一种智慧照明辅助方法技术

本发明专利技术提供了一种智慧照明辅助方法。本方法主要研究利用MCU、传感器、轻量化机器学习模型以及太阳能供电，提出了一种智能照明辅助方法，在灯光调节实时性、精准性、均衡性方面进一步优化。在此方法中，利用MCU作为边缘设备的调度中心，通过有线或无线的方式集成传感器到MCU。将轻量化模型部署到MCU中，边缘端进行实时处理分析，云端进行数据存储与展示，通过云边端协作，实现自动化的智慧照明辅助调节。本发明专利技术利用MCU作为边缘设备的调度中心，通过有线或无线的方式集成传感器到MCU。将轻量化模型部署到MCU中，边缘端进行实时处理分析，云端进行数据存储与展示，通过云边端协作，实现自动化的智慧照明辅助调节。动化的智慧照明辅助调节。动化的智慧照明辅助调节。

【技术实现步骤摘要】
一种智慧照明辅助方法


[0001]本专利技术涉及一种智慧照明辅助方法，属于机器学习


技术介绍

[0002]随着5G的普及，各种设备通过物联网进行连接访问的频率将大大增加，物联网在农业领域的应用也逐渐成熟。物联网农业能够促进农业发展方式的转变，实现高效利用各类农业资源和改善环境这一可持续发展目标，不仅可以最大限度提高农业生产力，还有助于实现优质、高产、低耗和环保的可持续发展农业目标；农作物的照明需求不可或缺，现代农用中，农作物照明已然与物联网紧密联系，目前智能照明已实现智能监控的功能，但多数情况下仍需人工辅助调控，仍无法及时捕捉农作物的生长变化并自动做出调整。通过训练模型可以很好地解决此问题。同时，农作物种植过程光照需求较大，因而用电量较大，利用太阳能资源可以减轻照明用电负担，缓解用电压力，更加绿色环保。

