KR102422301B1

KR102422301B1 - An artificial intelligence-based LED lighting control system capable of analyzing time-series data

Info

Publication number: KR102422301B1
Application number: KR1020200037192A
Authority: KR
Inventors: 김덕수; 방은호
Original assignee: 주식회사 네모엘텍
Priority date: 2020-03-27
Filing date: 2020-03-27
Publication date: 2022-07-18
Also published as: KR20210120461A

Abstract

본 발명은 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템에 관한 것으로 보다 상세하게는, LED조명부와, 상기 LED조명부의 구동전압을 제어하는 전원부와, 상기 LED조명부의 밝기를 제어하는 조절부와, 상기 LED조명부 일측에 설치되어 채광의 밝기감지 및 사용자의 움직임을 감지하는 감지부와, 상기 전원부, 조절부 및 감지부를 제어하는 제어부와, 상기 제어부에 학습데이터 정보를 제공하는 정보제공부를 포함하고, 상기 제어부는 조명 제어 알고리즘을 이용하여 제어되는 것을 특징으로 한다.The present invention relates to an artificial intelligence-based LED lighting control system capable of time-series data analysis, and more particularly, an LED lighting unit, a power supply unit for controlling the driving voltage of the LED lighting unit, and a control unit for controlling the brightness of the LED lighting unit And, a sensing unit installed on one side of the LED lighting unit to detect the brightness of daylight and detect a user's movement, a control unit for controlling the power supply unit, the control unit, and the sensing unit, and an information providing unit for providing learning data information to the control unit And, the control unit is characterized in that it is controlled using a lighting control algorithm.

Description

시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템{An artificial intelligence-based LED lighting control system capable of analyzing time-series data}An artificial intelligence-based LED lighting control system capable of analyzing time-series data}

본 발명은 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템에 관한 것으로, 보다 상세하게는 조명 제어 알고리즘을 통해 학습데이터 정보에 따라 색온도와 자연 채광에 따라 LED조명부의 밝기를 자동으로 제어하여 학습을 위한 집중력을 향상시키기 위한 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템에 관한 것이다.The present invention relates to an artificial intelligence-based LED lighting control system capable of time-series data analysis, and more specifically, by automatically controlling the brightness of the LED lighting unit according to the color temperature and natural light according to the learning data information through the lighting control algorithm. It relates to an artificial intelligence-based LED lighting control system that can analyze time-series data to improve concentration.

일반적으로, LED조명에 대한 사용자의 요구는 밝기나 효율성에 더하여 조명의 질에 대한 요구로 점차 진화하고 있다.In general, the user's demand for LED lighting is gradually evolving into a demand for quality of lighting in addition to brightness or efficiency.

이에 따라 저효율 백열등과 수은 등의 유해물질을 사용하는 형광등을 대체하면서 에너지 절감 및 인간 친화적인 감성조명을 연출할 수 있는 LED조명의 디지털 제어 융합기술이 주목을 받고 있다.Accordingly, the digital control convergence technology of LED lighting that can reduce energy and produce human-friendly emotional lighting while replacing low-efficiency incandescent lamps and fluorescent lamps that use harmful substances such as mercury is attracting attention.

LED조명의 고효율, 저전력, 장수명, 친환경 등의 장점을 가지고 있으며 가시광선을 포함한 폭넓은 파장의 빛을 자유롭게 구현할 수 있어 다양한 조명환경 조절이 가능한 조명이다. 이는 단순히 빛을 밝히는 기능에서 벗어나 빛의 다양한 특성을 이용함으로써 인간의 시각 및 비시각적 경험에까지 영향을 미치는 감성조명으로도 활용되어 삶의 질을 향상시키고 있다.It has the advantages of high efficiency, low power, long life, and eco-friendliness of LED lighting, and it is a lighting that can freely implement light of a wide range of wavelengths including visible light, so it is possible to control various lighting environments. It goes beyond the function of simply illuminating light, and by using various characteristics of light, it is also used as emotional lighting that affects human visual and non-visual experiences to improve the quality of life.

이러한 LED조명은 최근 주변 환경, 인간의 행동 등의 각종 요소와 조명의 관계에 대한 지식을 바탕으로 IT기술을 융합함으로써 사용자의 감성을 반영하고 생활의 편리함을 추구하며 에너지를 절감할 수 있는 스마트한 시스템조명으로 확장되고 있는 추세이다.Such LED lighting is a smart technology that can reflect users' emotions, pursue convenience in life, and save energy by integrating IT technology based on the knowledge about the relationship between lighting and various factors such as the recent surrounding environment and human behavior. It is a trend that is expanding into system lighting.

최근에는 조명등이 인체에 끼치는 영향인 "광 생물학적 안전성"이 대두되고 있는데, 광 생물학적 안전성이란 망막손상 및 백내장, 피부화상 등의 우려가 큰 조명기기의 빛이 눈과 피부에 영향을 미치는 위험군으로 부터의 안전 기준으로 광(光)이 인체의 피부나 망막등에 광 생물학적인 손상을 일으키는 노출 한계시간과 위험군의 스펙트럼에 대한 안전성에 대해 진단이 필요하였다.Recently, "photobiological safety", which is the effect of lighting on the human body, is emerging, and photobiological safety is from the risk group where the light of lighting equipment, which has a large concern about retinal damage, cataracts, and skin burns, affects the eyes and skin. As the safety standards of the safety standards, it was necessary to diagnose the safety of the exposure limit time and the spectrum of the risk group where light causes photobiological damage to the skin or retina of the human body.

또한, 400 ~ 500 nm로 고출력되는 LED조명의 출시로 청색광으로 인한 위험도가 높아지고 있다. 청색광은 기존 전통 조명에 비해 망막에 집광되는 면적이 훨씬 작으므로 에너지가 집중되며 이 때문에 망막 손상이 비교적 단시간에 진행되어 시력장애를 일으킬 수 있다.In addition, the risk of blue light is increasing due to the release of LED lighting with a high output of 400 to 500 nm. Blue light has a much smaller area to focus on the retina compared to conventional lighting, so energy is concentrated, and because of this, damage to the retina progresses in a relatively short time, which can cause visual impairment.

