本方案属于儿童视力训练，具体涉及基于睫状肌调节的儿童视功能训练系统及方法。
背景技术：
1、在儿童视功能训练领域，睫状肌状态的实时精准获取与训练计划的动态适配是提升效果的核心难题，当前大部分技术方案对此存在显著短板。
2、睫状肌作为眼球内调控晶状体焦距的关键平滑肌，其收缩或松弛状态直接决定视觉调节能力（看近时收缩使晶状体变凸，看远时松弛使晶状体变平）。从生理机制来看，睫状肌的运动推算晶状体的形变是准确的，因为晶状体本身就是通过睫状肌的收缩与松弛直接牵拉悬韧带，进而实现自身曲率变化的，二者存在直接的机械联动关系；但反过来，通过晶状体的形变推算睫状肌的调节是不准确的，这是由于晶状体的形变还可能受到晶状体自身弹性、悬韧带张力等其他因素的影响，单一的晶状体形变数据无法完全反映睫状肌的真实收缩或松弛状态。
3、而睫状肌位于眼球内部、呈环状分布的解剖特点，使其检测本身就存在先天阻碍，环状结构紧密包裹晶状体，且与脉络膜、悬韧带毗邻，常规光学设备难以穿透眼球壁精准捕捉肌纤维活动；加之肌纤维收缩幅度仅微米级，细微运动易被虹膜震颤、角膜反光等干扰信号掩盖，难以单独提取有效信息。这导致实时状态获取面临两大技术瓶颈：一是无法直接测量，需通过晶状体曲率变化、眼球细微运动等间接指标推断，而现有技术的采集手段单一，仅通过眼球前节图像来推测睫状肌对晶状体的调节，难以建立间接指标与睫状肌真实状态的精准关联；二是儿童睫状肌发育尚未成熟，调节幅度大（例如6-8岁可达12-14d，成人约8d）且易痉挛，其状态随训练时长、用眼强度的波动更剧烈，传统静态采集（如单次验光数据）无法捕捉动态变化，导致数据时效性不足。
4、更关键的是，睫状肌状态对训练计划的制定与调整具有决定性作用。当前多数检测手段仍围绕晶状体展开，无论是通过验光设备获取晶状体屈光力状态，还是借助光学仪器测量晶状体曲率变化，本质上都是对视力相关“结果性指标”的检测，仅能反映当前视力水平（如近视度数、屈光不正程度），却无法触及视力结果背后睫状肌的动态功能状态。若处于“痉挛状态”（如持续看近后睫状肌无法松弛），继续高强度训练会加剧疲劳甚至导致近视度数增长；若处于“活跃状态”（如调节反应灵敏），低强度训练则无法充分激活调节储备。当前多数训练方案却普遍忽视这种关联，且大多数训练装置其参数调整依赖人工经验（如根据视力提升情况手动修改），未通过技术手段实时获取睫状肌状态，例如当儿童睫状肌压力关联信号（眼外肌形变）显示疲劳时，训练装置无法自动降低训练强度，易引发训练后暂时性视力模糊。
技术实现思路
1、本方案的目的是提供基于睫状肌调节的儿童视功能训练系统及方法，以解决睫状肌状态实时获取能力缺失，且睫状肌状态与训练计划脱节，导致儿童训练效果不佳或存在安全风险的问题。
2、为了达到上述目的，本方案提供一种基于睫状肌调节的儿童视功能训练系统，包括：
3、协同采集模块，包括图像采集单元、压力采集单元和数据融合单元；
4、所述图像采集单元实时采集眼球前节图像，识别眼球前节图像中的眼部特征参数；
5、所述压力采集单元包括设于眼眶外侧对应眼外肌附着点皮肤表面的压力传感器，实时采集眼外肌因眼球集合运动产生的压力形变数据；
6、所述数据融合单元获取同一时间采集的眼部特征参数和压力形变数据，并进行关联分析，通过压力形变数据变化和晶状体曲率变化建立映射模型；通过薄透镜屈光力换算算法根据眼部特征参数间接推算出晶状体屈光力变化数据作为第一数据；将压力形变数据输入映射模型推算出睫状肌的实时状态，根据实时状态推算出眼部特征参数中晶状体屈光力变化数据作为第二数据；
7、数据融合单元将第一数据与第二数据进行对比，若对比结果落在预设误差阈值内，则根据采集时间将实时状态处理为睫状肌实时调节量；若对比结果超出误差阈值范围，则向图像采集单元和压力采集单元再次获取眼部特征参数和压力形变数据，计算、对比第一数据和第二数据；
