単一のセンサーによるディープラーニングに基づく,室内の詳細な照明マップの生成方法
Seung-Taek Oh1, You-Bin Lee2, Jae-Hyun Lim2
1Smart Natural Space Research Center, Kongju National University, Cheonan 31080, Republic of Korea.
Sensors (Basel, Switzerland)
|August 28, 2025
まとめ
この研究は ディープラーニングの方法を導入し 単一のセンサーを使って 詳細な室内照明マップを作成します このアプローチは,自然光を統合したスマート照明システムのセンサーの必要性を削減します.
科学分野:
- 建築科学
- コンピュータ・ビジョン
- 人工知能
背景:
- スマート照明システムは,エネルギー効率とユーザー快適性のために正確な室内照明データを要求します.
- 室内の光をマッピングする現在の方法は,多数のセンサーに依存しており,データ処理の課題とユーザー不便をもたらします.
- ディープラーニングは自然光予測に利用されているが,室内照明の詳細な分析やセンサーの減少にはあまり利用されていない.
研究 の 目的:
- 単一のセンサを使用して詳細な室内照明マップを生成するためのディープラーニングベースの方法を開発する.
- ダイナミックな自然光環境におけるマルチセンサシステムの限界に対処する.
- 室内の照明を正確に分析するために必要なセンサーの数を減らす.
主な方法:
- ダイナミックな室内照明と太陽の位置データでデータセットが作成されました.
- ディープニューラルネットワーク (DNN) モデルは,室内の空間全体の照明量を予測するために訓練されました.
- このモデルは,単一の照明センサと太陽の位置からの入力を使用して照明マップを生成しました.
主要な成果:
- 提案された方法は,詳細な室内照明マップを生成することに成功しました.
- 平均絶対誤差 (MAE) は2.0ルックスで,平均絶対誤差 (MAPE) は晴れた日には2.5%でした.
- 室内の全領域を最小限のセンサーで照明レベルを計算する可能性を証明した.
結論:
- シングルセンサのディープラーニングアプローチは,包括的な室内照明マップを作成するのに有効です.
- この方法は,スマート照明のハードウェア要件とデータ処理負荷を大幅に削減します.
- この発見は,センサーインフラを簡素化することによって,自然光統合照明技術の商業化を支援します.
