CN109690569A - 使用神经网络的照明控制 - Google Patents

使用神经网络的照明控制 Download PDF

Info

Publication number
CN109690569A
CN109690569A CN201780054880.2A CN201780054880A CN109690569A CN 109690569 A CN109690569 A CN 109690569A CN 201780054880 A CN201780054880 A CN 201780054880A CN 109690569 A CN109690569 A CN 109690569A
Authority
CN
China
Prior art keywords
illumination
light
lighting
mode
unit
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.)
Pending
Application number
CN201780054880.2A
Other languages
English (en)
Inventor
安藤丹一
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.)
Omron Corp
Original Assignee
Omron Corp
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 Omron Corp filed Critical Omron Corp
Publication of CN109690569A publication Critical patent/CN109690569A/zh
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/02—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments
    • B60Q1/04—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights
    • B60Q1/06—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle
    • B60Q1/08—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle automatically
    • B60Q1/085—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle automatically due to special conditions, e.g. adverse weather, type of road, badly illuminated road signs or potential dangers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/02—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments
    • B60Q1/04—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights
    • B60Q1/06—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle
    • B60Q1/08—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle automatically
    • B60Q1/12—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights adjustable, e.g. remotely-controlled from inside vehicle automatically due to steering position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/02—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments
    • B60Q1/04—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights
    • B60Q1/14—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to illuminate the way ahead or to illuminate other areas of way or environments the devices being headlights having dimming means
    • B60Q1/1415—Dimming circuits
    • B60Q1/1423—Automatic dimming circuits, i.e. switching between high beam and low beam due to change of ambient light or light level in road traffic
    • B60Q1/143—Automatic dimming circuits, i.e. switching between high beam and low beam due to change of ambient light or light level in road traffic combined with another condition, e.g. using vehicle recognition from camera images or activation of wipers
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/10—Controlling the intensity of the light
    • 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
    • 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
    • H05B47/105—Controlling the light source in response to determined parameters
    • H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
    • H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
    • 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
    • H05B47/155—Coordinated control of two or more light sources
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/10—Indexing codes relating to particular vehicle conditions
    • B60Q2300/11—Linear movements of the vehicle
    • B60Q2300/112—Vehicle speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/10—Indexing codes relating to particular vehicle conditions
    • B60Q2300/12—Steering parameters
    • B60Q2300/122—Steering angle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/30—Indexing codes relating to the vehicle environment
    • B60Q2300/32—Road surface or travel path
    • B60Q2300/322—Road curvature
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/40—Indexing codes relating to other road users or special conditions
    • B60Q2300/41—Indexing codes relating to other road users or special conditions preceding vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/40—Indexing codes relating to other road users or special conditions
    • B60Q2300/42—Indexing codes relating to other road users or special conditions oncoming vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q2300/00—Indexing codes for automatically adjustable headlamps or automatically dimmable headlamps
    • B60Q2300/40—Indexing codes relating to other road users or special conditions
    • B60Q2300/45—Special conditions, e.g. pedestrians, road signs or potential dangers
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Databases & Information Systems (AREA)
  • Automation & Control Theory (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

提供了一种照明装置(3)，即使在照明目标(10)的状态改变时该照明装置(3)也可以适当地对所述照明目标(10)进行照明。根据本发明的照明装置(3)包括：至少一个光源(311)，所述至少一个光源被配置为按照多种照明模式执行照明；检测单元(33)，所述检测单元用于检测与待由所述光源(311)进行照明的照明目标(10)的状态有关的状态信息；算术单元(362)，所述算术单元被配置为使用神经网络根据所述状态信息计算出照明模式信息，该照明模式信息用于生成适合于所述照明目标(10)的照明模式；以及照明控制单元(312)，所述照明控制单元被配置为基于所述照明模式信息来控制所述光源(311)以便按照照明模式执行照明。

