CN116887467B - 一种基于多色全光谱调光技术的灯具混光方法及系统 - Google Patents
一种基于多色全光谱调光技术的灯具混光方法及系统 Download PDFInfo
- Publication number
- CN116887467B CN116887467B CN202310879639.0A CN202310879639A CN116887467B CN 116887467 B CN116887467 B CN 116887467B CN 202310879639 A CN202310879639 A CN 202310879639A CN 116887467 B CN116887467 B CN 116887467B
- Authority
- CN
- China
- Prior art keywords
- color
- user
- branch
- color temperature
- light sources
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001228 spectrum Methods 0.000 title claims abstract description 28
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000010586 diagram Methods 0.000 claims abstract description 29
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 230000006399 behavior Effects 0.000 claims abstract description 11
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 8
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000001105 regulatory effect Effects 0.000 claims abstract description 3
- 230000008451 emotion Effects 0.000 claims description 48
- 230000036651 mood Effects 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 27
- 230000007246 mechanism Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 230000004913 activation Effects 0.000 claims description 12
- 230000007774 longterm Effects 0.000 claims description 12
- 238000011176 pooling Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000002457 bidirectional effect Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000008447 perception Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000016776 visual perception Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 abstract 1
- 238000005286 illumination Methods 0.000 description 15
- 239000011324 bead Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007407 health benefit Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000005476 soldering Methods 0.000 description 1
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]
- H05B45/10—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
-
- 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
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及照明灯具领域，具体为一种基于多色全光谱调光技术的灯具混光方法及系统，该方法包括获取若干光源；在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标；根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上；根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而使得若干所述光源混合后的色温与所述色点T的色温相同；该系统包括光源获取模块、色点定位模块、调整模块及控制模块。实现了模拟太阳光谱。
Description
技术领域
本发明涉及照明灯具领域，尤其涉及一种基于多色全光谱调光技术的灯具混光方法及系统。
背景技术
在当今的照明技术中，人们逐渐意识到光的色温对于人类视觉体验和舒适感的重要性。色温可以改变我们对环境的感知，影响我们的情绪和行为，甚至影响我们的生理功能。因此，灯具制造商不断努力提供可以模拟各种自然光源，特别是太阳光的灯具。
