CN117711309B - 基于mcu控制器的led显示控制方法及系统 - Google Patents
基于mcu控制器的led显示控制方法及系统 Download PDFInfo
- Publication number
- CN117711309B CN117711309B CN202410167577.5A CN202410167577A CN117711309B CN 117711309 B CN117711309 B CN 117711309B CN 202410167577 A CN202410167577 A CN 202410167577A CN 117711309 B CN117711309 B CN 117711309B
- Authority
- CN
- China
- Prior art keywords
- led display
- data
- display screen
- model
- mcu controller
- 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 63
- 230000007613 environmental effect Effects 0.000 claims abstract description 78
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 230000004927 fusion Effects 0.000 claims abstract description 44
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 57
- 238000011217 control strategy Methods 0.000 claims description 45
- 230000003993 interaction Effects 0.000 claims description 40
- 230000004044 response Effects 0.000 claims description 36
- 238000001228 spectrum Methods 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 20
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000013136 deep learning model Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000008713 feedback mechanism Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 10
- 238000005265 energy consumption Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000003339 best practice Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Abstract
本发明涉及数据处理的技术领域，公开了一种基于MCU控制器的LED显示控制方法及系统。所述基于MCU控制器的LED显示控制方法包括：基于多功能感测器阵列实时采集环境监测数据；通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量。本发明能确保LED显示屏在各种条件下都能提供清晰、准确的信息显示。
Description
技术领域
本发明涉及数据处理的技术领域，尤其涉及一种基于MCU控制器的LED显示控制方法及系统。
背景技术
在交互式LED显示技术领域，随着智能科技的迅猛发展，人们对环境适应性强并能提供丰富交互体验的显示系统需求不断增加。现有的LED显示系统涵盖从简单的灯光装置到高端的广告板和公共信息显示屏，并在多种应用场景中提供视觉信息。为了提高互动性和环境适应能力，这些系统通常配备有一些基本的传感器，如光敏电阻或红外传感器，以实现基础的自动亮度调节或触摸交互功能。
目前，通常采用单一类型的传感器或简单的传感器组合来调节LED显示屏的显示参数，如亮度和色温，并可能包含某些基础的用户设置选项以供用户根据个人喜好进行调整。虽然这些技术能满足基本的自动调节需求，但在环境适应性、用户交互体验以及场景多样性方面，现有的LED控制方法和系统往往不能提供复杂的调整策略或深入分析环境和用户行为数据来优化显示效果。现有技术的主要技术缺陷在于其对环境监测和用户交互的反应不够智能化和精细化。这限制了LED显示系统自动调整显示参数的准确性和效能，导致在变化的环境条件下无法提供最优的显示效果，同时也未能充分利用现代机器学习和人工智能技术的潜力来增强系统的交互性和环境适应性。
因此，有必要开发一种新型的LED显示控制方法，能够更智能、更精准地分析环境数据和用户交互，为用户提供卓越的显示体验。
发明内容
本发明提供了一种基于MCU控制器的LED显示控制方法及系统，用于更智能、更精准地分析环境数据和用户交互，为用户提供卓越的显示体验。
本发明第一方面提供了一种基于MCU控制器的LED显示控制方法，所述基于MCU控制器的LED显示控制方法包括：
基于多功能感测器阵列实时采集环境监测数据；其中，所述多功能感测器阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器；
通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量；
将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；其中，所述LED显示策略分析模型经过提前训练得到；
将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；其中，所述显示参数至少包括LED显示屏的动态亮度、色温适配、对比度平衡。
