CN109168222A - 提高学习工作效率的照明方法及智能照明控制系统 - Google Patents

Abstract

本发明提供一种提高学习工作效率的照明方法及智能照明控制系统，涉及照明技术领域，提高学习工作效率的照明方法包括：获取用户的作业数据以及脑电波数据；根据所述作业数据得到作业错误率与作业速度；根据所述作业错误率与所述作业速度得到脑力工作能力指数IMC，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ，确定提高学习工作效率的光环境参数；根据所述光环境参数控制若干个LED灯的照明，解决了现有技术中存在的仅能满足基本视觉功能人工照明光环境下进行作业，容易导致作业效率低下的技术问题。

Description

提高学习工作效率的照明方法及智能照明控制系统

技术领域

本发明涉及照明技术领域，尤其是涉及一种提高学习工作效率的照明方法及智能照明控制系统。

背景技术

照明是使用各种光源(人工光或自然日光)照亮特定的场所或环境。利用太阳和天空光的称“天然采光”；利用人工光源的称“人工照明”。照明的目的是创造良好的适合生理心理的光环境，以提高学习工作效率。

例如，目前传统的教室多采用荧光灯照明，近些年来LED照明进入教室。照明标准规定教室照度一般为300lx，但根据视觉功效和光生物效应研究显示，300lx并不是最佳的有利于提高学习工作效率的光环境。长时间在只能满足最低照明要求照度的人工光环境下作业，人的视觉易产生疲劳，大脑也容易疲劳，不利于提高学习工作效率。

因此，目前的照明方法仅满足照明标准规定的基本功能需求，并未考虑更优的视觉功效和光生物效应，长时间在只能满足最低视觉功能条件的照明环境下进行学习工作等作业，容易导致作业效率低下。

发明内容

有鉴于此，本发明的目的在于提供一种提高学习工作效率的照明方法及智能照明控制系统，以解决现有技术中存在的仅能满足最低视觉功能的人工照明光环境下进行作业，容易导致作业效率低下的技术问题。

第一方面，本发明实施例提供了一种提高学习工作效率的照明方法，包括：

获取用户的作业数据以及脑电波数据；

根据所述作业数据得到作业错误率与作业速度，并根据脑电波数据获取脑电波θ、β波数据；

根据所述作业错误率与所述作业速度得到脑力工作能力指数IMC；

根据所述脑力工作能力指数IMC，确定第一光环境参数；

根据所述第一光环境参数控制若干个LED灯进行照明。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，获取用户的作业数据的步骤，具体包括：

根据预设作业信息与采集到的图像，获取用户的作业数据。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述作业数据得到作业错误率与作业速度，具体包括：

将预设正确数据与所述作业数据进行对比，得到作业错误率；

对所述作业数据中的内容进行分析，得到作业速度。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，还包括：根据所述脑力工作能力指数IMC得出的第一光环境参数进行模拟测试，通过第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，确定提高学习工作效率的光环境参数；

其中，所述根据所述脑力工作能力指数IMC得出的第一光环境参数进行模拟测试，通过第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，确定提高学习工作效率的光环境参数，具体包括：

根据所述脑力工作能力指数IMC，确定第一光环境参数；

根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，得到第二脑力工作指数IMC2；

根据第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，得到照射时间、色温以及照度之间的配比关系。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，具体包括：

根据所述第一光环境参数进行模拟照明，在预设模拟时间后获取用户的作业数据；

基于所述作业数据通过安菲莫夫字母表、数字校对表、朗道尔环核对表进行测试，得到模拟光环境作业效率，得到第二脑力工作指数IMC2；

根据所述第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，通过交互效应，得到照射时间、色温以及照度之间的配比关系，得到提高学习工作效率的光环境参数。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，所述根据所述提高学习工作效率的光环境参数控制若干个LED灯进行照明，具体包括：

