CN108009519A - 一种光辐照信息监测方法及装置 - Google Patents
一种光辐照信息监测方法及装置 Download PDFInfo
- Publication number
- CN108009519A CN108009519A CN201711377846.7A CN201711377846A CN108009519A CN 108009519 A CN108009519 A CN 108009519A CN 201711377846 A CN201711377846 A CN 201711377846A CN 108009519 A CN108009519 A CN 108009519A
- Authority
- CN
- China
- Prior art keywords
- mrow
- light
- msub
- sensor
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 33
- 230000003595 spectral effect Effects 0.000 claims abstract description 22
- 230000010354 integration Effects 0.000 claims abstract description 21
- 238000013178 mathematical model Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005284 excitation Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000004611 spectroscopical analysis Methods 0.000 claims description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 210000005036 nerve Anatomy 0.000 claims 1
- 230000005855 radiation Effects 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 230000006378 damage Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 241000894006 Bacteria Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 201000009030 Carcinoma Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000002177 Cataract Diseases 0.000 description 1
- 206010010741 Conjunctivitis Diseases 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000027288 circadian rhythm Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 231100000321 erythema Toxicity 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 206010023332 keratitis Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 201000000585 muscular atrophy Diseases 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 208000017983 photosensitivity disease Diseases 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J1/00—Photometry, e.g. photographic exposure meter
- G01J1/42—Photometry, e.g. photographic exposure meter using electric radiation detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
Abstract
本发明公开了一种光辐照信息监测方法及装置，包括传感器组、处理器芯片、电源组件、存储器、通讯组件、移动硬件设备；获取辐射到紫外光光线传感器、可见光光线传感器、近红外光线传感器的不同的光谱信息数据；对光谱信息数据预处理，得到各个传感器光谱总积分数据和特征波段积分数据；将光谱总积分数据和特征波段积分数据输入经神网络训练的场景状态判定数学模型，输出各种场景状态判定参数值；将景状态判定参数值与预设场景状态判定值比较来判定本次测量光线场景状态。本发明实现对环境光线类型、比例、强度等综合判断和监测光辐照环境情况，可分析光辐照信息及光线场景判断。
Description
技术领域
本发明涉及光辐照技术领域，更具体的说，是涉及一种光辐照信息监测方法 及装置。
