买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏磐鼎科技有限公司;江南大学

摘要：本发明公开了一种基于深度学习的LED显示屏配色及节能方法，属于LED显示采集校正技术领域。所述方法提供了一种LED显示屏配色及节能方法，通过周期性检测环境光亮度计算得到LED显示屏的目标亮度值，与LED显示屏的色温、光通量、色品坐标一同输入神经网络训练，达到了根据环境光的亮度自适应的调整屏幕亮度的节能目的；同时提供了一种改进的PSO‑BP神经网络模型，实现了对LED显示屏的亮度值、色温、光通量及色品坐标的高准确率控制。通过PSO‑BP模型与LED显示屏的结合，实现了LED显示屏的精确配色，降低了LED显示屏消耗功率，并且可以推广应用到更多其他有特定要求的LED显示屏配色和节能控制中。

主权项：1.一种基于深度学习的LED显示屏配色及节能方法，其特征在于，所述方法包括：步骤1，采集显示屏周围环境的亮度数据，根据所采集的显示屏周围环境的亮度数据，利用预设的节能方案计算得到LED显示屏目标亮度值Lm；步骤2，获取一系列LED显示屏中四基色LED灯混合光在同一时刻的光通量；步骤3，测量LED显示屏中四基色LED灯混合光在同一时刻的色温，计算得到对应的色品坐标；步骤4，通过LED显示屏中灯珠的四基色芯片各单色光的光度学和色度学性能参数，计算出对应的各单色光的三刺激值，根据颜色相加原理，计算出混合光的三刺激值并记录此时四基色芯片对应电流；步骤5，以所述步骤1、步骤2、步骤3和步骤4中得到的显示屏目标亮度值Lm，四基色芯片的光通量、色温、色品坐标、对应电流值，混合光的三刺激值构建成数据集，并将数据集按比例分割成训练集与测试集；步骤6，采用改进后的PSO算法优化BP神经网络权值和阈值，基于优化后的BP神经网络建立LED显示屏配色及节能模型；步骤7，利用训练集对PSO-BP神经网络LED显示屏配色及节能模型进行训练，得到最终的LED显示屏配色及节能模型；步骤8，根据所需的混合光三刺激值、四基色芯片的电流值，输入到最终的LED显示屏配色及节能模型中，即可得到对应的亮度值、色温、光通量及色品坐标；所述步骤6包括：步骤61：确定BP神经网络的拓扑结构；所述结构包括输入层、隐含层和输出层：定义输入层节点数n、隐含层节点数l和输出层节点数m；其中，输入层节点数n取决于输入样本的特征个数，将所述混合光三刺激值、四基色芯片的电流值作为网络的输入，即输入层节点数n＝7；输出层节点数对应所述亮度值、色温、光通量及色品坐标，所以输出节点数m＝4；隐含层节点数l利用网络模型的训练过程确定；隐含层节点数l与输入层节点n、输出层节点数m满足的函数关系为： 其中，开根号之后的结果向上取整；a在1～10之间取整数；步骤62：使用改进的粒子群算法优化BP神经网络的初始参数；用粒子群算法中粒子的维度D表示BP神经网络的所有权重和偏置，对应的粒子群维度计算为：D＝a+1×b+c+1×b其中，a为BP神经网络的输入层的数量；b为BP神经网络的隐含层的数量；c表示BP神经网络的输出层的数量；步骤63：确定粒子群网络的种群数目大小N；根据网络的复杂程度设定最大迭代次数为Tmax，最大速度Vmax，粒子距离权重ωd，粒子迭代次数惯性权重ωk，惯性权重为ω，加速因子c1和c2；所述粒子距离权重ωd与粒子迭代次数惯性权重ωk的计算为： 其中，ωmax为最大惯性权重值，ωmin为最小惯性权重值；Lki为迭代次数为k时各个粒子与全局最优值的距离；Lmax为粒子与全局最优值的距离最大值；Lmin为粒子与全局最优值的距离最小值；kmax为最大迭代次数；步骤64：对粒子的速度和位置进行初始化，随机生成h个粒子，根据粒子维度D初始化粒子的位置和速度；步骤65：确定适应度函数；所述BP神经网络的正向传播采用均方误差MSE作为损失函数；步骤66：迭代更新，迭代过程中，如果该粒子当前的适应度值优于其历史最优值，用当前位置替代历史最优值，作为个体极值pbest；如果该粒子的历史最优值优于全局最优值，用该粒子的历史最优值替代全局最优值，作为全局极值gbest；步骤67：根据各个粒子的适应度值确定粒子的个体历史最优和群体历史最优；步骤68：判断粒子群中的适应度是否已经达到期望的精度或设定的最大迭代次数；如果满足判断条件中的其中一个，则跳出粒子群算法，网络输出全局最优到BP神经网络中进行训练，未满足判断条件则继续迭代；步骤69：粒子群算法迭代停止后，粒子群网络输出全局极值Pgd与优化后的BP神经网络的权重和偏置相对应；将优化后的权重和偏置代入到BP神经网络继续训练求解；步骤610：把粒子群优化的最优权值和阈值作为BP神经网络的初始权值和阈值，当实际输出值与期望输出值相差较远时，进入误差的反向传播阶段，误差通过输出层，以网络误差最小为目标函数，按照误差梯度下降的方式对各层权值进行调整，当误差达到最小或神经网络的训练次数达到最大时，采用此时的权值和阈值，基于此时的权值和阈值确定最终的LED显示屏配色及节能模型。

全文数据：

权利要求：

百度查询： 江苏磐鼎科技有限公司 江南大学 一种基于深度学习的LED显示屏配色及节能方法