一种实验室集成照明管理系统的制作方法

1.本发明涉及管理技术领域，特别涉及一种实验室集成照明管理系统。


背景技术：

2.根据实验工艺要求，实验室等实验环境使用过程中科研人员需操作多种照明方式，由于种类繁多，在操作过程中，容易出现操作失误，影响实验数据的准确性，甚至对科研人员人身安全和职业健康影响较大。目前已有的室内普通照明，仅满足实验室内的日常照明，无法实现远程操作及控制。目前已有的智能照明系统仅对实验室内的照明方式及远程控制实现操作，不涉及紫外杀菌系统、报警系统、消防联动系统、室内动态监测系统及安全风险的控制和排除。目前科研单位多采用人工例行检查方式，人工成本较高且不能实时进行检查，安全风险控制滞后，只有在风险发生后才有管控。目前尚未有实验室照明数据库，科研单位科普教育无大数据支撑，科普难度较大且效果不佳。


技术实现要素：

3.本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种实验室集成照明管理系统，将正常照明，备用照明，局部照明，紫外杀菌灯等多种照明方式集中控制管理，根据实际工作情况，调整不同工作模式，同时将设备，人员，灯具的工作信息采用计算机技术、数字化技术及网络化技术比对采集后上传到上位机系统，通过上位机系统的运算可以实现集成照明管理系统的远程控制，远程操作等；此外，通过计算机技术，数字化技术等采集的照明时间，用电量等计算出实验设备工作负荷情况。照明系统集成大数据模块，可针对照明动态数据形成数据库，通过聚类、分类算法及关联规则挖掘算法实现精准判别。
4.为达到上述目的，本发明实施例提出了一种实验室集成照明管理系统，包括：第一控制层、执行层、通讯层及第二控制层；其中，
5.所述第一控制层与所述执行层通过有线或无线信号连接；
6.所述第一控制层与所述通讯层通过modbus连接；
7.所述通讯层与所述第二控制层通过以太网或5g网络连接；
8.所述第一控制层包括控制器和人机界面；
9.所述控制器为嵌入式控制器，用于：
10.根据存储运行程序和大数据控制策略，对执行层发出动作指令并采集执行层反馈数据；
11.接收上位机操作指令；
12.所述人机界面，用于显示系统运行参数以及状态；
13.所述控制器包括监控模块、通讯模块及大数据模块，其中所述通讯模块分别与所述监控模块及所述大数据模块连接。
14.根据本发明的一些实施例，所述监控模块用于获取监控数据，采用k-means行为分
析算法做预测预警分析。
15.根据本发明的一些实施例，所述大数据模块中存储有关联规则算法，关联规则是形如x
→
y的蕴涵表达式，其中x和y是不相交的项集，即关联规则的强度通过支持度指标和置信度指标来表示。
16.根据本发明的一些实施例，所述大数据模块基于关联规则算法对大数据进行处理，包括：
17.s1、获取数据集合d，设置支持度阈值α；
18.s2、扫描整个数据集合d，得到所有出现过的数据，作为候选频繁1项集；
19.s3、挖掘频繁k项集；扫描数据计算候选频繁k项集的支持度；去除候选频繁k项集中支持度低于阈值的数据集,得到频繁k项集；如果得到的频繁k项集为空，则直接返回频繁k-1项集的集合作为算法结果，算法结束；如果得到的频繁k项集只有一项，则直接返回频繁k项集的集合作为算法结果，算法结束；基于频繁k项集，连接生成候选频繁k 1项集；
20.s4、令k＝k 1，转入s2。
21.根据本发明的一些实施例，所述执行层用于接收控制器动作指令完成动作并且反馈各种运行数据给控制器。
22.根据本发明的一些实施例，所述执行层包括照明系统、杀菌系统、报警系统、消防联动系统、室内动态监测系统。
23.根据本发明的一些实施例，所述通讯层包括远程通讯模块，所述远程通讯模块用于读取所述控制器内的所有的数据参数上传到第二控制层。
