CN117528886A - 一种基于物联网的led灯珠智能调控方法及系统 - Google Patents

Abstract

本发明涉及LED控制技术领域，特别是一种基于物联网的LED灯珠智能调控方法及系统。将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值不位于预设范围内，基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，根据比较结果对LED灯珠各项内置参数进行调控。通过高度智能化的算法使得系统能够对LED灯珠进行精准调控，能够较大程度提高用户生活质量与生活体验。

Description

一种基于物联网的LED灯珠智能调控方法及系统

技术领域

本发明涉及LED控制技术领域，特别是一种基于物联网的LED灯珠智能调控方法及系统。

背景技术

LED是一种高效、可靠、长寿命的照明光源，通过物联网技术，LED灯珠可以连接到互联网，以实现对环境的实时感知和数据收集，结合人工智能技术，可以通过学习和适应的方式，根据环境变化和用户需求智能地调整照明亮度、色温等参数，提供更符合人体生理和心理需求的照明效果。尽管基于物联网的LED灯珠色温与亮度调控方法在提高照明系统智能性和用户体验方面取得了显著进展，但仍存在一些现有技术缺陷，如系统缺乏高度智能化的算法，不能根据用户的个性化需求、活动情境以及环境光照等信息进行精准调控，这使得系统在提供人性化光照体验方面存在一定局限性。

发明内容

本发明克服了现有技术的不足，提供了一种基于物联网的LED灯珠智能调控方法及系统。

为达到上述目的本发明采用的技术方案为：

本发明第一方面公开了一种基于物联网的LED灯珠智能调控方法，包括以下步骤：

获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数；

获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，则不需要对LED灯珠进行调控；

若所述实际光线参数偏差值不位于预设范围内，则需要对LED灯珠进行调控，并基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；

基于物联网的方式获取预设区域内LED灯珠中内置参数的实时数据，构建参数库，将获取得到的实时数据导入参数库中；并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；

将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，使得预设区域内环境的光线参数达到目标值。

进一步地，本发明的一个较佳实施例中，获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数，具体为：

提前获取目标用户在进行各种行为活动时对应的特征行为视频帧信息，基于深度学习网络构建行为识别模型，并将目标用户在进行各种行为活动时对应的特征行为视频帧信息导入所述行为识别模型中进行训练，得到训练好的行为识别模型；

基于物联网方式获取预设区域内目标用户的实时行为视频帧信息，将所述实时行为视频帧信息导入所述训练好的行为识别模型中进行识别，识别得到目标用户的实时行为活动；

提前收集目标用户在进行各种行为活动时的偏好光线参数，构建数据库，并将目标用户在进行各种行为活动时的偏好光线参数导入所述数据库中，得到信息数据库；

根据目标用户的实时行为活动生成检索标签，基于所述检索标签对所述信息数据库进行检索，以得到目标用户在进行该实时行为活动时的目标光线参数；

其中，所述光线参数包括色温与亮度。

进一步地，本发明的一个较佳实施例中，基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据，具体为：

提前预制在各种预设光线参数偏差值条件之下的LED灯珠的预设调控方案，构建知识图谱，并将提前预制好的各种预设调控方案导入所述知识图谱中；

将所述实际光线参数偏差值导入所述知识图谱中，引入灰色关联分析法，并基于灰色关联分析法计算所述实际光线参数偏差值与各种预设光线参数偏差值之间的关联度，得到多个关联度；

构建大小排序表，将多个所述关联度导入所述大小排序表中进行基于数值大小排序，得到排序结果；根据所述排序结果提取出最大关联度，并获取与最大关联度对应的预设光线参数偏差值；

根据与最大关联度对应的预设光线参数偏差值在所述知识图谱中检索出相应的预设调控方案；并根据所检索出的预设调控方案确定出对LED灯珠进行调控时其各项内置参数的所需达到的理想数据；

