一种LED灯具的集成识别与控制方法、系统及介质

专利名称：一种LED灯具的集成识别与控制方法、系统及介质

专利类型：发明专利

专利申请号：CN202410754984.6

专利申请（专利权）人：深圳市胜天光电技术有限公司
权利人地址：广东省深圳市龙岗区龙岗街道龙西社区清水路天龙巷6号第2栋101、102、103、2层、3层、4层

专利发明（设计）人：黄永乐,郑小平

专利摘要：本发明涉及一种LED灯具的集成识别与控制方法、系统及介质，属于LED集成控制技术领域，本发明通过构建LED集成控制网络，通过LED集成控制网络获取每一LED灯具的实时状态信息，从而构建异常状态识别模型，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果，最后根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。本发明通过对目标区域中的LED配置集成控制器，能够对目标区域中的LED进行集成控制，而且保证了在使用中的控制延迟在预设范围之内，通过集成控制能够降低对于多LED灯具控制的设计成本，实现联动式控制。

主权利要求：
1.一种LED灯具的集成识别与控制方法，其特征在于，包括以下步骤：
获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据所述目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征；
根据所述在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对所述集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过所述LED集成控制网络获取每一LED灯具的实时状态信息；
构建异常状态识别模型，通过所述异常状态识别模型对所述每一LED灯具的实时状态信息进行识别，获取识别结果；
根据所述识别结果通过集成控制器生成相关的控制信息，并基于所述相关的控制信息对所述集成控制器进行控制；
构建异常状态识别模型，具体包括：
通过大数据获取LED灯具的历史异常状态信息，并通过对所述LED灯具的历史异常状态信息按照异常状态的类型进行划分，获取若干异常状态类型的数据并作为样本数据，初始化训练集的个数，随机选取若干样本数据构成训练集；
计算所述训练集中样本数据之间的余弦距离值，并判断所述训练集中样本数据之间的余弦距离值是否不大于余弦距离阈值，获取训练集之间存在的余弦距离阈值不大于余弦距离阈值的样本数据，并将该样本数据剔除，并重新选取样本数据；
当训练集之间不在出现存在的余弦距离阈值不大于余弦距离阈值的样本数据时，生成最终的训练集，并基于卷积神经网络构建异常状态识别模型；
将所述最终的训练集输入到所述异常状态识别模型中进行训练，当所述异常状态识别模型的损失函数收敛至预设阈值之后，保存异常状态识别模型的模型参数，并输出异常状态识别模型。
2.根据权利要求1所述的一种LED灯具的集成识别与控制方法，其特征在于，获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据所述目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，具体包括获取目标区域中LED灯具的安装位置信息以及集成控制器的可安装区域，并根据所述集成控制器的可安装区域初始化集成控制器的安装数量以及安装位置信息，计算出LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值；
通过大数据获取各欧式距离值之下集成控制器对于LED灯具的控制延迟特征，并构建数据库，将所述各欧式距离值之下集成控制器对于LED灯具的控制延迟特征输入到所述数据库中进行存储；
将所述LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值输入到所述数据库中进行数据匹配；
通过数据匹配，获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，并将所述在各个集成控制器的安装位置中每一LED灯具的控制延迟特征输出。
3.根据权利要求1所述的一种LED灯具的集成识别与控制方法，其特征在于，根据所述在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对所述集成控制器的安装数量进行重新调整，并构建LED集成控制网络，具体包括：设置集成控制器对于LED灯具的控制延迟阈值，并判断是否存在至少一个集成控制器的安装位置使得每一LED灯具的控制延迟特征均大于所述集成控制器对于LED灯具的控制延迟阈值；
当存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于所述集成控制器对于LED灯具的控制延迟阈值时，则统计对应的集成控制器的安装位置的LED灯具的控制延迟特征；