24.根据本发明的一些实施例，所述第二控制层包括移动端和集成管理平台端；
25.所述移动端和所述集成管理平台端均可通过互联网远程查看系统的运行状态、参数并且能按权限进行反向控制和所述大数据模块调用进行数据处理。
26.根据本发明的一些实施例，所述照明系统包括：
27.设置在实验室不同位置的多个照明模块；
28.人体识别模块，用于：
29.获取实验室的实际场景图像；
30.将所述实际场景图像进行网格化处理，并进行图像分割，得到若干个子实际场景图像；
31.获取实验室的标准场景图像；
32.将所述标准场景图像进行网格化处理，并进行图像分割，得到若干个子标准场景图像；
33.将所述子实际场景图像与对应的子标准场景图像，构建匹配组；
34.计算匹配组中的子实际场景图像上每一个像素点的像素值与子标准场景图像上对应像素点的像素值的差值的绝对值，并进行求和计算，得到差异值；
35.筛选出差异值大于预设差异值的子实际场景图像，作为目标子实际场景图像；
36.根据所述目标子实际场景图像的位置关系，构建差异图像；
37.对所述差异图像进行边缘轮廓提取处理，得到轮廓特征；
38.将所述轮廓特征与预设人体轮廓特征进行匹配，在匹配成功时，将所述轮廓特征对应的图像作为人体图像；
39.调整模块，用于：
40.根据实际场景图像确定所述人体图像中包括的人体所在的当前位置；
41.根据所述人体图像获取人体关键点，根据所述人体关键点确定人体骨架，根据所述人体骨架计算各个关节的肢体向量特征，根据所述肢体向量特征确定人体行为，并将所述人体行为与人体行为-工作状态表中的预设人体行为进行相似度计算，确定相似度最高的预设人体行为对应的工作状态，作为人体行为对应的工作状态；
42.根据当前位置及所述工作状态查询预设照明策略表，得到目标照明方案；
43.根据所述目标照明方案确定当前位置的目标环境光亮度；
44.获取当前位置的当前环境光亮度；
45.所述当前位置对应的照明模块根据所述目标环境光亮度及所述当前环境光亮度进行亮度调整。
46.根据本发明的一些实施例，所述控制器还包括：
47.标记模块，用于：
48.获取各个位置的照明模块的历史损耗数据；
49.对所述历史损耗数据进行解析，确定正常数据及异常数据；
50.将所述异常数据根据异常类型进行分类，得到第一异常数据及第二异常数据；
51.对所述第一异常数据利用k均值聚类算法识别清洗突变数据，得到第一处理数据；
52.对所述第二异常数据进行数据分割，得到若干个子第二异常数据；
53.对所述第二异常数据进行特征提取，确定特征向量矩阵；
54.根据所述特征向量矩阵与存储数据库中的预设特征向量矩阵进行匹配，获取匹配成功的预设特征向量矩阵对应的历史数据；
55.对所述历史数据进行数据分割，得到若干个子历史数据；
56.将若干个子历史数据中每相邻两个子历史数据作为一个数据组，记作第一数据组，并确定所述第一数据组中相邻两个子历史数据之间的第一关联关系；
57.将若干个子第二异常数据中每相邻两个子第二异常数据作为一个数据组，记作第二数据组，并确定所述第二数据组中相邻两个子第二异常数据之间的第二关联关系；
58.将所述第一关联关系与对应的第二关联关系进行比较，在确定比较结果为不一致时，确定不合格第二数据组；在确定比较结果一致时，确定为合格第二数据组；
59.确定与所述不合格第二数据组相邻的合格第二数据组；
60.确定所述不合格第二数据组对应的第一数据组，作为第一关联组；
61.确定与所述不合格第二数据组相邻的合格第二数据组对应的第一数据组，作为第二关联组；
62.根据所述第一关联组与所述第二关联组之间的第三关联关系及与所述不合格第二数据组相邻的合格第二数据组，对所述不合格第二数据组进行数据修正，得到第二处理数据；
