評價LED照明產品對人眼舒適度影響的新方法

蔡建奇 陳 凱 胡李敏 杜 鵬 楊 帆

(1中國標準化研究院，北京100088;2杭州華普永明光電股份有限公司，浙江杭州310015;3北京陽明智道光電科技有限公司，北京100102;4北京航空航天大學，北京100029)

1 引言

人對外界信息的獲得有80%以上來自視覺，所以影響照明健康的主要機制之一來源于視覺通道。人類經過長期的進化，也形成了與之對應的接受光、感受光的系統。光線穿過瞳孔、晶狀體、玻璃體到達視網膜，然后被錐狀細胞和桿狀細胞接收，轉換成電信號傳遞到大腦的視皮層，最后在大腦內轉換成視覺信號。在這個過程中，眼睛占據了極其重要的位置，成為接收信息的入口。眼睛是非常脆弱的器官，長期處于不舒適的照明環境，例如不合適的照度、不均勻的光分布、強烈的頻閃、眩光等，對人體健康的傷害是很嚴重的。研究表明頻閃的存在會引發偏頭痛、不舒適眩光會引起視覺疲勞等。

科學研究還表明，不當的用光可以影響到人的生物節律，可能會導致癌癥患病率的增加。有人曾經對不同年齡人群進行了光照對心理、體溫調節能力等參數的影響研究，結果證實了不同色溫和照度的照明環境，確實影響人的生理參數。研究表明，人眼的非視覺生物效應對460－490nm的光最為敏感，可以利用這種效應來設計光源，使其形成有利于人的健康的照明體系［1］。

研究光照對人體健康的影響是近年來國際照明、醫學領域一個重要的研究方向［2］。早在1992年，MukaeH.和SatoM.等人就已提出熒光等光源對人體生理功能存在著視覺及非視覺效應2種不同影響［3］;2002年，David Berson等人發現并確認了人眼的非視覺 效 應 (Citropic effect)現 象［4］［5］;Yasukouchi等通過實驗描述了照明光源對人體非視覺生理功能作用的神經通路［6］。

研究光照對人體健康的影響是近年來國際照明、醫學領域一個重要的研究方向，在目前國內外相關研究主題上，對于照明和人體健康的評價有多種策略方法，最為典型的有如腦波、閃光融合閾值、眨眼頻率和瞳孔直徑等。嚴永紅［7］(2012年)等人:通過測試3種不同色溫、3種照度下8名學生腦電圖α波、β波指數的變化，觀察光照對人體生理節律的影響。但腦電波的準確性復現性可靠性一直存在爭論，且測試時間較長，測試樣本有限等問題也影響了大樣本量測試。李宏汀［8］(2012年)等人在研究不同照度下手機屏幕亮度最優參數的項目中，采用了閃光融合頻率 (CFF)作為人眼疲勞指標，但是同一樣本在不同時間下CFF測試結果的差異性是存在的，所以其穩定性有待商榷。劉洋［9］(2009)在對基于駕駛員生理與心理反應的公路隧道光環境進行分析研究時，就采用眼電和心電設備采集心率增長率 (HRV)和眨眼頻率來評定駕駛員的疲勞。但是研究過程過于復雜，并且缺乏有效的基準線，導致數據可靠性降低。

2 研究對象與方法

2.1 研究對象

本實驗參與實驗的被試人員共計603人，共計完成603人次人因數據樣本采集，其中有效樣本559人次，樣本有效率93%。各種光源類型完成實驗有效樣本數量如表1所示。

表1 實驗數據完成樣本分類統計Table 1 Classified statistics

2.2 研究方法

2.2.1 測試前人眼篩查

測試前對被試者進行驗光儀 (NIDEK AR－310)測試，采用綜合驗光臺和魔術視力表箱篩查主視眼、雙眼融像、雙眼視平衡、色辨識等參數，以便于剔出嚴重屈光不正、隱性眼科疾病的被試樣本。

