本發明公開了一種基于深度學習的照明系統設計方法，包括：獲取照明系統的設計參數；將設計參數導入到深度學習網絡模型中進行訓練并獲得照明系統的曲面點集；將曲面點集進行擬合得到二維面型曲線，并將二維面型曲線旋轉成為曲面；擬合曲面獲得照明系統的面型方程。通過本發明實現了照明用光學透鏡從參數到設計的自動化作業過程；減少了人工設計的不確定性，降低了照明用光學透鏡的設計難度，并且提高了照明用光學透鏡設計水平的下限；此外，減少了由于人的因素而導致的系統誤差，增加了客戶預期的準確性。
技術領域
本發明涉及照明系統設計領域，尤其涉及一種基于深度學習的照明系統設計方法。
背景技術
照明系統設計是光學設計上的一個重要分支，可以通過照明設計去解決生活，工業中的種種不同需求。現有的照明光學系統主要由LightTools等照明設計軟件輔助進行完成，在LightTools等照明設計軟件中通過對系統搭建，評價函數的編寫，最終優化出一個接近初始需求的照明系統。但是這種設計方式受限于初始結構的選擇，如果初始結構選擇合理，則會大大降低設計難度，降低優化時間，反之則會增加優化與設計的難度。同時，光學系統設計也受限于設計者的經驗與水平，一個優秀的設計師可以很快的設計出符合需求的光學系統，而新手則存在一定的難度。
除此之外，還可以使用Matlab，通過計算，方程求解得出透鏡本身面型，最終實現照明設計，但是實踐過程中，由于該方法計算量大，并且只能基于點光源進行計算，而實際使用過程中光源都具有一定的尺寸，導致最終設計結果在實際生產/使用中無法到達預期的效果。
專利CN201810068255.X公開了一種鏡頭光學系統的設計方法、裝置、設備及存儲介質；該方案可以實現鏡頭的自動化光學系統設計，但是由于鏡頭與照明系統在設計需求以及使用上具有本質上的差別，因此不能直接將該技術方案直接適用于照明光學系統的設計之中。
故市場亟需一種可以實現自動化的照明用光學透鏡設計的技術方案。
發明內容
為解決上述技術問題，本發明提供一種基于深度學習的照明系統設計方法，包括：獲取照明系統的設計參數；將設計參數導入到深度學習網絡模型中進行訓練并獲得照明系統的曲面點集；將所述曲面點集進行擬合得到二維面型曲線，并將所述二維面型曲線旋轉成為曲面；擬合所述曲面獲得所述照明系統的面型方程。
上述技術方案中，首先要明確客戶的需求，要得知客戶到底要一個什么樣的照明設備，然后再將從用戶處獲取的設計參數導入到預先訓練好的深度學習網絡模型中，由深度學習網絡模型輸出相應的曲面點集，曲面點集描述了要加工的透鏡形狀，再進行擬合，將加工設備不能識別的曲面點集變為加工設備可以識別的面型方程的數據結構，再使用面型方程進行透鏡的加工作業，從而完成了整個從透鏡的設計到加工的自動化作業過程，減少了人工設計的不確定性，并且進一步提高了設計水平的下限，增加了客戶預期的準確性，克服了傳統的透鏡設計領域中所存在的涉及人的不可控因素過多，設計難度過大，計算量過高的技術問題。
進一步地，基于深度學習的照明系統設計方法所述將設計參數導入到深度學習網絡模型中進行訓練并獲得照明系統的曲面點集包括：初始化所述深度學習網絡模型；所述深度學習網絡模型包括第一神經網絡；對所述深度學習網絡模型進行訓練，將模擬光線的發射角度集輸入所述第一神經網絡，所述第一神經網絡輸出高度集；所述高度集中的元素為所述模擬光線在所述照明系統的曲面上的出射點的高度；根據所述高度集計算出二維面型曲線交點集；確定所述深度學習網絡模型的目標損失函數；根據所述目標損失函數計算損失值，并判斷所述損失值是否小于預定閾值；若是，則結束訓練；否則，調整所述深度學習網絡模型的結構參數后繼續訓練；將所述二維面型曲線交點集作為曲面點集輸出。