背景技术
光辐照数据监测是一种多组光线传感器的特殊应用，其可应用与携带装置的 个体生活光线场景判断、自动记录和光辐照健康预警等。
光辐照健康是我们生活健康中的最重要部分，也往往是最容易被忽略的一部 分，光辐照数据监测的对象主要由阳光、生活光、工业光组成，现代人的生活中 工作和日常活动的非自然光接触占有相当重要的比例，也是改变现代人光辐照健 康的重要因素，光辐照变化可引起生理和精神上的变化，适当的日光有利于健康， 阳光中紫外线以杀灭空气中的细菌，许多霉菌在阳光下无法成活；紫外线还能杀 死皮肤上的细菌，增加皮肤的弹力、柔软性和抵御外来细菌的能力、促使骨骼简 装、加快血液循环流通，更加健康，不易生疮、痘和皮肤病。过度的日光发生光 照性皮炎，皮肤上出现红斑、痒、水疱、水肿、眼痛、流泪等，严重的还可引起 皮肤癌；作用于中枢神经系统，可出现头痛、头晕、体温升高等；作用于眼部，可引起结膜炎、角膜炎，称为光照性眼炎，还有可能诱发白内障。
生活环境光中，有意无意的过多接触非健康的光照都会引起健康问题，荷兰 莱顿大学神经科学家Johanna Meijer和Lucassen最近研究发现，连续人工亮光暴 露可以破坏小鼠生理节律，危害健康和加速衰老，研究已经在线发表在Current Biology上。小鼠持续暴露于光线下会造成骨密度下降、肌肉萎缩和炎症，过去 许多研究已经暗示人工光照环境对健康的危害，流行病学研究发现，夜班工人容 易发生乳腺癌、代谢综合症和骨质疏松。夜晚暴露于强光条件下容易发生心血管 疾病和睡眠不足。最新人工关照污染数据表明，大约2/3的人类在夜间存在光照 过度的问题。美国科学和公众健康医学委员会控制人工光照。认为光照会增加癌 症、糖尿病和心血管疾病风险。
另一方面，缺少阳光的日子大脑会产生一种忧激素，使人困乏，情绪低落， 阳光是最好的兴奋剂，能调节人的情绪、振奋精神、减轻忧郁症状，提高生活情 趣和工作效率，并可改善人体的各种生理机能。光辐照对精神健康的影响能够间 接导致身体免疫等机能发生变化，引起生理健康问题。有调查研究指出光辐照接 受较少的地区如挪威等或工作环境较黑暗的工作都带来很高的“抑郁症”发病率。
光辐照在生活中很难被量化或测量，光辐照的健康数据监测是以个体为单位 的长期变化与积累的过程，操作具有很多局限性；近年来随着互联网与电子信息 技术的飞速发展，这种个人佩戴式监测产品变得越来越可以实现，其中就涉及了 很重要的光辐照数据采集问题，专业的光谱设备肯定能够满足采集需求，实现对 当前光环境的光谱图检测与分析，来辨别当前光环境质量、不同特性光组成、累 计光照能量等等信息。但是，实现成本较高、设备体积大和需要专业测量计算。 作为佩戴设备以较小体积的低能耗产品实现就有了很多技术限制。
发明内容
本发明的目的是为了克服现有技术中的不足，针对复杂的环境中人体光辐照 数据采集和分析问题，提供了一种光辐照信息监测方法及装置，其中，光辐照信 息监测装置，采用多重类型传感器组合，来对环境光线类型、比例、强度等综合 判断和监测光辐照环境情况；光辐照信息监测方法，可分析光辐照信息及光线场 景判断，用于包含紫外光传感器、可见光传感器、近红外光传感器、数据处理器 芯片模块、无线通讯模块的装置中。
本发明的目的可通过以下技术方案实现。
一种光辐照信息监测方法，包括以下步骤：
步骤一，获取作用于传感器组周围区域光线，即获取辐射到紫外光光线传感 器、可见光光线传感器、近红外光线传感器的不同光谱图，根据获得的光谱图提 取不同的光谱信息数据；
步骤二，对步骤一中的光谱信息数据进行预处理，得到各个传感器的光谱总 积分数据和特征波段积分数据；
步骤三，将步骤二中预处理得到的各个传感器的光谱总积分数据和特征波段 积分数据输入经神网络训练的场景状态判定数学模型，输出各种场景状态判定参 数值；
步骤四，将步骤三得到的场景状态判定参数值与预设场景状态判定值一一比 较来判定本次测量光线场景状态，并通过一定时间段内，特定间隔时间的持续测 量平均水平，最终判定该时间段光线场景状态。
步骤二中的特征波段定义为：紫外光光线传感器取280-380nm为特征波段； 可见光光线传感器取450-550nm为特征波段；近红外光线传感器取780-850nm 为特征波段。
步骤二中对光谱信息数据进行预处理过程为：每个传感器有效量子效率范围 内总光谱数据进行积分，得到每个传感器的光谱总积分数据，再将每个传感器所 检测特征波段数据进行积分，得到每个传感器的特征波段积分数据；
每个传感器的光谱总积分数据按以下公式计算：
每个传感器的特征波段积分数据按以下公式计算：
其中，FUV、FVIS、FNIR分别为紫外光光线传感器、可见光光线传感器、近红外 光线传感器的光谱总积分数据；F′UV、F′VIS、F′NIR分别为紫外光光线传感器、可 见光光线传感器、近红外光线传感器的特征波段积分数据；fUV(λUV)、fVIS(λVIS)、 fNIR(λNIR)分别为紫外光光线传感器、可见光光线传感器、近红外光线传感器有 效量子效率范围内对当前场景状态内光线光谱的表达；λUV、λVIS、λNIR分别为 紫外光、可见光、近红外光的波长。
步骤三中神经网络优选为BP神经网络算法，采用双极性Sigmoid函数作为 激励函数，是一种包括数据输入层、隐藏层和输出层的三层结构神经网络结构。