其中，所述内置参数包括驱动电压、驱动电流以及脉冲宽度。

进一步地，本发明的一个较佳实施例中，对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据，具体为：

获取参数库中的实时数据，并根据参数库中的实时数据随机生成一个数据矩阵，并对所述数据矩阵中的实时数据进行中心化处理，使得数据矩阵中的实时数据的均值为0，得到中心化后的数据矩阵；

对中心化后的数据矩阵进行奇异值分解，得到按列组成的正交矩阵、按行组成的对角矩阵以及奇异值矩阵；其中，奇异值矩阵中对角线上的元素称为奇异值；

在奇异值矩阵中保留奇异值大于预设阈值的主成分，得到k个主成分；并提取所述正交矩阵中前k列与对角矩阵中前k行的元素，根据在正交矩阵中提取出的前k列元素与对角矩阵中提取出的前k行元素构成一个新的正交矩阵和一个新的对角矩阵；

将数据矩阵中的相应列的元素与所述新的正交矩阵相应列的元素相乘，以及将数据矩阵中的相应行的元素与所述新的对角矩阵相应行的元素相乘，得到降维后的数据矩阵，并在所述降维后的数据矩阵中提取得到降维后的实时数据。

进一步地，本发明的一个较佳实施例中，对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据，还包括以下步骤：

获取LED灯珠中各项内置参数的样本参数，并对各项内置参数的样本参数进行特征提取，得到各项内置参数的样本特征，并根据各项内置参数的样本特征初始化若干个模糊聚类中心；

随机访问一个降维后的实时数据，将访问的该降维后的实时数据按预设顺序分配至各个模糊聚类中心内，引入余弦相似度算法，基于余弦相似度算法计算该降维后的实时数据与各个模糊聚类中心之间的相似度；并逐一判断该降维后的实时数据与各个模糊聚类中心之间的相似度是否大于预设相似度；

若该降维后的实时数据与某一个模糊聚类中心之间的相似度大于预设相似度，则将该降维后的实时数据聚类至该相似度大于预设相似度的模糊聚类中心内，然后访问下一个降维后的实时数据，并重复以上步骤，直至将所有降维后的实时数据访问结束；

若该降维后的实时数据与某一个模糊聚类中心之间的相似度不大于预设相似度，则将该降维后的实时数据分配至下一个模糊聚类中心，然后继续判断该降维后的实时数据与下一个模糊聚类中心之间的相似度是否大于预设相似度，直至将该降维后的实时数据聚类至相似度大于预设相似度的某一个模糊聚类中心内；然后访问下一个降维后的实时数据，并重复以上步骤，直至将所有降维后的实时数据访问结束；

更新各个聚类中心内所存在的降维后的实时数据，得到LED灯珠中各项内置参数所对应的实时数据。

进一步地，本发明的一个较佳实施例中，将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，具体为：

逐一计算LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据之间的差值，得到LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值；

将LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值与预设偏差值进行比较；并判断LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值是否大于预设偏差值；

若大于，则将相应类型的内置参数标记为需调控内置参数，并基于物联网的方式根据该项内置参数的实时数据与理想数据之间的偏差值对该内置参数的实时数据进行调控；若不大于，则将该内置参数标记为不需调控内置参数。

本发明第二方面公开了一种基于物联网的LED灯珠智能调控系统，所述LED灯珠智能调控系统包括存储器与处理器，所述存储器中存储有LED灯珠智能调控方法程序，当所述LED灯珠智能调控方法程序被所述处理器执行时，实现如下步骤：

获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数；

获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，则不需要对LED灯珠进行调控；

若所述实际光线参数偏差值不位于预设范围内，则需要对LED灯珠进行调控，并基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；

基于物联网的方式获取预设区域内LED灯珠中内置参数的实时数据，构建参数库，将获取得到的实时数据导入参数库中；并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；

将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，使得预设区域内环境的光线参数达到目标值。

本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值不位于预设范围内，基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；获取预设区域内LED灯珠中内置参数的实时数据，并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，根据比较结果对LED灯珠各项内置参数进行调控。通过高度智能化的算法使得系统能够根据用户的个性化需求、活动情境以及环境光照等信息进行对LED灯珠进行精准调控，能够较大程度提高用户生活质量与生活体验。