根据所述提高学习工作效率的光环境参数中的照射时间、色温以及照度，控制若干个LED灯进行照明。

第二方面，本发明实施例还提供一种提高学习工作效率的智能照明控制系统，包括：

获取单元，用于获取用户的作业数据以及脑电波数据；

分析单元，用于根据所述作业数据得到作业错误率与作业速度，并根据脑电波数据获取脑电波θ、β波数据；

IMC单元，用于根据所述作业错误率与所述作业速度得到脑力工作能力指数IMC；

确定单元，用于根据所述脑力工作能力指数IMC，确定第一光环境参数；

控制单元，用于根据所述第一光环境参数控制若干个LED灯进行照明。

结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述确定单元具体包括：

模拟模块，用于根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，得到第二脑力工作指数IMC2；

状态获取模块，用于根据所述第二脑力工作指数IMC2结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，得到用户的警觉度数据和疲劳度数据；

光环境参数获取模块，用于根据所述第二脑力工作能力指数IMC2、所述警觉度数据以及所述疲劳度数据中的至少两种，根据交互效应，确定提高学习工作效率的光环境参数。

第三方面，本发明实施例还提供一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述如第一方面所述的方法的步骤。

第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行如第一方面所述的方法。

本发明实施例提供的技术方案带来了以下有益效果：本发明实施例提供的提高学习工作效率的照明方法及智能照明控制系统，提高学习工作效率的照明方法包括：获取用户的作业数据以及脑电波数据，根据作业数据得到作业错误率与作业速度，根据作业错误率与作业速度获得脑力工作能力指数IMC，结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ确定提高学习工作效率的光环境参数。智能照明控制系统包括：根据光环境参数控制若干个LED灯进行照明，通过统计用户作业错误率与作业速度得到脑力工作能力指数IMC2，并基于该脑力工作能力指数IMC2，结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ不断调整光环境参数，从而使LED灯营造的光环境能够随着用户作业时间、工作效率、疲劳度等因素而不断的进行更加合适、合理的调整，实现用户作业效率的提升，从而解决了现有技术中存在的仅能满足基本视觉功能的人工照明光环境下进行作业，容易导致作业效率低下的技术问题。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例一所提供的提高学习工作效率的智能照明控制方法的流程图；

图2示出了本发明实施例二所提供的提高学习工作效率的智能照明控制方法的流程图；

图3示出了本发明实施例二所提供的IMC指数变化率随色温的变化趋势的示意图；

图4示出了本发明实施例二所提供的IMC指数变化率随照度的变化趋势的示意图；

图5示出了本发明实施例二所提供的IMC指数变化率随照明时间的变化趋势的示意图；

图6示出了本发明实施例二所提供的卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随色温的变化情况的示意图；

图7示出了本发明实施例二所提供的卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随照度的变化情况的示意图；

图8示出了本发明实施例二所提供的卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随照明时间的变化情况的示意图；

图9示出了本发明实施例二所提供的视觉功效满意的照度的流程图；

图10示出了本发明实施例二所提供的卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随照明时间的变化情况的示意图；

图11示出了本发明实施例三所提供的提高学习工作效率的智能照明控制装置的结构示意图；

图12示出了本发明实施例三所提供的提高学习工作效率的智能照明控制装置的另一结构示意图；

图13示出了本发明实施例四所提供的一种电子设备的结构示意图。

图标：3-提高学习工作效率的智能照明控制系统；31-获取单元；32-分析单元；33-确定单元；331-模拟模块；332-状态获取模块；333-光环境参数获取模块；34-控制单元；35-光环境数据获取单元；351-光照度传感模块；352-光环境参数累积效应模块；36-触摸屏；37-网关；38-驱动；39-LED灯；4-电子设备；41-存储器；42-处理器；43-总线；44-通信接口。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，传统的照明方法仅满足了照明标准规定的基本要求，但是长时间在仅能满足基本视觉功能的人工照明光环境下进行学习工作等作业，容易导致作业效率低下，基于此，本发明实施例提供的一种提高学习工作效率的照明方法及智能照明控制系统，可以解决现有技术中存在的仅能满足基本视觉功能人工照明光环境下进行作业，容易导致作业效率低下的技术问题。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种提高学习工作效率的照明方法及智能照明控制系统进行详细介绍。

