CN116170915A - 一种护眼灯系统、护眼灯的控制方法及护眼灯 - Google Patents

一种护眼灯系统、护眼灯的控制方法及护眼灯 Download PDF

Info

Publication number
CN116170915A
CN116170915A CN202310437232.2A CN202310437232A CN116170915A CN 116170915 A CN116170915 A CN 116170915A CN 202310437232 A CN202310437232 A CN 202310437232A CN 116170915 A CN116170915 A CN 116170915A
Authority
CN
China
Prior art keywords
eye
data
data matrix
parallel
inputting
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
Application number
CN202310437232.2A
Other languages
English (en)
Other versions
CN116170915B (zh
Inventor
闵长伟
闵璇皓蓝
胡爱斌
李雄
唐金龙
段鑫楠
颜伟
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.)
Shenzhen Deled Led Co ltd
Original Assignee
Shenzhen Deled Led Co ltd
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 Shenzhen Deled Led Co ltd filed Critical Shenzhen Deled Led Co ltd
Priority to CN202310437232.2A priority Critical patent/CN116170915B/zh
Publication of CN116170915A publication Critical patent/CN116170915A/zh
Application granted granted Critical
Publication of CN116170915B publication Critical patent/CN116170915B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • H05B45/30—Driver circuits
    • 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
    • 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
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/20—Controlling the colour 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
    • H05B45/00—Circuit arrangements for operating light-emitting diodes [LED]
    • H05B45/30—Driver circuits
    • H05B45/32—Pulse-control circuits
    • H05B45/325—Pulse-width modulation [PWM]
    • 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
    • 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
    • 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
    • Y02B20/30—Semiconductor lamps, e.g. solid state lamps [SSL] light emitting diodes [LED] or organic LED [OLED]
    • 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)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Circuit Arrangement For Electric Light Sources In General (AREA)

Abstract

本申请适用于物联网的技术领域，提供了一种护眼灯系统、护眼灯的控制方法及护眼灯，护眼灯系统包括护眼灯以及中央处理单元；护眼灯包括分控板、多组LED灯组和通信单元；所述中央处理单元用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；中央处理单元用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；中央处理单元用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号。上述护眼灯系统，通过获取用户信息和环境信息，并通过并联深度模型匹配控制信号，以针对不同用户需求，对护眼灯进行自动控制，满足不同用户的使用需求。

