CN106959133B - 一种led照明产品光生物安全性检测系统 - Google Patents

一种led照明产品光生物安全性检测系统 Download PDF

Info

Publication number
CN106959133B
CN106959133B CN201710179886.4A CN201710179886A CN106959133B CN 106959133 B CN106959133 B CN 106959133B CN 201710179886 A CN201710179886 A CN 201710179886A CN 106959133 B CN106959133 B CN 106959133B
Authority
CN
China
Prior art keywords
data
temperature
sensor
matrix
humidity sensor
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
Application number
CN201710179886.4A
Other languages
English (en)
Other versions
CN106959133A (zh
Inventor
包晓帆
李卫东
张洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Mechanical And Electronic Product Quality Supervision & Inspection Institute
Original Assignee
Guizhou Mechanical And Electronic Product Quality Supervision & Inspection Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou Mechanical And Electronic Product Quality Supervision & Inspection Institute filed Critical Guizhou Mechanical And Electronic Product Quality Supervision & Inspection Institute
Priority to CN201710179886.4A priority Critical patent/CN106959133B/zh
Publication of CN106959133A publication Critical patent/CN106959133A/zh
Application granted granted Critical
Publication of CN106959133B publication Critical patent/CN106959133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0428—Safety, monitoring
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2604—Test of external equipment

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种LED照明产品光生物安全性检测系统，包括用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计；用于检测灯具照度的照度探头；用于检测灯具亮度的亮度探头；用于对检测环境的湿度、温度进行采集的温湿度传感器；分别与分布光谱辐射计、照度探头、亮度探头和温湿度传感器有线连接，用于对接收的数据进行分析和处理的中央处理器；与中央处理器有线连接，用于对灯具照射光进行处理的光谱分析仪；与中央处理器通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；与中央处理器有线连接，用于控制检测环境的温湿度控制装置。本发明检测参数多样化，检测精准，实现数据共享。