目前市场上的许多灯具可以提供色温调节功能，其中双色温灯具是最常见的一种。这种灯具通常包含两种颜色的LED光源，如2700K（暖白色）和6500K（冷白色）。通过调节这两个光源的亮度，可以模拟出一系列从暖色到冷色的色温。然而，这种技术有一个明显的问题，就是它只能确保在两个极端色温点上（在这个例子中是2700K和6500K）与黑体曲线相符，而在这两点之间的色温，比如3000K等，如图2所示，大部分的双色温灯具的调光曲线会在三角形的下端虚线部分做调光，其实际色点往往会偏离黑体曲线。黑体曲线上的色温被认为是最接近自然光，或者说是最“真实”的光，因此，这种偏离就意味着灯具发出的光的色温并不真实，这对于人眼是可以察觉到的。
例如中国专利201510772722.3公开了一种用于LED光源的混光方法及线性照明灯具，其包括根据期望色温计算白平衡亮度比、获取LED光源的最大亮度值、计算期望亮度值、获取期望颜色及颜色坐标、计算占空比和输出亮度等步骤，在不需要获知LED灯珠的颜色坐标参数和光通量参数的情况下，依然能根据需要完成混光操作。但是上述混光方法还存在以下不足：虽然可以进行混光操作，但是不一定能做到让色点接近或落在黑体曲线上，可能和自然光差距较大，且模拟出的色温范围较窄。同时需要预先设置目标色温，智能化较低。
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
有鉴于此，本申请实施例的目的是提供一种基于多色全光谱调光技术的灯具混光方法及系统，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：
根据本发明的一个方面，提供了一种基于多色全光谱调光技术的灯具混光方法，该方法包括以下步骤：
S1、获取若干光源，该若干光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点；
S2、在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标；
S3、根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上，其中，所述黑体曲线对应需要的色温；
S4、根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而若干所述光源混合后的色温与所述色点T的色温相同。
优选的，所述根据环境条件和用户行为，自动选择色点T的位置包括以下步骤：
S31、利用视频采集卡收集用户环境数据；
S32、利用视频采集卡收集用户情感数据；
S33、将收集到的所述用户环境数据及所述用户情感数据进行处理，预测当前情境的色温，并决定所述色点T的位置；
S34、持续监测所述用户环境数据及所述用户情感数据的变化，并实时更新所述色点T的位置。
优选的，所述将收集到的所述用户环境数据及所述用户情感数据进行处理，预测当前情境的色温，并决定所述色点T的位置包括以下步骤：
S331、对收集到的所述用户环境数据进行处理，得到用户的环境类别；
S332、对收集到的所述用户情感数据进行处理，得到用户的心情类别；
S333、结合所述用户的环境类别及所述用户的心情类别，给出预测的色温；
S334、根据预测的色温，在色度图上找到相应的所述色点T的位置；
其中，所述结合所述用户的环境类别及所述用户的心情类别，给出预测的色温包括以下步骤：
根据用户的环境类别，设定一个初始的色温值；
若所述用户的心情类别为正面，则在初始的色温值的基础上增加一个单位的色温数值，得到预测的色温；
若所述用户的心情类别为负面，则在初始的色温值的基础上降低一个单位的色温数值，得到预测的色温；
若所述用户的心情类别为中性，则在初始的色温值作为预测的色温。
优选的，所述对收集到的所述用户环境数据进行处理，得到用户的环境类别包括以下步骤：
S3311、构建一个ResNet-18网络，且将所述ResNet-18网络中的特征提取部分划分为6个分支，其中，第一分支包含一个卷积层和一个池化层，第二分支到第五分支中每一分支均包含两个残差模块，第六分支中包含环境通道注意力模块及环境空间注意力模块；
S3312、将收集到的所述用户环境数据转化为大小为C×H×W的环境图，其中，C表示通道数，H表示高度，W表示宽度；
S3313、将所述环境图输入第一分支，得到第一分支特征图，并将所述第一分支特征图输入所述第二分支，得到第二分支特征图；且将所述第二分支特征图输入所述第三分支，得到第三分支特征图；
S3314、将所述第三分支特征图输入所述第四分支，得到第四分支特征图，且将所述第四分支特征图输入所述第五分支，得到第五分支特征图；
S3315、通过所述环境通道注意力模块对所述第五分支特征图进行处理，得到通道注意力权重；
S3316、通过所述环境空间注意力模块对所述第五分支特征图进行处理，得到空间注意力权重；
S3317、将所述通道注意力权重及所述空间注意力权重分别与所述第五分支特征图相乘，得到两个加权后的特征图，再将两个所述加权后的特征图相加得到最终的输出特征图；
S3318、将所述最终的输出特征图输入到SoftMax分类器中进行预测，得到识别出来的用户的环境类别。
优选的，所述通过所述环境通道注意力模块对所述第五分支特征图进行处理，得到通道注意力权重包括以下步骤：
S33151、通过所述环境通道注意力模块对所述第五分支特征图进行全局最大池化和全局平均池化，将得到的结果进行串联合并，获得合并特征；
S33152、利用多层感知机学习所述合并特征的内在联系，且通过Sigmoid激活函数将所述合并特征映射到Sigmoid激活函数的输出范围（0，1），得到一个大小为C×１×１的通道注意力权重。
优选的，所述通过所述环境空间注意力模块对所述第五分支特征图进行处理，得到空间注意力权重包括以下步骤：
S33161、通过所述环境空间注意力模块对所述第五分支特征图在空间位置上进行最大池化，并得到一个大小为１×H×W的空间特征；
S33162、对所述空间特征分别经过三个不同扩张系数的空洞卷积，并将三个卷积的结果串联合并，得到合并结果；