Description

一种护眼灯系统、护眼灯的控制方法及护眼灯
技术领域
本发明属于物联网的技术领域，尤其涉及一种护眼灯系统、护眼灯的控制方法及护眼灯。
背景技术
随着物联网技术的发展和用户需求的提升，家用电器越来越智能化，给生活带来了极大的便利。在日常生活中，不论是工作还是学习，护眼灯的使用均十分普遍。目前市场上的护眼灯具有亮度和色温调节功能，但大多通过手动来实现，如旋钮调书或触摸调节。
一方面，由于用户日益增长的护眼需求，寄希望于护眼灯可提供适宜的光照效果，以缓解用眼疲劳或预防近视等功效。另一方面，灯光对于情绪同样具有调节作用，例如：过于强烈的灯光，易使人情绪暴躁，过于暗淡的灯光，易使人情绪低落，色温过高的光，易使人在感官上感觉冰冷，色温过低的光，易使人在感官上感觉燥热。然而，现有的护眼灯无法实现针对不同用户的使用需求，进行合理地控制，以满足用户使用需求，这是一个亟需解决的技术问题。
发明内容
有鉴于此，本申请实施例提供了一种护眼灯系统、护眼灯的控制方法及护眼灯，以解决现有的护眼灯无法实现针对不同用户的使用需求，进行合理地控制，以满足用户使用需求的技术问题。
本申请实施例的第一方面提供了一种护眼灯系统，所述护眼灯系统包括护眼灯以及中央处理单元；
所述护眼灯包括分控板、多组LED灯组和通信单元；
所述分控板用于控制所述LED灯组，包括紫蓝双芯片和紫蓝红三芯片；
所述通信单元用于与所述中央处理单元通信；
所述中央处理单元用于获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
所述中央处理单元用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
所述中央处理单元用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
所述中央处理单元用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
进一步地，所述分控板包括功率因数校正电路和驱动电路；
所述驱动电路包括驱动芯片、功率管、电感、第一电容、第一电阻、第二电阻和第三电阻；其中，所述驱动芯片的第一引脚用于向所述功率管输出PWM信号；所述PWM信号用于导通或关断所述功率管；
当所述第一电阻、所述第二电阻和所述第三电阻检测到第一电压小于所述驱动芯片的第二引脚的参考电压时，所述驱动芯片导通所述功率管；
当所述第一电阻、所述第二电阻和所述第三电阻检测到第一电压与所述驱动芯片的第二引脚的参考电压相等时，所述驱动芯片关断所述功率管。
本申请实施例的第二方面提供了一种护眼灯的控制方法，所述护眼灯的控制方法应用于中央处理单元，所述护眼灯的控制方法包括：
获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
进一步地，所述并联深度模型包括多个并联神经元以及分类器；多个并联神经元包括第一并联神经元、第二并联神经元、第三并联神经元、第四并联神经元、第五并联神经元和第六并联神经元；其中，并联神经元具有多个层级结构，相邻层级之间为全连接关系，同一层级之间不存在连接关系；
所述第一并联神经元、所述第二并联神经元和所述第三并联神经元构成所述第一网络分支；
所述第四并联神经元、所述第五并联神经元和所述第六并联神经元构成所述第二网络分支；
所述第一并联神经元、所述第三并联神经元、所述第四并联神经元和所述第六并联神经元分别由第一输入层、三个第一特征提取层和第一激活函数层构成；
所述第二并联神经元和所述第五并联神经元分别由第二输入层、四个第二特征提取层和第二激活函数层构成；其中，所述第二激活函数的输入数据由所述第二输入层的输入数据以及所述第二特征提取层的输出数据组合而成。
进一步地，所述将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果的步骤包括：
将所述第一数据矩阵输入所述第一网络分支，得到所述第一输出数据；
将所述第二数据矩阵输入所述第二网络分支，得到所述第二输出数据；
将所述第一数据矩阵与所述第一输出数据进行加权求和，得到第三数据矩阵；其中，所述第一数据矩阵的第一权重小于所述第一输出数据的第二权重；
将所述第二数据矩阵与所述第二输出数据进行加权求和，得到第四数据矩阵；其中，所述第二数据矩阵的第三权重小于所述第二输出数据的第四权重；
将所述第三数据矩阵和所述第四数据矩阵组合，得到目标数据矩阵；
将所述目标数据矩阵输入所述分类器，得到所述分类结果。
进一步地，在所述匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号的步骤之后，还包括：
获取用户的多个历史睡眠数据；所述历史睡眠数据包括时段与睡眠周期之间的关系；
根据多个所述历史睡眠数据，统计用户的入睡期的平均时段，并统计所述平均时段内的多个历史心率数据；
将所述平均时段内的多个所述历史心率数据进行线性拟合，得到线型表达式方程；
根据所述线型表达式方程，获取多个时刻的目标心率数据；
根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数；所述调整参数包括多个所述时刻对应的亮度参数以及固定色温参数。
进一步地，所述根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数的步骤包括：
获取多个所述目标心率数据的变化斜率、多个所述目标心率数据的中位数和预设转换系数；
将所述目标心率数据、所述变化斜率、所述中位数和所述预设转换系数代入如下公式一，得到所述亮度参数；
公式一：
Figure SMS_1
其中，L表示所述亮度参数，K表示所述变化斜率，S表示所述预设转换系数，D表示所述目标心率数据，d表示所述中位数；
向所述护眼灯发送调整参数。
进一步地，在所述根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数的步骤之后，还包括：
实时获取当前心率数据；
若所述当前心率数据低于阈值，且持续时间超过预设时长，则向所述护眼灯发送固定参数，所述固定参数包括预设亮度参数以及预设色温参数；其中，所述固定参数的执行优先级高于所述调整参数。
本申请实施例的第三方面提供了一种护眼灯的控制装置，所述护眼灯的控制的装置包括：
获取单元，用于获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
构建单元，用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