아울러, 인간의 눈은 높은 에너지 밀도를 가진 빛에 대하여 매우 약하며, 백색과 청색 LED는 청색광 때문에 고통을 느끼지 않더라도 망목에 손상을 줄 수 있다.In addition, the human eye is very weak to light with high energy density, and white and blue LEDs can damage the retina even if they do not feel pain due to blue light.

한편, LED조명의 색 재현력 즉, 연색성의 개선이 필요한데, 연색성이란, 인공조명의 색 재현 정도를 표시하는 것으로서 연색지수(Color Rendering Index)는 자연광을 100으로 하여 인공조명이 자연광에 얼마나 가까운지를 수치로 나타내는 지표이며 인체에 눈의 피로를 저감하고 실내 환경 사물에 대한 인지성 확보가 필요한 실정이다.On the other hand, it is necessary to improve the color reproducibility of LED lighting, that is, color rendering. The color rendering index indicates the degree of color reproduction of artificial lighting. It is an indicator indicated by , and it is necessary to reduce eye fatigue to the human body and to secure awareness of indoor environment objects.

대한민국 등록특허 제10-1454662호Republic of Korea Patent No. 10-1454662

본 발명은 상기와 같은 문제점을 감안하여 안출된 것으로, 본 발명의 목적은, 제어부에 조명 제어 알고리즘을 적용하여 학습데이터 정보에 따라 색온도와 자연 채광에 따라 LED조명의 밝기를 자동으로 제어하여 학습력을 향상시키기 위한 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 제공하는데 있다.The present invention has been devised in view of the above problems, and an object of the present invention is to automatically control the brightness of LED lights according to color temperature and natural light according to learning data information by applying a lighting control algorithm to the control unit to improve learning ability. It is to provide an artificial intelligence-based LED lighting control system that can analyze time-series data for improvement.

본 발명의 다른 목적은, 균제도 편차를 이용한 조명 제어 알고리즘을 통해 학습데이터 정보에 따라 색온도와 자연 채광에 따라 상기 LED조명의 밝기를 자동으로 제어하기 위한 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 제공하는데 있다.Another object of the present invention is an artificial intelligence-based LED lighting control capable of time-series data analysis for automatically controlling the brightness of the LED lighting according to the color temperature and natural lighting according to the learning data information through the lighting control algorithm using the uniformity deviation. to provide a system.

본 발명의 실시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.The purpose of the embodiments of the present invention is not limited to the above-mentioned purpose, and other objects not mentioned will be clearly understood by those of ordinary skill in the art to which the present invention belongs from the description below. .

상기한 바와 같은 목적을 달성하기 위한 특징에 따르면, 본 발명인 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템은, LED조명부;According to a feature for achieving the above object, the present invention provides an artificial intelligence-based LED lighting control system capable of time-series data analysis, including: an LED lighting unit;

상기 LED조명부의 구동전압을 제어하는 전원부;a power supply for controlling the driving voltage of the LED lighting unit;

상기 LED조명부의 밝기 및 색온도를 제어하는 조절부;a control unit for controlling the brightness and color temperature of the LED lighting unit;

상기 LED조명부 일측에 설치되어 채광의 밝기감지 및 사용자의 움직임을 감지하는 감지부;a sensing unit installed on one side of the LED lighting unit to sense the brightness of daylight and detect a user's movement;

상기 전원부, 조절부 및 감지부를 제어하는 제어부;a control unit for controlling the power supply unit, the control unit and the sensing unit;

상기 제어부에 학습데이터 정보를 제공하는 정보제공부;를 포함하고,Including; an information providing unit for providing learning data information to the control unit;

상기 제어부는 조명 제어 알고리즘을 이용하여 제어되는 것을 특징으로 한다.The control unit is characterized in that it is controlled using a lighting control algorithm.

또한, 상기 조명 제어 알고리즘은,In addition, the lighting control algorithm,

균제도 편차를 이용하여 상기 학습데이터 정보에 따라 상기 조절부를 통해 상기 LED조명부의 색온도를 자동으로 제어하는 것을 특징으로 한다.It is characterized in that the color temperature of the LED lighting unit is automatically controlled through the adjusting unit according to the learning data information using the uniformity deviation.

균제도 편차를 이용하여 자연 채광에 따라 상기 조절부를 통해 상기 LED조명부의 밝기를 자동으로 제어하는 것을 특징으로 한다.It is characterized in that the brightness of the LED lighting unit is automatically controlled through the adjusting unit according to natural light by using the uniformity deviation.

또한, 상기 제어부는,In addition, the control unit,

실내의 창가측, 중앙측, 복도측에 설치된 상기 LED조명부의 밝기를 상기 조절부를 통해 각각 다르게 조절하는 것을 특징으로 한다.It is characterized in that the brightness of the LED lighting unit installed on the window side, the center side, and the hallway side of the room is adjusted differently through the control unit.

또한, 상기 학습데이터 정보는,In addition, the learning data information,

학습 과목별 스케줄, 학습 시간별 스케줄을 포함하는 것을 특징으로 한다.It is characterized in that it includes a schedule for each study subject and a schedule for each study time.

또한, 상기 감지부는 실내의 사용자가 감지되지 않으면 상기 제어부가 상기 조절부에 상기 LED조명부의 밝기를 최저로 조절되도록 제어하는 것을 특징으로 한다.In addition, the sensing unit is characterized in that when the indoor user is not detected, the control unit controls to adjust the brightness of the LED lighting unit to the minimum by the adjusting unit.

또한, 상기 제어부는 모바일 단말기를 통해 제어하는 것을 특징으로 한다.In addition, the control unit is characterized in that the control through the mobile terminal.

