CN106604508B - 基于自学习的灯光环境控制方法和控制系统 - Google Patents
基于自学习的灯光环境控制方法和控制系统 Download PDFInfo
- Publication number
- CN106604508B CN106604508B CN201710100017.8A CN201710100017A CN106604508B CN 106604508 B CN106604508 B CN 106604508B CN 201710100017 A CN201710100017 A CN 201710100017A CN 106604508 B CN106604508 B CN 106604508B
- Authority
- CN
- China
- Prior art keywords
- environment
- current
- user
- information
- light
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003062 neural network model Methods 0.000 claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims description 29
- 210000002569 neuron Anatomy 0.000 claims description 10
- 230000005021 gait Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及一种基于自学习的灯光环境控制方法和控制系统，包括以下步骤：S1：客观环境采集模块采集智能灯所在位置的当前客观环境信息；S2：用户识别模块识别当前用户，并判断是否存在特定用户，当存在特定用户时，智能灯根据学习结果自动调节灯光环境；当不存在特定用户时，智能灯根据初始模型调节灯光环境，同时神经元网络模块根据当前用户、灯光环境和当前客观环境更新神经元网络模型；S3：判断手动调光模块是否处于触发状态，当手动调光模块处于触发状态时，神经元网络模块根据当前用户、灯光环境和当前客观环境更新神经元网络模型。优点在于：本发明能够神经元网络模型的学习在用户使用过程中不断的完善，充分体现智能灯的智能程度。
Description
技术领域
本发明属于灯光控制领域，尤其涉及一种基于自学习的灯光环境控制方法和控制系统。
背景技术
随着人们生活水平的不断提高，人们对于居住环境的要求也越来越高，智能灯光控制也从传统的实体的灯控开关转而采用app或者终端在线控制的方式进行调节控制，大大提高了灯光控制的便捷和舒适性。但是这类体验方式只是将其灯控开关从实体转移到终端，智能化程度不够。
为了解决上述技术问题，人们进行了长期的探索，例如中国专利公开了一种智能调节灯光的方法及装置[申请号：201610193080.6]，该方法包括：确定当前时间和智能灯所在地的外部环境信息；根据所述当前时间和外部环境信息，确定灯光控制参数，所述灯光控制参数包括色温；将所述灯光控制参数发送给所述智能灯，以使所述智能灯根据所述灯光控制参数发射出模拟自然光，采用本方案的智能调节灯光的方法可以控制智能灯在预设场所为人们提供模拟自然光照明，从而让在常年见不到自然光照的环境下工作、生活的人们感受到类似大自然的照明环境变化，使人们可以根据灯光的色温变化来粗略判别时间，领略天气变化、季节变化，从而促进人们的身心健康，提升智能灯的用户体验。
再如，一种智能家居灯光系统[申请号：201410728023.4]，包括：智能终端，所述的智能终端包括PAD、手机和电脑；主服务器，所述的主服务器通过互联网与智能终端通信连接；智能网关，所述的智能网关与主服务器通信连接；智能路由节点，所述的智能路由节点与智能网关通信连接；调光器，所述的调光器与智能路由节点通信连接；灯控开关，所述的灯控开关与智能路由节点通信连接；灯，所述的灯分别与灯控开关和调光器电连接。本发明的智能家居灯光系统通过对家庭灯光的智能控制，满足人们舒适、方便、节能的需求。系统基于Zigbee无线网络，采用模块化结构设计、安装方便，直接替换原有灯光控制面板即可。
上述两个技术方案分别在一定程度提高了智能灯光照智能化程度，但是灯光环境的设定是一件不仅与环境相关、而且又是一个很个人化的事件，当用户处于不同的客观条件下时，其所需的灯光环境是有差异的，早晨、傍晚、晚上；阴天，晴天，夏季，冬季；室内的不同采光条件，这些不同的客观条件，都会对用户的舒适灯光环境体验产生影响；同时，不同的用户，对于灯光的色温或者光强也有不同的喜好，可调节的灯光环境为用户提供了新的体验，但如果这种调节长时间需要人为进行也会弱化体验，因此还有待进一步提高智能灯的智能化程度。
