CN117098285A - 一种智能照明控制系统及控制方法 - Google Patents
一种智能照明控制系统及控制方法 Download PDFInfo
- Publication number
- CN117098285A CN117098285A CN202311220817.5A CN202311220817A CN117098285A CN 117098285 A CN117098285 A CN 117098285A CN 202311220817 A CN202311220817 A CN 202311220817A CN 117098285 A CN117098285 A CN 117098285A
- Authority
- CN
- China
- Prior art keywords
- data
- illumination
- environment
- original
- environmental
- 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- Withdrawn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 52
- 238000005286 illumination Methods 0.000 claims abstract description 261
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 230000003287 optical effect Effects 0.000 claims abstract description 21
- 230000007613 environmental effect Effects 0.000 claims description 153
- 238000005457 optimization Methods 0.000 claims description 55
- 238000001514 detection method Methods 0.000 claims description 34
- 238000004140 cleaning Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 230000008451 emotion Effects 0.000 claims description 5
- 230000005236 sound signal Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 230000008859 change Effects 0.000 abstract description 15
- 230000006399 behavior Effects 0.000 description 79
- 230000005856 abnormality Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training 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
- 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
- H05B47/11—Controlling the light source in response to determined parameters by determining the brightness or colour temperature of ambient 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
- 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
- H05B47/12—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by detecting audible sound
-
- 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
- H05B47/165—Controlling the light source following a pre-assigned programmed sequence; Logic control [LC]
-
- 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
本发明涉及智能照明控制技术领域,尤其涉及一种智能照明控制系统及控制方法。该方法包括以下步骤:控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;对原始环境数据进行深度解析,从而获取解析环境数据;根据解析环境数据进行需求预测,从而获取预测照明需求数据;对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。本发明通过实时采集环境数据,智能灯能够根据环境条件的变化进行实时调整,从而使照明效果更加符合用户需求。
Description
技术领域
本发明涉及智能照明控制技术领域,尤其涉及一种智能照明控制系统及控制方法。
背景技术
智能照明控制方法是一种应用在照明系统中的方法,它主要依赖先进的传感器技术、数据分析、机器学习或AI算法,从环境和用户行为中收集数据,然后分析这些数据以理解和预测用户的照明需求,根据需求自动调整照明系统的设置。这种方法大大增加了照明系统的灵活性和自适应性,可以提供更舒适、更个性化的照明环境,同时也能提高能源效率。现阶段的智能照明控制方法往往只是简单地基于声感或者热感进行智能光照作业,往往提供的光照作业选择较少,不够个性化。
发明内容
本发明为解决上述技术问题,提出了一种智能照明控制系统及控制方法,以解决至少一个上述技术问题。
本申请提供了一种智能照明控制方法,作用于智能灯,智能灯包括光照感应器、光照角度感受器、发射光强度调节器、发射光角度调节器、音频接收器、光学摄像头以及控制器,其中光照感应器、光照角度感受器、发射光强度调节器、发射光角度调节器、音频接收器及光学摄像头均与控制器电性连接,该智能照明控制方法包括以下步骤:
步骤S1:控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;
步骤S2:对原始环境数据进行深度解析,从而获取解析环境数据;
步骤S3:根据解析环境数据进行需求预测,从而获取预测照明需求数据;
步骤S4:对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;
步骤S5:根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。
