CN110740537A - 一种博物馆文物的光照系统自适应调节的系统 - Google Patents

Abstract

本发明公开了一种博物馆文物的光照系统自适应调节的系统，主要包括光源、立云平台博物馆文物信息库、控制单元。该系统根据文物的云信息以及现场采集信息，对文物性质信息进行量化，通过聚类分析与相关性分析，筛选出影响文物耐光性的的因素；建立照明光源自调节模型，在此基础上基于神经网络算法构建整个系统的光源调节模型。本发明基于神经网络算法建立光源自调节模型，对已知照明方案与照明需求信息的文物进行学习，构建七色LED电流权重与照明需求的关系，学习完成后对照明方案文物自动生成照明方案并实施，降低光辐射对文物的损坏的同时提高文物观赏性。

Description

一种博物馆文物的光照系统自适应调节的系统

技术领域

本发明涉及博物馆光环境的智能控制领域，具体涉及一种博物馆文物的光照系统自适应调节的系统。

背景技术

随着现代科技水平的发展，人们对博物馆照明提出了新的要求：一方面，由于光的强电磁特性可以降解文物，博物馆中存在一部分文物如油画、木制品、印刷品、丝织品等具有对光辐射敏感的特性而发生褪色和变色，不同文物使用的颜料和材质不同，对照明光的要求不同，另一方面，博物馆需要保障观众的观展体验，提高展品的展示效果。

为了对每个文物都能根据其特性进行最大程度的保护，同时提供良好的视觉光环境，根据不同文物可随时调整的博物馆照明设计尤其重要。

对于博物馆照明的设计主要从照明光的光谱、亮度和色温三个方面进行。高能量的短波辐射是会造成颜料色彩改变，颜料对于光谱的选择性吸收特性决定了其各自的光照受损程度，例如以紫外线为代表，波长580纳米以下的光线较易引起会引起纸制品、棉麻制品、漆木器等光敏较强文物的褪色、老化，红外线不仅可能造成展品热老化，还能引起相对湿度变化，绿光的照射会引起翁黄的变色等，因此不同的光敏感墙壁柜文物应根据其自身情况选择适合的照明光。

发明内容

本发明的目的是提供一种针对博物馆文物的光照系统自适应调节的系统，可以解决上述技术问题中的一个或是多个。

为了达到上述目的，本发明提出的技术方案如下：

一种博物馆文物的光照系统自适应调节的系统，包括云平台博物馆文物信息库用于收集光环境相关信息；文物信息库信息全部通过4G存储至云平台。

照明光源部分包括七色LED模组、PMMA光学扩散板、光谱仪、亮度计；所述LED模组包括红、橙、黄、绿、青、蓝、紫七色，通过改变电流可改变不同LED的亮度，PMMA光学扩散板用于混光，透过率85％，控制单元调取云平台博物馆文物信息库信息以对LED模组实现对照明系统混合光光谱、色温和亮度的调整；调整出适合文物照明的光环境；