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，下面将对实施例或现有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实施例的附图。

图1为一种基于物联网的LED灯珠智能调控方法的第一方法流程图；

图2为一种基于物联网的LED灯珠智能调控方法的第二方法流程图；

图3为一种基于物联网的LED灯珠智能调控系统的系统框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

如图1所示，本发明第一方面公开了一种基于物联网的LED灯珠智能调控方法，包括以下步骤：

S102：获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数；

S104：获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，则不需要对LED灯珠进行调控；

S106：若所述实际光线参数偏差值不位于预设范围内，则需要对LED灯珠进行调控，并基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；

S108：基于物联网的方式获取预设区域内LED灯珠中内置参数的实时数据，构建参数库，将获取得到的实时数据导入参数库中；并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；

S110：将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，使得预设区域内环境的光线参数达到目标值。

如图2所示，进一步地，本发明的一个较佳实施例中，获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数，具体为：

S202：提前获取目标用户在进行各种行为活动时对应的特征行为视频帧信息，基于深度学习网络构建行为识别模型，并将目标用户在进行各种行为活动时对应的特征行为视频帧信息导入所述行为识别模型中进行训练，得到训练好的行为识别模型；

S204：基于物联网方式获取预设区域内目标用户的实时行为视频帧信息，将所述实时行为视频帧信息导入所述训练好的行为识别模型中进行识别，识别得到目标用户的实时行为活动；

S206：提前收集目标用户在进行各种行为活动时的偏好光线参数，构建数据库，并将目标用户在进行各种行为活动时的偏好光线参数导入所述数据库中，得到信息数据库；

S208：根据目标用户的实时行为活动生成检索标签，基于所述检索标签对所述信息数据库进行检索，以得到目标用户在进行该实时行为活动时的目标光线参数；

其中，所述光线参数包括色温与亮度。

需要说明的是，行为活动包括但不限于用膳、阅读、休憩、观看影视等。当用户在进行各种行为活动时，都具有相应的特征动作，如在观看影视时，用户会长时间目视投影屏、LED屏幕等，因此可以提前获取目标用户在进行各种行为活动时对应的特征行为视频帧信息，如在用户在进行观看影视时的特征行为视频帧性，然后通过深度学习网络构建行为识别模型，并将目标用户在进行各种行为活动时对应的特征行为视频帧信息导入所述行为识别模型中训练至满足预设要求，如通过遗传算法、最大拟然法进行训练，以便于后续根据用户的实时行为视频帧信息识别出用户的实时行为活动，从而快速匹配出用户在进行各种行为活动时所喜好的环境色温与亮度，即目标光线参数。通过摄像机获取预设区域内目标用户的实时行为视频帧信息，并基于物联方式将目标用户的实时行为视频帧信息传送至云平台上，以进一步识别处理。

进一步地，本发明的一个较佳实施例中，基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据，具体为：

提前预制在各种预设光线参数偏差值条件之下的LED灯珠的预设调控方案，构建知识图谱，并将提前预制好的各种预设调控方案导入所述知识图谱中；

将所述实际光线参数偏差值导入所述知识图谱中，引入灰色关联分析法，并基于灰色关联分析法计算所述实际光线参数偏差值与各种预设光线参数偏差值之间的关联度，得到多个关联度；

构建大小排序表，将多个所述关联度导入所述大小排序表中进行基于数值大小排序，得到排序结果；根据所述排序结果提取出最大关联度，并获取与最大关联度对应的预设光线参数偏差值；

根据与最大关联度对应的预设光线参数偏差值在所述知识图谱中检索出相应的预设调控方案；并根据所检索出的预设调控方案确定出对LED灯珠进行调控时其各项内置参数的所需达到的理想数据；

其中，所述内置参数包括驱动电压、驱动电流以及脉冲宽度。

需要说明的是，如通过光照传感器等获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，说明预设区域内的色温与亮度等参数均符合目标用户进行当前实时行为活动时的偏好要求，此时则不需要对LED灯珠进行调控。

