一种智能调光筒灯控制系统的制作方法

1.本发明属于调光筒灯控制技术领域，具体是一种智能调光筒灯控制系统。


背景技术：

2.筒灯是一种嵌入到天花板内光线下射式的照明灯具，在酒店、家庭、咖啡厅中都有广泛的应用，在不同的场合或场所需要不同的光亮度，市场上大多采用不同瓦数的灯泡来实现灯光明暗的设置，但是该方式不够智能，更换麻烦，不能适应当前人们对美好生活的追求，因此，本发明提供了一种智能调光筒灯控制系统。


技术实现要素：

3.为了解决上述方案存在的问题，本发明提供了一种智能调光筒灯控制系统。
4.本发明的目的可以通过以下技术方案实现：
5.一种智能调光筒灯控制系统，包括调光分析模块、控制模块和服务器；
6.所述调光分析模块用于进行调光数据分析，获取光据模型，识别调光筒灯的位置，获取调光筒灯对应光照区域的环境参数，将获得的环境参数输入到光据模型中，获得该调光筒灯的调光方式，将获得的调光方式发送给控制模块；
7.所述控制模块用于进行调光筒灯的调光控制，接收调光分析模块发送的调光方式，标记为待应用调光方式，识别调光筒灯正在应用的调光信息，将获得的调光信息与待应用调光方式进行比较，当调光信息与待应用调光方式不同时，将待应用调光方式标记为目标调光方式，根据目标调光方式进行调光筒灯的调整；当调光信息与待应用调光方式相同时，不进行相应操作。
8.进一步地，获取光据模型的方法包括：
9.获取调光筒灯对应影响的光照区域数据，根据获得的光照区域数据设置对应的区域模型，基于房屋所在区域对区域模型进行模拟训练，获得光据模型，将光据模型上传到调光分析模块中。
10.进一步地，区域模型的种类包括二维数据模型和三维数据模型。
11.进一步地，确定区域模型类型的种类的方法包括：
12.获取光照区域数据，对获得的光照区域数据进行分析，获得对应的空间复杂值，获取用户需求和调光筒灯型号，根据获得的用户需求设置对应的调整系数，根据获得的调光筒灯型号匹配对应的型号值，根据获得的空间复杂值、调整系数和型号值计算对应的种类值，根据计算的种类值判断区域模型类型的种类。
13.进一步地，根据获得的空间复杂值、调整系数和型号值计算对应的种类值的方法包括：
14.将空间复杂值、调整系数和型号值分别标记为kz、α、xz，根据公式qt＝(b1
×
kz+b2
×
xz)
×
α计算对应的种类值，其中b1、b2均为比例系数，取值范围为0《b1≤1，0《b2≤1。
15.进一步地，根据计算的种类值判断区域模型类型的种类的方法为：
16.当种类值大于阈值x1时，采用三维数据模型；当种类值不大于阈值x1时，采用二维数据模型。
17.进一步地，还包括驱动模块，所述驱动模块用于改变调光筒灯的位置，具体方法包括：
18.获取调光筒灯的移动区域，并在移动区域内标记对应的固定重塑点，实时获取用户的行为信息，对获得的用户行为信息进行分析，获得对应的移动数据，根据获得的移动数据进行调光筒灯的控制；当识别到对应的结束指令时，将调光筒灯移动到对应的固定重塑点。
19.进一步地，对获得的用户行为信息进行分析的方法包括：
20.匹配用户行为信息对应的移动调整方式，获取用户的图像数据，对获得的图像数据进行分析，获得对应的移动数据。
21.与现有技术相比，本发明的有益效果是：通过调光分析模块和控制模块之间的相互配合，实现对调光筒灯的智能控制，通过根据调光筒灯的位置和当前室内的环境参数，智能化的确定适合的光强的调光参数，进而进行调光筒灯自动化控制，不再需要通过用户进行人工调整。
附图说明
22.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的介绍，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。
23.图1为本发明原理框图。
具体实施方式
24.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
25.如图1所示，一种智能调光筒灯控制系统，包括调光分析模块、控制模块和服务器；
26.所述调光分析模块用于进行调光数据分析，具体方法包括：
27.获取光据模型，识别调光筒灯的位置，获取调光筒灯对应光照区域的环境参数，如光照数据、温度数据等相关数据，具体的通过人工的方式设置对应的采集项进行对应采集即可；将获得的环境参数输入到光据模型中，获得该调光筒灯的调光方式，将获得的调光方式发送给控制模块。
28.获取光据模型的方法包括：
29.在进行调光筒灯安装设计时，获取调光筒灯对应影响的光照区域数据，如用户客厅区域加部分的走廊区域对应的数据，如空间尺寸、摆件位置大小等，根据获得的光照区域数据设置对应的区域模型，区域模型是基于现有的建模技术建立的光照区域内的简略模型，绝大多数是采用二维数据模型，部分采用三维数据模型，即区域模型的种类包括二维数
据模型和三维数据模型，主要根据光照区域的复杂程度进行确认的，基于房屋所在区域对区域模型进行模拟训练，获得光据模型，将光据模型上传到调光分析模块中。即光据模型不是在调光筒灯控制系统内进行建立的，是在外部进行分析建立的，用于减少调光筒灯控制系统的运算，同时尽可能的降低调光筒灯的体积、成本、售价等。