通过统计，获取LED灯具的平均控制延迟特征，将最小的平均控制延迟特征所对应的集成控制器的安装位置作为集成控制器的最终安装位置，并根据所述集成控制器的最终安装位置以及集成控制器的安装数量构建LED集成控制网络；
当不存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于所述集成控制器对于LED灯具的控制延迟阈值时，则调整所述集成控制器的安装数量，直至存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于所述集成控制器对于LED灯具的控制延迟阈值。
4.根据权利要求1所述的一种LED灯具的集成识别与控制方法，其特征在于，通过所述异常状态识别模型对所述每一LED灯具的实时状态信息进行识别，获取识别结果，具体包括：将所述每一LED灯具的实时状态信息输入到所述异常状态识别模型中进行识别，判断每一LED灯具是否存在异常状态；
当LED灯具存在异常状态时，并获取异常状态的类型，并将所述异常状态的类型作为识别结果进行输出；
当LED灯具不存在异常状态时，则生成不存在异常状态的信息，并将所述不存在异常状态的信息作为识别结果进行输出。
5.根据权利要求1所述的一种LED灯具的集成识别与控制方法，其特征在于，根据所述识别结果通过集成控制器生成相关的控制信息，并基于所述相关的控制信息对所述集成控制器进行控制，具体包括：当所述识别结果为存在异常状态时，通过大数据获取每一异常状态类型相关的策略，并基于所述每一异常状态类型相关的策略构建知识图谱；
获目标区域中每一LED灯具的异常类型，并将所述每一异常状态类型相关的策略输入到所述知识图谱中进行数据匹配，获取目标区域中每一LED灯具的异常类型所对应的控制策略；
根据所述目标区域中每一LED灯具的异常类型所对应的控制策略生成相关的控制信息，并基于所述相关的控制信息对所述集成控制器进行控制。
6.一种LED灯具的集成识别与控制系统，其特征在于，所述控制系统包括存储器以及处理器，所述存储器中包括LED灯具的集成识别与控制方法程序，所述LED灯具的集成识别与控制方法程序被所述处理器执行时，实现如下步骤：获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据所述目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征；
根据所述在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对所述集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过所述LED集成控制网络获取每一LED灯具的实时状态信息；
构建异常状态识别模型，通过所述异常状态识别模型对所述每一LED灯具的实时状态信息进行识别，获取识别结果；
根据所述识别结果通过集成控制器生成相关的控制信息，并基于所述相关的控制信息对所述集成控制器进行控制；
构建异常状态识别模型，具体包括：
通过大数据获取LED灯具的历史异常状态信息，并通过对所述LED灯具的历史异常状态信息按照异常状态的类型进行划分，获取若干异常状态类型的数据并作为样本数据，初始化训练集的个数，随机选取若干样本数据构成训练集；
计算所述训练集中样本数据之间的余弦距离值，并判断所述训练集中样本数据之间的余弦距离值是否不大于余弦距离阈值，获取训练集之间存在的余弦距离阈值不大于余弦距离阈值的样本数据，并将该样本数据剔除，并重新选取样本数据；
当训练集之间不在出现存在的余弦距离阈值不大于余弦距离阈值的样本数据时，生成最终的训练集，并基于卷积神经网络构建异常状态识别模型；
将所述最终的训练集输入到所述异常状态识别模型中进行训练，当所述异常状态识别模型的损失函数收敛至预设阈值之后，保存异常状态识别模型的模型参数，并输出异常状态识别模型。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括LED灯具的集成识别与控制方法程序，所述LED灯具的集成识别与控制方法程序被处理器执行时，实现如权利要求1‑5任一项所述的LED灯具的集成识别与控制方法的步骤。 说明书 : 一种LED灯具的集成识别与控制方法、系统及介质技术领域[0001] 本发明涉及LED集成识别技术领域，尤其涉及一种LED灯具的集成识别与控制方法、系统及介质。背景技术[0002] 发光二极管(LED)，是一种半导体组件。初时多用作为指示灯、显示发光二极管板等；随着白光LED的出现，也被用作照明。LED被称为第四代照明光源或绿色光源，具有节能、环保、寿命长、体积小等特点，广泛应用于各种指示、显示、装饰、背光源、普通照明和城市夜景等领域。根据使用功能的不同，可以将其划分为信息显示、信号灯、车用灯具、液晶屏背光源、通用照明五大类。然而，现如今对于LED的控制基本均是单独控制，并且为了实现不同的控制功能，往往需要在每个LED上设置单独的控制器，导致在一些具有LED灯具的众多场景中，设计成本过高，而且由于单独控制很难做到低于预定的控制延迟，很难达到联动式控制的效果，控制效果差。