人工智能化教室集散节能控制系统*

吕凌锋 ， 李新君 ， 刘 煜

（湖南人文科技学院，湖南 娄底 417000）

0 引言

近年来，随着智能家居技术的发展，对于传统控制系统的智能化改造尤为火热。对于高校教室的控制系统的改造层出不穷，例如，文献[1]为节电提出了一种运用红外测温模块，大致判断是否有人存在，从而对教室灯光进行一定控制和管理的设计。文献[2]设计了一种多传感器的教室人员检测，能够实现灯光的智能自动控制。文献[3]设计了一种基于指纹识别技术和传感器技术的智能教室系统。文献[4]设计了一种基于温度和光度传感器实现温度和湿度智能控制的教室系统。然而，本课题组在调研后发现，上述提到的这些控制系统仍存在以下不足之处：

1）对于识别控制，大多采用红外检测或者多传感器技术，但红外检测容易受到温度的干扰，后者由于需要使用较多的传感器，会造成不必要的运行损耗，而且大量的传感器存在较大器件损坏的隐患，不利于后期的电路维护和检修。

2）目前的智能教室设计在检测人员方面采用的识别方法准确度较低，容易产生误判。对检测现场环境要求高，不能达到实际应用的要求。

3）对于电气设备的控制方式比较单一，仅通过温度判断是否开启电风扇，容易造成不必要的电能损耗。

基于上述所发现的不足，本设计采用了K210模块构建图像处理功能，利用机器视觉，采用循环检测的方式来实现人员检测的精准识别。在电气设备控制上，采用双层判断，有效地规避因温度过高而导致电气设备误开的情况。

1 总体设计

基于人工智能的教室节能控制系统主要分为两大部分的设计，检测部分及电气控制部分。在检测部分，使用人脸识别及测温模块分别对教室的人员、温度进行检测和判断。通过串口通信进行检测信号的读取、STC89C52单片机作为主控制器进行信号的处理和输出。实现电气控制部分的电灯和电风扇的自动启动和自动停止目的。矩阵按键用于调节时间显示模块，对错误时间进行修正设置[5-6]。整个系统的系统结构框图如下图1所示。

图1 系统结构框图

1.1 硬件设计

硬件部分主要分为以下六个模块，包括主控制器（STC89C52单片机）模块，K210模块，测温模块，时钟模块，通信和显示模块。控制部分总电路图如图2所示。

图2 总控制电路图

主控制器选择了STC89C52单片机，该单片机具有两个定时器，刚好能够满足时间的刷新、按键模块的检测功能和串口的检测功能。其内部结构也相对简单，开发和运用更加快速。

在识别部分，本系统采用亚博K210进行开发和设计。K210是一款基于RIAC-V精简指令集的微型控制单元。由于其自身带有一块自主研发的神经网络加速器，能够高性能地完成神经网络的运算功能，相对来说，构建的神经网络越复杂，其识别精度越高。该模块具有集成好的LCD显示界面及摄像头模块，支持波特率为9 600的串口通信，能够满足系统的设计需求。

温度检测上，采用DS18B20温度检测模块进行温度的测量和显示。作为一种常用的数字温度传感器，其价格较低，抗干扰能力强，测量精度高，可应用于机房测温，农业大棚测温等各种日常场所的测温。能够在保证测量精度的前提下，有效降低本系统的制作成本。该检测模块工作电压为3 V～5.5 V，测

通信模块采用传统的U A R T（U n i v e r s a l Asynchronous Receiver/Transmitter，通用异步收发器）进行两个设备的通信。由于检测上位机和控制下位机都能够支持波特率为9 600的串口通信，该接线只需要两根线作为数据传输，相比于其他的并行通信方式，能极大节约通信线的使用，解决实际应用的成本问题。

显示模块上，使用LCD1602作为显示屏。该模块能够显示数字、字母、英文字符等，而且其功率小，能够满足本系统对于星期、日期、温度的显示功能。定的温度范围在-55 ℃～125 ℃之间，符合装置测温设计的范围要求。

时钟模块采用DS1302芯片，该芯片能够提供年、月、日、时、分和秒的实时信息，满足本系统对于日期，时间的检测需求，同时，该芯片的功耗较低，能尽可能减少系统工作功耗。

1.2 软件设计

本系统主要分为三部分进行软件设计：识别算法设计，识别部分设计和电路控制部分设计。

1）识别算法设计。采用百度AI平台训练人脸识别模型。在模型的训练上，采用MobileNet网络对224×224的图片进行堆积depthwise separable convolution（深度分离卷积）和strides=2（步长=2）的下采样至7×7，通过平均池化，将特征变成1×1，再依据预测类别大小加入全连接层进行模型的训练[7]。其中，通过阶梯型训练方法对模型的epoch和decay进行梯度的变化[8-10]。此外，通过连续时准确率达到稳定值后停止训练的方式，加快模型训练速度。MobileNet网络结构如表1所示。

表1 MobileNet网络结构表

2）识别部分设计。通过上电初始K210，初始化各模块，然后对摄像头所拍摄的内容和Kmodel模型进行加载，加载后进行对比。当对比后的阈值大于0.7，则检测为人脸进行画框操作。最后通过设置为9 600的串口3输出不同的指令。识别程序流程图如图3所示。

图3 识别程序流程图

3）电路控制部分设计。首先上电，初始化STC89C52所连接的各部分外设模块，初始化后，对日期、时间、星期进行检测和刷新显示，然后调用串口程序进行串口监控。串口接收指令后进行相应动作，最后进行矩阵按键的监控，当检测到按键动作后，执行相应的程序动作。电路控制部分流程图如图4所示。

图4 电路控制程序流程图

2 测试结果

接通串口通信电路，K210识别模块进行上电初始化，LCD显示屏显示红色字符串Hello!和蓝色字符串Demo: Face Detect!表示LCD显示模块正常。摄像头对应的拍摄画面会在显示屏上刷新，当检测到人脸时，显示屏上会对人脸所在的区域进行大致的框选，此时对应的IO口3输出Led on指令，单片机主控制模块接收指令后，进行对应的开启流水灯动作。此时，再次检测当前教室温度值是否大于设定值，若大于设定值，立即启动蜂鸣器鸣叫电路程序进行蜂鸣器鸣叫。反之启动蜂鸣器关闭电路。当摄像头未检测到人脸时，串口输出Led off指令，对应的控制八个LED灯灭的电路工作，并保持蜂鸣器电路关断。

经过多次测试，本设计在人脸识别部分能够精准快速地对检测目标进行识别和框选定位，在对LED灯和蜂鸣器电路的控制效果测试上，控制效果非常稳定可靠；温度检测效果上，比较接近真实温度。满足了预期的精准识别和可靠电路控制的设计效果。

3 总结

本文基于K210构建人脸识别功能，STC89C52单片机构建电路控制功能，通过视觉识别的图像处理技术，实现了对教室电气设备的智能化自动控制节能控制系统的设计。随着深度学习和识别算法的发展，通过实际的实物测试，满足了系统的预期功能。通过使用MobileNet网络进行构建的神经网络算法，有效地将识别的精准度控制在0.9，为后续的电路控制和精准节能提供了有利的条件。

当前高校的教室控制系统大部分仍采用传统的手动控制系统进行室内设备控制。随着深度学习和识别算法的发展，节能减排的思想观念逐渐占据主流。此时，对于传统控制系统的改造会极为迫切，智能化教室会出现极大的需求，该设计的应用前景极为广阔。