可选的，在本发明第一方面的第一种实现方式中，所述环境监测数据至少包括光谱组成数据、温度数据、声场特性数据及空气组分变化数据。
可选的，在本发明第一方面的第二种实现方式中，所述通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，包括：
在MCU控制器的指令下，通过预设的模糊逻辑算法，对多功能感测器阵列采集的环境监测数据进行分析，分别从光谱组成数据、温度数据、声场特性数据及空气组分变化数据中提取特定事件的潜在特征，并对所述特定事件的潜在特征进行初步的可能性评估；
对各环境监测数据中提取到的特定事件的潜在特征应用对应的条件概率公式计算似然度，并将所述似然度结合预设的深度学习模型中设置的先验信息，更新各环境监测数据中各特定事件的后验概率估值，得到各环境监测数据的后验概率；
根据事先定义的权重体系，将各环境监测数据中得出的后验概率加权整合，形成综合的目标融合数据；其中，所述目标融合数据用于量化表达LED显示控制策略中各种环境因素的相对重要性。
可选的，在本发明第一方面的第三种实现方式中，所述LED显示策略分析模型的训练过程，包括：
收集LED显示屏的样本运行数据；其中，所述样本运行数据至少包括亮度级别、色彩配置、动态响应时间、功耗、性能表现、交互响应速度；
将样本运行数据输入到一个由多个子模型构成的综合分析网络中；其中，所述综合分析网络由亮度优化子模型、色彩平衡子模型、动态性能分析子模型、能源效率评估子模型、环境适应性评定子模型和用户交互响应子模型组成；
通过亮度优化子模型，分析并优化LED显示屏在不同环境光照条件下的亮度配置，比较LED显示实际亮度与预定亮度基准，输出亮度偏差指标；通过色彩平衡子模型，对LED显示屏色彩的稳定性和动态变化进行量化描述，输出色彩稳定性指标；基于动态性能分析子模型，评估LED显示屏响应时间和动态显示能力，输出动态图像的流畅度指标；基于能源效率评估子模型，分析LED显示屏在不同显示模式下的功耗，优化LED显示屏的能源使用，输出能效指标；基于环境适应性评定子模型，分析LED显示屏在不同环境条件下的稳定性和性能表现，输出性能表现指标；基于用户交互响应子模型，评估用户与LED显示屏交互时的响应速度和准确性，输出交互性能指标；
从样本运行数据中提取预设的标准值；其中，所述标准值包括亮度偏差标准值、色彩稳定性标准值、动态图像的流畅度标准值、能效标准值、性能表现标准值和交互性能标准值；
将各个子模型的输出与所述标准值进行比较，计算差异值，通过迭代学习和参数调整，优化综合分析网络，以最小化差异值，完成综合分析网络的训练，得到LED显示策略分析模型。
可选的，在本发明第一方面的第四种实现方式中，所述将LED显示控制策略通过MCU控制器传输至LED显示屏，并通过预设的智能调整算法自动调整显示参数，包括：
在MCU控制器上配置并嵌入所述LED显示控制策略，将LED显示屏的控制逻辑编码为由MCU控制器执行的命令序列，得到对应的控制信号；
利用预置的通信接口，通过MCU控制器将控制信号传输到LED显示屏；
基于LED显示屏上集成预设的智能调整算法，自动调整LED显示屏的显示参数；其中，所述预设的智能调整算法用于根据LED显示屏内容的动态变化实时调整，以保证最佳的观看体验；
通过反馈机制，实时监控LED显示屏的性能和响应效果，得到反馈信息；并根据反馈信息，MCU控制器对LED显示控制策略进行动态调整。
本发明第二方面提供了一种基于MCU控制器的LED显示控制系统，所述基于MCU控制器的LED显示控制方法系统包括：
采集模块，用于基于多功能感测器阵列实时采集环境监测数据；其中，所述多功能感测器阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器；
融合模块，用于通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量；
预测模块，用于将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；其中，所述LED显示策略分析模型经过提前训练得到；
调整模块，用于将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；其中，所述显示参数至少包括LED显示屏的动态亮度、色温适配、对比度平衡。
本发明第三方面提供了一种基于MCU控制器的LED显示控制设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于MCU控制器的LED显示控制方法设备执行上述的基于MCU控制器的LED显示控制方法。
本发明的第四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中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于MCU控制器的LED显示控制方法。
本发明提供的技术方案中，有益效果：本发明提供了一种基于MCU控制器的LED显示控制方法及系统，基于多功能感测器阵列实时采集环境监测数据；通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量，将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；本发明通过多功能感测器阵列的实时数据采集，结合环境感应模块的数据融合，本方法能够全面了解环境状态，为LED显示策略提供精确的多维环境特征表示。本发明借助预设的机器学习算法和训练后的LED显示策略分析模型，本方法可以自动预测和调整适应环境的LED显示控制策略，提高了显示参数调整的智能化水平。
通过集成用户交互输入数据和应用场景数据，本方法能够灵活调整LED显示策略，满足不同用户在不同场景下的个性化显示需求。智能调整算法可自动优化显示参数，如动态亮度、色温适配和对比度平衡，以适应环境变化并提供视觉体验的同时节省能源消耗。
附图说明
图1为本发明实施例中基于MCU控制器的LED显示控制方法的一个实施例示意图；