본 발명에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템에 따르면, 제어부에 조명 제어 알고리즘을 적용하여 학습데이터 정보에 따라 색온도와 자연 채광에 따라 LED조명부의 밝기를 자동으로 제어하여 학습력을 향상시키는 효과가 있다.According to the artificial intelligence-based LED lighting control system capable of time-series data analysis according to the present invention, a lighting control algorithm is applied to the control unit to automatically control the brightness of the LED lighting unit according to the color temperature and natural light according to the learning data information to improve learning ability. has an improving effect.

또한, 균제도 편차를 이용한 조명 제어 알고리즘을 통해 학습데이터 정보에 따라 색온도와 자연 채광에 따라 상기 LED조명부의 밝기를 자동으로 제어하는 효과가 있다.In addition, there is an effect of automatically controlling the brightness of the LED lighting unit according to the color temperature and natural light according to the learning data information through the lighting control algorithm using the uniformity deviation.

도 1은 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 개략도이고,
도 2는 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 블록도이며,
도 3은 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 순서도이고,
도 4는 본 발명의 또 다른 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 순서도이며,
도 5는 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템의 학습과목에 따라 변화되어야 하는 색온도 변화를 도시한 그림이고,
도 6은 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템의 학습과목에 따라 교실에 변화되는 색온도 변화를 도시한 그림이며,
도 7은 건물 향에 의해 영향을 미치는 채광량을 도시한 그림이고,
도 8은 본 발명의 일 실시예에 따른 LED조명부의 제조방법 및 특성을 도시한 그림이다.1 is a schematic diagram showing an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention;
2 is a block diagram illustrating an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention;
3 is a flowchart illustrating an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention;
4 is a flowchart illustrating an artificial intelligence-based LED lighting control system capable of time-series data analysis according to another embodiment of the present invention;
5 is a diagram illustrating a color temperature change that should be changed according to a learning subject of an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention;
6 is a diagram illustrating a change in color temperature in a classroom according to a learning subject of an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention;
7 is a diagram showing the amount of light affected by the direction of the building;
8 is a diagram illustrating a manufacturing method and characteristics of an LED lighting unit according to an embodiment of the present invention.

이하의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다.The following objects, other objects, features and advantages of the present invention will be readily understood through the following preferred embodiments in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments described herein and may be embodied in other forms.

오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.Rather, the embodiments introduced herein are provided so that the disclosed subject matter may be thorough and complete, and that the spirit of the present invention may be sufficiently conveyed to those skilled in the art.

여기에 설명되고 예시되는 실시예들은 그것의 상보적인 실시예들도 포함한다.The embodiments described and illustrated herein also include complementary embodiments thereof.

본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprise)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.In this specification, the singular also includes the plural, unless specifically stated otherwise in the phrase. As used herein, the terms 'comprise' and/or 'comprising' do not exclude the presence or addition of one or more other components.

이하, 도면을 참조하여 본 발명을 상세히 설명하도록 한다. 아래의 특정 실시예들을 기술하는데 있어서, 여러가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될수 있다는 것을 인지할 수 있다. 어떤 경우에는, 발명을 기술하는데 있어서 흔히 알려졌으면서 발명과 크게 관련없는 부분들은 본 발명을 설명하는 데 있어 혼돈을 막기 위해 기술하지 않음을 미리 언급해 둔다.Hereinafter, the present invention will be described in detail with reference to the drawings. In describing the specific embodiments below, various specific contents have been prepared to more specifically explain and help the understanding of the invention. However, a reader having enough knowledge in this field to understand the present invention may recognize that it can be used without these various specific details. In some cases, it is mentioned in advance that parts that are commonly known and not largely related to the invention are not described in order to avoid confusion in describing the invention.

도 1은 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 개략도이고, 도 2는 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 블록도이며, 도 3은 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 순서도이고, 도 4는 본 발명의 또 다른 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템을 도시한 순서도이며, 도 5는 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템의 학습과목에 따라 변화되어야 하는 색온도 변화를 도시한 그림이고, 도 6은 본 발명의 일 실시예에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템의 학습과목에 따라 교실에 변화되는 색온도 변화를 도시한 그림이며, 도 7은 건물 향에 의해 영향을 미치는 채광량을 도시한 그림이고, 도 8은 본 발명의 일 실시예에 따른 LED조명부의 제조방법 및 특성을 도시한 그림이다.1 is a schematic diagram illustrating an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention, and FIG. 2 is an artificial intelligence-based system capable of time-series data analysis according to an embodiment of the present invention. It is a block diagram showing an LED lighting control system, and FIG. 3 is a flowchart illustrating an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention, and FIG. 4 is another one of the present invention It is a flowchart illustrating an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment, and FIG. 5 is a learning subject of an artificial intelligence-based LED lighting control system capable of time-series data analysis according to an embodiment of the present invention It is a figure showing the color temperature change that should be changed according to the It is a figure, and FIG. 7 is a figure showing the amount of light affected by the direction of the building, and FIG. 8 is a figure showing the manufacturing method and characteristics of the LED lighting unit according to an embodiment of the present invention.

도 1 내지 도 8에 도시된 바와 같이, 본 발명인 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템은 크게 LED조명부(100), 전원부(200), 조절부(300), 감지부(400), 제어부(500), 정보제공부(600)로 구성된다.1 to 8, the present inventor's artificial intelligence-based LED lighting control system capable of time-series data analysis is largely an LED lighting unit 100, a power supply unit 200, a control unit 300, and a sensing unit 400. , a control unit 500 , and an information providing unit 600 .

상기 LED조명부(100)는 복수의 구역(예를 들어, 교실 또는 강의실 등)에 구비되어 조명을 조사하게 된다.The LED lighting unit 100 is provided in a plurality of areas (eg, classrooms or lecture rooms, etc.) to irradiate the lights.