若所述实际光线参数偏差值不位于预设范围内，说明预设区域内的色温或亮度，或色温与亮度等参数均不符合目标用户进行当前实时行为活动时的偏好要求，此时需要对LED灯珠进行调控，以使得预设区域内的光线参数满足用户偏好需求。具体来说，由在各种预设光线参数偏差值条件所对应的调控方案各有不同，调控方案孔包括LED灯珠中驱动电流、驱动电压以及脉冲宽度等对应的调控数值，如若当LED灯珠的亮度过暗时，可以通过调控加大驱动电流来调大亮度，而不同亮度与驱动电流大小存在线性关系，因此可以提前预制在各种预设光线参数偏差值条件之下的LED灯珠的预设调控方案，预设调控方案可以通过多次试验获得，也可以通过大数据共享网络中获取得到。如当偏差亮度为80lm与偏差色温为270k时，LED灯珠各项内置参数所需调控的值为多少，即预设调控方案。因此，在实际应用时，通过计算所述实际光线参数偏差值与各种预设光线参数偏差值之间的关联度，根据与最大关联度对应的预设光线参数偏差值在所述知识图谱中检索出相应的预设调控方案；并根据所检索出的预设调控方案确定出对LED灯珠进行调控时其各项内置参数的所需达到的理想数据。通过本方法能够快速匹配出将环境光线参数调控至目标值LED灯珠各项内置参数的所需达到的理想数据，并且算法简单，不需要经过复杂运算，能够提高系统鲁棒性。

进一步地，本发明的一个较佳实施例中，对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据，具体为：

获取参数库中的实时数据，并根据参数库中的实时数据随机生成一个数据矩阵，并对所述数据矩阵中的实时数据进行中心化处理，使得数据矩阵中的实时数据的均值为0，得到中心化后的数据矩阵；

对中心化后的数据矩阵进行奇异值分解，得到按列组成的正交矩阵、按行组成的对角矩阵以及奇异值矩阵；其中，奇异值矩阵中对角线上的元素称为奇异值；

在奇异值矩阵中保留奇异值大于预设阈值的主成分，得到k个主成分；并提取所述正交矩阵中前k列与对角矩阵中前k行的元素，根据在正交矩阵中提取出的前k列元素与对角矩阵中提取出的前k行元素构成一个新的正交矩阵和一个新的对角矩阵；

将数据矩阵中的相应列的元素与所述新的正交矩阵相应列的元素相乘，以及将数据矩阵中的相应行的元素与所述新的对角矩阵相应行的元素相乘，得到降维后的数据矩阵，并在所述降维后的数据矩阵中提取得到降维后的实时数据。

需要说明的是，通过安装在LED灯珠内部的各传感器获取预设区域内LED灯珠中内置参数的实时数据，如通过电流传感器获取驱动电流，并且构建参数库，基于物联网的方式将获取得到的实时数据导入参数库中，当采集完毕后，由于不知道参数库中各数据对应的类型，如不知道哪些数据是驱动电流数据，哪些数据是驱动电压数据，此时需要对参数库中海量的数据进行处理，以识别出各数据类型。具体来说，根据参数库中的实时数据随机生成一个数据矩阵，其中每一行代表一个实时数据，每一列代表一个特征；对数据矩阵进行中心化处理，即将每个特征的均值减去该特征的均值，使得数据的均值为0；对中心化后的数据矩阵进行奇异值分解，得到正交矩阵、对角矩阵以及奇异值矩阵，根据奇异值的大小，选择保留的主成分数量，通常根据奇异值的大小来确定保留的主成分数量，例如保留奇异值较大的前k个主成分；并提取所述正交矩阵中前k列与对角矩阵中前k行的元素，根据在正交矩阵中提取出的前k列元素与对角矩阵中提取出的前k行元素构成一个新的正交矩阵和一个新的对角矩阵，从而根据新的正交矩阵与新的对角矩阵对原始的数据矩阵进行降维处理，通过奇异值分解算法对参数库中的数据进行降维处理，从而减少数据的维度并保留数据的主要特征，从而简化后续对数据的分类难度，并且能够在一定程度上降低数据的噪音和冗余，提高数据的可靠性。

