不同LED照明环境下学生的脑电信号变化

杨春宇1,2，汪统岳1,2，梁树英1,2，向奕妍1,2，阳佩良1,2，何 伟1,2

(1.重庆大学 建筑城规学院，重庆 400045；2.重庆大学 山地城镇建设与新技术教育部重点实验室，重庆 400045)

摘 要：不良的教室照明容易使学生疲劳、降低学习效率。通过实验室模拟教室照明，让学生在不同照度(500 lx、1 000 lx、1 500 lx、2 000 lx、2 500 lx、3 000 lx)和色温(4 000 K、5 000 K、6 500 K)组成的LED照明环境下学习3 h，每0.5 h监测一次脑电信号(EEG)，测量δ波、θ波、α波和β波节律，分析频带能量比例R值，判断脑疲劳程度和精神兴奋性的变化。结果表明：随着照度的提高，脑疲劳先减小后增大，2 000 lx照度组的脑疲劳最低，说明过高的照度更容易引起脑疲劳；精神兴奋性起初变化不明显，超过1 500 lx后显著提高。随着色温的提高，脑疲劳逐渐增加，精神兴奋性先增加后减小；光照时间的影响与色温相似，脑疲劳随着时间的增加而加深，且速度加快；精神兴奋性随时间的增加先提高后降低。

关键词：LED；教室照明；照度；色温；脑电信号

引言

学习是一个不断从事脑力劳动的过程，期间出现的脑力能力下降、作业机能衰退的现象称之为脑疲劳，具体表现为学习效率下降、注意力不集中、记忆力下降、反应迟钝等[1]。不良的照明环境会加速脑疲劳的产生和加重脑疲劳的程度，不同的照明环境下，脑疲劳程度也不尽相同。LAL和CRAIG[2]认为脑电信号(EEG)是最适合作为疲劳评价的生理指标；曾堃等[3]通过主观量表和EEG数据，对心内科CICU病房白光环境要素与情绪的关系进行了探讨。为了解不同的LED照明环境对学生脑疲劳的影响，在实验室设定不同的色温和照度环境来模拟教室照明，测试学生的脑电信号随时间的变化情况，评判适宜的色温和照度组合，为教室照明环境设计提供参考。

法律规定，对企业商品包装著作权的侵权可以根据因侵权造成的损失来确定赔偿数额，也可以将侵权所得的全部利润都上交进行赔偿。对于国家规定的赔偿制度，要按照赔偿制度的3-5倍缴纳罚款，同时也要支付其他的相关费用。

1 脑疲劳的评价方法

1.1 脑疲劳评定方法的选择

脑疲劳的评定方法主要有四种：主观测评法、心理学和行为学指标评定法、生化指标评定法和生理指标评定法[6](见表1)。其中，通过脑电波测试的生理指标判定法目前最成熟，脑电信号成为应用最广泛的中枢神经系统变化的评价指标。

表1 脑疲劳的4种评定方法比较
Table 1 Comparisons of four assessment methods for brain fatigue

评定方法内容优缺点主观测评法基于主体的自我感受与评价评分主观、标准不统一、只能定性分析心理学和行为学指标评定法常用机器视觉法,由摄像头记录眼睑运动、脸部表情等特征,利用计算机识别,通过人工筛检判断脑疲劳的闭眼时间等评价指标人工筛检耗时长、误差较大、应用较少生化指标评定法通过检测胰岛素、皮质醇、5-羟色胺、多巴胺等激素水平评价疲劳的状态需要提取血液,对样本造成创伤,难以推广生理指标评定法分析脑电波的生理信号,定量评价脑疲劳程度与大脑反应直接相关、无创、应用最广泛

1.2 脑电信号的分类与评价指标

脑电波(Electroencephalogram,EEG)来源于锥体细胞顶端树突的突触后电位，记录了大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映[7]。脑电波信号的频率范围较大(0～100 Hz)，根据脑部不同的功能、病理或状态分为不同的频带，至少存在4个重要的波段：δ波、θ波、α波和β波[8](见表2)。睡眠时还可能出现的其他波形，如σ波、λ波、μ波、κ-复合波、驼峰波等，不在本研究的范围内。脑电信号随着人的精神负荷变化产生波动，学生在学习的过程中，α波越多表明人越放松；δ波和θ波越多，β波越少，则越疲劳。

频带能量比例(FBER值，以下简称R值)即δ波、θ波、α波和β波的功率值占四种波总功率值的比例[11]，通过R值的变化可以判断大脑皮层的兴奋度和脑疲劳程度，反应不同色温、照度和时间参数对脑疲劳的影响。其中δ波和θ波为睡眠波，脑电波中Rδ值和Rθ值增大时表示困倦感加强，可以通过判断Rδ+θ值来描述脑疲劳的程度。α波和β波与精神兴奋性和焦虑感相关，人在放松的情况下α波占大部分，当精神兴奋性提高时β波增多，伴随着焦虑感的增加，可以通过Rα值和Rβ值的变化来判断精神兴奋程度。

表2 脑电波的4种波形比较
Table 2 Comparisons of four waveforms of EEG

脑电波频率范围作用δ波0.5～4 Hz人在极度疲劳和昏睡或麻醉状态下出现,清醒时没有加强现象θ波4～8 Hz人在深度松弛状态时出现此波,在受挫或者郁闷时极为显著α波8～14 Hz无外加刺激时,频率恒定;人在清醒、安静并闭眼时该节律最明显,睁开眼睛(受到光刺激)或其它刺激时,立刻消失[9]β波14～30 Hz表示大脑皮层的兴奋状态,精神紧张、情绪激动或亢奋时出现,此时人脑意识清醒,比较敏感[10]