本发明中通过实时采集环境数据,智能灯能够根据环境条件的变化进行实时调整,从而使照明效果更加符合用户需求。通过对环境数据的解析,预测照明需求,并生成智能照明决策,实现了照明系统的自动化控制,减少了用户的操作负担。由于考虑了用户行为数据,使得照明决策更加符合用户的个人习惯和偏好,提供了更加个性化的照明体验。通过预测照明需求,并生成相应的照明决策,可以避免不必要的照明,节省能源。通过获取智能照明反馈数据,可以对照明系统进行持续优化和提升,从而使照明效果更优。当系统检测到环境数据异常时,可以及时调整照明设备,比如在火灾或其他危险情况下,照明设备可以立即调整至最亮,以帮助人们安全疏散。不论是家庭环境,办公室环境,还是其他公共空间,本发明都能够根据实际需求和环境条件,提供合适的照明方案。
优选地,步骤S1具体为:
步骤S11:利用音频接收器收集环境音频信号,从而获取原始音频数据;
步骤S12:利用光学摄像头收集环境图像信号,从而获取原始图像数据;
步骤S13:利用光照感应器检测环境光照强度,从而获取原始光照强度数据;
步骤S14:利用光照角度控制器检测环境光照角度采集,从而获取原始光照角度数据;
步骤S15:将原始音频数据、原始图像数据、原始光照强度数据以及原始光照角度数据进行环境数据整合汇集,从而获取初级原始环境数据;
步骤S16:对初级原始环境数据进行原始环境数据清洗,从而获取原始环境清洗数据;
步骤S17:对原始环境清洗数据通过预设的环境存储数据格式进行环境数据转换,从而获取原始环境数据。
本发明中通过利用音频接收器、光学摄像头、光照感应器和光照角度控制器等多种设备收集环境信息,实现了对环境的全面感知。步骤S15的环境数据整合汇集,将各个设备收集到的数据进行统一处理和汇总,便于后续步骤的进行。步骤S16的原始环境数据清洗,可以去除无用的噪声和错误数据,提高了数据质量。步骤S17的环境数据转换,通过预设的环境存储数据格式进行数据转换,确保了数据的一致性,便于后续的数据处理和分析。各步骤设计均以提高数据准确性为目标,如原始数据的收集、清洗、转换,都有利于获取高质量、准确的环境数据,为智能照明决策提供精确的依据。通过设备化和自动化的数据收集和处理,能够提高环境信息的采集和处理效率,加快智能照明决策的生成。对环境数据的实时采集和处理,可在发生异常时及时发现并采取措施,如调整照明设备的工作状态,避免可能出现的问题。
优选地,步骤S16中原始环境数据清洗通过原始环境数据清洗计算公式进行数据清洗处理,其中原始环境数据清洗计算公式具体为:
Dc为原始环境清洗数据,t为原始环境时序数据,Aa为原始音频数据的振幅项,Ai为原始图像数据的亮度项,Li为原始光照强度数据,La为预设的环境光照强度阈值,θ为原始光照角度数据,为原始光照可靠角度数据,α为第一环境数据转换参数,β为第二环境数据转换参数。
本发明构造了一种原始环境数据清洗计算公式,该计算公式的一部分,(Aa+Ai)/2,实际上是计算音频和图像数据的平均值,这有助于抵消异常值或噪声,从而降低其对总体数据质量的影响。这种平均值处理也实现了不同类型数据的归一化,便于后续处理和比较。log10(Li/La)是对光照强度与预设阈值的对比。如果实际光照强度高于阈值,那么这个值大于0,否则小于0。这可以用来识别是否存在超出预期的光照强度。这部分对光照角度的微小变化做了处理。当角度趋近于0时,这个值将接近于/>这意味着,当光照角度变化很小的时候,它们对于整个公式的影响主要取决于参数α和β的平方根。d/dt代表了对时间的导数,这实际上表示了环境参数随时间变化的速率。这样可以识别出环境变化的快慢,对于照明控制来说,能及时响应环境变化是非常重要的。该公式实现了原始环境数据的全面清洗和优化处理,能更准确地反映实际环境状态,并为后续的环境照明决策提供了更准确的依据。
优选地,步骤S2具体为:
步骤S21:对原始环境数据中的原始音频数据进行特征提取,从而获取音频特征数据;
步骤S22:对原始环境数据中的原始图像数据进行图像特征提取,从而获取图像特征数据;
步骤S23:对原始环境数据中的原始光照强度数据以及光照角度数据进行数据解析,从而获取光照特征数据;
步骤S24:对音频特征数据、图像特征数据以及光照特征数据进行深度处理,从而获取深度解析数据;
步骤S25:根据深度解析数据进行环境情境报告生成,从而获取环境情境报告数据;
步骤S26:对环境情境报告数据进行异常检测,从而获取异常检测报告数据;
步骤S27:根据异常检测报告树进行结果解析,从而获取解析环境数据。
本发明中通过对原始环境数据中的音频、图像、光照强度和光照角度数据进行特征提取,能够获取到更具代表性的环境特征数据,从而更准确地反映环境状态。根据深度解析数据生成的环境情境报告能够详细展示环境的实际情况和状态,有助于更好的理解和判断环境情况。通过对环境情境报告数据进行异常检测,可以及时发现并处理异常情况,提高系统的稳定性和可靠性。通过对异常检测报告进行结果解析,获取到解析环境数据,有助于对环境的实时控制,提高环境控制的效率和效果。
优选地,音频特征数据包括高频音频特征数据、低频音频特征数据以及梅尔频率倒谱系数音频特征数据,步骤S21具体为:
步骤S211:对原始环境数据中的原始音频数据进行高频特征提取,从而获取高频音频特征数据;
步骤S212:对原始环境数据中的原始音频数据进行低频特征提取,从而获取低频音频特征数据;
步骤S213:对原始环境数据中的原始音频数据进行梅尔频率倒谱系数特征提取,从而获取梅尔频率倒谱系数音频特征数据。
本发明中通过分别提取音频数据的高频、低频以及梅尔频率倒谱系数特征,可以更全面地反映音频的特征,提高环境数据的准确性和可用性。不同频段的音频特征可能反映不同的环境信息,如人声通常位于中低频段,高频音频可能反映一些紧急情况(如警报声、玻璃破碎声)。这样的分类提取可以帮助系统更快地对特定情境做出响应。梅尔频率倒谱系数音频特征数据常用于语音识别等领域,其在该系统中的使用可能提供一种机制,使得系统能够更好地理解和识别人声命令或反馈,从而进一步提升系统的智能化水平。
优选地,步骤S26中异常检测通过环境情境异常检测计算公式进行处理,其中环境情境异常检测计算公式具体为:
F为环境情境异常阈值数据,x为音频特征数据的平均分贝值,y为图像特征数据的平均亮度值,n为环境情境报告数据的数量数据,z为光照特征数据的平均光照强度值,m为光照特征数据的平均光照角度值,a为深度解析数据的平均深度值,b为环境情境报告数据的平均情感值,c为异常检测报告数据的平均异常程度值,d为解析环境数据的平均可信度值。
本发明构造了一种环境情境异常检测计算公式,该计算公式通过将音频、图像、光照的不同环境因素整合在一起,可以进行更为全面和综合的异常检测,增加了异常检测的准确性。公式中的参数包括了情境报告的平均情感值和异常检测报告的平均异常程度值,这使得智能照明系统具有更强的情境感知能力,能够根据环境的变化及时调整灯光设置。该公式将环境异常阈值F定义为一系列特征数据的函数,这意味着环境异常阈值可以随环境情况的变化动态调整,提高了系统的灵活性和适应性。参数之间的作用主要通过数学运算符(如导数、对数、极限、三角函数、乘方等)进行交互,生成一个复合的、能反映环境异常程度的量F。例如,导数反映了音频特征数据的变化率对环境异常的影响,对数和极限部分则反映了图像特征和光照特征的综合影响,而三角函数和乘方部分则分别反映了光照角度和深度解析数据的影响。所有这些部分都通过加法运算结合在一起,形成一个能综合反映环境异常程度的指标F。
