调光面板的智能控制方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及显示技术领域，公开了一种调光面板的智能控制方法、装置、设备及存储介质。所述调光面板的智能控制方法包括：通过预置的光照传感器获取第一环境数据；通过预置的温度传感器获取第二环境数据；基于预设的融合算法，将所述第一环境数据和所述第二环境数据进行融合处理，得到目标环境数据；通过预置的生物传感器获取用户的生理数据，对所述生理数据进行阈值处理，得到重构后的目标生理数据。本发明专利技术通过自动调整光照面板来适应用户的情绪和活动需求，本发明专利技术提高了用户体验，使用户在不同场景下都能享受到舒适的光照和温度环境。同场景下都能享受到舒适的光照和温度环境。同场景下都能享受到舒适的光照和温度环境。

【技术实现步骤摘要】
调光面板的智能控制方法、装置、设备及存储介质


[0001]本专利技术涉及显示
，尤其涉及一种调光面板的智能控制方法、装置、设备及存储介质。

技术介绍

[0002]随着智能家居和智能环境技术的发展，用户对个性化和舒适性的需求越来越高。尤其在光照和温度控制方面，传统的调光技术往往只基于环境数据进行调整，缺乏对用户状态和需求的深入理解。
[0003]在传统的光照控制技术中，常见的做法是通过传感器获取环境的光照和温度数据，然后基于这些数据进行光照强度的调整。这种方法虽然能够满足基本的需求，但却忽略了用户的具体情境和情绪状态。例如，当用户正在观看电影或阅读书籍时，他们可能希望环境的光照和温度与他们的活动和情绪相匹配。此外，单纯的基于环境数据的调光方法缺乏预测性和精确性，可能导致光照的调整与用户的实际需求不符。
[0004]为了解决上述问题，需要一种新的光照控制方法，能够综合考虑环境数据和用户的情感及活动状态，使得光照调整更加智能和个性化。此外，这种方法还应该具备高度的预测性和精确性，确保光照的调整能够真正满足用户的需求。