分类单元，用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
发送单元，用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
本申请实施例的第四方面提供了一种护眼灯，包括分控板、LED灯组、通信单元、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述第一处理器执行所述计算机程序时实现上述第二方面所述方法的步骤。
本申请实施例的第五方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被第一处理器执行时实现上述第二方面所述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：本申请提供的一种护眼灯系统包括护眼灯以及中央处理单元；护眼灯包括分控板、多组LED灯组和通信单元；分控板用于控制所述LED灯组，包括紫蓝双芯片和紫蓝红三芯片；通信单元用于与所述中央处理单元通信；中央处理单元用于获取用户信息和环境信息；所述中央处理单元用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；中央处理单元用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；中央处理单元用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。上述护眼灯系统，通过紫蓝双芯片和紫蓝红三芯片，提高护眼灯的光谱相似度，使灯光更接近自然光光谱。为了满足不同用户的使用需求，护眼灯系统通过获取用户信息和环境信息，并通过并联深度模型匹配控制信号，以针对不同用户需求，对护眼灯进行自动控制，满足不同用户的使用需求。其中，并联深度模型通过两个网络分支分别提取用户信息和环境信息的特征信息，提高了模型的处理性能。且并联深度模型通过聚合特征提取层结合第一数据矩阵、第二数据矩阵、第一输出数据和第二输出数据进行特征提取，以减少模型过拟合导致的模型性能退化，进一步提高模型的处理性能。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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它的附图。
图1示出了本申请提供的驱动电路的示意图；
图2示出了本申请提供的一种护眼灯的控制方法的示意性流程图；
图3示出了本申请提供的一种护眼灯的控制方法中步骤203的具体示意性流程图；
图4示出了本申请提供的另一种护眼灯的控制方法的示意性流程图；
图5示出了本申请提供的一种护眼灯的控制方法中步骤209的具体示意性流程图；
图6示出了本申请提供的一种护眼灯的控制装置的示意图；
图7示出了本申请一实施例提供的一种护眼灯的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
首先，本申请提供了一种护眼灯系统，其特征在于，所述护眼灯系统包括护眼灯以及中央处理单元；所述护眼灯包括分控板、多组LED灯组和通信单元；所述分控板用于控制所述LED灯组，包括紫蓝双芯片和紫蓝红三芯片；所述通信单元用于与所述中央处理单元通信；所述中央处理单元用于获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；所述中央处理单元用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；所述中央处理单元用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；所述中央处理单元用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
其中，在护眼灯产品中通常对灯光的光谱相似度有较高的要求，现有技术往往采用的LED灯组大多是由蓝光激发和紫光激发两种。蓝光激发LED的光谱在430nm-470nm（纳米）蓝光波段处会出现一个较高的尖峰，而在680nm-780nm（纳米）红光波段的能量偏低。紫光激发LED的光谱在400nm-480nm（纳米）蓝光波段的能量偏低，在680nm-780nm（纳米）红光波段的能量偏低。故本申请在LED灯组中采用紫蓝双芯片和紫蓝红三芯片。其中，紫蓝双芯片和紫蓝红三芯片的占比和数量可以根据灯串和灯板的大小和红光能量而定。可选地，也可以将紫蓝双芯片或紫蓝红三芯片改为红光LED。中央处理单元可以在台灯内部，也可以放在服务器。
其中，紫蓝双芯片激发LED可以消除蓝光激发LED 430nm--470nm（纳米）蓝光波段处会的尖峰，提高紫光激发LED 400nm--480nm（纳米）蓝光波段的能量。加入紫蓝红三芯片激发LED或者红光LED可以提高680nm--780nm（纳米）红光波段的能量。最终使光谱在波长415nm--780nm（纳米）、能量0-1的矩形范围内呈现一个类似与矩形的光谱图，进而提高护眼灯的光谱相似度，使灯光更接近自然光光谱。
在本实施例中，提供的一种护眼灯系统包括护眼灯以及中央处理单元；护眼灯包括分控板、多组LED灯组和通信单元；分控板用于控制所述LED灯组，包括紫蓝双芯片和紫蓝红三芯片；通信单元用于与所述中央处理单元通信；中央处理单元用于获取用户信息和环境信息；所述中央处理单元用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；中央处理单元用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；中央处理单元用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。上述护眼灯系统，通过紫蓝双芯片和紫蓝红三芯片，提高护眼灯的光谱相似度，使灯光更接近自然光光谱。为了满足不同用户的使用需求，护眼灯系统通过获取用户信息和环境信息，并通过并联深度模型匹配控制信号，以针对不同用户需求，对护眼灯进行自动控制，满足不同用户的使用需求。其中，并联深度模型通过两个网络分支分别提取用户信息和环境信息的特征信息，提高了模型的处理性能。且并联深度模型通过聚合特征提取层结合第一数据矩阵、第二数据矩阵、第一输出数据和第二输出数据进行特征提取，以减少模型过拟合导致的模型性能退化，进一步提高模型的处理性能。