图2为本发明实施例中基于MCU控制器的LED显示控制方法系统的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于MCU控制器的LED显示控制方法及系统。本发明的说明书和权利要求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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，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。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于MCU控制器的LED显示控制方法的一个实施例包括：
步骤101、基于多功能感测器阵列实时采集环境监测数据；其中，所述多功能感测器阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器；
可以理解的是，本发明的执行主体可以为基于MCU控制器的LED显示控制方法系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，步骤101的具体实现如下：
部署多功能感测器阵列进行环境监测数据实时采集：
在需要进行环境监测的区域部署多功能感测器阵列，该阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器。这些传感器设备能够在环境中进行多方面的数据采集，如光谱信息、温度、声音频谱及气体成分等。
例如，部署一组光谱分析器用于采集光谱信息，温度探测器用于实时监测环境温度，声音频谱分析器用于分析环境中的声音频谱信息，气体成分分析器用于检测环境中的气体成分情况。
创建数据采集系统，对感测器阵列输出的数据进行实时处理及存储：
创建一个数据采集系统，以接收并处理多功能感测器阵列输出的各类数据，包括光谱分析数据、温度数据、声音频谱数据和气体成分数据。系统能够对这些数据进行实时处理，并将其存储用于后续的分析和处理。
例如，建立一个数据采集系统，通过各个感测器阵列的接口，将实时采集到的光谱数据、温度数据、声音频谱数据和气体成分数据进行整合，实现对环境监测数据的实时汇总与存储。
步骤102、通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量；
具体的，步骤102的具体实现如下：
集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据：
将环境感应模块与微控制器单元(MCU)控制器集成，通过该模块可以实现对多功能感测器阵列采集的光谱分析数据、温度数据、声音频谱数据和气体成分数据进行智能融合，得到目标融合数据。智能融合可以利用数据融合算法，将来自不同传感器的数据进行整合和分析，从而得到更加全面和准确的环境监测结果。
例如，MCU控制器通过环境感应模块对多功能感测器阵列输出的不同类型数据进行融合，将光谱信息、温度信息、声音频谱信息和气体成分信息进行综合分析，得出目标融合数据。
利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量：
基于目标融合数据，利用预设的机器学习算法，如深度学习、支持向量机等，构建环境状态的多维特征表示。这些特征表示可以包括光谱特征、温度特征、声音特征和气体成分特征等多方面的环境特征。
例如，通过使用深度学习算法，对目标融合数据进行训练和学习，构建环境特征向量，该向量能够全面、准确地表征环境状态的多维特征，如不同光谱波段的特征、温度变化的特征、声音频谱的特征以及气体成分的特征等。
步骤103、将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；其中，所述LED显示策略分析模型经过提前训练得到；
具体的，步骤103的具体实现如下：
将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略：
首先，将环境特征向量、包括光谱特征、温度特征、声音特征和气体成分特征等输入至训练后的LED显示策略分析模型。该模型可以采用各种机器学习算法进行训练，如深度学习、神经网络、决策树等。这些算法可以从输入的环境特征中学习并建立LED显示控制的预测模型。
其次，预设的用户交互输入数据和预设的应用场景数据也作为输入，用来进一步调整LED显示策略的预测。这些数据可能包括用户偏好、环境需求、特定应用场景下的光照需求等信息。
最后，通过训练后的LED显示策略分析模型进行预测，得到LED显示控制策略。预测过程将根据输入的环境特征、用户交互数据和应用场景数据，输出符合当前环境状况和需求的LED显示控制策略。
步骤104、将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；其中，所述显示参数至少包括LED显示屏的动态亮度、色温适配、对比度平衡。
具体的，步骤104的具体实现如下：
将LED显示控制策略通过MCU控制器传输至LED显示屏：
LED显示控制策略由上一步生成，并通过MCU控制器传输至LED显示屏。MCU控制器作为中央处理单元，负责将LED显示控制策略转化为控制指令，并传输至LED显示屏的控制芯片或模块。
例如，MCU控制器可以使用现有的通信协议，如I2C、SPI、CAN等，将LED显示控制策略传输至LED显示屏的驱动芯片或控制模块。
基于所述LED显示控制策略和预设的智能调整算法，自动调整LED显示屏的显示参数：
LED显示控制策略包含LED显示屏的动态亮度、色温适配、对比度平衡等显示参数调控方案。基于此策略，MCU控制器根据预设的智能调整算法，自动调整LED显示屏的参数以实现最佳显示效果。
例如，智能调整算法可以使用反馈控制算法或闭环算法，通过对LED显示屏的实际显示效果进行监测和分析，实时调整LED显示屏的亮度、色温和对比度，使其适应当前环境条件和显示需求。