S33163、通过Sigmoid激活函数将所述合并结果映射到Sigmoid激活函数的输出范围（0，1），得到一个大小为１×H×W的空间注意力权重。
优选的，所述根据收集到的用户情感数据，得到用户的心情类别包括以下步骤：
S3321、获取所述用户情感数据中的音频和视频，并提取所述音频的对数梅尔频谱片段特征和所述视频的包含物体的区域特征；
S3322、利用图注意力网络对视频帧中不同区域之间的情感关联进行推理，找到所述视频的关键区域；
S3323、利用多头自注意力机制和双向长短时记忆网络捕获所述音频中的长期依赖关系和上下文信息；
S3324、利用跨模态注意力机制学习所述音频与所述视频之间的隐藏信息，生成具有音频感知的视觉特征表示和具有视觉感知的声学特征表示；
S3325、利用自适应门控融合模型将所述具有音频感知的视觉特征表示及所述具有视觉感知的声学特征进行融合，得到具有情感显著性的视频特征；
S3326、将融合后的所述视频特征送入支持向量机分类器进行训练和预测，得到用户的心情类别。
优选的，所述利用图注意力网络对视频帧中不同区域之间的情感关联进行推理，找到所述视频的关键区域包括以下步骤：
S33221、使用MaskR-CNN模型提取所述视频帧中用户的区域及相应的特征序列；
S33222、使用相似性图在特征空间中测量不同区域的特征之间的相似性，并捕获同一区域在不同帧中的情感关联；
S33223、将所述特征序列视为情感关系图中的节点，且非零元素的邻接矩阵A表示节点i的所有相邻节点，同时通过引入注意力机制为连接到节点i的每条边分配一个权重系数，权重系数由前馈神经网络得到；
S33223、通过使用softmax函数对所述邻接矩阵的每一行进行归一化，使连接到同一个节点的所有边的权重系数之和为1，并引入图卷积网络对视觉场景图进行推理，找到所述视频的关键区域。
优选的，所述利用多头自注意力机制和双向长短时记忆网络捕获所述音频中的长期依赖关系和上下文信息包括以下步骤：
S33231、采用多头自注意力机制聚集来自不同子空间的信息，并通过在不同的子空间上进行自我关注操作，捕获所述音频中的长期依赖关系；
S33232、采用双向长短时记忆网络整合所述音频中声学特征的上下文信息，并将得到的声学特征序列输入到Bi-LSTM网络中，得到所述声学特征的上下文表示。
根据本发明的另一个方面，提供了一种基于多色全光谱调光技术的灯具混光系统，该系统包括光源获取模块、色点定位模块、调整模块及控制模块；
其中，所述光源获取模块，用于获取若干光源，该若干光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点；
所述色点定位模块，用于在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标；
所述调整模块，用于根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上，其中，所述黑体曲线对应需要的色温；
所述控制模块，用于根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而使得若干所述光源混合后的色温与所述色点T的色温相同。
本发明的实施例包括以下有益效果：
（1）本发明由于使用了若干光源，包括冷白、暖白和绿色的LED灯珠，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点，通过将不同的色温值尽量落在黑体曲线上，从而更精确的模拟太阳光谱，不仅能够提供更为真实、更为舒适的光源，也对提高人们的生活质量和工作效率具有重要意义。且仅通过对若干光源进行亮度调节就可以获取满足黑体曲线的几乎全部不同色温值的混光照明，在提供真实、舒适照明的基础上，扩大了不同色温要求的照明应用范围，大幅降低了照明成本。
（2）将黑体曲线与用户环境、情感数据相结合考虑，在保证真实、舒适照明的基础上，为用户提供个性化的光照体验，在最接近太阳光谱的前提下，满足不同环境和心境的需求，突破了现有技术中考虑因素过于片面的缺陷，实现了照明的最优化，带来了潜在的健康效益。
（3）利用调整模块和控制模块，对用户环境、情感类别进行自动识别，并对光源参数进行自动计算和调节，从而进行智能控制，整个混光过程实现了高度智能化，降低了用户的使用难度，极大增强了用户体验感。更进一步的，对用户环境数据采用了以ResNet-18网络为基础的特征提取和预测识别方法进行分类，对用户情感数据利用了情感关联和注意力机制进行分类，从而准确高效的进行智能分类，最终自动获得相应环境和情绪下的最优混光调节参数。
（4）持续监测用户的环境和情感数据，并实时更新色点T的位置，因此可以根据实时情况动态调整灯具的色温，使其始终处于最适宜的状态。
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基于多色全光谱调光技术的灯具混光方法的流程图；
图2是双色温灯具的调光曲线图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
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。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
根据本发明的实施例，提供了一种基于多色全光谱调光技术的灯具混光方法及系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种基于多色全光谱调光技术的灯具混光方法，该方法包括以下步骤：
S1、获取若干光源，该若干光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点。在较为宽松的实施例中，也可要求仅覆盖一定比例（如2/3以上）的黑体曲线的色温点。