8、动态训练模块，获取儿童个体数据和协同采集模块的历史数据，根据预设训练周期制定训练参数，根据睫状肌实时调节量动态调整训练参数；所述实时状态包括疲劳状态和活跃状态，所述训练参数包括训练时长和光波组合，根据实时状态动态调控训练时长、目标频率、光波组合中不同种类光的占比及对比度；根据连续的实时状态调控参数中的训练模式。
9、以及，一种使用了基于睫状肌调节的儿童视功能训练系统的基于睫状肌调节的儿童视功能训练方法。
10、本方案的原理和技术效果在于：本方案依托睫状肌状态与训练参数的动态适配机制，通过多维度采集与智能调控构建感知、分析与调控结合的闭环。协同采集单元作为状态感知层，以眼部图像采集单元捕捉晶状体曲率、虹膜位移等内部特征，同步通过眼眶压力传感器获取眼外肌形变的外部关联信号，经数据融合单元建立晶状体调节与眼外肌压力的映射模型，突破睫状肌无法直接测量的瓶颈，实现紧张、放松、疲劳状态的间接判定；动态训练模块基于实时状态调整训练参数，针对疲劳状态降低目标切换频率并增加绿光占比以促进放松，针对活跃状态提升频率并增加红光占比以强化训练，同时通过模式自动切换避免过度训练；结合儿童年龄、弱视程度等个体差异生成包含时长、光波组合的个性化方案，形成完整闭环。解决了传统技术无法量化儿童睫状肌动态变化的问题，提升状态判定准确率，实现动态精准训练，减少睫状肌痉挛风险并提升调节幅度。
11、本方案通过多源数据融合可进一步提升状态判定的可靠性。眼球前节图像与压力形变数据的协同采集，能抵消单一数据的干扰因素（如晶状体自身弹性对眼球前节图像的影响），使睫状肌状态判定更贴合真实情况，即使在儿童眼球细微运动频繁的场景下，仍能保持稳定的判定效果。
12、本方案中动态参数调控与多光谱协同原理可增强训练协同性。多光谱模块调控光波组合中不同种类光的占比，例如调控光波组合中绿光的占比，调节瞳孔直径增强睫状肌与视觉系统的联动；调控光波组合中红光的占比，刺激脉络膜血液循环，二者与睫状肌训练形成协同效应，提升眼部血液循环效率，为弱视儿童视觉细胞激活提供生理支持，使训练效果更持久。
13、本方案将对比度调控与动态训练结合，能强化睫状肌在复杂视觉环境下的调节稳定性。例如，通过模拟复杂视觉环境动态调整画面对比度，配合睫状肌的实时状态训练，可提升睫状肌在不同视觉条件下的适应能力，进一步巩固调节功能。
14、本方案将个性化方案生成与动态适配方式结合，能精准匹配儿童发育差异。针对6-12岁儿童睫状肌发育的不同阶段，结合年龄、弱视程度及历史数据定制训练方案，避免通用模式的局限性，使弱视矫正周期缩短，近视防控效果更优。
15、本方案中状态感知与模式切换联动的方式，可深化训练安全保障。通过提前识别睫状肌疲劳（而非仅依赖外部行为监测），自动切换训练模式，例如，根据睫状肌连续多次处于疲劳状态，将训练模式切换至脑式训练模式，避免过度负荷导致的视力暂时性下降，显著提升儿童训练的安全性与依从性，减少训练抵触情绪。
16、综上所述，本方案多源闭环实时判睫状肌态，动态适配训练参数，精准提升效果，并解决了状态实时获取缺失、训练脱节导致儿童训练效果不佳或存在安全风险的问题。
17、进一步，所述数据融合单元还用于根据同步采集压力形变数据和眼部特征参数对ac/a常数进行精准度验证，精准度验证时，当满足ac/a的个体误差≤±0.3δ/d且映射模型经ubm和开放视野验光仪标定后误差≤±0.25d的前提条件时，先通过红外视频验光仪或开放视野自动屈光仪记录客观调节反应作为调节量黄金标准，同时用棱镜遮盖法或同视机测定瞬时集合量作为集合量黄金标准，确保调节量黄金标准和集合量黄金标准得到的ac/a与同步采集的压力形变数据和眼部特征参数的差异≤±0.3δ/d；再在不同视距分别施加调节刺激并重复多次，绘制刺激反应曲线，若刺激反应曲线线性拟合r²<0.9或截距>0.5δ，则进行分段拟合或二次曲线校正；通过遮盖与去遮盖法测定远、近距隐斜量，对隐斜量>8δ者单独建模，对双眼屈光力差>1d的屈光力参差者分别标定左右眼ac/a后取平均值，且隔日重复测定确保两次ac/a差值<±0.2δ/d。