本发明实施例中基于MCU控制器的LED显示控制方法的另一个实施例包括：
所述环境监测数据至少包括光谱组成数据、温度数据、声场特性数据及空气组分变化数据。
本发明实施例中基于MCU控制器的LED显示控制方法的另一个实施例包括：
所述通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，包括：
在MCU控制器的指令下，通过预设的模糊逻辑算法，对多功能感测器阵列采集的环境监测数据进行分析，分别从光谱组成数据、温度数据、声场特性数据及空气组分变化数据中提取特定事件的潜在特征，并对所述特定事件的潜在特征进行初步的可能性评估；
对各环境监测数据中提取到的特定事件的潜在特征应用对应的条件概率公式计算似然度，并将所述似然度结合预设的深度学习模型中设置的先验信息，更新各环境监测数据中各特定事件的后验概率估值，得到各环境监测数据的后验概率；
根据事先定义的权重体系，将各环境监测数据中得出的后验概率加权整合，形成综合的目标融合数据；其中，所述目标融合数据用于量化表达LED显示控制策略中各种环境因素的相对重要性。
具体的，重要术语解释
MCU控制器: 微控制单元，一种用于实现数字控制的小型计算机系统。
环境感应模块: 集成在MCU控制器中，用于感知和分析周围环境条件的模块。
多功能感测器阵列: 由多种感测器组成的系统，用于收集光谱组成、温度、声场特性和空气组分等环境数据。
模糊逻辑算法: 一种处理不确定或模糊信息的计算方法，用于分析和解释复杂的环境数据。
条件概率公式: 数学公式，用于计算在特定条件下某事件发生的概率。
深度学习模型: 一种基于人工神经网络的复杂算法模型，用于从大量数据中学习和提取模式。
后验概率: 给定某些特定证据后，某事件发生的概率。
权重体系: 用于确定不同因素在综合评估中的相对重要性的系统。
应用场景
本技术方案的应用场景包括：
智能家居系统: 在家庭环境中实现自动化的照明和显示控制。
商业广告显示: 在商业环境如购物中心使用LED显示屏，根据环境变化自动调整显示效果。
交通指示牌: 在交通系统中使用LED显示，根据天气和交通流量调整显示信息。
公共安全监控: 用于监控和响应城市安全相关的环境变化。
具体的细化
在本实施例中，基于MCU控制器的LED显示控制方法的细化方案如下：
环境感应模块的优化:
环境感应模块采用先进的传感器技术，如红外传感、光谱分析器和声音识别技术，以增强数据采集的精度和范围。
集成特殊传感器以监测异常环境变化，如化学污染或异常声波模式，以便于快速响应潜在危险。
模糊逻辑算法的高级实现:
开发一套先进的模糊逻辑处理系统，该系统能够根据实时数据动态调整其决策规则，以应对复杂多变的环境条件。
实现自我学习机制，使系统根据过去的表现和结果不断优化其判断标准。
深度学习模型的自适应优化:
采用自适应神经网络，使得深度学习模型能够根据新的数据不断调整其网络参数，提高预测准确性。
引入在线学习机制，允许系统在持续运行中不断吸收新信息，优化其后验概率的计算。
动态权重体系的调整:
实施一个动态权重调整机制，根据不同时间、季节或特殊事件自动调整环境监测数据的权重。
权重调整机制基于历史数据和预测模型，确保在不同环境下都能精确反映环境因素的相对重要性。
LED显示控制策略的智能化:
实施一个高级的显示控制算法，根据环境监测数据和目标融合数据自动选择最合适的显示内容和样式。
引入情境感知机制，使显示屏内容能够根据观众的反应或互动进行实时调整。
本发明实施例中，有益效果：本发明实施例能够根据周围环境变化，如天气、时间和特殊事件，自动调整显示内容。优化的显示内容更符合当前环境需求，提高信息传达的准确性和效率。在紧急情况下，系统可快速响应并显示重要安全信息。通过实时监测环境并相应调整亮度和显示内容，降低能源消耗。自动调整显示策略，提供更贴合环境和用户需求的视觉体验。
本发明实施例中基于MCU控制器的LED显示控制方法的另一个实施例包括：
所述LED显示策略分析模型的训练过程，包括：
收集LED显示屏的样本运行数据；其中，所述样本运行数据至少包括亮度级别、色彩配置、动态响应时间、功耗、性能表现、交互响应速度；
将样本运行数据输入到一个由多个子模型构成的综合分析网络中；其中，所述综合分析网络由亮度优化子模型、色彩平衡子模型、动态性能分析子模型、能源效率评估子模型、环境适应性评定子模型和用户交互响应子模型组成；
通过亮度优化子模型，分析并优化LED显示屏在不同环境光照条件下的亮度配置，比较LED显示实际亮度与预定亮度基准，输出亮度偏差指标；通过色彩平衡子模型，对LED显示屏色彩的稳定性和动态变化进行量化描述，输出色彩稳定性指标；基于动态性能分析子模型，评估LED显示屏响应时间和动态显示能力，输出动态图像的流畅度指标；基于能源效率评估子模型，分析LED显示屏在不同显示模式下的功耗，优化LED显示屏的能源使用，输出能效指标；基于环境适应性评定子模型，分析LED显示屏在不同环境条件下的稳定性和性能表现，输出性能表现指标；基于用户交互响应子模型，评估用户与LED显示屏交互时的响应速度和准确性，输出交互性能指标；
从样本运行数据中提取预设的标准值；其中，所述标准值包括亮度偏差标准值、色彩稳定性标准值、动态图像的流畅度标准值、能效标准值、性能表现标准值和交互性能标准值；
将各个子模型的输出与所述标准值进行比较，计算差异值，通过迭代学习和参数调整，优化综合分析网络，以最小化差异值，完成综合分析网络的训练，得到LED显示策略分析模型。
具体的，重要术语解释
MCU控制器：微控制单元（Microcontroller Unit），一种集成了处理器核心、存储器和外设接口的小型计算设备，广泛用于自动化控制领域。
多功能感测器阵列：由不同类型的传感器组成的系统，用于监测如温度、光谱组成、声场特性和空气组分等多种环境参数。
模糊逻辑算法：一种处理不确定或模糊输入的逻辑系统，用于模拟人类的决策过程，处理非黑即白的情况。
深度学习模型：一种基于人工神经网络的算法，用于从大量数据中学习复杂模式，进行预测和分类。
条件概率公式：在给定某个事件发生的条件下，另一个事件发生的概率计算方法。
后验概率：在获得新证据后，对一个假设的概率进行更新的过程。