技术实现思路

[0005]本专利技术提供了一种调光面板的智能控制方法、装置、设备及存储介质，用于解决如何实现能够综合考虑环境数据和用户的情感及活动状态，使得光照调整更加智能和个性化。
[0006]本专利技术第一方面提供了一种调光面板的智能控制方法，所述调光面板的智能控制方法包括：通过预置的光照传感器获取第一环境数据；其中，所述第一环境数据用于表示环境的光照强度；通过预置的温度传感器获取第二环境数据；其中，所述第二环境数据用于表示环境的温度强度；基于预设的融合算法，将所述第一环境数据和所述第二环境数据进行融合处理，得到目标环境数据；通过预置的生物传感器获取用户的生理数据，对所述生理数据进行阈值处理，得到重构后的目标生理数据，基于预设的情感分析算法模型对所述目标生理数据进行处理，得到用户的情绪状态数据，根据所述情绪状态数据识别用户当前的情景模式；其中，所述情景模式包括用户当前的活动情景模式，所述活动情景模式至少包括观影、看书、睡眠；将所述目标环境数据和所述用户当前的情景模式输入至训练后的深度学习模型进行预测，得到控制策略，并通过预设的智能调光算法对所述控制策略进行优化，得到优化后的控制策略，根据所述优化后的控制策略对调光面板进行自动调整；其中，所述深度学习
模型经过提前训练得到。
[0007]可选的，在本专利技术第一方面的第一种实现方式中，所述基于预设的融合算法，将所述第一环境数据和所述第二环境数据进行融合处理，得到目标环境数据，包括：获取存在于所述第一环境数据的第一特定事件，以及获取存在于所述第二环境数据的第二特定事件；其中，所述第一特定事件和所述第二特定事件为在接收到任何数据之前对特定事件发生可能性的初始估计；根据收集到的第一环境数据，计算第一特定事件的状态发生的第一似然度，根据收集到的第二环境数据，计算第二特定事件的状态发生的第二似然度；利用预设的第一条件概率计算公式，通过预设的第一先验概率和所述第一似然度，计算第一环境数据的第一后验概率；利用预设的第二条件概率计算公式，通过预设的第二先验概率和所述第二似然度，计算第二环境数据的第二后验概率；对所述第一后验概率和所述第二后验概率进行加权平均，得到融合后的目标环境数据；其中，所述目标环境数据用于表示在调光面板的环境中采集的所述第一环境数据和所述第二环境数据的权重集合。
[0008]可选的，在本专利技术第一方面的第二种实现方式中，所述通过预置的生物传感器获取用户的生理数据，对所述生理数据进行阈值处理，得到重构后的目标生理数据，包括：获取用户的初始心电信号以及用户的初始加速度能量信号；对所述初始心电信号进行低通滤波处理，得到第一滤波信号，对所述初始加速度能量信号进行低通滤波处理，得到第二滤波信号；基于预设的第一差分运算算法对第一滤波信号进行第一处理，得到第一差分信号；基于预设的第二差分运算算法对第二滤波信号进行第二处理，得到第二差分信号；通过滑动平均积分算法对所述第一差分信号进行处理，得到第一滑动平均积分信号；通过滑动平均积分算法对所述第二差分信号进行处理，得到第二滑动平均积分信号；利用预设的波形特性分别对第一滑动平均积分信号和第二滑动平均积分信号进行频段分析以及特征提取，得到第一生理数据和第二生理数据；通过预设的小波基函数和分解层数，将第一生理数据和第二生理数据分别进行小波分解，得到第一生理数据对应的第一原始小波系数和第二生理数据对应的第二原始小波系数；计算基学习器对应的小波阈值函数的参数的最优组合权重，生成自适应小波阈值函数；将所述第一原始小波系数和所述第二原始小波系数分别代入生成的自适应小波阈值函数中，采用阈值法分别对所述第一原始小波系数和所述第二原始小波系数进行阈值处理，得到阈值处理后的第一小波系数和第二小波系数；将阈值处理后的第一小波系数和第二小波系数进行重构，得到重构后的目标生理数据。
[0009]可选的，在本专利技术第一方面的第三种实现方式中，所述基于预设的情感分析算法模型对所述目标生理数据进行处理，得到用户的情绪状态数据，根据所述情绪状态数据识别用户当前的情景模式，包括：
基于预设的情感分析算法模型，对用户的目标生理数据进行情感预测分析，预测用户的情绪信息；其中，所述预设的情感分析算法模型为基于预设的残差神经网络和反卷积神经网络进行深度学习得到的；根据所述情绪信息对用户当前的情绪进行分析，得到用户的情绪状态数据；对用户的情绪状态数据进行哈希计算，得到对应的参数哈希值；将各个参数哈希值分别作为一个元素添加在集合中，得到参数哈希集合；将所述参数哈希集合与数据库中预存的多个情景模式集合进行逐一匹配，得到与所述参数哈希集合的元素交集最多的集合，作为目标集合；根据所述目标集合识别用户当前的情景模式；其中，所述目标集合用于表示用户当前所身处的最大概率的情景模式。
