Применение искусственной нейронной сети при моделировании распределения освещенности в трехмерном пространстве

В работе рассмотрено моделирование трехмерного распределения освещенности от источников света с помощью искусственной нейронной сети (ИНС). Наиболее остро эти вопросы стоят в тепличных облучательных установках из-за конструктивных особенностей – значительных габаритов излучателей относительно малой высоты подвеса, что исключает их представление точечным источником. Цель исследования – разработка методики моделирования распределения освещенности в трехмерном пространстве, включающей получение экспериментальных данных и их обработку с помощью искусственной нейронной сети. Датасет размером 2100 записей получен экспериментально для разработанного фитооблучателя. Измеряли значения освещенности E в узлах координатной сетки с шагом 10 см в пределах от 0 до 120 см (по координате x) и от 0 до 100 см (по координате y) во всех четырех квадрантах, при различной высоте подвеса фитооблучателя h на уровнях 30, 50, 70 и 90 см. Для построения модели применены библиотеки TensorFlow и Keras языка программирования Python. Моделирование проводили в Google Colab. Результаты показали, что созданная нейросеть эффективно описывает распределение потока на облучаемой поверхности, учитывая реальную геометрию источника света. Ключевое преимущество метода – возможность расчета освещенности для любой комбинации высоты подвеса и координат точки на плоскости, что преодолевает ограничения традиционных светотехнических расчетов, основанных на законе обратных квадратов. Средняя абсолютная ошибка нейросетевой модели составляет 0,04 клк, значение коэффициента детерминации R² = 0,9967 с 95%-м доверительным интервалом [0,09953, 0,9977], что является хорошим результатом. Средняя ошибка предсказаний составляет 7,5 %, эта величина может быть улучшена путем регуляризации и аугментации данных. Показано, что метод ИНС применим для проектирования энергоэффективных осветительных систем, адаптируем к учету спектральных характеристик и отраженного света. После повторного обучения модель может быть использована для фитооблучателей произвольной конструкции, что расширяет ее практическую значимость в светокультуре.