实施例一：

本发明实施例提供的一种提高学习工作效率的照明方法，也可以为一种提高学习工作效率的室内照明方法，如图1所示，方法包括：

S11：获取用户的作业数据以及脑电波数据。

S12：根据作业数据得到作业错误率与作业速度，根据脑电波数据获取脑电波θ、β波数据。

S13：根据作业错误率与作业速度获得脑力工作能力指数IMC，结合脑电波θ、β波以及卡罗林斯卡警觉度分类表(Karolinska Sleepiness Scale，简称KSS)与邓迪压力状态量表(Dundee Stress State Questionnaire，简称DSSQ)测试结果，确定提高学习工作效率的光环境参数。

S14：根据光环境参数控制若干个LED灯进行照明。

现有的照明方法仅满足目前的照明标准规定的基本要求，但是在一种仅能满足基本视觉功能人工照明光环境下进行学习工作等作业，容易导致作业效率低下。

本实施例中，通过统计用户作业错误率与作业速度得到脑力工作能力指数IMC2，并基于该脑力工作能力指数IMC2，结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ不断调整光环境参数，从而使LED灯营造的光环境能够随着用户作业时间、工作能力、疲劳度等因素而不断的进行更加合适、合理的调整，从而实现用户作业效率的提升。

实施例二：

本发明实施例提供的一种提高学习工作效率的照明方法，如图2所示，包括：

S21：根据预设作业信息与采集到的图像，获取用户的作业数据，同时获取脑电波数据。

S22：根据作业数据得到作业错误率与作业速度。根据脑电波数据获取脑电波θ、β波数据。

本步骤中，根据剂量作业法获得的数据，对学生及工作人员完成视觉作业任务的错误率、阅字速度进行统计、分析。其中，错误率能够反映大脑皮层的抑制过程；阅字速度能够反映大脑皮层的兴奋过程。θ波，频率范围为4～8Hz，人体处于困倦状态时一般会出现此波。β波，频率范围14～30Hz，代表了大脑皮层的兴奋状态，由焦虑和紧张引起，β波越多，人的大脑皮层越兴奋，伴随着一定的焦虑和紧张情绪。人在清醒时，大脑频率处于β波状态的时间较多。

S23：获取预设使用时间与预设照明内容。

作为本实施例的优选实施方式，收集该地区教室上课时间、课程及其工作时间，用于对照明时间进行参考。

S24：根据错误率与作业速度，得到用户的第一脑力工作能力指数IMC。

具体是，根据剂量作业法获得的数据，对学生及工作人员完成视觉作业任务的错误率、阅字速度进行分析，对脑力工作指数IMC进行统计，从而得用户当前的到脑力工作指数IMC。

S25：根据第一脑力工作能力指数IMC，确定第一光环境参数。

作为本实施例的另一种实施方式，整合各种数据，确定适应学习工作的照度、色温及时间范围，得出集中适宜学习工作的光环境参数。

S26：根据预设使用时间、预设照明内容与第一光环境参数中的照度、色温以及时间范围，控制若干个LED灯的照明运行。

在实际应用中，根据需求选择照度变化范围和色温变化范围符合要求的LED灯。

S27：在预设模拟时间后，根据获取到的第一光环境参数模拟测试，通过安菲莫夫表、数字校对表以及朗道尔环核对表，得到用户的第二脑力工作能力指数IMC2。

通过模拟照明环境，让学生及工作人员在不同照度和色温下进行学习工作，一段时间后，通过安菲莫夫字母表、数字校对表、朗道尔环核对表，测定其综合脑力工作能力指数IMC变化率来评价学习工作效率。