步骤三中的场景状态判定数学模型为一种预置的判定函数，经神网络训练过 程为：在已知光线场景下，经多类型光线传感器获取的光谱总积分数据及特征波 段积分数据，将其作为输入数据；并设定各种光线场景状态特定数值，将其作为 模型输出值；通过已知光线场景实验的数据，导入特定的神经网络训练，经过一 定次数的迭代计算，达到符合要求的精度，更新出优化的权重参数，建立有效的 数学模型。
步骤四中特定间隔时间的持续测量平均水平的获取方法优选为删除测量时 间段场景状态判定参数值的最大值和最小值，计算余场景状态判定参数值的平均 数来表示持续测量的平均水平，按以下公式计算：
其中，T为一定时间段周期，t为特定间隔时间，Y为场景状态判定参数值的统 称，具体分为环境光危害状态Y1、户外晴天环境状态Y2、户外多云环境状态Y3、 户外阴天环境状态Y4、室内环境状态Y5。
本发明的目的还可通过以下技术方案实现。
一种光辐照信息监测方法采用的监测装置，包括传感器组、处理器芯片、电 源组件、用于数据暂存的存储器、通讯组件、移动硬件设备；
所述传感器组为一种集成了多类型光线传感器的电子器件或一组多类型光 线传感器阵列，用于获取不同类型光谱信息数据，所述多类型光线传感器包括独 立输出的紫外光光线传感器、可见光光线传感器和近红外光线传感器；
所述处理器芯片负责采集传感器组数据、控制电源组件充放电、数据暂时存 储、控制通讯组件读取并上传数据；
所述通讯组件用于读取传感器组或存储器的数据，并上传至移动硬件设备；
所述移动硬件设备用于接收光辐照监测信息数据，并对数据进行分析处理， 给出场景状态。
所述电源组件为整个装置提供电源，为一种具备无线充放电功能的锂电模 块。
所述通讯组件为蓝牙通讯模块。
所述移动硬件设备内置有客户端光谱信息处理分析软件，主要功能包括了场 景判定数学模型的计算、健康光辐照信息记录、光辐照健康阈值提醒、有害光辐 照警告及光辐照信息的数据上传与分享。
与现有技术相比，本发明的技术方案所带来的有益效果是：
(1)本发明用于包含紫外光、可见光及近红外光传感器组的穿戴电子设备 中，根据传感器组确定各传感器光谱数据积分信息以及特征波段积分信息；获取 更丰富的光谱光线信息，达到更准确的场景判定效果；
(2)本发明根据经神经网络训练的数学模型进行光辐射信息分析和光线场 景判定；不同于现有技术对光线明暗、红外、紫外等一些用场的单一识别技术， 本装置可对环境场景更精细；
(3)本发明可以判定携带本装置的个体光线场景，来记录和分析携带者接 收光辐照数据信息，健康光辐照最小和最大建议阈值，预警危害光环境信息，达 到了提高不同光线环境场景(如户外晴天、户外阴天、室内光环境等)的自动化 判别准确性。实现成本较低、设备体积小，作为低能耗佩戴设备产品。
附图说明
图1是本发明光辐照信息监测方法的分析流程图；
图2是传感器组光谱总积分数据F，特征波段积分数据F′示意图；
图3是光线场景状态判定的数学模型训练示意图；
图4是本发明光辐照信息监测装置结构框图。
具体实施方式
这里将对实施例进行说明，其示例表示在附图中。实施例中所描述的实施方 式并不代表与本公开相一致的所有实施方式。相反，它仅是与权利要求书中所详 述的、本公开的一些方面相一致的装置和方法的例子。下面结合附图对本发明作 进一步的描述。
如图1所示，本发明的光辐照信息监测方法，用于包含一组多类型光线传感 器的电子设备中，在特定光线场景下，具体测定步骤如下：
步骤一，获取作用于传感器组周围区域光线，由于不同类型传感器在不同波 段光量子效率不同，使用一组传感器可得到辐射到各个类型传感器组件的不同光 谱图，即获取辐射到紫外光光线传感器、可见光光线传感器、近红外光线传感器 的不同光谱图，根据获得的光谱图提取不同的光谱信息数据。
步骤二，对步骤一中的光谱信息数据进行预处理，得到各个传感器的光谱总 积分数据和特征波段积分数据。
特征波段定义为：紫外光光线传感器取280-380nm为特征波段；可见光光 线传感器取450-550nm为特征波段；近红外光线传感器取780-850nm为特征波 段。
对光谱信息数据进行预处理过程为：每个传感器有效量子效率范围内总光谱 数据进行积分，得到每个传感器的光谱总积分数据F(FUV、FVIS、FNIR)，再 将每个传感器所检测特征波段数据进行积分，得到每个传感器的特征波段积分数 据F′(F′UV、F′VIS、F′NIR)。也就是计算每个传感器感光的光谱在整个测量波段 280-950nm的光谱积分值F(FUV、FVIS、FNIR)、每个传感器特征波段积分值F′ (F′UV、F′VIS、F′NIR)。
每个传感器的光谱总积分数据按以下公式计算：
每个传感器的特征波段积分数据按以下公式计算：
其中，FUV、FVIS、FNIR分别为紫外光光线传感器、可见光光线传感器、近 红外光线传感器的光谱总积分数据；F′UV、F′VIS、F′NIR分别为紫外光光线传感器、 可见光光线传感器、近红外光线传感器的特征波段积分数据；fUV(λUV)、 fVIS(λVIS)、fNIR(λNIR)分别为紫外光光线传感器、可见光光线传感器、近红外光线 传感器有效量子效率范围内对当前场景状态内光线光谱的表达；λUV、λVIS、λNIR分别为紫外光、可见光、近红外光的波长。
步骤三，将步骤二中预处理得到的各个传感器的光谱总积分数据和特征波段 积分数据(FUV、FVIS、FNIR、F′UV、F′VIS、F′NIR)输入训练好的数学模型，即 一个经神网络训练的场景状态判定数学模型，输出各种场景状态判定参数值。
