基于無線節(jié)點的教學(xué)場所節(jié)電控制系統(tǒng)設(shè)計

摘要：承擔(dān)教學(xué)和自習(xí)功能的高校教室大都采用開放管理模式，時常會出現(xiàn)外部光照良好或空無一人時，室內(nèi)照明燈處于全部開啟狀態(tài)，造成電能的浪費。針對高校教學(xué)場所電能浪費問題，該系統(tǒng)運用人體圖像檢測算法融合多種傳感器的方法，設(shè)計出一套基于無線節(jié)點的高校教學(xué)場所節(jié)電控制系統(tǒng)。該系統(tǒng)分為OpenMV實時圖像監(jiān)測、燈具控制和無線通信3個部分，通過傳感器來檢測環(huán)境光照情況和室內(nèi)各區(qū)域人員分布狀況，從而調(diào)節(jié)燈具開關(guān)狀態(tài)。實驗結(jié)果表明，該系統(tǒng)具備良好的穩(wěn)定性，可以達到精確控制燈具實現(xiàn)節(jié)能的目的。

關(guān)鍵詞：節(jié)電控制；人體圖像檢測；無線通信；OpenMV

中圖分類號：TP39 文獻標志碼：A

0 引言

近年來，隨著高等教育招生規(guī)模的逐漸擴大，高校教學(xué)場所數(shù)量不斷增加。教室作為學(xué)校開展教學(xué)和學(xué)生學(xué)習(xí)交流的重要場所，為了方便學(xué)生之間的學(xué)習(xí)和交流，大多采用分時段開放式的自由管理運作模式［1］。教室設(shè)備的開放式管理雖然使學(xué)生之間的學(xué)習(xí)交流更加方便，但學(xué)生的流動性大，加之缺乏與之相對應(yīng)的高效管理所需的自動化配套系統(tǒng)，教室用電設(shè)備管理很大程度上取決于人的主動性。由于管理人員不能及時管理和教室使用人員的節(jié)約電能的意識不強等原因，教室電能浪費現(xiàn)象十分嚴重。經(jīng)常出現(xiàn)教室里僅有一兩個人，甚至在無人的情況下，教室里面所有的燈具、空調(diào)或者風(fēng)扇等耗能設(shè)備長期處于運行狀況［2］。當(dāng)白天室內(nèi)光線強度滿足學(xué)習(xí)要求時，燈具依然處于額定運行工況，“長明燈”現(xiàn)象比比皆是。這些現(xiàn)象不但為學(xué)校的電力支出增加了負擔(dān)且造成大量的電能浪費。因此，針對教室的節(jié)能控制系統(tǒng)進行研究及使用，既可以為高校降低能源消耗的成本，還有利于打造一個高品質(zhì)的學(xué)習(xí)環(huán)境，為推動生態(tài)和諧社會的建設(shè)和節(jié)約資源社會發(fā)展做出貢獻。

當(dāng)前，市面上很多節(jié)能開關(guān)使用紅外熱釋電技術(shù)進行人員活動檢測，雖然安裝靈活，但是使用中時常遭受漏檢和重復(fù)檢測反應(yīng)遲鈍的困擾。為了解決紅外熱釋電傳感器在照明控制系統(tǒng)中可能出現(xiàn)的漏檢和錯檢問題，該系統(tǒng)提出了一種基于圖像處理技術(shù)的人體目標識別技術(shù)的節(jié)電系統(tǒng)設(shè)計方案。該方案將圖像分析技術(shù)與紅外熱釋電傳感器相結(jié)合，兩者相輔相成，顯著地提高了系統(tǒng)對人體目標檢測的準確性，從而極大幅度地減少了漏檢和錯檢情況的發(fā)生。