进一步地，分控板包括功率因数校正电路和驱动电路；所述驱动电路包括驱动芯片、功率管、电感、第一电容、第一电阻、第二电阻和第三电阻；其中，所述驱动芯片的第一引脚用于向所述功率管输出PWM信号；所述PWM信号用于导通或关断所述功率管；当所述第一电阻、所述第二电阻和所述第三电阻检测到第一电压小于所述驱动芯片的第二引脚的参考电压时，所述驱动芯片导通所述功率管；当所述第一电阻、所述第二电阻和所述第三电阻检测到第一电压与所述驱动芯片的第二引脚的参考电压相等时，所述驱动芯片关断所述功率管。
本申请为了提高分控板的功率因数，并为了提高LED灯板的电源效率，故在分控板中设置功率因数校正电路和驱动电路。而功率因数校正电路和驱动电路的两级式拓扑结构，往往电源效率较低，故本申请针对驱动电路进行改进，以提高电源效率。其中，驱动电路如图1所示，图1示出了本申请提供的驱动电路的示意图。驱动电路包括驱动芯片、功率管Q1、电感L1、第一电容C1、第二电容C2、第三电容C3、第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第一二极管D1、第二二极管D2和LED灯组。驱动芯片通过向功率管输出PWM信号，控制功率管Q1导通与关断。其中，当驱动芯片检测到第一电阻R1、第二电阻R2和第三电阻R3的第一电压小于参考电压时，向功率管输出PWM信号，导通功率管Q1，此时电流经过电感L1和LED灯组，电流呈线性增大。当驱动芯片检测到第一电阻R1、第二电阻R2和第三电阻R3的第一电压等于参考电压时，向功率管输出PWM信号，关断功率管Q1，第一二极管D1导通，电感L1释放存储的能量，电流呈线性减小。上述驱动电路通过控制功率管Q1的导通与关断，进而控制电流与电压变化，以提高LED灯板的电源效率。
其次，本申请提供了一种护眼灯的控制方法，护眼灯的控制方法应用于中央处理单元。请参见图2，图2示出了本申请提供的一种护眼灯的控制方法的示意性流程图。如图2所示，该护眼灯的控制方法可以包括如下步骤：
步骤201：获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度。
本申请为了充分评估用户的使用需求，故获取两个维度上的数据（即用户信息和环境信息）。其中，用户信息包括但不限于年龄、职业、性别和眼部症状等一种信息或多种信息之间的组合。眼部症状包括但不限于近视或散光等症状。其中，不同年龄对于灯光的需求存在一定差异（例如：儿童不适宜亮度过高的灯光，而老人由于感光能力偏弱故不适宜亮度过低的灯光）。不同职业、不同性别和不同的眼部症状对灯光均具有不同的偏好。故本申请将上述信息作为用户信息，以充分评估用户的使用需求。
其中，环境信息包括但不限于环境亮度、季节、天气和温度等一种信息或多种信息之间的组合。为了适应不同场景或环境下的使用需求，故将环境亮度、季节、天气和温度作为环境信息，以充分评估用户的使用需求。
步骤202：基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵。
由于用户信息和环境信息为两种维度的数据，故本申请将用户信息和环境信息分别构建为第一数据矩阵和第二数据矩阵，以在后续处理过程中，分别处理两种维度的数据。其中，矩阵的构建过程为：将不同的用户信息和不同的环境信息进行赋值，得到不同信息对应的数值。并将不同信息对应的数值按照预设顺序排列为第一数据矩阵和第二数据矩阵。
步骤203：将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器。
本申请提供了一种并联深度模型。具体地，并联深度模型包括多个并联神经元、聚合特征提取层以及分类器；多个并联神经元包括第一并联神经元、第二并联神经元、第三并联神经元、第四并联神经元、第五并联神经元和第六并联神经元。其中，并联神经元具有多个层级结构，相邻层级之间为全连接关系，同一层级之间不存在连接关系，即相互独立。第一并联神经元、第二并联神经元和第三并联神经元构成第一网络分支。第四并联神经元、第五并联神经元和第六并联神经元构成第二网络分支。第一并联神经元、第三并联神经元、第四并联神经元和第六并联神经元分别由第一输入层、三个第一特征提取层和第一激活函数层构成。第二并联神经元和第五并联神经元分别由第二输入层、四个第二特征提取层和第二激活函数层构成。其中，第二激活函数的输入数据由第二输入层的输入数据以及第二特征提取层的输出数据加权融合而成。
值得注意的是，本申请为了提高处理精度，故将第一数据矩阵通过第一网络分支进行特征提取，将第二数据矩阵通过第二网络分支进行特征提取（即将两种维度的信息进行分别特征提取）。并将第一网络分支的第一输出数据、第二网络分支的第二输出数据、第一数据矩阵和第二数据矩阵在聚合特征提取层进行合并处理。
可以理解的是，随着网络模型的深度加强，模型处理的准确率逐步提升。然而，网络模型的深度加强，模型计算量也随之增大，同时也带来模型过拟合的缺陷。故为了克服上述的两种缺陷，本申请在并联深度模型中采用并联神经元，并联神经元中的“并联”是指同一层级之间不存在连接关系，而相邻层级之间为全连接关系。通过“并联”的方式减少模型的数据处理量。而为了提高模型的处理精准度，故可适当增加网络深度。为了克服过拟合的缺陷，故将第一数据矩阵、第二数据矩阵、第一网络分支的第一输出数据和第二网络分支的第二输出数据作为聚合特征提取层的输入数据，以在网络分支之间进行过拟合处理。且在第二并联神经元或第五并联神经元中将第二输入层的输入数据以及第二特征提取层的输出数据加权融合作为第二激活函数的输入数据，以在神经元内部进行过拟合处理。可以理解的是，本申请不仅在神经元（第二并联神经元和第五并联神经元）内部进行过拟合处理，且在网络分支之间（聚合特征提取层）同样进行过拟合处理，以尽可能减小过拟合的缺陷。
其中，第一并联神经元、第三并联神经元、第四并联神经元和第六并联神经元分别由第一输入层、三个第一特征提取层和第一激活函数层构成。可以理解的是，第一并联神经元、第三并联神经元、第四并联神经元和第六并联神经元主要由三个特征提取层堆叠而成。而每个网络分支由多个并联神经元堆叠而成。其中，第一输入层和第一特征提取层均包括多个节点。
而第二并联神经元和第五并联神经元分别由第二输入层、四个第二特征提取层和第二激活函数层构成。其中，第二激活函数的输入数据由第二输入层的输入数据以及第二特征提取层的输出数据加权融合而成，以尽可能减小过拟合的缺陷。其中，第二输入层和第二特征提取层均包括多个节点。
第二并联神经元和第五并联神经元主要由四个特征提取层堆叠而成。其中，为了避免过深的网络深度造成过拟合现象，故将第二输入层的输入数据以及第二特征提取层的输出数据加权融合作为第二激活函数的输入数据。
具体地，步骤203具体包括步骤2031至步骤2037。如图3所示，图3示出了本申请提供的一种护眼灯的控制方法中步骤203的具体示意性流程图。