Description

一种LED照明产品光生物安全性检测系统
技术领域
本发明属于光生物安全检测技术领域，尤其涉及一种LED照明产品光生物安全性检测系统。
背景技术
随着能源危机的迫近以及节能环保、低碳意识的提高，新型的LED照明光源的全球市场前景愈发光明。LED照明作为节能环保战略性新兴产业，正逐渐受到国家和各级地方政府的高度重视。随着技术的进步与发展，LED照明产业必将成为绿色节能产业新的增长点，在市场利益趋势与法律法规刺激下，全球LED产业规格呈快速增长之势。LED光源具有使用电源电压低、节能高效、适用范围广、稳定性强、响应时间短、寿命长、无污染等特点，未来必将取代白炽灯、荧光灯等人造光源，成为城市的主要照明光源。然而在LED产业快速增长，应用场合不断增加的同时，LED光源对于视网膜可能带来危害及对生物日常生活可能带来的影响成为了一个越来越受人们关注的问题。在光辐射波段中，紫外线辐射和蓝光辐射对人体的危害尤为明显。LED作为一种新兴光源因为近年来的迅速发展，芯片的功率及外量子效率均大大提高，紫外和蓝光波段的短波LED芯片被广泛应用，多芯片集成及二次光学设计技术发展，使得LED的危害性更加显著，灯与灯系统的光生物安全性的测试，要按照IEC62471、EN62417、GB/T20145等标准进行评估。但是现有的评估系统检测参数单一，很难对LED照明产品的光生物安全性能进行全面检测，另一方面没有考虑到外界环境对检测参数的影响，导致检测结果的误差大大增加，其次就是无法进行数据的共享。光生物安全(包括蓝光危害)关系到人们的身体健康和安全，规范照明产品这方面指标的国家标准应该是强制性的，但是目前的国家标准是GB/T 20145-2006《灯和灯系统的光生物安全性》却为推荐性标准，建议将该标准的性质改为强制性，并建议增加到照明灯具CCC认证标准中。通过测量27个样品的色温，其中7个样品的色温远高于6500K，甚至有大于100000K的，这种LED产品已经超出照明产品使用的白光色温上限，其中蓝光成分已有相当大的比例。如果长期使用这种照明光，将影响人的司辰节律，影响睡眠，造成生物钟紊乱，从而降低人的免疫力。
发明内容
本发明为解决现有的检测参数单一，检测数据受到影响，误差增加和无法进行数据共享的技术问题而提供一种LED照明产品光生物安全性检测系统。
本发明为解决公知技术中存在的技术问题所采取的技术方案是：
本发明提供的LED照明产品光生物安全性检测系统，所述LED照明产品光生物安全性检测系统包括：
用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计；所述分布光谱辐射计设置有无线定位模块，所述无线定位模块的无线定位方法具体包括以下步骤：待定位节点O通信范围内的锚节点坐标为Ai(xi，yi)，其中i＝0,1,…,n(n≥4)；
步骤一，待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为Ai；
步骤二，根据采样信号r(n)，计算互相关值E；
步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点Ai之间的距离：
Pr(di)＝Pr(d0)-10·γlg(di)+Xσ；
其中，Pr(d′i)表示距离发送端距离为d′i时获取的互相关值，Pr(d0)表示距离发送端d0＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算Xσ，服从均值为0、标准差为σ的高斯分布；
利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i，对应的锚节点的坐标分别为Ai(xi，yi)，其中i＝0,1,2,…,n；
步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x,y)；
用于检测灯具照度的照度探头；
用于检测灯具亮度的亮度探头；
用于对检测环境的湿度、温度进行采集的温湿度传感器；
分别与分布光谱辐射计、照度探头、亮度探头和温湿度传感器有线连接，用于对接收的数据进行分析和处理的中央处理器；所述中央处理器对数据矩阵进行标准化：
Figure BDA0001253356660000031
式中：
Figure BDA0001253356660000032
Figure BDA0001253356660000033
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据；
与中央处理器有线连接，用于对灯具照射光进行处理的光谱分析仪；
与中央处理器通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；
与中央处理器有线连接，用于控制检测环境的温湿度控制装置；
与中央处理器有线连接，用于数据导出的导出模块；
所述电源模块与中央处理器有线连接，用于提供电源；
所述光谱分析仪上安装有显示装置和打印装置，显示装置和打印装置均通过数据线与导出模块相连接；所述光谱分析仪的图像信息脉冲耦合神经网络模型：
Fij[n]＝Sij；
Figure BDA0001253356660000041
Uij[n]＝Fij[n](1+βij[n]Lij[n])；
Figure BDA0001253356660000042
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
Figure BDA0001253356660000043
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取4；
所述显示装置的顶部安装有警示灯，警示灯与中央处理器有线连接；所述显示装置的图像融合规则为：
Figure BDA0001253356660000044
其中，τ1＝1/(1+exp{-β(||mA||2-||mB||2)}),(β＞0)，
Figure BDA0001253356660000045
mA,mB分别表示源图像每块的均值；源图像xA和xB分别减去mA和mB得到
Figure BDA0001253356660000046
Figure BDA0001253356660000047
和
Figure BDA0001253356660000048
分别为稀疏表示系数矩阵SC和
Figure BDA0001253356660000049
的第i列，
Figure BDA00012533566600000410
为融合图像的稀疏系数矩阵sF的第i列；K是图像块的总个数；
所述显示装置作为输入图像v0，使用全变分模型TV-L1，即
Figure BDA0001253356660000051
对v0进行去噪，获得去噪介质层图v，用介质层图像的归一化处理后获得估计的退化矩阵
Figure BDA0001253356660000059
将预处理后的目标图像作为初始输入图像u0，
Figure BDA0001253356660000052
作为输入的退化矩阵，代入全变分模型
Figure BDA0001253356660000053
求解得到的最优解u即为恢复图像；u0为预处理目标图像，u为目标恢复图像，