Description

使用神经网络的照明控制
技术领域
本发明涉及一种照明装置、照明方法和照明程序。
背景技术
通常，在生产线上，为了检查作为制造产品的物品，例如，通过使用摄像机捕获物品的图像并且对捕获到的图像执行图像处理，来读取物品上的标签(例如参见PTL1)。在这种情况下，为了捕获适合于读取物品上的标签的图像，适当地对物品进行照明以便进行图像捕获。
引用列表
专利文献
PTL 1：JP 2005-208054A
发明内容
技术问题
然而，在上述检查中，存在如下风险：如果所传送的物品偏离其适当位置，那么不再能正确地对该物品进行照明，因此无法捕获适合于标签识别的图像。该问题不限于生产线(诸如上文所描述的生产线)，而是可以在对照明目标进行照明的所有照明装置中出现，环境和状态可能会相对于该照明目标而改变。
本发明是为了解决上述问题，且其目的是提供一种如下照明装置，即使在照明目标的状态改变时，该照明装置也可以适当地对该照明目标进行照明。
问题解决方案
根据本发明的照明装置包括：至少一个光源，该至少一个光源被配置为按照多种照明模式来执行照明；检测单元，该检测单元用于检测与待由光源照明的照明目标的状态有关的状态信息；算术单元，该算术单元被配置为使用神经网络根据该状态信息计算出照明模式信息，该照明模式信息用于生成适合于照明目标的照明模式；以及照明控制单元，该照明控制单元被配置为基于该照明模式信息来控制光源以便按照照明模式执行照明。
利用这种配置，能够通过使用神经网络来确定针对照明目标的状态的最佳照明模式。因此，即使在照明目标的状态改变时，也能够最佳地对照明目标进行照明。具体地，即使在照明目标以复杂的方式改变时，使用神经网络也能够计算最佳照明模式。
上述照明装置还可以包括用于训练神经网络的学习单元。而且，学习单元可以使用如下学习数据来训练神经网络，该学习数据包含由检测单元检测到的状态信息和与该状态信息对应的照明模式数据。
利用这种配置，照明装置包括学习单元，因此可以适当地执行对神经网络的学习。因此，即使在照明目标进一步改变时，照明装置本身也执行学习，因此，可以使用神经网络进一步使照明模式优化。因此，能够执行适合于照明目标的状态进一步改变的适当照明。
在上述照明装置中，算术单元可以包括用于多个照明目标中的每一个照明目标的或者用于多种类型的光源中的每一类型光源的神经网络。
在上述照明装置中，照明模式可以有亮度、颜色、方向，位置和是否从一个或者多个光源发出光中的至少一个规定的，并且。
上述照明装置还可以包括通信单元，该通信单元用于通过网络接收用于训练神经网络的学习数据。因此，即使在照明装置本身不具有学习功能时，也能够从外部获取学习数据，并且允许神经网络学习。例如，在需要大量学习数据的情况下，如果照明装置本身学习，那么照明装置上的载荷较大，因此，优选的是在照明装置外部准备学习数据。
在上述照明装置中，检测单元可以被配置为获取照明目标的图像，并且计算该图像的状态信息。因此，也可以将照明目标的复杂变化计算为状态信息，因此，即使在照明目标以复杂的方式改变时，也能够生成最佳照明模式。
根据本发明的照明方法包括以下步骤：检测与待由光源照明的照明目标的状态有关的状态信息；使用神经网络根据该状态信息计算出照明模式信息，该照明模式信息用于生成光源的适合于照明目标的照明模式；以及基于该照明模式信息来控制光源的照明模式。
上述照明方法还可以包括以下步骤：获取如下学习数据，该学习数据包含状态信息和用于执行与状态信息对应的最佳照明的照明模式数据；以及使用学习数据来训练神经网络。
根据本发明的照明程序使计算机执行以下步骤：检测与待由光源进行照明的照明目标的状态有关的状态信息；使用神经网络根据该状态信息计算出照明模式信息，该照明模式信息用于生成光源的适合于照明目标的照明模式；以及基于该照明模式信息来控制光源的照明模式。
上述照明程序可以进一步使计算机执行以下步骤：获取学习数据，该学习数据包含状态信息和用于执行与状态信息对应的最佳照明的照明模式数据；以及使用学习数据来训练神经网络。
发明的有利效果
根据本发明，即使在照明目标的状态改变时，也能够适当地对照明目标进行照明。
附图说明
[图1]图1是示出了在将根据本发明的照明装置应用于物品检查系统的情况下的本发明的实施例的示意图。
[图2]图2是照明装置的框图。
[图3]图3是示出了照明装置的功能配置的框图。
[图4]图4是示出了所传送的物品的平面图。
[图5]图5示意性地示出了照明模式。
[图6]图6是图示了神经网络的学习的流程图。
[图7]图7是图示了用于使用神经网络来计算照明模式的过程的流程图。
[图8]图8是示出了将本发明的照明装置应用于房间中的照明的情况的示意图。
[图9]图9示出了用于解释将本发明的照明装置应用于汽车的前照灯的情况的示意图。
[图10]图10是示出了图3中所示的照明装置的另一示例的功能配置的框图。
具体实施方式
在下文中，将参照附图来描述在将根据本发明的照明装置应用于物品检查系统的情况下的本发明的实施例。图1是检查系统的示意图，并且图2是照明装置的框图。
神经网络(NN：neural network)的输出连接至用于控制照明LED的照明度等的元件。
根据本发明的主要方面的照明控制装置包括用于输出目标值与当前值之间的差的评估装置。评估装置还可以包含在与照明装置分开的外壳中。
当将包括目标值的请求(例如，使充当照明目标的台面上的亮度均匀(在3％的容差内)的请求)从用户发送至控制装置时，NN执行学习以使评估装置的输出满足该条件，同时产生输出并且控制照明LED。当照明目标发生变化(形状的变化、另一物体的引入等)时，状态偏离目标值，并且因此，评估装置再次增加输出。NN执行学习以便再次满足条件并且控制照明LED。在输出变为小于阈值时，NN完成学习并且保持照明状态。
应该注意，目标值和当前值不限于诸如照明度的数值，也可以是图像信息。当学习完成并且照明状态达到目标值时，照明控制装置可以向用户通知目标达成。此外，照明控制装置还可以被配置为接受附加请求，诸如，局部改变亮度的请求或者局部改变颜色的请求。
1.检查系统的示意性配置
如图1所示，根据本实施例的检查系统包括检查摄像机2和照明装置3，该检查摄像机2捕获由传送带1传送的物品(照明目标)10的特性的图像，该照明装置3用于对检查摄像机2的视野范围和该范围的周围进行照明。