发明内容
本发明的目的是针对上述问题，提供一种基于自学习的灯光环境控制方法；
本发明的另一目的是针对上述问题，提供一种基于自学习的灯光环境控制系统。
为达到上述目的，本发明采用了下列技术方案：
本发明的基于自学习的灯光环境控制方法，包括以下步骤：
S1：通过一客观环境采集模块采集智能灯所在位置的当前客观环境信息；
S2：通过用户识别模块识别当前用户，并判断是否存在特定用户，
当存在特定用户时，智能灯根据当前客观环境信息和特定用户的用灯习惯自动调节灯光环境；
当不存在特定用户时，智能灯仅根据当前客观环境信息自动调节灯光环境，同时神经元网络模块将当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型，且将不是特定用户的当前用户均标记为特定用户；
S3：判断手动调光模块是否处于触发状态，
当手动调光模块处于触发状态时，智能灯优先保持手动调节结果的灯光环境，且神经元网络模块将当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型。
通过上述技术方案，本发明基于客观环境前提下，通过用户识别模块对不同用户进行判断，在前期使用中通过学习用户的调节习惯，并建立客观环境条件、特定用户以及灯光环境的映射关系的神经元网络模型，可以通过机器学习即神经元网络模块中的神经网络算法进行学习，在用户使用过程中神经元网络模型的学习集不断的完善，从而逐步实现系统自主判断提供舒适的贴合用户的灯光环境，充分体现智能灯的智能程度。
在上述的基于自学习的灯光环境控制方法中，在步骤S2中，所述的用户识别模块通过识别当前用户的心率信息、步态信息、语音信息和指纹信息中的任意一种或多种生物特征信息以识别当前用户身份。
在上述的基于自学习的灯光环境控制方法中，在步骤S2中，所述的用户识别模块通过识别当前用户佩戴的智能设备以识别当前用户身份。
在上述的基于自学习的灯光环境控制方法中，在步骤S2中，当用户识别模块识别到当前存在至少两个特定用户时，智能灯自动调节灯光使灯光环境介于当前所有特定用户在当前客观环境中的用灯习惯。
在上述的基于自学习的灯光环境控制方法中，在步骤S3中，当用户识别模块识别到当前存在至少两个当前用户，且至少其中一个当前用户手动调节灯光环境时，神经元网络模块将所有的当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型同时得到特定用户用灯习惯组合。
在上述的基于自学习的灯光环境控制方法中，当存在特定用户用灯习惯组合时，还包括以下步骤：
当调节灯光环境的特定用户与特定用户组合中其余任意特定用户同时存在时，智能灯自动调节灯光使灯光环境介于当前所有特定用户在当前客观环境中的用灯习惯，同时提高调节灯光环境的特定用户在当前客观环境中用灯习惯的权重。
在上述的基于自学习的灯光环境控制方法中，所述的当前客观环境信息包括当前时间信息、当前天气信息和当前环境光信息中的任意一种或多种信息的组合。
在上述的基于自学习的灯光环境控制方法中，在步骤S1之前本方法还包括：
初始神经元网络模型建立：通过包括多个时间数据、天气数据和环境光数据中的任意一种或多种组合的客观环境数据及多个客观环境数据对应的舒适灯光环境信息组成训练样本集对神经元网络进行训练以得到初始神经元网络模型。
通过上述技术方案，智能灯前期以普遍适用原则，即默认提供符合大众偏好的灯光环境。
一种基于自学习的灯光环境控制系统，包括具有灯体和与灯体连接的MCU模块的智能灯，所述的MCU模块包括神经元网络模块，所述的MCU模块连接有客观环境采集模块、用户识别模块和手动调光模块；其中，
神经元网络模块：用于学习至少一个特定用户在至少一个特定客观环境下的用灯习惯，并在特定用户处于特定的客观环境下用灯时根据学习结果自动输出特定的调光信息，以使智能灯提供特定的灯光环境；
客观环境采集模块：用于采集包括当前时间信息、当前天气信息和当前环境光信息中的任意一种或多种组合的客观环境信息；
用户识别模块：用于识别用户的身份，以使智能灯根据神经元网络模块学习到的当前用户在当前客观环境下的用灯习惯提供特定的灯光环境；
手动调光模块：用于手动输入调光信息，以获得用户需要的灯光环境，同时供神经元网络模块学习当前用户在当前客观环境下的用灯习惯。
在上述的基于自学习的灯光环境控制系统中，所述的用户识别模块包括心率信息识别模块、步态信息识别模块、语音信息识别模块、指纹信息识别模块和特定电子设备识别模块中的任意一种或多种的组合。