Figure BDA0001253356660000054
为估计的退化矩阵，
Figure BDA0001253356660000055
为构造的引入退化矩阵
Figure BDA0001253356660000056
的保真项；
所述分布光谱辐射计由分布光度计和光谱辐射计构成。
进一步，所述温湿度传感器包括：温度传感器和湿度传感器；
时间对准过程完成传感器数据之间在时间上的对准，温度传感器A、湿度传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且温度传感器A的采样频率大于湿度传感器B的采样频率，则由温度传感器A向湿度传感器B的采样时刻进行配准，具体为：
采用内插外推的时间配准算法将温度传感器A的采样数据向湿度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向湿度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在tBk时刻在本地直角坐标系下的量测值
Figure BDA0001253356660000057
为：
Figure BDA0001253356660000058
其中，tBk为配准时刻，tk-1,tk,tk+1为温度传感器A距离配准时刻最近的三个采样时刻，YA(tk-1),YA(tk),YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据温度传感器A的配准数据与湿度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和湿度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为
Figure BDA0001253356660000061
分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为
Figure BDA0001253356660000062
分别为距离、方位角和俯仰角的系统误差；于是有
Figure BDA0001253356660000063
其中
Figure BDA0001253356660000064
表示观测噪声,均值为零、方差为
Figure BDA0001253356660000065
式(1)可以用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)
其中，
Figure BDA0001253356660000066
设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'e＝[x'e,y'e,z'e]T)，可得
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT(4)
BA，BB分别为目标在温度传感器A与湿度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT(5)
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程
Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)
其中，
Figure BDA0001253356660000071
Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k),nB(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)。
本发明具有的优点和积极效果是：该LED照明产品光生物安全性检测系统利用分布光谱辐射计对LED照明产品的颜色特性和色空间分布情况进行测试，利用照度探头对LED照明产品的照度进行检测，利用亮度探头对LED照明产品的亮度进行检测，利用光谱分析仪对LED照明产品的照射光进行光谱分析，利用温湿度传感器实时对检测环境的湿度、温度进行采集，当温度和湿度满足不了需求时，中央处理器通过温湿度控制装置对检测环境的温度和湿度进行调整，利用导出模块将数据通过显示装置和打印装置进行导出，通过GPRS网路将检测数据存储到云服务器中，检测参数多样化，检测精准，实现数据共享。
附图说明
图1是本发明实施例提供的LED照明产品光生物安全性检测系统的原理框图；
图中：1、分布光谱辐射计；2、照度探头；3、亮度探头；4、温湿度传感器；5、中央处理器；6、光谱分析仪；7、云服务器；8、温湿度控制装置；9、导出模块；10、电源模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合图1对本发明的结构作详细的描述。
该LED照明产品光生物安全性检测系统包括：
用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计1；
用于检测灯具照度的照度探头2；
用于检测灯具亮度的亮度探头3；
用于对检测环境的湿度、温度进行采集的温湿度传感器4；
分别与分布光谱辐射计1、照度探头2、亮度探头3和温湿度传感器4有线连接，用于对接收的数据进行分析和处理的中央处理器5；
与中央处理器5有线连接，用于对灯具照射光进行处理的光谱分析仪6；
与中央处理器5通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器7；
与中央处理器5有线连接，用于控制检测环境的温湿度控制装置8；
与中央处理器5有线连接，用于数据导出的导出模块9。
进一步，所述电源模块10与中央处理器5有线连接，用于提供电源。
进一步，所述光谱分析仪6上安装有显示装置和打印装置，显示装置和打印装置均通过数据线与导出模块9相连接。
进一步，所述显示装置的顶部安装有警示灯，警示灯与中央处理器5有线连接。
进一步，所述分布光谱辐射计1由分布光度计和光谱辐射计构成。
所述无线定位模块的无线定位方法具体包括以下步骤：待定位节点O通信范围内的锚节点坐标为Ai(xi，yi)，其中i＝0,1,…,n(n≥4)；
步骤一，待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为Ai；
步骤二，根据采样信号r(n)，计算互相关值E；
步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点Ai之间的距离：
Pr(di)＝Pr(d0)-10·γlg(di)+Xσ；
其中，Pr(d′i)表示距离发送端距离为d′i时获取的互相关值，Pr(d0)表示距离发送端d0＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算Xσ，服从均值为0、标准差为σ的高斯分布；
利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i，对应的锚节点的坐标分别为Ai(xi，yi)，其中i＝0,1,2,…,n；
步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x，y)。