发明内容[0003] 本发明克服了现有技术的不足，提供了一种LED灯具的集成识别与控制方法、系统及介质。[0004] 为达上述目的，本发明采用的技术方案为：[0005] 本发明第一方面提供了一种LED灯具的集成识别与控制方法，包括以下步骤：[0006] 获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征；[0007] 根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过LED集成控制网络获取每一LED灯具的实时状态信息；[0008] 构建异常状态识别模型，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果；[0009] 根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0010] 进一步的，在本方法中，获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，具体包括[0011] 获取目标区域中LED灯具的安装位置信息以及集成控制器的可安装区域，并根据集成控制器的可安装区域初始化集成控制器的安装数量以及安装位置信息，计算出LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值；[0012] 通过大数据获取各欧式距离值之下集成控制器对于LED灯具的控制延迟特征，并构建数据库，将各欧式距离值之下集成控制器对于LED灯具的控制延迟特征输入到数据库中进行存储；[0013] 将LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值输入到数据库中进行数据匹配；[0014] 通过数据匹配，获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，并将在各个集成控制器的安装位置中每一LED灯具的控制延迟特征输出。[0015] 进一步的，在本方法中，根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，具体包括：[0016] 设置集成控制器对于LED灯具的控制延迟阈值，并判断是否存在至少一个集成控制器的安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值；[0017] 当存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则统计对应的集成控制器的安装位置的LED灯具的控制延迟特征；[0018] 通过统计，获取LED灯具的平均控制延迟特征，将最小的平均控制延迟特征所对应的集成控制器的安装位置作为集成控制器的最终安装位置，并根据集成控制器的最终安装位置以及集成控制器的安装数量构建LED集成控制网络；[0019] 当不存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则调整集成控制器的安装数量，直至存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值。[0020] 进一步的，在本方法中，构建异常状态识别模型，具体包括：[0021] 通过大数据获取LED灯具的历史异常状态信息，并通过对LED灯具的历史异常状态信息按照异常状态的类型进行划分，获取若干异常状态类型的数据并作为样本数据，初始化训练集的个数，随机选取若干样本数据构成训练集；[0022] 计算训练集中样本数据之间的余弦距离值，并判断训练集中样本数据之间的余弦距离值是否不大于余弦距离阈值，获取训练集之间存在的余弦距离阈值不大于余弦距离阈值的样本数据，并将该样本数据剔除，并重新选取样本数据；[0023] 当训练集之间不在出现存在的余弦距离阈值不大于余弦距离阈值的样本数据时，生成最终的训练集，并基于卷积神经网络构建异常状态识别模型；[0024] 将最终的训练集输入到异常状态识别模型中进行训练，当异常状态识别模型的损失函数收敛至预设阈值之后，保存异常状态识别模型的模型参数，并输出异常状态识别模型。[0025] 进一步的，在本方法中，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果，具体包括：[0026] 将每一LED灯具的实时状态信息输入到异常状态识别模型中进行识别，判断每一LED灯具是否存在异常状态；[0027] 当LED灯具存在异常状态时，并获取异常状态的类型，并将异常状态的类型作为识别结果进行输出；[0028] 当LED灯具不存在异常状态时，则生成不存在异常状态的信息，并将不存在异常状态的信息作为识别结果进行输出。