如图3所示，IMC指数变化率随色温的变化趋势如图3中的曲线。

如图4所示，IMC指数变化率随照度的变化趋势如图4中的曲线。

如图5所示，IMC指数变化率随照明时间的变化趋势如图5中的曲线。

S28：根据采集到的光环境模拟测试数据，得到第二脑力工作指数IMC2，结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ，得到用户的警觉度数据和疲劳度数据。

本步骤中，通过分析脑电波中θ波的数量以及β波的数量，结合卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ来评判用户的警觉度和疲劳程度。

如图6所示，卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随色温的变化情况如图6中的柱状。

如图7所示，卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随照度的变化情况如图7中的柱状。

如图8所示，卡罗林斯卡警觉度分类表KSS和邓迪压力状态量表DSSQ得分随照明时间的变化情况如图8中的柱状。

本实施例提供的方法还可以包括：通过DSSQ量表得分结合θ波数据，人体处于困倦状态时一般会出现θ波，得出疲劳度数据。通过KSS量表结合β波数据，β波越多，人的大脑皮层越兴奋人在清醒时，大脑频率处于β波状态的时间较多，得出警觉度数据。

S29:通过DSSQ量表得分结合θ波数据，人体处于困倦状态时一般会出现θ波，得出疲劳度数据。通过KSS量表结合β波数据，β波越多，人的大脑皮层越兴奋人在清醒时，大脑频率处于β波状态的时间较多，得出警觉度数据。

S30：根据第二脑力工作能力指数IMC2、警觉度数据以及疲劳度数据中的至少两种，确定提高学习工作效率的光环境参数。

作为一个优选方案，根据脑电波θ、β波以及视觉功效与警觉度分类表和邓迪压力状态表的交互效应来确定一般情况下的LED灯为学习工作面提供照度、色温以及照明时间。

S31：根据预设使用时间、预设照明内容与提高学习工作效率的光环境参数中的照度、色温以及时间范围，控制若干个LED灯的照明运行。

需要说明的是，根据学习工作时间数据库，确定LED灯具体照度及照明时间。

作为本实施例的另一种实施方式，如图9所示，在开启智能照明控制系统时，首先确定是否开启智能学习工作光照模式。如果否，则启动普通照明模式；如果是，则启动智能学习工作光照模式，在数据库中查找对应的参数，从而根据对应的参数进行对应智能学习工作光照模式的照度、色温。在照明时，同时判断是否达到照明时间；在达到照明时间时，启动普通照明模式；在没有达到照明时间时，继续根据对应的照度、色温进行智能学习工作光照模式。

本实施例以教室上课的情况为例进行说明，需要设定具体照度、色温、照明时间，而且在下课或一定时间后，返回普通照明模式。首先，根据需求对软件框架进行满足要求相应的照度和照明时间的预存。然后，采用LED灯，根据需求使之在满足相关照明的前提下，满足视觉功效曲线且最大照度值不超过3000lx，进行人工光提高学习效率照明。当下课或一定时间后，照明返回普通照明模式。其中，如图10所示，视觉功效满意的照度如图中曲线。

对于现有技术而言，传统的教室多采用荧光灯进行照明。近些年来LED照明开始进入教室。一般照明标准规定教室照度为300lx，但根据视觉功效和光生物效应显示，300lx并不是有利于提高学习效率的光环境。在仅能满足基本视觉功能照度的人工光环境下，人的视觉易产生疲劳，大脑也容易疲劳。普通的照明并没有关注学生的视觉疲劳和学习效率及脑疲劳与学习效率的关系。因此，普通的照明方法，目标是满足基本视觉功效，并未充分考虑照明对人脑疲劳、视疲劳以及兴奋性对学习效率的影响。而且，目前对提高学习工作效率的光照强度、色温及时间都并没有准确的定量。因此，长时间在仅能满足基本视觉功能照度的人工光环境下学习工作，人的视觉易产生疲劳，大脑也容易疲劳。