步骤2031，将所述第一数据矩阵输入所述第一网络分支，得到所述第一输出数据。
步骤2032，将所述第二数据矩阵输入所述第二网络分支，得到所述第二输出数据。
步骤2033，将所述第一数据矩阵与所述第一输出数据进行加权求和，得到第三数据矩阵；其中，所述第一数据矩阵的第一权重小于所述第一输出数据的第二权重。
为了最大程度上保留特征提取结果，并抑制过拟合缺陷。故需将第一数据矩阵和第一输出数据设置合理的权重进行加权求和。其中，为了防止丢失特征提取效果，故往往将第一权重设置为较小的数值，将第二权重设置为较大的数值。其中，第一权重和第二权重的设定是基于模型训练阶段而得。
步骤2034，将所述第二数据矩阵与所述第二输出数据进行加权求和，得到第四数据矩阵；其中，所述第二数据矩阵的第三权重小于所述第二输出数据的第四权重。
为了最大程度上保留特征提取结果，并抑制过拟合缺陷。故需将第二数据矩阵和第二输出数据设置合理的权重进行加权求和。其中，为了防止丢失特征提取效果，故往往将第三权重设置为较小的数值，将第四权重设置为较大的数值。其中，第三权重和第四权重的设定是基于模型训练阶段而得。
步骤2035，将所述第三数据矩阵和所述第四数据矩阵组合，得到目标数据矩阵。
步骤2036，将所述目标数据矩阵输入所述聚合特征提取层，得到第三输出数据。
步骤2037，将所述第三输出数据输入分类器，得到所述分类结果。
在本实施例中，为了避免过深的网络深度造成过拟合现象，故将第一数据矩阵、第二数据矩阵、第一网络分支的第一输出数据和第二网络分支的第二输出数据作为聚合特征提取层的输入数据。且在第二并联神经元或第五并联神经元中将第二输入层的输入数据以及第二特征提取层的输出数据加权融合作为第二激活函数的输入数据。可以理解的是，本申请不仅在神经元（第二并联神经元和第五并联神经元）内部进行过拟合处理，且在网络分支之间（聚合特征提取层）同样进行过拟合处理，以尽可能减小过拟合的缺陷。
步骤204，匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
不同的分类结果对应不同的控制信号，控制信号包括但不限于亮度控制信号和色温控制信号等一种信号或多种信号之间的组合。
护眼灯在接收到控制信号后，根据控制信号调整LED灯组的亮度和色温。
在本实施例中，通过获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。上述方案，通过获取用户信息和环境信息，并通过并联深度模型匹配控制信号，以针对不同用户需求，对护眼灯进行自动控制，满足不同用户的使用需求。其中，并联深度模型通过两个网络分支分别提取用户信息和环境信息的特征信息，提高了模型的处理性能。且并联深度模型通过聚合特征提取层结合第一数据矩阵、第二数据矩阵、第一输出数据和第二输出数据进行特征提取，以减少模型过拟合导致的模型性能退化，进一步提高模型的处理性能。
可选地，步骤204之后还包括步骤205至步骤209。如图4所示，图4示出了本申请提供的另一种护眼灯的控制方法的示意性流程图。
步骤205：获取用户的多个历史睡眠数据；所述历史睡眠数据包括时段与睡眠周期之间的关系。
为了适应部分用户对于夜灯的使用习惯，本申请中的护眼灯提供了助眠功能，即通过灯光控制实现助眠功能。
可以理解的是，为了适应不同用户的睡眠习惯，故需获取用户的多个历史睡眠数据。其中，多个历史睡眠数据是指多个日期对应的历史睡眠数据。
步骤206：根据多个所述历史睡眠数据，统计用户的入睡期的平均时段，并统计所述平均时段内的多个历史心率数据。
睡眠周期包括入睡期、浅睡期、深睡期和清醒期。而助眠功能需要在入睡期进行，故需要根据多个历史睡眠数据，统计用户的入睡期的平均时段。
而心率数据数据可以很好地反映用户的入睡状态，故需获取平均时段内的多个历史心率数据，以更好地实现助眠功能。
步骤207：将所述平均时段内的多个所述历史心率数据进行线性拟合，得到线型表达式方程。
由于多个历史心率数据为离散数据，为了找到多个历史心率数据的变化规律，故将多个所述历史心率数据进行线性拟合，得到线型表达式方程。线型表达式方程用于表征随着时间变化心率数值的变化情况。
步骤208：根据所述线型表达式方程，获取多个时刻的目标心率数据。
其中，多个时刻可基于调整频率而定，即多个时刻为调整频率的时间间隔点。
步骤209：根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数；所述调整参数包括多个所述时刻对应的亮度参数以及固定色温参数。
当心率较高时，表示用户处于入睡前期。当心率较低时，表示用户处于入睡后期。故为了动态适应用户的入睡情况，本申请结合目标心率数据，计算亮度参数，具体的计算过程如下：
具体地，步骤209具体包括步骤2091至步骤步骤2093。如图5所示，图5示出了本申请提供的一种护眼灯的控制方法中步骤209的具体示意性流程图。
步骤2091：获取多个所述目标心率数据的变化斜率、多个所述目标心率数据的中位数和预设转换系数。
步骤2092：将所述目标心率数据、所述变化斜率、所述中位数和所述预设转换系数代入如下公式一，得到所述亮度参数；
公式一：
Figure SMS_2
其中，L表示所述亮度参数，K表示所述变化斜率，S表示所述预设转换系数，D表示所述目标心率数据，d表示所述中位数。
由于目标心率数据、变化斜率和中位数在一定程度上与睡眠状态正相关，故本实施例基于目标心率数据、变化斜率、中位数和预设转换系数，计算亮度参数。其中，上述公式一是基于实验数据和统计学，得到的心率数据与亮度参数之间的映射关系。心率数据与亮度参数之间映射关系的评价标准，是以针对用户助眠效果而定。
步骤2093：向所述护眼灯发送调整参数。
护眼灯接收到调整参数后，将LED灯组的色温调整为固定色温参数，在多个时刻调整LED灯组的亮度。
在本实施例中，通过统计用户入睡期的平均时段，并基于平均时段内的心率数据生成调整参数。由于心率数据可以很好地反映用户的睡眠情况，故可基于心率数据针对性的调整护眼灯灯光，故很好地实现助眠效果。
作为本申请的一个可选实施例，由于上述调整参数是基于历史睡眠数据进行灯光调整，在实际应用场景中可能存在一定误差。故为了适应用户的实时睡眠变化，本实施例实时获取当前心率数据。若当前心率数据低于阈值，且持续时间超过预设时长，则向护眼灯发送固定参数，所述固定参数包括预设亮度参数以及预设色温参数；其中，所述固定参数的执行优先级高于所述调整参数。通过上述方式充分适用用户的睡眠习惯，减少用户的不适感。