在一个实施例中，获取三个光源，且三个所述光源分别对应冷白（Cool white）、暖白（W）及绿色（G）的LED灯珠，该三个光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点。在其他实施例中，也可要求仅覆盖2/3以上的黑体曲线的色温点。
需要说明的是：所述光源采用COB光源，它是一种集成化的LED封装技术。在COB光源中，多个LED芯片（也称为芯片或芯粒）直接安装在一个共同的基座上，形成一个紧密排列的阵列。这些LED芯片通过金线或焊接连接到电路板上，形成一个整体的光源。
S2、在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标。
在一个实施例中，在CIE色度图上确定三个色点，且三个所述色点分别对应所述冷白、所述暖白及所述绿色的LED灯珠的色坐标。
S3、根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上，其中，所述黑体曲线对应需要的色温。
在一个实施例中，根据环境条件和用户行为，自动选择色点T的位置，且基于三色合成的原理，计算获得三个所述光源的流明比例，以在三个所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在黑体曲线上，其中，所述黑体曲线对应需要的色温。
再进一步的实施例中，所述根据环境条件和用户行为，自动选择色点T的位置包括以下步骤：
S31、利用视频采集卡收集用户环境数据；
S32、利用视频采集卡收集用户情感数据，其中包含视频和音频；
S33、将收集到的所述用户环境数据及所述用户情感数据进行处理，预测当前情境的色温，并决定所述色点T的位置；
S34、持续监测所述用户环境数据及所述用户情感数据的变化，并实时更新所述色点T的位置，以确保始终提供最适合的光照环境。
再进一步的实施例中，所述将收集到的所述用户环境数据及所述用户情感数据进行处理，预测当前情境的色温，并决定所述色点T的位置包括以下步骤：
S331、对收集到的所述用户环境数据进行处理，得到用户的环境类别；
S332、对收集到的所述用户情感数据进行处理，得到用户的心情类别；
S333、结合所述用户的环境类别及所述用户的心情类别，给出预测的色温；
S334、根据预测的色温，在CIE色度图上找到相应的所述色点T的位置；例如，如果预测的色温是6500K，则色点T的位置应该在黑体曲线的6500K位置附近；
其中，所述结合所述用户的环境类别及所述用户的心情类别，给出预测的色温包括以下步骤：
根据用户的环境类别，设定一个初始的色温值；
例如：
学习或工作环境：在这种环境下，人们需要保持清醒和集中注意力，因此可能需要较高的初始色温值，例如5000K-6500K，以创造一个类似于白天的环境。
餐厅或居家环境：在这种环境下，人们需要一个放松和舒适的氛围，因此可能需要较低的初始色温值，例如2700K-3000K，以创造一个温暖而舒适的环境。
卧室环境：在卧室中，人们可能更需要一个有助于睡眠的环境，因此可能需要更低的初始色温值，例如2000K-2700K，以减少对睡眠质量的干扰。
娱乐或休闲环境：在这种环境下，根据具体的活动，色温的设定可能会有所不同。例如，对于电视或电影观看，可能需要一个中等的色温值，例如3000K-4000K，以减少眼睛的疲劳。
若所述用户的心情类别为正面，则在初始的色温值的基础上增加一个单位的色温数值，得到预测的色温；一个单位的色温数值可以是5K、50K或者500K等，需要用户提前设置好。
若所述用户的心情类别为负面，则在初始的色温值的基础上降低一个单位的色温数值，得到预测的色温；
若所述用户的心情类别为中性，则在初始的色温值作为预测的色温。
在本实施例中，所述对收集到的所述用户环境数据进行处理，得到用户的环境类别包括以下步骤：
S3311、构建一个ResNet-18网络，且将所述ResNet-18网络中的特征提取部分划分为6个分支，其中，第一分支包含一个卷积层和一个池化层，第二分支到第五分支中每一分支均包含两个残差模块，第六分支中包含环境通道注意力模块及环境空间注意力模块；
S3312、将收集到的所述用户环境数据转化为大小为C×H×W的环境图，其中，C表示通道数，H表示高度，W表示宽度；
S3313、将所述环境图输入第一分支，得到第一分支特征图，并将所述第一分支特征图输入所述第二分支，得到第二分支特征图；且将所述第二分支特征图输入所述第三分支，得到第三分支特征图；
S3314、将所述第三分支特征图输入所述第四分支，得到第四分支特征图，且将所述第四分支特征图输入所述第五分支，得到第五分支特征图；
S3315、通过所述环境通道注意力模块对所述第五分支特征图进行处理，得到通道注意力权重；
S3316、通过所述环境空间注意力模块对所述第五分支特征图进行处理，得到空间注意力权重；
S3317、将所述通道注意力权重及所述空间注意力权重分别与所述第五分支特征图相乘，得到两个加权后的特征图，再将两个所述加权后的特征图相加得到最终的输出特征图；
S3318、将所述最终的输出特征图输入到SoftMax分类器中进行预测，得到识别出来的用户的环境类别。
需要说明的是，在SoftMax分类器进行预测的过程中，模型首先会计算输入特征与每个类别之间的分数，通常是通过一个线性函数来实现的。接下来，这些分数被输入到SoftMax函数中，转换成每个类别的概率。模型会选择概率最高的类别作为预测结果。在训练过程中，模型会调整参数，使得对正确类别的预测概率最大化，这就是所谓的最大似然估计。
在本实施例中，所述通过所述环境通道注意力模块对所述第五分支特征图进行处理，得到通道注意力权重包括以下步骤：
S33151、通过所述环境通道注意力模块对所述第五分支特征图进行全局最大池化和全局平均池化，将得到的结果进行串联合并，获得合并特征；
S33152、利用多层感知机学习所述合并特征的内在联系，且通过Sigmoid激活函数将所述合并特征映射到Sigmoid激活函数的输出范围（0，1），得到一个大小为C×１×１的通道注意力权重。
在本实施例中，所述通过所述环境空间注意力模块对所述第五分支特征图进行处理，得到空间注意力权重包括以下步骤：