优选地,利用预设的环境数据用户行为需求预测模型对解析环境数据进行需求预测,从而获取预测照明需求数据,环境数据用户行为需求预测模型的构建步骤具体为:
步骤S301:获取环境传感器数据以及用户行为数据;
步骤S302:对环境传感器数据以及用户行为数据进行数据预处理,从而获取环境用户行为预处理数据;
步骤S303:对环境用户行为预处理数据进行用户行为特征提取,从而获取环境用户行为特征数据;
步骤S304:根据环境用户行为特征数据进行建模,从而获取初步环境数据用户行为需求预测模型;
步骤S305:获取用户照明需求数据,并利用用户照明需求数据对初步环境数据用户行为需求预测模型进行迭代优化,从而获取环境数据用户行为需求预测模型;
其中迭代优化的步骤具体为:
利用环境数据用户行为需求优化计算公式对初步环境数据用户行为需求预测模型进行优化,从而获取环境数据用户行为需求优化预测模型;
获取用户照明需求数据,并利用用户照明需求数据对环境数据用户行为需求优化预测模型进行标注,从而获取环境数据用户行为需求预测模型。
本发明中利用环境传感器数据和用户行为数据,模型能够学习到用户在不同环境条件下的行为模式,进而准确预测用户在特定环境下的行为需求。这将极大提高照明系统的智能性,实现真正的个性化服务。由于预测模型可以根据用户的行为预测其照明需求,用户不再需要手动调整照明设备,大大提高了用户体验。此预测模型的构建和优化过程,能够使照明系统更加智能化,对用户需求有更好的响应,提升照明系统的用户满意度。通过用户的照明需求数据对预测模型进行迭代优化,模型的预测性能会随着使用时间的延长而不断提升,使得照明系统能更好地满足用户的个性化需求。准确预测并满足用户的照明需求,可以避免不必要的能源浪费,实现更为节能的照明方案。
优选地,其中环境数据用户行为需求优化计算公式具体为:
Q为环境数据用户行为需求优化指数,K为环境用户行为预处理数据的平均值数据,s为环境用户行为特征数据的标准偏差数据,p为步环境数据用户行为需求预测模型的误差率数据,q为用户照明需求数据的平均亮度数据,e为环境数据用户行为需求优化预测模型的准确率数据,f为用户照明需求数据的照明时长数据,g为环境数据用户行为需求预测模型的预测成功次数,h为环境数据用户行为需求预测模型的预测总次数。
本发明构造了一种环境数据用户行为需求优化计算公式,该计算公式计算出一个优化指数Q,这个指数能量化反映预测模型的预测性能和需求满足程度,为模型的优化提供了定量评估依据。公式中包含预测模型的准确率数据、预测成功次数以及用户照明需求数据的多个因素,通过复杂的数学运算进行综合考量,实现了预测性能与需求满足程度的平衡。优化指数Q可反映当前模型的优化程度,当Q达不到预定的优化目标时,可以通过迭代更新预测模型以优化Q值,实现模型性能的持续提升。是一个对预测模型误差率、预测模型准确率、用户需求亮度以及照明时长等因素的综合考虑,通过对这些参数进行特定的运算,反映出预测模型在满足用户需求方面的性能。tan―1gh则是对预测模型的成功率进行的考量,当预测成功次数g相对于预测总次数h的比值越大,这个值就越接近于1,反映出预测模型的准确性越高。
优选地,步骤S4具体为:
步骤S41:对预测照明需求数据进行需求解析,从而获取照明需求解析数据;
步骤S42:利用预设的照明控制系统约束规则对照明需求解析数据进行决策规则生成,从而获取照明控制决策规则数据;
步骤S43:对照明控制决策规则数据进行决策逻辑生成,从而获取照明控制决策逻辑数据;
步骤S44:对照明控制决策逻辑数据进行仿真模拟,从而获取照明决策模拟结果数据;
步骤S45:利用取照明决策模拟结果数据对照明控制决策逻辑数据进行决策优化,从而获取智能照明决策数据。
本发明通过预测用户的照明需求,智能照明系统可以更准确地调整灯光的亮度、颜色等参数,提高照明效率,节约能源。根据用户的需求自动调整照明设备,可以提高用户体验,减少手动调整灯光参数的麻烦。通过仿真模拟和决策优化,可以不断提高照明决策的准确性,优化照明效果。这种智能化的照明决策系统可以应用到各种场景中,例如智能家居、智能建筑、智能城市等,大大拓展了照明设备的应用范围。通过对照明需求的解析、决策规则的生成、决策逻辑的生成、模拟结果的获取和决策的优化,实现了照明的自动化控制,无需人工干预。
优选地,本发明还提供了一种智能照明控制系统,包括:
环境数据采集模块,用于控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;
原始环境数据深度解析模块,用于对原始环境数据进行深度解析,从而获取解析环境数据;
需求预测模块,用于根据解析环境数据进行需求预测,从而获取预测照明需求数据;
照明决策生成模块,用于对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;
智能照明作业模块,用于根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。
本发明的有益效果在于:本发明可以根据环境数据动态调整照明设置,以适应各种环境条件。例如,根据环境光照强度和角度、音频数据以及图像数据进行深度分析,预测用户的照明需求,并生成相应的照明决策。这种灵活性和适应性提高了照明系统的使用效果,提供了优秀的用户体验。通过精确预测用户的照明需求并根据需要动态调整照明设置,本发明可以有效地减少不必要的能源消耗,从而提高能源效率。这对于节能和环保具有重要意义。该方法包含从环境数据收集、深度解析、需求预测、照明决策生成到智能照明作业的整个过程。整个过程高度自动化,减少了人工干预的需要,大大提高了运行效率。本发明能够预测用户的照明需求,并根据预测结果自动调整照明设置,从而满足用户的个性化需求。这种个性化的服务可以大大提高用户的满意度和体验。在智能照明作业后,系统会收集智能照明反馈数据,这使得系统能够根据反馈数据调整预测模型和决策规则,实现持续学习和优化,提高系统的准确性和稳定性。基于通用的数据分析和预测技术,可以轻松地扩展到其他类似的应用场景中,如智能家居、智能建筑和智能城市。通过对环境音频、图像等多源数据的解析,系统可以有效识别出异常状况(如火警、入侵),并及时作出反应,如自动调整照明,触发报警等,从而提高安全性。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了一实施例的智能灯的模块方框图;
图2示出了一实施例的智能照明控制方法的步骤流程图;
图3示出了一实施例的步骤S1的步骤流程图;
图4示出了一实施例的步骤S2的步骤流程图;
图5示出了一实施例的步骤S21的步骤流程图;
图6示出了一实施例的环境数据用户行为需求预测模型构建方法的步骤流程图;
图7示出了一实施例的步骤S4的步骤流程图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