神经网络优选为BP神经网络算法，采用双极性Sigmoid函数作为激励函数， 是一种包括数据输入层、隐藏层和输出层的三层结构神经网络结构。
场景状态判定数学模型为一种预置的判定函数，经神网络训练过程为：在已 知光线场景下，经多类型光线传感器获取的光谱总积分数据及特征波段积分数 据，将其作为输入数据；并设定各种光线场景状态特定数值，将其作为模型输出 值；通过大量的已知光线场景实验的数据，导入特定的神经网络训练，经过一定 次数的迭代计算，达到符合要求的精度，更新出优化的权重参数，获取一定精度 的数据权重值，建立有效的数学模型。
步骤四，将步骤三得到的场景状态判定参数值与预设场景状态判定值一一比 较来判定本次测量光线场景状态，并通过一定时间段内，特定间隔时间的持续测 量平均水平，最终判定该时间段光线场景状态(例如户外晴天、户外多云、户外 阴天、室内环境、危害光环境状态等)。
特定间隔时间的持续测量平均水平的获取方法优选为：根据采集光谱信息的 频率，每次采集信息数值处理分析结果，在一定时间T周期内，选择每隔一定间 隔的时间t分析判定一次场景，删除测量时间段场景状态判定参数值的最大值和 最小值，计算T周期内剩余场景状态判定参数值的平均数来表示持续测量的平 均水平，作为判定周期内的场景状态判定结果，按以下公式计算：
其中，T为一定时间段周期，t为特定间隔时间，Y为场景状态判定参数值的统 称，具体分为环境光危害状态Y1、户外晴天环境状态Y2、户外多云环境状态Y3、 户外阴天环境状态Y4、室内环境状态Y5。
步骤三输出的各种场景状态判定参数值Y，在设定场景状态判定值Y′一定范 围(Y′-0.5，Y′+0.5)内均可认定符合该状态，得到判定对应场景结果。
图2是根据示例性实施例给出的光谱总积分数据F，特征波段积分数据F′ 的示意图，其中201表示为紫外光线传感器有效量子效率范围内对当前场景状态 内光线光谱的表达，即紫外光光线传感器获取光线的光谱图，对201所述数据光 谱的积分值Fuv则为光谱曲线201到横坐标之间的面积。同理，202、203所代表 可见光光线传感器和近红外光线传感器获取光线的光图。F′是指针对每种传感器 的特征波段的光谱数据积分值，及图2中各光谱图中两纵向虚线之间的积分值。
综上所述，图1和图2基本描述了对本装置在监测光辐射信息采集流程和采 集的数据结构，这些数据可经预先建立的数学模型处理判断出当前光线场景状 态。图3则对实施例中一种可选的数学模型训练进行了示例，示例了一种BP神 经网络结构的训练流程，它包括数据输入层301、隐藏层302和输出层303，是 一种简单的三层结构神经网络模型，其中，301代表步骤二中预处理的数据，302 则包含了6个节点，如图3所示，每个节点都代表一层权重叠加、偏置处理和激 励函数输出的计算过程。经过一定次数的迭代计算，达到符合要求的精度，即可 更新出优化的权重参数，完成模型建立。
根据预先实验测定的p组数据建立深度学习数学模型，可用于分析上述光谱 信息。所述的数学模型是用p组数据，经由BP神经网络方法训练的判定模型， 输出判定结果设定为Y，(环境光危害状态Y1＝10，户外晴天环境状态Y2＝8，户 外多云环境状态Y3＝7，户外阴天环境状态Y4＝6，室内环境状态Y5＝3)，在所述 各种环境状态各取p＝1000组光谱信息计算积分值(FUV、FVIS、FNIR、F′UV、F′VIS、 F′NIR)，优选的神经网络算法采用双极性Sigmoid函数即f(x)＝1/[1+e^(-x)]，作为 激励函数，三层的网络结构，隐层节点数6，学习率为0.002，精度0.01，迭代 次数为5000次。更新输入层的权重W，得到训练好的数学模型。可选的，该数 学模型可配置为不同类型深度学习的方法、训练参数及训练强度来完成训练模型。
本发明的光辐照信息监测装置，属于电子领域的一种保健器械，如图4所示， 包括传感器组、处理器芯片、电源组件、存储器、通讯组件、移动硬件设备。存 储器用于提供数据暂存。
所述传感器组为一种集成了多类型光线传感器的电子器件或一组多类型光 线传感器阵列，用于获取不同类型光谱信息数据，所述多类型光线传感器包括独 立输出的紫外光光线传感器、可见光光线传感器和近红外光线传感器。
所述处理器芯片负责采集传感器组数据、控制电源组件充放电、数据暂时存 储、控制通讯组件读取并上传数据。
所述通讯组件用于读取传感器组或存储器的数据，并上传至移动硬件设备， 优选为一种蓝牙通讯模块。
所述移动硬件设备用于接收光辐照监测信息数据，并对数据进行分析处理， 给出场景状态。所述移动硬件设备内置有客户端光谱信息处理分析软件，主要功 能包括了场景判定数学模型的计算、健康光辐照信息记录、光辐照健康阈值提醒、 有害光辐照警告及光辐照信息的数据上传与分享，能够完成上述步骤二和步骤 三。
所述电源组件为整个装置提供电源，优选为一种具备无线充放电功能的锂电 模块，以方便本装置随身佩戴，增加本装置的使用便利性。
本发明光辐照信息监测装置中传感器组的光谱信息经由通讯组件发送给使 用者移动硬件设备，由相关应用程序经过计算分析，以实时和累计效应预警的方 式展示有效信息。本发明的光辐照信息监测装置不断的接受监测区域光谱信息， 分析判定出状态场景结果，记录和预警携带装置的佩戴体受到特殊光辐照危害、 健康指导阈值、剂量分析等。
尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局 限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是 限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权 利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之 内。
Claims (10)
1.一种光辐照信息监测方法，其特征在于，包括以下步骤：
步骤一，获取作用于传感器组周围区域光线，即获取辐射到紫外光光线传感器、可见光光线传感器、近红外光线传感器的不同光谱图，根据获得的光谱图提取不同的光谱信息数据；
步骤二，对步骤一中的光谱信息数据进行预处理，得到各个传感器的光谱总积分数据和特征波段积分数据；
步骤三，将步骤二中预处理得到的各个传感器的光谱总积分数据和特征波段积分数据输入经神网络训练的场景状态判定数学模型，输出各种场景状态判定参数值；
步骤四，将步骤三得到的场景状态判定参数值与预设场景状态判定值一一比较来判定本次测量光线场景状态，并通过一定时间段内，特定间隔时间的持续测量平均水平，最终判定该时间段光线场景状态。
2.根据权利要求1所述的光辐照信息监测方法，其特征在于，步骤二中的特征波段定义为：紫外光光线传感器取280-380nm为特征波段；可见光光线传感器取450-550nm为特征波段；近红外光线传感器取780-850nm为特征波段。
3.根据权利要求1所述的光辐照信息监测方法，其特征在于，步骤二中对光谱信息数据进行预处理过程为：每个传感器有效量子效率范围内总光谱数据进行积分，得到每个传感器的光谱总积分数据，再将每个传感器所检测特征波段数据进行积分，得到每个传感器的特征波段积分数据；
每个传感器的光谱总积分数据按以下公式计算：
<mrow>
<msub>
<mi>F</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>280</mn>
<mn>950</mn>
</msubsup>
<msub>
<mi>f</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&lambda;</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>F</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>280</mn>
<mn>950</mn>
</msubsup>
<msub>
<mi>f</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&lambda;</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>F</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>280</mn>
<mn>950</mn>
</msubsup>
<msub>
<mi>f</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&lambda;</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
</mrow>
每个传感器的特征波段积分数据按以下公式计算：
<mrow>
<msubsup>
<mi>F</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>280</mn>
<mn>380</mn>
</msubsup>
<msub>
<mi>f</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&lambda;</mi>
<mrow>
<mi>U</mi>
<mi>V</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>F</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>450</mn>
<mn>550</mn>
</msubsup>
<msub>
<mi>f</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&lambda;</mi>
<mrow>
<mi>V</mi>
<mi>I</mi>
<mi>S</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msubsup>
<mi>F</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<mn>780</mn>
<mn>850</mn>
</msubsup>
<msub>
<mi>f</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>d&lambda;</mi>
<mrow>
<mi>N</mi>
<mi>I</mi>
<mi>R</mi>
</mrow>
</msub>
</mrow>