进一步地，本发明的一个较佳实施例中，对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据，还包括以下步骤：

获取LED灯珠中各项内置参数的样本参数，并对各项内置参数的样本参数进行特征提取，得到各项内置参数的样本特征，并根据各项内置参数的样本特征初始化若干个模糊聚类中心；

随机访问一个降维后的实时数据，将访问的该降维后的实时数据按预设顺序分配至各个模糊聚类中心内，引入余弦相似度算法，基于余弦相似度算法计算该降维后的实时数据与各个模糊聚类中心之间的相似度；并逐一判断该降维后的实时数据与各个模糊聚类中心之间的相似度是否大于预设相似度；

若该降维后的实时数据与某一个模糊聚类中心之间的相似度大于预设相似度，则将该降维后的实时数据聚类至该相似度大于预设相似度的模糊聚类中心内，然后访问下一个降维后的实时数据，并重复以上步骤，直至将所有降维后的实时数据访问结束；

若该降维后的实时数据与某一个模糊聚类中心之间的相似度不大于预设相似度，则将该降维后的实时数据分配至下一个模糊聚类中心，然后继续判断该降维后的实时数据与下一个模糊聚类中心之间的相似度是否大于预设相似度，直至将该降维后的实时数据聚类至相似度大于预设相似度的某一个模糊聚类中心内；然后访问下一个降维后的实时数据，并重复以上步骤，直至将所有降维后的实时数据访问结束；

更新各个聚类中心内所存在的降维后的实时数据，得到LED灯珠中各项内置参数所对应的实时数据。

需要说明的是，样本特征是对样本参数的描述和量化，一般来说，它是一个可以度量的属性或特性。例如，如果我们有一个关于房屋的数据集，样本特征包括面积、价格、地理位置、建筑年份等，在机器学习中，样本特征就是用来描述数据并提供给模型学习的各种属性。通过模糊聚类算法对降维后的数据进行聚类处理，模糊聚类算法是一种针对不同类型数据进行聚类的方法，模糊聚类中心的数量通过LED灯珠中的内置参数数量确定。通过本方法能够快速对降维后的实时数据进行聚类处理，以得到LED灯珠中各项内置参数所对应的实时数据。

进一步地，本发明的一个较佳实施例中，将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，具体为：

逐一计算LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据之间的差值，得到LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值；

将LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值与预设偏差值进行比较；并判断LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值是否大于预设偏差值；

若大于，则将相应类型的内置参数标记为需调控内置参数，并基于物联网的方式根据该项内置参数的实时数据与理想数据之间的偏差值对该内置参数的实时数据进行调控；若不大于，则将该内置参数标记为不需调控内置参数。

需要说明的是，若LED灯珠中某项内置参数的实时数据与理想数据之间的偏差值不大于预设偏差值，说明不需要对该相参数进行调控；若LED灯珠中某项内置参数的实时数据与理想数据之间的偏差值大于预设偏差值，此时则根据该项内置参数的实时数据与理想数据之间的偏差值对该内置参数的实时数据进行调控。通过本方法能够通过调整LED灯珠内置参数的方式将环境光线参数调节至用户在进行当前行为活动时所喜好的目标值。