检查摄像机2捕获物品上的标签的图像、物品的外部可见特性等。此外，图像处理装置4连接至检查摄像机2并且对捕获到的图像执行图像处理，从而读取物品10上的标签并且检测物品的任何缺陷。此处，作为示例，为了读取物品10的上表面上的标签，将检查摄像机2设置为从上方捕获物品10在传送带1上的图像。
此外，如图2所示，照明装置3包括照明单元31、PLC(可编程逻辑控制器)32以及检测摄像机33，该照明单元31包括多个LED(光源)311，该PLC 32确定LED 311的照明模式，该检测摄像机33用于捕获为了确定LED 311的照明模式而传送的物品的类型、外部可见特性、位置等的图像。下面将描述这些构成元件中的每一个。
2.照明单元
照明单元31包括多个LED 311和用于控制这些LED 311的照明的已知控制器(照明控制单元)312。此处，作为示例，所述多个LED 311以整体形成矩形形状的方式来布置，并且这些LED 311布置成相对于传送方向从物品10下游并且在物品10的斜上方的位置用光照射物品10。控制器312控制各个LED 311的亮度和颜色，并且还控制要开启所述多个LED 311中的哪个。也就是说，控制器312控制照明，使得所述多个LED 311以预定照明模式进行照明。
3.PLC
PLC 32主要确定LED 311的最佳照明模式，以便使用检测摄像机2来捕获所传送的物品10的图像。而且，PLC 32将与所确定的照明模式对应的控制信号发送至上述控制器312。具体地，PLC 32具有硬件配置(诸如图2中所示的硬件配置)。
如图2所示，PLC 32是控制单元321、存储单元322以及输入/输出接口323彼此电气连接的计算机，该控制单元321包括中央处理单元(CPU)、随机存取存储器(RAM)、只读存储器(ROM)等，该存储单元322存储待由控制单元321执行的程序等，该输入/输出接口323用于执行与外部管理装置5等的数据通信。应该注意，在图2中，输入/输出接口分别表示为“输入/输出I/F”。
根据本实施例的PLC 32包括四个输入/输出接口323，且将上述图像处理装置4、外部管理装置5、照明单元31以及检测摄像机33连接到对应的输入/输出接口323。因此，PLC32可以控制照明单元31和检测摄像机33，并且经由对应的输入/输出接口323从图像处理装置4获取与图像分析有关的信息。而且，PLC 32可以从外部管理装置5获取各种信息。
外部管理装置5是用于执行检查系统的整体管理(包括照明管理)的装置，并且发送例如，基本操作命令(诸如，开启/关闭照明)以及关于传送至PLC 32的物品10的信息。
检测摄像机33不限于特定类型，并且可以使用任何类型的摄像机，只要其可以捕获所传送的物品10的外部可见特性、在传送带1上的位置等的图像即可。
将用于使控制单元321控制各种构成元件并且还执行用于确定最佳照明模式的处理的程序存储在存储单元322中。在本实施例中，主要存储照明模式确定程序351和学习程序352。稍后将描述特定处理。学习数据353是用于允许神经网络(稍后将进行描述)学习的数据。学习数据353还可以包含被称为教师数据的信息。学习结果数据354是学习后的神经网络上的数据，并且包含连接权重等。可替代地，在尚未执行学习的情况下，学习结果数据354包含关于默认连接权重的数据和其它数据。也可以将程序351和352以及与学习有关的数据353和354存储在存储介质中。存储介质是通过使用电效应、磁效应、光学效应、机械效应或者化学效应来累积程序等的信息的介质，使得计算机和其它装置、机器等可以读取存储在存储介质中的程序等的信息。
应该注意，关于PLC 32的特定硬件配置，可以根据实施例适当地省略、替换和添加构成元件。例如，控制单元321还可以包括多个处理器。此外，PLC 32还能够包括其它输入/输出接口，并且连接至并控制检查系统的其它构成部件。此外，PLC 32还可以包括输入装置，工作人员通过该输入装置执行输入操作。输入装置可以由例如键盘、触摸板等构成。
4.照明模式的确定
4-1.照明模式
接着，将描述用于确定照明模式的方法。在使用检测摄像机2来捕获物品10的图像时，可以采用各种照明方法。照明方法的示例包括：镜面反射类型(其中，由检测摄像机2捕获通过镜面反射从物品10反射的光)、漫反射类型(其中，使通过镜面反射从物品10反射的光通过，并且由检查摄像机捕获整体均匀的光)以及透射类型(其中，从物品10的背景对物品进行照明，并且使用透射光捕获轮廓)。
此外，根据要捕获图像的物品10的部分，照明的入射角和照明的位置也很重要，并且伴随地，还需要确定要开启多个LED中的哪个。此外，根据物品10的类型和背景，需要调整照明的强度(亮度)和颜色(波长)，以产生对比度。
对于上述照明模式，当传送相同物品10时，使用相同照明模式；然而，如果这些物品10中的任何一个偏离其在传送带1上的适当位置，那么即使该物品与其它物品10相同，也不再能适当地对该物品10进行照明，因此，存在无法在检查摄像机2上获得期望图像的可能性。为了解决该问题，本实施例采用用于通过使用如下所述的神经网络来确定照明模式的方法。此处，作为示例，将描述如下的控制形式，其中，当要通过检查摄像机2来读取物品10的表面上的标签时，执行适合于该物品在传送带1上的位置和倾斜的照明调整。
4-2.PLC的功能配置
在下文中，将描述用于确定照明模式的PLC 32的功能配置的示例。图3示意性地示出了根据本实施例的PLC 32的功能配置的示例。PLC 32的控制单元321将存储在存储单元322中的程序加载到RAM中。然后，控制单元321使CPU解释并执行加载到RAM中的程序，从而控制各种构成元件。因此，如图3所示，根据本实施例的PLC 32用作包括状态获取单元361、算术单元362以及学习单元363的计算机。应该注意，也可以采用仅独立地执行学习单元363的配置。
状态获取单元361分析由检测摄像机33捕获到的图像，并且从其在传送带1上的适当位置获取物品10的位移状态。例如，状态获取单元361分析物品10的如下表面偏离其适当位置的方式，在该表面上涂覆有要由检查摄像机2读取的标签。具体地，例如，如图4所示，状态获取单元361根据由检测摄像机33捕获到的图像分析物品10相对于传送方向从传送带1的中心线L偏移的程度、物品10从中心线L倾斜的程度等，并且输出物品10的位置和倾斜。在以下描述中，关于物品10的位置和倾斜的数据将被称为状态数据(状态信息)。