所述中央处理器对数据矩阵进行标准化：
Figure BDA0001253356660000091
式中：
Figure BDA0001253356660000092
Figure BDA0001253356660000093
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据。
所述光谱分析仪的图像信息脉冲耦合神经网络模型：
Fij[n]＝Sij；
Figure BDA0001253356660000094
Uij[n]＝Fij[n](1+βij[n]Lij[n])；
Figure BDA0001253356660000101
θij[n]＝θ0e-αθ(n-1)；
其中，βij[n]为自适应链接强度系数；
Figure BDA0001253356660000102
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取4；
所述显示装置的顶部安装有警示灯，警示灯与中央处理器有线连接；所述显示装置的图像融合规则为：
Figure BDA0001253356660000103
其中，τ1＝1/(1+exp{-β(||mA||2-||mB||2)}),(β＞0)，
Figure BDA0001253356660000104
mA,mB分别表示源图像每块的均值；源图像xA和xB分别减去mA和mB得到
Figure BDA0001253356660000105
Figure BDA0001253356660000106
和
Figure BDA0001253356660000107
分别为稀疏表示系数矩阵SC和
Figure BDA0001253356660000108
的第i列，
Figure BDA0001253356660000109
为融合图像的稀疏系数矩阵sF的第i列；K是图像块的总个数；
所述显示装置作为输入图像v0，使用全变分模型TV-L1，即
Figure BDA00012533566600001010
对v0进行去噪，获得去噪介质层图v，用介质层图像的归一化处理后获得估计的退化矩阵
Figure BDA00012533566600001011
将预处理后的目标图像作为初始输入图像u0，
Figure BDA00012533566600001012
作为输入的退化矩阵，代入全变分模型
Figure BDA00012533566600001013
求解得到的最优解u即为恢复图像；u0为预处理目标图像，u为目标恢复图像，
Figure BDA00012533566600001014
为估计的退化矩阵，
Figure BDA00012533566600001015
为构造的引入退化矩阵
Figure BDA00012533566600001016
的保真项。
进一步，所述温湿度传感器包括：温度传感器和湿度传感器；
时间对准过程完成传感器数据之间在时间上的对准，温度传感器A、湿度传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且温度传感器A的采样频率大于湿度传感器B的采样频率，则由温度传感器A向湿度传感器B的采样时刻进行配准，具体为：
采用内插外推的时间配准算法将温度传感器A的采样数据向湿度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向湿度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在tBk时刻在本地直角坐标系下的量测值
Figure BDA0001253356660000111
为：
Figure BDA0001253356660000112
其中，tBk为配准时刻，tk-1,tk,tk+1为温度传感器A距离配准时刻最近的三个采样时刻，YA(tk-1),YA(tk),YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据温度传感器A的配准数据与湿度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和湿度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为
Figure BDA0001253356660000113
分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为
Figure BDA0001253356660000114
分别为距离、方位角和俯仰角的系统误差；于是有
Figure BDA0001253356660000121
其中
Figure BDA0001253356660000122
表示观测噪声,均值为零、方差为
Figure BDA0001253356660000123
式(1)可以用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT (3)
其中，
Figure BDA0001253356660000124
设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'e＝[x'e,y'e,z'e]T)，可得
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)\*MERGEFORMAT (4)
BA，BB分别为目标在温度传感器A与湿度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)\*MERGEFORMAT (5)
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程
Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT (6)
其中，
Figure BDA0001253356660000125
Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k),nB(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)。
下面结合工作原理对本发明的结构作进一步的描述。
分布光谱辐射计1由分布光度计和光谱辐射计构成，利用分布光谱辐射计1对LED照明产品的颜色特性和色空间分布情况进行测试，利用照度探头2对LED照明产品的照度进行检测，利用亮度探头3对LED照明产品的亮度进行检测，利用光谱分析仪6对LED照明产品的照射光进行光谱分析，利用温湿度传感器4实时对检测环境的湿度、温度进行采集，当温度和湿度满足不了需求时，中央处理器5通过温湿度控制装置8对检测环境的温度和湿度进行调整，电源模块10提供电源，利用导出模块9将数据通过显示装置和打印装置进行导出，通过GPRS网路将检测数据存储到云服务器7中，实现数据的共享。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (2)