63.根据所述正常数据、第一处理数据及第二处理数据预测各个位置的照明模块的剩余寿命，并分别与预设剩余寿命阈值进行比较；
64.将剩余寿命小于预设剩余寿命预设的所述照明模块进行标记。
65.本发明的有益效果：
66.1、本系统通过第一控制层、执行层、通讯层、第二控制层，层次清晰，管理高效，功能划分合理，实现实验室照明模式操作的预判、报警、联动的集中控制系统。将照明系统、室内动态监测系统、消防控制系统、报警系统进行集中控制，实现系统联动，自动高效的解决实验照明控制和风险排除。
67.2、针对传统的照明系统，引入k-means算法，可以满足实验工艺操作的复杂性高、操作类型多的判定需求，不断通过机器学习算法优化数据库，提高识别准确度，降低误报警率。
68.3、该照明集成控制系统集成的室内动态监测系统、消防控制系统、报警系统监测的实时数据形成实验环境的照明数据库，通过关联规则算法，增加照明预测预警分析功能，同时增加了反馈控制，在风险故障发生前做预测报警提示。
69.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
70.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
71.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
72.图1是根据本发明一个实施例的一种实验室集成照明管理系统的示意图。
具体实施方式
73.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
74.如图1所示，本发明实施例提出了一种实验室集成照明管理系统，包括：第一控制层、执行层、通讯层及第二控制层；其中，
75.所述第一控制层与所述执行层通过有线或无线信号连接；
76.所述第一控制层与所述通讯层通过modbus连接；
77.所述通讯层与所述第二控制层通过以太网或5g网络连接；
78.所述第一控制层包括控制器和人机界面；
79.所述控制器为嵌入式控制器，用于：
80.根据存储运行程序和大数据控制策略，对执行层发出动作指令并采集执行层反馈数据；
81.接收上位机操作指令；
82.所述人机界面，用于显示系统运行参数以及状态；
83.所述控制器包括监控模块、通讯模块及大数据模块，其中所述通讯模块分别与所述监控模块及所述大数据模块连接。
84.本发明解决实验室日常照明过程中的安全智能控制、报警以及联动控制，提高管理水平，减少维护费用，保护灯具，延长寿命，达到节能效果，本照明系统使用安全，与消防系统联动。形成可溯源照明信息数据库，此数据库可满足实验室大数据统计。
85.根据本发明的一些实施例，所述监控模块用于获取监控数据，采用k-means行为分析算法做预测预警分析，包括：选择初始化的k个样本作为初始聚类中心a＝a1,a2,...ak；针对数据集中每个样本xi计算它到k个聚类中心的距离并将其分到距离最小的聚类中心所对应的类中；针对每个类别aj，重新计算它的聚类中心重复上面两步操作，直到达到中止条件。
86.根据本发明的一些实施例，所述大数据模块中存储有关联规则算法，关联规则是形如x
→
y的蕴涵表达式，其中x和y是不相交的项集，即关联规则的强度通过支持度指标和置信度指标来表示。
87.confidence(置信度)：表示使用包含x的事务中同时包含y事务的比例，即同时包含x和y的事务占包含x事务的比例。公式表达：confidence＝p(x&y)/p(x)。
88.support(支持度)：表示同时包含x和y的事务占所有事务的比例。如果用p(x)表示使用x事务的比例，那么support＝p(x&y)。
89.根据本发明的一些实施例，所述大数据模块基于关联规则算法对大数据进行处理，包括：
