CN116321606A - 一种灯光发射波束的优化方法 - Google Patents
一种灯光发射波束的优化方法 Download PDFInfo
- Publication number
- CN116321606A CN116321606A CN202310051511.5A CN202310051511A CN116321606A CN 116321606 A CN116321606 A CN 116321606A CN 202310051511 A CN202310051511 A CN 202310051511A CN 116321606 A CN116321606 A CN 116321606A
- Authority
- CN
- China
- Prior art keywords
- light source
- spectrum light
- illuminance
- full
- illumination
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 67
- 238000005286 illumination Methods 0.000 claims abstract description 43
- 238000012546 transfer Methods 0.000 claims abstract description 16
- 230000003287 optical effect Effects 0.000 claims abstract description 13
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 239000000523 sample Substances 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 239000013074 reference sample Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- 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
-
- 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
-
- 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
本发明公开了一种灯光发射波束的优化方法,包括以下步骤;获取光照度、时刻、声音强度及红外信号,采用K‑means算法对全光谱光源光照度进行聚类;采用高斯核函数将时刻,声音强度、红外信号,聚类后的全光谱光源光照度映射至高维空间,得到高维空间特征向量;根据对象传递函数,并且还根据光学单元的光学传递函数执行优化,获得优化的全光谱光源几何结构。有益效果:本发明提高了全光谱照明系统的实时性、精确性,减少了人工的参与,达到灯光集中又能够尽量减小小区间的干扰,降低了检查的时间,节省了人工成本,对多个灯具的照射角度进行快速调整,快速聚焦,以此来优化灯具的聚焦控制效果,减少人工控制操作,提升控制效率。
Description
技术领域
本发明涉及照明技术领域,具体来说,涉及一种灯光发射波束的优化方法。
背景技术
随着节能减排的需求越来越迫切,全光谱智能照明技术的不断发展,光效不断提高,全光谱智能照明得到越来越广泛的应用,取代传统白炽灯、荧光灯的趋势越来越明显。全光谱智能照明路灯广泛用在各种道路的照明中,现有的灯,配光上大多采用自由曲面单透镜配光,存在一定的色差,目标面上存在黄圈现象,照明颜色不均匀,现有的基于全光谱的智能照明系统及其方法相结合来说,现有的大多仅是单独对全光谱节能灯具的供电电压、供电电流情况进行分析判别,而与其相关联的电力线路的工作状况却鲜有涉及,使得整体的处理过程较为单一。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种灯光发射波束的优化方法,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
一种灯光发射波束的优化方法,包括以下步骤;
获取光照度、时刻、声音强度及红外信号,采用K-means算法对全光谱光源光照度进行聚类;
采用高斯核函数将时刻,声音强度、红外信号,聚类后的全光谱光源光照度映射至高维空间,得到高维空间特征向量;
根据对象传递函数,并且还根据光学单元的光学传递函数执行优化,获得优化的全光谱光源几何结构;
实时的采集节能灯具的照明工况信息,并对其进行数据分析,在接收到实时的节能灯具的全光谱光源照明工况信息后,则对其进行全光谱光源照明工况分析操作;
将高维空间特征向量作为输入,实时获取全光谱光源光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的全光谱光源光照度进行聚类;
采用高斯核函数将时刻、声音强度、红外信号及聚类后的全光谱光源光照度映射至高维空间,得到高维空间数据;
采用所述有效的支持向量机模型对实时获取的所述高维空间数据进行预测,根据预测结果对灯组发出指令;
在接收到实时的节能灯具的全光谱光源照明工况信息后,则对其进行全光谱光源照明工况分析操作,并对其进行线路工况分析操作;
采用K-means算法对全光谱光源光照度进行聚类,包括:统计所有光照度,找出中位数最多的前k个数据,将其初始化为聚类的初始质心;