[0029] 进一步的，在本方法中，根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制，具体包括：[0030] 当识别结果为存在异常状态时，通过大数据获取每一异常状态类型相关的策略，并基于每一异常状态类型相关的策略构建知识图谱；[0031] 获目标区域中每一LED灯具的异常类型，并将每一异常状态类型相关的策略输入到知识图谱中进行数据匹配，获取目标区域中每一LED灯具的异常类型所对应的控制策略；[0032] 根据目标区域中每一LED灯具的异常类型所对应的控制策略生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0033] 本发明第二方面提供了一种LED灯具的集成识别与控制系统，控制系统包括存储器以及处理器，存储器中包括LED灯具的集成识别与控制方法程序，LED灯具的集成识别与控制方法程序被处理器执行时，实现如下步骤：[0034] 获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征；[0035] 根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过LED集成控制网络获取每一LED灯具的实时状态信息；[0036] 构建异常状态识别模型，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果；[0037] 根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0038] 本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括LED灯具的集成识别与控制方法程序，LED灯具的集成识别与控制方法程序被处理器执行时，实现任一项的LED灯具的集成识别与控制方法的步骤。[0039] 本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：[0040] 本发明通过获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，进而根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过LED集成控制网络获取每一LED灯具的实时状态信息，从而构建异常状态识别模型，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果，最后根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。本发明通过对目标区域中的LED配置集成控制器，能够对目标区域中的LED进行集成控制，而且保证了在使用中的控制延迟在预设范围之内，通过集成控制能够降低对于多LED灯具控制的设计成本，实现联动式控制。附图说明[0041] 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地介绍，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实施例的附图。[0042] 图1示出了LED灯具的集成识别与控制方法的整体方法流程图；[0043] 图2示出了LED灯具的集成识别与控制方法的第一方法流程图；[0044] 图3示出了LED灯具的集成识别与控制方法的第二方法流程图；[0045] 图4示出了LED灯具的集成识别与控制系统的系统框图。具体实施方式[0046] 为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。[0047] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。[0048] 如图1所示，本发明第一方面提供了一种LED灯具的集成识别与控制方法，包括以下步骤：[0049] S102:获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征；[0050] 如图2所示，在本方法中的S102步骤中，具体包括[0051] S202:获取目标区域中LED灯具的安装位置信息以及集成控制器的可安装区域，并根据集成控制器的可安装区域初始化集成控制器的安装数量以及安装位置信息，计算出LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值；[0052] S204:通过大数据获取各欧式距离值之下集成控制器对于LED灯具的控制延迟特征，并构建数据库，将各欧式距离值之下集成控制器对于LED灯具的控制延迟特征输入到数据库中进行存储；[0053] S206:将LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值输入到数据库中进行数据匹配；[0054] S208:通过数据匹配，获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，并将在各个集成控制器的安装位置中每一LED灯具的控制延迟特征输出。