一种LED照明产品光生物安全性检测系统

摘要

本发明涉及一种LED照明产品光生物安全性检测系统，包括用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计；用于检测灯具照度的照度探头；用于检测灯具亮度的亮度探头；用于对检测环境的湿度、温度进行采集的温湿度传感器；分别与分布光谱辐射计、照度探头、亮度探头和温湿度传感器有线连接，用于对接收的数据进行分析和处理的中央处理器；与中央处理器有线连接，用于对灯具照射光进行处理的光谱分析仪；与中央处理器通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；与中央处理器有线连接，用于控制检测环境的温湿度控制装置。本发明检测参数多样化，检测精准，实现数据共享。

说明书

技术领域

本发明属于光生物安全检测技术领域，尤其涉及一种LED照明产品光生物安全性检测系统。

背景技术

随着能源危机的迫近以及节能环保、低碳意识的提高，新型的LED照明光源的全球市场前景愈发光明。LED照明作为节能环保战略性新兴产业，正逐渐受到国家和各级地方政府的高度重视。随着技术的进步与发展，LED照明产业必将成为绿色节能产业新的增长点，在市场利益趋势与法律法规刺激下，全球LED产业规格呈快速增长之势。LED光源具有使用电源电压低、节能高效、适用范围广、稳定性强、响应时间短、寿命长、无污染等特点，未来必将取代白炽灯、荧光灯等人造光源，成为城市的主要照明光源。然而在LED产业快速增长，应用场合不断增加的同时，LED光源对于视网膜可能带来危害及对生物日常生活可能带来的影响成为了一个越来越受人们关注的问题。在光辐射波段中，紫外线辐射和蓝光辐射对人体的危害尤为明显。LED作为一种新兴光源因为近年来的迅速发展，芯片的功率及外量子效率均大大提高，紫外和蓝光波段的短波LED芯片被广泛应用，多芯片集成及二次光学设计技术发展，使得LED的危害性更加显著，灯与灯系统的光生物安全性的测试，要按照IEC62471、EN62417、GB/T20145等标准进行评估。但是现有的评估系统检测参数单一，很难对LED照明产品的光生物安全性能进行全面检测，另一方面没有考虑到外界环境对检测参数的影响，导致检测结果的误差大大增加，其次就是无法进行数据的共享。光生物安全(包括蓝光危害)关系到人们的身体健康和安全，规范照明产品这方面指标的国家标准应该是强制性的，但是目前的国家标准是GB/T 20145-2006《灯和灯系统的光生物安全性》却为推荐性标准，建议将该标准的性质改为强制性，并建议增加到照明灯具CCC认证标准中。通过测量27个样品的色温，其中7个样品的色温远高于6500K，甚至有大于100000K的，这种LED产品已经超出照明产品使用的白光色温上限，其中蓝光成分已有相当大的比例。如果长期使用这种照明光，将影响人的司辰节律，影响睡眠，造成生物钟紊乱，从而降低人的免疫力。

发明内容

本发明为解决现有的检测参数单一，检测数据受到影响，误差增加和无法进行数据共享的技术问题而提供一种LED照明产品光生物安全性检测系统。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：

本发明提供的LED照明产品光生物安全性检测系统，所述LED照明产品光生物安全性检测系统包括：

用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计；所述分布光谱辐射计设置有无线定位模块，所述无线定位模块的无线定位方法具体包括以下步骤：待定位节点O通信范围内的锚节点坐标为A_i(x_i，y_i)，其中i＝0,1,…,n(n≥4)；

步骤一，待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为A_i；

步骤二，根据采样信号r(n)，计算互相关值E；

步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点A_i之间的距离：

Pr(d_i)＝Pr(d₀)-10·γlg(d_i)+X_σ；

其中，Pr(d′_i)表示距离发送端距离为d′_i时获取的互相关值，Pr(d₀)表示距离发送端d₀＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算X_σ，服从均值为0、标准差为σ的高斯分布；

利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′_i，对应的锚节点的坐标分别为A_i(x_i，y_i)，其中i＝0,1,2,…,n；