遍历所有数据,计算出其它全光谱光源光照度到k个初始质心的距离,将各个全光谱光源光照度划分至距离最近的初始质心所在的簇中;
将每个簇中所有全光谱光源光照度的中间值作为该簇的新质心,重复遍历所有全光谱光源光照度,计算每个全光谱光源光照度距离每个新质心的距离,并根据最近距离将每个全光谱光源光照度划分到新的簇中,再将每个新的簇中所有全光谱光源光照度的中间值作为每个簇的新质心,重复以上计算,直至新质心不再发生变化。
作为优选的,根据优化标准,优化迭代地检查所述样本对象的多个波束,所述波束基于所述对象传递函数和所述光学传递函数进行模拟,其中,模拟波束与不同模拟的测试照明几何结构相关联。
作为优选的,所述模拟波束的波束对比度和所述模拟波束中所述样本对象的波束与参考样本对象的对象相似度中的至少一项。
作为优选的,根据所述样本对象的所述多个初始波束,确定所述样本对象的相位对比加权参考波束。
作为优选的,根据傅里叶叠层成像分析和/或根据迭代傅里叶变换算法的组合,确定所述样本对象的所述相位对比加权参考波束。
作为优选的,根据所述参考波束,设置所述优化的起始点和/或所述优化的边界条件。
作为优选的,获取样本对象的参考波束;根据所述参考波束,利用人工神经网络对所述样本对象分类;根据所述分类,确定照明几何结构。
作为优选的,实时获取光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的光照度进行聚类,采用高斯核函数将时刻、声音强度、红外信号及聚类后的光照度映射至高维空间,得到高维空间数据。
本发明的有益效果为:本发明提高了全光谱照明系统的实时性、精确性,减少了人工的参与,达到灯光集中又能够尽量减小小区间的干扰,降低了检查的时间,节省了人工成本,对多个灯具的照射角度进行快速调整,快速聚焦,以此来优化灯具的聚焦控制效果,减少人工控制操作,提升控制效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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发明的一些实施例,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他的附图。
图1是根据本发明实施例的一种灯光发射波束的优化方法的流程图之一;
图2是根据本发明实施例的一种灯光发射波束的优化方法的流程图之二。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点,图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例,提供了一种灯光发射波束的优化方法。
实施例一;
如图1-2所示,根据本发明实施例的灯光发射波束的优化方法,包括以下步骤;
获取光照度、时刻、声音强度及红外信号,采用K-means算法对光照度进行聚类;
采用高斯核函数将时刻,声音强度、红外信号,聚类后的光照度映射至高维空间,得到高维空间特征向量;
根据对象传递函数,并且还根据光学单元的光学传递函数执行优化,获得优化的照明几何结构;
实时的采集节能灯具的照明工况信息,并对其进行数据分析,在接收到实时的节能灯具的照明工况信息后,则对其进行照明工况分析操作;
将高维空间特征向量作为输入,实时获取光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的光照度进行聚类;
采用高斯核函数将时刻、声音强度、红外信号及聚类后的光照度映射至高维空间,得到高维空间数据;
采用所述有效的支持向量机模型对实时获取的所述高维空间数据进行预测,根据预测结果对灯组发出指令;
在接收到实时的节能灯具的照明工况信息后,则对其进行照明工况分析操作,并对其进行线路工况分析操作;
采用K-means算法对光照度进行聚类,包括:统计所有光照度,找出中位数最多的前k个数据,将其初始化为聚类的初始质心;
遍历所有数据,计算出其它光照度到k个初始质心的距离,将各个光照度划分至距离最近的初始质心所在的簇中;
将每个簇中所有光照度的中间值作为该簇的新质心,重复遍历所有光照度,计算每个光照度距离每个新质心的距离,并根据最近距离将每个光照度划分到新的簇中,再将每个新的簇中所有光照度的中间值作为每个簇的新质心,重复以上计算,直至新质心不再发生变化。
实施例二;
如图1-2所示,根据优化标准,优化迭代地检查所述样本对象的多个波束,所述波束基于所述对象传递函数和所述光学传递函数进行模拟,其中,模拟波束与不同模拟的测试照明几何结构相关联,所述模拟波束的波束对比度和所述模拟波束中所述样本对象的波束与参考样本对象的对象相似度中的至少一项。
实施例三;
如图1-2所示,根据所述样本对象的所述多个初始波束,确定所述样本对象的相位对比加权参考波束,根据傅里叶叠层成像分析和/或根据迭代傅里叶变换算法的组合,确定所述样本对象的所述相位对比加权参考波束,根据所述参考波束,设置所述优化的起始点和/或所述优化的边界条件。
实施例三;
如图1-2所示,获取样本对象的参考波束;根据所述参考波束,利用人工神经网络对所述样本对象分类;根据所述分类,确定照明几何结构,实时获取光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的光照度进行聚类,采用高斯核函数将时刻、声音强度、红外信号及聚类后的光照度映射至高维空间,得到高维空间数据。