LED显示控制策略：用于管理LED显示屏显示内容、亮度、色彩配置等的一套规则和方法。
应用场景
交通指示和管理：在城市路口使用LED显示屏，根据实时交通状况调整信号灯模式和显示交通信息。
商业广告和信息展示：在购物中心和商业街区使用LED显示屏展示广告，根据客流量和时间段自动调整显示内容。
公共安全和紧急信息发布：在公共场所使用LED显示屏发布紧急安全信息，如自然灾害预警、安全疏散指示。
环境监控和反馈：在敏感区域安装LED显示屏，实时显示环境监测数据，如空气质量和噪音水平。
LED显示策略分析模型的训练过程细化
本实施例中的LED显示策略分析模型训练过程具体如下：
数据收集与处理:
收集大量LED显示屏在不同环境条件下的运行数据。
运行数据包括亮度级别、色彩配置、动态响应时间、功耗、性能表现、交互响应速度等关键参数。
对收集到的数据进行预处理，包括数据清洗和格式化，以适应后续的模型训练需求。
综合分析网络构建:
构建一个包含多个子模型的综合分析网络。
子模型包括亮度优化、色彩平衡、动态性能分析、能源效率评估、环境适应性评定和用户交互响应。
每个子模型专注于分析和优化相应的性能指标。
子模型功能实现:
亮度优化子模型：分析不同环境光照下LED显示屏的最佳亮度设置，输出亮度调整建议。
色彩平衡子模型：监控和调整色彩配置，确保色彩稳定性，适应不同观看条件。
动态性能分析子模型：评估和优化动态显示的流畅度，提高图像质量。
能源效率评估子模型：分析不同显示模式的能耗，提出能效改进方案。
环境适应性评定子模型：分析显示屏在各种环境条件下的稳定性和适应性。
用户交互响应子模型：评估和优化交互界面的响应速度和用户体验。
性能标准设定:
为每个性能指标设定一个预期标准值。
标准值根据行业最佳实践、用户期望和历史数据设定。
模型训练与优化:
输入样本运行数据到综合分析网络。
将网络输出与预设标准值进行比较，计算差异。
使用迭代学习和参数调整方法优化网络，减少预测与标准值之间的差异。
重复训练过程，直到达到满意的准确度和效率水平。
本发明实施例中，有益效果：本发明实施例通过对环境监测数据的智能融合，LED显示控制系统可以实时响应环境变化，提供更加精确和及时的信息。优化LED显示屏的亮度和色彩配置，减少能源消耗，同时保持显示效果。通过用户交互响应子模型，系统能够更好地响应用户需求和反馈，提供更加个性化的显示内容。在紧急情况下，系统能够快速调整显示内容，提供关键的安全信息和指引，增强公共安全。系统能够根据不同时间、事件和环境条件动态调整显示内容，保持信息的相关性和吸引力。
本发明实施例中基于MCU控制器的LED显示控制方法的另一个实施例包括：
所述将LED显示控制策略通过MCU控制器传输至LED显示屏，并通过预设的智能调整算法自动调整显示参数，包括：
在MCU控制器上配置并嵌入所述LED显示控制策略，将LED显示屏的控制逻辑编码为由MCU控制器执行的命令序列，得到对应的控制信号；
利用预置的通信接口，通过MCU控制器将控制信号传输到LED显示屏；
基于LED显示屏上集成预设的智能调整算法，自动调整LED显示屏的显示参数；其中，所述预设的智能调整算法用于根据LED显示屏内容的动态变化实时调整，以保证最佳的观看体验；
通过反馈机制，实时监控LED显示屏的性能和响应效果，得到反馈信息；并根据反馈信息，MCU控制器对LED显示控制策略进行动态调整。
具体的，重要术语解释
MCU控制器：一种小型计算设备，集成处理器核心、存储器和外设接口，用于实现自动化控制。
智能调整算法：一种计算方法，用于自动优化和调整系统参数，以适应不同条件和需求。
通信接口：硬件和软件的配置，使设备能够互相传输数据。
控制信号：一种指令或数据，用于指导或调节设备的行为或状态。
性能监控：持续跟踪和评估系统的操作效率和状态。
反馈机制：一种系统设计，能够根据输出结果调整输入或操作，以优化性能。
动态调整：根据实时数据或环境变化，自动修改系统参数的过程。
技术方案应用场景
智能家居系统：在智能家居中，利用MCU控制器管理LED显示屏，实现自动调节室内光照和信息展示。
工业监控显示：在工厂或生产线中，使用MCU控制的LED显示屏显示生产数据和警报信息。
交通信号控制：在交通系统中，使用MCU控制的LED显示屏动态显示交通指示和警告信息。
商业广告屏：在商业区使用MCU控制的LED屏幕展示动态广告和信息，根据时间和客流量自动调整内容。
具体的细化：
MCU控制器配置：
将LED显示控制策略编程至MCU控制器。
配置MCU控制器以生成适用于LED显示屏的控制信号。
通信与控制：
利用通信接口，MCU控制器向LED显示屏发送控制信号。
控制信号根据智能调整算法动态调整显示参数。
智能调整算法实施：
LED显示屏内置智能调整算法，根据内容变化自动调整亮度、色彩等参数。
算法根据环境数据和用户偏好实现最佳显示效果。
反馈与优化：
实时监控LED显示屏的性能和响应。
根据反馈数据，MCU控制器不断优化控制策略。
本发明实施例中，有益效果：本发明实施例通过MCU控制器和智能调整算法使LED显示屏能自动适应不同环境和需求。自动调整亮度和色彩配置，减少不必要的能源消耗。实现根据环境和内容动态调整显示效果，提高信息传达的效果。通过性能监控和反馈机制，减少故障率，降低维护需求。确保LED显示屏在各种条件下都能提供清晰、准确的信息显示。
上面对本发明实施例中基于MCU控制器的LED显示控制方法进行了描述，下面对本发明实施例中基于MCU控制器的LED显示控制方法系统进行描述，请参阅图2，本发明实施例中基于MCU控制器的LED显示控制方法系统一个实施例包括：
采集模块，用于基于多功能感测器阵列实时采集环境监测数据；其中，所述多功能感测器阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器；
融合模块，用于通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量；
预测模块，用于将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；其中，所述LED显示策略分析模型经过提前训练得到；