90.s1、获取数据集合d，设置支持度阈值α；
91.s2、扫描整个数据集合d，得到所有出现过的数据，作为候选频繁1项集；
92.s3、挖掘频繁k项集；扫描数据计算候选频繁k项集的支持度；去除候选频繁k项集中支持度低于阈值的数据集,得到频繁k项集；如果得到的频繁k项集为空，则直接返回频繁k-1项集的集合作为算法结果，算法结束；如果得到的频繁k项集只有一项，则直接返回频繁k项集的集合作为算法结果，算法结束；基于频繁k项集，连接生成候选频繁k 1项集；
93.s4、令k＝k 1，转入s2。
94.根据本发明的一些实施例，所述执行层用于接收控制器动作指令完成动作并且反馈各种运行数据给控制器。
95.根据本发明的一些实施例，所述执行层包括照明系统、杀菌系统、报警系统、消防联动系统、室内动态监测系统。
96.基于室内动态监测系统获取动态监测数据并传输至第一控制层；
97.基于照明系统获取照明数据并传输至第一控制层；
98.第一控制层对所述动态监测数据及照明数据进行解析，在确定发生异常情况时，控制报警系统发出报警提示，并使得消防联动系统进行联动；
99.第一控制层每隔预设时间段控制杀菌系统进行杀菌动作。
100.根据本发明的一些实施例，所述通讯层包括远程通讯模块，所述远程通讯模块用于读取所述控制器内的所有的数据参数上传到第二控制层。
101.根据本发明的一些实施例，所述第二控制层包括移动端和集成管理平台端；
102.所述移动端和所述集成管理平台端均可通过互联网远程查看系统的运行状态、参数并且能按权限进行反向控制和所述大数据模块调用进行数据处理。
103.在一实施例中移动端为计算机系统，集成管理平台端为上位机系统。
104.本发明的有益效果：
105.1、本系统通过第一控制层、执行层、通讯层、第二控制层，层次清晰，管理高效，功
能划分合理，实现实验室照明模式操作的预判、报警、联动的集中控制系统。将照明系统、室内动态监测系统、消防控制系统、报警系统进行集中控制，实现系统联动，自动高效的解决实验照明控制和风险排除。
106.2、针对传统的照明系统，引入k-means算法，可以满足实验工艺操作的复杂性高、操作类型多的判定需求，不断通过机器学习算法优化数据库，提高识别准确度，降低误报警率。
107.3、该照明集成控制系统集成的室内动态监测系统、消防控制系统、报警系统监测的实时数据形成实验环境的照明数据库，通过关联规则算法，增加照明预测预警分析功能，同时增加了反馈控制，在风险故障发生前做预测报警提示。
108.根据本发明的一些实施例，所述照明系统包括：
109.设置在实验室不同位置的多个照明模块；
110.人体识别模块，用于：
111.获取实验室的实际场景图像；
112.将所述实际场景图像进行网格化处理，并进行图像分割，得到若干个子实际场景图像；
113.获取实验室的标准场景图像；
114.将所述标准场景图像进行网格化处理，并进行图像分割，得到若干个子标准场景图像；
115.将所述子实际场景图像与对应的子标准场景图像，构建匹配组；
116.计算匹配组中的子实际场景图像上每一个像素点的像素值与子标准场景图像上对应像素点的像素值的差值的绝对值，并进行求和计算，得到差异值；
117.筛选出差异值大于预设差异值的子实际场景图像，作为目标子实际场景图像；
118.根据所述目标子实际场景图像的位置关系，构建差异图像；
119.对所述差异图像进行边缘轮廓提取处理，得到轮廓特征；
120.将所述轮廓特征与预设人体轮廓特征进行匹配，在匹配成功时，将所述轮廓特征对应的图像作为人体图像；
121.调整模块，用于：
122.根据实际场景图像确定所述人体图像中包括的人体所在的当前位置；
