)HTTP的方式訪問(wèn)Linux上面的兼容攝像頭,從而達(dá)到遠(yuǎn)程視頻傳輸?shù)男Ч?。終端裝有OpenCV視頻圖像分析軟件,可以識(shí)別并記錄人體活動(dòng)情況。
3.3 智能節(jié)能終端的運(yùn)行情況
輸出傳感器數(shù)據(jù)文件格式如下:
1630219501.19,33.75,22,59,7,134,2021-08-29_14:45,1
數(shù)據(jù)標(biāo)簽左起分別是:記錄時(shí)間戳、光照、溫度、濕度、熱釋電獲得人體活動(dòng)、每分鐘噪聲次數(shù)、當(dāng)前時(shí)區(qū)時(shí)間、空調(diào)工作狀態(tài)。產(chǎn)生的數(shù)據(jù)可以“喂入”服務(wù)端的神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí)獲得有人活動(dòng)模型和大數(shù)據(jù)統(tǒng)計(jì)分析。
先后啟動(dòng)傳感器程序、數(shù)據(jù)處理程序,終端數(shù)據(jù)服務(wù)即可觀察到實(shí)時(shí)數(shù)據(jù)變化,如圖1所示。
終端提供可視化的圖像監(jiān)控界面,使用不同顏色的線條表示不同的環(huán)境數(shù)值,記錄每一時(shí)間片段內(nèi)傳感器的數(shù)值,繪制出實(shí)時(shí)變化的折線圖。用戶可以通過(guò)圖形界面直觀查看終端獲取的各種環(huán)境數(shù)值情況以及變化趨勢(shì)。若某時(shí)間片段由于噪聲次數(shù)相對(duì)較大,出現(xiàn)圖像比例被較大值拉伸,其他傳感器數(shù)據(jù)變化曲線會(huì)發(fā)生相對(duì)集中的情況,此時(shí)可以點(diǎn)擊圖示說(shuō)明部分自由組合顯示的數(shù)據(jù)類型,隱藏較大值或突出顯示某一類數(shù)據(jù)變化趨勢(shì)。界面部分還設(shè)有電器控制按鈕,可手動(dòng)操作關(guān)閉或打開電器,實(shí)現(xiàn)遠(yuǎn)程訪問(wèn)控制。
樹莓派終端服務(wù)用戶訪問(wèn)平臺(tái)包括用戶的登錄、注冊(cè)、退出、信息修改、終端管理和分享等功能。數(shù)據(jù)記錄使服務(wù)器智能分析電力使用情況成為可能,分析過(guò)程中有無(wú)人員活動(dòng)是最為關(guān)鍵的環(huán)節(jié)。根據(jù)采集的數(shù)據(jù),空調(diào)用電時(shí)間段劃分與識(shí)別項(xiàng)目的整體目標(biāo)如下。
①根據(jù)樹莓派終端采集到的數(shù)據(jù),劃分一次準(zhǔn)確的空調(diào)等電器開啟時(shí)間區(qū)段。
②在一次準(zhǔn)確的使用區(qū)段中識(shí)別出有效用電事件和無(wú)效用電事件。
由于數(shù)據(jù)集的特點(diǎn)是實(shí)時(shí)數(shù)據(jù)頻率為10 s/次,而且長(zhǎng)時(shí)間不間斷地獲取每天的數(shù)據(jù)量多達(dá)上萬(wàn)條,存在缺失值現(xiàn)象。與分析主題無(wú)關(guān)的特征未直接反映用電事件的特征,干擾信號(hào)多等,針對(duì)不清情況須采取相應(yīng)的方法來(lái)解決這些問(wèn)題。數(shù)據(jù)預(yù)處理首先要?jiǎng)h除冗余時(shí)間片下的數(shù)據(jù),一般為假期或停工停產(chǎn)時(shí)期的數(shù)據(jù),只保留工作日時(shí)間區(qū)段數(shù)據(jù)。根據(jù)空調(diào)工作狀態(tài)劃分出連續(xù)工作時(shí)長(zhǎng),依據(jù)時(shí)長(zhǎng)判斷用戶的使用習(xí)慣[4],提取這一特征為規(guī)則計(jì)算出最佳工作時(shí)段。深入分析工作時(shí)段具體用電類型,如會(huì)議、辦公室、試驗(yàn)室等不同用電場(chǎng)所用電情況就大不相同,通過(guò)識(shí)別用電類型可以減少計(jì)算開銷。構(gòu)建用電情況與人員活動(dòng)頻率變化特征,準(zhǔn)備好樣本數(shù)據(jù),通過(guò)構(gòu)建誤差逆轉(zhuǎn)算法BP升級(jí)網(wǎng)絡(luò)模型,利用反向傳播機(jī)制訓(xùn)練模型。模型優(yōu)化需要注意數(shù)據(jù)本身特征之間存在量級(jí)差異,需要進(jìn)行標(biāo)準(zhǔn)化來(lái)消除量級(jí)差異。使用精確率、召回率和F1值作為模型評(píng)價(jià),同時(shí)結(jié)合ROC曲線直觀評(píng)價(jià)模型效果。
4 結(jié)語(yǔ)
本文介紹了如何使用智能終端樹莓派搭建一套智能監(jiān)控平臺(tái),利用多組傳感器的檢測(cè)數(shù)據(jù)以及攝像頭智能識(shí)別數(shù)據(jù)作為分析數(shù)據(jù)源。通過(guò)長(zhǎng)時(shí)間統(tǒng)計(jì)獲取到龐大數(shù)據(jù)量,為后期的智能分析系統(tǒng)提供了大量數(shù)據(jù)保障。系統(tǒng)結(jié)合物聯(lián)網(wǎng)、云計(jì)算與人工智能多學(xué)科技術(shù)實(shí)現(xiàn)穩(wěn)定、高效、實(shí)時(shí)和智能的人員活動(dòng)分析。設(shè)計(jì)的監(jiān)控平臺(tái)可以用于各類型企事業(yè)、工廠院校,實(shí)現(xiàn)精確的電力管理,能有效減少電力資源的浪費(fèi),同時(shí)也可以促進(jìn)電器生產(chǎn)廠商開發(fā)出新的智能化產(chǎn)品,優(yōu)化升級(jí)并提供個(gè)性化電器產(chǎn)品以滿足不同客戶群需求。
參考文獻(xiàn):
[1] 黃紅梅,張良均.Python數(shù)據(jù)分析與應(yīng)用[D].北京:人民郵電出版社,2018:255-262.
[2] 張良均,王路,譚立云,等.Python數(shù)據(jù)分析與挖掘?qū)嵺`[M].北京:機(jī)械工業(yè)出版社,2018.
[3] 龔正.從創(chuàng)建節(jié)約型高校略論學(xué)校水電節(jié)能對(duì)策[J].低碳世界,2019(2):302-303.
[4] 蘭代萍,李壽軍,鄧海成,等.基于熵權(quán)TOPSIS法分析高校節(jié)能減排指標(biāo)[J].山西化工.2021(4):185-187.
收稿日期:2021-10-18
基金項(xiàng)目:安徽商貿(mào)職業(yè)技術(shù)學(xué)院重點(diǎn)產(chǎn)學(xué)研項(xiàng)目“基于語(yǔ)音控制智能節(jié)能系統(tǒng)的研究”(2021KZZ04);移動(dòng)互聯(lián)應(yīng)用技術(shù)專業(yè)教學(xué)團(tuán)隊(duì)(2020jxtd093)。
作者簡(jiǎn)介:湯義好(1983—),男,本科,講師,研究方向:軟件技術(shù)。
3964500338224