无线设备的功率调节方法、设备、存储介质及程序产品与流程

本技术涉及无线通信，尤其涉及一种无线设备的功率调节方法、设备、存储介质及程序产品。

背景技术：

1、无线通信技术在工业生产中的应用日益广泛，特别是在汽车制造行业。针对汽车制造企业的专用无线网络对于实现智能化制造、提高生产效率和质量具有重要作用。然而，在复杂的车间环境下，诸如货物堆放、设备干扰等因素对无线信号覆盖带来挑战。因此，需要一种创新的方法来动态调整无线设备的功率，以优化信号覆盖，提高生产效率和稳定性。

2、目前，在工业环境中，已有一些针对无线信号覆盖优化的技术和系统，例如，传统的信号覆盖优化方法，根据场地地形进行信号覆盖模拟和优化，或者通过固定功率的方式应对信号覆盖问题。然而，这些方法往往无法适应复杂的生产环境变化和货物堆放情况的动态变化，导致信号覆盖效果难以稳定和最优化。另一些技术尝试利用传感器数据对信号覆盖进行调整，但大多仍停留在静态调整的阶段，缺乏对动态环境变化的实时响应能力。

3、可以看出，当前现有技术中缺乏根据环境动态变化，调整信号覆盖效果的方案，影响生产的效率和生产稳定性。

技术实现思路

1、本技术提供一种无线设备的功率调节方法、设备、存储介质及程序产品，能够实时监测当前环境的变化，动态调整无线设备功率，优化信号覆盖效果，进而提高生产效率和稳定性。

2、第一方面，本技术提供一种无线设备的功率调节方法，包括：获取车间内的第一实况图像，第一实况图像用于反映当前时刻车间内货物的堆载情况；基于第一实况图像和预测模型，得到当前时刻车间内的无线信号覆盖情况；其中，预测模型用于根据车间内货物的堆载情况预测车间内无线信号的覆盖情况；根据当前时刻车间内的无线信号覆盖情况，调整车间内无线设备的功率。

3、本技术提供的技术方案至少能够产生以下有益效果：本技术通过建立车间内货物堆载情况和车间内无线信号的覆盖情况之间的联系，并形成相应预测模型，对网络覆盖情况的实时监测，并根据模型输出结果动态调整车间无线设备的功率，减少人工干预，实现系统实时性，进而提高了生产的效率和稳定性。

4、一种可能的实现方式，基于第一实况图像和预测模型，得到当前时刻车间内的无线信号覆盖情况，包括：从第一实况图像中识别出货物，并采用图像分割算法从第一实况图像中分割出货物的图像数据；将货物的图像数据输入预测模型，以使得预测模型对货物的图像数据进行特征提取，并根据提取的特征计算货物的堆载率，进而根据货物的堆载率，确定并输出当前时刻车间内的无线信号覆盖情况。

5、另一种可能的实现方式，当前时刻车间内的无线信号覆盖情况包括当前时刻车间内各区域的信号强度；根据当前时刻车间内的无线信号覆盖情况，调整车间内无线设备的功率，包括：根据当前时刻车间内各区域的信号强度，确定车间内的待调整区域，待调整区域包括车间内信号强度小于或等于第一预设阈值的区域，和车间内信号强度大于或等于第二预设阈值的区域；基于当前时刻待调整区域的信号强度、待调整区域的期望信号强度、调整步长和平滑因子，调整待调整区域的无线设备的功率；调整步长为每次调整的最大功率变化量，平滑因子用于控制功率调整的速度。

6、第二方面，本技术提供一种模型训练方法，包括：获取历史时刻车间内的第二实况图像和历史无线信号覆盖情况，其中，第二实况图像用于反映历史时刻车间内货物的堆载情况；基于第二实况图像和历史无线信号覆盖情况，构建训练样本；采用训练样本集对待训练的预测模型进行训练，得到训练好的预测模型；其中，预测模型用于根据车间内货物的堆载情况预测车间内无线信号的覆盖情况。

7、本技术提供的技术方案至少能够产生以下有益效果：本技术基于深度学习技术构建信号覆盖预测模型，通过采集历史时刻车间货物堆载情况与车间的历史无线信号覆盖情况并结合形成数据集，对信号覆盖预测模型进行训练，提高预测模型的泛化能力和准确性，进而得到训练好的预测模型，以实现根据车间内货物的堆载情况预测车间内无线信号的覆盖情况，为动态调整车间无线信号覆盖强度提供保障。

8、一种可能的实现方式，基于第二实况图像和历史无线信号覆盖情况，构建训练样本，包括：从第二实况图像中识别出货物，并采用图像分割算法从第二实况图像中分割出货物的图像数据；对货物的图像数据进行特征提取，并根据提取的特征计算货物的堆载率；基于货物的堆载率和货物的图像数据，构建第一训练样本；其中，第一训练样本的样本标签为货物的堆载率，样本数据为货物的图像数据；基于历史无线信号覆盖情况和货物的堆载率，构建第二训练样本；其中，第二训练样本的样本标签为历史无线信号覆盖情况，样本数据为货物的堆载率。

