Разработка интеллектуальной системы освещения с учетом когнитивных особенностей пользователя

Main Article Content

Евгения Роститславовна Зяблова

Аннотация

Рассмотрен подход к разработке интеллектуальной системы управления освещенностью рабочего пространства, корректирующей интенсивность света на основе анализа когнитивного состояния пользователя. Адаптация освещения осуществляется в реальном времени с использованием данных нейроинтерфейса BrainBit EEG Waves для регистрации электроэнцефалографии (ЭЭГ). С помощью спектрального анализа ЭЭГ устанавливаются показатели концентрации внимания и эмоционального расслабления, которые используются как управляющие параметры для умной лампы. В качестве умной выбрана лампа Yeelight LED Bulb W3. Управление освещением осуществляется локально, по протоколу LAN Control без передачи данных в облачные сервисы. Экспериментальные исследования подтвердили работоспособность системы, низкую задержку реакции и повышение субъективного комфорта пользователя. Разработанная система может быть использована для повышения эффективности образовательного процесса студентов.

Article Details

Как цитировать
Зяблова, Е. Р. «Разработка интеллектуальной системы освещения с учетом когнитивных особенностей пользователя». Электронные библиотеки, т. 29, вып. 5, сентябрь 2026 г., сс. 1772-89, doi:10.26907/1562-5419-2026-29-5-1772-1789.

Библиографические ссылки

1. Boyce P.R. Human Factors in Lighting (3rd ed.). CRC Press. 2014. 667 p.
2. Knez I. Effects of colour of light on nonvisual psychological processes // Journal of Environmental Psychology. 2001. Vol. 21, No. 2. P. 201–208. https://doi.org/10.1006/jevp.2000.0198
3. Münch M. et al. Blue-enriched morning light as a countermeasure to light at the wrong time: effects on cognition, sleepiness, sleep, and circadian phase // Neuropsychobiology. 2017. Vol. 74, No. 4. P. 207–218.
https://doi.org/10.1159/000477093
4. Cohen M.X. Analyzing Neural Time Series Data. Theory and Practice. MIT Press. 2014. https://doi.org/10.7551/mitpress/9609.001.0001
5. Emotiv: EEG-Based Cognitive State Detection. URL: https://www.emotiv. com/ (date accessed: 14.04.2026).
6. Kuzmenko Yu.P., Sofronov A.A., Kuzmenko V.P. Ispol'zovanie grafovogo podhoda dlya opisaniya algoritmov intellektual'nogo upravleniya osveshcheniem // Nauka i biznes: puti razvitiya. 2021. No. 12 (126). P. 82–84.
7. Shcherbakov A.S. Adaptaciya metodov vychisleniya global'nogo osveshcheniya na osnove algoritma izluchatel'nosti k arhitekture kadrovogo grafa // Vychislitel'nye metody i programmirovanie. 2025. No. 26 (2). P. 99–110. https://doi.org/10.26089/NumMet.v26r207
8. Eremeev A.P., Muntyan E.R. Developing an ontology on the basis of graphs with multiple and heterotypic connections. Scientific and Technical Information Processing. 2022. Vol. 49, No. 6, P. 427–438. https://doi.org/10.3103/s0147688222060041
9. Muntyan E.R. Formirovanie cifrovogo portreta sub"ekta na osnove parsinga seti dlya postroeniya kar'ernoj traektorii // Informatizaciya i svyaz'. 2023. No. 2. P. 36–41. https://doi.org/10.34219/2078-8320-2023-14-2-36-41
10. Zyablova E.R. Modelirovanie social'nyh vzaimodejstvij na osnove grafovyh podhodov // Izvestiya YUFU. Tekhnicheskie nauki. 2024. No. 6 (242). P. 131–142. https://doi.org/10.18522/2311-3103-2024-6-131-142
11. Yu Ch., Huang X. Attention level monitoring based on EEG measurement // Applied and Computation Engineering. 2024. Vol. 38, No 1. P. 151–155. https://doi.org/10.54254/2755-2721/38/20230546
12. Niedermeyer E., da Silva F.L. Electroencephalography: Basic Principles, Clinical Applications and Related Fields. 5th Edition. Lippincott Williams & Wilkins. 2005. 1309 p.
13. Ivanov А.А. Obzor metodov matematicheskogo analiza EEG. Kolichestvennaya EEG // Epilepsiya i paroksizmal'nye sostoyaniya. 2023. No. 2 (15). P. 171–192. https://doi.org/10.17749/2077-8333/epi.par.con.2023.154
14. Dedkov A.E., Andrikov D.A., Khramov A.E. Obzor sposobov izmere-niya kognitivnoj nagruzki mozga i metodov mashinnogo obucheniya dlya ih iden-tifikacii na osnove dannyh EEG // Vrach i informacionnye tekhnologii. 2024. No. 3. P. 20–31. https://doi.org/10.25881/18110193_2024_3_20
15. BrainBit EEG Waves: Technical Documentation. URL: https://mederia.ru/ upload/iblock/e35/e35fe74dbbdea1e0a72a68bf17738c38.pdf (date accessed: 14.04.2026).
16. Yeelight Smart Bulb Control with mPython. URL: https://github.com/ labplus-cn/mpython-docs/blob/master/docs/en/tutorials/advance/iot/yeelight.rst (date accessed: 14.04.2026).
17. Kustikova Yu.O., Umrilov R.R., Rumyantseva A.S., Moiseeva A.A. Vliyanie osveshchennosti na sozdanie komfortnyh uslovij truda // Stroitel'stvo: nauka i obrazovanie. 2024. Vol. 14, No. 1. P. 149–158. http://doi.org/10.22227 / 2305-5502.2024.1.10
18. Babiloni C. et al. Human cortical electroencephalography (EEG) rhythms during the observation of simple aimless movements: a high-resolution EEG study //Neuroimage. 2002. Vol. 17, No. 2. P. 559–572.
http://doi.org/10.1006/nimg.2002.1192
19. Zyablova E.R., Egorova K.A. Intellektual'naya sistema upravleniya osveshchennost'yu na osnove analiza kognitivnyh osobennostej pol'zovatelya // Materialy VIII Mezhdunarodnoj nauchno-prakticheskoj konferencii «Informatizaciya inzhenernogo obrazovaniya». M.: Izdatel'skij dom MEI, 2026. S. 47–51.