[发明专利]一种基于人工神经网络的多因素光视路控制方法

说明书

本发明涉及一种基于人工神经网络的多因素光视路控制方法，包括(1)实时采集用户佩戴的智能穿戴设备中窄角光强传感器反馈的窄角光强数据、带滤波透镜的精密光强距离反馈一体化传感器反馈的眼镜前方物距数据以及多轴加速度传感器反馈的多轴加速度数据；设计一种多因素光视路控制的人工神经网络计算代模型实时计算最优的智能穿戴设备终端镜片雾化度；(2)建立多因素光视路控制的人工神经网络计算代模型，综合利用远程专家数据库参数和传感器实时采集数据，通过多因素光视路人工神经网络计算代模型进行计算，得到较佳的控制数据，根据计算结果对智能穿戴设备终端视路镜片进行光路控制。

技术领域

本发明属于智能穿戴设备终端的光视路控制技术领域，具体涉及一种基于人工神经网络的多因素光视路控制方法。

背景技术

国家卫生健康委发布数据显示，我国儿童青少年近视总体发生率为53.6％，高中生为81％，大学生总体发生率为90％，近视已经成为国民健康重要问题。大量研究表明青少年儿童不良的歪头写字、躺着看书、长时间近距离用眼、环境光照不合适等多因素不良用眼习惯导致大量的早期视力健康问题(假性近视、斜视、散光眯眼、屈光参差、弱视等)。目前青少年用眼习惯矫正和监控方法多基于单一因数传感器进行纠正和控制，而少数基于多因素传感器仪器设备都是根据各自传感器数据进行阈值判断控制，少有文献和专利综合考虑多种因素传感器之间的关系综合评估用眼环境进行光视路控制。

申请公布号为CN106154579A、专利名称为“一种眼镜及眼镜的控制方法”专利,公开了一种智能眼镜的光视路控制方法，包括通过光检测器获取环境光线的第一光照信息，根据第一光照信息确定匹配的第一透光性能参数，将眼镜的镜片的当前第二透光性能参数调节为第一透光性能参数，通过调节镜片透光率提升用户体验。但是该控制方法缺少预设控制参数，没有大量样本训练模拟总结的合理的预设控制参数，使得上述控制方法的控制准确性难以保证。

采用人工神经网络计算代模型可以进行多样本训练，总结需要的控制参数。比如申请公布号为CN112017791A、专利名称为“一种基于人工神经网络模型确定肝癌患者预后情况的系统”专利，公开了“人工神经网络模型用于基于输入的信息计算所述待判别肝癌患者的预后情况，其中所述人工神经网络模型为多层感知器结构，采用Mathematica 11.1.1软件构建，输入层为11个输入神经元，输出层为2个输出神经元，并包括3个隐藏层，其中第1个和第3个隐藏层采用Ramp作为激活函数，第2个隐藏层采用ArcTan函数作为激活函数，输出层采用SoftMax函数作为激活函数”，可以评估肝癌患者的预后复发和恢复情况，但是该控制方法也没有相应的样本训练过程，只是针对肝癌患者的预后情况进行评估，针对眼睛视力方面的光视路控制没有涉及。

发明内容

本发明的目的在于提供一种基于人工神经网络的多因素光视路控制方法，以解决上述背景技术中提出的问题。

为实现上述目的，一种基于人工神经网络的多因素光视路控制方法，包括以下步骤：(1)实时采集用户佩戴的智能穿戴设备中窄角光强传感器反馈的窄角光强数据、带滤波透镜的精密光强距离反馈一体化传感器反馈的眼镜前方物距数据以及多轴加速度传感器反馈的多轴加速度数据；设计一种多因素光视路控制的人工神经网络计算代模型实时计算最优的智能穿戴设备终端的光视路控制数据；