通过照明控制方法综合考虑视觉与非视觉相关的因素，从视看工作、阅字速度、脑力工作指数、警觉性以及疲劳程度综合衡量学习效率，通过照明的控制方式，保证了视觉功能性，又在视觉疲劳和脑部疲劳安全时间内保证了学习工作效率。

需要说明的是，对室内空间照明的研究主要是关注人眼视觉响应机制，对可见光(380-780nm)的直接感知以及相应的视觉功效水平，传统的照明环境评价方法重点关注人眼视觉方面的满足，与学习工作效率的关系在于直接的作业视觉功效高低，以视觉为基础的良好光环境的创造，对于学习工作作业来讲，是从视觉感知及生理响应层面的提升，如可见度、反应时间等。随着对光环境品质要求的逐步提高，对照明环境质量有了进一步要求，包括光生物效应、生物节律、脑电波等指标，以前的评价标准都是源于对视觉可见度、舒适性等的满足，即对于常规室内照明灯光的参数确定和研发目标重点是建立在视觉功能照明的应用基础之上。

目前光生物方面的大量研究成果表明，光与人的生理节律、身心健康及情绪等因素有密切关系，更能影响室内人员的综合学习工作效率，即非视觉的光生物效应是对室内学习工作人员综合效率影响的重要因素，这是通过光的瞬时或累积效应产生的影响，与照明视觉功效和效率不完全相同。室内人工照明环境对人员学习工作效率的综合影响，随着光生物理论研究的开展逐渐发生研究方向的改变，本发明是综合考虑视觉与非视觉相关的因素，从视看、阅字速度、脑力工作指数、警觉性以及疲劳程度综合衡量学习工作效率，利用经过认可的研究手段和工具，通过科学的实验方法和照明产品应用研究设计，获得促进效率提高以及身心健康的室内照明环境的光度、色度参数，并转化为以智能技术为基础的照明控制系统。提高综合学习工作效率的室内健康照明控制系统，可根据不同室内照明环境条件，利用模块化、配方化的方式适应不同地域、性质及室内空间条件对照明的要求。软件、硬件的结合保证了产品的开放性，保持室内照明场所的高效、健康。

因此，学习工作效率在于直接的作业视觉功效高低的关系以视觉为基础的良好光环境的创造，对于学习来讲，是从视觉感知及生理响应层面的提升，如可见度、反应时间等。照明控制方法通过自由调节不同时间段的LED灯发光强度以及色温，可以缓解视疲劳、脑疲劳，提高学习工作效率。

实施例三：

本发明实施例提供的一种提高学习工作效率的智能照明控制系统，如图11所示，提高学习工作效率的智能照明控制系统3包括：获取单元31、分析单元32、确定单元33以及控制单元34。

优选的，获取单元用于获取用户的作业数据。分析单元用于根据作业数据得到作业错误率与作业速度。确定单元用于根据作业错误率与作业速度基于脑力工作能力指数IMC，通过脑电波中的波θ、β波数据结合卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ，确定提高学习工作效率的光环境参数。控制单元用于根据光环境参数控制若干个LED灯进行照明。

进一步，确定单元33具体包括：模拟模块331，状态获取模块332，光环境参数获取模块333。

本实施例中，模拟模块，用于根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，得到第二脑力工作指数IMC2；

状态获取模块，用于根据所述第二脑力工作指数IMC2结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，得到用户的警觉度数据和疲劳度数据。

光环境参数获取模块，用于根据所述第二脑力工作能力指数IMC2、所述警觉度数据以及所述疲劳度数据中的至少两种，根据交互效应，确定提高学习工作效率的光环境参数。

进一步的是，提高学习工作效率的智能照明控制系统3还包括：光环境数据获取单元35。光环境数据获取单元用于获取光环境模拟数据。光环境数据获取单元包括：光照度传感模块351与光环境参数累积效应模块352。光照度传感模块用于对光环境数据进行采集，并将光环境数据的变化信息传输到光环境参数累积效应模块。光环境参数累积效应模块用于根据光环境数据的变化信息，基于光照的照度、色温与时间，对受光量进行累积计算，得到光环境模拟数据。