算术单元362包括神经网络。例如，如图3所示，能够采用具有输入层371、中间层372以及输出层373的神经网络。而且，输入层371和中间层372与连接权重互连，并且中间层372和输出层373与连接权重互连。
向输入层371输入由上述状态获取单元361生成的状态数据。另一方面，从输出层373输出是否要开启个别LED 311、亮度和颜色作为照明模式数据(照明模式信息)。也就是说，照明模式数据表示可以产生适当对比度等的照明模式，以使检查摄像机2能够可靠地读取物品上的标签。照明模式的示例如下。在排列多个LED 311的情况下，如图5的(a)至图5的(c)所示，只可以开启所需部分(阴影部分)。可替代地，如图5的(d)和图5的(e)所示，可以使用光学系统(诸如，透镜)来调整照射范围。此外，在发出高定向光的情况下，如图5的(f)至图5的(h)所示，可以照射平行光束、漫射光束或者叠加光束。
此外，准备多个神经网络(诸如上文所描述的神经网络)，并且例如，能够为每种物品类型准备神经网络。
由学习单元363训练神经网络(诸如上文所描述的神经网络)。将基于图6中的流程图对此进行描述。此处，将描述在物品10以特定倾斜(取向)处于特定位置时传送该物品的情况。首先，当执行学习程序352(步骤S101)时，学习单元363从存储单元322的学习结果数据354读取与物品10的类型对应的神经网络(步骤S102)。接着，为了产生学习数据353，以上述特定倾斜(取向)将物品10设置在上述特定位置中，并且在该状态下，由检测摄像机33捕获物品10的图像，从而获取状态数据(步骤S103)。随后，将LED 311设置为特定照明模式，并且在这种状态下，由检查摄像机2捕获物品10上的标签的图像(步骤S104)。然后，当物品10的取向保持固定时，LED 311的照明模式发生多次改变，并且由检查摄像机2捕获图像。
之后，分析按照对应照明模式捕获到的图像。然后，在多种照明模式中，选择超过预定评估阈值的照明模式。例如，选择照明模式(按照该照明模式，产生适当对比度或者物品10不反射其它物品)，并且将所选择的照明模式与上述状态数据组合，并且将其作为学习数据353存储在存储单元322中(步骤S105)。随后，例如，使用学习数据353通过反向传播来执行对所选择的神经网络的学习(训练)(步骤S106)。
然后，如果针对其它物品的学习是必要的(在步骤S108中，“是”)，那么重复上述步骤S102至S107，而如果针对其它物品10的学习是不必要的(在步骤S108中，“否”)，那么终止学习程序。从而完成了神经网络学习。
此外，还存在以不同取向传送个别物品10的情况。在这种情况下，例如，在步骤S107之后，以另一可能取向设置物品10，获取状态数据，然后在改变LED 311的照明模式的同时多次执行由检查摄像机2进行的图像捕获。按照这种方式，上述步骤S103至S107的重复次数与存在不同定向时的次数相同。然后，如果针对其它物品10的学习数据353是不必要的(在步骤S108中，“否”)，那么终止学习程序。由于上述学习，不论所传送的物品10的取向如何，都能够平均地获得适当的照明模式作为学习结果。此外，如果按照这种方式提前获取针对不同取向的学习数据353，那么可以获得针对每个取向优化的学习结果。
应该注意，在物品10具有明显不同的形状(例如，具有或没有孔)的情况下，需要使用不同的神经网络，但是当形状差异较小时，可以使用相同的神经网络。也就是说，对于具有不同形状的物品，获取在物品以相同取向或不同取向设置时的状态数据，执行按照多种照明模式进行的图像捕获，并且获取超过预定评估阈值的学习数据353。然后，使用该学习数据353来执行对神经网络的学习，因此即使在传送具有不同形状的物品时也能够设置最佳照明模式。
5.检查系统的操作
接着，将参照图7中的流程图来描述上述检查系统的操作。首先，在传送物品之前，将关于物品10的类型的信息从外部管理装置5输入至PLC 32，然后算术单元362设置与该物品10对应的神经网络(步骤S201)。例如，算术单元362从存储单元322读出期望学习结果数据354并且设置神经网络。接着，当开始传送物品10时，检测摄像机33捕获物品10的图像，并且状态获取单元361生成状态数据(步骤S202)。接着，将状态数据输入至算术单元362的神经网络作为输入数据，并且输出适合于输入数据的照明模式数据(步骤S203)。
随后，当将照明模式数据发送至照明单元31的控制器312时，控制器312控制LED311，以便按照与照明模式数据对应的照明模式执行照明(步骤S204)。按照这种方式，根据所传送的物品10的位置和倾斜，执行允许正确读取物品10上的标签的最佳照明。此后，重复上述步骤202至S204，直到检查完成为止(在步骤S205中，“否”)。另一方面，当检查完成时，停止通过LED 311进行照明(步骤S206)。
6.特征
如上所述，根据本实施例，可以通过使用神经网络根据物品10的位置和倾斜来确定允许读取物品10上的标签的最佳照明模式。因此，即使在物品10在经传送时偏离其适当位置时，执行最佳照明，从而可以可靠地读取物品10上的标签。
此外，由于PLC 32设置有学习单元363，因此照明装置3本身可以执行对神经网络的学习。因此，可以处理作为照明目标的物品的其它变化，并且可以通过使用神经网络进一步使照明模式优化。
应该注意，在上述检查系统中，已经将物品与其适当位置的位移描述为影响检查结果的因素；然而，这仅仅是示例，且影响检查结果的因素不受限制，只要可以通过使照明模式优化来使检查结果正确即可。此外，作为使用神经网络的结果，即使在物品10的状态(取向等)以复杂的方式改变时或者即使在传送不同类型或者形状的物品10时，可以基于需要来计算最佳照明模式。不同物品10不仅是指具有不同形状的物品，而且还是指具有不同表面特性(诸如，颜色、粗糙度和光泽度)的物品。此外，虽然已经描述了将物品10上的标签读取为待通过使用检查摄像机2检查的检查项的情况，但这也是示例，并且可以采用各种检查项，包括其它检查项，例如，物品的形状的获取、污染的检测等。而且，可以采用使用多个单独的照明装置的配置。
7.修改
虽然上文已经描述了本发明的实施例，但是本发明不限于前述实施例，并且可以在不脱离本发明的主旨的情况下对其进行各种改变。在下文中，将描述修改，并且可以适当地组合以下修改。
7-1
在前述实施例中，将根据本发明的照明装置应用于物品10的检查。然而，本发明不限于此。本发明的照明装置适用于各种照明目标。在下文中，给出了针对其它照明目标的描述，但是图2和图3中所示的照明装置的示意性配置、图6中所图示的神经网络的学习、以及图7中所图示的用于生成照明模式数据的过程几乎相同，因此，相似部件由相似附图标记表示，并且可以省略其描述。