통상의 LED조명등의 경우, 광 생물학적 안정성이 낮고, 인공조명의 색 재현 정도를 표시(자연광을 100으로 하여 인공조명이 자연광에 얼마나 가까운지를 수치로 표시)하는 연색성이 낮아 물체의 색을 왜곡시켜 다른 색감으로 보이는 현상이 일어나게 된다.In the case of ordinary LED lighting, the photobiological stability is low, and the color rendition of artificial lighting is low (indicating how close the artificial lighting is to natural light by setting the natural light to 100 as a numerical value), so The phenomenon of color appearance occurs.

따라서, 본 발명인 상기 LED조명부(100)는 광 생물학적 안정성을 고려하여 청색광과 망막열의 위해정도는 10,000

이하, 연색성은 90 Ra 이상의 LED조명부(100)를 사용하여 인체 눈의 피로를 저감하고 실내 환경 사물에 대한 인지성을 높이는 것이 바람직한데, 상기 LED조명부(100)는 광원 파장이 180 nm ~ 400 nm 사이가 되면, 자외선에 의한 피부 및 눈의 각막이 손상되어 각막염을 일으킬 수 있고, 수정체가 손상되면 백내장을 일으킬 수 있다. 또한, 광원 파장이 400 nm ~ 1,400 nm 사이가 되면, 눈의 망막에 화상이 발생될 수 있고, 광원 파장이 400 nm ~ 550 nm 사이가 되면, 눈의 망막이 청색광에 의해 광화학적 손상을 일으킬 수 있으며, 광원 파장이 800 nm ~ 3,000 nm 사이가 되면 근적외선에 의해 수정체가 화상이 발생되는 문제점이 있기 때문이다.Therefore, the LED lighting unit 100 of the present invention has a degree of harm of blue light and retinal heat of 10,000 in consideration of photobiological stability.

Hereinafter, it is preferable to use the LED lighting unit 100 for color rendering of 90 Ra or higher to reduce human eye fatigue and increase awareness of indoor environmental objects, wherein the LED lighting unit 100 has a light source wavelength of 180 nm to 400 nm. When it becomes inflamed, the skin and cornea of the eye are damaged by ultraviolet rays, which can cause keratitis, and when the lens is damaged, cataracts can occur. In addition, when the wavelength of the light source is between 400 nm and 1,400 nm, an image may be generated on the retina of the eye, and when the wavelength of the light source is between 400 nm and 550 nm, the retina of the eye may be photochemically damaged by blue light. This is because, when the wavelength of the light source is between 800 nm and 3,000 nm, there is a problem in that the lens is imaged by near-infrared rays.

따라서, 상기 LED조명부(100)는 광 생물학적 안정성을 고려하여 청색광과 망막열의 위해정도는 10,000

이하, 연색성은 90 Ra 이상이고, 광 변환 손실을 최소화하기 위한 레드(Red), 그린(Green), 블루(Blue) 파장의 혼합 레시피를 적용한 시트(Sheet)를 이용하여 LED조명부(100)를 제작하는 것이 바람직하다.Therefore, the LED lighting unit 100 considers the photobiological stability and the degree of harm of blue light and retinal heat is 10,000.

Hereinafter, the color rendering property is 90 Ra or more, and the LED lighting unit 100 is manufactured using a sheet to which a mixing recipe of red, green, and blue wavelengths is applied to minimize light conversion loss. It is preferable to do

또한, 상기 LED조명부(100)는 일체형으로 제작되거나 분리형 시트(Sheet)형태로 제작되어 기존에 사용되는 LED조명에 설치될 수 있음을 밝혀둔다.In addition, the LED lighting unit 100 is manufactured as an integral piece or is manufactured in the form of a separate sheet (Sheet), so it should be noted that it can be installed in the LED lighting used in the past.

상기 전원부(200)는 상기 LED조명부(100)의 구동전압을 공급받아 전원을 ON/OFF할 수 있도록 이하 설명될 제어부(500)에 의해 수동 또는 자동으로 제어할 수 있다.The power supply unit 200 may be manually or automatically controlled by the control unit 500 to be described below so as to turn on/off the power by receiving the driving voltage of the LED lighting unit 100 .

또한, 상기 조절부(300)는 상기 LED조명부(100)의 밝고 어두운 정도의 밝기 및 상황에 맞는 다양한 색으로 변화시키는 색온도를 이하 설명될 제어부(500)에 의해 수동 또는 자동으로 제어할 수 있다.In addition, the control unit 300 may manually or automatically control the brightness of the light and dark levels of the LED lighting unit 100 and the color temperature for changing the color temperature to various colors suitable for the situation by the control unit 500 to be described below.

아울러, 상기 감지부(400)는 상기 LED조명부(100) 일측에 설치되어 채광의 밝기를 감지함과 동시에 실내에 머므르고 있는 사용자의 움직임을 상시 감지하여 사용자가 실내에 머므르고 있는지의 여부를 감지할 수 있다.In addition, the sensing unit 400 is installed on one side of the LED lighting unit 100 to detect the brightness of the light and at the same time to always detect the movement of the user staying indoors to detect whether the user is staying indoors. can do.

이러한, 상기 감지부(400)는 자연 채광의 밝기 외에 사용자의 움직임을 감지하다 사용자가 실내의 움직임이 없을 경우, 사용자가 실내에 없는 것으로 간주하여 이하 설명될 상기 제어부(500)가 상기 조절부(300)에 상기 LED조명부(100)의 밝기를 최저로 조절하도록 제어함으로써 에너지의 낭비를 방지할 수 있다.In the case where the sensing unit 400 detects the user's movement other than the brightness of natural light and the user does not move indoors, it is assumed that the user is not in the room and the control unit 500, which will be described below, uses the control unit ( 300), by controlling the brightness of the LED lighting unit 100 to the lowest level, it is possible to prevent wastage of energy.

상기 제어부(500)는 상기 전원부(200), 조절부(300) 및 감지부(400)를 제어할 수 있다. The control unit 500 may control the power supply unit 200 , the control unit 300 , and the sensing unit 400 .