控制单元的具体调节过程如下：

S1建立云平台博物馆文物信息库：

S11获取各文物需照明文物的性质信息、光谱特性信息、老化特性信息，照明美观需求信息、各文物目前所使用的照明光的色温、光谱亮度信息；

S12对文物性质信息进行量化；

构成性质信息矩阵：

其中，a_ij表示第i件文物的第j个性质；

文物耐光性数据矩阵：其中，b_i表示第i件文物的光谱特性曲线的量化，c_i表示第i件文物的老化特性量化；

S2对于文物的j个性质量化后进行spss聚类分析，之后采用K-均值聚类分析筛选影响文物耐光性的的因素；

S21随机生成k个初始点作为中心点；

S22将数据集中的数据按照距离中心点的远近，分配到各个类中；

S23将各个类中的数据求平均值，作为新的中心点，重复上一步，直到所有的簇不再改变；

将文物的j个性质分为n类，对n个类别与文物耐光性数据矩阵进行相关性分析，得到与耐光性相关性最高的m个性质；

S3基于神经网络算法，使用已知照明方案的文物信息进行学习，构建照明光源自调节模型：

S31输入i组样本及各个样本与耐光性相关性最高的m个性质信息：X₁,X₂,...X_i；

依据i个文物目前所使用的照明光的色温、光谱亮度信息得到i组期望输出：

其中S代表构建模型的时候用到的照明方案已经确定的文物，是目前所采用的的照明光的光谱；c代表色温，b代表亮度，是云平台数据库中获取的数据。

模型计算后输出七色LED电流权重，通过光学扩散板与传感器得出模型输出光谱、色温和亮度，作为实际输出：

其中，s′是把文物的m个相关信息代入模型后模型计算的照明光光谱；

S32设置实际输出目标：

误差平方和：

均方误差：

得到实际输出目标条件:min(mse+msw)；

S4基于神经网络算法，根据照明光源自调节模型构建光源调节模型：

S41选择一组训练样例，每一个样例包括输入信息和期望输出两部分；其中输入信息是由文物从云平台得到的m个性质信息，期望输出是上述S31中的期望输出结果；

S42从训练样例集中取一样例，把输入信息输入到网络中；

S43通过光谱仪与亮度计得到实际输出；

S44计算实际照明输出和期望输出的误差；

S45从输出层反向计算到第一个隐层，并按照某种能使误差向减小方向发展的原则，调整网络中各神经元的连接权值；

S46对训练样例集中的每一个样例重复S43—S45的步骤，直到对整个训练样例集的误差达到要求时为止；

S5对于新参展的文物，将该文物信息输入云平台博物馆文物信息库中，经过筛选模型条件，代入S4步骤的模型中，求得的各LED电流权重，通过控制单元控制七路电流的输出，实现对照明系统混合光光谱、色温和亮度的调整；使平衡文物保护与可观赏性。

进一步的：所述光谱特性信息和所述老化特性信息均通过微表面测试(MFT)获得的展览的文物耐光性数据。自2008年以来，加拿大保护协会(CCI)为13多家加拿大博物馆、档案馆和美术馆提供了微表面测试(MFT)服务。除了获得用于展览的物体和收藏品的耐光性数据外，MFT还用于研究和培训。

进一步的：各文物目前所使用的照明光的色温、光谱亮度信息通过光传感器获得。

进一步的：文物的性质信息包括文物的尺寸、颜色、颜料品种、材质、来源地、年龄中的一个或是多个性质。

进一步的：所述扩散板距离单色LED模组0.8米。

进一步的：所述控制单元为单片机。

本发明的技术效果是：

本发明基于神经网络算法建立光源自调节模型，对已知照明方案与照明需求信息的文物进行学习，构建七色LED电流权重与照明需求的关系，学习完成后对照明方案文物自动生成照明方案并实施，降低光辐射对文物的损坏的同时提高文物观赏性。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

在附图中：

图1为本发明照明系统的模型建立流程图

图2为本发明的文物信息库结构图

图3为本发明照明光源调节部分结构图

图4是光源照明光源自调节工作过程图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的不当限定。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

建立博物馆文物信息库，信息库结构如图2所示，所述云平台文物信息库包括各需照明文物的性质信息、耐光性数据信息，照明美观需求信息与各文物目前所使用的照明光的色温、光谱亮度信息。其中耐光性数据包括光谱特性与老化特性，通过微表面测试(MFT)直接获得数据。文物的性质信息包括文物的尺寸、颜色、颜料品种、材质、来源地、年龄等性质。

构成性质信息矩阵：

其中，a_ij表示第i件文物的第j个性质。

文物耐光性数据矩阵：

其中，b_i表示第i件文物的光谱特性曲线的量化，c_i表示第i件文物的老化特性量化。

S2对于文物的j个性质量化后进行spss聚类分析，之后采用K-均值聚类分析筛选影响文物耐光性的的因素；

S21随机生成k个初始点作为中心点；

S22将数据集中的数据按照距离中心点的远近，分配到各个类中；

S23将各个类中的数据求平均值，作为新的中心点，重复上一步，直到所有的簇不再改变；

将文物的j个性质分为n类，对n个类别与文物耐光性数据矩阵进行相关性分析，得到与耐光性相关性最高的m个性质；

S3基于神经网络算法，使用已知照明方案的文物信息进行学习，构建照明光源自调节模型：

主要包括的硬件有控制单元和照明光源，照明光源部分包括七色LED模组、PMMA光学扩散板、光谱仪、亮度。LED模组包括红、橙、黄、绿、青、蓝、紫七色，通过改变电流权重可改变不同LED的亮度。PMMA光学扩散板用于混光，透过率85％，扩散板距离单色LED模组0.7米，其结构如图3所示。