本发明基于自学习的灯光环境控制方法能够基于神经网络学习方法逐步实现脱离用户人为调节而对灯光亮度及色温进行智能调节，从而有针对性地为不同的使用者基于时间、天气和环境光等要素的客观环境中的用灯习惯为不同的使用者提供合适的灯光环境。
本发明基于自学习的灯光环境控制系统的具有系统硬件架构简单、智能化程度高等优点。
附图说明
图1是本发明实施例一的工作流程图；
图2是本发明实施例一的神经元网络模型图；
图3是本发明实施例二的系统框图；
图4是本发明实施例四的工作流程图。
图中，智能灯1；MCU模块11；神经元网络模块111；灯体12；客观环境采集模块13；用户识别模块14；手动调光模块15。
具体实施方式
以下是本发明的优选实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
如图1和图2所示，一种基于自学习的灯光环境控制方法，包括以下步骤：
S1：通过一客观环境采集模块13采集智能灯1所在位置的当前客观环境信息；
本实施例中，在步骤S1之前还包括以下步骤：
初始神经元网络模型建立：通过包括多个时间数据、天气数据和环境光数据中的任意一种或多种组合的客观环境数据及多个客观环境数据对应的舒适灯光环境信息组成训练样本集对神经元网络进行训练以得到初始神经元网络模型，此处得到的初始神经元网络模型为基于科学分析或者取样调查获得在不同时间、天气以及环境光条件下，不同用户对输出——灯光环境的偏好的平均值，此处的输入因素不考虑用户的差异。
S2：通过用户识别模块14识别当前用户，并判断是否存在特定用户，
当存在特定用户，且特定用户为一个时，智能灯1根据当前客观环境信息和特定用户的用灯习惯自动调节灯光环境；其中用灯习惯由神经网络模块从用户在各种客观环境中使用智能灯1的用灯偏好中学习而得；
当不存在特定用户时，智能灯1仅根据当前客观环境信息自动调节灯光环境，同时神经元网络模块111将当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型，且将当前用户均标记为特定用户；
但是，当存在特定用户但是不存在当前特定用户在当前环境下的用灯习惯信息时，
智能灯1按照在与当前客观环境最类似的客观环境下该当前特定用户的用灯习惯提供灯光环境；
或者，
智能灯1按照初始神经元网络模型中在当前客观环境下大众偏好的灯光环境，且同时神经元网络模块111将当前特定用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合进一步更新神经元网络模型以进一步完善当前特定用户用灯习惯。
具体地说，在用户使用过程中，当用户对灯光环境进行调整时，会根据当前客观环境因素、当前用户以及当前用户调整的灯光环境值建立样本，对神经网络模型进行更新；用户不调整则默认为输出满足用户需求，维持当前灯光环境；在不断调整学习的过程中，神经网络模型的输出会越来越贴近用户的实际需求，从而提升用户体验以及其智能化程度。
在本步骤中，所述的用户识别模块14通过识别当前用户佩戴的智能设备以识别当前用户身份。
S3：判断手动调光模块15是否处于触发状态，即MCU模块根据手动调光模块是否处于触发状态判断是否存在人为调光动作，
当手动调光模块15处于触发状态时，智能灯1优先保持手动调节结果的灯光环境，且神经元网络模块111将当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型。当然，当手动调光模块15没有处于触发状态时，智能灯1保持步骤S2中提供的灯光环境。本步骤中的当前用户均指被标记为特定用户的当前用户。
优选地，当前客观环境信息包括当前时间信息、当前天气信息和当前环境光信息中的任意一种或多种信息的组合；且本实施例中的灯光环境由各种光照色温和光照强度等光照参数构成。
实施例二
如图3所示，本实施例与实施例一类似，不同之处在于，本实施例提供了一种基于自学习的灯光环境控制系统，包括具有灯体12和与灯体12连接的MCU模块11的智能灯1，所述的MCU模块11包括神经元网络模块111，所述的MCU模块11连接有客观环境采集模块13、用户识别模块14和手动调光模块15；其中，
神经元网络模块111：用于学习至少一个特定用户在至少一个特定客观环境下的用灯习惯，并在特定用户处于特定的客观环境下用灯时根据学习结果自动输出特定的调光信息，以使智能灯1提供特定的灯光环境；
客观环境采集模块13：用于采集包括当前时间信息、当前天气信息和当前环境光信息中的任意一种或多种组合的客观环境信息；
用户识别模块14：用于识别用户的身份，以使智能灯1根据神经元网络模块111学习到的当前用户在当前客观环境下的用灯习惯提供特定的灯光环境；