123.根据所述人体图像获取人体关键点，根据所述人体关键点确定人体骨架，根据所述人体骨架计算各个关节的肢体向量特征，根据所述肢体向量特征确定人体行为，并将所述人体行为与人体行为-工作状态表中的预设人体行为进行相似度计算，确定相似度最高的预设人体行为对应的工作状态，作为人体行为对应的工作状态；
124.根据当前位置及所述工作状态查询预设照明策略表，得到目标照明方案；
125.根据所述目标照明方案确定当前位置的目标环境光亮度；
126.获取当前位置的当前环境光亮度；
127.所述当前位置对应的照明模块根据所述目标环境光亮度及所述当前环境光亮度进行亮度调整。
128.上述技术方案的工作原理：所述照明系统包括：设置在实验室不同位置的多个照明模块；人体识别模块，用于：获取实验室的实际场景图像；将所述实际场景图像进行网格
化处理，并进行图像分割，得到若干个子实际场景图像；每一个网格对应一个子实际场景图像。获取实验室的标准场景图像；标准场景图像为不包括人体的场景图像。将所述标准场景图像进行网格化处理，并进行图像分割，得到若干个子标准场景图像；每一个网格对应一个子标准场景图像。子标准场景图像的尺寸与子实际场景图像的大小一致。将所述子实际场景图像与对应的子标准场景图像，构建匹配组；即相同位置的子实际场景图像、子标准场景图像作为一个匹配组。计算匹配组中的子实际场景图像上每一个像素点的像素值与子标准场景图像上对应像素点的像素值的差值的绝对值，并进行求和计算，得到差异值；筛选出差异值大于预设差异值的子实际场景图像，作为目标子实际场景图像；根据所述目标子实际场景图像的位置关系，构建差异图像；差异图像为由多个目标子实际场景图像组合确定的。对所述差异图像进行边缘轮廓提取处理，得到轮廓特征；将所述轮廓特征与预设人体轮廓特征进行匹配，在匹配成功时，将所述轮廓特征对应的图像作为人体图像；调整模块，用于：根据实际场景图像确定所述人体图像中包括的人体所在的当前位置；根据所述人体图像获取人体关键点，根据所述人体关键点确定人体骨架，根据所述人体骨架计算各个关节的肢体向量特征，根据所述肢体向量特征确定人体行为，并将所述人体行为与人体行为-工作状态表中的预设人体行为进行相似度计算，确定相似度最高的预设人体行为对应的工作状态，作为人体行为对应的工作状态；根据当前位置及所述工作状态查询预设照明策略表，得到目标照明方案；根据所述目标照明方案确定当前位置的目标环境光亮度；获取当前位置的当前环境光亮度；所述当前位置对应的照明模块根据所述目标环境光亮度及所述当前环境光亮度进行亮度调整。
129.上述技术方案的有益效果：基于网格化匹配，准确确定差异图像，缩小了检测范围，减少了计算量，根据差异图像准确识别出人体。根据所述人体图像准确确定出人体行为，根据所述人体行为确定对应的工作状态，在不同照明区域基于人体不同的工作状态，设置有对应的目标照明方案。进而控制所述当前位置对应的照明模块根据所述目标环境光亮度及所述当前环境光亮度进行亮度调整，避免照明资源的浪费，保证照明资源的合理分配，提高用户体验。
130.根据本发明的一些实施例，所述控制器还包括：
131.标记模块，用于：
132.获取各个位置的照明模块的历史损耗数据；
133.对所述历史损耗数据进行解析，确定正常数据及异常数据；
134.将所述异常数据根据异常类型进行分类，得到第一异常数据及第二异常数据；
135.对所述第一异常数据利用k均值聚类算法识别清洗突变数据，得到第一处理数据；
136.对所述第二异常数据进行数据分割，得到若干个子第二异常数据；
137.对所述第二异常数据进行特征提取，确定特征向量矩阵；
138.根据所述特征向量矩阵与存储数据库中的预设特征向量矩阵进行匹配，获取匹配成功的预设特征向量矩阵对应的历史数据；
139.对所述历史数据进行数据分割，得到若干个子历史数据；
140.将若干个子历史数据中每相邻两个子历史数据作为一个数据组，记作第一数据组，并确定所述第一数据组中相邻两个子历史数据之间的第一关联关系；