S33161、通过所述环境空间注意力模块对所述第五分支特征图在空间位置上进行最大池化，并得到一个大小为１×H×W的空间特征；
S33162、对所述空间特征分别经过三个不同扩张系数的空洞卷积，并将三个卷积的结果串联合并，得到合并结果；
S33163、通过Sigmoid激活函数将所述合并结果映射到Sigmoid激活函数的输出范围（0，1），得到一个大小为１×H×W的空间注意力权重。
在本实施例中，所述根据收集到的用户情感数据，得到用户的心情类别包括以下步骤：
S3321、获取所述用户情感数据中的音频和视频，并提取所述音频的对数梅尔频谱片段特征和所述视频的包含物体的区域特征，用于理解视频中的物体和场景；
S3322、利用图注意力网络对视频帧中不同区域之间的情感关联进行推理，找到所述视频的关键区域；通过注意力机制，图注意力网络能够找到视频中的关键区域，这有助于更好地理解视频中的情感内容。
S3323、利用多头自注意力机制和双向长短时记忆网络捕获所述音频中的长期依赖关系和上下文信息，这对于理解音频中的情感信息非常重要。
S3324、利用跨模态注意力机制学习所述音频与所述视频之间的隐藏信息，生成具有音频感知的视觉特征表示和具有视觉感知的声学特征表示；在本步骤中，音频的长期依赖性和上下文信息将帮助理解音频与视频之间的关联，使音频信息能够更好地理解并应用于视觉特征表示。
S3325、利用自适应门控融合模型将所述具有音频感知的视觉特征表示及所述具有视觉感知的声学特征进行融合，得到具有情感显著性的视频特征；在此步骤中，音频的长期依赖性和上下文信息将进一步帮助模型在融合过程中确定音频特征和视觉特征的重要性。
S3326、将融合后的所述视频特征送入支持向量机分类器进行训练和预测，得到用户的心情类别。SVM是一种常见的分类方法，它可以从融合后的特征中学习和预测用户的心情类别。在此步骤中，音频的长期依赖性和上下文信息将帮助模型做出更准确的心情分类。
在本实施例中，所述利用图注意力网络对视频帧中不同区域之间的情感关联进行推理，找到所述视频的关键区域包括以下步骤：
S33221、使用MaskR-CNN模型提取所述视频帧中用户的区域及相应的特征序列；
S33222、使用相似性图（similarity graph）在特征空间中测量不同区域的特征之间的相似性，并捕获同一区域在不同帧中的情感关联；
S33223、将所述特征序列视为情感关系图中的节点，且非零元素的邻接矩阵A表示节点i的所有相邻节点，同时通过引入注意力机制为连接到节点i的每条边分配一个权重系数，权重系数由前馈神经网络得到；
S33223、通过使用softmax函数对所述邻接矩阵的每一行进行归一化，使连接到同一个节点的所有边的权重系数之和为1，并引入图卷积网络对视觉场景图进行推理，找到所述视频的关键区域（推理过程为：节点特征和邻接矩阵相乘。这一步实际上是将每个节点的特征传播到其邻居节点。邻接矩阵中的元素值决定了特征传播的权重。将结果通过一个激活函数（如ReLU）进行非线性变换。重复以上步骤多次。每一步都会使节点收集更远距离的邻居节点的信息。对每个节点应用一个可学习的读出函数，以聚合其接收到的信息，并产生最终的节点表示。这个表示可以被用来进行后续的任务，比如分类。这种基于图的方法允许模型捕捉到视频帧中物体区域之间的复杂交互，从而找出对视频情感贡献较大的关键区域）。
在本实施例中，所述利用多头自注意力机制和双向长短时记忆网络捕获所述音频中的长期依赖关系和上下文信息包括以下步骤：
S33231、采用多头自注意力机制聚集来自不同子空间的信息，并通过在不同的子空间上进行自我关注操作，捕获所述音频中的长期依赖关系；
S33232、采用双向长短时记忆网络整合所述音频中声学特征的上下文信息，并将得到的声学特征序列输入到Bi-LSTM网络中，得到所述声学特征的上下文表示。
S4、根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而使得若干所述光源混合后的色温与所述色点T的色温相同。
在一个实施例中，根据所述色点T的位置，使用三路可调LED驱动电源控制三个LED灯珠的亮度，使得三个所述光源混合后的色温与所述色点T的色温相同。
根据本发明的另一个实施例，提供了一种基于多色全光谱调光技术的灯具混光系统，该系统包括光源获取模块、色点定位模块、调整模块及控制模块；
其中，所述光源获取模块，用于获取若干光源，该若干光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点；在其他一些实施例中，也可要求仅覆盖一定比例（如2/3以上）的黑体曲线的色温点。
所述色点定位模块，用于在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标；
所述调整模块，用于根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上，其中，所述黑体曲线对应需要的色温；
所述控制模块，用于根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而使得若干所述光源混合后的色温与所述色点T的色温相同。