18、本方案通过数据融合单元对ac/a常数的精准验证，形成多环节闭环验证机制。将ac/a误差控制在±0.3δ/d，映射模型误差锁定在±0.25d，直接提升睫状肌状态推算精度，为动态训练模块提供可靠数据支撑。同时针对儿童调节波动大的特点，在刺激反应曲线异常时自动校正，避免线性假设失效，增强本方案的稳定性。对隐斜量>8δ或屈光力差>1d的特殊儿童单独建模，隔日复测确保一致性，实现个体化适配，解决传统方式对特殊群体适配不足的问题。并且验证后的ac/a可实时刷新训练参数，与动态训练模块协同形成验证与调控结合的零延迟闭环，既提升训练精准度，又通过多环节校验减少个体差异导致的偏差，这种多效协同的闭环设计，是单一验证手段难以实现的。
19、进一步，所述动态训练模块包括动态调整单元和多光谱调节单元；所述动态调整单元检测到睫状肌的实时状态为疲劳状态时，降低目标切换频率至8-12次/分钟，同时提高500-550nm绿光占比至60%以促进放松；当检测到活跃状态时，提升目标切换频率至15-20次/分钟，同时增加620-660nm红光占比至50%以强化训练；所述多光谱调节单元用于发出430-680nm特定光波，其中绿光通过明暗亮度交替调节瞳孔直径，同步训练睫状肌与瞳孔协同性，红光用于光营养补充以刺激脉络膜血液循环加速，该单元既通过光波特性实现训练强化，又借助瞳孔调节增强视觉系统联动性。
20、本方案的动态调整单元根据睫状肌实时状态精准调整目标切换频率和光波占比，既能在疲劳时促进放松，又能在活跃时强化训练，保证训练的针对性和有效性；多光谱调节单元发出的特定光波，不仅借助绿光和红光的特性分别实现睫状肌与瞳孔协同性训练及脉络膜血液循环刺激，还通过瞳孔调节增强视觉系统联动性，单元实现了训练强化与联动的双重功能。例如，当儿童进行近距离视物训练时，绿光交替明暗使瞳孔不断收缩和扩张，在此过程中，睫状肌也随之相应调节，从而强化了两者的配合，这种协同训练能让儿童在快速切换视物距离时，眼部调节更流畅，不易出现短暂视物模糊的情况，这与此前仅关注单一参数调整的效果不同，显著提升了训练的全面性和实用性。
21、进一步，所述动态训练模块还包括对比度调控单元、模式切换单元和方案生成单元；所述对比度调控单元用于将训练参数中的训练画面对比度动态降低，以强化睫状肌在复杂视觉环境下的调节稳定性；所述模式切换单元支持物式训练与脑式训练自动切换，当数据融合单元判定睫状肌连续3次处于疲劳状态时，切换至脑式训练1-2分钟；所述方案生成单元结合儿童年龄、弱视程度及协同采集模块的历史数据，输出每日训练时长及光波组合模式，实现训练与恢复效果的精准调控，且与动态调整单元联动，使生成的方案可随睫状肌状态实时更新；所述弱视程度根据眼部特征参数与存储的弱视特征匹配得到。
22、对比度调控单元通过动态降低训练画面对比度，模拟复杂视觉环境，强化睫状肌在不同光线和清晰度下的调节稳定性；模式切换单元在睫状肌连续疲劳时自动切换至脑式训练，既能避免过度训练导致的睫状肌损伤，又通过短时脑式训练放松眼部肌肉，实现训练与恢复结合的动态平衡；方案生成单元结合儿童年龄、弱视程度及历史数据生成个性化方案，且与动态调整单元联动实现实时更新，其中弱视程度通过眼部特征参数匹配得出，保证方案适配性，同时方案生成单元将多维度数据整合分析，使方案兼具针对性与灵活性。
23、尤为突出的是，模式切换单元的自动切换机制，不仅是简单的训练模式转换，更构建了眼部保护的主动防御体系，例如当儿童连续进行20分钟物式训练后，数据融合单元判定睫状肌连续3次处于疲劳状态，模式切换单元立即启动1分钟脑式训练，通过视觉想象训练替代实物聚焦，让睫状肌在无负荷状态下恢复活力，这种预判性保护与交替训练结合的模式，与传统手动切换模式相比减少了睫状肌的痉挛风险，而这一效果在儿童长时间近距离学习后的训练场景中尤为显著，如放学后进行视功能训练时，本方案能及时感知眼部疲劳并切换模式，避免因持续训练加重眼部负担。