7-1-1
对房间中的特定部分的照明(例如，在桌子的顶部上的照明)可能会受各种因素(诸如，房间中的环境，包括例如，来自窗户的光、门的打开/关闭、房间中的人数及他们的位置、房间中的物品的布置等)的影响。也就是说，根据这些因素，可以反射或者透射来自光源的光，因此，可能无法实现在桌子的顶部之上的均匀亮度。因此，为了在桌子的顶部之上执行均匀照明，可以应用上述照明装置。
如图8所示，在该示例中，多个检测摄像机33安装在房间中的墙壁表面上。照明单元31确定照明模式，以便用光均匀地照射房间中的桌子81的顶部。此外，为了检测桌子81的顶部上的光，将用于检测光的多个传感器84设置在桌子81的顶部上的相应部分处。
在该示例中，使用检测摄像机33提前获取与房间中的各种环境因素(诸如，窗户82的窗帘的打开/关闭、门83的打开/关闭、房间中的人数、他们的位置以及物品的位置)有关的状态数据。然后，由传感器84检测在设置与每条状态数据对应的环境因素时的、桌子81的顶部上的光，并且使照明单元31的照明模式优化，从而使得由传感器84接收的光变得均匀。按照这种方式，将每条状态数据和对应的最佳照明模式存储为学习数据，并且因此允许算术单元362的神经网络学习。
然后，使用检测摄像机33来获取房间内部的状态数据，并且基于该状态数据，在使用学习之后的神经网络(即，在神经网络已经完成了学习过程之后)来计算照明模式数据。随后，将该照明模式数据发送至照明单元31，并且照明单元31的LED 311进而以适合于房间中的环境的最佳照明模式，用光照射桌子81的顶部。因此，不论房间中的环境如何，可在桌子81的整个顶部之上实现均匀亮度。在这种情况下，例如，可以连续地生成照明模式数据，或者可以以预定的时间间隔生成照明模式数据。可替代地，可以在由用户指示时生成照明模式数据。
应该注意，在以上示例中，已经通过示例描述了获得在桌面81的顶部上实现均匀亮度的照明模式的情况；然而，本发明不限于此，并且例如，还可以获得实现特定部分的最佳亮度的或者仅将特定部分设定为照射范围的照明模式。
此外，在图8所示的示例中，已经描述了在相对较小的房间中的照明；然而，例如，在较大空间(诸如，工厂或者仓库)中，在空间中的环境已经改变之后(例如，在设备的布置已经改变之后)，可能无法适当地执行照明。因此，即使在这种较大空间中，通过使用根据本发明的照明装置也可实现适当照明。例如，在工厂中，能够分别设置适合于人工作的位置和机器人工作的位置的照明模式。对于由人和机器人二者共享的位置，能够设置适合于人和机器人二者的照明模式。此外，针对检测摄像机，能够使用已经设置的摄像机(诸如，监视器摄像机)，并且还能够使用除摄像机之外的装置，例如，已经设置的传感器。可替代地，还能够使用智能电话的摄像机等。在这种情况下，可以通过提前登记智能电话设置在上面的桌子的桌号等作为位置信息来获取更准确的状态信息。可替代地，还能够使用检测智能电话的功能的位置信息。
7-1-2
也可以将本发明的照明装置用作用于商品展示的照明装置。也就是说，能够为充当照明目标的每件商品设置最佳照明模式。
7-1-3
本发明的照明装置适用于液晶显示器背光板。因此，能够允许神经网络进行学习，以实现在液晶屏幕上显示的图像的期望外观，该图像充当照明目标。另外，可以设置显示板等的通知装置等，使得能够为每个观看位置使照明模式优化。在这种情况下，照明目标是屏幕(诸如，液晶显示屏)，并且关于观看屏幕的观看位置的信息构成状态数据。
7-1-4
为了避免机器人与人或物体之间的接触，能够将光源(诸如，LED)设置在机器人的不同部分上，并且为预定运动设置照明模式，该照明模式使相应运动容易可见。在这种情况下，照明目标是光源的各个照射区域，该光源在机器人执行相应运动时使机器人的预定运动容易可见，并且状态数据是关于机器人的运动的数据。
7-1-5
能够提供具有照明单元的操作开关并且设置照明模式，使得能够将该照明单元的光源的亮度调整为适合于环境亮度。
7-1-6
将汽车的前照灯和其它灯设置成照亮前方的道路，但是例如，当汽车绕弯道行驶时，如果可以将前照灯方向改变为汽车绕弯道行驶的方向，可以确保较高的能见度。鉴于此，下文将描述将根据本发明的照明装置应用于汽车的前照灯的示例。
在该示例中，可以采用各种状态数据。例如，可以将转向角用作状态数据。而且，如图9的(a)所示，能够使用车载摄像机在汽车的移动方向上捕获道路91的图像，例如，提取中心线S的方向，并且将所提取的方向用作状态数据。也就是说，可以使用各种传感器和车载摄像机(代替前述实施例的检测摄像机33)来获取状态数据。应该注意，可以将除中心线之外的道路的形状的特征提取为状态数据。此外，为了执行道路的图像的三维分析，例如，可以将立体摄像机用作车载摄像机。
然后，对在设置转向角和与每条状态数据对应的道路方向时的前照灯方向(照明模式)进行优化。按照这种方式，将每条状态数据和对应的最佳照明模式存储为学习数据，并且因此允许算术单元362的神经网络进行学习。利用这种学习数据，当驾驶汽车时，能够通过获取状态数据并且适当地将前照灯方向调整为与获取到的状态数据对应的照明模式来获得最佳照明模式。应该注意，当将其它因素(诸如，车辆速度)包括进来作为状态数据时，可以获得更准确的照明模式。此外，也可以在不使用真实车辆的情况下在模型尺度上再现的道路上执行学习。
可以通过允许神经网络按照这种方式学习来针对道路方向使前照灯方向优化。也就是说，在驾驶期间获取状态数据，并且基于获取到的状态数据，使用学习之后的神经网络来计算照明模式数据。然后，当将照明模式数据发送至控制前照灯方向的控制器时，前照灯按照针对道路方向的最佳照明模式发出光。因此，不论道路方向如何，都可以确保适合于道路方向的视野。此外，不仅可以调整前照灯方向，而且还可以调整亮度和照射范围。也就是说，即使在汽车绕弯道行驶时，也可以执行调整，使得前照灯可以均匀地照亮汽车前方的整条道路。
应该注意，虽然已经在上述示例中描述了与弯道对应的前照灯的方向，但是例如，如图9的(b)和图9的(c)所示，本发明还适用于道路方向在竖直方向(比如，平台道路、斜坡等)上改变的情况。在这种情况下，可以主要基于车载摄像机来获取作为道路方向的状态数据。
而且，除了道路之外，照明目标还可以包括前方车辆、迎面而来的车辆，行人等，并且还能够为这些多个照明目标设置最佳照明模式。