其中，FUV、FVIS、FNIR分别为紫外光光线传感器、可见光光线传感器、近红外光线传感器的光谱总积分数据；FU′V、FV′IS、FN′IR分别为紫外光光线传感器、可见光光线传感器、近红外光线传感器的特征波段积分数据；fUV(λUV)、fVIS(λVIS)、fNIR(λNIR)分别为紫外光光线传感器、可见光光线传感器、近红外光线传感器有效量子效率范围内对当前场景状态内光线光谱的表达；λUV、λVIS、λNIR分别为紫外光、可见光、近红外光的波长。
4.根据权利要求1所述的光辐照信息监测方法，其特征在于，步骤三中神经网络优选为BP神经网络算法，采用双极性Sigmoid函数作为激励函数，是一种包括数据输入层、隐藏层和输出层的三层结构神经网络结构。
5.根据权利要求1所述的光辐照信息监测方法，其特征在于，步骤三中的场景状态判定数学模型为一种预置的判定函数，经神网络训练过程为：在已知光线场景下，经多类型光线传感器获取的光谱总积分数据及特征波段积分数据，将其作为输入数据；并设定各种光线场景状态特定数值，将其作为模型输出值；通过已知光线场景实验的数据，导入特定的神经网络训练，经过一定次数的迭代计算，达到符合要求的精度，更新出优化的权重参数，建立有效的数学模型。
6.根据权利要求1所述的光辐照信息监测方法，其特征在于，步骤四中特定间隔时间的持续测量平均水平的获取方法优选为删除测量时间段场景状态判定参数值的最大值和最小值，计算余场景状态判定参数值的平均数来表示持续测量的平均水平，按以下公式计算：
<mrow>
<mover>
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>T</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mn>0</mn>
<mrow>
<mi>T</mi>
<mo>/</mo>
<mi>t</mi>
</mrow>
</msubsup>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>min</mi>
<mi> </mi>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>max</mi>
<mi> </mi>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>T</mi>
<mo>/</mo>
<mi>t</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
</mrow>
其中，T为一定时间段周期，t为特定间隔时间，Y为场景状态判定参数值的统称，具体分为环境光危害状态Y1、户外晴天环境状态Y2、户外多云环境状态Y3、户外阴天环境状态Y4、室内环境状态Y5。
7.一种上述权利要求1至6光辐照信息监测方法采用的监测装置，其特征在于，包括传感器组、处理器芯片、电源组件、用于数据暂存的存储器、通讯组件、移动硬件设备；
所述传感器组为一种集成了多类型光线传感器的电子器件或一组多类型光线传感器阵列，用于获取不同类型光谱信息数据，所述多类型光线传感器包括独立输出的紫外光光线传感器、可见光光线传感器和近红外光线传感器；
所述处理器芯片负责采集传感器组数据、控制电源组件充放电、数据暂时存储、控制通讯组件读取并上传数据；
所述通讯组件用于读取传感器组或存储器的数据，并上传至移动硬件设备；
所述移动硬件设备用于接收光辐照监测信息数据，并对数据进行分析处理，给出场景状态。
8.根据权利要求7所述的光辐照信息监测装置，其特征在于，所述电源组件为整个装置提供电源，为一种具备无线充放电功能的锂电模块。
9.根据权利要求7所述的光辐照信息监测装置，其特征在于，所述通讯组件为蓝牙通讯模块。
10.根据权利要求7所述的光辐照信息监测装置，其特征在于，所述移动硬件设备内置有客户端光谱信息处理分析软件，主要功能包括了场景判定数学模型的计算、健康光辐照信息记录、光辐照健康阈值提醒、有害光辐照警告及光辐照信息的数据上传与分享。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711377846.7A CN108009519B (zh) | 2017-12-19 | 2017-12-19 | 一种光辐照信息监测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711377846.7A CN108009519B (zh) | 2017-12-19 | 2017-12-19 | 一种光辐照信息监测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108009519A true CN108009519A (zh) | 2018-05-08 |
| CN108009519B CN108009519B (zh) | 2023-10-31 |
Family
ID=62059864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711377846.7A Active CN108009519B (zh) | 2017-12-19 | 2017-12-19 | 一种光辐照信息监测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108009519B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109283896A (zh) * | 2018-08-14 | 2019-01-29 | 上海常仁信息科技有限公司 | 一种基于机器人的智慧家庭的采光遮阳系统 |
