基于树莓派的实验室环境检测系统的研究OA

传统的感知控制系统是在单一的传感器数据基础上实现的,其粗粒度的数据结果无法用于对实际环境中人员活动情况的检测。针对该问题,通过布置树莓派智能采集系统感知环境数据,分析并建立了综合的活动感知模型。分布在不同关键位置的树莓派Pico采集器将分散的检测数据发送给树莓派进行收集汇总,其中包括环境光照、温湿度、噪音、人体活动、照明、空调等方面的数据。依据汇总的多传感数据建立了数据模型,通过模型更新并找到了最优阈值,解决了由于不同采集工具的应用和采集位置的变化而导致的阈值差异问题。研究发现,采用多层神经网络可以学习环境数据,实现对实验室活动类型的精确甄别。该检测系统实现了对实验室环境的动态感知与智能管理,减轻了实验室管理人员的工作量,优化了资源调配,减少了能源消耗。