综上所述，通过高度智能化的算法使得系统能够根据用户的个性化需求、活动情境以及环境光照等信息进行对LED灯珠进行精准调控，能够较大程度提高用户生活质量与生活体验。

此外，本方法还包括以下步骤：

通过大数据网络获取LED灯珠在正常状态与异常状态时各项内置参数所对应的特征数据；其中，所述特征数据包括温度、电流以及电压；

引入马尔科夫链，根据LED灯珠在正常状态与异常状态时各项内置参数所对应的特征数据，并通过马尔科夫链计算LED灯珠在各种特征数据条件之下各状态之间的转移概率；

根据LED灯珠在各种特征数据条件之下各状态之间的转移概率构建状态概率转移矩阵，状态概率转移矩阵描述了LED灯珠从一个状态到另一个状态的概率；

构建马尔科夫模型，并将所述状态概率转移矩阵导入所述马尔科夫模型中，并基于遗传算法结合状态概率转移矩阵对马尔科夫模型进行结构学习，得到训练好的马尔科夫模型；

将LED灯珠中各项内置参数所对应的实时数据导入所述训练好的马尔科夫模型进行预测，得到LED灯珠在当前时间节点由正常状态转移至异常状态所对应的状态转移概率值；

若LED灯珠在当前时间节点由正常状态转移至异常状态所对应的状态转移概率值大于预设概率值，则获取LED灯珠的异常状态类型；

根据LED灯珠的异常状态类型对大数据网络进行检索，得到LED灯珠调控方案，并基于物联网的方式将所述LED灯珠调控方案传送至LED灯珠控制终端。

需要说明的是，LED灯珠在长时间工作后可能会发生老化，导致性能下降或出现故障，老化可能涉及电子元件、发光材料等部分，影响LED的发光效果和稳定性，从而导致LED灯珠在工作过程中的某个时间节点会由正常状态转移至异常状态。如LED灯珠在工作过程中可能会因为过电流而导致其内部逐步升温，当温度高于一定阈值后，LED灯珠内部便会处于温度异常状态，因此在本步骤，通过马尔科夫模型提前预测出LED灯珠在未来时间节点是否会出现异常状态，从而提前对LED灯珠进行调控，避免LED灯珠进入异常状态，以延长LED灯珠的使用寿命，减少维修成本，实现自动化的维护策略，确保灯珠可以正常发光，从而维持整体照明效果。如当预测到LED灯珠会转移至高温异常状态时，可以适当调低驱动电流与电压，从而调控LED内部温度。

此外，本方法还包括以下步骤：

获取目标区域内所有LED灯珠的安装位置节点，以及获取目标区域内LED灯珠控制终端的位置节点；

将目标区域内LED灯珠控制终端的位置节点定义为射线起点，以及将目标区域内所有LED灯珠的安装位置节点定义为射线终点；

根据所述射线起点与射线终点，基于射线追踪算法规划得到若干个无线信号传送方案，并获取各个无线信号传送方案中信号传送路径的路径值；

将路径值大于预设路径值的无线信号传送方案筛除，得到一次筛选后的无线信号传送方案；

获取一次筛选后的无线信号传送方案中传送路径的汇聚节点，并获取无线信号传送时从该汇聚节点到LED灯珠控制终端的位置节点的传送能耗值；

将传送能耗值大于预设能耗值的无线信号传送方案筛除，得到二次筛选后的无线信号传送方案；

获取二次筛选后的无线信号传送方案中各个汇聚节点的位置坐标，并检索出二次筛选后的无线信号传送方案中各个汇聚节点的位置坐标的预设范围区域内是否存在电磁干扰设施；

若存在，则将相应的无线信号传送方案筛除，得到三次筛选后的无线信号传送方案；

获取三次筛选后的无线信号传送方案中信号传送路径的路径值，并对三次筛选后的无线信号传送方案中信号传送路径的路径值进行排序，得到最短路径值，将与最短路径值对应的无线信号传送方案输出。

需要说明的是，目标区域包括知会图书馆、生活居室等。本方法通过通过优化无线信号传送路径，可以在LED照明系统中实现更高效、可靠和智能的通信，为用户提供更好的照明体验，同时降低系统运行成本。通过确定最佳无线信号传送路径可以有效优化信号传输质量，有助于降低信号丢失、干扰或衰减的可能性，提高LED灯珠控制的稳定性和可靠性；通过选择最佳的传送路径，可以减少信号传输的功耗和能耗，对于LED照明系统来说尤为重要，因为能源效率直接影响系统的运行成本和可持续性。

