Método para generar mapas de iluminación interior detallados en tiempo real basados en aprendizaje profundo con un solo sensor | JoVE Visualize

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.