24、进一步，还包括训练装置，所述训练装置包括外壳、显示部件和紧固部件，显示部件设于外壳内部与外壳固定连接，紧固部件与外壳外部固定连接，用于将训练装置的外壳固定在眼周；外壳上设有与眼眶适配的眼眶孔洞，眼眶孔洞周围的外壳外部设有对应眼眶外侧眼外肌附着点皮肤表面的压力检测区域，压力采集单元的若干压力传感器固定连接于压力检测区域；所述图像采集单元为集成于训练装置内部眼眶孔洞上方的双目微型摄像头，所述双目微型摄像头配备有红外补光灯；所述外壳内部还固定连接有显示部件，所述显示部件用于接收动态训练模块提供的训练参数显示训练画面。
25、外壳上与眼眶适配的眼眶孔洞及周围的压力检测区域，让压力传感器能精准对应眼外肌附着点，提升压力形变数据采集的准确性，为数据融合单元分析提供可靠基础；双目微型摄像头搭配红外补光灯，确保在不同光线环境下都能清晰采集眼球前节图像，保障眼部特征参数提取的稳定性；显示部件与外壳固定连接，可稳定接收训练参数并显示画面，配合紧固部件将外壳固定在眼周，保证训练过程中装置位置稳定，减少因晃动导致的训练中断。
26、其中，压力检测区域与眼眶孔洞的适配设计，不仅能精准采集压力数据，还因贴合眼周轮廓，在儿童运动等轻微活动时仍能保持传感器与皮肤的良好接触，比如儿童在家中训练时久坐不适在座椅上转身、晃动，训练装置不会因晃动而使压力传感器脱离检测位置，既保证数据采集连续性，又提升了装置的使用灵活性。同时，显示部件、摄像头、压力传感器与外壳的整合设计，使训练装置一体化，无需额外设备，儿童居家训练时无需复杂安装调试，在非专业指导下也能快速开始训练，且各部件协同工作，让相同训练时间内的有效训练占比提高，达到更好的训练效果。
27、进一步，所述压力采集单元集成有接触式传感组件，用于同步采集眼内压数据；所述图像采集单元通过拍摄角膜反光图像分析得出泪膜破裂时间，形成眼内压与泪膜状态的协同验证方法；所述协同验证方法将眼内压波动阈值及泪膜破裂时间阈值作为辅助验证条件，与压力传感器采集的压力形变数据、图像采集单元获取的眼部特征参数关联分析；当眼内压超出预设波动范围时，数据融合单元修正映射模型中关联参数的权重，所述关联参数为映射模型中用于关联晶状体曲率与眼外肌压力的权重系数；当泪膜破裂时间短于预设破裂阈值时，多光谱调节单元调整光波占比以改善眼表状态。
28、本方案通过压力采集单元集成接触式传感组件采集眼内压数据、图像采集单元分析泪膜破裂时间形成的协同验证方法，能与压力形变数据、眼部特征参数关联分析，当眼内压超出预设波动范围时，数据融合单元修正映射模型中关联参数的权重，提升晶状体曲率与眼外肌压力关联的准确性，为睫状肌调节量推算提供更可靠依据；当泪膜破裂时间短于预设阈值时，多光谱调节单元调整光波占比改善眼表状态，保障图像采集清晰度。关联参数权重的动态修正与眼表状态改善的联动，通过数据融合单元实现实时响应，既保证压力形变数据与眼部特征参数的关联精度，又通过光波调节快速优化眼表环境，减少因眼表状态波动导致的训练中断。例如当儿童在干燥环境下训练导致泪膜破裂时间缩短至3秒，多光谱调节单元增加绿光占比后，泪膜状态改善，同时数据融合单元因泪膜变化自动修正关联参数权重，避免了泪膜影响下压力与光学数据的误关联，即使儿童频繁眨眼，本方案仍能稳定输出训练参数，既保证了训练的连续性，又提升了训练精度，这种多维度数据的实时联动调节，让训练在复杂环境下也能高效进行。
29、进一步，所述训练装置的外壳外侧耳屏对应位置及眼眶孔洞边缘角膜缘对应处，固定连接有柔性ag/agcl电极，所述柔性ag/agcl电极采样频率250hz，用于采集角膜表面电势变化；当睫状肌收缩时，上皮离子泵活动增强使角膜表面电势向负值漂移0.5-1.2mv；所述数据融合单元将角膜表面电势变化数据与眼内压数据、泪膜破裂时间及压力形变数据关联分析，当电势漂移幅度与调节量的线性偏差超预设电势调节偏差时，同步修正映射模型的关联参数权重，所述关联参数为映射模型中用于关联晶状体曲率与眼外肌压力的权重系数，同时动态训练模块控制多光谱调节单元调整红光占比以增强离子泵活性。