2.2.2 測試過程

本研究使用個體光源燈箱提供不同的照明環境。在燈箱中分別放置色溫為3000k、6000k的LED燈管以及白熾燈，如圖1所示。照度均保持在500±20Lx。

圖1 個體光源燈箱Fig.1 Individual light box

被試者在燈箱內進行閱讀任務，其中包括藍道環測試、圖形辨別及形近字分辯等測試，合計測試時間90分鐘。首先，被試者在暗室閉眼休息半小時后，進行驗光、眼壓以及視覺綜合測試平臺 (可采集輻輳、眼壓、像差、光學傳遞函數MTF、高頻肌顫HF)的測試，采集被試最佳狀態下的基礎屈光、輻輳、眼壓、像差、MTF、HF，然后開始進行不同照明條件下的閱讀任務。整個閱讀時間為90分鐘，閱讀任務結束后再進行一次基礎屈光、輻輳、眼壓、像差、MTF、HF測試，并在最后結束時進行用戶主觀的人眼疲勞打分 (5級量表)。

2.2.3 測試設備

采用驗光儀 (NIDEKAR－310)、非接觸式眼壓計 (TopconCT－80)和自主研制的視覺綜合測試平臺 (經過北京計量院校準，校準證書編號:H413Z－G0125)測試內指標包括基礎屈光、輻輳、眼壓、像差、MTF、HF等參數。

2.3 統計學方法采用Matlab R2011b對閱讀前及閱讀后90分鐘的數據，利用BP神經網絡的非線性自適應的模擬，現階段選取6項客觀指標——基礎屈光、輻輳、眼壓、像差、MTF、HF作為網絡的輸入層P(Input)，測試過程中用戶的主觀打分作為輸出層T(Output)。

3 研究結果

人工神經網絡由大量處理單元連接而成，是一個大規模非線性自適應系統。它模擬人腦神經網絡處理方式進行信息處理，可以通過預先提供的一批相互對應的輸入－輸出數據，分析掌握兩者之間潛在的規律，根據這些規律，用新的輸入數據來推算輸出結果。其中，BP神經網絡 (多層前向反饋神經網絡)是目前應用最廣泛的一種人工神經網絡，它采用誤差反向傳播學習算法，不斷調整層間權重，使網絡實際輸出更接近理想輸出，具有簡單、易行、計算量小、并行性強等多個優點。［10］

3.1 網絡結構及參數選擇

通過實驗獲得的客觀視覺指標參數，為了保證網絡的穩定性，選取了6項客觀指標——左右眼基礎視力、左右眼高階像差 (球差)和左右眼的MTF值作為網絡的輸入層P(Input)，測試過程中用戶的主觀打分作為輸出層T(Output)。用試湊法確定隱含層節點個數，根據不同個數的神經網絡經過多次訓練后的誤差值，確定隱含層為10節點的模型逼近效果較好，泛化能力較強。

為提高網絡模型的泛化能力，對上述輸入輸出參數進行歸一化處理，使數據均在［0，1］區間內，處理公式為:

3.2 模型的構建與驗證

首先依據各類試驗結果構建人眼基礎狀態的網絡模型，隨機在3000k、6000k、白熾燈的數據中各抽取2個數據，帶入訓練好的網絡中進行模擬。模擬結果如圖2所示。經過計算驗證，該網絡的誤差控制良好，如圖3所示。

圖2 6組神經網絡測試結果與用戶真實結果比較Fig.2 Testing and real results comparison of six groups

圖3 7組神經網絡測試結果與用戶真實結果比較Fig.3 Testing and real results comparison of seven groups

3.3 實驗結果驗證分析

綜上可見，本研究所選取的客觀指標能準確有效的表征人眼功能狀態的實時變化，能客觀量化的得出人眼狀態變化的程度。通過構建神經網絡模型，計算不同光源環境下被試眼部健康舒適度量級，采用主客觀復現模型糾偏后，發現其與受試主觀舒適度打分在主客觀評價值契合時間點上擬合良好，說明本研究能良好的依據實驗狀態預測人眼健康舒適度狀態的變化，從而實現對照明產品健康舒適度的評價。部分結果統計見圖4、表2、圖5、表3:

圖4 6000k主觀值與神經網絡客觀驗證值對比Fig.4 Subjective and objective value comparison(6000K)

表2 6000K網絡驗證結果統計表Table 2 Verifying result statistics(6000k)

圖5 3000K主觀值與神經網絡客觀驗證值對比Fig.5 Subjective and objective value comparison(3000K)

表3 3000K網絡驗證結果統計表Table 3 Verifying resuit statistics(3000K)

由以上結果可見，在兩種色溫環境的測試中，依然出現了個別神經網絡預測值與被試主觀打分值之間的量級差，雖然本研究在設置檢測時間點時已經充分的考慮到主客觀評價的時間不一致性并且通過實驗尋找出契合點，但并非所有受試主客觀契合點的時間都與本研究實驗結果相符，且由于本實驗被試人數較多，文化水平各異，因此個別被試主觀打分有效性不足是在意料之中的。

另外，本研究對個別主客觀評價值量級差較大的被試進行了主客觀復現跟蹤實驗，由追蹤問卷顯示，在實驗結束30－60分鐘之后，被試的主觀視覺疲感會明顯增強 (被試在該階段眼睛始終處于放松狀態)，由此可見，主觀疲勞感于客觀預測疲勞程度的量級差是由于人體功能自我調節作用下與實際客觀眼部功能疲勞狀態出現了延時性造成的，即“并不是眼部生理未出現明顯疲勞反應，而是被試個體的神經反饋處于相對停滯狀態”，此種現象在主視眼輔視眼差異較大，雙眼融像能力及雙眼視視平衡能力較差的被試者中尤為明顯。

4 結論

本研究在構建了樣本總數超過500人的視覺數據庫的基礎上，建立了基于BP神經網絡和視覺參數特征的視覺健康舒適度評價模型;利用該模型，僅需輸入基礎屈光、輻輳等6項指標，就可由網絡給出相關的舒適度數據，輸出數值越大，舒適度越差。作為視覺健康舒適度的一種定量評價方法，該評價模型客觀快速，而且充分考慮了多項因素對視覺健康舒適性的影響;同時此方法可以隨著樣本數據量以及參數因子量的增加，來進一步完善神經網絡的容錯性和預測性，并能更為快捷準確的給出預測結果。

綜上所述，本研究可在有效評測各類照明、顯示產品的視覺健康舒適度的基礎上，為企業提供針對產品健康舒適度設計研發的各類技術解決方案，使基于人體健康進行產品研發和設計的理念真正成為現實。同時也能評測現有的各類照明環境，可根據測試結果用于改善消費者的視覺疲勞，有效預防近視，提高工作與學習效率，提升產品的用戶健康水平。

在后續研究中，本研究將把實驗設計的參數指標范圍深入到視神經系統，視細胞變化等更加微觀的層次，同時將引入其他生理評價要素，使整個評價體系更加科學、客觀、有效。

［1］龐蘊凡.視覺與照明［M］.北京:中國鐵道出版社，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，陳大華，林燕丹.照明的非視覺生物效應及其實踐意義［J］.照明工程學報，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］嚴永紅，晏寧，關楊，增恒志.光源色溫對腦波節律及學習效率的影響［J］.土木建筑與環境工程，2012，34(1):76－79.

［8］李宏汀，張艷霞，徐偉丹，張露超.不同環境照度下手機屏幕亮度最優化參數研究［J］.中國科技論文在線，2012.

［9］劉洋.基于駕駛員生理與心理反應的公路隧道光環境分析.內蒙古:內蒙古農業大學，2009.

［10］袁曾任.人工神經元網絡及其應用［M］.北京:清華大學出版社，1999:5－14，66－77.