综上所述， 本发明由于使用了若干光源，包括冷白、暖白和绿色的LED灯珠，该若干光源进行混光调节所实现的的色温范围可覆盖黑体曲线上的所有色温点，通过将不同的色温值尽量落在黑体曲线上，从而更精确的模拟太阳光谱，不仅能够提供更为真实、更为舒适的光源，也对提高人们的生活质量和工作效率具有重要意义。且仅通过对若干光源进行亮度调节就可以获取满足黑体曲线的几乎全部不同色温值的混光照明，在提供真实、舒适照明的基础上，扩大了不同色温要求的照明应用范围，大幅降低了照明成本。将黑体曲线与用户环境、情感数据相结合考虑，在保证真实、舒适照明的基础上为用户提供个性化的光照体验，在最接近太阳光谱的前提下，满足不同环境和心境的需求，突破了现有技术中考虑因素过于片面的缺陷，实现了照明的最优化，带来了潜在的健康效益。利用调整模块和控制模块，对用户环境、情感类别进行自动识别，并对光源参数进行自动计算和调节，从而进行智能控制，整个混光过程实现了高度智能化，降低了用户的使用难度，极大增强了用户体验感。更进一步的，对用户环境数据采用了以ResNet-18网络为基础的特征提取和预测识别方法进行分类，对用户情感数据利用了情感关联和注意力机制进行分类，从而准确高效的进行智能分类，最终自动获得相应环境和情绪下的最优混光调节参数。持续监测用户的环境和情感数据，并实时更新色点T的位置，因此可以根据实时情况动态调整灯具的色温，使其始终处于最适宜的状态。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能充电模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
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)
1.一种基于多色全光谱调光技术的灯具混光方法，其特征在于，该方法包括以下步骤：
S1、获取若干光源，该若干光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的色温范围可覆盖黑体曲线上的所有色温点；
S2、在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标；
S3、根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上，其中，所述黑体曲线对应需要的色温；
具体的,该步骤S3包括以下步骤:
S31、利用视频采集卡收集用户环境数据；
S32、利用视频采集卡收集用户情感数据；
S33、将收集到的所述用户环境数据及所述用户情感数据进行处理，预测当前情境的色温，并决定所述色点T的位置；
具体的，该步骤S33包括以下步骤：
S331、对收集到的所述用户环境数据进行处理，得到用户的环境类别；
S332、对收集到的所述用户情感数据进行处理，得到用户的心情类别；
S333、结合所述用户的环境类别及所述用户的心情类别，给出预测的色温；其又具体包括步骤：根据用户的环境类别，设定一个初始的色温值；若所述用户的心情类别为正面，则在初始的色温值的基础上增加一个单位的色温数值，得到预测的色温；若所述用户的心情类别为负面，则在初始的色温值的基础上降低一个单位的色温数值，得到预测的色温；若所述用户的心情类别为中性，则在初始的色温值作为预测的色温；
S334、根据预测的色温，在色度图上找到相应的所述色点T的位置；
S34、持续监测所述用户环境数据及所述用户情感数据的变化，并实时更新所述色点T的位置；
S4、根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而若干所述光源混合后的色温与所述色点T的色温相同。
2.根据权利要求1所述的一种基于多色全光谱调光技术的灯具混光方法，其特征在于，所述对收集到的所述用户环境数据进行处理，得到用户的环境类别包括以下步骤：
S3311、构建一个ResNet-18网络，且将所述ResNet-18网络中的特征提取部分划分为6个分支，其中，第一分支包含一个卷积层和一个池化层，第二分支到第五分支中每一分支均包含两个残差模块，第六分支中包含环境通道注意力模块及环境空间注意力模块；
S3312、将收集到的所述用户环境数据转化为大小为C×H×W的环境图，其中，C表示通道数，H表示高度，W表示宽度；
S3313、将所述环境图输入第一分支，得到第一分支特征图，并将所述第一分支特征图输入所述第二分支，得到第二分支特征图；且将所述第二分支特征图输入第三分支，得到第三分支特征图；
S3314、将所述第三分支特征图输入第四分支，得到第四分支特征图，且将所述第四分支特征图输入所述第五分支，得到第五分支特征图；
S3315、通过所述环境通道注意力模块对所述第五分支特征图进行处理，得到通道注意力权重；
S3316、通过所述环境空间注意力模块对所述第五分支特征图进行处理，得到空间注意力权重；
S3317、将所述通道注意力权重及所述空间注意力权重分别与所述第五分支特征图相乘，得到两个加权后的特征图，再将两个所述加权后的特征图相加得到最终的输出特征图；
S3318、将所述最终的输出特征图输入到SoftMax分类器中进行预测，得到识别出来的用户的环境类别。
3.根据权利要求2所述的一种基于多色全光谱调光技术的灯具混光方法，其特征在于，所述通过所述环境通道注意力模块对所述第五分支特征图进行处理，得到通道注意力权重包括以下步骤：
S33151、通过所述环境通道注意力模块对所述第五分支特征图进行全局最大池化和全局平均池化，将得到的结果进行串联合并，获得合并特征；
S33152、利用多层感知机学习所述合并特征的内在联系，且通过Sigmoid激活函数将所述合并特征映射到Sigmoid激活函数的输出范围（0，1），得到一个大小为C×1×1的通道注意力权重。
4.根据权利要求2所述的一种基于多色全光谱调光技术的灯具混光方法，其特征在于，所述通过所述环境空间注意力模块对所述第五分支特征图进行处理，得到空间注意力权重包括以下步骤：
S33161、通过所述环境空间注意力模块对所述第五分支特征图在空间位置上进行最大池化，并得到一个大小为1×H×W的空间特征；
S33162、对所述空间特征分别经过三个不同扩张系数的空洞卷积，并将三个卷积的结果串联合并，得到合并结果；
S33163、通过Sigmoid激活函数将所述合并结果映射到Sigmoid激活函数的输出范围（0，1），得到一个大小为1×H×W的空间注意力权重。
5.根据权利要求1所述的一种基于多色全光谱调光技术的灯具混光方法，其特征在于，所述对收集到的所述用户情感数据进行处理，得到用户的心情类别包括以下步骤：
S3321、获取所述用户情感数据中的音频和视频，并提取所述音频的对数梅尔频谱片段特征和所述视频的包含物体的区域特征；
S3322、利用图注意力网络对视频帧中不同区域之间的情感关联进行推理，找到所述视频的关键区域；