如图12所示，提高学习工作效率的智能照明控制系统还可以包括：触摸屏36、网关37、驱动38以及LED灯39。其中，触摸屏36与多组照明结构的网关37连接，网关与多个驱动38连接，每个驱动分别与LED灯39连接。

作为本实施例的另一种实施方式，提高学习工作效率的智能照明控制系统还包括：上位机、主控模块、数据收集与处理模块以及智能学习工作光照模块。其中，上位机与主控模块连接，主控模块与智能学习工作光照模块、数据收集与处理模块通信连接。

其中，智能学习工作光照模块包括：照明控制模块和配方化LED灯。上位机用于对主控模块发送数据和命令，主控模块用于接受和存储上位机的命令，并查找预存在其上光照功能对应的照度、色温和时间控制参数，向照明控制模块发送数据和命令。

此外，数据收集与处理模块包括：光照度传感模块和光环境参数累积效应模块。光照度传感模块，用于对室内的参考平面的照度进行采集，将照度变化情况传输到光环境参数累积效应模块。

对于智能学习工作光照模块，包括：第二通信模块，用于与主控模块、照明控制模块和配方化LED灯通信连接。与第二通信模块连接的照明控制模块，接收主控模块的命令并向LED灯模块发出控制命令，用于对教室内配方化LED灯的照度、色温和照射时间进行调配。与第二通信模块连接的配方化LED灯，用于接收照明控制模块的命令，调节室内光环境的照度和色温。

进一步，主控模块可以通过管理人员手动操作，进入手动控制模式，批量的控制配方化LED灯的照度和色温的变化或者开关，也可以单独的控制每一个配方化LED灯的照度和色温的变化或者开关。主控模块在接受到智能学习工作光照功能命令时，查找预存在其上智能学习工作光照功能对应的照度、色温和时间控制参数，向照明控制模块发送数据和命令，实现自动控制。主控模块用于对数据收集与处理模块、智能学习工作光照模块的工作状态以及数据收集与处理模块、智能学习工作光照模块的之间的数据进行相互协调控制。

需要说明的是，每一个配方化LED灯模块至少包括一个灯组，每一个灯组至少两个不同色温的光源，通常为黄、白光源或者黄、白、绿光源，实现混光照明，并且具有高显色指数。

作为本实施例的优选实施方式，主控模块包括：照度和色温控制条显示模块，在光照功能开启后，在主控模块上显示LED灯的照度和色温控制条画面。

在实际应用中，智能学习工作光照模块用于在监测到用户对光照方式选项的选择操作时，查找预存在主控模块中与选择的该照明效果选项对应的照度、色温和时间控制参数。智能学习工作光照模块根据查找到的照度和色温参数，发送控制指令至该至少一个照明控制模块，控制该至少一个配方化LED灯执行相应的动作，以进行光照。

本实施例中，照度、色温和时间控制参数包括开启的配方化LED灯，以及需要开启的LED灯对应的照度、色温和时间参数。照度和色温控制条显示模块在主控模块上显示光照照度、色温控制条的方式，包括：当智能学习工作光照方式操作选项被操作时，在主控模块显示界面上显示光照照度和色温的控制条。

实施例四：

本发明实施例提供的一种电子设备，如图13所示，电子设备4包括存储器41、处理器42，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述实施例一或施例二提供的方法的步骤。

参见图13，电子设备还包括：总线43和通信接口44，处理器42、通信接口44和存储器41通过总线43连接；处理器42用于执行存储器41中存储的可执行模块，例如计算机程序。

其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口44(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线43可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

其中，存储器41用于存储程序，所述处理器42在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流程定义的装置所执行的方法可以应用于处理器42中，或者由处理器42实现。

处理器42可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器42中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器42可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者带电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器42读取存储器41中的信息，结合其硬件完成上述方法的步骤。