请参阅图1至图7,本申请提供了一种智能照明控制方法,作用于智能灯,智能灯包括光照感应器、光照角度感受器、发射光强度调节器、发射光角度调节器、音频接收器、光学摄像头以及控制器,其中光照感应器、光照角度感受器、发射光强度调节器、发射光角度调节器、音频接收器及光学摄像头均与控制器电性连接,该智能照明控制方法包括以下步骤:
具体地,例如光照感应器:主要作用是感应环境的光照强度。例如,可以感应到室内的光线变暗,从而触发智能灯提供额外的照明。光照角度感受器:这个设备能够感应和测量光线的入射角度。例如,可以用来检测窗户中透进的自然光线的角度,从而帮助智能灯进行更好的照明控制。发射光强度调节器:这个设备可以调整智能灯发出的光线强度。通过这种方式,智能灯可以在不同的环境和需求下提供适当的照明。发射光角度调节器:这个设备可以调整智能灯的照明角度。这种功能使得智能灯能够针对特定的区域提供更好的照明效果。音频接收器:可以接收和处理环境中的声音信息,比如用户的语音指令,或者通过声音识别出环境的特定情境(如派对、学习等)。光学摄像头:这个设备可以捕捉环境的视觉信息。例如,通过图像识别,它可以帮助智能灯识别用户的姿势、位置,然后进行适应的照明调整。控制器:与其他所有设备电性连接,用来接收各个传感器和设备的数据,处理这些数据,然后根据处理结果控制智能灯的各种操作。控制器通常会包含一个或多个微处理器,以及必要的接口和电路,以支持与其他设备的通信和数据处理。
步骤S1:控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;
具体地,例如环境数据采集。光照感应器会测量环境的光照强度,例如,1000勒克斯。光照角度控制器会测量环境光源的角度,例如,30度。音频接收器会捕捉环境的声音,例如,50分贝。光学摄像头会拍摄环境的图像,以提供视觉信息。
步骤S2:对原始环境数据进行深度解析,从而获取解析环境数据;
具体地,例如深度解析环境数据。原始环境数据被送入深度解析算法。例如,图像特征数据的平均亮度值计算为200,音频特征数据的平均分贝值计算为50,光照特征数据的平均光照强度值计算为1000,光照特征数据的平均光照角度值计算为30。
步骤S3:根据解析环境数据进行需求预测,从而获取预测照明需求数据;
具体地,例如需求预测。根据解析环境数据,利用预设的环境数据用户行为需求预测模型进行需求预测。例如,预测结果可能表明在当前的环境条件下,用户可能需要800勒克斯的光照强度,和45度的光源角度。
步骤S4:对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;
具体地,例如照明决策生成。对预测的照明需求数据,如光照强度和光照角度,进行照明决策生成。例如,生成的决策可能是将灯光亮度调整为800勒克斯,并将光源角度调整为45度。
步骤S5:根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。
具体地,例如步骤S51:根据智能照明决策数据,发送操作指令到照明系统。这些操作指令可能包括改变光照强度、调整颜色温度、转动灯光角度。
步骤S53:在执行指令后,对照明系统的实际状态进行监测,从而获取照明系统运行数据。这可能涉及通过光照感应器、光照角度感受器等设备,实时收集照明系统的运行数据。
步骤S53:收集到的照明系统运行数据进行初步分析,得到照明系统的实时反馈信息。例如,通过分析光照强度的实时数据,可以了解当前的光照强度是否达到预期的需求。
步骤S54:将实时反馈信息与预设的期望值进行比较,从而获取问题识别结果,以识别可能存在的问题。例如,如果实际的光照强度低于预期,系统将识别出需要调整照明的指令。
步骤S55:根据实时反馈信息和问题识别结果,生成智能照明反馈数据。这些数据可以包含照明系统的实时状态、问题识别结果以及可能的优化建议。
本发明中通过实时采集环境数据,智能灯能够根据环境条件的变化进行实时调整,从而使照明效果更加符合用户需求。通过对环境数据的解析,预测照明需求,并生成智能照明决策,实现了照明系统的自动化控制,减少了用户的操作负担。由于考虑了用户行为数据,使得照明决策更加符合用户的个人习惯和偏好,提供了更加个性化的照明体验。通过预测照明需求,并生成相应的照明决策,可以避免不必要的照明,节省能源。通过获取智能照明反馈数据,可以对照明系统进行持续优化和提升,从而使照明效果更优。当系统检测到环境数据异常时,可以及时调整照明设备,比如在火灾或其他危险情况下,照明设备可以立即调整至最亮,以帮助人们安全疏散。不论是家庭环境,办公室环境,还是其他公共空间,本发明都能够根据实际需求和环境条件,提供合适的照明方案。
优选地,步骤S1具体为:
步骤S11:利用音频接收器收集环境音频信号,从而获取原始音频数据;
具体地,例如音频接收器捕获环境内的声音,例如,音量级别为50分贝的谈话声音,产生原始音频数据。
步骤S12:利用光学摄像头收集环境图像信号,从而获取原始图像数据;
具体地,例如光学摄像头捕获环境的图像,例如,捕获室内的一张桌子和四把椅子的场景,产生原始图像数据。
步骤S13:利用光照感应器检测环境光照强度,从而获取原始光照强度数据;
具体地,例如光照感应器检测环境光照强度,例如,室内光照强度为500勒克斯,产生原始光照强度数据。
步骤S14:利用光照角度控制器检测环境光照角度采集,从而获取原始光照角度数据;
具体地,例如光照角度控制器检测环境光照角度,例如,室内主要光源的角度为60度,产生原始光照角度数据。
步骤S15:将原始音频数据、原始图像数据、原始光照强度数据以及原始光照角度数据进行环境数据整合汇集,从而获取初级原始环境数据;
具体地,例如将原始音频数据、原始图像数据、原始光照强度数据以及原始光照角度数据合并成初级原始环境数据。这可能涉及到数据合并的技术和方法。
步骤S16:对初级原始环境数据进行原始环境数据清洗,从而获取原始环境清洗数据;
具体地,例如对初级原始环境数据进行数据清洗,例如,去除异常值,去除无关的噪音信号等,以提升数据的质量和准确性,产生原始环境清洗数据。
步骤S17:对原始环境清洗数据通过预设的环境存储数据格式进行环境数据转换,从而获取原始环境数据。
具体地,例如将原始环境清洗数据转换成预设的环境存储数据格式,例如,将数据转换为适合机器学习算法处理的格式,例如张量或矩阵,产生原始环境数据。
本发明中通过利用音频接收器、光学摄像头、光照感应器和光照角度控制器等多种设备收集环境信息,实现了对环境的全面感知。步骤S15的环境数据整合汇集,将各个设备收集到的数据进行统一处理和汇总,便于后续步骤的进行。步骤S16的原始环境数据清洗,可以去除无用的噪声和错误数据,提高了数据质量。步骤S17的环境数据转换,通过预设的环境存储数据格式进行数据转换,确保了数据的一致性,便于后续的数据处理和分析。各步骤设计均以提高数据准确性为目标,如原始数据的收集、清洗、转换,都有利于获取高质量、准确的环境数据,为智能照明决策提供精确的依据。通过设备化和自动化的数据收集和处理,能够提高环境信息的采集和处理效率,加快智能照明决策的生成。对环境数据的实时采集和处理,可在发生异常时及时发现并采取措施,如调整照明设备的工作状态,避免可能出现的问题。
优选地,步骤S16中原始环境数据清洗通过原始环境数据清洗计算公式进行数据清洗处理,其中原始环境数据清洗计算公式具体为:
Dc为原始环境清洗数据,t为原始环境时序数据,Aa为原始音频数据的振幅项,Ai为原始图像数据的亮度项,Li为原始光照强度数据,La为预设的环境光照强度阈值,θ为原始光照角度数据,为原始光照可靠角度数据,α为第一环境数据转换参数,β为第二环境数据转换参数。
本发明构造了一种原始环境数据清洗计算公式,该计算公式的一部分,(Aa+Ai)/2,实际上是计算音频和图像数据的平均值,这有助于抵消异常值或噪声,从而降低其对总体数据质量的影响。这种平均值处理也实现了不同类型数据的归一化,便于后续处理和比较。log10(Li/La)是对光照强度与预设阈值的对比。如果实际光照强度高于阈值,那么这个值大于0,否则小于0。这可以用来识别是否存在超出预期的光照强度。这部分对光照角度的微小变化做了处理。当角度趋近于0时,这个值将接近于/>这意味着,当光照角度变化很小的时候,它们对于整个公式的影响主要取决于参数α和β的平方根。d/dt代表了对时间的导数,这实际上表示了环境参数随时间变化的速率。这样可以识别出环境变化的快慢,对于照明控制来说,能及时响应环境变化是非常重要的。该公式实现了原始环境数据的全面清洗和优化处理,能更准确地反映实际环境状态,并为后续的环境照明决策提供了更准确的依据。
优选地,步骤S2具体为:
步骤S21:对原始环境数据中的原始音频数据进行特征提取,从而获取音频特征数据;
具体地,例如原始音频数据可能包括人的谈话声音、背景噪音等。通过傅立叶变换或梅尔频率倒谱系数(MFCC)等方法,提取音频特征数据,例如音频的频率、音量和时长。
步骤S22:对原始环境数据中的原始图像数据进行图像特征提取,从而获取图像特征数据;
具体地,例如原始图像数据可能包括室内物体的图像、室内光照等。通过卷积神经网络(CNN)或者其他图像处理算法,提取图像特征数据,例如物体的形状、颜色和位置。
步骤S23:对原始环境数据中的原始光照强度数据以及光照角度数据进行数据解析,从而获取光照特征数据;
具体地,例如原始光照强度数据和光照角度数据可能表示室内的照明情况。对这些数据进行解析,例如计算平均光照强度,计算主要光源的方向,得到光照特征数据。
步骤S24:对音频特征数据、图像特征数据以及光照特征数据进行深度处理,从而获取深度解析数据;
具体地,例如音频特征数据、图像特征数据以及光照特征数据进行深度处理,例如通过深度学习模型,如深度神经网络,提取更高级的特征,生成深度解析数据。
步骤S25:根据深度解析数据进行环境情境报告生成,从而获取环境情境报告数据;
具体地,例如根据深度解析数据,生成描述当前环境的环境情境报告数据,例如“室内静音,光照适中,有一人在看书”。
步骤S26:对环境情境报告数据进行异常检测,从而获取异常检测报告数据;
具体地,例如对环境情境报告数据进行异常检测,例如,检测是否存在与正常环境显著不同的情况,如声音过大或光照过暗,生成异常检测报告数据。
步骤S27:根据异常检测报告树进行结果解析,从而获取解析环境数据。
具体地,例如根据异常检测报告,对结果进行解析,例如确定是否需要调整照明条件,得到解析环境数据。
本发明中通过对原始环境数据中的音频、图像、光照强度和光照角度数据进行特征提取,能够获取到更具代表性的环境特征数据,从而更准确地反映环境状态。根据深度解析数据生成的环境情境报告能够详细展示环境的实际情况和状态,有助于更好的理解和判断环境情况。通过对环境情境报告数据进行异常检测,可以及时发现并处理异常情况,提高系统的稳定性和可靠性。通过对异常检测报告进行结果解析,获取到解析环境数据,有助于对环境的实时控制,提高环境控制的效率和效果。
优选地,音频特征数据包括高频音频特征数据、低频音频特征数据以及梅尔频率倒谱系数音频特征数据,步骤S21具体为:
步骤S211:对原始环境数据中的原始音频数据进行高频特征提取,从而获取高频音频特征数据;
具体地,例如高频特征通常对应声音的尖锐部分,例如说话人的声音,音乐的高音部分。对原始音频数据进行频谱分析,挑选出频谱中高频部分的强度、持续时间等特征,从而获取高频音频特征数据。
步骤S212:对原始环境数据中的原始音频数据进行低频特征提取,从而获取低频音频特征数据;
具体地,例如低频特征通常对应声音的浑厚部分,例如背景噪音,音乐的低音部分。对原始音频数据进行频谱分析,挑选出频谱中低频部分的强度、持续时间等特征,从而获取低频音频特征数据。
步骤S213:对原始环境数据中的原始音频数据进行梅尔频率倒谱系数特征提取,从而获取梅尔频率倒谱系数音频特征数据。
具体地,例如梅尔频率倒谱系数(MFCC)是一种广泛用于语音识别和音乐信息检索的音频特征。它模拟了人类耳朵对音频信号的感知特性。通过对原始音频数据进行傅立叶变换,然后对频谱进行梅尔刻度的滤波,最后通过离散余弦变换(DCT)得到梅尔频率倒谱系数,从而获取梅尔频率倒谱系数音频特征数据。
本发明中通过分别提取音频数据的高频、低频以及梅尔频率倒谱系数特征,可以更全面地反映音频的特征,提高环境数据的准确性和可用性。不同频段的音频特征可能反映不同的环境信息,如人声通常位于中低频段,高频音频可能反映一些紧急情况(如警报声、玻璃破碎声)。这样的分类提取可以帮助系统更快地对特定情境做出响应。梅尔频率倒谱系数音频特征数据常用于语音识别等领域,其在该系统中的使用可能提供一种机制,使得系统能够更好地理解和识别人声命令或反馈,从而进一步提升系统的智能化水平。
优选地,步骤S26中异常检测通过环境情境异常检测计算公式进行处理,其中环境情境异常检测计算公式具体为:
F为环境情境异常阈值数据,x为音频特征数据的平均分贝值,y为图像特征数据的平均亮度值,n为环境情境报告数据的数量数据,z为光照特征数据的平均光照强度值,m为光照特征数据的平均光照角度值,a为深度解析数据的平均深度值,b为环境情境报告数据的平均情感值,c为异常检测报告数据的平均异常程度值,d为解析环境数据的平均可信度值。
本发明构造了一种环境情境异常检测计算公式,该计算公式通过将音频、图像、光照的不同环境因素整合在一起,可以进行更为全面和综合的异常检测,增加了异常检测的准确性。公式中的参数包括了情境报告的平均情感值和异常检测报告的平均异常程度值,这使得智能照明系统具有更强的情境感知能力,能够根据环境的变化及时调整灯光设置。该公式将环境异常阈值F定义为一系列特征数据的函数,这意味着环境异常阈值可以随环境情况的变化动态调整,提高了系统的灵活性和适应性。参数之间的作用主要通过数学运算符(如导数、对数、极限、三角函数、乘方等)进行交互,生成一个复合的、能反映环境异常程度的量F。例如,导数反映了音频特征数据的变化率对环境异常的影响,对数和极限部分则反映了图像特征和光照特征的综合影响,而三角函数和乘方部分则分别反映了光照角度和深度解析数据的影响。所有这些部分都通过加法运算结合在一起,形成一个能综合反映环境异常程度的指标F。
优选地,利用预设的环境数据用户行为需求预测模型对解析环境数据进行需求预测,从而获取预测照明需求数据,环境数据用户行为需求预测模型的构建步骤具体为:
步骤S301:获取环境传感器数据以及用户行为数据;
具体地,例如环境传感器数据收集自智能照明设备的各种传感器,包括光照感应器、音频接收器。用户行为数据包括用户对照明设备的操作记录,例如开关灯的时间、调整亮度的记录。