1 系統(tǒng)總體設(shè)計

該教室節(jié)電系統(tǒng)功能由燈控節(jié)點和實時圖像監(jiān)測節(jié)點2個部分組成，系統(tǒng)總方案如圖1所示。按照設(shè)計要求，整個教室平均分為4個區(qū)域，每個區(qū)域分別采用1個燈控節(jié)點對其進行控制。4個燈控節(jié)點通過無線模塊與1個實時監(jiān)測教室人員狀況的視頻監(jiān)測節(jié)點進行信息的發(fā)送與接收［3］。

燈控節(jié)點的設(shè)計如圖2所示，該節(jié)點模塊采用STM32F103為主控單元，主要實現(xiàn)區(qū)域照度檢測、燈具控制和組網(wǎng)通信等功能。

圖像監(jiān)測節(jié)點通過紅外熱釋電傳感器模塊與攝像頭模塊共同檢測人體目標活動，振動傳感器用來檢測投影儀工作狀況。系統(tǒng)采用OpenMV開發(fā)板為圖像識別和檢測單元，其系統(tǒng)構(gòu)架如圖3所示。節(jié)能系統(tǒng)結(jié)合燈具區(qū)域照度和區(qū)域內(nèi)有無人體目標活動，經(jīng)過決策后通過燈控電路進行燈具的啟閉控制。

2 系統(tǒng)硬件設(shè)計

2.1 紅外熱釋電傳感器模塊

攝像頭長期工作容易產(chǎn)生局部過熱，從而影響CMOS傳感器的壽命。在該設(shè)計中，使用紅外熱釋電傳感器和攝像頭圖像捕捉相結(jié)合的方式來檢測教室區(qū)域內(nèi)是否有人活動。熱釋電傳感器對大幅度的人體位置變化較為敏感，而對相對靜態(tài)人體目標靈敏度不高。因此，筆者使用AM312紅外熱釋電感應(yīng)模塊來預(yù)先判斷是否有人進入檢測區(qū)域，從而啟動攝像頭進行連續(xù)檢測。當(dāng)檢測有人在區(qū)域內(nèi)活動時，模塊信號端口輸出穩(wěn)定的高電平。當(dāng)模塊檢測到人離開設(shè)定區(qū)域，內(nèi)部延時電路延時一段時間后，端口輸出為低電平。控制節(jié)點的STM32F103C8T6微控制器使用通用GPIO來讀取模塊輸出電平狀態(tài)，從而判斷該區(qū)域中是否有人活動。在該設(shè)計中，控制器使用PB0引腳來檢測熱釋電模塊的輸出電平信號，當(dāng)讀取到由低電平到高電平的波動信號，則表明有人進入檢測區(qū)域。

2.2 照度檢測模塊

良好的室內(nèi)照度效果是保證優(yōu)質(zhì)學(xué)習(xí)和視力健康的主要因素，當(dāng)前室內(nèi)照度是教室燈具是否開啟的重要依據(jù)之一。因此，文章選擇TEMT6000環(huán)境光傳感器模塊對教室內(nèi)部照明情況進行檢測。TEMT6000模塊依靠仿生學(xué)設(shè)計，對可見光的反應(yīng)特性與人眼所感受的特性相似。芯片內(nèi)部集成抑制紅外線光譜功能，不僅可以模擬人對環(huán)境光線強度的判斷，而且具有更高光譜響應(yīng)性。模塊在工作時候，進入光窗的光照強度越高，激發(fā)的光電流越大，從而輸出的電壓則越大。感應(yīng)的光照強度與輸出電壓呈線性關(guān)系，測量電壓的幅值可直接推導(dǎo)出光照的強度關(guān)系。該設(shè)計通過配置STM32F103微控制PA3為模擬量輸入接口，將模塊照度電壓輸出引腳與單片機PA3相連，由測量的電壓來測算光照強度。

TEMT6000模擬光照強度檢測傳感器的供電電壓為3.3～5 V，照度的檢測范圍是1～1000 lux。對應(yīng)的模擬輸出電壓Vout為0～Vcc，因而實際檢測的照度轉(zhuǎn)換如式（1）所示。