实施例五：

本发明实施例提供的一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述实施例一或施例二提提供的方法。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本发明实施例提供的具有处理器可执行的非易失的程序代码的计算机可读介质，与上述实施例提供的提高学习工作效率的照明方法及智能照明控制系统具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明实施例所提供的进行提高学习工作效率的照明方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种提高学习工作效率的照明方法，其特征在于，包括：

获取用户的作业数据以及脑电波数据；

根据所述作业数据得到作业错误率与作业速度，并根据脑电波数据获取脑电波θ、β波数据；

根据所述作业错误率与所述作业速度得到脑力工作能力指数IMC；

根据所述脑力工作能力指数IMC，确定第一光环境参数；

根据所述第一光环境参数控制若干个LED灯进行照明。

2.根据权利要求1所述的提高学习工作效率的照明方法，其特征在于，获取用户的作业数据的步骤，具体包括：

根据预设作业信息与采集到的图像，获取用户的作业数据。

3.根据权利要求1所述的提高学习工作效率的照明方法，其特征在于，所述根据所述作业数据得到作业错误率与作业速度，具体包括：

将预设正确数据与所述作业数据进行对比，得到作业错误率；

对所述作业数据中的内容进行分析，得到作业速度。

4.根据权利要求1所述的提高学习工作效率的照明方法，其特征在于，还包括：根据所述脑力工作能力指数IMC得出的第一光环境参数进行模拟测试，通过第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，确定提高学习工作效率的光环境参数；

其中，所述根据所述脑力工作能力指数IMC得出的第一光环境参数进行模拟测试，通过第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，确定提高学习工作效率的光环境参数，具体包括：

根据所述脑力工作能力指数IMC，确定第一光环境参数；

根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，得到第二脑力工作指数IMC2；

根据第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，得到照射时间、色温以及照度之间的配比关系。

5.根据权利要求4所述的提高学习工作效率的照明方法，其特征在于，所述根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，具体包括：

根据所述第一光环境参数进行模拟照明，在预设模拟时间后获取用户的作业数据；

基于所述作业数据通过安菲莫夫字母表、数字校对表、朗道尔环核对表进行测试，得到模拟光环境作业效率，得到第二脑力工作指数IMC2；

根据所述第二脑力工作指数IMC2，结合脑电波中的θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，通过交互效应，得到照射时间、色温以及照度之间的配比关系，得到提高学习工作效率的光环境参数。

6.根据权利要求5所述的提高学习工作效率的照明方法，其特征在于，所述根据所述第一光环境参数控制若干个LED灯进行照明，具体包括：

根据所述第一光环境参数中的照射时间、色温以及照度，控制若干个LED灯进行照明。

7.一种提高学习工作效率的智能照明控制系统，其特征在于，包括：

获取单元，用于获取用户的作业数据以及脑电波数据；

分析单元，用于根据所述作业数据得到作业错误率与作业速度，并根据脑电波数据获取脑电波θ、β波数据；

IMC单元，用于根据所述作业错误率与所述作业速度得到脑力工作能力指数IMC；

确定单元，用于根据所述脑力工作能力指数IMC，确定第一光环境参数；

控制单元，用于根据所述第一光环境参数控制若干个LED灯进行照明。

8.根据权利要求7所述的提高学习工作效率的智能照明控制系统，其特征在于，所述确定单元具体包括：

模拟模块，用于根据所述第一光环境参数进行模拟照明测试，在预设模拟时间后获取模拟光环境作业效率，得到第二脑力工作指数IMC2；

状态获取模块，用于根据所述第二脑力工作指数IMC2结合脑电波θ、β波以及卡罗林斯卡警觉度分类表KSS与邓迪压力状态量表DSSQ测试结果，得到用户的警觉度数据和疲劳度数据；

光环境参数获取模块，用于根据所述第二脑力工作能力指数IMC2、所述警觉度数据以及所述疲劳度数据中的至少两种，根据交互效应，确定提高学习工作效率的光环境参数。

9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至6任一所述方法。