[0055] 需要说明的是，由于LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值不同，就会使得集成控制器对于LED灯具的控制延迟特征产生不同，即欧式距离值越大，表明数据需要传输的距离就会越远，从而导致LED灯具的控制延迟特征越大，通过本方法能够通过对集成控制器的可安装区域进行集成控制器进行安装模拟，从而能够计算出在各个集成控制器的安装位置中每一LED灯具的控制延迟特征。[0056] S104:根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过LED集成控制网络获取每一LED灯具的实时状态信息；[0057] 如图3所示，在本S104步骤中，具体包括：[0058] S302:设置集成控制器对于LED灯具的控制延迟阈值，并判断是否存在至少一个集成控制器的安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值；[0059] S304:当存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则统计对应的集成控制器的安装位置的LED灯具的控制延迟特征；[0060] S306:通过统计，获取LED灯具的平均控制延迟特征，将最小的平均控制延迟特征所对应的集成控制器的安装位置作为集成控制器的最终安装位置，并根据集成控制器的最终安装位置以及集成控制器的安装数量构建LED集成控制网络；[0061] S308:当不存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则调整集成控制器的安装数量，直至存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值。[0062] 需要说明的是，当不存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则调整集成控制器的安装数量，进而对目标区域中的集成控制器的安装数量进行迭代计算，从而提高集成控制器的布置合理性。[0063] S106:构建异常状态识别模型，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果；[0064] 进一步的，在本方法S106中，构建异常状态识别模型，具体包括：[0065] 通过大数据获取LED灯具的历史异常状态信息，并通过对LED灯具的历史异常状态信息按照异常状态的类型进行划分，获取若干异常状态类型的数据并作为样本数据，初始化训练集的个数，随机选取若干样本数据构成训练集；[0066] 计算训练集中样本数据之间的余弦距离值，并判断训练集中样本数据之间的余弦距离值是否不大于余弦距离阈值，获取训练集之间存在的余弦距离阈值不大于余弦距离阈值的样本数据，并将该样本数据剔除，并重新选取样本数据；[0067] 当训练集之间不在出现存在的余弦距离阈值不大于余弦距离阈值的样本数据时，生成最终的训练集，并基于卷积神经网络构建异常状态识别模型；[0068] 将最终的训练集输入到异常状态识别模型中进行训练，当异常状态识别模型的损失函数收敛至预设阈值之后，保存异常状态识别模型的模型参数，并输出异常状态识别模型。[0069] 需要说明的是，异常状态的类型包括LED灯具异常闪烁、LED灯具亮度过高或者过低、LED颜色失调等情况，通过训练集中样本数据之间的余弦距离值，判断训练集中是否存在至少两种异常情况的样本数据，如某一样本数据中存在LED灯具异常闪烁情况以及LED颜色失调异常情况，这样就会使得在训练过程中受到其他因素的尺度干扰；通过训练集之间存在的余弦距离阈值不大于余弦距离阈值的样本数据进行剔除，使得每个训练集中的样本数据都保持仅仅只有一种异常状态的情形，避免了多尺度数据对于模型的干扰，提高了模型的预测精度以及降低了模型的训练时间。其中，损失函数包括均方误差损失、交叉熵损失、KL散度损失等。[0070] S108:根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0071] 需要说明的是，本发明通过对目标区域中的LED配置集成控制器，能够对目标区域中的LED进行集成控制，而且保证了在使用中的控制延迟在预设范围之内，通过集成控制能够降低对于多LED灯具控制的设计成本，实现联动式控制。[0072] 需要说明的是，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果，具体包括：[0073] 将每一LED灯具的实时状态信息输入到异常状态识别模型中进行识别，判断每一LED灯具是否存在异常状态；当LED灯具存在异常状态时，并获取异常状态的类型，并将异常状态的类型作为识别结果进行输出；当LED灯具不存在异常状态时，则生成不存在异常状态的信息，并将不存在异常状态的信息作为识别结果进行输出。[0074] 需要说明的是，根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制，具体包括：[0075] 当识别结果为存在异常状态时，通过大数据获取每一异常状态类型相关的策略，并基于每一异常状态类型相关的策略构建知识图谱；获目标区域中每一LED灯具的异常类型，并将每一异常状态类型相关的策略输入到知识图谱中进行数据匹配，获取目标区域中每一LED灯具的异常类型所对应的控制策略；根据目标区域中每一LED灯具的异常类型所对应的控制策略生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0076] 需要说明的是，控制策略包括控制电压、电流等工作参数，以使得LED的控制符合预定要求。