项目主要实现将图像识别,机器学习等技术融入室内雪场环境。利用图像识别实时监控冷风机结霜情况,并根据识别结构进行实时融霜;将制冷造雪相关参数输入模型,结合能耗分析,生成相应的控制策略,实现节能减排的目的。
核心模块技术
1 基于OpenCV的精准除霜决策模块
本模块旨在采用更高效、更易部署与调试的传统计算机视觉方案,解决传统方法难以准确判断除霜时机的问题。
- 技术路线选择:采用成熟的OpenCV库作为核心图像处理工具,借助HSV色彩空间分析与轮廓识别技术,直接量化霜层覆盖状况,并创新性地引入奖励函数机制实现智能决策,替代对计算资源需求较高的深度学习方案,增强系统在边缘端的部署适应性与决策可解释性。
- 图像处理与霜层量化流程:
1. 图像采集与预处理:固定或移动式工业相机采集蒸发器表面图像。对图像实施高斯滤波去噪、直方图均衡化处理以增强对比度,从而应对雪场内光照不均、反光等问题。
2. HSV色彩空间分割:将预处理后的RGB图像转换至HSV(色调、饱和度、明度)色彩空间。霜层(白色/浅蓝色)与金属蒸发器表面在HSV空间中具有显著差异。借助实验标定,设定适宜的阈值范围(如低饱和度、高明度),初步分离出霜层区域。
3. 轮廓识别与面积计算:对二值化图像查找所有霜层区域的轮廓。计算各轮廓面积并累加,得出总霜层像素面积。以该面积与区域总像素面积的比值,精确计算结霜覆盖率
4. 形态学后处理:运用开运算消除微小噪声点,运用闭运算连接相邻的细小霜层区域,使识别结果更契合物理实际。
- 基于奖励函数机制的智能决策
2 可视化与协同管控平台
- 协同策略库:平台内置多种协同策略,如“基于视觉识别的除霜排队调度”“客流预测下的预冷策略”等,实现子系统间联动。