如图4所示，自适应调节过程图。

S31输入i组样本及各个样本与耐光性相关性最高的m个性质信息：X₁,X₂,...X_i；

依据i个文物目前所使用的照明光的色温、光谱亮度信息得到i组期望输出：

模型计算后输出七色LED电流权重，通过光学扩散板与传感器得出模型输出光谱、色温和亮度，作为实际输出：

S32设置实际输出目标：

误差平方和：

均方误差：

得到实际输出目标条件:min(mse+msw)；

S4基于神经网络算法，根据照明光源自调节模型构建光源调节模型，如图1所示：

S41选择一组训练样例，每一个样例包括输入信息和期望输出两部分；其中输入信息是由文物从云平台得到的m个性质信息，期望输出是上述S31中的期望输出结果；

S42从训练样例集中取一样例，把输入信息输入到网络中；

S43通过光谱仪与亮度计得到实际输出；

S44计算实际照明输出和期望输出的误差；

S45从输出层反向计算到第一个隐层，并按照某种能使误差向减小方向发展的原则，调整网络中各神经元的连接权值；

S46对训练样例集中的每一个样例重复S43—S45的步骤，直到对整个训练样例集的误差达到要求时为止。

求得各LED电流权重，通过单片机控制七路电流的输出，实现对照明系统混合光光谱、色温和亮度的调整。

模型构建后，根据此前确定的当前所处区域的文物编号i，将数据库中对应文物材质，颜色和光敏感度等级信息代入该BP神经网络模型，自动生成照明方案，调节七色LED电流并实施照明。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种博物馆文物的光照系统自适应调节的系统，其特征在于：包括云平台博物馆文物信息库用于收集光环境相关信息；照明光源部分包括七色LED模组、PMMA光学扩散板、光谱仪、亮度计；所述LED模组包括红、橙、黄、绿、青、蓝、紫七色，所述PMMA光学扩散板用于混光，控制单元调取云平台博物馆文物信息库信息以对LED模组实现对照明系统混合光光谱、色温和亮度的调整；调整出适合文物照明的光环境；控制单元的具体调节过程如下：

S1 建立云平台博物馆文物信息库：

S11 获取各文物需照明文物的性质信息、光谱特性信息、老化特性信息，照明美观需求信息、各文物目前所使用的照明光的色温、光谱亮度信息；

S12 对文物性质信息进行量化；

构成性质信息矩阵：

其中，a_ij表示第i件文物的第j个性质；

文物耐光性数据矩阵：

其中，b_i表示第i件文物的光谱特性曲线的量化，c_i表示第i件文物的老化特性量化；

S2 对于文物的j个性质量化后进行spss聚类分析，之后采用K-均值聚类分析筛选影响文物耐光性的的因素；

S21 随机生成k个初始点作为中心点；

S22 将数据集中的数据按照距离中心点的远近，分配到各个类中；

S23 将各个类中的数据求平均值，作为新的中心点，重复上一步，直到所有的簇不再改变；

将文物的j个性质分为n类，对n个类别与文物耐光性数据矩阵进行相关性分析，得到与耐光性相关性最高的m个性质；

S3 基于神经网络算法，使用已知照明方案的文物信息进行学习，构建照明光源自调节模型：

S31 输入i组样本及各个样本与耐光性相关性最高的m个性质信息：X₁,X₂,...X_i；

依据i个文物目前所使用的照明光的色温、光谱亮度信息得到i组期望输出：

模型计算后输出七色LED电流权重，通过光学扩散板与传感器得出模型输出光谱、色温和亮度，作为实际输出：

S32 设置实际输出目标：

误差平方和：

均方误差：

得到实际输出目标条件:min(mse+msw)；

S4 基于神经网络算法，根据照明光源自调节模型构建光源调节模型：

S41 选择一组训练样例，每一个样例包括输入信息和期望输出两部分；其中输入信息是由文物从云平台得到的m个性质信息，期望输出是上述S31中的期望输出结果；

S42 从训练样例集中取一样例，把输入信息输入到网络中；

S43 通过光谱仪与亮度计得到实际输出；

S44 计算实际照明输出和期望输出的误差；

S45 从输出层反向计算到第一个隐层，并按照某种能使误差向减小方向发展的原则，调整网络中各神经元的连接权值；

S46 对训练样例集中的每一个样例重复S43—S45的步骤，直到对整个训练样例集的误差达到要求时为止；

S5 对于新参展的文物，将该文物信息输入云平台博物馆文物信息库中，经过筛选模型条件，代入S4步骤的模型中，求得的各LED电流权重，通过控制单元控制七路电流的输出，实现对照明系统混合光光谱、色温和亮度的调整；使平衡文物保护与可观赏性。

2.根据权利要求1所述的博物馆文物的光照系统自适应调节的系统，其特征在于：所述光谱特性信息和所述老化特性信息均通过微表面测试(MFT)获得的展览的文物耐光性数据。

3.根据权利要求1所述的博物馆文物的光照系统自适应调节的系统，其特征在于：各文物目前所使用的照明光的色温、光谱亮度信息通过光传感器获得。

4.根据权利要求1所述的博物馆文物的光照系统自适应调节的系统，其特征在于：文物的性质信息包括文物的尺寸、颜色、颜料品种、材质、来源地、年龄中的一个或是多个性质。

5.根据权利要求1所述的博物馆文物的光照系统自适应调节的系统，其特征在于：所述扩散板距离单色LED模组0.8米。

6.根据权利要求1所述的博物馆文物的光照系统自适应调节的系统，其特征在于：所述控制单元为单片机。

Images