步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x,y)；

用于检测灯具照度的照度探头；

用于检测灯具亮度的亮度探头；

用于对检测环境的湿度、温度进行采集的温湿度传感器；

分别与分布光谱辐射计、照度探头、亮度探头和温湿度传感器有线连接，用于对接收的数据进行分析和处理的中央处理器；所述中央处理器对数据矩阵进行标准化：

式中：

得到：

A＝(A_ij)_m×n；

m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据；

与中央处理器有线连接，用于对灯具照射光进行处理的光谱分析仪；

与中央处理器通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；

与中央处理器有线连接，用于控制检测环境的温湿度控制装置；

与中央处理器有线连接，用于数据导出的导出模块；

所述电源模块与中央处理器有线连接，用于提供电源；

所述光谱分析仪上安装有显示装置和打印装置，显示装置和打印装置均通过数据线与导出模块相连接；所述光谱分析仪的图像信息脉冲耦合神经网络模型：

F_ij[n]＝S_ij；

U_ij[n]＝F_ij[n](1+β_ij[n]L_ij[n])；

θ_ij[n]＝θ₀e-αθ(n-1)；

其中，β_ij[n]为自适应链接强度系数；

S_ij、F_ij[n]、L_ij[n]、U_ij[n]、θ_ij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，N_w为所选待处理窗口W中的像素总数，Δ为调节系数，选取4；

所述显示装置的顶部安装有警示灯，警示灯与中央处理器有线连接；所述显示装置的图像融合规则为：

其中，τ₁＝1/(1+exp{-β(||m_A||₂-||m_B||₂)}),(β＞0)，

m_A,m_B分别表示源图像每块的均值；源图像x_A和x_B分别减去m_A和m_B得到和分别为稀疏表示系数矩阵S^C和的第i列，为融合图像的稀疏系数矩阵s_F的第i列；K是图像块的总个数；

所述显示装置作为输入图像v₀，使用全变分模型TV-L¹，即对v₀进行去噪，获得去噪介质层图v，用介质层图像的归一化处理后获得估计的退化矩阵将预处理后的目标图像作为初始输入图像u₀，作为输入的退化矩阵，代入全变分模型求解得到的最优解u即为恢复图像；u₀为预处理目标图像，u为目标恢复图像，为估计的退化矩阵，为构造的引入退化矩阵的保真项；

所述分布光谱辐射计由分布光度计和光谱辐射计构成。

进一步，所述温湿度传感器包括：温度传感器和湿度传感器；

时间对准过程完成传感器数据之间在时间上的对准，温度传感器A、湿度传感器B在本地直角坐标系下的量测数据分别为Y_A(t_i)和Y_B(t_i)，且温度传感器A的采样频率大于湿度传感器B的采样频率，则由温度传感器A向湿度传感器B的采样时刻进行配准，具体为：

采用内插外推的时间配准算法将温度传感器A的采样数据向湿度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向湿度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为温度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据温度传感器A的配准数据与湿度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和湿度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

假设k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)可以用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]*MERGEFORMAT(3)

其中，

设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T)，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)*MERGEFORMAT(4)

B_A，B_B分别为目标在温度传感器A与湿度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)*MERGEFORMAT(5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)*MERGEFORMAT(6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)。

本发明具有的优点和积极效果是：该LED照明产品光生物安全性检测系统利用分布光谱辐射计对LED照明产品的颜色特性和色空间分布情况进行测试，利用照度探头对LED照明产品的照度进行检测，利用亮度探头对LED照明产品的亮度进行检测，利用光谱分析仪对LED照明产品的照射光进行光谱分析，利用温湿度传感器实时对检测环境的湿度、温度进行采集，当温度和湿度满足不了需求时，中央处理器通过温湿度控制装置对检测环境的温度和湿度进行调整，利用导出模块将数据通过显示装置和打印装置进行导出，通过GPRS网路将检测数据存储到云服务器中，检测参数多样化，检测精准，实现数据共享。

附图说明

图1是本发明实施例提供的LED照明产品光生物安全性检测系统的原理框图；

图中：1、分布光谱辐射计；2、照度探头；3、亮度探头；4、温湿度传感器；5、中央处理器；6、光谱分析仪；7、云服务器；8、温湿度控制装置；9、导出模块；10、电源模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合图1对本发明的结构作详细的描述。

该LED照明产品光生物安全性检测系统包括：

用于测试灯具的颜色特性和色空间分布情况的分布光谱辐射计1；

用于检测灯具照度的照度探头2；

用于检测灯具亮度的亮度探头3；

用于对检测环境的湿度、温度进行采集的温湿度传感器4；

分别与分布光谱辐射计1、照度探头2、亮度探头3和温湿度传感器4有线连接，用于对接收的数据进行分析和处理的中央处理器5；

与中央处理器5有线连接，用于对灯具照射光进行处理的光谱分析仪6；

与中央处理器5通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器7；

与中央处理器5有线连接，用于控制检测环境的温湿度控制装置8；

与中央处理器5有线连接，用于数据导出的导出模块9。

进一步，所述电源模块10与中央处理器5有线连接，用于提供电源。

进一步，所述光谱分析仪6上安装有显示装置和打印装置，显示装置和打印装置均通过数据线与导出模块9相连接。

进一步，所述显示装置的顶部安装有警示灯，警示灯与中央处理器5有线连接。

进一步，所述分布光谱辐射计1由分布光度计和光谱辐射计构成。

所述无线定位模块的无线定位方法具体包括以下步骤：待定位节点O通信范围内的锚节点坐标为A_i(x_i，y_i)，其中i＝0,1,…,n(n≥4)；

步骤一，待定位节点对接收信号r(t)进行采样得到采样信号r(n)，其中，n＝0,1,…,N-1，N表示OFDM符号包含的子载波个数，同时记录所接收到的信号的发送节点为A_i；