如图1-2所示,根据本发明的实施例,还提供了一种灯光发射波束的优化方法。
包括以下步骤:
步骤S101、获取光照度、时刻、声音强度及红外信号,采用K-means算法对全光谱光源光照度进行聚类;
步骤S103、采用高斯核函数将时刻,声音强度、红外信号,聚类后的全光谱光源光照度映射至高维空间,得到高维空间特征向量;
步骤S105、根据对象传递函数,并且还根据光学单元的光学传递函数执行优化,获得优化的全光谱光源几何结构;
步骤S107、实时的采集节能灯具的照明工况信息,并对其进行数据分析,在接收到实时的节能灯具的全光谱光源照明工况信息后,则对其进行全光谱光源照明工况分析操作;
步骤S109、将高维空间特征向量作为输入,实时获取全光谱光源光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的全光谱光源光照度进行聚类;
步骤S111、采用高斯核函数将时刻、声音强度、红外信号及聚类后的全光谱光源光照度映射至高维空间,得到高维空间数据;
步骤S113、采用所述有效的支持向量机模型对实时获取的所述高维空间数据进行预测,根据预测结果对灯组发出指令;
步骤S115、在接收到实时的节能灯具的全光谱光源照明工况信息后,则对其进行全光谱光源照明工况分析操作,并对其进行线路工况分析操作;
步骤S117、采用K-means算法对全光谱光源光照度进行聚类,包括:统计所有光照度,找出中位数最多的前k个数据,将其初始化为聚类的初始质心;
步骤S119、遍历所有数据,计算出其它全光谱光源光照度到k个初始质心的距离,将各个全光谱光源光照度划分至距离最近的初始质心所在的簇中;
步骤S121、将每个簇中所有全光谱光源光照度的中间值作为该簇的新质心,重复遍历所有全光谱光源光照度,计算每个全光谱光源光照度距离每个新质心的距离,并根据最近距离将每个全光谱光源光照度划分到新的簇中,再将每个新的簇中所有全光谱光源光照度的中间值作为每个簇的新质心,重复以上计算,直至新质心不再发生变化。
综上所述,借助于本发明的上述技术方案,本发明提高了全光谱照明系统的实时性、精确性,减少了人工的参与,达到灯光集中又能够尽量减小小区间的干扰,降低了检查的时间,节省了人工成本,对多个灯具的照射角度进行快速调整,快速聚焦,以此来优化灯具的聚焦控制效果,减少人工控制操作,提升控制效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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 (8)
1.一种灯光发射波束的优化方法,其特征在于,包括以下步骤;
获取光照度、时刻、声音强度及红外信号,采用K-means算法对全光谱光源光照度进行聚类;
采用高斯核函数将时刻,声音强度、红外信号,聚类后的全光谱光源光照度映射至高维空间,得到高维空间特征向量;
根据对象传递函数,并且还根据光学单元的光学传递函数执行优化,获得优化的全光谱光源几何结构;
实时的采集节能灯具的照明工况信息,并对其进行数据分析,在接收到实时的节能灯具的全光谱光源照明工况信息后,则对其进行全光谱光源照明工况分析操作;
将高维空间特征向量作为输入,实时获取全光谱光源光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的全光谱光源光照度进行聚类;
采用高斯核函数将时刻、声音强度、红外信号及聚类后的全光谱光源光照度映射至高维空间,得到高维空间数据;
采用所述有效的支持向量机模型对实时获取的所述高维空间数据进行预测,根据预测结果对灯组发出指令;
在接收到实时的节能灯具的全光谱光源照明工况信息后,则对其进行全光谱光源照明工况分析操作,并对其进行线路工况分析操作;
采用K-means算法对全光谱光源光照度进行聚类,包括:统计所有光照度,找出中位数最多的前k个数据,将其初始化为聚类的初始质心;
遍历所有数据,计算出其它全光谱光源光照度到k个初始质心的距离,将各个全光谱光源光照度划分至距离最近的初始质心所在的簇中;
将每个簇中所有全光谱光源光照度的中间值作为该簇的新质心,重复遍历所有全光谱光源光照度,计算每个全光谱光源光照度距离每个新质心的距离,并根据最近距离将每个全光谱光源光照度划分到新的簇中,再将每个新的簇中所有全光谱光源光照度的中间值作为每个簇的新质心,重复以上计算,直至新质心不再发生变化。
2.根据权利要求1所述的一种灯光发射波束的优化方法,其特征在于,根据优化标准,优化迭代地检查所述样本对象的多个波束,所述波束基于所述对象传递函数和所述光学传递函数进行模拟,其中,模拟波束与不同模拟的测试照明几何结构相关联。
3.根据权利要求2所述的一种灯光发射波束的优化方法,其特征在于,所述模拟波束的波束对比度和所述模拟波束中所述样本对象的波束与参考样本对象的对象相似度中的至少一项。
4.根据权利要求3所述的一种灯光发射波束的优化方法,其特征在于,根据所述样本对象的所述多个初始波束,确定所述样本对象的相位对比加权参考波束。
5.根据权利要求4所述的一种灯光发射波束的优化方法,其特征在于,根据傅里叶叠层成像分析和/或根据迭代傅里叶变换算法的组合,确定所述样本对象的所述相位对比加权参考波束。
6.根据权利要求5所述的一种灯光发射波束的优化方法,其特征在于,根据所述参考波束,设置所述优化的起始点和/或所述优化的边界条件。