| CN110969196A (zh) * | 2019-11-22 | 2020-04-07 | Oppo广东移动通信有限公司 | 一种场景预测方法及终端、存储介质 |
| CN111564209A (zh) * | 2020-01-19 | 2020-08-21 | 郑莫非 | 可穿戴式设备、终端设备、健康管理方法和健康管理系统 |
| CN112819703A (zh) * | 2019-11-18 | 2021-05-18 | Oppo广东移动通信有限公司 | 信息处理方法和装置、及存储介质 |
| CN113686451A (zh) * | 2021-07-09 | 2021-11-23 | 中国科学院合肥物质科学研究院 | 一种光谱发射率的测量方法及系统 |
| CN115252834A (zh) * | 2022-06-14 | 2022-11-01 | 复旦大学 | 一种紫外消杀指示方法、装置及计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060115139A1 (en) * | 2004-03-09 | 2006-06-01 | Council Of Scientific & Industrial Research | Fake currency detector using visual and reflective spectral response |
| US20120007979A1 (en) * | 2008-04-16 | 2012-01-12 | Elbit Systems Ltd. Advanced Technology Center | Multispectral enhanced vision system and method for aircraft landing in inclement weather conditions |
| CN104569684A (zh) * | 2015-01-14 | 2015-04-29 | 上海和伍新材料科技有限公司 | 一种基于电弧光谱信号的故障电弧检测方法 |
| CN107436286A (zh) * | 2017-06-29 | 2017-12-05 | 华中光电技术研究所（中国船舶重工集团公司第七七研究所） | 一种溢油探测系统以及溢油预警方法 |
-
2017
- 2017-12-19 CN CN201711377846.7A patent/CN108009519B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060115139A1 (en) * | 2004-03-09 | 2006-06-01 | Council Of Scientific & Industrial Research | Fake currency detector using visual and reflective spectral response |
| US20120007979A1 (en) * | 2008-04-16 | 2012-01-12 | Elbit Systems Ltd. Advanced Technology Center | Multispectral enhanced vision system and method for aircraft landing in inclement weather conditions |
| CN104569684A (zh) * | 2015-01-14 | 2015-04-29 | 上海和伍新材料科技有限公司 | 一种基于电弧光谱信号的故障电弧检测方法 |
| CN107436286A (zh) * | 2017-06-29 | 2017-12-05 | 华中光电技术研究所（中国船舶重工集团公司第七七研究所） | 一种溢油探测系统以及溢油预警方法 |
Non-Patent Citations (1)
| Title |
|---|
| 金文东 等: "双通道半导体激光电源控制技术", 《激光与红外》, vol. 45, no. 4, pages 373 - 377 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109283896A (zh) * | 2018-08-14 | 2019-01-29 | 上海常仁信息科技有限公司 | 一种基于机器人的智慧家庭的采光遮阳系统 |
| CN112819703A (zh) * | 2019-11-18 | 2021-05-18 | Oppo广东移动通信有限公司 | 信息处理方法和装置、及存储介质 |
| CN110969196A (zh) * | 2019-11-22 | 2020-04-07 | Oppo广东移动通信有限公司 | 一种场景预测方法及终端、存储介质 |
| CN110969196B (zh) * | 2019-11-22 | 2023-08-18 | Oppo广东移动通信有限公司 | 一种场景预测方法及终端、存储介质 |