如图6本申请提供了一种护眼灯的控制装置6，请参见图6，图6示出了本申请提供的一种护眼灯的控制装置的示意图，如图6所示一种护眼灯的控制装置包括：
获取单元61，用于获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
构建单元62，用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
分类单元63，用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
发送单元64，用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
本申请提供的一种护眼灯的控制装置，通过获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。上述方案，通过获取用户信息和环境信息，并通过并联深度模型匹配控制信号，以针对不同用户需求，对护眼灯进行自动控制，满足不同用户的使用需求。其中，并联深度模型通过两个网络分支分别提取用户信息和环境信息的特征信息，提高了模型的处理性能。且并联深度模型通过聚合特征提取层结合第一数据矩阵、第二数据矩阵、第一输出数据和第二输出数据进行特征提取，以减少模型过拟合导致的模型性能退化，进一步提高模型的处理性能。
图7是本申请一实施例提供的一种护眼灯的示意图。如图7所示，该实施例的一种护眼灯7包括：分控板71、LED灯组72、通信单元73、处理器74、存储器75以及存储在所述存储器75中并可在所述处理器74上运行的计算机程序76，例如一种护眼灯的控制方法程序。所述处理器74执行所述计算机程序76时实现上述各个一种护眼灯的控制方法实施例中的步骤，例如图2所示的步骤201至步骤204。或者，所述处理器74执行所述计算机程序76时实现上述各装置实施例中各单元的功能，例如图6所示获取单元61、构建单元62、分类单元63以及发送单元64的功能。
示例性的，所述计算机程序76可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器75中，并由所述处理器74执行，以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序76在所述一种护眼灯7中的执行过程。例如，所述计算机程序76可以被分割成各单元的具体功能如下：
获取单元，用于获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
构建单元，用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
分类单元，用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
发送单元，用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
所述护眼灯中包括但不限于处理器74和存储器75。本领域技术人员可以理解，图7仅仅是一种护眼灯7的示例，并不构成对一种护眼灯7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种护眼灯还可以包括输入输出设备、网络接入设备、总线等。
所述处理器74可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用第一处理器、数字信号第一处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用第一处理器可以是微第一处理器或者该第一处理器也可以是任何常规的第一处理器等。
所述存储器75可以是所述一种护眼灯7的内部存储单元，例如一种护眼灯7的硬盘或内存。所述存储器75也可以是所述一种护眼灯7的外部存储设备，例如所述一种护眼灯7上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器75还可以既包括所述一种护眼灯7的内部存储单元也包括外部存储设备。所述存储器75用于存储所述计算机程序以及所述一种漫游控制设备所需的其他程序和数据。所述存储器75还可以用于暂时地存储已经输出或者将要输出的数据。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，既将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被第一处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元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，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被第一处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/护眼灯的任何实体或装置、记录介质、计算机第一存储器、只读第一存储器（Read-Only Memory，ROM）、随机存取第一存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，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，既可以位于一个地方，或者也可以分布到多个网络单元上。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于监测到”。类似地，短语“如果确定”或“如果监测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦监测到[所描述条件或事件]”或“响应于监测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种护眼灯系统，其特征在于，所述护眼灯系统包括护眼灯以及中央处理单元；
所述护眼灯包括分控板、多组LED灯组和通信单元；
所述分控板用于控制所述LED灯组，包括紫蓝双芯片和紫蓝红三芯片；
所述通信单元用于与所述中央处理单元通信；
所述中央处理单元用于获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
所述中央处理单元用于基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
所述中央处理单元用于将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