E=VoutVcc×1000（1）

該設(shè)計中，光照強度傳感器采用的供電電壓Vcc為3.3 V。

2.3 照明燈控制電路

為了達到節(jié)能的目的，該設(shè)計根據(jù)光照情況和區(qū)域內(nèi)人員分布情況動態(tài)進行照明燈的打開和關(guān)閉。考慮到教室所用燈具的開關(guān)頻率不頻繁且不涉及調(diào)光操作，燈控節(jié)點采用結(jié)構(gòu)簡單和性能穩(wěn)定的繼電器控制電路，燈控電路原理如圖4所示。圖中，220 V交流市電的火線和零線接在PORT1雙線端子上，照明燈引線接在POTR2端子兩端。因為STM32控制器的通用引腳只能輸出高低電平信號，無法驅(qū)動繼電器線圈對應(yīng)的電流負載，所以借助三極管的飽和導(dǎo)通和截止來實現(xiàn)繼電器的通斷控制。繼電器線圈采用板載的5 V電源供電，在繼電器線圈的兩端反向并聯(lián)續(xù)流二極管1N4007，防止晶體三極管Q1被繼電器斷開瞬間的反向電動勢損壞。STM32微控制器的輸出端口與晶體管Q1基級之間的控制信號采用光電耦合器U1進行隔離，可以有效避免繼電器開關(guān)瞬間的電勢能對控制芯片造成沖擊，導(dǎo)致芯片損壞。最終，燈具的開啟和關(guān)斷由控制器的輸出端口CTL進行控制。

2.4 振動檢測功能

老師在上課時，經(jīng)常會使用投影儀和黑板進行書寫切換。對于教室的授課對象而言，講臺上方過強的背景燈光照度，會對所播放幻燈片的清晰度產(chǎn)生很大的影響。而老師在使用黑板時，為了便于后排同學(xué)看清，講臺光線又須要具有一定的照射強度。因此，該設(shè)計為了有效對講臺上方的照明燈具進行控制，在投影儀的側(cè)邊安裝了一款能檢測投影儀是否工作的裝置，用于檢測投影儀工作狀態(tài)。當(dāng)投影儀用于課堂教學(xué)時，其內(nèi)部散熱風(fēng)扇啟動，會引起投影儀工作面的振動，從而觸發(fā)該檢測裝置。

設(shè)計中所用的振動傳感器SW-420是一款常閉型的開關(guān)器件模塊，當(dāng)模塊檢測到機殼有震動時，器件內(nèi)部2個引腳斷開，模塊輸出高電平，反之輸出低電平。控制器通過檢測振動裝置的輸出信號，動態(tài)調(diào)節(jié)講臺上方燈具的照明狀態(tài)。

2.5 無線通信模塊

為了實現(xiàn)教室節(jié)能系統(tǒng)中主控節(jié)點和燈控節(jié)點之間的數(shù)據(jù)和指令傳輸功能，文章采用ZigBee網(wǎng)絡(luò)來實現(xiàn)組網(wǎng)通信功能［4］。該設(shè)計中的ZigBee功能電路選取正點原子設(shè)計開發(fā)的DL-20無線通信模塊進行設(shè)計，該模塊采用CC2530芯片，工作頻段為2400～2450MHz，采用擴頻技術(shù)，支持基于透明串口模式的點對點和點對多傳輸。在該研究中，監(jiān)控節(jié)點和燈控節(jié)點采用點對多方式進行通信，模塊通過設(shè)置不同地址進行匹配，教室內(nèi)監(jiān)控主節(jié)點與燈控節(jié)點自組網(wǎng)如圖5所示。