30、本方案通过在训练装置外壳相应位置设置柔性ag/agcl电极采集角膜表面电势变化，并与眼内压、泪膜破裂时间及压力形变数据关联分析，当电势漂移幅度与调节量的线性偏差超预设电势调节偏差时，同步修正映射模型关联参数权重且调整红光占比，既借助电势变化精准反映睫状肌收缩状态，为调节量测算提供可靠依据，提升数据融合单元分析的准确性，又通过调整红光占比增强离子泵活性，改善睫状肌功能；其中，角膜表面电势变化这一变量能同时实现验证睫状肌状态与辅助优化训练干预的双重功能，例如当儿童因眼部疲劳导致上皮离子泵活性下降，角膜表面电势漂移幅度与调节量的线性偏差超预设值时，本方案在修正关联参数权重保证测算精度的同时，增加红光占比增强离子泵活性，促使睫状肌收缩功能恢复，即使儿童训练中未表现出明显疲劳症状，也能通过电势变化提前干预，避免调节功能进一步下降，让训练更具前瞻性和针对性。
31、进一步，所述数据融合单元将角膜表面电势变化数据、眼内压数据、泪膜破裂时间及压力形变数据进行四维关联分析，建立电势、眼压、泪膜和压力结合的动态耦合模型；当电势漂移幅度与调节量的线性偏差超预设电势调节偏差，且眼内压超出波动范围或泪膜破裂时间短于预设破裂阈值时，同步修正映射模型关联参数权重、调整多光谱调节单元的红光与绿光占比、暂停对比度调控单元操作。
32、本方案通过数据融合单元对角膜表面电势变化、眼内压、泪膜破裂时间及压力形变数据进行四维关联分析并建立动态耦合模型，当满足特定条件时同步触发多重操作，既提升了数据关联的全面性与准确性，为映射模型关联参数权重的修正提供更可靠依据，又通过多光谱调节单元调整光占比和暂停对比度调控，保障训练的有效性与舒适性。其中，动态耦合模型实现了跨维度数据互相校验，例如当儿童在干燥环境中训练，泪膜破裂时间缩短，同时电势漂移出现异常，动态耦合模型能借助泪膜数据判断电势漂移是否由睫状肌收缩导致，避免单一数据误判；若确定是泪膜问题，调整绿光占比改善眼表状态的同时，暂停对比度调控防止视觉清晰度进一步下降，而红光占比的调整又能增强离子泵活性，协同促进睫状肌功能恢复，这种多数据驱动的协同干预方式，让训练在复杂眼部状态下仍能精准高效进行，显著提升了本方案的适应性与训练效果。
33、进一步，所述动态耦合模型引入动态基线校准系数k，k基于角膜表面电势初始漂移值、眼内压基础值、泪膜破裂基准时间按公式k=0.3×电势基线+0.2×眼压基线+0.5×泪膜基线计算，每30秒自动更新；k值嵌入动态耦合模型的可信度评分计算，当k波动≤5%，评分权重按原比例分配；k波动超5%，提升眼内压与泪膜数据的评分权重20%；同时，k值与多光谱调节单元联动，k波动超5%时，除红光与绿光调节外，补光强度随k值偏差线性提升，且触发数据融合单元将误差阈值收缩至±0.2δ/d。
34、通过在动态耦合模型中引入动态基线校准系数k，实现了多维度数据的动态校准与跨单元协同干预，k值每30秒自动更新，能实时适配儿童眼部状态变化，当k波动≤5%时维持原评分权重分配，确保数据关联分析的稳定性；当k波动超5%时，提升眼内压与泪膜数据的评分权重并联动多光谱调节单元增强补光、收缩误差阈值，既提高了异常状态下关键数据的影响力，又通过补光增强保障图像采集质量，误差阈值收缩则提升数据校验严格度。其中，k值作为统一变量能同时实现数据基准校准、评分权重调节、补光强度控制及误差阈值调整的多重功能，例如儿童在傍晚居家训练时，室内光线渐暗导致泪膜数据波动使k值波动达6%，本方案立即提升泪膜数据评分权重，补光强度增加12%，误差阈值收缩至±0.2δ/d，既避免光线不足影响图像采集，又通过更严格的误差标准确保数据可靠性，同时红光与绿光的调节仍正常进行以改善眼表状态与睫状肌功能，让复杂环境下的训练精度不受影响，有效训练数据占比提升至较高水平。