手动调光模块15：用于手动输入调光信息，以获得用户需要的灯光环境，同时供神经元网络模块111学习当前用户在当前客观环境下的用灯习惯。
优选的地，所述的用户识别模块14包括心率信息识别模块、步态信息识别模块、语音信息识别模块、指纹信息识别模块和特定电子设备识别模块中的任意一种或多种的组合
实施例三
本实施例与实施例一类似，不同之处在于，在本实施例中的步骤S2中，所述的用户识别模块14通过识别当前用户的心率信息、步态信息、语音信息和指纹信息中的任意一种或多种生物特征信息以识别当前用户身份，具有识别准确度更高的优点。
实施例四
本实施例与实施例一或三类似，不同之处在于，本实施例在步骤S2中，用户识别模块14识别到当前存在至少两个特定用户，智能灯1自动调节灯光使灯光环境介于当前所有特定用户在当前客观环境中的用灯习惯。
在步骤S3中，用户识别模块14识别到当前存在至少两个当前用户，且至少其中一个当前用户手动调节灯光环境，神经元网络模块111将所有的当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型同时得到特定用户用灯习惯组合。
而且，当存在特定用户用灯习惯组合时，还包括以下步骤：
当调节灯光环境的特定用户与特定用户组合中其余任意特定用户同时存在时，智能灯1自动调节灯光使灯光环境介于当前所有特定用户在当前客观环境中的用灯习惯，同时提高调节灯光环境的特定用户在当前客观环境中用灯习惯的权重,即使输出的灯光环境更。
为了更好地理解本发明，本实施例以用户识别模块14识别到当前存在两个用户做场景做具体描述说明：如图4,其中开始状态时，用户a为特定用户，用户b为非特定用户，
A,用户a打开灯光，智能灯1根据时间、天气、环境光条件(客观环境1；以及用户a的使用习惯提供灯光环境1；
B,若用户a人为调节至灯光环境2，则智能灯1将灯光环境2与用户a以及当前的客观环境因素作为一个样本对神经元网络模型进行更新；
C,用户a在客观环境1下打开灯光，智能灯1根据客观环境1与用户a的使用习惯提供灯光环境2；
D,用户b在客观环境1下打开灯光，智能灯1根据客观环境1与用户b的使用习惯提供灯光环境3；
E,若用户b不再调节灯光，智能灯1学习记忆客观环境1，用户b与灯光环境3的对应关系；
F,用户a和用户b同时使用灯光，智能灯1根据客观环境1与用户a和用户b的使用习惯，提供介于灯光环境2和灯光环境3之间的灯光环境4；
G,若用户a人为调节到灯光环境5，则智能灯1将灯光环境5与用户a、b，当前的客观环境因素作为一个样本对神经元网络模型合进行更新，同时提高用户a，b同时使用时，用户a的权重，从而期待在神经元网络模型之外的场景出现时，能够提供更合适的灯光环境；
在不同的客观环境以及用户和用户数量下，智能灯1的学习调节过程类似。
本发明实现了对在不同客观环境下不同用户的偏好进行自学习；通过用户识别模块14对不同用户进行判断，在前期使用中通过学习用户的偏好习惯，建立客观环境条件、特定用户以及灯光环境的映射关系的神经元网络模型，可以通过机器学习即神经元网络模块111中的神经网络算法进行学习，在用户使用过程中神经元网络模型的学习集不断的完善，不断更新神经元网络模型，从而逐渐在脱离人为调节的前提下实现自主判断，提供舒适的贴合用户的灯光环境，充分体现智能灯1的智能程度。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了智能灯1；MCU模块11；神经元网络模块111；灯体12；客观环境采集模块13；用户识别模块14；手动调光模块15等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (10)
1.一种基于自学习的灯光环境控制方法，其特征在于，包括以下步骤：
S1：通过一客观环境采集模块(13)采集智能灯(1)所在位置的当前客观环境信息；
S2：通过用户识别模块(14)识别当前用户，并判断是否存在特定用户，
当存在特定用户时，智能灯(1)根据当前客观环境信息和特定用户的用灯习惯自动调节灯光环境；
当不存在特定用户时，智能灯(1)仅根据当前客观环境信息自动调节灯光环境，同时神经元网络模块(111)将当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型，且将不是特定用户的当前用户均标记为特定用户；
S3：判断手动调光模块(15)是否处于触发状态，
当手动调光模块(15)处于触发状态时，智能灯(1)优先保持手动调节结果的灯光环境，且神经元网络模块(111)将当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型。