7-2
在前述实施例中，通过调整是否开启LED 311以及LED 311的亮度和颜色来产生照明模式；然而，本发明不限于此，并且可以形成与照明相关联的各种照明模式，诸如，LED311的位置。例如，可以独立地使多个LED向前/向后移动(前进/后退)，或者可以独立地改变多个LED的角度。此外，还能够通过提供光学系统(诸如，在LED 311上或者在LED 311前方的透镜)并且调整该光学系统来产生照明模式。例如，可以将微透镜阵列、漫射器等用作光学系统。此外，可以提供独立地包括LED 311的多个照明单元31，并且该多个照明单元可以从多个位置照射照明目标。
7-3
还能够使用多个光源用光照射多个照明目标。在这种情况下，当用强光照射邻近照明目标时，出现强反射，而当用弱光照射远程照明目标时，出现弱反射光。因此，需要生成根据与照明目标的距离来实现最佳光强度的照明模式。即使对于这种复杂的照明目标，也能够通过使用神经网络来设置最佳照明模式。
7-4
最佳照明模式不限于实现可以产生如上所述的对比度的照明的照明模式。例如，也可以使用使充当照明目标的特定部分比其它部分更明显的照明模式。
7-5
在前述实施例中，将LED 311用作光源。然而，LED的数量和布置不受限制。也可以将LED布置成除矩形之外的形状。例如，可以将LED布置成直线。此外，LED不仅可以布置成平面，而且还可以进行三维布置。
此外，光源不限于LED 311，并且不存在对光源的限制，只要光源可以照射照明目标即可。例如，可以根据照明目标来改变光源。因此，可以使用各种类型的光源，诸如，红外发光二极管、激光二极管、荧光灯以及白炽灯。此外，还能够为每种类型的光源准备神经网络。
7-6
为了获取状态数据，可以如上所述那样使用各种类型的检测器(诸如，摄像机)和各种传感器。可替代地，照明装置不设置有这种检测器的配置也是可能的，并且从照明装置的输入单元输入由另一装置获取的状态数据。
7-7
在前述实施例中，将学习单元363设置在照明装置3中并且允许该学习单元进行学习。然而，学习单元363并不一定是必要的，并且照明装置包含学习之后的(即，通过学习过程训练的)神经网络就已足够。因此，也可以采用在照明装置3外部执行对神经网络的学习的配置，并且将与学习之后的神经网络有关的学习结果数据354存储在存储单元32中。
因此，也可以从照明装置的制造商分布学习结果数据，或者可以通过网络传送学习结果数据并且自动更新学习结果数据。在这种情况下，PLC需要配备有通信模块(通信单元)，使得其可以连接至网络(诸如，互联网)。应该注意，针对汽车的上述示例，可以设想如下配置：由汽车制造商准备学习数据和学习结果数据并且由汽车制造商的经销商对其进行更新。
7-8
在各个前述示例中，提前设置最佳照明模式。然而，也可以根据来自用户的指令来设置最佳照明模式。例如，可以使用PLC(诸如图10所示的PLC)。该PLC的功能配置包括图3所示的PLC的配置，并且还包括评估单元365。评估单元365被配置为响应于来自输入单元38的输入而起作用，以便接受来自用户的指令。输入单元38可以由各种输入装置(诸如，触摸板、键盘和操作按钮)组成。输入至输入单元38的指令包括目标值，并且其示例是用于“均匀地照射照明目标表面(例如，在3％的容差内)”的指令。当从输入单元38输入这种指令时，状态获取单元361根据由检测摄像机33获得的图像来计算当前照明目标表面的均匀性，即，容差。接着，评估单元365把由用户指示的容差3％(目标值)与由状态获取单元361计算得到的容差(变化)进行比较。也就是说，评估单元365计算由用户指示的容差与照明目标表面上的实际照明分布之间的差异。然后，算术单元362执行学习以便将差减小至零，同时从输入层373连续输出多组照明模式数据。将该多组照明模式数据输入至照明单元31，并且照明单元31根据获取到的多组照明模式数据来执行照明。
此外，如果在照明目标表面中出现变化(例如，如果照明目标表面的形状改变，或者在照明目标表面上出现另一物体)，那么在由状态获取单元361计算得到的照明分布中同样会出现变化。因此，评估单元365按照与如上所述相同的方式将输入容差(或者预设目标值)与改变后的实际照明分布进行比较。然后，算术单元362执行学习以便将差异减小至零，同时从输出层373输出多组照明模式数据。
评估单元365执行对上述差异的计算，直到该差异变为零为止或者直到该差异变为小于预定值为止。基于此，算术单元362继续学习。然后，当上述差异变为零时或者当上述差异变为小于预定值时，算术单元362完成学习，并且照明单元31在该时间点按照照明模式保持照明状态。例如，不仅可以通过神经网络(NN：neural network)，而且还可以通过强化学习来执行这种学习。
应该注意，目标值和当前值不限于诸如照明度的数值，也可以是图像信息等。此外，当学习完成并且照明状态达到目标值时，PLC可以向用户通知目标达成。此外，PLC可以被配置为通过输入单元38接受附加请求，诸如，局部改变亮度的请求或者局部改变颜色的请求。
上述学习控制不仅可以用于图10所示的PLC，而且还可以用于修改中所描述的各种类型的照明。
7-9
在前述实施例中，已经描述了神经网络的示例。然而，本发明不限于该示例，并且可以使用各种形式的神经网络(包括具有各种层数的神经网络)。例如，可以使用递归神经网络、卷积神经网络等。
(附加标记1)
一种照明装置，该照明装置包括：
至少一个光源，所述至少一个光源被配置为按照多种照明模式来执行照明；
检测单元，该检测单元用于检测与待由光源进行照明的照明目标的状态有关的状态信息；以及
至少一个硬件处理器，
其中，硬件处理器使用神经网络根据状态信息计算出如下照明模式信息，该照明模式信息用于生成适合于照明目标的照明模式，以及
基于照明模式信息来控制光源，以便按照照明模式执行照明。
(附加标记2)
一种照明方法，该照明方法包括如下步骤：
检测与待由光源照明的照明目标的状态有关的状态信息；
至少一个硬件处理器使用神经网络根据状态信息计算出如下照明模式信息，该照明模式信息用于生成光源的适合于照明目标的照明模式；以及
至少一个硬件处理器基于照明模式信息来控制光源的照明模式。
[附图标记列表]
3...照明装置
311...LED(光源)
312...控制器(照明控制单元)
33...检测摄像机(检测单元)
362...算术单元
363...学习单元

