评价LED照明产品对人眼舒适度影响的新方法

蔡建奇 陈 凯 胡李敏 杜 鹏 杨 帆

(1中国标准化研究院，北京100088;2杭州华普永明光电股份有限公司，浙江杭州310015;3北京阳明智道光电科技有限公司，北京100102;4北京航空航天大学，北京100029)

1 引言

人对外界信息的获得有80%以上来自视觉，所以影响照明健康的主要机制之一来源于视觉通道。人类经过长期的进化，也形成了与之对应的接受光、感受光的系统。光线穿过瞳孔、晶状体、玻璃体到达视网膜，然后被锥状细胞和杆状细胞接收，转换成电信号传递到大脑的视皮层，最后在大脑内转换成视觉信号。在这个过程中，眼睛占据了极其重要的位置，成为接收信息的入口。眼睛是非常脆弱的器官，长期处于不舒适的照明环境，例如不合适的照度、不均匀的光分布、强烈的频闪、眩光等，对人体健康的伤害是很严重的。研究表明频闪的存在会引发偏头痛、不舒适眩光会引起视觉疲劳等。

科学研究还表明，不当的用光可以影响到人的生物节律，可能会导致癌症患病率的增加。有人曾经对不同年龄人群进行了光照对心理、体温调节能力等参数的影响研究，结果证实了不同色温和照度的照明环境，确实影响人的生理参数。研究表明，人眼的非视觉生物效应对460－490nm的光最为敏感，可以利用这种效应来设计光源，使其形成有利于人的健康的照明体系［1］。

研究光照对人体健康的影响是近年来国际照明、医学领域一个重要的研究方向［2］。早在1992年，MukaeH.和SatoM.等人就已提出荧光等光源对人体生理功能存在着视觉及非视觉效应2种不同影响［3］;2002年，David Berson等人发现并确认了人眼的非视觉 效 应 (Citropic effect)现 象［4］［5］;Yasukouchi等通过实验描述了照明光源对人体非视觉生理功能作用的神经通路［6］。

研究光照对人体健康的影响是近年来国际照明、医学领域一个重要的研究方向，在目前国内外相关研究主题上，对于照明和人体健康的评价有多种策略方法，最为典型的有如脑波、闪光融合阈值、眨眼频率和瞳孔直径等。严永红［7］(2012年)等人:通过测试3种不同色温、3种照度下8名学生脑电图α波、β波指数的变化，观察光照对人体生理节律的影响。但脑电波的准确性复现性可靠性一直存在争论，且测试时间较长，测试样本有限等问题也影响了大样本量测试。李宏汀［8］(2012年)等人在研究不同照度下手机屏幕亮度最优参数的项目中，采用了闪光融合频率 (CFF)作为人眼疲劳指标，但是同一样本在不同时间下CFF测试结果的差异性是存在的，所以其稳定性有待商榷。刘洋［9］(2009)在对基于驾驶员生理与心理反应的公路隧道光环境进行分析研究时，就采用眼电和心电设备采集心率增长率 (HRV)和眨眼频率来评定驾驶员的疲劳。但是研究过程过于复杂，并且缺乏有效的基准线，导致数据可靠性降低。

2 研究对象与方法

2.1 研究对象

本实验参与实验的被试人员共计603人，共计完成603人次人因数据样本采集，其中有效样本559人次，样本有效率93%。各种光源类型完成实验有效样本数量如表1所示。

表1 实验数据完成样本分类统计Table 1 Classified statistics

2.2 研究方法

2.2.1 测试前人眼筛查

测试前对被试者进行验光仪 (NIDEK AR－310)测试，采用综合验光台和魔术视力表箱筛查主视眼、双眼融像、双眼视平衡、色辨识等参数，以便于剔出严重屈光不正、隐性眼科疾病的被试样本。