2.根据权利要求1所述的基于自学习的灯光环境控制方法，其特征在于，在步骤S2中，所述的用户识别模块(14)通过识别当前用户的心率信息、步态信息、语音信息和指纹信息中的任意一种或多种生物特征信息以识别当前用户身份。
3.根据权利要求1所述的基于自学习的灯光环境控制方法，其特征在于，在步骤S2中，所述的用户识别模块(14)通过识别当前用户佩戴的智能设备以识别当前用户身份。
4.根据权利要求1所述的基于自学习的灯光环境控制方法，其特征在于，在步骤S2中，当用户识别模块(14)识别到当前存在至少两个特定用户时，智能灯(1)自动调节灯光使灯光环境介于当前所有特定用户在当前客观环境中的用灯习惯对应的灯光环境之间。
5.根据权利要求4所述的基于自学习的灯光环境控制方法，其特征在于，在步骤S3中，当用户识别模块(14)识别到当前存在至少两个当前用户，且至少其中一个当前用户手动调节灯光环境时，神经元网络模块(111)将所有的当前用户信息、灯光环境信息和当前客观环境信息保持对应关系作为一个样本集合更新神经元网络模型同时得到特定用户用灯习惯组合。
6.根据权利要求5所述的基于自学习的灯光环境控制方法，其特征在于，当存在特定用户用灯习惯组合时，还包括以下步骤：
当调节灯光环境的特定用户与特定用户组合中其余任意特定用户同时存在时，智能灯(1)自动调节灯光使灯光环境介于当前所有特定用户在当前客观环境中的用灯习惯对应的灯光环境之间，同时提高调节灯光环境的特定用户在当前客观环境中用灯习惯的权重。
7.根据权利要求1所述的基于自学习的灯光环境控制方法，其特征在于，所述的当前客观环境信息包括当前时间信息、当前天气信息和当前环境光信息中的任意一种或多种信息的组合。
8.根据权利要求1所述的基于自学习的灯光环境控制方法，其特征在于，在步骤S1之前本方法还包括：
初始神经元网络模型建立：通过包括多个时间数据、天气数据和环境光数据中的任意一种或多种组合的客观环境数据及多个客观环境数据对应的舒适灯光环境信息组成训练样本集对神经元网络进行训练以得到初始神经元网络模型。
9.一种基于自学习的灯光环境控制系统，应用如权利要求1所述的灯光环境控制方法，其特征在于，包括具有灯体(12)和与灯体(12)连接的MCU模块(11)的智能灯(1)，所述的MCU模块(11)包括神经元网络模块(111)，所述的MCU模块(11)连接有客观环境采集模块(13)、用户识别模块(14)和手动调光模块(15)；其中，
神经元网络模块(111)：用于学习至少一个特定用户在至少一个特定客观环境下的用灯习惯，并在特定用户处于特定的客观环境下用灯时根据学习结果自动输出特定的调光信息，以使智能灯(1)提供特定的灯光环境；
客观环境采集模块(13)：用于采集包括当前时间信息、当前天气信息和当前环境光信息中的任意一种或多种组合的客观环境信息；
用户识别模块(14)：用于识别用户的身份，以使智能灯(1)根据神经元网络模块(111)学习到的当前用户在当前客观环境下的用灯习惯提供特定的灯光环境；
手动调光模块(15)：用于手动输入调光信息，以获得用户需要的灯光环境，同时供神经元网络模块(111)学习当前用户在当前客观环境下的用灯习惯。
10.根据权利要求9所述的基于自学习的灯光环境控制系统，其特征在于，所述的用户识别模块(14)包括心率信息识别模块、步态信息识别模块、语音信息识别模块、指纹信息识别模块和特定电子设备识别模块中的任意一种或多种的组合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710100017.8A CN106604508B (zh) | 2017-02-23 | 2017-02-23 | 基于自学习的灯光环境控制方法和控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710100017.8A CN106604508B (zh) | 2017-02-23 | 2017-02-23 | 基于自学习的灯光环境控制方法和控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106604508A CN106604508A (zh) | 2017-04-26 |
| CN106604508B true CN106604508B (zh) | 2019-08-27 |
Family
ID=58587805
