技术摘要：
本发明公开了一种色温调节方法、装置、存储介质和处理器。该方法包括：基于第一训练数据集合，通过机器学习的方式训练色温的预分类模型，其中，预分类模型包括多个卷积层，每个卷积层具有相应的模型参数，第一训练集合中包括：多个第一图片，和每个第一图片的色温类别  全部
背景技术：
现阶段办公楼宇的智能照明技术的研究越发广泛，作为除光照度以外的一个重要 参数，LED照明灯的色温调节也越发被人们关注，同时色温的调节在保障办公人员的视觉健 康方面也越来越重要。如何最大可能将室外色温情况应用于室内来支持健康、智慧的照明 方式也被更加重视。 传统的色温计算基于颜色传感器，由三基色值计算得出。这些传统的方法相比而 言精度低、成本高，而且传统的测量方法基本由人工测试，在进行色温调节时效率无法保障 且随机性较高。 经调研后发现，在实际进行色温测量调节时，由于采集周期长，因此用于训练机器 学习模型的样本数量少，进而会产生小样本分类问题。 针对上述现有技术通过机器学习的方式无法基于少量的色温调节数据样本进行 色温测量调节的问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明实施例提供了一种色温调节方法、装置、存储介质和处理器，以至少解决现 有技术通过机器学习的方式无法基于少量的色温调节数据样本进行色温测量调节的技术 问题。 根据本发明实施例的一个方面，提供了一种色温调节方法，包括：基于第一训练数 据集合，通过机器学习的方式训练色温的预分类模型，其中，所述预分类模型包括多个卷积 层，每个卷积层具有相应的模型参数，所述第一训练集合中包括：多个第一图片，和每个第 一图片的色温类别；将所述预分类模型中的模型参数应用至色温分类模型，其中，所述色温 分类模型用于表示指定环境内所采集的第二图片和色温类别之间的对应关系；基于所述色 温分类模型识别在所述指定环境内采集的环境图片对应的色温类别；基于所述环境图片的 色温类别调整所述指定环境内灯具的色温。 可选地，将所述预分类模型中的模型参数应用至色温分类模型包括：将所述预分 类模型中的模型参数迁移至预定网络模型中，得到初始色温模型；基于第二训练数据集合 对所述模型参数进行修正，得到所述色温分类模型，其中，所述第二训练数据集合包括：多 个在所述指定环境内所采集的第二图片，和每个第二图片的色温类别。 可选地，将所述预分类模型中的所述模型参数迁移至预定模型模板中，得到初始 色温模型包括：将所述预分类模型中除最后一层外的其他卷积层中的模型参数迁移至所述 预定网络模型中。 可选地，基于第二训练数据集合对所述模型参数进行修正包括：基于所述第二训 4 CN 111601418 A 说　明　书 2/9 页 练数据集合训练所述预定网络模型中最后一层卷积层的模型参数。 可选地，在所述预定网络模型中最后一层卷积层之后设置全连接层和分类器。 可选地，在基于第二训练数据集合对所述模型参数进行修正之前，所述方法还包 括：采集所述指定环境内的多个第二图片；通过色温测定计测定每个所述第二图片采集时 所述指定环境的色温值；基于每个所述第二图片对应的色温值，确定每个所述第二图片对 应的色温类别，得到所述第二训练数据集合。 可选地，基于所述环境图片的色温类别调整所述指定环境内灯具的色温包括：检 测所述环境图片对应的色温类别是否符合预定色温需求；在所述环境图片对应的色温类别 不符合所述预定色温需求的情况下，调集所述指定环境内灯具的色温。 根据本发明实施例的另一方面，还提供了一种色温调节装置，包括：第一模型训练 单元，用于基于第一训练数据集合，通过机器学习的方式训练色温的预分类模型，其中，所 述预分类模型包括多个卷积层，每个卷积层具有相应的模型参数，所述第一训练集合中包 括：多个第一图片，和每个第一图片的色温类别；第二模型训练单元，用于将所述预分类模 型中的模型参数应用至色温分类模型，其中，所述色温分类模型用于表示指定环境内所采 集的第二图片和色温类别之间的对应关系；识别单元，用于基于所述色温分类模型识别在 所述指定环境内采集的环境图片对应的色温类别；调整单元，用于基于所述环境图片的色 温类别调整所述指定环境内灯具的色温。 根据本发明实施例的另一方面，还提供了一种存储介质，所述存储介质包括存储 的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的色温调节方 法。 根据本发明实施例的另一方面，还提供了一种处理器，所述处理器用于运行程序， 其中，所述程序运行时执行上述所述的色温调节方法。 在本发明实施例中，可以基于第一训练数据集合中大量的数据样本，通过机器学 习的方式训练预分类模型；再基于训练出的预先分类模型中各卷积层相应的模型参数，应 用至用于检测指定环境下的色温类别所使用的色温分类模型中，可以基于该色温分类模型 检测在指定环境内的各个时刻所采集环境图片的色温类别，并基于该环境图片的色温类别 对指定环境内灯具的色温，因此专用于指定环境下的色温分类模型，可以由指定环境以外 的其他环境所提供的样本数据确定，使色温分类模型的训练可以不受限于指定环境所提供 的样本数据，从而实现了基于少量的色温调节数据样本，应用机器学习的方式进行色温测 量调节的技术效果，进而解决了现有技术通过机器学习的方式无法基于少量的色温调节数 据样本进行色温测量调节技术问题。 附图说明 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中： 图1是根据本发明实施例的一种色温调节方法的流程图； 图2a是根据本发明实施例的一种VGG16宏观模型图； 图2b是根据本发明实施例的一种VGG16模型结构的示意图； 图3是根据本发明实施例的一种基于迁移学习和深度学习的色温调节方法的示意 5 CN 111601418 A 说　明　书 3/9 页 图； 图4是根据本发明实施例的一种色温调节装置的示意图。