S3323、利用多头自注意力机制和双向长短时记忆网络捕获所述音频中的长期依赖关系和上下文信息；
S3324、利用跨模态注意力机制学习所述音频与所述视频之间的隐藏信息，生成具有音频感知的视觉特征表示和具有视觉感知的声学特征表示；
S3325、利用自适应门控融合模型将所述具有音频感知的视觉特征表示及所述具有视觉感知的声学特征进行融合，得到具有情感显著性的视频特征；
S3326、将融合后的所述视频特征送入支持向量机分类器进行训练和预测，得到用户的心情类别。
6.根据权利要求5所述的一种基于多色全光谱调光技术的灯具混光方法，其特征在于，所述利用图注意力网络对视频帧中不同区域之间的情感关联进行推理，找到所述视频的关键区域包括以下步骤：
S33221、使用MaskR-CNN模型提取所述视频帧中用户的区域及相应的特征序列；
S33222、使用相似性图在特征空间中测量不同区域的特征之间的相似性，并捕获同一区域在不同帧中的情感关联；
S33223、将所述特征序列视为情感关系图中的节点，且非零元素的邻接矩阵A表示节点i的所有相邻节点，同时通过引入注意力机制为连接到节点i的每条边分配一个权重系数，权重系数由前馈神经网络得到；
S33223、通过使用softmax函数对所述邻接矩阵的每一行进行归一化，使连接到同一个节点的所有边的权重系数之和为1，并引入图卷积网络对视觉场景图进行推理，找到所述视频的关键区域。
7.根据权利要求5所述的一种基于多色全光谱调光技术的灯具混光方法，其特征在于，所述利用多头自注意力机制和双向长短时记忆网络捕获所述音频中的长期依赖关系和上下文信息包括以下步骤：
S33231、采用多头自注意力机制聚集来自不同子空间的信息，并通过在不同的子空间上进行自我关注操作，捕获所述音频中的长期依赖关系；
S33232、采用双向长短时记忆网络整合所述音频中声学特征的上下文信息，并将得到的声学特征序列输入到Bi-LSTM网络中，得到所述声学特征的上下文表示。
8.一种基于多色全光谱调光技术的灯具混光系统，用于实现权利要求1-7任一项所述的基于多色全光谱调光技术的灯具混光方法，其特征在于，该系统包括光源获取模块、色点定位模块、调整模块及控制模块；
其中，所述光源获取模块，用于获取若干光源，该若干光源具有各自相应的色坐标且出光亮度均可调，该若干光源进行混光调节所实现的色温范围可覆盖黑体曲线上的所有色温点；
所述色点定位模块，用于在色度图上确定若干色点，且若干所述色点对应若干所述光源的色坐标；
所述调整模块，用于根据环境条件和用户行为，自动选择色点T的位置，且基于色彩合成的原理，计算获得若干所述光源的流明比例，以在若干所述色点形成的色域内形成所述色点T，所述色点T的色坐标落在所述黑体曲线上，其中，所述黑体曲线对应需要的色温；
所述控制模块，用于根据上述计算获得的流明比例，调节若干光源中各光源的出光亮度，以使得混光照明的色坐标位于所述色点T，从而使得若干所述光源混合后的色温与所述色点T的色温相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310879639.0A CN116887467B (zh) | 2023-07-18 | 2023-07-18 | 一种基于多色全光谱调光技术的灯具混光方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310879639.0A CN116887467B (zh) | 2023-07-18 | 2023-07-18 | 一种基于多色全光谱调光技术的灯具混光方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116887467A CN116887467A (zh) | 2023-10-13 |
| CN116887467B true CN116887467B (zh) | 2024-03-22 |
Family
ID=88261882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310879639.0A Active CN116887467B (zh) | 2023-07-18 | 2023-07-18 | 一种基于多色全光谱调光技术的灯具混光方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116887467B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101283628A (zh) * | 2005-10-13 | 2008-10-08 | 皇家飞利浦电子股份有限公司 | 用于可变色照明的方法和系统 |
| CN103185220A (zh) * | 2011-12-28 | 2013-07-03 | 鸿富锦精密工业（深圳）有限公司 | 固态发光器件色温调节方法及使用该方法的照明装置 |
| JP2014212083A (ja) * | 2013-04-19 | 2014-11-13 | パナソニック株式会社 | 照明器具 |
| CN109379813A (zh) * | 2018-12-07 | 2019-02-22 | 深圳和而泰智能控制股份有限公司 | 色温可调的照明模组及照明模组的色温调节方法 |
| CN109640455A (zh) * | 2019-01-11 | 2019-04-16 | 浙江农林大学 | 一种led台灯色温控制方法及系统 |
| CN110167242A (zh) * | 2019-06-05 | 2019-08-23 | 深圳市光擎光电有限公司 | 一种混光调节方法、装置、系统及存储介质 |
| CN112074053A (zh) * | 2020-08-24 | 2020-12-11 | 中国建筑科学研究院有限公司 | 一种基于室内环境参数的照明设备调控方法及装置 |