상기 제어부(500)는 상기 LED조명부(100)의 구동전압을 공급받아 전원을 ON/OFF할 수 있도록 상기 전원부(200)를 수동 또는 자동으로 제어할 수 있으며, 상기 LED조명부(100)의 밝고 어두운 정도의 밝기를 상기 조절부(300)에 의해 제어할 수 있고, 상기 LED조명부(100) 일측에 설치되어 채광의 밝기를 감지함과 동시에 실내에 머므르고 있는 사용자의 움직임을 상시 감지하여 사용자가 실내에 머므르고 있는지의 여부를 상기 감지부(400)를 통해 감지하여 사용자가 감지되지 않을 경우 상기 조절부(300)에 상기 LED조명부(100)의 밝기를 최저로 조절하도록 제어함으로써 에너지의 낭비를 방지할 수 있다.The control unit 500 may receive the driving voltage of the LED lighting unit 100 to manually or automatically control the power supply unit 200 to turn on/off the power, and the LED lighting unit 100 may be bright or dark. The brightness of the degree can be controlled by the control unit 300, and it is installed on one side of the LED lighting unit 100 to sense the brightness of the light and at the same time to detect the movement of the user staying in the room at all times so that the user can use it indoors. It is detected through the sensing unit 400 whether or not the user is staying in the air, and when the user is not detected, the control unit 300 controls to adjust the brightness of the LED lighting unit 100 to the minimum to prevent wastage of energy. can do.

특히, 상기 제어부(500)는 조명 제어 알고리즘을 이용하여 상기 전원부(200), 조절부(300) 및 감지부(400)를 제어하게 된다.In particular, the control unit 500 controls the power supply unit 200 , the control unit 300 , and the sensing unit 400 using a lighting control algorithm.

보다 구체적으로, 상기 조명 제어 알고리즘은 상기 전원부(200), 조절부(300) 및 감지부(400)를 동작시키고 정지시키는 기능을 제공하고 머신러닝 알고리즘을 적용하여 오류데이터를 판단하고 오류상황 인식률을 높여 부정확한 상기 조절부(300)의 밝기조정 및 상기 감지부(400)의 감지오류 등의 외란을 판단하고 각 구성을 정밀 제어할 수 있다.More specifically, the lighting control algorithm provides a function to operate and stop the power supply 200, the control unit 300 and the detection unit 400, and apply a machine learning algorithm to determine error data and determine the error situation recognition rate. It is possible to determine disturbances such as inaccurate brightness adjustment of the adjusting unit 300 and a sensing error of the sensing unit 400 by increasing and precisely control each configuration.

보다 구체적으로, 상기 머신러닝 알고리즘은 상기 조절부(300) 및 상기 감지부(400)의 센서로부터 입력되는 데이터들을 특정한 머신러닝 알고리즘을 적용하여 학습시킴으로써, 주변의 외란 등에 의해서 순간적으로 잘못 측정된 오류데이터를 정상적으로 측정한 정상데이터와 분리할 수 있다. 이렇게 함으로써, 순간적인 외부의 노이즈 등에 강건한 형태의 데이터 처리가 가능하고, 결과적으로 상기 제어부(500)를 통해 상기 조절부(300)의 밝기조정 및 상기 감지부(400)의 감지오류 등의 외란을 상황에 따라 적응적으로 제어할 수 있다.More specifically, the machine learning algorithm learns the data input from the sensors of the control unit 300 and the sensing unit 400 by applying a specific machine learning algorithm, so that the error momentarily measured incorrectly due to surrounding disturbances, etc. Data can be separated from normally measured normal data. By doing this, it is possible to process data in a robust form such as instantaneous external noise, and as a result, disturbances such as brightness adjustment of the control unit 300 and detection errors of the sensing unit 400 through the control unit 500 are reduced. It can be adaptively controlled according to the situation.

일 실시예로는 상기 머신러닝 알고리즘은 상기 각 구성 및 센서로부터 입력된 데이터가 정상인지 비정상인지를 학습하여 판단시키는 Binary Classification 방식이 적용될 수 있다. In an embodiment, the machine learning algorithm may apply a binary classification method for learning and determining whether the data input from each configuration and the sensor is normal or abnormal.

또한, 상술한 Binary Classification의 경우, 초기 학습에 많은 시간이 필요로하여, 초기에는 학습된 모델의 정확도 등이 높지 않은 단점이 있을 수 있고, 이러한 초기 학습에 관련된 Adaboost 알고리즘을 추가적으로 결합하여 사용함으로써, 초기 학습의 정확도를 높이면서도 상기 구성 및 센서로부터 수신되는 데이터의 순간적인 오류를 적절하게 처리할 수 있는 효과가 있다.In addition, in the case of the above-described Binary Classification, since a lot of time is required for initial learning, there may be a disadvantage that the accuracy of the initially trained model is not high. While increasing the accuracy of initial learning, there is an effect that can appropriately handle momentary errors in the configuration and data received from the sensor.

여기서, 상기 조명 제어 알고리즘은 시계열(Time series) 데이터 분석을 통해 예측할 수 있는데, 시계열 데이터 분석은 시간 변수의 흐름에 따른 종속변수의 움직임을 이해하고 예측하는 분석법으로 회귀분석과 차이가 있다.Here, the lighting control algorithm can be predicted through time series data analysis, which is different from regression analysis as an analysis method for understanding and predicting the movement of the dependent variable according to the flow of the time variable.

회귀분석은 독립변수가 서로 독립적이고 변수 그 자체로도 독립성을 가질 수 있는 반면에, 시계열 데이터 분석은 변수가 자기상관성을 가지는 점에서 차이점이 있다.In regression analysis, independent variables are independent of each other and variables themselves can be independent, whereas time series data analysis is different in that variables have autocorrelation.