[0077] 此外，构建LED集成控制网络，还可以包括：获取所述LED集成控制网络在单位时间之内的最大信息传输量以及单位数量的LED灯具在控制时需要的信息传输量，初始化LED灯具的信息传输间隔以及所述LED集成控制网络在所述信息传输间隔之内的LED监控数量；根据所述LED灯具的信息传输间隔以及所述LED集成控制网络在所述信息传输间隔之内的LED监控数量进行平均分配，获取单位时间之内LED监控平均分配量；根据所述单位时间之内LED监控平均分配量以及单位数量的LED灯具在控制时需要的信息传输量计算出在信息传输间隔之内每个单位时间的总信息传输量；当所述在信息传输间隔之内每个单位时间的总信息传输量大于所述LED集成控制网络在单位时间之内的最大信息传输量时，则重新调整LED灯具的信息传输间隔以及所述LED集成控制网络在所述信息传输间隔之内的LED监控数量，直至不大于所述LED集成控制网络在单位时间之内的最大信息传输量。[0078] 需要说明的是，LED集成控制网络由于设备的影响，是存在一个最大的信息传输量的，当所述在信息传输间隔之内每个单位时间的平均总信息传输量大于所述LED集成控制网络在单位时间之内的最大信息传输量时，说明LED集成控制网络超过了上限，可能会出现信息传输排队的现象，从而导致信息传输的延迟，进而导致集成控制器的控制延迟，通过本方法能够重新调整LED灯具的信息传输间隔以及所述LED集成控制网络在所述信息传输间隔之内的LED监控数量，直至不大于所述LED集成控制网络在单位时间之内的最大信息传输量，提高控制的合理性。[0079] 此外，本方法还可以包括：获取集成控制器的控制延迟变化特征数据，并基于深度神经网络构建控制延迟变化预测模型，将所述集成控制器的控制延迟变化特征数据输入到所述控制延迟变化预测模型中进行训练；通过训练，获取训练完成的控制延迟变化预测模型，并获取预设时间之内集成控制器的控制延迟变化特征数据，将所述预设时间之内集成控制器的控制延迟变化特征数据输入到所述训练完成的控制延迟变化预测模型中进行预测；通过预测，获取达到预设控制延迟特征数据阈值所在的时间节点，并获取当前LED灯具的工作任务信息，基于所述当前LED灯具的工作任务信息获取LED灯具表演所在的时间段；当所述达到预设控制延迟特征数据阈值所在的时间节点在所述LED灯具表演所在的时间段时，则对集成控制器的控制延迟变化特征数据进行预警。[0080] 需要说明的是，由于在使用的过程中，集成控制器发生一定的性能退化，从而导致了控制延迟不断的升高，通过本方法能够预测到达到预设控制延迟特征数据阈值（用户设置的最大控制延迟阈值）所在的时间节点，在一些灯具的表演场景中，如演唱会、音乐会等场景中，从而来避免在所述达到预设控制延迟特征数据阈值所在的时间节点在所述LED灯具表演所在的时间段之内，从而提高用户的使用体验。[0081] 如图4所示，本发明第二方面提供了一种LED灯具的集成识别与控制系统4，控制系统4包括存储器41以及处理器42，存储器41中包括LED灯具的集成识别与控制方法程序，LED灯具的集成识别与控制方法程序被处理器42执行时，实现如下步骤：[0082] 获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征；[0083] 根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，通过LED集成控制网络获取每一LED灯具的实时状态信息；[0084] 构建异常状态识别模型，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果；[0085] 根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0086] 进一步的，在本系统中，获取目标区域中LED灯具的安装位置信息，并初始化集成控制器的安装数量以及安装位置信息，根据目标区域中LED灯具的安装位置信息以及集成控制器的安装位置信息获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，具体包括[0087] 获取目标区域中LED灯具的安装位置信息以及集成控制器的可安装区域，并根据集成控制器的可安装区域初始化集成控制器的安装数量以及安装位置信息，计算出LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值；[0088] 通过大数据获取各欧式距离值之下集成控制器对于LED灯具的控制延迟特征，并构建数据库，将各欧式距离值之下集成控制器对于LED灯具的控制延迟特征输入到数据库中进行存储；[0089] 将LED灯具的安装位置信息与各集成控制器的安装位置信息之间的欧式距离值输入到数据库中进行数据匹配；[0090] 通过数据匹配，获取在各个集成控制器的安装位置中每一LED灯具的控制延迟特征，并将在各个集成控制器的安装位置中每一LED灯具的控制延迟特征输出。