所述中央处理单元用于匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
2.如权利要求1所述护眼灯系统，其特征在于，所述分控板包括功率因数校正电路和驱动电路；
所述驱动电路包括驱动芯片、功率管、电感、第一电容、第一电阻、第二电阻和第三电阻；其中，所述驱动芯片的第一引脚用于向所述功率管输出PWM信号；所述PWM信号用于导通或关断所述功率管；
当所述第一电阻、所述第二电阻和所述第三电阻检测到第一电压小于所述驱动芯片的第二引脚的参考电压时，所述驱动芯片导通所述功率管；
当所述第一电阻、所述第二电阻和所述第三电阻检测到第一电压与所述驱动芯片的第二引脚的参考电压相等时，所述驱动芯片关断所述功率管。
3.一种护眼灯的控制方法，其特征在于，所述护眼灯的控制方法应用于中央处理单元，所述护眼灯的控制方法包括：
获取用户信息和环境信息；所述用户信息包括年龄、职业、性别和眼部症状，所述环境信息包括环境亮度、季节、天气和温度；
基于所述用户信息构建第一数据矩阵，根据所述环境信息构建第二数据矩阵；
将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果；所述并联深度模型包括第一网络分支、第二网络分支、聚合特征提取层和分类器；所述第一数据矩阵用于输入所述第一网络分支，所述第二数据矩阵用于输入所述第二网络分支，所述第一数据矩阵、所述第二数据矩阵、所述第一网络分支的第一输出数据和所述第二网络分支的第二输出数据用于输入所述聚合特征提取层，所述聚合特征提取层的第三输出数据用于输入所述分类器；
匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号。
4.如权利要求3所述的护眼灯的控制方法，其特征在于，所述并联深度模型包括多个并联神经元以及分类器；多个并联神经元包括第一并联神经元、第二并联神经元、第三并联神经元、第四并联神经元、第五并联神经元和第六并联神经元；其中，并联神经元具有多个层级结构，相邻层级之间为全连接关系，同一层级之间不存在连接关系；
所述第一并联神经元、所述第二并联神经元和所述第三并联神经元构成所述第一网络分支；
所述第四并联神经元、所述第五并联神经元和所述第六并联神经元构成所述第二网络分支；
所述第一并联神经元、所述第三并联神经元、所述第四并联神经元和所述第六并联神经元分别由第一输入层、三个第一特征提取层和第一激活函数层构成；
所述第二并联神经元和所述第五并联神经元分别由第二输入层、四个第二特征提取层和第二激活函数层构成；其中，所述第二激活函数的输入数据由所述第二输入层的输入数据以及所述第二特征提取层的输出数据组合而成。
5.如权利要求4所述的护眼灯的控制方法，其特征在于，所述将所述第一数据矩阵和所述第二数据矩阵输入预先训练的并联深度模型，得到由所述并联深度模型输出的分类结果的步骤包括：
将所述第一数据矩阵输入所述第一网络分支，得到所述第一输出数据；
将所述第二数据矩阵输入所述第二网络分支，得到所述第二输出数据；
将所述第一数据矩阵与所述第一输出数据进行加权求和，得到第三数据矩阵；其中，所述第一数据矩阵的第一权重小于所述第一输出数据的第二权重；
将所述第二数据矩阵与所述第二输出数据进行加权求和，得到第四数据矩阵；其中，所述第二数据矩阵的第三权重小于所述第二输出数据的第四权重；
将所述第三数据矩阵和所述第四数据矩阵组合，得到目标数据矩阵；
将所述目标数据矩阵输入所述聚合特征提取层，得到第三输出数据；
将所述第三输出数据输入分类器，得到所述分类结果。
6.如权利要求3所述的护眼灯的控制方法，其特征在于，在所述匹配所述分类结果对应的控制信号，并向所述护眼灯发送控制信号；所述控制信号包括亮度控制信号和色温控制信号的步骤之后，还包括：
获取用户的多个历史睡眠数据；所述历史睡眠数据包括时段与睡眠周期之间的关系；
根据多个所述历史睡眠数据，统计用户的入睡期的平均时段，并统计所述平均时段内的多个历史心率数据；
将所述平均时段内的多个所述历史心率数据进行线性拟合，得到线型表达式方程；
根据所述线型表达式方程，获取多个时刻的目标心率数据；
根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数；所述调整参数包括多个所述时刻对应的亮度参数以及固定色温参数。
7.如权利要求6所述的护眼灯的控制方法，其特征在于，所述根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数的步骤包括：
获取多个所述目标心率数据的变化斜率、多个所述目标心率数据的中位数和预设转换系数；
将所述目标心率数据、所述变化斜率、所述中位数和所述预设转换系数代入如下公式一，得到所述亮度参数；
公式一：
Figure QLYQS_1
其中，L表示所述亮度参数，K表示所述变化斜率，S表示所述预设转换系数，D表示所述目标心率数据，d表示所述中位数；
向所述护眼灯发送调整参数。
8.如权利要求6所述的护眼灯的控制方法，其特征在于，在所述根据多个所述时刻的目标心率数据，分别计算多个时刻各自对应的亮度参数，并向所述护眼灯发送调整参数的步骤之后，还包括：
实时获取当前心率数据；
若所述当前心率数据低于阈值，且持续时间超过预设时长，则向所述护眼灯发送固定参数，所述固定参数包括预设亮度参数以及预设色温参数；其中，所述固定参数的执行优先级高于所述调整参数。
9.一种护眼灯，包括分控板、LED灯组、通信单元、存储器、处理器以及存储在所述存储器中并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如权利要求3至8任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求3至8任一项所述方法的步骤。
CN202310437232.2A 2023-04-23 2023-04-23 一种护眼灯的控制方法、护眼灯系统及介质 Active CN116170915B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310437232.2A CN116170915B (zh) 2023-04-23 2023-04-23 一种护眼灯的控制方法、护眼灯系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310437232.2A CN116170915B (zh) 2023-04-23 2023-04-23 一种护眼灯的控制方法、护眼灯系统及介质