3 系統(tǒng)軟件設(shè)計

該系統(tǒng)的總體軟件設(shè)計流程如圖6所示，主控節(jié)點主要完成區(qū)域內(nèi)人員判斷和與燈控節(jié)點之間的數(shù)據(jù)收發(fā)功能，燈控節(jié)點根據(jù)當(dāng)前區(qū)域照度實現(xiàn)燈具開關(guān)控制。主控單元中的OpenMV通過攝像頭獲取整個教室內(nèi)部圖像，經(jīng)灰度二值化處理后來確定區(qū)域內(nèi)是否有人。主控單元通過ZigBee無線網(wǎng)絡(luò)將區(qū)域內(nèi)是否有人員活動信息發(fā)送給各個燈控節(jié)點，燈控節(jié)點根據(jù)所收到的指令和當(dāng)前的外界環(huán)境照度動態(tài)調(diào)節(jié)照明燈的開啟和關(guān)閉。

根據(jù)紅外熱釋電傳感器模塊的工作特性，若無人體在檢測范圍內(nèi)運動，則會在最后一次檢測到人體運動延時一段時間后變回低電平。如果單獨使用該傳感器來控制燈具開關(guān)，就可能出現(xiàn)學(xué)生安靜學(xué)習(xí)一段時間后自動斷電關(guān)燈的尷尬情況。為避免這種情況的發(fā)生，文章利用攝像頭實時監(jiān)控教室內(nèi)有無人員活動。具體實現(xiàn)過程為：在紅外熱釋電傳感器和光敏傳感器同時觸發(fā)為高電平時，通過ZigBee模塊傳輸信號至監(jiān)控模塊，打開攝像頭開啟監(jiān)測模式，同時開始3min倒計時。如果3min時間段內(nèi)攝像頭檢測到教室內(nèi)有人，便將3min計數(shù)器重置，通過燈具控制電路保持燈具持續(xù)開啟。如若計時到而教室內(nèi)又沒有人活動，就不通過ZigBee模塊傳回信號，此時初始化系統(tǒng)并關(guān)閉燈具，等待下一次激活。

3.1 圖像識別方法設(shè)計

與一般靜止的物品不同，學(xué)生在看書和自習(xí)時雖然大體保持靜止，但還是會伴隨著一些細微的肢體移動。這種細微的動作一般不會被紅外熱釋電傳感器所感應(yīng)，為了提高人員辨識效果，本研究選擇了OpenMV圖像檢測結(jié)合熱釋電傳感器來對教室內(nèi)是否有人進行檢測。

OpenMV開發(fā)套件作為一款開源的機器視覺開發(fā)平臺，內(nèi)部集成了眾多機器視覺算法案例。該系統(tǒng)采用Python語言進行功能開發(fā)設(shè)計，可用于對實時性響應(yīng)要求不高的靜態(tài)圖像處理和目標追蹤領(lǐng)域。OpenMV的人臉識別算法通常基于深度學(xué)習(xí)和計算機視覺技術(shù)，其核心原理包括圖像預(yù)處理、特征提取、目標檢測、候選框處理以及識別結(jié)果輸出幾個方面。

圖像預(yù)處理是實現(xiàn)人體目標檢測的重要一環(huán)，也是OpenMV完成圖像識別算法中的第一步。該項目首先將輸入的圖像進行尺寸變換，調(diào)整成與固定模型大小相同的正方形。通過色彩轉(zhuǎn)換的方式將圖像轉(zhuǎn)換為灰度圖，有助于減少算法中的計算量，可更加高效地提取出有效的特征從而達到便于識別的目的。然后，利用圖像增強的方法增加圖像的對比度和清晰度，以改善圖像質(zhì)量并突出圖像中的關(guān)鍵特征。

邊緣處理可以用來識別圖像的邊界信息，是圖像處理中極為重要的一步。本設(shè)計采用基于卷積變換的Sobel離散微分算子，通過計算圖像中相鄰像素點之間差分值得到梯度信息。梯度值大于設(shè)定閾值的像素點設(shè)定為圖像邊緣，可以得到圖像中的輪廓邊界。

