[发明专利]色温调节方法、装置、存储介质和处理器

说明书

本发明公开了一种色温调节方法、装置、存储介质和处理器。该方法包括：基于第一训练数据集合，通过机器学习的方式训练色温的预分类模型，其中，预分类模型包括多个卷积层，每个卷积层具有相应的模型参数，第一训练集合中包括：多个第一图片，和每个第一图片的色温类别；将预分类模型中的模型参数应用至色温分类模型，其中，色温分类模型用于表示指定环境内所采集的第二图片和色温类别之间的对应关系；基于色温分类模型识别在指定环境内采集的环境图片对应的色温类别；基于环境图片的色温类别调整指定环境内灯具的色温。本发明解决了现有技术通过机器学习的方式无法基于少量的色温调节数据样本进行色温测量调节的技术问题。

技术领域

本发明涉及控制领域，具体而言，涉及一种色温调节方法、装置、存储介质和处理器。

背景技术

现阶段办公楼宇的智能照明技术的研究越发广泛，作为除光照度以外的一个重要参数，LED照明灯的色温调节也越发被人们关注，同时色温的调节在保障办公人员的视觉健康方面也越来越重要。如何最大可能将室外色温情况应用于室内来支持健康、智慧的照明方式也被更加重视。

传统的色温计算基于颜色传感器，由三基色值计算得出。这些传统的方法相比而言精度低、成本高，而且传统的测量方法基本由人工测试，在进行色温调节时效率无法保障且随机性较高。

经调研后发现，在实际进行色温测量调节时，由于采集周期长，因此用于训练机器学习模型的样本数量少，进而会产生小样本分类问题。

针对上述现有技术通过机器学习的方式无法基于少量的色温调节数据样本进行色温测量调节的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种色温调节方法、装置、存储介质和处理器，以至少解决现有技术通过机器学习的方式无法基于少量的色温调节数据样本进行色温测量调节的技术问题。

根据本发明实施例的一个方面，提供了一种色温调节方法，包括：基于第一训练数据集合，通过机器学习的方式训练色温的预分类模型，其中，所述预分类模型包括多个卷积层，每个卷积层具有相应的模型参数，所述第一训练集合中包括：多个第一图片，和每个第一图片的色温类别；将所述预分类模型中的模型参数应用至色温分类模型，其中，所述色温分类模型用于表示指定环境内所采集的第二图片和色温类别之间的对应关系；基于所述色温分类模型识别在所述指定环境内采集的环境图片对应的色温类别；基于所述环境图片的色温类别调整所述指定环境内灯具的色温。

可选地，将所述预分类模型中的模型参数应用至色温分类模型包括：将所述预分类模型中的模型参数迁移至预定网络模型中，得到初始色温模型；基于第二训练数据集合对所述模型参数进行修正，得到所述色温分类模型，其中，所述第二训练数据集合包括：多个在所述指定环境内所采集的第二图片，和每个第二图片的色温类别。

可选地，将所述预分类模型中的所述模型参数迁移至预定模型模板中，得到初始色温模型包括：将所述预分类模型中除最后一层外的其他卷积层中的模型参数迁移至所述预定网络模型中。

可选地，基于第二训练数据集合对所述模型参数进行修正包括：基于所述第二训练数据集合训练所述预定网络模型中最后一层卷积层的模型参数。

可选地，在所述预定网络模型中最后一层卷积层之后设置全连接层和分类器。

可选地，在基于第二训练数据集合对所述模型参数进行修正之前，所述方法还包括：采集所述指定环境内的多个第二图片；通过色温测定计测定每个所述第二图片采集时所述指定环境的色温值；基于每个所述第二图片对应的色温值，确定每个所述第二图片对应的色温类别，得到所述第二训练数据集合。

可选地，基于所述环境图片的色温类别调整所述指定环境内灯具的色温包括：检测所述环境图片对应的色温类别是否符合预定色温需求；在所述环境图片对应的色温类别不符合所述预定色温需求的情况下，调集所述指定环境内灯具的色温。