1.一种LED照明产品光生物安全性检测系统，其特征在于，所述LED照明产品光生物安全性检测系统包括：
用于为中央处理器提供电源的电源模块，用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计；所述分布光谱辐射计设置有无线定位模块，所述无线定位模块的无线定位方法具体包括以下步骤：待定位节点O通信范围内的锚节点坐标为Ai(xi，yi)，其中i＝0，1，…，n，n≥4；
步骤一，待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0，1，…，N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为Ai；
步骤二，根据采样信号r(n)，计算互相关值E；
步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点Ai之间的距离：
Pr(di)＝Pr(d0)-10·γ1g(di)+Xσ；
其中，Pr(di)表示距离发送端距离为di时获取的互相关值，Pr(d0)表示距离发送端d0＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算Xσ，服从均值为0、标准差为σ的高斯分布；
利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i，对应的锚节点的坐标分别为Ai(xi,yi)，其中i＝0，1，2，…，n；
步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x,y)；
用于检测灯具照度的照度探头；
用于检测灯具亮度的亮度探头；
用于对检测环境的湿度、温度进行采集的温湿度传感器；
分别与分布光谱辐射计、照度探头、亮度探头和温湿度传感器有线连接，用于对接收的数据进行分析和处理的中央处理器；所述中央处理器对数据矩阵进行标准化：
Figure FDA0002413497520000021
式中：
Figure FDA0002413497520000022
Figure FDA0002413497520000023
得到：
A＝(Aij)m×n；
m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据；
与中央处理器有线连接，用于对灯具照射光进行处理的光谱分析仪；
与中央处理器通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；
与中央处理器有线连接，用于控制检测环境的温湿度控制装置；
与中央处理器有线连接，用于数据导出的导出模块；
所述电源模块与中央处理器有线连接；
所述光谱分析仪上安装有显示装置和打印装置，显示装置和打印装置均通过数据线与导出模块相连接；所述光谱分析仪的图像信息脉冲耦合神经网络模型：
Fij[n]＝Sij；
Figure FDA0002413497520000024
Uij[n]＝Fij[n](1+βij[n]Lij[n])；
Figure FDA0002413497520000031
θij[n]＝θ0e-α θ (n-1)；
其中，βij[n]为自适应链接强度系数；
Figure FDA0002413497520000032
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，Nw为所选待处理窗口W中的像素总数，Δ为调节系数，选取4；
所述显示装置的顶部安装有警示灯，警示灯与中央处理器有线连接；所述显示装置的图像融合规则为：
Figure FDA0002413497520000033
其中，τ1＝1/(1+exp{-β(||mA||2-||mB||2)}),(β＞0)，
Figure FDA0002413497520000034
mA,mB分别表示源图像每块的均值；源图像xA和xB分别减去mA和mB得到
Figure FDA0002413497520000035
Figure FDA0002413497520000036
和
Figure FDA0002413497520000037
分别为稀疏表示系数矩阵SC和
Figure FDA0002413497520000038
的第i列，
Figure FDA0002413497520000039
为融合图像的稀疏系数矩阵sF的第i列；K是图像块的总个数；
所述显示装置作为输入图像v0，使用全变分模型TV-L1，即
Figure FDA00024134975200000310
对v0进行去噪，获得去噪介质层图v，用介质层图像的归一化处理后获得估计的退化矩阵
Figure FDA00024134975200000311
将预处理后的目标图像作为初始输入图像u0，
Figure FDA00024134975200000312
作为输入的退化矩阵，代入全变分模型
Figure FDA00024134975200000313
求解得到的最优解u即为恢复图像；u0为预处理目标图像，u为目标恢复图像，
Figure FDA00024134975200000314
为估计的退化矩阵，
Figure FDA00024134975200000315
为构造的引入退化矩阵
Figure FDA00024134975200000316
的保真项；
所述分布光谱辐射计由分布光度计和光谱辐射计构成。
2.如权利要求1所述的LED照明产品光生物安全性检测系统，其特征在于，所述温湿度传感器包括：温度传感器和湿度传感器；
时间对准过程完成传感器数据之间在时间上的对准，温度传感器A、湿度传感器B在本地直角坐标系下的量测数据分别为YA(ti)和YB(ti)，且温度传感器A的采样频率大于湿度传感器B的采样频率，则由温度传感器A向湿度传感器B的采样时刻进行配准，具体为：
采用内插外推的时间配准算法将温度传感器A的采样数据向湿度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向湿度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在tBk时刻在本地直角坐标系下的量测值
Figure FDA0002413497520000041
为：
Figure 1
其中，tBk为配准时刻，tk-1,tk,tk+1为温度传感器A距离配准时刻最近的三个采样时刻，YA(tk-1),YA(tk),YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据温度传感器A的配准数据与湿度传感器B的采样数据，采用基于地心地固ECEF坐标系下的伪量测法实现温度传感器A和湿度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为
Figure FDA0002413497520000043
分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为
Figure FDA0002413497520000051
分别为距离、方位角和俯仰角的系统误差；于是有
Figure 2
其中
Figure FDA0002413497520000053
表示观测噪声,均值为零、方差为
Figure FDA0002413497520000054
式(1)可以用一阶近似展开并写成矩阵形式为：
X′1(k)＝X1(k)+C(k)[ξ(k)+n(k)] (3)
其中，
Figure FDA0002413497520000055
设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'e＝[x'e,y'e,z'e]T)，可得
X′e＝XAs+BAX′A1(k)＝XBs+BBX′B1(k) (4)
BA，BB分别为目标在温度传感器A与湿度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k) (5)
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程
Z(k)＝H(k)β(k)+W(k) (6)
其中，
Figure FDA0002413497520000056
Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k),nB(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)。
CN201710179886.4A 2017-03-23 2017-03-23 一种led照明产品光生物安全性检测系统 Active CN106959133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710179886.4A CN106959133B (zh) 2017-03-23 2017-03-23 一种led照明产品光生物安全性检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710179886.4A CN106959133B (zh) 2017-03-23 2017-03-23 一种led照明产品光生物安全性检测系统