如图3所示，本发明第二方面公开了一种基于物联网的LED灯珠智能调控系统，所述LED灯珠智能调控系统包括存储器20与处理器60，所述存储器20中存储有LED灯珠智能调控方法程序，当所述LED灯珠智能调控方法程序被所述处理器60执行时，实现如下步骤：

获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数；

获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，则不需要对LED灯珠进行调控；

若所述实际光线参数偏差值不位于预设范围内，则需要对LED灯珠进行调控，并基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；

基于物联网的方式获取预设区域内LED灯珠中内置参数的实时数据，构建参数库，将获取得到的实时数据导入参数库中；并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；

将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，使得预设区域内环境的光线参数达到目标值。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于物联网的LED灯珠智能调控方法，其特征在于，包括以下步骤：

获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数；

获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，则不需要对LED灯珠进行调控；

若所述实际光线参数偏差值不位于预设范围内，则需要对LED灯珠进行调控，并基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；

基于物联网的方式获取预设区域内LED灯珠中内置参数的实时数据，构建参数库，将获取得到的实时数据导入参数库中；并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；

将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，使得预设区域内环境的光线参数达到目标值。

2.根据权利要求1所述的一种基于物联网的LED灯珠智能调控方法，其特征在于，获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数，具体为：

提前获取目标用户在进行各种行为活动时对应的特征行为视频帧信息，基于深度学习网络构建行为识别模型，并将目标用户在进行各种行为活动时对应的特征行为视频帧信息导入所述行为识别模型中进行训练，得到训练好的行为识别模型；

基于物联网方式获取预设区域内目标用户的实时行为视频帧信息，将所述实时行为视频帧信息导入所述训练好的行为识别模型中进行识别，识别得到目标用户的实时行为活动；

提前收集目标用户在进行各种行为活动时的偏好光线参数，构建数据库，并将目标用户在进行各种行为活动时的偏好光线参数导入所述数据库中，得到信息数据库；

根据目标用户的实时行为活动生成检索标签，基于所述检索标签对所述信息数据库进行检索，以得到目标用户在进行该实时行为活动时的目标光线参数；

其中，所述光线参数包括色温与亮度。

3.根据权利要求1所述的一种基于物联网的LED灯珠智能调控方法，其特征在于，基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据，具体为：

提前预制在各种预设光线参数偏差值条件之下的LED灯珠的预设调控方案，构建知识图谱，并将提前预制好的各种预设调控方案导入所述知识图谱中；

将所述实际光线参数偏差值导入所述知识图谱中，引入灰色关联分析法，并基于灰色关联分析法计算所述实际光线参数偏差值与各种预设光线参数偏差值之间的关联度，得到多个关联度；

构建大小排序表，将多个所述关联度导入所述大小排序表中进行基于数值大小排序，得到排序结果；根据所述排序结果提取出最大关联度，并获取与最大关联度对应的预设光线参数偏差值；

根据与最大关联度对应的预设光线参数偏差值在所述知识图谱中检索出相应的预设调控方案；并根据所检索出的预设调控方案确定出对LED灯珠进行调控时其各项内置参数的所需达到的理想数据；

其中，所述内置参数包括驱动电压、驱动电流以及脉冲宽度。

4.根据权利要求1所述的一种基于物联网的LED灯珠智能调控方法，其特征在于，对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据，具体为：

获取参数库中的实时数据，并根据参数库中的实时数据随机生成一个数据矩阵，并对所述数据矩阵中的实时数据进行中心化处理，使得数据矩阵中的实时数据的均值为0，得到中心化后的数据矩阵；

对中心化后的数据矩阵进行奇异值分解，得到按列组成的正交矩阵、按行组成的对角矩阵以及奇异值矩阵；其中，奇异值矩阵中对角线上的元素称为奇异值；

在奇异值矩阵中保留奇异值大于预设阈值的主成分，得到k个主成分；并提取所述正交矩阵中前k列与对角矩阵中前k行的元素，根据在正交矩阵中提取出的前k列元素与对角矩阵中提取出的前k行元素构成一个新的正交矩阵和一个新的对角矩阵；