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710100017.8A Active CN106604508B (zh) | 2017-02-23 | 2017-02-23 | 基于自学习的灯光环境控制方法和控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106604508B (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109429415B (zh) * | 2017-08-29 | 2020-09-15 | 美智光电科技有限公司 | 照明控制方法、装置及系统 |
| CN108012389B (zh) * | 2017-10-27 | 2021-03-26 | 深圳和而泰智能控制股份有限公司 | 灯光调节方法、终端设备及计算机可读存储介质 |
| CN108492795A (zh) * | 2018-02-23 | 2018-09-04 | 珠海格力电器股份有限公司 | 调节空调显示亮度的方法和装置 |
| CN108831526A (zh) * | 2018-05-21 | 2018-11-16 | 四川斐讯信息技术有限公司 | 一种具有识别功能的智能可穿戴运动设备及其识别方法 |
| CN110691441A (zh) * | 2018-07-06 | 2020-01-14 | 深圳博科智能科技有限公司 | 一种led灯的控制方法及led灯 |
| CN108717873A (zh) * | 2018-07-20 | 2018-10-30 | 同济大学 | 一种基于无监督学习技术的空间光环境ai调节系统 |
| CN108990234B (zh) * | 2018-08-24 | 2019-11-19 | 重庆昊磐节能科技有限公司 | 一种用于智能墙板的灯光控制方法 |
| CN110944429B (zh) * | 2018-09-19 | 2021-11-12 | 比亚迪股份有限公司 | 车内灯光控制方法、装置和车辆 |
| CN112804914A (zh) * | 2018-09-21 | 2021-05-14 | 上海诺基亚贝尔股份有限公司 | 镜子 |
| CN110045619A (zh) * | 2019-03-08 | 2019-07-23 | 佛山市云米电器科技有限公司 | 基于自学习技术的窗帘智能控制方法及智能控制系统 |
| CN109976169B (zh) * | 2019-03-08 | 2022-08-12 | 佛山市云米电器科技有限公司 | 基于自学习技术的互联网电视智能控制方法及控制系统 |
| CN110458030A (zh) * | 2019-07-15 | 2019-11-15 | 南京青隐信息科技有限公司 | 一种新风书架的深度自学习调整使用者注意力的方法 |
| CN110691453B (zh) * | 2019-10-18 | 2021-07-13 | 浪潮软件股份有限公司 | 一种采用人工智能技术高效管控智慧路灯的方法 |
| CN110719662A (zh) * | 2019-10-29 | 2020-01-21 | 横店集团得邦照明股份有限公司 | 具有深度学习能力的声控led照明系统 |
| CN111586941A (zh) * | 2020-04-24 | 2020-08-25 | 苏州华普物联科技有限公司 | 一种基于神经网络算法的智能照明控制方法 |
| CN111586946A (zh) * | 2020-05-28 | 2020-08-25 | 普天智能照明研究院有限公司 | 照明设备的照明方法、系统、装置、存储介质和处理器 |
| CN112074054A (zh) * | 2020-08-21 | 2020-12-11 | 博流智能科技（南京）有限公司 | 基于机器学习的智能灯色温控制方法及系统 |
| CN112417696B (zh) * | 2020-11-24 | 2022-10-18 | 天津九安医疗电子股份有限公司 | 一种智能灯、其点亮方法及转存、加载和应用灯状态模型的方法 |
| CN112533328A (zh) * | 2020-12-25 | 2021-03-19 | 广东技术师范大学 | 一种具有人工智能的家居照明装置及其实现方法 |
| CN114340096A (zh) * | 2021-12-06 | 2022-04-12 | 河北汉光重工有限责任公司 | 用于显控台的个性化自动调光系统 |
| CN114278892A (zh) * | 2021-12-10 | 2022-04-05 | 深圳市奥新科技有限公司 | 物联网智慧照明系统及方法 |