또한, 회귀분석은 데이터가 정렬되는 순서가 상관이 없지만, 시계열 데이터 분석은 전 데이터가 후 데이터의 영향을 미친다는 가정하에 임하므로 시계열 배열의 순서가 중요하며, 시간, 기상상태, 채광의 조도 등 다양한 외부적 요인의 빅데이터 분석을 통해 예측이 가능하다.Also, in regression analysis, the order in which the data is sorted is irrelevant, but since time series data analysis is performed under the assumption that the previous data have an influence on the later data, the order of the time series arrangement is important, and time, weather conditions, lighting illuminance, etc. Prediction is possible through big data analysis of various external factors.

이와 같은 시계열 데이터를 이용한 실예로, 상기 조절부(300)에는 별도의 센서를 통해, 시간, 기상상태(온도, 습도 등), 채광의 방향 및 각도에 해당되는 데이터를 시계열적으로 수신하여, 저장하고, 저장된 데이터를 인공 신경망을 이용하여 처리할 수 있다. 보다 구체적으로 상기 인공 신경망은 시계열적으로 축적된 데이터의 처리에 적합한 LSTM(Long Short Term Memory) 신경망 모델을 사용하여, 시간, 기상상태(온도, 습도 등), 채광의 방향 및 각도에 해당하는 데이터를 추정하고, 동시에 외란과 같은 노이즈의 패턴의 추정에 효과적인 SVM 알고리즘을 활용함으로써 외란과 같은 노이즈의 유무를 효과적으로 추정하는 것이 바람직하다.As an example using such time series data, the controller 300 receives and stores data corresponding to time, weather conditions (temperature, humidity, etc.), direction and angle of light in time series through a separate sensor. and the stored data can be processed using an artificial neural network. More specifically, the artificial neural network uses an LSTM (Long Short Term Memory) neural network model suitable for processing time-series accumulated data, and data corresponding to time, weather conditions (temperature, humidity, etc.), direction and angle of light It is desirable to effectively estimate the presence or absence of noise such as disturbance by estimating .

또한, 상기 감지부(400)에는 별도의 근접센서 또는 위치센서 등을 통해, 실내공간의 사용자의 움직임 및 동선, 학습시간 등의 데이터를 시계열적으로 수신하여, 저장하고, 저장된 데이터를 인공 신경망을 이용하여 처리할 수 있다. 보다 구체적으로 상기 인공 신경망은 시계열적으로 축적된 데이터의 처리에 적합한 LSTM(Long Short Term Memory) 신경망 모델을 사용하여, 사용자의 움직임 및 동선, 학습시간 등의 데이터를 추정하고, 동시에 외란과 같은 노이즈의 패턴의 추정에 효과적인 SVM 알고리즘을 활용함으로써 외란과 같은 노이즈의 유무를 효과적으로 추정하는 것이 바람직하다.In addition, the sensing unit 400 receives and stores data such as a user's movement, movement, and learning time in an indoor space through a separate proximity sensor or a position sensor in a time-series manner, and stores the stored data through an artificial neural network. can be processed using More specifically, the artificial neural network uses an LSTM (Long Short Term Memory) neural network model suitable for processing time-series accumulated data to estimate data such as the user's movement, movement route, and learning time, and at the same time, noise such as disturbance It is desirable to effectively estimate the presence or absence of noise such as disturbance by using an effective SVM algorithm for estimating the pattern of .

이러한, 상기 조명 제어 알고리즘은, 균제도 편차를 이용하여 이하 설명될 학습데이터 정보에 따라 상기 조절부(300)를 통해 상기 LED조명부(100)의 색온도를 자동으로 제어할 수 있다.The lighting control algorithm may automatically control the color temperature of the LED lighting unit 100 through the adjusting unit 300 according to learning data information to be described below using the uniformity deviation.

상기 정보제공부(600)는 학습데이터 정보를 상기 제어부(500)에 제공하게 되는데, 상기 학습데이터 정보는, 학습 과목별 스케줄, 학습 시간별 스케줄 등을 포함할 수 있다.The information providing unit 600 provides learning data information to the controller 500 , and the learning data information may include a schedule for each learning subject, a schedule for each learning time, and the like.

예를 들어, 상기 학습 과목별 스케줄은 크게 예술영역, 암기영역, 수리영역 등으로 구분될 수 있고, 예술영역은 작문, 미술, 음악 등의 세부 과목이 될 수 있고, 암기영역은 국사, 윤리 등의 세부 과목이 될 수 있으며, 수리영역은 수학, 과학등의 세부 과목으로 이루어질 수 있다.For example, the schedule for each study subject can be largely divided into an art area, memorization area, numeracy area, etc., the art area can be detailed subjects such as writing, art, and music, and the memorization area can be national history, ethics, etc. It can be a sub-subject of mathematics, and mathematics can be composed of sub-subjects such as science.

이렇게 구분된 학습 과목별 스케줄을 통해, 상기 조명 제어 알고리즘은 균제도 편차를 이용하여 상기 LED조명부(100)의 색온도를 자동으로 제어할 수 있는데, 수리영역은 이성의 뇌를 자극하기 위하여 약 6,500 K의 적정 색온도로 조절하게되고, 암기영역은 이성의 뇌와 감성의 뇌를 동시에 자극하기 위하여 약 4,000 K의 적정 색온도로 조절할 수 있으며, 예술영역 및 휴식시간에는 감성의 뇌를 자극하기 위하여 약 3,000 K의 적정 색온도로 조절하여 상황에 맞도록 집중도를 향상시킬 수 있다.Through this divided schedule for each study subject, the lighting control algorithm can automatically control the color temperature of the LED lighting unit 100 using the uniformity deviation. The color temperature is adjusted to an appropriate color temperature, and the memorization area can be adjusted to an appropriate color temperature of about 4,000 K to stimulate both the rational brain and the emotional brain. By adjusting the color temperature to an appropriate color temperature, the concentration can be improved to suit the situation.