141.将若干个子第二异常数据中每相邻两个子第二异常数据作为一个数据组，记作第
二数据组，并确定所述第二数据组中相邻两个子第二异常数据之间的第二关联关系；
142.将所述第一关联关系与对应的第二关联关系进行比较，在确定比较结果为不一致时，确定不合格第二数据组；在确定比较结果一致时，确定为合格第二数据组；
143.确定与所述不合格第二数据组相邻的合格第二数据组；
144.确定所述不合格第二数据组对应的第一数据组，作为第一关联组；
145.确定与所述不合格第二数据组相邻的合格第二数据组对应的第一数据组，作为第二关联组；
146.根据所述第一关联组与所述第二关联组之间的第三关联关系及与所述不合格第二数据组相邻的合格第二数据组，对所述不合格第二数据组进行数据修正，得到第二处理数据；
147.根据所述正常数据、第一处理数据及第二处理数据预测各个位置的照明模块的剩余寿命，并分别与预设剩余寿命阈值进行比较；
148.将剩余寿命小于预设剩余寿命预设的所述照明模块进行标记。
149.上述技术方案的工作原理：标记模块，用于：获取各个位置的照明模块的历史损耗数据；对所述历史损耗数据进行解析，确定正常数据及异常数据；将所述异常数据根据异常类型进行分类，得到第一异常数据及第二异常数据；第一异常数据包括突变数据。第二异常数据为缺失数据。对所述第一异常数据利用k均值聚类算法识别清洗突变数据，得到第一处理数据；对所述第二异常数据进行数据分割，得到若干个子第二异常数据；对所述第二异常数据进行特征提取，确定特征向量矩阵；根据所述特征向量矩阵与存储数据库中的预设特征向量矩阵进行匹配，获取匹配成功的预设特征向量矩阵对应的历史数据；对所述历史数据进行数据分割，得到若干个子历史数据；将若干个子历史数据中每相邻两个子历史数据作为一个数据组，记作第一数据组，并确定所述第一数据组中相邻两个子历史数据之间的第一关联关系；将若干个子第二异常数据中每相邻两个子第二异常数据作为一个数据组，记作第二数据组，并确定所述第二数据组中相邻两个子第二异常数据之间的第二关联关系；将所述第一关联关系与对应的第二关联关系进行比较，在确定比较结果为不一致时，确定不合格第二数据组；在确定比较结果一致时，确定为合格第二数据组；确定与所述不合格第二数据组相邻的合格第二数据组；确定所述不合格第二数据组对应的第一数据组，作为第一关联组；确定与所述不合格第二数据组相邻的合格第二数据组对应的第一数据组，作为第二关联组；根据所述第一关联组与所述第二关联组之间的第三关联关系及与所述不合格第二数据组相邻的合格第二数据组，对所述不合格第二数据组进行数据修正，得到第二处理数据；根据所述正常数据、第一处理数据及第二处理数据预测各个位置的照明模块的剩余寿命，并分别与预设剩余寿命阈值进行比较；将剩余寿命小于预设剩余寿命预设的所述照明模块进行标记。
150.上述技术方案的有益效果：对第一异常数据利用k均值聚类算法识别清洗突变数据，得到第一处理数据；对第二异常数据基于相匹配历史数据，根据所述第一关联组与所述第二关联组之间的第三关联关系及与所述不合格第二数据组相邻的合格第二数据组，对所述不合格第二数据组进行数据修正，得到第二处理数据；实现对第二异常数据中缺失数据段的修正及补充，保证数据的准确性。根据所述正常数据、第一处理数据及第二处理数据预测各个位置的照明模块的剩余寿命，并分别与预设剩余寿命阈值进行比较；提高了确定各
个位置的照明模块的剩余寿命的准确性，将剩余寿命小于预设剩余寿命预设的所述照明模块进行标记，便于及时采购相应的照明模块或对相应的照明模块进行及时更换，保证照明效果。
151.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。