邊緣確定之后需要對數(shù)據(jù)進行歸一化處理，這一步將圖像像素值轉(zhuǎn)換到［0，1］或［-1，1］的范圍內(nèi)，便于后續(xù)對模型進行處理。本設(shè)計在人臉識別檢測中只使用［0，1］范圍內(nèi)的歸一化，因為大多數(shù)的期望輸入數(shù)據(jù)都在［0，1］的范圍內(nèi)［5］。

該設(shè)計通過式（2）將圖像中的各點像素值進行線性變換，使得圖像中最小像素值映射到0，最大像素值映射到1，其余像素點都在［0，1］范圍之內(nèi)。

Pixel=Pixelraw-PixelminPixelmax-Pixelmin（2）

經(jīng)過上述的處理步驟之后，可能會出現(xiàn)圖像的拉伸和變形。如果直接進入特征識別，可能會造成辨識準確性的降低。為避免這種情況，該設(shè)計在圖像邊緣進行填充，使其保持原有的比例與內(nèi)容。最后則通過裁剪的方式去除掉圖像中不相關(guān)的部分，從而提高處理的效率和精確性。

在特征提取環(huán)節(jié)，筆者將采集圖片歸一化處理得到的圖像特征與訓(xùn)練好的人臉識別模型進行比對。模型是通過預(yù)先大量標記好的人臉圖像數(shù)據(jù)進行訓(xùn)練得到的，從而能夠識別出不同的人臉特征信息，這個環(huán)節(jié)包括卷積操作、激活函數(shù)、池化操作3個過程［6］。

（1）首先利用卷積核對圖像進行特征提取，操作如式（3）所示。

y［i，j］=∑x［i+m，j+n］·h［m+n］（3）

其中，x為輸入圖像，h是卷積核，y是輸出特征圖。

（2）文章在卷積層后使用激活函數(shù)（Rectified Linear Unit，ReLU）對網(wǎng)絡(luò)節(jié)點進行激活，激活函數(shù)定義如式（4）所示。

f（x）=max（0，x）（4）

ReLU函數(shù)可以將小于0的輸入值置0，而大于0的值則保持不變。

（3）該設(shè)計在圖片特征檢測和判斷中，為了降低算法的計算量，使用最大池化操作來縮減特征圖的尺寸大小。該方法可以保留特征圖中的主要特征，便于后續(xù)的識別。最大池化的過程如式（5）所示。

y（i，j）=max［x（i·s+m，j·s+n）］（5）

其中，y（i，j）是池化后的輸出特征圖中的一個像素值，i和j是輸出特征圖中的行列索引，i是輸入特征圖，s是池化步長，表示池化窗口每次移動的距離。m和n表示池化窗口內(nèi)的行和列索引。

該設(shè)計在完成預(yù)處理圖像的特征提取之后，緊接著完成目標定位和目標分類2個功能。特征提取為目標檢測提供了關(guān)鍵的輸入，再通過目標檢測算法對輸入信號進行分析和處理。本設(shè)計通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的多個卷積層、池化層和全連接層，從圖像中學(xué)習(xí)到更加高級的特征表示方法，進而提高了目標檢測的精度和容錯率。

圖像中生成的候選框所框選的部分包含已識別到的人臉在圖片中的像素位置，這個環(huán)節(jié)會出現(xiàn)大量的重疊候選框。筆者對于眾多的候選框采取非極大值抑制的處理方式，剔除重疊度高的候選框，保留具有代表性的目標框。其中，計算重疊面積的公式在選取有效候選框的過程中有重要作用，描述如式（6）所示。

IoU=Area（Overlap）Area（Box1）+Area（Box2）-Area（Overlap）（6）

其中，IoU表示重疊面積占2個候選框的并集面積的比例，Area（Overlap）代表2個候選框之間的重疊面積，Area（Box1）和Area（Box2）分別表示2個框的面積大小。利用這個公式，設(shè)定一個IoU的閾值，若高于一定閾值，則可以認定為2個候選框重疊過多，需要進行抑制或剔除。