| CN111564209A (zh) * | 2020-01-19 | 2020-08-21 | 郑莫非 | 可穿戴式设备、终端设备、健康管理方法和健康管理系统 |
| CN113686451A (zh) * | 2021-07-09 | 2021-11-23 | 中国科学院合肥物质科学研究院 | 一种光谱发射率的测量方法及系统 |
| CN115252834A (zh) * | 2022-06-14 | 2022-11-01 | 复旦大学 | 一种紫外消杀指示方法、装置及计算机可读存储介质 |
| CN115252834B (zh) * | 2022-06-14 | 2024-06-07 | 复旦大学 | 一种紫外消杀指示方法、装置及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108009519B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009519A (zh) | 一种光辐照信息监测方法及装置 | |
| Bierman et al. | The Daysimeter: a device for measuring optical radiation as a stimulus for the human circadian system | |
| US20190320516A1 (en) | Controlling physiological conditions by controlling environmental conditions | |
| Gagnon-Turcotte et al. | A wireless headstage for combined optogenetics and multichannel electrophysiological recording | |
| US10695005B2 (en) | Non-invasive blood sugar measuring method and fingertip measuring probe | |
| CA2998840C (en) | Apparatus for providing light therapy | |
| WO2020140913A1 (zh) | 数据处理方法及装置、电子设备及存储介质 | |
| CN204302976U (zh) | 人体疾病风险预警系统 | |
| CN104574807A (zh) | 提醒用户调整运动量的方法及装置 | |
| CN109077725A (zh) | 一种肌肉疲劳度检测装置 | |
| CN106861012A (zh) | Vr体验场景下基于智能手环的用户情绪调节方法 | |
| CN107530015B (zh) | 一种生命体征分析方法与系统 | |
| CN106913326A (zh) | 生物生理状况反馈系统及其操作方法 | |
| US20200286604A1 (en) | Method for generating a database | |
| Amirazar et al. | A low-cost and portable device for measuring spectrum of light source as a stimulus for the human’s circadian system | |
| CN207586951U (zh) | 一种光辐照信息监测装置 | |
| KR101788133B1 (ko) | 스트레스 해소와 업무 및 학습 효율 향상을 위한 자율지능형 빛 치유 시스템 | |
| CN209203247U (zh) | 用于精神障碍康复期情绪监测与干预的可穿戴式手环 | |
| CN110471534A (zh) | 基于情绪识别的信息处理方法及远程医疗管理系统 | |
| CN110237433B (zh) | 一种基于高光谱的光照调节装置及方法 | |
| CN110197186B (zh) | 一种基于ppg的光照舒适度测量方法及系统 | |
| Li et al. | A study of spatial rationality in the architectural design of senior citizen apartments in terms of calculation and biological effects | |
| Kumar et al. | Radiation Contamination Due to Cellular Phone, Internet and Electricity: Impact on Living Species | |
| US20230240573A1 (en) | Artificial intelligence psychological stress detection device | |
| SAKAMOTO et al. | Prediction of sleep indices using continuous data analysis of core body temperature variation |
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 |