Claims (10)

1.一种照明装置(3)，所述照明装置(3)包括：
至少一个光源(311)，所述至少一个光源(311)被配置为按照多种照明模式来执行照明；
检测单元(33)，所述检测单元(33)用于检测与待由所述光源(311)照明的照明目标(10)的状态有关的状态信息；
算术单元(362)，所述算术单元(362)被配置为使用神经网络，根据所述状态信息计算出照明模式信息，该照明模式信息用于生成适合于所述照明目标(10)的照明模式；
照明控制单元(312)，所述照明控制单元(312)被配置为基于所述照明模式信息来控制所述光源(311)以便按照照明模式执行照明。
2.根据权利要求1所述的照明装置(3)，其中，所述检测单元(33)被配置为获取所述照明目标(10)的图像，并且计算所述图像的状态信息。
3.根据权利要求1或2所述的照明装置(3)，其中，所述算术单元(362)包括用于多个照明目标(10)中的每一个照明目标，或者用于多种类型的光源(311)中的每一类型光源的神经网络。
4.根据权利要求1至3中任一项所述的照明装置(3)，其中，所述照明模式是由亮度、颜色、方向、位置和是否从一个或者多个光源(311)发出光中的至少一项规定的。
5.根据权利要求1至4中任一项所述的照明装置(3)，所述照明装置(3)还包括：
通信单元(323)，所述通信单元(323)用于通过网络接收用于训练所述神经网络的学习数据。
6.根据权利要求1至4中任一项所述的照明装置(3)，所述照明装置(3)还包括：
学习单元(363)，所述学习单元(363)用于训练所述神经网络，
其中，所述学习单元(363)使用如下学习数据来训练所述神经网络，该学习数据包含由所述检测单元(33)检测到的状态信息和与该状态信息对应的照明模式数据。
7.一种照明方法，所述照明方法包括以下步骤：
检测与待由光源(311)照明的照明目标(10)的状态有关的状态信息；
使用神经网络根据所述状态信息计算出如下照明模式信息，该照明模式信息用于生成所述光源(311)的适合于所述照明目标(10)的照明模式；以及
基于所述照明模式信息来控制所述光源(311)的照明模式。
8.根据权利要求7所述的照明方法，所述照明方法还包括以下步骤：
获取如下学习数据，该学习数据包含所述状态信息和用于执行与所述状态信息对应的最佳照明的照明模式数据；以及
使用所述学习数据来训练所述神经网络。
9.一种照明程序，所述照明程序用于使计算机执行以下步骤：
检测与待由光源(311)照明的照明目标(10)的状态有关的状态信息；
使用神经网络根据所述状态信息计算出如下照明模式信息，该照明模式信息用于生成所述光源(311)的适合于所述照明目标(10)的照明模式；以及
基于所述照明模式信息来控制所述光源(311)的照明模式。
10.根据权利要求9所述的照明程序，所述照明程序用于进一步使所述计算机执行以下步骤：
获取如下学习数据，该学习数据包含所述状态信息和用于执行与所述状态信息对应的最佳照明的照明模式数据；以及
使用所述学习数据来训练所述神经网络。
CN201780054880.2A 2016-11-11 2017-03-14 使用神经网络的照明控制 Pending CN109690569A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-220432 2016-11-11
JP2016220432A JP2019203691A (ja) 2016-11-11 2016-11-11 照明装置
PCT/JP2017/010209 WO2018087941A1 (en) 2016-11-11 2017-03-14 Illumination control using a neural network