Publications (2)

Publication Number Publication Date
CN106959133A CN106959133A (zh) 2017-07-18
CN106959133B true CN106959133B (zh) 2020-05-12

Family

ID=59471436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710179886.4A Active CN106959133B (zh) 2017-03-23 2017-03-23 一种led照明产品光生物安全性检测系统

Country Status (1)

Country Link
CN (1) CN106959133B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765448B (zh) * 2018-05-28 2022-01-07 青岛大学 一种基于改进tv-l1模型的虾苗计数分析方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6466135B1 (en) * 2000-05-15 2002-10-15 General Electric Company Phosphors for down converting ultraviolet light of LEDs to blue-green light
JP2007139487A (ja) * 2005-11-16 2007-06-07 Toyo Keiki Co Ltd ガスメータの動作状態表示方法
CN101539572A (zh) * 2009-01-06 2009-09-23 中国科学院上海光学精密机械研究所 上转换磷光生物检测仪及对样品试纸条的检测方法
CN102885613A (zh) * 2011-07-19 2013-01-23 中山大学 一种led光生物安全性检测方法
CN103047615A (zh) * 2009-05-13 2013-04-17 李欣洋 一种使用cop滤光片的led光源
CN103124977A (zh) * 2010-07-13 2013-05-29 斯科特·麦克纳尔蒂 用于感测生物特征信息的系统、方法及装置
CN203249166U (zh) * 2013-04-23 2013-10-23 深圳市金流明光电技术有限公司 一种具备光生物安全性的光学透镜及led照明装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101427286B (zh) * 2004-04-01 2011-06-15 库珀惠洛克公司 用于提供有发光二极管的通知装置的方法和设备
US9805689B2 (en) * 2011-11-30 2017-10-31 Gpo Us, Inc. Apparatus and method for easy diagnosis, repair, and maintenance of a commercial display screen
DE102013213659A1 (de) * 2013-07-12 2015-01-15 Zumtobel Lighting Gmbh LED-Weißlichtleuchte