또한, 건물 구조에 따라 실내로 유입되는 채광량이 달라질 수 있는데, 층별로 실내에 유입되는 채광량이 상이하고 향(向)에 따라 실내로 유입되는 채광량이 상이하므로 상기 제어부(500)에서 조명 제어 알고리즘을 통해 균제도 편차를 이용하여 자연 채광의 위치 및 채광량 등을 데이터를 분석하고, 분석된 데이터에 따라 상기 조절부(300)를 통해 상기 LED조명부(100)의 밝기를 자동으로 제어하므로써 실내의 채광 사각지대를 없애는 효과가 있다.In addition, the amount of light entering the room may vary depending on the building structure. Since the amount of light entering the room is different for each floor and the amount of light entering the room is different depending on the direction, the control unit 500 performs the lighting control algorithm. By using the uniformity deviation, the data is analyzed on the location of natural light and the amount of light, etc., and the brightness of the LED lighting unit 100 is automatically controlled through the control unit 300 according to the analyzed data. has the effect of removing

이때, 앞서 설명한 균제도란, 조도의 균일한 정도를 뜻하며, 평균 조도치에 대한 최소 조도치를 이용하기도 하며 최대 조도에 대한 최소 조도의 비를 이용하여 균제도 편차를 도출할 수 있다. In this case, the above-described uniformity refers to the degree of uniformity of the illuminance, and the minimum illuminance value to the average illuminance value may be used, and the uniformity deviation may be derived by using the ratio of the minimum illuminance to the maximum illuminance value.

또한, 상기 제어부(500)는, 실내의 창가측, 중앙측, 복도측에 설치된 상기 LED조명부(100)의 밝기를 상기 조절부(300)를 통해 각각 다르게 조절할 수 있다. In addition, the control unit 500 may differently adjust the brightness of the LED lighting unit 100 installed on the window side, the center side, and the hallway side of the room through the control unit 300 .

예를 들어, 실내로 유입되는 채광의 밝기를 감지하여 상기 감지부(300)에서 채광의 밝기 데이터를 상기 제어부(500)에 신호를 보내면 상기 제어부(500)에서 상기 조절부(300)로 신호를 전달하여 실내에 설치된 상기 LED조명부(100)의 밝기를 조절할 수 있다.For example, when the sensing unit 300 detects the brightness of light entering the room and sends a signal to the control unit 500 with the brightness data of the light, the control unit 500 sends a signal to the control unit 300 . It is possible to control the brightness of the LED lighting unit 100 installed in the room by transmitting.

즉, 채광이 비교적 잘 들어오는 창가측에는 약 30 %의 밝기를 유지시킬 수 있고, 채광이 비교적 적게 들어오는 중앙측에는 약 60 %의 밝기를 유지시킬 수 있으며, 채광이 잘 들어오지 않는 복도측에는 약 100 %의 밝기를 유지시키도록 제어함으로써 실내의 채광 사각지대를 없앰과 동시에 실내의 적정밝기를 항시 유지시킬 수 있는 효과가 있다.That is, the brightness of about 30% can be maintained on the side of the window that receives relatively good light, about 60% of the brightness can be maintained on the side where the light comes in relatively little, and about 100% of the brightness on the side of the corridor that receives less light. It has the effect of eliminating blind spots in indoor lighting and maintaining proper indoor brightness at all times.

아울러, 상기 제어부(500)는 모바일 단말기나 컴퓨터를 통해 원격으로 제어될 수 있으며, 수동 또는 자동으로 제어가 가능함을 밝혀둔다.In addition, the control unit 500 can be remotely controlled through a mobile terminal or a computer, and it should be noted that the control is possible manually or automatically.

본 발명의 또 다른 일실시예로, 상기 LED조명부(100)는 실내에 설치된 별도의 미세먼지 농도센서의 미세먼지 농도 데이터에 의해 점멸등 형태로 점멸될 수 있다.In another embodiment of the present invention, the LED lighting unit 100 may be flickered in the form of a flashing light according to fine dust concentration data of a separate fine dust concentration sensor installed indoors.

예를 들어, 미세먼지 농도가 정상일 경우 점멸되지 않다가, 미세먼지 농도가 일정수준 이상이 감지될 경우 상기 LED조명부(100)의 점멸을 3 ~ 5초 간격으로 점멸시켜 사용자에게 실내의 미세먼지 농도가 일정수준 이상임을 알릴 수 있고, 미세먼지 농도가 심각수준 이상이 감지될 경우 상기 LED조명부(100)의 점멸을 0.5 ~ 1초 간격으로 점멸시켜 사용자에게 실내의 미세먼지 농도가 심각수준 이상임을 육안으로 알림으로써 실내의 환기 및 공기청정기 등을 가동시켜 실내의 공기질을 신속히 향상시킬 수 있다.For example, when the fine dust concentration is normal, it does not blink, but when the fine dust concentration is detected above a certain level, the LED lighting unit 100 blinks at intervals of 3 to 5 seconds to inform the user of the fine dust concentration in the room. is above a certain level, and when the fine dust concentration is detected above the serious level, the LED lighting unit 100 blinks at 0.5 to 1 second intervals to inform the user that the indoor fine dust concentration is above the serious level with the naked eye. It is possible to quickly improve indoor air quality by operating indoor ventilation and air purifiers.

또한, 상기 미세먼지 농도센서를 통해, PM 1.0/2.5/10.0에 해당하는 농도 데이터를 시계열적으로 수신하여, 저장하고, 저장된 데이터를 인공 신경망을 이용하여 처리할 수 있다. 보다 구체적으로 상기 인공 신경망은 시계열적으로 축적된 데이터의 처리에 적합한 LSTM(Long Short Term Memory) 신경망 모델을 사용하여, 미세먼지의 농도를 추정하고, 동시에 외란과 같은 노이즈의 패턴의 추정에 효과적인 SVM 알고리즘을 활용함으로써 외란과 같은 노이즈의 유무를 효과적으로 추정하는 것이 바람직하다.In addition, through the fine dust concentration sensor, concentration data corresponding to PM 1.0/2.5/10.0 may be time-series received and stored, and the stored data may be processed using an artificial neural network. More specifically, the artificial neural network uses an LSTM (Long Short Term Memory) neural network model suitable for processing time-series accumulated data to estimate the concentration of fine dust and at the same time, SVM, which is effective for estimating a pattern of noise such as disturbance It is desirable to effectively estimate the presence or absence of noise such as disturbance by using an algorithm.