| CN116634638A (zh) * | 2023-05-16 | 2023-08-22 | 珠海光通智装科技有限公司 | 灯光控制策略的生成方法、灯光控制方法以及相关装置 |
| CN116634622B (zh) * | 2023-07-26 | 2023-09-15 | 深圳特朗达照明股份有限公司 | 一种基于物联网的led智能控制方法、系统及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104582178A (zh) * | 2015-01-04 | 2015-04-29 | 常州市武进区半导体照明应用技术研究院 | 环境光控设备的学习方法和环境光控设备 |
| CN104837281A (zh) * | 2015-05-27 | 2015-08-12 | 常州市武进区半导体照明应用技术研究院 | 照明控制系统、方法及装置 |
| CN104914833A (zh) * | 2015-05-18 | 2015-09-16 | 百度在线网络技术（北京）有限公司 | 一种智能设备的控制方法及系统 |
| CN105068515A (zh) * | 2015-07-16 | 2015-11-18 | 华南理工大学 | 一种基于自学习算法的智能家居设备语音控制方法 |
| CN105353727A (zh) * | 2014-08-19 | 2016-02-24 | 深圳市科瑞电子有限公司 | 一种智慧家庭中央分析处理方法及服务器 |
| CN105607504A (zh) * | 2016-03-15 | 2016-05-25 | 美的集团股份有限公司 | 智能家居系统、智能家居控制的装置和方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102307106B (zh) * | 2011-07-30 | 2013-08-07 | 华为技术有限公司 | 一种站点能耗管理、呈现的方法及装置 |
| CN104656615B (zh) * | 2015-01-04 | 2017-10-03 | 常州市武进区半导体照明应用技术研究院 | 环境控制设备、环境控制设备的学习方法以及其控制方法 |
| CN105785777A (zh) * | 2016-03-04 | 2016-07-20 | 橙朴（上海）智能科技有限公司 | 一种基于学习的智能家居控制系统 |
-
2017
- 2017-02-23 CN CN201710100017.8A patent/CN106604508B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105353727A (zh) * | 2014-08-19 | 2016-02-24 | 深圳市科瑞电子有限公司 | 一种智慧家庭中央分析处理方法及服务器 |
| CN104582178A (zh) * | 2015-01-04 | 2015-04-29 | 常州市武进区半导体照明应用技术研究院 | 环境光控设备的学习方法和环境光控设备 |
| CN104914833A (zh) * | 2015-05-18 | 2015-09-16 | 百度在线网络技术（北京）有限公司 | 一种智能设备的控制方法及系统 |
| CN104837281A (zh) * | 2015-05-27 | 2015-08-12 | 常州市武进区半导体照明应用技术研究院 | 照明控制系统、方法及装置 |
| CN105068515A (zh) * | 2015-07-16 | 2015-11-18 | 华南理工大学 | 一种基于自学习算法的智能家居设备语音控制方法 |
| CN105607504A (zh) * | 2016-03-15 | 2016-05-25 | 美的集团股份有限公司 | 智能家居系统、智能家居控制的装置和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106604508A (zh) | 2017-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106604508B (zh) | 基于自学习的灯光环境控制方法和控制系统 | |
| CN112584572B (zh) | 开放式办公室照明系统 | |
| CN108036474A (zh) | 一种空调温度调节方法及系统 | |
| CN106793384A (zh) | 室内智能感应照明系统及其照明控制方法 | |
| CN111556630A (zh) | 基于贝叶斯网络的智能灯自适应场景识别系统及方法 | |
