陳怡君

本研究開發一款14頻道燈箱的光譜生成器，向光譜生成器輸入光參數數值，可獲取符合輸入設定之光譜。透過基因演算法生成數據集，使用數據集訓練神經網路，評估預測表現良好的模型將作為光譜生成器。期望本研究可以幫助使用者在短時間內獲取特定目標的情境光源。 使用基因演算法生成相關色溫(Correlated Color Temperature, CCT)為3000 K、4000 K與5000 K且照度(Illuminance, Ev)為500 lux的數據集，其中包含CCT、色偏差值(Delta u-v, Duv)、平均演色性指數(General Color Rendering Index, Ra)與晝夜節律刺激值(Circadian Stimulus, CS)等光參數與頻道權重。研究過程中對基因演算法的設計進行多次修正，實驗一與二皆使用CCT作為適應函數，但實驗二只使用10頻道。實驗三將適應函數改為Duv。因實驗三的CCT偏差大，所以實驗四設計適應函數為uv座標。 計算染色體的光參數以及移除不可行解後，將數據集分成訓練集、驗證集與測試集，並對訓練集與驗證集進行過採樣。使用訓練集與驗證集訓練神經網路，透過測試集比較輸入光參數Xparam與預測結果的光參數Y’param的平均誤差，評估神經網路的效能。 研究結果顯示CS會受到藍色與黃色顏色機制(b-y)的影響，縮小Duv範圍後，4000 K的CS範圍會低於3000 K與5000 K的CS。數據集的光譜普遍具有高Ra。使用uv座標作為適應函數時，可以有效減少CCT預測誤差。當輸入數值落在數據集的光參數範圍內時，光譜生成器均可以產生相對應的光譜。但是光譜生成器的穩定性不足，未來仍需改善。