将数据矩阵中的相应列的元素与所述新的正交矩阵相应列的元素相乘，以及将数据矩阵中的相应行的元素与所述新的对角矩阵相应行的元素相乘，得到降维后的数据矩阵，并在所述降维后的数据矩阵中提取得到降维后的实时数据。

5.根据权利要求4所述的一种基于物联网的LED灯珠智能调控方法，其特征在于，对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据，还包括以下步骤：

获取LED灯珠中各项内置参数的样本参数，并对各项内置参数的样本参数进行特征提取，得到各项内置参数的样本特征，并根据各项内置参数的样本特征初始化若干个模糊聚类中心；

随机访问一个降维后的实时数据，将访问的该降维后的实时数据按预设顺序分配至各个模糊聚类中心内，引入余弦相似度算法，基于余弦相似度算法计算该降维后的实时数据与各个模糊聚类中心之间的相似度；并逐一判断该降维后的实时数据与各个模糊聚类中心之间的相似度是否大于预设相似度；

若该降维后的实时数据与某一个模糊聚类中心之间的相似度大于预设相似度，则将该降维后的实时数据聚类至该相似度大于预设相似度的模糊聚类中心内，然后访问下一个降维后的实时数据，并重复以上步骤，直至将所有降维后的实时数据访问结束；

若该降维后的实时数据与某一个模糊聚类中心之间的相似度不大于预设相似度，则将该降维后的实时数据分配至下一个模糊聚类中心，然后继续判断该降维后的实时数据与下一个模糊聚类中心之间的相似度是否大于预设相似度，直至将该降维后的实时数据聚类至相似度大于预设相似度的某一个模糊聚类中心内；然后访问下一个降维后的实时数据，并重复以上步骤，直至将所有降维后的实时数据访问结束；

更新各个聚类中心内所存在的降维后的实时数据，得到LED灯珠中各项内置参数所对应的实时数据。

6.根据权利要求1所述的一种基于物联网的LED灯珠智能调控方法，其特征在于，将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，具体为：

逐一计算LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据之间的差值，得到LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值；

将LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值与预设偏差值进行比较；并判断LED灯珠中各项内置参数的实时数据与理想数据之间的偏差值是否大于预设偏差值；

若大于，则将相应类型的内置参数标记为需调控内置参数，并基于物联网的方式根据该项内置参数的实时数据与理想数据之间的偏差值对该内置参数的实时数据进行调控；若不大于，则将该内置参数标记为不需调控内置参数。

7.一种基于物联网的LED灯珠智能调控系统，其特征在于，所述LED灯珠智能调控系统包括存储器与处理器，所述存储器中存储有LED灯珠智能调控方法程序，当所述LED灯珠智能调控方法程序被所述处理器执行时，实现如下步骤：

获取预设区域内目标用户的实时行为视频帧信息，并对所述实时行为视频帧信息进行识别，得到目标用户在进行实时行为活动时的目标光线参数；

获取预设区域内的实际光线参数，并将所述实际光线参数与所述目标光线参数进行比较，得到实际光线参数偏差值；若所述实际光线参数偏差值位于预设范围内，则不需要对LED灯珠进行调控；

若所述实际光线参数偏差值不位于预设范围内，则需要对LED灯珠进行调控，并基于所述实际光线参数偏差值确定出对LED灯珠进行调控时其各项内置参数所需达到的理想数据；

基于物联网的方式获取预设区域内LED灯珠中内置参数的实时数据，构建参数库，将获取得到的实时数据导入参数库中；并对参数库中的实时数据进行降维与分类处理，得到LED灯珠中各项内置参数所对应的实时数据；

将LED灯珠中同种类型的内置参数所对应的实时数据与所需达到的理想数据进行比较，得到比较结果，根据比较结果对LED灯珠各项内置参数进行调控，使得预设区域内环境的光线参数达到目标值。