本发明涉及光源参数检测技术领域,具体为一种光源相关色温和显色指数分析方法。
背景技术:
随着照明技术不断进步,照明质量对人的健康安全日益受到重视和关注。LED灯和荧光灯已成为室内用主流光源,研究表明其相关色温及显色指数与其照明质量和生物安全性密切相关。我国《建筑照明设计标准》(GB 50034-2013)也对建筑照明用光源的相关色温及显色指数都做出了明确要求,并通过《照明测量方法》(GB/T 5700-2008)规定了相应的测量方法。国家标准规定的方法准确度和可靠性均很好,但其测量和计算过程繁复、对人员专业技术要求较高、自动化程度较低,不利于光源生产企业的在线监测。
按照CIE(国际照明委员会)的规定,光源的显色指数是待测光源下物体的颜色与参考标准下物体颜色的符合成都的度量。显色指数的计算是一个非常烦杂的过程,其中涉及到对原始参数和导出性参数的运用以及很多中间参量的计算。标准方法首先要依据CIE 1931确定被测照明体和参照体的各种颜色测试的三刺激值,并将这些三刺激值转换为1960UCS图中的色坐标,由JUDD的基本理论适应色偏移并通过VON KRIES转换计算得出,最后根据总色偏移计算显色指数。在现有方法中,需要14种标准试验色和标准照明体作为分析的物质系统,并需要先计算相关色温而后经过复杂的演算过程得到显色指数。
技术实现要素:
针对上述问题,本发明的目的在于提供一种不需要测量标准试验色和标准照明体,过程简单,自动化程度高,测试效率高的光源相关色温和显色指数分析方法。技术方案如下:
一种光源相关色温和显色指数分析方法,包括以下步骤:
步骤1:选择多个类型、相关色温和显色指数已知且范围覆盖待测光源的类型、相关色温和显色指数的光源作为参考光源;
步骤2:测量各参考光源的辐照度光谱,并对光谱数据进行标准化格式处理,得到参考光源光谱矩阵;
步骤3:将获得的参考光源光光谱矩阵与对应的相关色温及显色指数之间建立逐步多元线性回归分析模型:
其中,表示参考光源的相关色温或显色指数的预测值,α是分析模型的常数项系数,β1,β2,β3,…,βk为分析模型的因变量系数,X1,X2,X3,...,Xk为分析模型因变量,表示特定波长下的光谱辐亮度;
步骤4:测量待测光源的辐照度光谱,并对光谱数据进行标准化格式处理,得到待测光源光谱矩阵;
步骤5:将待测光源光谱矩阵中的光谱数据对应分析模型因变量代入所述分析模型,得到待测光源的相关色温和显色指数的预测值。
进一步的,所述步骤3和步骤4间还包括对所述分析模型进行验证和优化:用相关系数r和预测标准差RMSEP来描述所述逐步多元线性回归分析模型的准确性,通过增加样本或变量来优化分析模型;
其中,表示第i个样本的预测值,yi表示第i个样本的真实值,是真实值的平均值,n为样本的数目。
更进一步的,所述步骤2和步骤4中的辐照度光谱的光谱范围为200nm-780nm,分辨率为1nm。
本发明的有益效果是:
1)本发明通过若干类型、相关色温、显色指数已知的具有代表性的参考光源来建立分析模型,不需要额外使用标准色板和参照黑体,测量体系得到了简化;
2)本发明通过将待测光源的光谱数据输入逐步多元线性回归(SMLR)分析模型便可同时输出样品的相关色温和显色指数,不需要标准方法的烦杂计算和转换,也不需要查询相关表格,对人员专业技术要求较低、自动化程度高;
3)光源光谱被广泛应用于光源光学性能分析,通过植入分析模型并不增加硬件设备,有利于和其他特性分析方法和设备实现兼容。
附图说明
图1为本发明光源相关色温和显色指数分析方法的步骤流程图。
图2为本发明光源相关色温和显色指数分析方法所采用的硬件的结构图、
图中:1-灯座支架;2-灯座;3-光源;4-光阑;5-探测器;6-光纤;7-导轨。
具体实施方式
下面结合附图和具体实施例对本发明做进一步说明。将数十个已知相关色温、显色指数的代表性光源作为标准样本,采用光谱仪采集每一光源在(200-780)nm波长范围的辐照度光谱,并对其进行标准化处理和筛选。然后将标准样本集的光谱矩阵与对应的相关色温及显色指数之间建立逐步多元线性回归(SMLR)模型,并对其进行优化。参照标准样本完成被测光源的辐照度光谱采集和处理,运用建立的SMLR模型同时测试相关色温和显色指数。图1示出了本方法的流程,具体步骤如下:
步骤1:选择多个类型、相关色温和显色指数已知且范围覆盖待测光源的类型、相关色温和显色指数的光源作为参考光源。
步骤2:测量各参考光源的辐照度光谱,并对光谱数据进行标准化格式处理,得到参考光源光谱矩阵。其中,辐照度光谱的光谱范围为200nm-780nm,分辨率为1nm。
测量光源的辐照度光谱的构造如图2所示,灯座支架1可调节高度,用于固定灯座2;灯座2可更换,用于固定光源3;光阑4用于滤除杂散光;探测器5通过光纤6与光谱仪相连,用于测量光源的辐射光谱;数据处理系统与光谱仪通过数据线连接,并采集光谱仪数据进行分析;灯座支架1、光阑4在导轨7上均可左右移动,实现灯座支架1、光阑4、探测器5相互间最佳直线距离的调整。
步骤3:将获得的参考光源光光谱矩阵与对应的相关色温及显色指数之间建立逐步多元线
性回归分析模型:
其中,表示参考光源的相关色温或显色指数的预测值,α是分析模型的常数项系数,β1,β2,β3,…,βk为分析模型的因变量系数,X1,X2,X3,...,Xk为分析模型因变量,表示特定波长下的光谱辐亮度。
分析模型的准确性用相关系数r和预测标准差RMSEP来描述。
其中,表示第i个样本的预测值,yi表示第i个样本的真实值,y是真实值的平均值,n是样本的数目。
并对分析模型进行验证和优化,使标准差RMSEP小于某个预设值,使相关系数r值在0.98-1.00之间,越接近1越好。若未达到理想的相关系数和标准差,需要通过增加样本或变量优化分析模型,直至模型准确性满足分析要求为止。
步骤4:测量待测光源的辐照度光谱,并对光谱数据进行标准化格式处理,得到待测光源光谱矩阵。
步骤5:将待测光源光谱矩阵中的光谱数据对应分析模型因变量X1,X2,X3,...,Xk代入所述分析模型中,得到待测光源的相关色温和显色指数的预测值。