步骤S302:对环境传感器数据以及用户行为数据进行数据预处理,从而获取环境用户行为预处理数据;
具体地,例如对环境传感器数据以及用户行为数据进行数据预处理,例如去除异常值,进行标准化,从而得到环境用户行为预处理数据。
步骤S303:对环境用户行为预处理数据进行用户行为特征提取,从而获取环境用户行为特征数据;
具体地,例如对环境用户行为预处理数据进行特征提取。特征可能包括环境光照强度、环境噪声水平、用户开关灯的频率、用户调整亮度的频率,从而得到环境用户行为特征数据。
步骤S304:根据环境用户行为特征数据进行建模,从而获取初步环境数据用户行为需求预测模型;
具体地,例如根据环境用户行为特征数据,利用机器学习算法(如支持向量机、决策树、神经网络)进行建模,从而得到初步环境数据用户行为需求预测模型。
步骤S305:获取用户照明需求数据,并利用用户照明需求数据对初步环境数据用户行为需求预测模型进行迭代优化,从而获取环境数据用户行为需求预测模型;
具体地,例如获取用户照明需求数据,这些数据可能来自用户的反馈,或者通过长时间的观察和记录用户的使用习惯得到。利用用户照明需求数据对初步环境数据用户行为需求预测模型进行迭代优化,例如使用梯度下降的优化算法,从而得到环境数据用户行为需求预测模型。
其中迭代优化的步骤具体为:
利用环境数据用户行为需求优化计算公式对初步环境数据用户行为需求预测模型进行优化,从而获取环境数据用户行为需求优化预测模型;
具体地,例如使用环境数据用户行为需求优化计算公式对初步环境数据用户行为需求预测模型进行优化。优化公式可能是一个损失函数,例如均方误差或者交叉熵,目标是使得预测的照明需求与实际照明需求之间的误差最小。优化后得到环境数据用户行为需求优化预测模型。
获取用户照明需求数据,并利用用户照明需求数据对环境数据用户行为需求优化预测模型进行标注,从而获取环境数据用户行为需求预测模型。
具体地,例如利用用户照明需求数据对环境数据用户行为需求优化预测模型进行标注,即将实际的用户需求作为模型预测的目标,进行模型的训练,从而得到环境数据用户行为需求预测模型。
本发明中利用环境传感器数据和用户行为数据,模型能够学习到用户在不同环境条件下的行为模式,进而准确预测用户在特定环境下的行为需求。这将极大提高照明系统的智能性,实现真正的个性化服务。由于预测模型可以根据用户的行为预测其照明需求,用户不再需要手动调整照明设备,大大提高了用户体验。此预测模型的构建和优化过程,能够使照明系统更加智能化,对用户需求有更好的响应,提升照明系统的用户满意度。通过用户的照明需求数据对预测模型进行迭代优化,模型的预测性能会随着使用时间的延长而不断提升,使得照明系统能更好地满足用户的个性化需求。准确预测并满足用户的照明需求,可以避免不必要的能源浪费,实现更为节能的照明方案。
优选地,其中环境数据用户行为需求优化计算公式具体为:
Q为环境数据用户行为需求优化指数,K为环境用户行为预处理数据的平均值数据,s为环境用户行为特征数据的标准偏差数据,p为步环境数据用户行为需求预测模型的误差率数据,q为用户照明需求数据的平均亮度数据,e为环境数据用户行为需求优化预测模型的准确率数据,f为用户照明需求数据的照明时长数据,g为环境数据用户行为需求预测模型的预测成功次数,h为环境数据用户行为需求预测模型的预测总次数。
本发明构造了一种环境数据用户行为需求优化计算公式,该计算公式计算出一个优化指数Q,这个指数能量化反映预测模型的预测性能和需求满足程度,为模型的优化提供了定量评估依据。公式中包含预测模型的准确率数据、预测成功次数以及用户照明需求数据的多个因素,通过复杂的数学运算进行综合考量,实现了预测性能与需求满足程度的平衡。优化指数Q可反映当前模型的优化程度,当Q达不到预定的优化目标时,可以通过迭代更新预测模型以优化Q值,实现模型性能的持续提升。是一个对预测模型误差率、预测模型准确率、用户需求亮度以及照明时长等因素的综合考虑,通过对这些参数进行特定的运算,反映出预测模型在满足用户需求方面的性能。tan―1gh则是对预测模型的成功率进行的考量,当预测成功次数g相对于预测总次数h的比值越大,这个值就越接近于1,反映出预测模型的准确性越高。
优选地,步骤S4具体为:
步骤S41:对预测照明需求数据进行需求解析,从而获取照明需求解析数据;
具体地,例如对预测照明需求数据进行需求解析。这可能涉及将预测照明需求数据分解为更具体的需求,例如分别对应到明亮度、光照角度、颜色温度。
步骤S42:利用预设的照明控制系统约束规则对照明需求解析数据进行决策规则生成,从而获取照明控制决策规则数据;
具体地,例如利用预设的照明控制系统约束规则对照明需求解析数据进行决策规则生成。约束规则可能包括对光照强度、颜色温度等的最大和最小限制,决策规则数据则是满足这些约束的操作指令。
步骤S43:对照明控制决策规则数据进行决策逻辑生成,从而获取照明控制决策逻辑数据;
具体地,例如对照明控制决策规则数据进行决策逻辑生成。例如,当预测到用户需要阅读时,决策逻辑可能是增加光照强度并调整颜色温度至适合阅读的范围。
步骤S44:对照明控制决策逻辑数据进行仿真模拟,从而获取照明决策模拟结果数据;
具体地,例如对照明控制决策逻辑数据进行仿真模拟。这可能涉及使用计算机模拟执行决策逻辑,并预测执行结果的效果。
步骤S45:利用取照明决策模拟结果数据对照明控制决策逻辑数据进行决策优化,从而获取智能照明决策数据。
具体地,例如利用照明决策模拟结果数据对照明控制决策逻辑数据进行决策优化。根据模拟结果,调整决策逻辑以达到最佳效果,例如,如果模拟结果显示光照过亮,可以将决策逻辑中的光照强度降低。
本发明通过预测用户的照明需求,智能照明系统可以更准确地调整灯光的亮度、颜色等参数,提高照明效率,节约能源。根据用户的需求自动调整照明设备,可以提高用户体验,减少手动调整灯光参数的麻烦。通过仿真模拟和决策优化,可以不断提高照明决策的准确性,优化照明效果。这种智能化的照明决策系统可以应用到各种场景中,例如智能家居、智能建筑、智能城市等,大大拓展了照明设备的应用范围。通过对照明需求的解析、决策规则的生成、决策逻辑的生成、模拟结果的获取和决策的优化,实现了照明的自动化控制,无需人工干预。
优选地,本发明还提供了一种智能照明控制系统,包括:
环境数据采集模块,用于控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;
原始环境数据深度解析模块,用于对原始环境数据进行深度解析,从而获取解析环境数据;
需求预测模块,用于根据解析环境数据进行需求预测,从而获取预测照明需求数据;
照明决策生成模块,用于对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;
智能照明作业模块,用于根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。