2.2.2 测试过程

本研究使用个体光源灯箱提供不同的照明环境。在灯箱中分别放置色温为3000k、6000k的LED灯管以及白炽灯，如图1所示。照度均保持在500±20Lx。

图1 个体光源灯箱Fig.1 Individual light box

被试者在灯箱内进行阅读任务，其中包括蓝道环测试、图形辨别及形近字分辩等测试，合计测试时间90分钟。首先，被试者在暗室闭眼休息半小时后，进行验光、眼压以及视觉综合测试平台 (可采集辐辏、眼压、像差、光学传递函数MTF、高频肌颤HF)的测试，采集被试最佳状态下的基础屈光、辐辏、眼压、像差、MTF、HF，然后开始进行不同照明条件下的阅读任务。整个阅读时间为90分钟，阅读任务结束后再进行一次基础屈光、辐辏、眼压、像差、MTF、HF测试，并在最后结束时进行用户主观的人眼疲劳打分 (5级量表)。

2.2.3 测试设备

采用验光仪 (NIDEKAR－310)、非接触式眼压计 (TopconCT－80)和自主研制的视觉综合测试平台 (经过北京计量院校准，校准证书编号:H413Z－G0125)测试内指标包括基础屈光、辐辏、眼压、像差、MTF、HF等参数。

2.3 统计学方法采用Matlab R2011b对阅读前及阅读后90分钟的数据，利用BP神经网络的非线性自适应的模拟，现阶段选取6项客观指标——基础屈光、辐辏、眼压、像差、MTF、HF作为网络的输入层P(Input)，测试过程中用户的主观打分作为输出层T(Output)。

3 研究结果

人工神经网络由大量处理单元连接而成，是一个大规模非线性自适应系统。它模拟人脑神经网络处理方式进行信息处理，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，根据这些规律，用新的输入数据来推算输出结果。其中，BP神经网络 (多层前向反馈神经网络)是目前应用最广泛的一种人工神经网络，它采用误差反向传播学习算法，不断调整层间权重，使网络实际输出更接近理想输出，具有简单、易行、计算量小、并行性强等多个优点。［10］

3.1 网络结构及参数选择

通过实验获得的客观视觉指标参数，为了保证网络的稳定性，选取了6项客观指标——左右眼基础视力、左右眼高阶像差 (球差)和左右眼的MTF值作为网络的输入层P(Input)，测试过程中用户的主观打分作为输出层T(Output)。用试凑法确定隐含层节点个数，根据不同个数的神经网络经过多次训练后的误差值，确定隐含层为10节点的模型逼近效果较好，泛化能力较强。

为提高网络模型的泛化能力，对上述输入输出参数进行归一化处理，使数据均在［0，1］区间内，处理公式为:

3.2 模型的构建与验证

首先依据各类试验结果构建人眼基础状态的网络模型，随机在3000k、6000k、白炽灯的数据中各抽取2个数据，带入训练好的网络中进行模拟。模拟结果如图2所示。经过计算验证，该网络的误差控制良好，如图3所示。

图2 6组神经网络测试结果与用户真实结果比较Fig.2 Testing and real results comparison of six groups

图3 7组神经网络测试结果与用户真实结果比较Fig.3 Testing and real results comparison of seven groups

3.3 实验结果验证分析

综上可见，本研究所选取的客观指标能准确有效的表征人眼功能状态的实时变化，能客观量化的得出人眼状态变化的程度。通过构建神经网络模型，计算不同光源环境下被试眼部健康舒适度量级，采用主客观复现模型纠偏后，发现其与受试主观舒适度打分在主客观评价值契合时间点上拟合良好，说明本研究能良好的依据实验状态预测人眼健康舒适度状态的变化，从而实现对照明产品健康舒适度的评价。部分结果统计见图4、表2、图5、表3:

图4 6000k主观值与神经网络客观验证值对比Fig.4 Subjective and objective value comparison(6000K)

表2 6000K网络验证结果统计表Table 2 Verifying result statistics(6000k)

图5 3000K主观值与神经网络客观验证值对比Fig.5 Subjective and objective value comparison(3000K)

表3 3000K网络验证结果统计表Table 3 Verifying resuit statistics(3000K)