调整模块，用于将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；其中，所述显示参数至少包括LED显示屏的动态亮度、色温适配、对比度平衡。
本发明还提供一种基于MCU控制器的LED显示控制方法设备，所述基于MCU控制器的LED显示控制方法设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于MCU控制器的LED显示控制方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于MCU控制器的LED显示控制方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于MCU控制器的LED显示控制方法，其特征在于，包括以下步骤：
基于多功能感测器阵列实时采集环境监测数据；其中，所述多功能感测器阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器；
通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量；
将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；其中，所述LED显示策略分析模型经过提前训练得到；
将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；其中，所述显示参数至少包括LED显示屏的动态亮度、色温适配、对比度平衡；
所述LED显示策略分析模型的训练过程，包括：
收集LED显示屏的样本运行数据；其中，所述样本运行数据至少包括亮度级别、色彩配置、动态响应时间、功耗、性能表现、交互响应速度；
将样本运行数据输入到一个由多个子模型构成的综合分析网络中；其中，所述综合分析网络由亮度优化子模型、色彩平衡子模型、动态性能分析子模型、能源效率评估子模型、环境适应性评定子模型和用户交互响应子模型组成；
通过亮度优化子模型，分析并优化LED显示屏在不同环境光照条件下的亮度配置，比较LED显示实际亮度与预定亮度基准，输出亮度偏差指标；通过色彩平衡子模型，对LED显示屏色彩的稳定性和动态变化进行量化描述，输出色彩稳定性指标；基于动态性能分析子模型，评估LED显示屏响应时间和动态显示能力，输出动态图像的流畅度指标；基于能源效率评估子模型，分析LED显示屏在不同显示模式下的功耗，优化LED显示屏的能源使用，输出能效指标；基于环境适应性评定子模型，分析LED显示屏在不同环境条件下的稳定性和性能表现，输出性能表现指标；基于用户交互响应子模型，评估用户与LED显示屏交互时的响应速度和准确性，输出交互性能指标；
从样本运行数据中提取预设的标准值；其中，所述标准值包括亮度偏差标准值、色彩稳定性标准值、动态图像的流畅度标准值、能效标准值、性能表现标准值和交互性能标准值；
将各个子模型的输出与所述标准值进行比较，计算差异值，通过迭代学习和参数调整，优化综合分析网络，以最小化差异值，完成综合分析网络的训练，得到LED显示策略分析模型。
2.根据权利要求1所述的LED显示控制方法，其特征在于，所述环境监测数据至少包括光谱组成数据、温度数据、声场特性数据及空气组分变化数据。
3.根据权利要求2所述的LED显示控制方法，其特征在于，所述通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，包括：
在MCU控制器的指令下，通过预设的模糊逻辑算法，对多功能感测器阵列采集的环境监测数据进行分析，分别从光谱组成数据、温度数据、声场特性数据及空气组分变化数据中提取特定事件的潜在特征，并对所述特定事件的潜在特征进行初步的可能性评估；
对各环境监测数据中提取到的特定事件的潜在特征应用对应的条件概率公式计算似然度，并将所述似然度结合预设的深度学习模型中设置的先验信息，更新各环境监测数据中各特定事件的后验概率估值，得到各环境监测数据的后验概率；
根据事先定义的权重体系，将各环境监测数据中得出的后验概率加权整合，形成综合的目标融合数据；其中，所述目标融合数据用于量化表达LED显示控制策略中各种环境因素的相对重要性。
4.根据权利要求1所述的LED显示控制方法，其特征在于，所述将LED显示控制策略通过MCU控制器传输至LED显示屏，并通过预设的智能调整算法自动调整显示参数，包括：
在MCU控制器上配置并嵌入所述LED显示控制策略，将LED显示屏的控制逻辑编码为由MCU控制器执行的命令序列，得到对应的控制信号；
利用预置的通信接口，通过MCU控制器将控制信号传输到LED显示屏；
基于LED显示屏上集成预设的智能调整算法，自动调整LED显示屏的显示参数；其中，所述预设的智能调整算法用于根据LED显示屏内容的动态变化实时调整，以保证最佳的观看体验；
通过反馈机制，实时监控LED显示屏的性能和响应效果，得到反馈信息；并根据反馈信息，MCU控制器对LED显示控制策略进行动态调整。
5.一种基于MCU控制器的LED显示控制系统，其特征在于，所述基于MCU控制器的LED显示控制系统包括：
采集模块，用于基于多功能感测器阵列实时采集环境监测数据；其中，所述多功能感测器阵列至少包含光谱分析器、温度探测器、声音频谱分析器及气体成分分析器；
融合模块，用于通过集成在MCU控制器中的环境感应模块，对多功能感测器阵列采集的各个环境监测数据进行智能融合，得到目标融合数据，并基于所述目标融合数据，利用预设的机器学习算法构建环境状态的多维特征表示，得到环境特征向量；
预测模块，用于将环境特征向量、预设的用户交互输入数据和预设的应用场景数据输入至训练后的LED显示策略分析模型进行预测，得到LED显示控制策略；其中，所述LED显示策略分析模型经过提前训练得到；
调整模块，用于将LED显示控制策略通过MCU控制器传输至LED显示屏，基于所述LED显示控制策略，以及预设的智能调整算法自动调整显示参数；其中，所述显示参数至少包括LED显示屏的动态亮度、色温适配、对比度平衡；
所述LED显示策略分析模型的训练过程，包括：