[0091] 进一步的，在本系统中，根据在各个集成控制器的安装位置中每一LED灯具的控制延迟特征对集成控制器的安装数量进行重新调整，并构建LED集成控制网络，具体包括：[0092] 设置集成控制器对于LED灯具的控制延迟阈值，并判断是否存在至少一个集成控制器的安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值；[0093] 当存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则统计对应的集成控制器的安装位置的LED灯具的控制延迟特征；[0094] 通过统计，获取LED灯具的平均控制延迟特征，将最小的平均控制延迟特征所对应的集成控制器的安装位置作为集成控制器的最终安装位置，并根据集成控制器的最终安装位置以及集成控制器的安装数量构建LED集成控制网络；[0095] 当不存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值时，则调整集成控制器的安装数量，直至存在至少一个安装位置使得每一LED灯具的控制延迟特征均大于集成控制器对于LED灯具的控制延迟阈值。[0096] 进一步的，在本系统中，构建异常状态识别模型，具体包括：[0097] 通过大数据获取LED灯具的历史异常状态信息，并通过对LED灯具的历史异常状态信息按照异常状态的类型进行划分，获取若干异常状态类型的数据并作为样本数据，初始化训练集的个数，随机选取若干样本数据构成训练集；[0098] 计算训练集中样本数据之间的余弦距离值，并判断训练集中样本数据之间的余弦距离值是否不大于余弦距离阈值，获取训练集之间存在的余弦距离阈值不大于余弦距离阈值的样本数据，并将该样本数据剔除，并重新选取样本数据；[0099] 当训练集之间不在出现存在的余弦距离阈值不大于余弦距离阈值的样本数据时，生成最终的训练集，并基于卷积神经网络构建异常状态识别模型；[0100] 将最终的训练集输入到异常状态识别模型中进行训练，当异常状态识别模型的损失函数收敛至预设阈值之后，保存异常状态识别模型的模型参数，并输出异常状态识别模型。[0101] 进一步的，在本系统中，通过异常状态识别模型对每一LED灯具的实时状态信息进行识别，获取识别结果，具体包括：[0102] 将每一LED灯具的实时状态信息输入到异常状态识别模型中进行识别，判断每一LED灯具是否存在异常状态；[0103] 当LED灯具存在异常状态时，并获取异常状态的类型，并将异常状态的类型作为识别结果进行输出；[0104] 当LED灯具不存在异常状态时，则生成不存在异常状态的信息，并将不存在异常状态的信息作为识别结果进行输出。[0105] 进一步的，在本系统中，根据识别结果通过集成控制器生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制，具体包括：[0106] 当识别结果为存在异常状态时，通过大数据获取每一异常状态类型相关的策略，并基于每一异常状态类型相关的策略构建知识图谱；[0107] 获目标区域中每一LED灯具的异常类型，并将每一异常状态类型相关的策略输入到知识图谱中进行数据匹配，获取目标区域中每一LED灯具的异常类型所对应的控制策略；[0108] 根据目标区域中每一LED灯具的异常类型所对应的控制策略生成相关的控制信息，并基于相关的控制信息对集成控制器进行控制。[0109] 本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括LED灯具的集成识别与控制方法程序，LED灯具的集成识别与控制方法程序被处理器执行时，实现任一项的LED灯具的集成识别与控制方法的步骤。[0110] 在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。[0111] 上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。[0112] 另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。[0113] 本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read‑OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。[0114] 或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。[0115] 以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

专利地区：广东

专利申请日期：2024-06-12

专利公开日期：2024-09-03

专利公告号：CN118317473B