The Measurement of Luminance of Indoor Basketball Hall by using Developed Artificial Neural Network Based Software

Abstract

Sports competitions with the help of sports hall lighting designs made in accordance with the purpose can be achieved in good visual conditions. In well-lit sports halls, performance losses, injuries and accidents are reduced due to the visual impairment of athletes. The eyesight of athletes, referees and spectators will be improved. The faults related to eyesight of referees will decrease and the watching pleasure of spectators will increase. The lighting measurements of indoor basketball halls are made by means of point-measuring lux meter and luminance meter. In order to use this method, equipment, time, money and experts are needed. In this study, a software has been developed to measure and analyze the photometric values of basketball halls by utilizing a camera. This software was developed using the C # programming language and artificial neural networks method. As in the standards, 91 measurement points were determined in the indoor basketball hall. Pixel (Red (R), Green (G), Blue (B)) values of the measurement points were learned by using the photo processing program on the photograph taken of the field. The luminance of the measurement points in the field were measured by using the luminance meter. With the developed neural network based software, a correlation has been established between the luminance and the pixel (R, G, B) values. Accuracy rate, mean squared error (MSE) and root mean square error (RMSE) methods were used to learn the accuracy and error rates of the results.

Keywords

• Basketball hall,Luminance,Lighting,Artificial neural network

Kapalı Basketbol Salonunun Parıltısının Geliştirilen Yapay Sinir Ağları Temelli Yazılım ile Ölçülmesi

Öz

Amacına uygun olarak yapılmış spor salonu aydınlatma tasarımlarıyla müsabakaların iyi görme koşullarında yapılması sağlanabilir. İyi aydınlatılmış spor salonlarında, sporcuların görme kusurlarına bağlı performans kayıpları, sakatlanmalar ve kazalar azalır. Sporcu, hakem ve seyircilerin görme yeteneği artacaktır. Hakemlerin görmeye bağlı hataları azalacak. Seyircilerin seyir zevki artacaktır. Kapalı basketbol salonlarının aydınlatma ölçümleri noktasal ölçüm yapan lüksmetre ve parıltı ölçer gibi aletler ile yapılmaktadır. Bu yöntemi kullanmak için donanımına, zamana, paraya ve uzman elemana ihtiyaç bulunmaktadır. Bu çalışmada basketbol salonlarının fotometrik değerlerini kamerayla ölçmek ve analiz etmek için bir yazılım geliştirilmiştir. Bu yazılım C# programlama dili ve yapay sinir ağları yöntemi kullanılarak geliştirilmiştir. Standartlarda olduğu gibi kapalı basketbol salonunda 91 adet ölçüm noktası belirlenmiştir. Sahanın çekilen fotoğrafı üzerinde fotoğraf işleme programı kullanılarak ölçüm noktalarının piksel (Kırmızı (R), Yeşil (G), Mavi (B)) değerleri öğrenilmiştir. Parıltı ölçer kullanılarak da salondaki ölçüm noktalarının parıltı değerleri ölçülmüştür. Geliştirilen yapay sinir ağı temelli yazılımla parıltıyla piksel (R, G, B) değerleri arasında bir bağıntı kurulmuştur. Elde edilen sonuçların doğruluğunu ve hata oranlarını öğrenmek için doğruluk oranı, ortalama karesel hata (Mean Squared Error-MSE) ve kök ortalama kare hatası (RMSE) yöntemleri kullanılmıştır.

Anahtar Kelimeler

• Basketbol salonları,Parıltı,Aydınlatma,Yapay sinir ağları

Kaynakça

1. Açıkkar, M., & Sivrikaya, O. (2020). Yıkanmış Türk Linyit Kömürlerinin Üst Isıl Değerinin Destek Vektör Regresyonu ile Tahmini. Avrupa Bilim ve Teknoloji Dergisi(18), 16-24.
2. Błaszczak, U. J., Gryko, Ł., & Zając, A. S. (2019). Characterization of multi-emitter tuneable led source for endoscopic applications. Metrology and Measurement Systems, 26(1).
3. Błaszczak, U. J., & Zając, A. S. (2016). Selected metrology problems implied by the application of LED technology in lighting. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska.
4. Cengiz, M. S., & Cengiz, Ç. (2018). Numerical Analysis of Tunnel LED Lighting Maintenance Factor. IIUM Engineering Journal, 19(2), 154-163.
5. Corcione, M., & Fontana, L. (2003). Optimal design of outdoor lighting systems by genetic algorithms. Lighting Research & Technology, 35(3), 261-277.
6. Çetin, E. (2007). Yapay Zekâ Uygulamaları. Baskı, Ankara, Seçkin Yayıncılık.
7. TS EN 12193 (2019). Aydınlatma ve Işık. Spor Aydınlatması.
8. Houser, K., Royer, M., & Mistrick, R. (2010). Light loss factors for sports lighting. Leukos, 6(3), 183-201.

9. Houser, K., Wei, M., & Royer, M. P. (2011). Illuminance uniformity of outdoor sports lighting. Leukos, 7(4), 221-235.
10. Hsu, C.-H. (2010). The Effects of Lighting Quality on Visual Perception at Sports Events: A Managerial Perspective. International Journal of Management, 27(3), 693.
11. Kayakuş, M., & Üncü, I. (2019). Research note: the measurement of road lighting with developed artificial intelligence software. Lighting Research & Technology, 51(6), 969-977.
12. Korukçu, Ö. (2015). Spor salonlarında ısıl konfor iç hava kalitesi ve aydınlatma. Paper presented at the 12. Ulusal Tesisat Mühendisliği Kongresi, İzmir.
13. Mohandas, P., Dhanaraj, J. S. A., & Gao, X.-Z. (2019). Artificial Neural Network based Smart and Energy Efficient Street Lighting System: A Case Study for Residential area in Hosur. Sustainable Cities and Society, 48, 101499.
14. Nail, E. (2015). Yol Aydınlatma Armatürleri için Bakım Faktörünün Belirlenmesi. Paper presented at the VIII. Ulusal Aydınlatma Sempozyumu, İzmir. Özkaya, M., & Tüfekçi, T. (2011). Aydınlatma Tekniği, Birsen Yayınevi. In: İstanbul.
15. FIBA Central Board (2018). Basketball Equipment.
16. Shanghai Sports (2000). Sports Buildings in Shanghai. In. China: Tongji University Press.
17. Sung, P. S. (2001). The design concepts of landscape lightings. Journal of Laminating Engineering, 18(1), 25-29.
18. Tetri, E., Chenani, S. B., & Rasanen, R.-S. (2018). ADVANCEMENT IN ROAD LIGHTING. Light & Engineering, 26(2).
19. Tsai, C. C. (1983). Facilities of Sports Buildings. In. Taipei: Sports Publishing.
20. Tun, C. K. (1993). Sports Venues. In. China: People‘s Sports Publishing House.
21. Üncü, İ., Arisoy, A., & Büyükarikan, B. (2015). Stable Light Level Detection in the Light Pools Using Neural Network Algorithms. Acta Physica Polonica A, 128(2B).
22. Üncü, İ., & Coşkunsu, S. (2015). LED Board Error Detection Automation with Image Processing. Acta Physica Polonica A, 128(2B).
23. Üncü, İ., Coşkunsu, S., Sönmez, C., & Biçakçi, O. (2016). CRI and GAI Comparison in LED Light Sources Using Image Processing. Acta Physica Polonica A, 130(1), 379-381.
24. Zhou, J., Wang, X., & Feng, D. (2014). Importance-aware lighting design in volume visualization. Paper presented at the 2014 13th International Conference on Control Automation Robotics & Vision (ICARCV).