| CN112969254A (zh) | 一种基于场景自动识别的商务宾馆客房照明控制装置 | |
| KR102684908B1 (ko) | 스마트 조명 제어 시스템 및 그 방법 | |
| CN109140665A (zh) | 控制空调的方法、装置和空调装置 | |
| CN110517648A (zh) | 显示装置的调光方法及系统 | |
| US11696380B2 (en) | Lighting fixture and lighting system for automatically adjusting color temperature | |
| CN110139449A (zh) | 一种基于人体姿态识别的智能全屋照明系统 | |
| CN113760206A (zh) | 一种照明装置亮度调节方法、装置、电子设备和存储介质 | |
| CN104968129A (zh) | 一种无线模式的节能照明控制系统 | |
| CN105912632A (zh) | 一种设备服务推荐方法和装置 | |
| CN113923839A (zh) | 一种灯光调节方法及系统 | |
| CN211831242U (zh) | 基于分布式传感节点的节律照明自适应控制系统 | |
| CN112261760A (zh) | 一种自动调节光源的方法和智能系统 | |
| CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制系统及方法 | |
| CN114727461A (zh) | 基于智能家居的灯光控制系统 | |
| CN114401568A (zh) | 一种人因照明的led照明控制方法及终端 | |
| CN111381505A (zh) | 智能家居控制系统及其控制方法 | |
| CN109976169B (zh) | 基于自学习技术的互联网电视智能控制方法及控制系统 | |
| CN204836693U (zh) | 一种无线模式的节能照明控制系统 | |
| CN105241024B (zh) | 一种智能设备控制方法及系统 | |
| CN111766800A (zh) | 一种基于场景和大数据的智能设备控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 201616 Shanghai city Songjiang District Sixian Road No. 3666 Applicant after: Shanghai Feixun Data Communication Technology Co., Ltd. Address before: 201616 Shanghai city Songjiang District Songjiang District Road No. 3666 Applicant before: Shanghai Feixun Data Communication Technology Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201113 Address after: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Jiji Intellectual Property Operation Co., Ltd Address before: 201616 Shanghai city Songjiang District Sixian Road No. 3666 Patentee before: Phicomm (Shanghai) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201126 Address after: 315000 Binhai Industrial Zone, Xiangshan Economic Development Zone, Ningbo, Zhejiang Patentee after: NINGBO BAOJIA LAMP MANUFACTURE Co.,Ltd. Address before: Room 10242, No. 260, Jiangshu Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Hangzhou Jiji Intellectual Property Operation Co., Ltd |
|
| TR01 | Transfer of patent right |