解氷を誤るか、または適時に行わないと、冷却/ヒートポンプユニットのエネルギー消費が増加し、安定性が低下し、障害率が上昇します。霜の状態を正確に識別し、適時に解氷することは、冷却/ヒートポンプの性能を向上させる重要な方向です。デジタル/スマート技術に基づく霜の状態の識別方法は、潜在的な可能性が高いが、既存の技術は実際の複雑な状況で明らかに識別精度が低下しており、改善が急がれています。このため、蒸発器表面の画像テクスチャ特徴を切り口とし、グレイレベル共起行列でテクスチャ特徴を抽出し、さらに雀アルゴリズムによって最適化された極限学習マシンを組み合わせて分類するスマート識別方法を提案します。撮影角度や光の強度などの外部条件の影響を避ける可能性があり、高い適応性を実現する見込みがあります。実験施設を設置し、複雑な条件での3つの霜状態の蒸発器画像サンプルを4,125枚収集し、新しい方法を検証し比較研究を行いました。その結果、この方法は異なる条件下での識別精度が95%に近づいたり、それを上回ることができ、既存の方法よりも5%〜35%高くなることが明らかになりました。この方法は安定性が高く、コストが低く、優れた応用潜在性を示しています。

霜状態の識別; グレイレベル共起行列; デジタル画像; テクスチャ特徴; 解氷