基于非侵入式多模态深度学习的日照联动控制下工作平面照度分布实时预测
计算机视觉与模式识别
2025-12-17 v1 人工智能
摘要
日照联动控制（DLCs）在建筑中具有显著的节能潜力，尤其是在日照丰富且可以准确实时预测室内工作平面照度时。大多数现有研究针对静态场景开发并测试室内日照预测。本研究提出一种多模态深度学习框架，能够从非侵入式图像中实时预测室内工作平面照度分布，同时捕获时空特征。通过仅从侧光窗区域提取图像特征，而非室内像素，方法适用于动态占用的室内空间。我们在中国广州的测试房间中进行了现场实验，收集了17,344个样本用于模型训练和验证。模型在同一分布测试集上实现R2 > 0.98，RMSE < 0.14；在未见日测试集上实现R2 > 0.82，RMSE < 0.17，表明具有高精度且在时序上具有可接受的泛化能力。
引用
@article{arxiv.2512.14058,
title = {Real-time prediction of workplane illuminance distribution for daylight-linked controls using non-intrusive multimodal deep learning},
author = {Zulin Zhuang and Yu Bian},
journal= {arXiv preprint arXiv:2512.14058},
year = {2025}
}