따라서, 본 발명에 따른 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템은, 제어부에 조명 제어 알고리즘을 적용하여 학습데이터 정보에 따라 색온도와 자연 채광에 따라 LED조명부의 밝기를 자동으로 제어하여 학습력을 향상시키는 효과가 있으며, 균제도 편차를 이용한 조명 제어 알고리즘을 통해 학습데이터 정보에 따라 색온도와 자연 채광에 따라 상기 LED조명부의 밝기를 자동으로 제어하는 효과가 있다.Therefore, the artificial intelligence-based LED lighting control system capable of time-series data analysis according to the present invention applies a lighting control algorithm to the control unit to automatically control the brightness of the LED lighting unit according to the color temperature and natural light according to the learning data information, thereby improving learning ability. The brightness of the LED lighting unit is automatically controlled according to the color temperature and natural light according to the learning data information through the lighting control algorithm using the uniformity deviation.

본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.The embodiments described in this specification and the configurations shown in the drawings are only the most preferred embodiment of the present invention and do not represent all the technical spirit of the present invention, so various equivalents that can be substituted for them at the time of the present application It should be understood that there may be variations and examples.

100 : LED조명부 200 : 전원부
300 : 조절부 400 : 감지부
500 : 제어부 600 : 정보제공부100: LED lighting unit 200: power supply unit
300: control unit 400: sensing unit
500: control unit 600: information providing unit

Claims

LED조명부;
상기 LED조명부의 구동전압을 제어하는 전원부;
상기 LED조명부의 밝기 및 색온도를 제어하는 조절부;
상기 LED조명부 일측에 설치되어 채광의 밝기감지 및 사용자의 움직임을 감지하는 감지부;
상기 전원부, 조절부 및 감지부를 제어하는 제어부;
상기 제어부에 학습데이터 정보를 제공하는 정보제공부;를 포함하고,
상기 제어부는 조명 제어 알고리즘을 이용하여 제어되고,
상기 조명 제어 알고리즘은 머신러닝 알고리즘을 적용하여 오류데이터를 판단하고 오류상황 인식률을 높여 부정확한 상기 조절부의 밝기조정 및 상기 감지부의 감지오류를 판단하고,
상기 조명 제어 알고리즘은,
균제도 편차를 이용하여 상기 학습데이터 정보에 따라 상기 조절부를 통해 상기 LED조명부의 색온도를 자동으로 제어하고,
상기 학습데이터 정보는,
학습 과목별 스케줄, 학습 시간별 스케줄을 포함하고,
상기 LED조명부는 실내에 설치된 미세먼지 농도센서에서 감지된 미세먼지 농도 데이터에 의해 점멸등 형태로 점멸되는 것을 특징으로 하는 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템.
LED lighting unit;
a power supply for controlling the driving voltage of the LED lighting unit;
a control unit for controlling the brightness and color temperature of the LED lighting unit;
a sensing unit installed on one side of the LED lighting unit to sense the brightness of daylight and detect a user's movement;
a control unit for controlling the power supply unit, the control unit and the sensing unit;
Including; an information providing unit for providing learning data information to the control unit;
The control unit is controlled using a lighting control algorithm,
The lighting control algorithm determines the error data by applying a machine learning algorithm and increases the error situation recognition rate to determine the inaccurate brightness adjustment of the control unit and the detection error of the sensing unit,
The lighting control algorithm is
Automatically control the color temperature of the LED lighting unit through the adjusting unit according to the learning data information using the uniformity deviation,
The learning data information,
Including the schedule for each study subject and the schedule for each study time,
The LED lighting unit is an artificial intelligence-based LED lighting control system capable of time-series data analysis, characterized in that it flickers in the form of a flashing light according to the fine dust concentration data detected by the fine dust concentration sensor installed in the room.

삭제delete

청구항 1에 있어서,
상기 조명 제어 알고리즘은,
균제도 편차를 이용하여 자연 채광에 따라 상기 조절부를 통해 상기 LED조명부의 밝기를 자동으로 제어하는 것을 특징으로 하는 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템.
The method according to claim 1,
The lighting control algorithm is
An artificial intelligence-based LED lighting control system capable of time-series data analysis, characterized in that it automatically controls the brightness of the LED lighting unit through the adjusting unit according to natural light by using a uniformity deviation.

청구항 1에 있어서,
상기 제어부는,
실내의 창가측, 중앙측, 복도측에 설치된 상기 LED조명부의 밝기를 상기 조절부를 통해 각각 다르게 조절하는 것을 특징으로 하는 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템.
The method according to claim 1,
The control unit is
An artificial intelligence-based LED lighting control system capable of time-series data analysis, characterized in that the brightness of the LED lighting unit installed on the window side, the center side, and the hallway side of the room is adjusted differently through the control unit.

삭제delete

청구항 1에 있어서,
상기 감지부는 실내의 사용자가 감지되지 않으면 상기 제어부가 상기 조절부에 상기 LED조명부의 밝기를 최저로 조절되도록 제어하는 것을 특징으로 하는 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템.
The method according to claim 1,
The sensing unit is an artificial intelligence-based LED lighting control system capable of time-series data analysis, characterized in that if the indoor user is not detected, the control unit controls the brightness of the LED lighting unit to a minimum by the adjusting unit.

청구항 1에 있어서,
상기 제어부는 모바일 단말기를 통해 제어하는 것을 특징으로 하는 시계열 데이터 분석이 가능한 인공지능 기반의 LED조명 제어 시스템.The method according to claim 1,
The control unit is an artificial intelligence-based LED lighting control system capable of time-series data analysis, characterized in that it is controlled through a mobile terminal.