Método para generar mapas de iluminación interior detallados en tiempo real basados en aprendizaje profundo con un...

Área de la Ciencia:

• Ciencias de la construcción
• Visión por computadora
• Inteligencia artificial

Sus antecedentes:

• Los sistemas de iluminación inteligente requieren datos precisos de iluminación interior para la eficiencia energética y la comodidad del usuario.
• Los métodos actuales para mapear la luz interior se basan en numerosos sensores, lo que lleva a desafíos de procesamiento de datos e inconvenientes para el usuario.
• El aprendizaje profundo se ha explorado para la predicción de la luz natural, pero menos para el análisis detallado de la iluminación interior y la reducción del sensor.

Objetivo del estudio:

• Desarrollar un método basado en el aprendizaje profundo para generar mapas detallados de iluminación interior utilizando un solo sensor.
• Abordar las limitaciones de los sistemas multisensores en entornos de luz natural dinámica.
• Para reducir el número de sensores necesarios para un análisis preciso de la iluminación interior.

Principales métodos:

• Se creó un conjunto de datos con datos dinámicos de iluminación interior y posición del sol.
• Se entrenó un modelo de red neuronal profunda (DNN) para predecir la iluminación en todo un espacio interior.
• El modelo utilizó la entrada de un solo sensor de iluminación y la posición del sol para generar un mapa de iluminación.

Principales resultados:

• El método propuesto generó con éxito mapas detallados de iluminación interior.
• El sistema alcanzó un error medio absoluto (MAE) de 2,0 Lux y un error medio porcentual absoluto (MAPE) de 2,5% en días despejados.
• Demostró la viabilidad de calcular los niveles de iluminación para áreas interiores enteras con un mínimo de detección.

Conclusiones:

• Un enfoque de aprendizaje profundo de un solo sensor es efectivo para crear mapas completos de iluminación interior.
• Este método reduce significativamente los requisitos de hardware y la carga de procesamiento de datos para la iluminación inteligente.
• Los resultados apoyan la comercialización de tecnologías de iluminación integradas con luz natural mediante la simplificación de la infraestructura de sensores.