Publications (2)

Publication Number Publication Date
CN116170915A true CN116170915A (zh) 2023-05-26
CN116170915B CN116170915B (zh) 2023-08-08

Family

ID=86416678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310437232.2A Active CN116170915B (zh) 2023-04-23 2023-04-23 一种护眼灯的控制方法、护眼灯系统及介质

Country Status (1)

Country Link
CN (1) CN116170915B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717873A (zh) * 2018-07-20 2018-10-30 同济大学 一种基于无监督学习技术的空间光环境ai调节系统
CN110334705A (zh) * 2019-06-25 2019-10-15 华中科技大学 一种结合全局和局部信息的场景文本图像的语种识别方法
US20200229286A1 (en) * 2019-01-11 2020-07-16 Lexi Devices, Inc. Learning a lighting preference based on a reaction type
CN111460850A (zh) * 2019-01-02 2020-07-28 中国移动通信有限公司研究院 数据处理方法及装置、电子设备及存储介质
CN113642646A (zh) * 2021-08-13 2021-11-12 重庆邮电大学 一种基于多注意力和语义的图像威胁物品分类及定位方法
WO2022031038A1 (ko) * 2020-08-04 2022-02-10 주식회사 에이슬립 사용자의 수면 환경에서 측정된 데이터에 기반하여 수면 상태를 예측하기 위한 컴퓨팅 장치
CN114189970A (zh) * 2022-02-15 2022-03-15 广州地铁设计研究院股份有限公司 一种基于在线学习的灯具后备智能控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717873A (zh) * 2018-07-20 2018-10-30 同济大学 一种基于无监督学习技术的空间光环境ai调节系统
CN111460850A (zh) * 2019-01-02 2020-07-28 中国移动通信有限公司研究院 数据处理方法及装置、电子设备及存储介质
US20200229286A1 (en) * 2019-01-11 2020-07-16 Lexi Devices, Inc. Learning a lighting preference based on a reaction type
CN110334705A (zh) * 2019-06-25 2019-10-15 华中科技大学 一种结合全局和局部信息的场景文本图像的语种识别方法
WO2022031038A1 (ko) * 2020-08-04 2022-02-10 주식회사 에이슬립 사용자의 수면 환경에서 측정된 데이터에 기반하여 수면 상태를 예측하기 위한 컴퓨팅 장치
CN113642646A (zh) * 2021-08-13 2021-11-12 重庆邮电大学 一种基于多注意力和语义的图像威胁物品分类及定位方法
CN114189970A (zh) * 2022-02-15 2022-03-15 广州地铁设计研究院股份有限公司 一种基于在线学习的灯具后备智能控制方法

Also Published As

Publication number Publication date
CN116170915B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
CN111460850B (zh) 数据处理方法及装置、电子设备及存储介质
CN115150984B (zh) Led灯带及其控制方法
CN105005204A (zh) 可自动触发智能家居和智慧生活情景的智能引擎系统及方法
CN108538263B (zh) 一种色温调节方法和装置
CN109874209A (zh) 基于场景自动识别的商务酒店客房场景照明系统
CN108563141A (zh) 智能家居系统及其控制方法
CN208424845U (zh) 有效调控人体昼夜节律的健康照明系统
CN104812119A (zh) 模拟动态自然光的智能家居照明系统
CN106455210A (zh) 室内照度智能调节装置及控制方法
EP3626030B1 (en) Lighting system that maintains melanopic lux levels at the eye regardless of distance to user
CN112074053A (zh) 一种基于室内环境参数的照明设备调控方法及装置
CN116170915B (zh) 一种护眼灯的控制方法、护眼灯系统及介质
CN113923839A (zh) 一种灯光调节方法及系统
CN109874195A (zh) 一种有效调控人体昼夜节律的健康照明系统
CN115696690A (zh) 一种分布式智慧建筑照明自适应节能控制方法
CN109086823A (zh) 一种小麦赤霉病病穗率自动统计方法
CN117222069B (zh) 照明驱动电源的智能控制方法
CN109480775A (zh) 一种基于人工智能的新生儿黄疸识别装置、设备、系统
CN109827297A (zh) 一种环境参数的自动控制方法、系统及空调器
CN204578812U (zh) 模拟动态自然光的智能家居照明系统
CN116209113B (zh) 一种应用于多通道led调光的非线性补偿方法及系统
CN107743331A (zh) 光源控制方法、装置和系统
CN104619082B (zh) 亮度调节方法、led照明装置和照明系统
CN105263234A (zh) 基于Adaboost算法的自然起床灯控制系统及方法
CN113543422A (zh) 一种家居光环境调控方法、装置及系统

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