本发明的有益效果在于:本发明可以根据环境数据动态调整照明设置,以适应各种环境条件。例如,根据环境光照强度和角度、音频数据以及图像数据进行深度分析,预测用户的照明需求,并生成相应的照明决策。这种灵活性和适应性提高了照明系统的使用效果,提供了优秀的用户体验。通过精确预测用户的照明需求并根据需要动态调整照明设置,本发明可以有效地减少不必要的能源消耗,从而提高能源效率。这对于节能和环保具有重要意义。该方法包含从环境数据收集、深度解析、需求预测、照明决策生成到智能照明作业的整个过程。整个过程高度自动化,减少了人工干预的需要,大大提高了运行效率。本发明能够预测用户的照明需求,并根据预测结果自动调整照明设置,从而满足用户的个性化需求。这种个性化的服务可以大大提高用户的满意度和体验。在智能照明作业后,系统会收集智能照明反馈数据,这使得系统能够根据反馈数据调整预测模型和决策规则,实现持续学习和优化,提高系统的准确性和稳定性。基于通用的数据分析和预测技术,可以轻松地扩展到其他类似的应用场景中,如智能家居、智能建筑和智能城市。通过对环境音频、图像等多源数据的解析,系统可以有效识别出异常状况(如火警、入侵),并及时作出反应,如自动调整照明,触发报警等,从而提高安全性。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附申请文件而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种智能照明控制方法,其特征在于,作用于智能灯,智能灯包括光照感应器、光照角度感受器、发射光强度调节器、发射光角度调节器、音频接收器、光学摄像头以及控制器,其中光照感应器、光照角度感受器、发射光强度调节器、发射光角度调节器、音频接收器及光学摄像头均与控制器电性连接,该智能照明控制方法包括以下步骤:
步骤S1:控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;
步骤S2:对原始环境数据进行深度解析,从而获取解析环境数据;
步骤S3:根据解析环境数据进行需求预测,从而获取预测照明需求数据;
步骤S4:对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;
步骤S5:根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。
2.根据权利要求1所述的智能照明控制方法,其特征在于,步骤S1具体为:
步骤S11:利用音频接收器收集环境音频信号,从而获取原始音频数据;
步骤S12:利用光学摄像头收集环境图像信号,从而获取原始图像数据;
步骤S13:利用光照感应器检测环境光照强度,从而获取原始光照强度数据;
步骤S14:利用光照角度控制器检测环境光照角度采集,从而获取原始光照角度数据;
步骤S15:将原始音频数据、原始图像数据、原始光照强度数据以及原始光照角度数据进行环境数据整合汇集,从而获取初级原始环境数据;
步骤S16:对初级原始环境数据进行原始环境数据清洗,从而获取原始环境清洗数据;
步骤S17:对原始环境清洗数据通过预设的环境存储数据格式进行环境数据转换,从而获取原始环境数据。
3.根据权利要求2所述的智能照明控制方法,其特征在于,步骤S16中原始环境数据清洗通过原始环境数据清洗计算公式进行数据清洗处理,其中原始环境数据清洗计算公式具体为:
Dc为原始环境清洗数据,t为原始环境时序数据,Aa为原始音频数据的振幅项,Ai为原始图像数据的亮度项,Li为原始光照强度数据,La为预设的环境光照强度阈值,θ为原始光照角度数据,为原始光照可靠角度数据,α为第一环境数据转换参数,β为第二环境数据转换参数。
4.根据权利要求1所述的智能照明控制方法,其特征在于,步骤S2具体为:
步骤S21:对原始环境数据中的原始音频数据进行特征提取,从而获取音频特征数据;
步骤S22:对原始环境数据中的原始图像数据进行图像特征提取,从而获取图像特征数据;
步骤S23:对原始环境数据中的原始光照强度数据以及光照角度数据进行数据解析,从而获取光照特征数据;
步骤S24:对音频特征数据、图像特征数据以及光照特征数据进行深度处理,从而获取深度解析数据;
步骤S25:根据深度解析数据进行环境情境报告生成,从而获取环境情境报告数据;
步骤S26:对环境情境报告数据进行异常检测,从而获取异常检测报告数据;
步骤S27:根据异常检测报告树进行结果解析,从而获取解析环境数据。
5.根据权利要求4所述的智能照明控制方法,其特征在于,音频特征数据包括高频音频特征数据、低频音频特征数据以及梅尔频率倒谱系数音频特征数据,步骤S21具体为:
步骤S211:对原始环境数据中的原始音频数据进行高频特征提取,从而获取高频音频特征数据;
步骤S212:对原始环境数据中的原始音频数据进行低频特征提取,从而获取低频音频特征数据;
步骤S213:对原始环境数据中的原始音频数据进行梅尔频率倒谱系数特征提取,从而获取梅尔频率倒谱系数音频特征数据。
6.根据权利要求4所述的智能照明控制方法,其特征在于,步骤S26中异常检测通过环境情境异常检测计算公式进行处理,其中环境情境异常检测计算公式具体为:
F为环境情境异常阈值数据,x为音频特征数据的平均分贝值,y为图像特征数据的平均亮度值,n为环境情境报告数据的数量数据,z为光照特征数据的平均光照强度值,m为光照特征数据的平均光照角度值,a为深度解析数据的平均深度值,b为环境情境报告数据的平均情感值,c为异常检测报告数据的平均异常程度值,d为解析环境数据的平均可信度值。
7.根据权利要求1所述的智能照明控制方法,其特征在于,利用预设的环境数据用户行为需求预测模型对解析环境数据进行需求预测,从而获取预测照明需求数据,环境数据用户行为需求预测模型的构建步骤具体为:
步骤S301:获取环境传感器数据以及用户行为数据;
步骤S302:对环境传感器数据以及用户行为数据进行数据预处理,从而获取环境用户行为预处理数据;
步骤S303:对环境用户行为预处理数据进行用户行为特征提取,从而获取环境用户行为特征数据;
步骤S304:根据环境用户行为特征数据进行建模,从而获取初步环境数据用户行为需求预测模型;
步骤S305:获取用户照明需求数据,并利用用户照明需求数据对初步环境数据用户行为需求预测模型进行迭代优化,从而获取环境数据用户行为需求预测模型;
其中迭代优化的步骤具体为:
利用环境数据用户行为需求优化计算公式对初步环境数据用户行为需求预测模型进行优化,从而获取环境数据用户行为需求优化预测模型;
获取用户照明需求数据,并利用用户照明需求数据对环境数据用户行为需求优化预测模型进行标注,从而获取环境数据用户行为需求预测模型。
8.根据权利要求7所述的智能照明控制方法,其特征在于,其中环境数据用户行为需求优化计算公式具体为:
Q为环境数据用户行为需求优化指数,K为环境用户行为预处理数据的平均值数据,s为环境用户行为特征数据的标准偏差数据,p为步环境数据用户行为需求预测模型的误差率数据,q为用户照明需求数据的平均亮度数据,e为环境数据用户行为需求优化预测模型的准确率数据,f为用户照明需求数据的照明时长数据,g为环境数据用户行为需求预测模型的预测成功次数,h为环境数据用户行为需求预测模型的预测总次数。
9.根据权利要求1所述的智能照明控制方法,其特征在于,步骤S4具体为:
步骤S41:对预测照明需求数据进行需求解析,从而获取照明需求解析数据;
步骤S42:利用预设的照明控制系统约束规则对照明需求解析数据进行决策规则生成,从而获取照明控制决策规则数据;
