(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111676151.5 (22)申请日 2021.12.31 (71)申请人 厦门阳光恩耐照明有限公司 地址 361000 福建省厦门市海沧区新阳工 业园后祥路8 8号 (72)发明人 林晓阳　张新锦　 (74)专利代理 机构 厦门市首创君 合专利事务所 有限公司 3 5204 专利代理师 连耀忠 (51)Int.Cl. H04W 48/16(2009.01) H04M 1/72412(2021.01) H04W 4/80(2018.01) H04L 12/28(2006.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于图像识别的智能灯蓝牙配置方法 和配置系统 (57)摘要 本发明提供一种基于图像识别的智能灯蓝 牙配置方法， 内置于智能终端， 包括： 通过智能终 端摄像头获取智能灯图片； 将图片输入识别 灯具 的目标模型， 识别图片中智能灯的型号； 根据智 能灯的型号， 进行蓝牙配置连接。 本发明提出的 基于图像识别的智能灯蓝牙 配置方法， 通过图像 识别技术， 结合人工智 能， 将人工智 能识别算法 内置于智能手机中， 无需互联网网络通信和云端 服务， 即可通过智能手机摄像头识别 灯具产品类 型， 具有速度快、 识别精准、 对网络环境无要 求等 优点。 权利要求书1页 说明书6页 附图3页 CN 114630396 A 2022.06.14 CN 114630396 A 1.一种基于图像识别的智能灯蓝牙配置方法， 内置 于智能终端， 其特 征在于， 包括： 通过智能终端摄 像头获取智能灯图片； 响应于智能终端拍摄， 将拍摄后的智能灯图片输入识别灯具的目标模型， 识别图片中 智能灯的型号； 根据智能灯的型号， 进行蓝牙配置连接 。 2.根据权利要求1所述的一种基于图像识别的智能灯蓝牙配置方法， 其特征在于， 所述 目标模型， 具体为： 图片训练样本库为coco图片库； 使用opencv库获取图片的元组数据， 通过TensorFl ow Lite框架将训练好的识别具体灯具的模型， 转 化为目标模型pb文件； 并将目标模型pb文件植入智能终端中。 3.根据权利要求2所述的一种基于图像识别的智能灯蓝牙配置方法， 其特征在于， 所述 识别具体灯具的模型包括但不限于R ‑CNN、 Fast  R‑CNN、 Faster  R‑CNN、 FPN、 YOLO、 SSD和 RetinaNet。 4.根据权利要求1所述的一种基于图像识别的智能灯蓝牙配置方法， 其特征在于， 通过 智能终端摄 像头获取智能灯图片后， 还 包括： 对图片进行 预处理， 具体为： 对图片进行裁 剪、 旋转、 放大或缩小。 5.一种基于图像识别的智能灯蓝牙配置系统， 内置 于智能终端， 其特 征在于， 包括： 图片获取 单元： 通过智能终端摄 像头获取智能灯图片； 智能灯型号识别单元： 响应于智能终端拍摄， 将拍摄后的智能灯图片输入识别灯具的 目标模型， 识别图片中智能灯的型号； 蓝牙配置单 元： 根据智能灯的型号， 进行蓝牙配置连接 。 6.根据权利要求5所述的一种基于图像识别的智能灯蓝牙配置系统， 其特征在于， 所述 目标模型， 具体为： 图片训练样本库为coco图片库； 使用opencv库获取图片的元组数据， 通过TensorFl ow Lite框架将训练好的识别具体灯具的模型， 转 化为目标模型pb文件； 并将目标模型pb文件植入智能终端中。 7.根据权利要求6所述的一种基于图像识别的智能灯蓝牙配置系统， 其特征在于， 所述 识别具体灯具的模型包括但不限于R ‑CNN、 Fast  R‑CNN、 Faster  R‑CNN、 FPN、 YOLO、 SSD和 RetinaNet。 8.根据权利要求5所述的一种基于图像识别的智能灯蓝牙配置系统， 其特征在于， 还包 括图像预处 理单元， 具体为： 图像预处 理单元： 对图片进行 预处理， 具体为： 对图片进行裁 剪、 旋转、 放大或缩小。 9.一种电子设备， 其特征在于， 包括： 存储器， 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 其中， 所述处理器执行所述计算机程序时实现权利要求 1至 4任一所述的方法步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1 ‑4任一所述的方法步骤。权　利　要　求　书 1/1 页 2 CN 114630396 A 2一种基于图像识别的智能灯蓝牙配置方 法和配置系统 技术领域 [0001]本发明涉及智能家居领域， 特别是指一种基于图像识别的智能灯 蓝牙配置方法和 系统。 背景技术 [0002]随着物联网技术与AI技术的普及， 在智能家居行业， 如何使智能家居设备更加智 能， 以提高用户使用智能家居的体验， 已是亟待解决 的需求。 引导智能家居设备(网关、 电器 等设备)入网则是第一 步。 [0003]智能手机在传统蓝牙配置智能灯具的过程中， 智能灯具未配置情况下一直向外发 送广播信息， 传统的蓝牙智能灯具配置过程， 智能手机需要搜索所有广播信息后筛选可配 置的信息， 蓝牙连接某个可配置信息， 智能灯具闪烁时方 可定位具体灯具， 才可进行配置 。 [0004]传统配置过程的缺点是搜索所有可配置灯具时， 出现多个不同类型的多种灯具， 用户需要逐个尝试连接， 让灯具闪烁方可定位灯具。 交互过程繁琐， 用户体验较差， 灯具较 多情况下， 耗时较长 。 发明内容 [0005]本发明的主要目的在于克服现有技术中的上述缺陷， 提出一种基于图像识别的智 能灯蓝牙配置方法， 通过图像识别技术， 结合人工智能， 将人工智能识别算法内置于智能手 机中， 无需互联网网络通信和云端服务， 即可通过智能手机摄像头识别灯具产品类型， 具有 速度快、 识别精准、 对网络环境无要求 等优点。 [0006]本发明采用如下技 术方案： [0007]一种基于图像识别的智能灯蓝牙配置方法， 内置 于智能终端， 包括： [0008]通过智能终端摄 像头获取智能灯图片； [0009]响应于智能终端拍 摄， 将拍摄后的智能灯图片输入识别灯具的目标模型， 识别图 片中智能灯的型号； [0010]根据智能灯的型号， 进行蓝牙配置连接 。 [0011]具体地， 所述目标模型， 具体为： [0012]图片训练样本库为coco图片库； [0013]使用opencv库获取图片的元组数据， [0014]通过TensorFlow  Lite框架将训练好的识别具体灯具的模型， 转化为目标模型pb 文件； [0015]并将目标模型pb文件植入智能终端中。 [0016]具体地， 所述识别具体灯具的模型包括但不限于R ‑CNN、 Fast  R‑CNN、 Faster  R‑ CNN、 FPN、 YOLO、 S SD和RetinaNet。 [0017]具体地， 通过智能终端摄 像头获取智能灯图片后， 还 包括： [0018]对图片进行 预处理， 具体为： 对图片进行裁 剪、 旋转、 放大或缩小。说　明　书 1/6 页 3 CN 114630396 A 3