收集LED显示屏的样本运行数据；其中，所述样本运行数据至少包括亮度级别、色彩配置、动态响应时间、功耗、性能表现、交互响应速度；
将样本运行数据输入到一个由多个子模型构成的综合分析网络中；其中，所述综合分析网络由亮度优化子模型、色彩平衡子模型、动态性能分析子模型、能源效率评估子模型、环境适应性评定子模型和用户交互响应子模型组成；
通过亮度优化子模型，分析并优化LED显示屏在不同环境光照条件下的亮度配置，比较LED显示实际亮度与预定亮度基准，输出亮度偏差指标；通过色彩平衡子模型，对LED显示屏色彩的稳定性和动态变化进行量化描述，输出色彩稳定性指标；基于动态性能分析子模型，评估LED显示屏响应时间和动态显示能力，输出动态图像的流畅度指标；基于能源效率评估子模型，分析LED显示屏在不同显示模式下的功耗，优化LED显示屏的能源使用，输出能效指标；基于环境适应性评定子模型，分析LED显示屏在不同环境条件下的稳定性和性能表现，输出性能表现指标；基于用户交互响应子模型，评估用户与LED显示屏交互时的响应速度和准确性，输出交互性能指标；
从样本运行数据中提取预设的标准值；其中，所述标准值包括亮度偏差标准值、色彩稳定性标准值、动态图像的流畅度标准值、能效标准值、性能表现标准值和交互性能标准值；
将各个子模型的输出与所述标准值进行比较，计算差异值，通过迭代学习和参数调整，优化综合分析网络，以最小化差异值，完成综合分析网络的训练，得到LED显示策略分析模型。
6.一种基于MCU控制器的LED显示控制设备，其特征在于，所述基于MCU控制器的LED显示控制设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述处理器执行如权利要求1-4中任一项所述的基于MCU控制器的LED显示控制方法。
7.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-4中任一项所述的基于MCU控制器的LED显示控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410167577.5A CN117711309B (zh) | 2024-02-06 | 2024-02-06 | 基于mcu控制器的led显示控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410167577.5A CN117711309B (zh) | 2024-02-06 | 2024-02-06 | 基于mcu控制器的led显示控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117711309A CN117711309A (zh) | 2024-03-15 |
| CN117711309B true CN117711309B (zh) | 2024-05-07 |
Family
ID=90150150
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410167577.5A Active CN117711309B (zh) | 2024-02-06 | 2024-02-06 | 基于mcu控制器的led显示控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117711309B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150019082A (ko) * | 2013-08-12 | 2015-02-25 | 경희대학교 산학협력단 | 은닉 마르코브 모델을 이용한 엘이디 조도제어 장치 및 방법 |
| KR20150041208A (ko) * | 2013-10-04 | 2015-04-16 | 주식회사 유티솔 | 복합 센서 기반의 지능형 통합 디밍 제어 시스템 |
| CN116645917A (zh) * | 2023-06-09 | 2023-08-25 | 浙江技加智能科技有限公司 | Led显示屏亮度调节系统及其方法 |
| KR102592067B1 (ko) * | 2023-03-29 | 2023-10-20 | 주식회사 나로텍 | 스마트 실내 조명시스템 |
| CN116916504A (zh) * | 2023-09-11 | 2023-10-20 | 深圳市唯酷光电有限公司 | 调光面板的智能控制方法、装置、设备及存储介质 |
| CN117098270A (zh) * | 2023-10-17 | 2023-11-21 | 深圳市天成照明有限公司 | Led节能灯的智能控制方法、装置、设备及存储介质 |
| CN117156635A (zh) * | 2023-08-29 | 2023-12-01 | 中节能建设工程设计院有限公司 | 一种智能交互的节能灯控平台 |
| CN117354986A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市胜天光电技术有限公司 | 一种多功能led灯珠的智能控制方法及系统 |
| CN117500118A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市光明顶技术有限公司 | 照明灯塔设备的智能控制方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160096248A (ko) * | 2015-02-04 | 2016-08-16 | 삼성전자주식회사 | Led 구동 장치 및 led 조명 장치 |
-
2024
- 2024-02-06 CN CN202410167577.5A patent/CN117711309B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150019082A (ko) * | 2013-08-12 | 2015-02-25 | 경희대학교 산학협력단 | 은닉 마르코브 모델을 이용한 엘이디 조도제어 장치 및 방법 |