由以上结果可见，在两种色温环境的测试中，依然出现了个别神经网络预测值与被试主观打分值之间的量级差，虽然本研究在设置检测时间点时已经充分的考虑到主客观评价的时间不一致性并且通过实验寻找出契合点，但并非所有受试主客观契合点的时间都与本研究实验结果相符，且由于本实验被试人数较多，文化水平各异，因此个别被试主观打分有效性不足是在意料之中的。

另外，本研究对个别主客观评价值量级差较大的被试进行了主客观复现跟踪实验，由追踪问卷显示，在实验结束30－60分钟之后，被试的主观视觉疲感会明显增强 (被试在该阶段眼睛始终处于放松状态)，由此可见，主观疲劳感于客观预测疲劳程度的量级差是由于人体功能自我调节作用下与实际客观眼部功能疲劳状态出现了延时性造成的，即“并不是眼部生理未出现明显疲劳反应，而是被试个体的神经反馈处于相对停滞状态”，此种现象在主视眼辅视眼差异较大，双眼融像能力及双眼视视平衡能力较差的被试者中尤为明显。

4 结论

本研究在构建了样本总数超过500人的视觉数据库的基础上，建立了基于BP神经网络和视觉参数特征的视觉健康舒适度评价模型;利用该模型，仅需输入基础屈光、辐辏等6项指标，就可由网络给出相关的舒适度数据，输出数值越大，舒适度越差。作为视觉健康舒适度的一种定量评价方法，该评价模型客观快速，而且充分考虑了多项因素对视觉健康舒适性的影响;同时此方法可以随着样本数据量以及参数因子量的增加，来进一步完善神经网络的容错性和预测性，并能更为快捷准确的给出预测结果。

综上所述，本研究可在有效评测各类照明、显示产品的视觉健康舒适度的基础上，为企业提供针对产品健康舒适度设计研发的各类技术解决方案，使基于人体健康进行产品研发和设计的理念真正成为现实。同时也能评测现有的各类照明环境，可根据测试结果用于改善消费者的视觉疲劳，有效预防近视，提高工作与学习效率，提升产品的用户健康水平。

在后续研究中，本研究将把实验设计的参数指标范围深入到视神经系统，视细胞变化等更加微观的层次，同时将引入其他生理评价要素，使整个评价体系更加科学、客观、有效。

［1］庞蕴凡.视觉与照明［M］.北京:中国铁道出版社，1993.

［2］CIE.The Influence of Daylight and Artificial Light on Diurnal and Seasonal Variations in Humans.a Bibliography［R］.CIE Publication 139－2001.

［3］Mukae H.，Sato M.The effect of color temperature of lighting sourceson theautonomicnervousfunctions.Annals of physiological anthropology，1992，11(5)，533－538.

［4］SAM M BERMAN，ROBERT D Clear.Past Vision Studies can Support a Novel Human Photoreceptor［C］.Leon Spain:International Lighting Conference"Lighting in the 21 Century"Proceedings，2005.

［5］居家奇，陈大华，林燕丹.照明的非视觉生物效应及其实践意义［J］.照明工程学报，2009，3(1):25－28.

［6］Akira Yasukouchi，Keita Ishibashi.Non－visual Effects of the Color Temperature of Fluorescent Lamps on Physiological Aspects in Humans.Journal of PHYSIOLOGICAL ANTHROPOLOGY and Applied Human Science，2005，24(1):41－43.

［7］严永红，晏宁，关杨，增恒志.光源色温对脑波节律及学习效率的影响［J］.土木建筑与环境工程，2012，34(1):76－79.

［8］李宏汀，张艳霞，徐伟丹，张露超.不同环境照度下手机屏幕亮度最优化参数研究［J］.中国科技论文在线，2012.

［9］刘洋.基于驾驶员生理与心理反应的公路隧道光环境分析.内蒙古:内蒙古农业大学，2009.

［10］袁曾任.人工神经元网络及其应用［M］.北京:清华大学出版社，1999:5－14，66－77.