9、另一种可能的实现方式，采用训练样本集对待训练的预测模型进行训练，得到训练好的预测模型，包括：采用第一训练样本对待训练的预测模型进行首次训练，得到首次训练后的预测模型，首次训练后的预测模型用于对输入的货物的图像数据进行特征提取，并根据提取的特征计算货物的堆载率；采用第二训练样本对首次训练后的预测模型进行二次训练，得到训练好的预测模型。

10、又一种可能的实现方式，基于历史无线信号覆盖情况和货物的堆载率，构建第二训练样本，包括：将同一区域的历史无线信号覆盖情况和货物的堆载率进行数据对齐处理；基于数据对齐处理后的数据，构建第二训练样本。

11、第三方面，本技术提供一种无线设备的功率调节装置，无线设备的功率调节装置包括：采集模块、处理模块。

12、采集模块，用于获取车间内的第一实况图像；其中，第一实况图像用于反映当前时刻车间内货物的堆载情况。

13、处理模块，用于基于第一实况图像和预测模型，得到当前时刻车间内的无线信号覆盖情况；其中，预测模型用于根据车间内货物的堆载情况预测车间内无线信号的覆盖情况；根据当前时刻车间内的无线信号覆盖情况，调整车间内无线设备的功率。

14、一种可能的实现方式，处理模块，具体用于从第一实况图像中识别出货物，并采用图像分割算法从第一实况图像中分割出货物的图像数据；将货物的图像数据输入预测模型，以使得预测模型对货物的图像数据进行特征提取，并根据提取的特征计算货物的堆载率，进而根据货物的堆载率，确定并输出当前时刻车间内的无线信号覆盖情况。

15、另一种可能的实现方式，当前时刻车间内的无线信号覆盖情况包括当前时刻车间内各区域的信号强度；处理模块，具体用于根据当前时刻车间内各区域的信号强度，确定车间内的待调整区域，待调整区域包括车间内信号强度小于或等于第一预设阈值的区域，和车间内信号强度大于或等于第二预设阈值的区域；基于当前时刻待调整区域的信号强度、待调整区域的期望信号强度、调整步长和平滑因子，调整待调整区域的无线设备的功率；调整步长为每次调整的最大功率变化量，平滑因子用于控制功率调整的速度。

16、另一种可能的实现方式，无线设备的功率调节装置还包括训练模块。

17、采集模块，用于获取历史时刻车间内的第二实况图像和历史无线信号覆盖情况，其中，第二实况图像用于反映历史时刻车间内货物的堆载情况。

18、处理模块，用于基于第二实况图像和历史无线信号覆盖情况，构建训练样本。

19、训练模块，用于采用训练样本集对待训练的预测模型进行训练，得到训练好的预测模型；其中，预测模型用于根据车间内货物的堆载情况预测车间内无线信号的覆盖情况。

20、一种可能的实现方式，处理模块，具体用于从第二实况图像中识别出货物，并采用图像分割算法从第二实况图像中分割出货物的图像数据；对货物的图像数据进行特征提取，并根据提取的特征计算货物的堆载率；基于货物的堆载率和货物的图像数据，构建第一训练样本；其中，第一训练样本的样本标签为货物的堆载率，样本数据为货物的图像数据；基于历史无线信号覆盖情况和货物的堆载率，构建第二训练样本；其中，第二训练样本的样本标签为历史无线信号覆盖情况，样本数据为货物的堆载率。

21、另一种可能的实现方式，训练模块，具体用于采用第一训练样本对待训练的预测模型进行首次训练，得到首次训练后的预测模型，首次训练后的预测模型用于对输入的货物的图像数据进行特征提取，并根据提取的特征计算货物的堆载率；采用第二训练样本对首次训练后的预测模型进行二次训练，得到训练好的预测模型。

22、另一种可能的实现方式，处理模块，具体用于将同一区域的历史无线信号覆盖情况和货物的堆载率进行数据对齐处理；基于数据对齐处理后的数据，构建第二训练样本。

23、第四方面，本技术提供一种电子设备，该电子设备包括：处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现上述第一方面的方法。

24、第五方面，本技术提供一种计算机可读存储介质，该计算机可读存储介质包括：计算机软件指令；当计算机软件指令在电子设备中运行时，使得电子设备实现上述第一方面的方法。

25、第六方面，本技术提供一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述第一方面描述的相关方法的步骤，以实现上述第一方面的方法。

26、上述第三方面至第六方面的有益效果参考第一方面和第二方面的对应描述，不再赘述。