| KR20150041208A (ko) * | 2013-10-04 | 2015-04-16 | 주식회사 유티솔 | 복합 센서 기반의 지능형 통합 디밍 제어 시스템 |
| KR102592067B1 (ko) * | 2023-03-29 | 2023-10-20 | 주식회사 나로텍 | 스마트 실내 조명시스템 |
| CN116645917A (zh) * | 2023-06-09 | 2023-08-25 | 浙江技加智能科技有限公司 | Led显示屏亮度调节系统及其方法 |
| CN117156635A (zh) * | 2023-08-29 | 2023-12-01 | 中节能建设工程设计院有限公司 | 一种智能交互的节能灯控平台 |
| CN116916504A (zh) * | 2023-09-11 | 2023-10-20 | 深圳市唯酷光电有限公司 | 调光面板的智能控制方法、装置、设备及存储介质 |
| CN117098270A (zh) * | 2023-10-17 | 2023-11-21 | 深圳市天成照明有限公司 | Led节能灯的智能控制方法、装置、设备及存储介质 |
| CN117354986A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市胜天光电技术有限公司 | 一种多功能led灯珠的智能控制方法及系统 |
| CN117500118A (zh) * | 2024-01-02 | 2024-02-02 | 深圳市光明顶技术有限公司 | 照明灯塔设备的智能控制方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117711309A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11408629B2 (en) | Artificial intelligence device | |
| US20200053312A1 (en) | Intelligent illumination and sound control in an internet of things (iot) computing environment | |
| CN101753992A (zh) | 一种多模态智能监控系统和方法 | |
| CN110765854B (zh) | 一种视频动作识别方法 | |
| US7724910B2 (en) | Atmosphere control device | |
| CN106647645A (zh) | 一种家居控制调节的方法及系统 | |
| CN102348101A (zh) | 一种考场智能监控系统和方法 | |
| JP6903444B2 (ja) | 作業者育成装置、作業者育成方法、作業者育成プログラム及び記録媒体 | |
| US11669059B2 (en) | Autonomous and semantic optimization approach for real-time performance management in a built environment | |
| Acampora et al. | Distributing emotional services in ambient intelligence through cognitive agents | |
| US20200401889A1 (en) | Electronic device, image processing method of electronic device, and computer-readable medium | |
| CN117156635A (zh) | 一种智能交互的节能灯控平台 | |
| CN117098270B (zh) | Led节能灯的智能控制方法、装置、设备及存储介质 | |
| CN117711309B (zh) | 基于mcu控制器的led显示控制方法及系统 | |
| Wu et al. | Evaluating the intelligence capability of smart homes: A conceptual modeling approach | |
| CN117240887B (zh) | 一种智慧物联网能源管理平台系统 | |
| Bryant et al. | Modeling situation awareness in an organisational context: Military command and control | |
| CN115083229B (zh) | 基于ai视觉识别的飞行训练设备智能识别与警示系统 | |
| JP2024507602A (ja) | データ処理方法及び予測モデルをトレーニングするための方法 | |
| CN114078070A (zh) | 一种多源数据融合的文旅安全监测及溯源分析方法及系统 | |
| US10901400B2 (en) | Set point optimization in multi-resolution processes | |
| KR20210091442A (ko) | Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템 | |
| KR102480150B1 (ko) | 3차원 멀티채널 데이터를 이용한 질환 발병 예측 시스템 및 방법 | |
| CN117523499B (zh) | 基于北斗定位与感知的森林防火监测方法及系统 | |
| CN117829096B (zh) | 一种基于数据资源的智慧终端显示系统 |
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 |