| CN112672474A (zh) * | 2019-04-02 | 2021-04-16 | 中国计量大学上虞高等研究院有限公司 | 基于注意力因素的照明控制系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8593074B2 (en) * | 2011-01-12 | 2013-11-26 | Electronic Theater Controls, Inc. | Systems and methods for controlling an output of a light fixture |
| EP3609295A1 (en) * | 2018-08-08 | 2020-02-12 | Universitat de Barcelona | Method for generating light spectra and corresponding device |
-
2023
- 2023-07-18 CN CN202310879639.0A patent/CN116887467B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101283628A (zh) * | 2005-10-13 | 2008-10-08 | 皇家飞利浦电子股份有限公司 | 用于可变色照明的方法和系统 |
| CN103185220A (zh) * | 2011-12-28 | 2013-07-03 | 鸿富锦精密工业（深圳）有限公司 | 固态发光器件色温调节方法及使用该方法的照明装置 |
| JP2014212083A (ja) * | 2013-04-19 | 2014-11-13 | パナソニック株式会社 | 照明器具 |
| CN109379813A (zh) * | 2018-12-07 | 2019-02-22 | 深圳和而泰智能控制股份有限公司 | 色温可调的照明模组及照明模组的色温调节方法 |
| CN109640455A (zh) * | 2019-01-11 | 2019-04-16 | 浙江农林大学 | 一种led台灯色温控制方法及系统 |
| CN112672474A (zh) * | 2019-04-02 | 2021-04-16 | 中国计量大学上虞高等研究院有限公司 | 基于注意力因素的照明控制系统 |
| CN110167242A (zh) * | 2019-06-05 | 2019-08-23 | 深圳市光擎光电有限公司 | 一种混光调节方法、装置、系统及存储介质 |
| CN112074053A (zh) * | 2020-08-24 | 2020-12-11 | 中国建筑科学研究院有限公司 | 一种基于室内环境参数的照明设备调控方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116887467A (zh) | 2023-10-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9986625B2 (en) | Configurable lighting system | |
| KR101114870B1 (ko) | 지능형 ｌｅｄ 조명 제어 시스템 및 제어 방법 | |
| CN110113836A (zh) | 场景式教室智能照明系统、控制装置及优化和控制方法 | |
| US9974141B2 (en) | Lighting system with sensor feedback | |
| CN101485234B (zh) | 根据目标光分布控制照明系统的方法 | |
| CN109874202A (zh) | 幼儿园一体教室情景式自适应照明系统、控制装置及控制方法 | |
| CN104936334B (zh) | 灯光控制方法及装置 | |
| CN110062498B (zh) | 基于分区可控吸顶灯的公共宿舍混合照明系统、方法 | |
| CN105872748A (zh) | 基于视频参数的灯光调节方法及装置 | |
| CN112969254A (zh) | 一种基于场景自动识别的商务宾馆客房照明控制装置 | |
| CN115150984A (zh) | Led灯带及其控制方法 | |
| US20220346200A1 (en) | Lighting fixture and lighting system for automatically adjusting color temperature | |
| CN115604893B (zh) | 动态调节儿童房光照环境的健康照明方法、装置及系统 | |
| CN112074053A (zh) | 一种基于室内环境参数的照明设备调控方法及装置 | |
| CN108538263A (zh) | 一种色温调节方法和装置 | |
| CN110113843A (zh) | 基于入睡效率因素的照明控制系统与调光映射装置 | |
| CN109874217B (zh) | 基于各向对称吸顶灯的公共宿舍混合照明方法 | |
| CN116887467B (zh) | 一种基于多色全光谱调光技术的灯具混光方法及系统 | |
| CN109872020B (zh) | 一种商务宾馆客房照明控制装置 | |
| CN117222069B (zh) | 照明驱动电源的智能控制方法 | |
| CN113939068A (zh) | 一种智能led灯调光控制装置及智能led灯 | |
| CN112218414A (zh) | 一种自适应设备亮度调节的方法及系统 | |
| CN117615490A (zh) | 主控氛围灯与从控氛围灯的控制参数调节方法及系统 | |
| CN116647960A (zh) | 一种基于物联网的舞台灯光调控系统 | |
| JP6908992B2 (ja) | デジタルインテリア |
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 |