[0010]可选的，在本专利技术第一方面的第四种实现方式中，所述深度学习模型的训练过程，包括：获取环境数据和用户的情景模式数据作为训练数据，将所述训练数据输入至初始深度学习网络模型；其中，所述初始深度学习网络模型包括一个光照强度和温度强度分析模型和一个控制策略生成模型；基于光照强度和温度强度分析模型，根据所述训练数据预测对应的环境识别值；其中，所述环境识别值用于表示用户所处的环境的最大概率值；基于控制策略生成模型，根据所述环境识别值和所述用户当前的情景模式生成对应的控制策略；其中，所述控制策略用于对所述调光面板进行自动调整；获取所述训练数据中预先标定的实际识别值；并计算预测的环境识别值与实际的环境识别值的相似值，作为第一损失值；计算预测的控制策略与实际的控制策略的相似值，作为第二损失值；对初始深度学习网络的模型参数进行迭代调整，通过基于损失的优化，将所述第一损失值、第二损失值降至最小，训练得到所述深度学习模型。
[0011]可选的，在本专利技术第一方面的第五种实现方式中，还包括：将用户的目标生理数据复制为第一数据；对所述第一数据进行特征识别，从所述第一数据中识别出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种调光面板的智能控制方法，其特征在于，包括：通过预置的光照传感器获取第一环境数据；其中，所述第一环境数据用于表示环境的光照强度；通过预置的温度传感器获取第二环境数据；其中，所述第二环境数据用于表示环境的温度强度；基于预设的融合算法，将所述第一环境数据和所述第二环境数据进行融合处理，得到目标环境数据；通过预置的生物传感器获取用户的生理数据，对所述生理数据进行阈值处理，得到重构后的目标生理数据，基于预设的情感分析算法模型对所述目标生理数据进行处理，得到用户的情绪状态数据，根据所述情绪状态数据识别用户当前的情景模式；其中，所述情景模式包括用户当前的活动情景模式，所述活动情景模式至少包括观影、看书、睡眠；将所述目标环境数据和所述用户当前的情景模式输入至训练后的深度学习模型进行预测，得到控制策略，并通过预设的智能调光算法对所述控制策略进行优化，得到优化后的控制策略，根据所述优化后的控制策略对调光面板进行自动调整；其中，所述深度学习模型经过提前训练得到。2.根据权利要求1所述的智能控制方法，其特征在于，所述基于预设的融合算法，将所述第一环境数据和所述第二环境数据进行融合处理，得到目标环境数据，包括：获取存在于所述第一环境数据的第一特定事件，以及获取存在于所述第二环境数据的第二特定事件；其中，所述第一特定事件和所述第二特定事件为在接收到任何数据之前对特定事件发生可能性的初始估计；根据收集到的第一环境数据，计算第一特定事件的状态发生的第一似然度，根据收集到的第二环境数据，计算第二特定事件的状态发生的第二似然度；利用预设的第一条件概率计算公式，通过预设的第一先验概率和所述第一似然度，计算第一环境数据的第一后验概率；利用预设的第二条件概率计算公式，通过预设的第二先验概率和所述第二似然度，计算第二环境数据的第二后验概率；对所述第一后验概率和所述第二后验概率进行加权平均，得到融合后的目标环境数据；其中，所述目标环境数据用于表示在调光面板的环境中采集的所述第一环境数据和所述第二环境数据的权重集合。3.根据权利要求1所述的智能控制方法，其特征在于，所述通过预置的生物传感器获取用户的生理数据，对所述生理数据进行阈值处理，得到重构后的目标生理数据，包括：获取用户的初始心电信号以及用户的初始加速度能量信号；对所述初始心电信号进行低通滤波处理，得到第一滤波信号，对所述初始加速度能量信号进行低通滤波处理，得到第二滤波信号；基于预设的第一差分运算算法对第一滤波信号进行第一处理，得到第一差分信号；基于预设的第二差分运算算法对第二滤波信号进行第二处理，得到第二差分信号；通过滑动平均积分算法对所述第一差分信号进行处理，得到第一滑动平均积分信号；通过滑动平均积分算法对所述第二差分信号进行处理，得到第二滑动平均积分信号；利用预设的波形特性分别对第一滑动平均积分信号和第二滑动平均积分信号进行频
段分析以及特征提取，得到第一生理数据和第二生理数据；通过预设的小波基函数和分解层数，将第一生理数据和第二生理数据分别进行小波分解，得到第一生理数据对应的第一原始小波系数和第二生理数据对应的第二原始小波系数；计算基学习器对应的小波阈值函数的参数的最优组合权重，生成自适应小波阈值函数；将所述第一原始小波系数和所述第二原始小波系数分别代入生成的自适应小波阈值函数中，采用阈值法分别对所述第一原始小波系数和所述第二原始小波系数进行阈值处理，得到阈值处理后的第一小波系数和第二小波系数；将阈值处理后的第一小波系数和第二小波系数进行重构，得到重构后的目标生理数据。4.根据权利要求1所述的智能控制方法，其特征在于，所述基于预设的情感分析算法模型对所述目标生理数据进行处理，得到用户的情绪状态数据，根据所述情绪状态数据识别用户当前的情景模式，包括：基于预设的情感分析算法模型，对用户的目标生理数据进行情感预测分析，预测用户的情绪信息；其中，所述预设的情感分析算法模型为基于预...

【专利技术属性】
技术研发人员：李风华，山田修，包瑞，
申请(专利权)人：浙江唯酷光电有限公司，
类型：发明
国别省市：