30.基于房屋所在区域对区域模型进行模拟训练，就是根据房屋所在区域分析可能具有影响光照调整的参数数据，通过人工的方式设置各参数数据和调光筒灯位置对应的调光筒灯调整方式，整合形成训练集，结合获得的训练集和区域模型建立对应的光据模型，光据模型即为根据光照区域内的环境参数和调光筒灯位置生成对应的调光方式，即根据调光筒灯的位置确定对应的光照区域，再根据光照区域的环境参数生成对应的调光方式，对于未公开的部分，可直接通过现有技术进行实现。
31.确定区域模型类型的种类的方法包括：
32.获取光照区域数据，对获得的光照区域数据进行分析，获得对应的空间复杂值，获取用户需求和调光筒灯型号，根据获得的用户需求设置对应的调整系数，用户需求在用户确定调光筒灯型号时，由对应的工作人员进行询问，询问后直接根据对应的调整系数匹配表进行匹配符合的调整系数，调整系数匹配表由专家组进行讨论设置，包括各个调整系数对应的需求范围，或者通过现有的数据匹配算法进行匹配；根据获得的调光筒灯型号匹配对应的型号值，由专家组根据具有的调光筒灯型号设置对应的型号值匹配表，主要根据对应型号是否能够使用三维数据模型进行设置的；根据获得的空间复杂值、调整系数和型号值计算对应的种类值，根据计算的种类值判断区域模型类型的种类。
33.对获得的光照区域数据进行分析的方法包括：
34.基于cnn网络或dnn网络建立对应的光照区域数据分析模型，通过人工的方式设置对应的训练集进行训练，通过训练成功后的光照区域数据分析模型对光照区域数据进行分析，获得对应的空间复杂值，因为神经网络为本领域常规技术，因此具体的建立和训练过程不进行详细叙述。
35.根据获得的空间复杂值、调整系数和型号值计算对应的种类值的方法包括：
36.将空间复杂值、调整系数和型号值分别标记为kz、α、xz，根据公式qt＝(b1
×
kz+b2
×
xz)
×
α计算对应的种类值，其中b1、b2均为比例系数，取值范围为0《b1≤1，0《b2≤1。
37.根据计算的种类值判断区域模型类型的种类的方法为：
38.当种类值大于阈值x1时，采用三维数据模型；当种类值不大于阈值x1时，采用二维数据模型。
39.所述控制模块用于进行调光筒灯的调光控制，接收调光分析模块发送的调光方式，标记为待应用调光方式，识别调光筒灯正在应用的调光信息，将获得的调光信息与待应用调光方式进行比较，当调光信息与待应用调光方式不同时，指的是待应用调光方式所要调整的结果与调光信息不同；将待应用调光方式标记为目标调光方式，根据目标调光方式进行调光筒灯的调整；当调光信息与待应用调光方式相同时，不进行相应操作。
40.在一个实施例中，因为当前调光筒灯一般都是镶嵌式固定的，不能移动，对于某些追求个性化的用户，并不能满足其需求；因此在本实施例中，本系统还包括驱动模块，所述驱动模块用于改变调光筒灯的位置，具体方法包括：
41.获取调光筒灯的移动区域，根据实际设置确认，如在顶棚确定一个规则区域内移
动，具体的根据需要和采用的移动方式进行设置，如吸附移动、导轨移动、无人机移动等；并在移动区域内标记对应的固定重塑点，固定重塑点即为调光筒灯原设计的位；实时获取用户的行为信息，对获得的用户行为信息进行分析，获得对应的移动数据，根据获得的移动数据进行调光筒灯的控制；当识别到对应的结束指令时，即不需要驱动模块运行时，将调光筒灯移动到对应的固定重塑点。
42.用户行为信息的获取方式可以为多种，如比较便于分析的方法：获取具有的行为方式，为每个行为方式设置对应的控制指令，如遥控器指令、语音识别口令等，通过识别对应的控制指令获取对应的用户行为信息，该方式操作简单，数据处理量少。还可采用对接用户家中的图像采集系统，或者自带图像采集功能，获取对应的图像数据，根据获得的图像数据进行分析，获得对应的行为数据；具体的是通过人工的方式设置对应特定动作，每个特定动作对应对应的控制指令，通过基于现有的图像动作识别技术，识别对应的用户动作，当匹配成功后，获得对应的行为信息。
43.对获得的用户行为信息进行分析的方法包括：
44.匹配用户行为信息对应的移动调整方式，获取用户的图像数据，对获得的图像数据进行分析，获得对应的移动数据。
45.若无图像数据，直接按照对应的移动调整方式生成移动数据。
46.匹配用户行为信息对应的移动调整方式的方法包括：
47.获取具有的行为信息，通过人工的方式为每个行为信息设置对应的移动调整方式，移动调整方式设置有对应的初始调整距离，若没有对应的移动距离调整，将直接按照移动调整方式生成对应的移动数据，如采用简单方法获取的用户行为信息；识别用户行为信息，根据识别的用户行为信息匹配对应的移动调整方式。
48.对获得的图像数据进行分析的方法为：基于cnn网络或dnn网络建立对应的图像数据分析模型，通过人工的方式设置对应的训练集进行训练，将训练成功后的图像数据分析模型应用在驱动模块中，通过图像数据分析模型对获得的图像数据进行分析，获得对应的移动调距离，根据获得的移动调距离和移动调整方式生成移动数据；实时记录用户的优化数据，即用户对图像数据分析模型生成的移动数据不满意调整后的数据，形成对应的优化训练集，通过优化训练集对图像数据分析模型进行优化。
49.上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
50.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。