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6466135B1 (en) * 2000-05-15 2002-10-15 General Electric Company Phosphors for down converting ultraviolet light of LEDs to blue-green light
JP2007139487A (ja) * 2005-11-16 2007-06-07 Toyo Keiki Co Ltd ガスメータの動作状態表示方法
CN101539572A (zh) * 2009-01-06 2009-09-23 中国科学院上海光学精密机械研究所 上转换磷光生物检测仪及对样品试纸条的检测方法
CN103047615A (zh) * 2009-05-13 2013-04-17 李欣洋 一种使用cop滤光片的led光源
CN103124977A (zh) * 2010-07-13 2013-05-29 斯科特·麦克纳尔蒂 用于感测生物特征信息的系统、方法及装置
CN102885613A (zh) * 2011-07-19 2013-01-23 中山大学 一种led光生物安全性检测方法
CN203249166U (zh) * 2013-04-23 2013-10-23 深圳市金流明光电技术有限公司 一种具备光生物安全性的光学透镜及led照明装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
IEC 62778在灯具国家强制性标准中的应用分析;朱春红灯;《照明工程学报》;20161231;第27卷(第6期);第122-126页 *
LED照明产品光生物安全风险状况分析;俞安琪等;《照明工程学报》;20131031;第24卷(第5期);第1-4页 *
光生物安全计量标准与测量方法研究;陈斌华;《中国优秀硕士学位论文全文数据库（电子期刊）基础科学辑》;20150715(第7期);全文 *
检测实验室的不确定度评定及表达方式;包晓帆;《计测技术》;20140131(第1期);第35、37页 *

Also Published As

Publication number Publication date
CN106959133A (zh) 2017-07-18

Similar Documents

Publication Publication Date Title
WO2021057230A1 (zh) 基于颜色识别的水质检测方法、装置、设备及存储介质
CN102721651B (zh) 基于多光谱图像的植物叶片水分含量的检测方法及系统
Postolache et al. Wireless sensor network‐based solution for environmental monitoring: water quality assessment case study
Tsonis Widespread increases in low-frequency variability of precipitation over the past century
CN111683587A (zh) 用于分析物分析的基于人工神经网络深度学习的方法、装置、学习策略及系统
CN104749134A (zh) 一种检测叶菜类作物冠层水分含量的方法
CN104572538A (zh) 一种基于k-pls回归模型的中医舌图像颜色校正方法
CN112906310A (zh) 考虑萤火虫算法优化bp神经网络微波遥感土壤水分反演方法
CN110072470A (zh) 用于估计排卵日期的方法和设备
CN208239436U (zh) 一种水质氨氮检测系统
CN114199962B (zh) 一种用于畜禽舍内有害气体分析监测系统
CN102879352A (zh) 食醋近红外透射光谱的采集装置及食醋原产地鉴别方法
CN108204979A (zh) 用于试纸检测设备中光源校准的方法和装置
CN106959133B (zh) 一种led照明产品光生物安全性检测系统
CN114880933A (zh) 一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及系统
CN209349087U (zh) 一种茶叶质量检测分类系统
Aerts et al. Lessons learned from a distributed RF-EMF sensor network
CN116734995B (zh) 一种基于阅读书写的环境光指标检测及健康程度评估系统
Nouchi et al. Effects of non-uniform vertical constituent profiles on remote sensing reflectance of oligo-to mesotrophic lakes
Mathur et al. High resolution air pollution mapping using wireless sensor nodes
CN202093016U (zh) 多参数综合的cod水质监测系统
CN107861367A (zh) 一种钟表性能在线诊断系统
CN207649682U (zh) 水质在线监测装置
CN208188883U (zh) 一种远程的水产养殖水体质量监测系统
Zheng et al. [Retracted] Optimization of Water Microbial Concentration Monitoring System Based on Internet of Things

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
GR01 Patent grant
GR01 Patent grant