7.根据权利要求6所述的一种灯光发射波束的优化方法,其特征在于,获取样本对象的参考波束;根据所述参考波束,利用人工神经网络对所述样本对象分类;根据所述分类,确定照明几何结构。
8.根据权利要求7所述的一种灯光发射波束的优化方法,其特征在于,实时获取光照度、时刻、声音强度及红外信号,采用K-means算法对实时获取的光照度进行聚类,采用高斯核函数将时刻、声音强度、红外信号及聚类后的光照度映射至高维空间,得到高维空间数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310051511.5A CN116321606A (zh) | 2023-02-02 | 2023-02-02 | 一种灯光发射波束的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310051511.5A CN116321606A (zh) | 2023-02-02 | 2023-02-02 | 一种灯光发射波束的优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116321606A true CN116321606A (zh) | 2023-06-23 |
Family
ID=86827703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310051511.5A Withdrawn CN116321606A (zh) | 2023-02-02 | 2023-02-02 | 一种灯光发射波束的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116321606A (zh) |
-
2023
- 2023-02-02 CN CN202310051511.5A patent/CN116321606A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8041090B2 (en) | Method of, and apparatus and computer software for, performing image processing | |
CN114749342B (zh) | 一种锂电池极片涂布缺陷识别方法、装置及介质 | |
CN102812357A (zh) | 木材树种的识别方法与系统 | |
CN117557569A (zh) | 一种道路路面施工质量检测方法及系统 | |
US11287634B2 (en) | Control method for automated microscope system, microscope system and computer-readable storage medium | |
CN108763872B (zh) | 一种分析预测癌症突变影响lir模体功能的方法 | |
CN113589701A (zh) | 一种基于智能家居系统的节能分析管控方法及云分析中控平台 | |
JP2021032898A (ja) | 反復分類に基づく水域識別方法及び装置 | |
CN116321606A (zh) | 一种灯光发射波束的优化方法 | |
CN117835500A (zh) | 基于物联网技术的智慧城市照明智能控制系统及方法 | |
Chen et al. | Deep-learning-based road crack detection frameworks for dashcam-captured images under different illumination conditions | |
CN111189840B (zh) | 近场均匀照明的纸病检测方法 | |
CN112949720A (zh) | 一种基于三元组损失的未知辐射源辨别方法 | |
CN115273645B (zh) | 一种室内面要素自动聚类的地图制图方法 | |
CN109142248B (zh) | 早期鸡胚雌雄识别的方法 | |
CN114867168A (zh) | 基于光感的灯光自动调节方法 | |
CN113158951B (zh) | 一种从低倍镜图像中寻找染色体分裂相的方法 | |
CN111586941A (zh) | 一种基于神经网络算法的智能照明控制方法 | |
CN113260121A (zh) | 基于5g通信的智能场景控制方法及系统 | |
CN116756469A (zh) | 一种户外照明灯具优化管理系统 | |
CN117152160B (zh) | 一种基于图像处理的机场灯具检测方法及系统 | |
CN116597433A (zh) | 一种基于空间聚类与时序曝光的车辆车牌检测方法 | |
Wang et al. | Threshold Segmentation of Magnetic Column Defect Image based on Artificial Fish Swarm Algorithm | |
CN117094230B (zh) | 一种城市灯光优化模型训练系统及方法 | |
Abderraouf et al. | Vision-based Indoor Lighting Assessment Approach for Daylight Harvesting |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230623 |