在對候選框進行處理之后，留下的目標框中包含了通過算法計算分析得到的輸出結(jié)果，實際輸出為圖像中Wk1jqwCwCIVlO9pW+SBVAHAZ1jF5NIHS9KLbJddUcSs=所識別的人臉目標框區(qū)域以及目標框的4個頂點坐標位置。

3.2 通信協(xié)議設(shè)計

為保證數(shù)據(jù)發(fā)送的可靠性和良好的解析性能，筆者對收發(fā)數(shù)據(jù)幀內(nèi)的有效數(shù)據(jù)進行了8位CRC-8循環(huán)冗余校驗，結(jié)果保留在校驗字中。當(dāng)接收方接收完無線數(shù)據(jù)幀后，對接收緩存內(nèi)的數(shù)據(jù)進行校驗，校驗無誤的數(shù)據(jù)保存，進行下一步命令解析，而無效的數(shù)據(jù)直接丟棄。設(shè)計的數(shù)據(jù)幀格式如表1所示。

以同一個教室為例，主控單元地址設(shè)置為0×10，4個燈控單元地址依次為0×01， 0×02， 0×03和0×04。主控單元的命令字設(shè)置為0×01時，表示掃描發(fā)現(xiàn)該區(qū)域有人，為0×02時，表示區(qū)域內(nèi)無人。

4 結(jié)語

該設(shè)計采用紅外熱釋電傳感器和動態(tài)圖像掃描相結(jié)合的方式，提出了一種基于圖像處理技術(shù)的教室節(jié)能系統(tǒng)方案，解決了教室自動照明控制系統(tǒng)中可能出現(xiàn)的漏檢和錯檢問題。該方案通過對多種環(huán)境狀態(tài)數(shù)據(jù)的檢測，采用ZigBee進行控制節(jié)點之間狀態(tài)信息傳輸，為教室節(jié)能設(shè)計提供了一種新的解決思路，有效地提高了教室照明的智能化管理水平。

參考文獻

［1］汪暉，魏青，于李玲.智能照明控制系統(tǒng)在高校實踐場所中的應(yīng)用［J］.中國照明電器，2018（7）：16-21.

［2］管謨剛，秦少雷，魏飛龍.智能照明系統(tǒng)在智能建筑中的應(yīng)用［J］.光源與照明，2023（1）：66-68.

［3］趙鵬.基于物聯(lián)網(wǎng)技術(shù)的智慧教室系統(tǒng)設(shè)計與實現(xiàn)研究［J］.科技創(chuàng)新與應(yīng)用，2022（31）：103-106.

［4］沈加敏.基于ZigBee技術(shù)的無線燈光智能控制系統(tǒng)設(shè)計［J］.無線互聯(lián)科技，2024（9）：23-26.

［5］劉文豪.基于深度學(xué)習(xí)的人臉表情識別算法研究［D］.海口：海南大學(xué)，2024.

［6］馬杲東.基于稀疏表示的小樣本人臉圖像集分類研究［D］.南京：南京郵電大學(xué)，2023.

（編輯 王永超）

Design of power saving control system for classroom based on wireless node

ZHU Yulong， LI Huipeng*， HUANG Pu

（Huanggang Normal University， Huanggang 438000， China）

Abstract： Most of the university classrooms with the functions of teaching and self-study adopt the open management mode， and the external lighting is often good or empty while the indoor lights are all turned on， resulting in waste of electric energy. Aiming at the problem of power waste in university teaching places， this system uses image human detection algorithm and integrates various sensors to design a set of power saving control system based on wireless node. The system is divided into OpenMV real-time image monitoring part， lighting control part and wireless communication part， through the sensor to detect the environmental lighting and the distribution of personnel in each area of the room， so as to adjust the lighting switch state. The experimental results show that the system has good stability and can achieve the purpose of accurately controlling the luminaire to achieve energy saving.

Key words： power saving control; human body detection; wireless communication; OpenMV