Publications (1)

Publication Number Publication Date
CN109690569A true CN109690569A (zh) 2019-04-26

Family

ID=58548793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780054880.2A Pending CN109690569A (zh) 2016-11-11 2017-03-14 使用神经网络的照明控制

Country Status (5)

Country Link
US (1) US20210289604A1 (zh)
EP (1) EP3539055A1 (zh)
JP (1) JP2019203691A (zh)
CN (1) CN109690569A (zh)
WO (1) WO2018087941A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200179A (zh) * 2020-10-15 2021-01-08 马婧 一种光源调节方法及装置
CN113189113A (zh) * 2021-04-30 2021-07-30 聚时科技(上海)有限公司 基于视觉检测的智能数字光源及方法
CN113924824A (zh) * 2019-05-29 2022-01-11 法雷奥照明公司 用于操作汽车照明设备的方法和汽车照明设备
CN115696691A (zh) * 2023-01-05 2023-02-03 卧安科技(深圳)有限公司 智能灯具调光方法、装置、智能灯具和存储介质

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6816701B2 (ja) * 2017-10-26 2021-01-20 トヨタ自動車株式会社 ヘッドライト制御システム
JP6904223B2 (ja) * 2017-11-10 2021-07-14 オムロン株式会社 異常状態検出装置、異常状態検出方法、及び、異常状態検出プログラム
EP3797730B1 (en) * 2018-05-22 2022-06-29 Sony Group Corporation Surgery information processing device, information processing method, and program
EP3844673A1 (en) * 2018-08-27 2021-07-07 Signify Holding B.V. Systems and methods for tuning light sources for use with object detection algorithms
JP7054373B2 (ja) * 2018-09-19 2022-04-13 アンリツ株式会社 外観検査装置および外観検査方法
JPWO2020175576A1 (zh) * 2019-02-27 2020-09-03
EP3708427A1 (en) * 2019-03-12 2020-09-16 Veoneer Sweden AB A headlight control system for a motor vehicle and a method of training a machine learning model for a headlight control system
JP7267841B2 (ja) * 2019-05-30 2023-05-02 キヤノン株式会社 システムの制御方法、及びシステム
JP7266514B2 (ja) * 2019-11-29 2023-04-28 富士フイルム株式会社 撮像装置及び表面検査装置
WO2021150973A1 (en) * 2020-01-24 2021-07-29 Duke University Intelligent automated imaging system
JP7026727B2 (ja) * 2020-05-20 2022-02-28 Ckd株式会社 外観検査用照明装置、外観検査装置及びブリスター包装機
DE102020211190A1 (de) * 2020-09-07 2022-03-10 Ford Global Technologies, Llc Verfahren zum automatischen Optimieren einer prädiktiven dynamischen Kurvenlichtfunktion eines Beleuchtungssystems eines Fahrzeugs, Beleuchtungssystem, Fahrzeug und Computerprogrammprodukt
CN114630472A (zh) * 2020-12-10 2022-06-14 逸驾智能科技有限公司 灯光控制方法及设备
KR102646278B1 (ko) * 2021-05-06 2024-03-13 인티맥스 주식회사 다품종 소량생산에 적용가능한 무인검사 장치 및 이를 이용한 비전검사 방법
US11386580B1 (en) * 2021-08-13 2022-07-12 Goodsize Inc. System apparatus and method for guiding user to comply with application-specific requirements

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040136568A1 (en) * 2002-12-20 2004-07-15 Maurice Milgram Method of detecting bends on a road and system implementing same
US20040246105A1 (en) * 2001-06-21 2004-12-09 Gilles Cavallucci Method and device for optical detection of the position of an object
WO2008001259A2 (en) * 2006-06-28 2008-01-03 Philips Intellectual Property & Standards Gmbh Method of controlling a lighting system based on a target light distribution
CN105122948A (zh) * 2013-04-25 2015-12-02 皇家飞利浦有限公司 基于用户行为的自适应室外照明控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4589101B2 (ja) 2003-12-25 2010-12-01 昭和電工株式会社 表面検査方法および同装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040246105A1 (en) * 2001-06-21 2004-12-09 Gilles Cavallucci Method and device for optical detection of the position of an object
US20040136568A1 (en) * 2002-12-20 2004-07-15 Maurice Milgram Method of detecting bends on a road and system implementing same
WO2008001259A2 (en) * 2006-06-28 2008-01-03 Philips Intellectual Property & Standards Gmbh Method of controlling a lighting system based on a target light distribution
CN105122948A (zh) * 2013-04-25 2015-12-02 皇家飞利浦有限公司 基于用户行为的自适应室外照明控制系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113924824A (zh) * 2019-05-29 2022-01-11 法雷奥照明公司 用于操作汽车照明设备的方法和汽车照明设备
CN112200179A (zh) * 2020-10-15 2021-01-08 马婧 一种光源调节方法及装置
CN113189113A (zh) * 2021-04-30 2021-07-30 聚时科技(上海)有限公司 基于视觉检测的智能数字光源及方法
CN115696691A (zh) * 2023-01-05 2023-02-03 卧安科技(深圳)有限公司 智能灯具调光方法、装置、智能灯具和存储介质
CN115696691B (zh) * 2023-01-05 2023-03-21 卧安科技(深圳)有限公司 智能灯具调光方法、装置、智能灯具和存储介质

Also Published As

Publication number Publication date
WO2018087941A1 (en) 2018-05-17
JP2019203691A (ja) 2019-11-28
EP3539055A1 (en) 2019-09-18
US20210289604A1 (en) 2021-09-16

Similar Documents

Publication Publication Date Title
CN109690569A (zh) 使用神经网络的照明控制
US11754392B2 (en) Distance determination of a sample plane in a microscope system
CN100562761C (zh) 智能化发光二极管车灯照明质量在线检测系统
CN103048333B (zh) 外观检测设备及方法
CN108141579A (zh) 3d相机
US11544533B2 (en) Network of intelligent machines
CN105164697B (zh) 用于识别机动车轮胎上的标识的装置和方法
WO2010146802A1 (ja) 細胞塊の状態判別手法、この手法を用いた画像処理プログラム及び画像処理装置、並びに細胞塊の製造方法
CN102781631A (zh) 信息处理装置及控制该装置的方法
CN110402443A (zh) 光学传感器、学习设备和图像处理系统
CN109213363A (zh) 预测指示器触摸位置或确定3d空间中指向的系统和方法
US20220327777A1 (en) System that fits a parameterized three-dimensional shape to multiple two-dimensional images
JP6903737B2 (ja) 二次像角度及び／又は視野角を決定するための機器及び方法
CN116348897A (zh) 用于可收集物品的识别及分级系统以及相关方法
CN108235831B (zh) 灯具的控制方法和控制系统以及电子设备
CN114152410A (zh) 一种视觉光源检测系统及检测方法
US20230342909A1 (en) System and method for imaging reflecting objects
CN206113857U (zh) 一种测量平面led荧光粉涂层体积的系统
CN104586404A (zh) 体质监测的姿态识别方法及系统
US20230098675A1 (en) Eye-gaze detecting device, eye-gaze detecting method, and computer-readable storage medium
CN110024734A (zh) 水中生物展示结构与水中生物展示方法
JP2021003929A (ja) 学習用データ生成装置及び物体検知装置
CN115409977A (zh) 基于图像识别的全量检测信息采集方法
CN108885181A (zh) 用于通过多方向照射检测表面上的缺陷的方法和相关装置
CN113892111A (zh) 用于通过计算机视觉应用检测流体的方法和设备

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190426