步骤二，根据采样信号r(n)，计算互相关值E；

步骤三：根据对数距离路径损耗模型，如下公式计算待定位节点与锚节点A_i之间的距离：

Pr(d_i)＝Pr(d₀)-10·γlg(d_i)+X_σ；

其中，Pr(d′_i)表示距离发送端距离为d′_i时获取的互相关值，Pr(d₀)表示距离发送端d₀＝1米处获取的互相关值，γ表示路径损耗因子，lg(·)表示底为10的对数运算X_σ，服从均值为0、标准差为σ的高斯分布；

利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′_i，对应的锚节点的坐标分别为A_i(x_i，y_i)，其中i＝0,1,2,…,n；

步骤四：根据自适应距离修正算法，估计出待定位节点的坐标O(x，y)。

所述中央处理器对数据矩阵进行标准化：

式中：

得到：

A＝(A_ij)_m×n；

m为数据矩阵的行数，n为数据矩阵的列数，i＝1,2,…,m，j＝1,2,…,n；Xij为数据矩阵中第i行第j列的数据。

所述光谱分析仪的图像信息脉冲耦合神经网络模型：

F_ij[n]＝S_ij；

U_ij[n]＝F_ij[n](1+β_ij[n]L_ij[n])；

θ_ij[n]＝θ₀e-αθ(n-1)；

其中，β_ij[n]为自适应链接强度系数；

S_ij、F_ij[n]、L_ij[n]、U_ij[n]、θ_ij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值，N_w为所选待处理窗口W中的像素总数，Δ为调节系数，选取4；

所述显示装置的顶部安装有警示灯，警示灯与中央处理器有线连接；所述显示装置的图像融合规则为：

其中，τ₁＝1/(1+exp{-β(||m_A||₂-||m_B||₂)}),(β＞0)，

m_A,m_B分别表示源图像每块的均值；源图像x_A和x_B分别减去m_A和m_B得到和分别为稀疏表示系数矩阵S^C和的第i列，为融合图像的稀疏系数矩阵s_F的第i列；K是图像块的总个数；

所述显示装置作为输入图像v₀，使用全变分模型TV-L¹，即对v₀进行去噪，获得去噪介质层图v，用介质层图像的归一化处理后获得估计的退化矩阵将预处理后的目标图像作为初始输入图像u₀，作为输入的退化矩阵，代入全变分模型求解得到的最优解u即为恢复图像；u₀为预处理目标图像，u为目标恢复图像，为估计的退化矩阵，为构造的引入退化矩阵的保真项。

进一步，所述温湿度传感器包括：温度传感器和湿度传感器；

时间对准过程完成传感器数据之间在时间上的对准，温度传感器A、湿度传感器B在本地直角坐标系下的量测数据分别为Y_A(t_i)和Y_B(t_i)，且温度传感器A的采样频率大于湿度传感器B的采样频率，则由温度传感器A向湿度传感器B的采样时刻进行配准，具体为：

采用内插外推的时间配准算法将温度传感器A的采样数据向湿度传感器B的数据进行配准，使得两个传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向湿度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为温度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据温度传感器A的配准数据与湿度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和湿度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

假设k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)可以用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]*MERGEFORMAT(3)

其中，

设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T)，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)*MERGEFORMAT(4)

B_A，B_B分别为目标在温度传感器A与湿度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)*MERGEFORMAT(5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)可以得到关于传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)*MERGEFORMAT(6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)。

下面结合工作原理对本发明的结构作进一步的描述。

分布光谱辐射计1由分布光度计和光谱辐射计构成，利用分布光谱辐射计1对LED照明产品的颜色特性和色空间分布情况进行测试，利用照度探头2对LED照明产品的照度进行检测，利用亮度探头3对LED照明产品的亮度进行检测，利用光谱分析仪6对LED照明产品的照射光进行光谱分析，利用温湿度传感器4实时对检测环境的湿度、温度进行采集，当温度和湿度满足不了需求时，中央处理器5通过温湿度控制装置8对检测环境的温度和湿度进行调整，电源模块10提供电源，利用导出模块9将数据通过显示装置和打印装置进行导出，通过GPRS网路将检测数据存储到云服务器7中，实现数据的共享。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。