[发明专利]一种基于卷积神经网络的光照度测量及光照度智能控制方法

摘要

一种基于卷积神经网络的光照度测量及光照度智能控制方法，包括如下步骤：步骤1：设备安装；步骤2：样本图像采集；步骤3：建立样本数据；步骤4：设计卷积神经网络；步骤5：实际测量；步骤6：单片机与照明设备通过D/A转换模块连接，实现单片机对照明设备亮度的控制；步骤7：将步骤5所测得的环境光照度数字信号E通过串行口输入单片机，单片机比较环境光照度E与最适光照度A选择性地增大、减少或保持单片机的输出值；步骤8：重复步骤5、步骤6、步骤7，实现对环境光照度的控制。本发明测量精度较高、对测量环境适应性较好，能够实时检测所处环境光照度信息并实时做出智能调整。

主权项

1.一种基于卷积神经网络的光照度测量及光照度智能控制方法，其特征在于：所述方法包括如下步骤：步骤1：设备安装选取一处固定位置安装摄像头，单片机通过串口通讯与主机相连，同时单片机与照明设备通过D/A转换模块连接；步骤2：样本图像采集，过程如下：2.1选取各个时间段，拍摄目标环境照片，由工作人员使用常规照度计记录每张照片对应时刻的光照度；2.2根据图片和光照度的映射关系，建立图片与光照度关系映射表；步骤3：建立样本数据，过程如下：3.1选取N张各个光照度的图片，根据光照度测量精度的实际要求，对每张图片按光照度进行分类并标记，作为训练样本集的类别标签；3.2对图片进行灰度化、灰度拉伸的图片预处理操作，保存为训练样本集；3.3选取n张各个光照度的图片，再次进行上述操作，得到测试样本集的类别标签和测试样本集；步骤4：设计卷积神经网络设计卷积神经网络初步结构模型，用步骤3所得的样本数据训练并测试调整卷积神经网络模型；最后，输入训练数据进行仿真验证，确定网络训练完成；步骤5：实际测量拍摄环境图像，经由步骤3所述方法处理图片，将图片传入训练好的卷积神经网络，最后经由分类器得到该图片类别标签，该类别标签对应的光照度范围即该图片拍摄时环境光照度；步骤6：单片机与照明设备通过D/A转换模块连接，实现单片机对照明设备亮度的控制；步骤7：将步骤5所测得的环境光照度数字信号E通过串行口输入单片机，单片机比较环境光照度E与最适光照度A；进一步，设定Δ为光照度允许上下波动范围，若E‑A>Δ，增大单片机的输出值，若E‑A<‑Δ，减小单片机的输出值，若‑Δ

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201711305358.5/，转载请声明来源钻瓜专利网。