步骤S43:对照明控制决策规则数据进行决策逻辑生成,从而获取照明控制决策逻辑数据;
步骤S44:对照明控制决策逻辑数据进行仿真模拟,从而获取照明决策模拟结果数据;
步骤S45:利用取照明决策模拟结果数据对照明控制决策逻辑数据进行决策优化,从而获取智能照明决策数据。
10.一种智能照明控制系统,其特征在于,包括:
环境数据采集模块,用于控制智能灯中的光照感应器、光照角度控制器、音频接收器以及光学摄像头进行环境数据采集,从而获取原始环境数据;
原始环境数据深度解析模块,用于对原始环境数据进行深度解析,从而获取解析环境数据;
需求预测模块,用于根据解析环境数据进行需求预测,从而获取预测照明需求数据;
照明决策生成模块,用于对预测照明需求数据进行照明决策生成,从而获取智能照明决策数据;
智能照明作业模块,用于根据智能照明决策数据进行智能照明作业,从而获取智能照明反馈数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220817.5A CN117098285A (zh) | 2023-09-20 | 2023-09-20 | 一种智能照明控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311220817.5A CN117098285A (zh) | 2023-09-20 | 2023-09-20 | 一种智能照明控制系统及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117098285A true CN117098285A (zh) | 2023-11-21 |
Family
ID=88782879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311220817.5A Withdrawn CN117098285A (zh) | 2023-09-20 | 2023-09-20 | 一种智能照明控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117098285A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117939730A (zh) * | 2024-03-20 | 2024-04-26 | 东莞莱姆森科技建材有限公司 | 智能灯镜、镜柜以及亮度等级设定方法及系统 |
CN118488631A (zh) * | 2024-07-09 | 2024-08-13 | 惠州市沃生照明有限公司 | 一种智能化吊灯的光效控制方法 |
-
2023
- 2023-09-20 CN CN202311220817.5A patent/CN117098285A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117939730A (zh) * | 2024-03-20 | 2024-04-26 | 东莞莱姆森科技建材有限公司 | 智能灯镜、镜柜以及亮度等级设定方法及系统 |
CN117939730B (zh) * | 2024-03-20 | 2024-06-14 | 东莞莱姆森科技建材有限公司 | 智能灯镜、镜柜以及亮度等级设定方法及系统 |
CN118488631A (zh) * | 2024-07-09 | 2024-08-13 | 惠州市沃生照明有限公司 | 一种智能化吊灯的光效控制方法 |
CN118488631B (zh) * | 2024-07-09 | 2024-09-10 | 惠州市沃生照明有限公司 | 一种智能化吊灯的光效控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117098285A (zh) | 一种智能照明控制系统及控制方法 | |
CN117156635A (zh) | 一种智能交互的节能灯控平台 | |
CN102014278A (zh) | 一种基于语音识别技术的智能视频监控方法 | |
US11341825B1 (en) | Implementing deterrent protocols in response to detected security events | |
WO2021041146A1 (en) | Audio scene recognition using time series analysis | |
WO2022124276A1 (ja) | 室内空気品質予測方法、及び室内空気品質検出システム | |
JP2006194959A (ja) | 音声検出装置、自動撮像装置、および音声検出方法 | |
CN117641667B (zh) | 氛围灯亮度智能控制方法及系统 | |
CN109429415B (zh) | 照明控制方法、装置及系统 | |
CN116963357B (zh) | 一种灯具的智能配置控制方法、系统及介质 | |
CN113436623A (zh) | 一种空调器的语音控制方法及空调器 | |
CN112832996A (zh) | 用于控制供水系统的方法 | |
KR101736466B1 (ko) | 음향 정보 기반 상황 인식 장치 및 방법 | |
CN117711309B (zh) | 基于mcu控制器的led显示控制方法及系统 | |
CN116959471A (zh) | 语音增强方法、语音增强网络的训练方法及电子设备 | |
CN117545144A (zh) | 一种基于物联网的舞台灯光调控方法、系统及存储介质 | |
CN109949803B (zh) | 基于语义指令智能识别的建筑服务设施控制方法及系统 | |
CN117278899A (zh) | 一种蓝牙耳机的使用模式切换方法 | |
CN117762372A (zh) | 一种多模态人机交互系统 | |
CN117348436B (zh) | 一种基于智能手环的全屋智能控制方法及系统 | |
CN116405771B (zh) | 一种用于平板电脑的智能音视频采集方法和系统 | |
CN117939760B (zh) | 一种舞台灯光智能化控制方法及系统 | |
JP2005172548A (ja) | 監視装置およびデータベース構築方法 | |
EP4227940A1 (en) | Electronic device and method for controlling same | |
US20230136611A1 (en) | Artificial intelligence apparatus and method for controlling the same |
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 |
Application publication date: 20231121 |
|
WW01 | Invention patent application withdrawn after publication |