علوم شهری، ج. ۷، صفحات ۹۴: به سوی شهرهای پایدار: استفاده از چشم انداز رایانه و هوش مصنوعی برای روشنایی عمومی و مدیریت انرژی کارآمد

علوم شهری doi: 10.3390/urbansci7030094

نویسنده: اندرسون وانین پترسون بلان

این مطالعه بهینه‌سازی سیستم‌های روشنایی عمومی را با استفاده از بینایی رایانه با تأکید بر الگوریتم YOLO برای تشخیص عابر پیاده با هدف کاهش هزینه‌های انرژی نشان می‌دهد. در زمانی که تقاضا برای برق به دلیل عواملی مانند مالیات و گسترش شهری در حال افزایش است، بررسی استراتژی‌هایی برای کاهش هزینه‌ها ضروری است. یکی از حوزه های محوری مدیریت روشنایی عمومی است. در حال حاضر، دولت ها در حال انتقال از روشنایی بخار سدیم به لامپ های LED هستند که در حال حاضر به کاهش مصرف کمک می کند. در این سناریو، سیستم های بینایی کامپیوتری، به ویژه با استفاده از YOLO، پتانسیل کاهش بیشتر مصرف را با تنظیم قدرت لامپ های LED بر اساس ترافیک عابر پیاده دارند. علاوه بر این، این مقاله از منطق فازی برای محاسبه قدرت لامپ بر اساس عابران پیاده شناسایی شده و روشنایی محیط استفاده می کند و از انطباق با استاندارد NBR 5101:2018 اطمینان می دهد. آزمایش‌ها با تصاویر و شبیه‌سازی‌های دوربین نظارت عمومی این پیشنهاد را تأیید کرد. با اجرای عملی این پروژه، کاهش ۴۵ درصدی مصرف روشنایی عمومی نسبت به روشنایی LED معمولی مشاهده شد.

منبع:
۱- shahrsaz.ir , علوم شهری، ج. ۷، صفحات ۹۴: به سوی شهرهای پایدار: استفاده از چشم انداز رایانه و هوش مصنوعی برای روشنایی عمومی و مدیریت انرژی کارآمد
,۲۰۲۳-۰۹-۰۶ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2413-8851/7/3/94