技术实现思路

[0003]本专利技术目的是提供了一种智慧照明辅助方法，优化了照明调节的实时性、精准性、均衡性，同时带来能源效率、储存和延迟方面的提升。
[0004]本专利技术为实现上述目的，通过以下技术方案实现：数据采集模块：根据场景和用户的需求进行相关传感器的部署，将传感器与MCU进行有线或者无线的连接，确保传感器的数据能够传送到MCU中；MCU模块：内置TinyML模型，用于收集农作物图片数据、温湿度数据及其对应的最适宜光照强度数据，将数据进行预处理，处理完数据，利用TensorFlow框架进行模型训练，模型经过多次训练后得到最优权重，得到TensorFlow的模型之后，利用量化进行模型压缩，将模型进行二进制格式的转换，将得到的二进制文件就可以部署到MCU中；照明模块：包括灯具、开关和控制器，所述灯具、开关分别与控制器连接，所述控制器与MCU连接；模块中的控制器接收MCU模块中的MCU推理结果并对灯具的亮度进行控制，调节灯具亮度到最适宜亮度；云端模块：MCU模块中的推理结果传输至云端进行解析，完成解析后传输至终端，用户可在终端查看相关数据；云端管理人员根据解析结果进行相关的数据标记；传感器数据传输到云端中进行储存；太阳能供电模块：包括太阳能电池和电池组，太阳能电池与控制器连接，电池组由单组蓄电池连接到智能控制器的输入端，灯具与智能控制器输出端串联。
[0005]优选的，所述传感器包括温度传感器，湿度传感器、光照传感器和摄像头，所述温度传感器、湿度传感器、光照传感器和摄像头分别与MCU连接。
[0006]优选的，所述传感器的数据传输通过有线或无线传输的方式；数据到达MCU模块后，根据传感器的输入数据，部署的TinyML模型通过读取输入数据进行推理。
[0007]本专利技术的优点在于：本专利技术在灯光调节实时性、精准性、均衡性方面进一步优化。
在此方法中，利用MCU作为边缘设备的调度中心，通过有线或无线的方式集成传感器到MCU。将轻量化模型部署到MCU中，边缘端进行实时处理分析，云端进行数据存储与展示，通过云边端协作，实现自动化的智慧照明辅助调节。
附图说明
[0008]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0009]图1为本专利技术结构示意图。
具体实施方式
[0010]下面将结合本专利技术实施例中的附图，对本专利技术实施例中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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0011]本专利技术提供了一种基于TinyML（轻量化机器学习）、传感器与MCU的智慧照明辅助方法，利用TinyML、传感器、MCU、云端及太阳能供电模块，根据不同的光照需求，实现智能调节灯光的效果。通过机器学习的方法，训练相应的人工智能模型并部署到MCU中，能够根据应用对象不同时间段的不同需求实时对灯具进行调控和监测。此外，MCU边缘端进行实时处理分析，云端进行数据存储与展示，MCU与云端交互实现模型优化，提高灯光调节的精准度和均衡性。整个系统通过云边端协作，实现自动化的智慧照明辅助调节，不仅能够对应用对象的环境进行监测，根据应用对象需求实时调整光照，还可以在手机、电脑等后端实时显示进程，方便监控与管理。
[0012]数据采集模块：根据场景和用户的需求进行相关传感器的部署，然后将这些传感器与MCU进行有线或者无线的连接，确保传感器的数据能够传送到MCU中。所述数据采集模块包括温度传感器、湿度传感器、光照传感器和摄像头，所述温度传感器、湿度传感器、光照传感器和摄像头分别与MCU连接。
[0013]MCU模块：内置TinyML模型。根据场景和用户的需求，可以进行不同模型的训练。例如可以收集农作物图片数据（不同种类、不同生长阶段、不同密度的农作物图片）、温湿度数据及其对应的最适宜光照强度数据，将数据进行预处理。当数据处理完成之后，利用TensorFlow框架进行模型训练，初始权重可人为设定，模型经过多次训练后得到最优权重。得到TensorFlow的模型之后，需要利用量化进行模型压缩，因为MCU的片上储存资源是有限的，需要将模型进行轻量化。模型轻量化之后，需要将模型进行二进制格式的转换。转换完毕之后，得到的二进制文件就可以部署到MCU中。传感器的数据传输可以通过有线或无线的方式。数据到达MCU模块后，根据传感器的输入数据，部署的TinyML模型可通过读取输入数据进行推理。
[0014]照明模块：模块中的控制器可以接收模块2中的MCU推理结果并对灯具的亮度进行控制，调节灯具亮度到最适宜亮度，实现自动化的智慧照明辅助调节。所述照明模块包括灯具、开关和控制器，所述灯具、开关分别与控制器连接，所述控制器与MCU连接，所述照明单元均匀分布在应用场景中的各个区域。
[0015]云端模块：模块2中的推理结果将进一步传输至云端进行解析，解析结果后可传输至终端，用户可在终端查看相关数据。云端管理人员也可根据解析结果进行相关的数据标记。同时，传感器数据会传输到云端中进行储存，方便用户监测与管理，也可以利用收集的数据进行模型的优化。
[0016]太阳能供电模块：所述太阳能供电模块包括太阳能电池和电池组。所述太阳能供电模块需要根据环境选择合适的安装位置及朝向。太阳能电池与控制器连接，电池组由单组蓄电池连接到智能控制器的输入端，灯具与智能控制器输出端串联。白天利用太阳能电池为蓄电池充电，晚上将蓄电池组对负载灯具放电，达到解决能源、节省成本的目的。多组蓄电池也能充分考虑到连续阴雨天的情况。
[0017]最后应说明的是：以上所述仅为本专利技术的优选实施例而已，并不用于限制本专利技术，尽管参照前述实施例对本专利技术进行了详细的说明，对于本领域的技术人员来说，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。凡在本专利技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧照明辅助方法，其特征在于，包括：数据采集模块：根据场景和用户的需求进行相关传感器的部署，将传感器与MCU进行有线或者无线的连接，确保传感器的数据能够传送到MCU中；MCU模块：内置TinyML模型，用于收集农作物图片数据、温湿度数据及其对应的最适宜光照强度数据，将数据进行预处理，处理完数据，利用TensorFlow框架进行模型训练，模型经过多次训练后得到最优权重，得到TensorFlow的模型之后，利用量化进行模型压缩，将模型进行二进制格式的转换，将得到的二进制文件就可以部署到MCU中；照明模块：包括灯具、开关和控制器，所述灯具、开关分别与控制器连接，所述控制器与MCU连接；模块中的控制器接收MCU模块中的MCU推理结果并对灯具的亮度进行控制，调节灯具亮度到最适宜亮度；云...

【专利技术属性】
技术研发人员：高晨，张彦玉，王雪洁，孙昊，朱翔宇，李锐，张晖，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：