1.3 脑电信号的检测与分析

使用美国某公司生产的MP150多导生理记录仪及其专用的数据线和电极片采集记录，通过与之配套的AcqKnowledge 软件进行数据提取，可以算出δ、α、β和θ波各频段的功率平均值。进而得出δ、α、β和θ波四种波段的频带能量比例R值作为脑疲劳评价指标。将δ波的频带能力比例记作Rδ，θ波的频带能量比例记作Rθ，α波和β波分别记作Rα和Rβ。频带能量比例R值采用以下公式计算：

Eall(k)=∑E(j)(k)j

(1)

(2)

其中，k表示脑电信号的频段编号，j表示α、β、θ、δ中的任意一个波段，表示该波段的功率值，Eall(k)表示四个波段的总功率值。

空间大数据可考虑采用GIS平台进行管理，非空间大数据组织按照一定的方式和规则对多源大数据进行归并、存储、处理的过程。根据非空间大数据种类较多等特性，大数据中心提供多种存储方式来支撑非空间大数据的存储组织。

2 实验方法

1)实验参数的设定。教室、图书馆等教育建筑需满足学生学习的功能要求，照度不宜过高。研究表明人眼的视觉功能曲线随着照度的升高而提高，在3 000 lx左右达到峰值，超过3 000 lx后，视觉功效反而下降。因此，教室工作面照度值的最高值设定为3 000 lx[12]。参考GB 50034《建筑照明设计标准》推荐的照度分级要求，将实验环境的照度值划分为500 lx、1 000 lx、1 500 lx、2 000 lx、2 500 lx和3 000 lx六种水平[13]。色温选取4 000 K、5 000 K和 6 500 K三种常用色温，每0.5 h监测一次学生的脑电信号，观察其变化趋势。

2)实验对象。通过对招募的大学生志愿者进行预实验，连续3天进行生理指标测试，筛选出结果稳定的10名志愿者，随机分为2组，轮流进行实验，每组测试后休息1天。

萧飞羽左腕上的钢环转动得越来越快，显然是否接受天问大师的赌约他一时难以取舍。当他终于按住转动的钢环，目光却落在武成龙身上。武成龙似乎知道他企图进一步确定什么急忙传音：“语出无悔，承诺是金，天问大师和紫阳道长口碑更胜只手拿云。只是除了黑白双煞实力不为属下所知，其他人应战会有违三少收服天问大师和紫阳道长的初衷。”

3)实验流程。通过实验室模拟教室照明环境，选用相同型号不同色温的LED灯管，通过改变灯管的数量和高度来改变工作面的照度，实现设定的光环境。志愿者每天下午两点开始实验，光照前测试一次脑电信号，然后开始自习，每0.5 h再测试一次。实验持续3 h，期间可以阅读和书写，不能使用手机、平板电脑等电子设备。

3 实验结果

3.1 色温对脑疲劳的影响

随着色温的提高，Rδ+θ值增加，表明受试者的脑疲劳程度越高，6 500 K色温引起脑疲劳的程度最高，而4 000 K最低；Rα值的变化趋势正好相反；Rβ值变化不明显，但5 000 K色温的Rβ值最高，说明此时被试者的精神兴奋性最高，脑疲劳程度适中(见图1)。学习效率的提高伴随着一定的脑疲劳和精神兴奋性提高和焦虑感，综合Rδ+θ值、Rβ值和Rα值的变化，发现5 000 K色温条件下，受试者的脑疲劳程度不高，但精神兴奋性最好。

首先，我们需要把理解人类思维的运作方式放在更高的优先级上，特别是关于我们自己的智慧和同情心是如何培养出来的。如果我们在人工智能上投入太多，而在开发人类头脑方面的工作太少，那么复杂的计算机人工智能可能只会增强人类的愚蠢，并培养我们最坏（但可能也是最强大）的冲动，其中包括贪婪和仇恨。为了避免这样的结果，对于我们投资于改进人工智能的每一美元和每一分钟，明智的选择应当是将其投资在探索和发展人类意识方面。

图1 Rδ+θ值、Rα值和Rβ值随色温的变化趋势图
Fig.1 Trend chart of Rδ+θ,Rα and Rβ value with color temperature

3.2 照度对脑疲劳的影响

随着照度的提高，Rδ+θ值先减小后增大，2 500 lx对应的Rδ+θ值最大，2 000 lx对应的Rδ+θ值最小，说明过高的照度更容易引起脑疲劳，且程度更深，在合理的照度范围内，脑疲劳的程度随着照度值的提高而减小。随着照度的增加，Rα值先增加后减小，1 500 lx对应的Ra值最大，3 000 lx对应的Rα值最小(见图2)；照度小于1 500 lx时，Rβ值基本稳定，变化不明显，超过1 500 lx后迅速增加，3 000 lx对应的Rβ值最高，1 500 lx对应的Rβ值最小，说明低于1 500 lx的范围内，受试者处于一种较为放松的学习状态。随着照度的提高(不超过1 500 lx)，学生的精神兴奋度变化不明显，照度超过1 500 lx后，学生的精神兴奋性受到刺激迅速提高，同时脑疲劳也开始增加。综合考虑脑疲劳程度和精神兴奋性，照度最佳水平为2 000 lx。

图2 Rδ+θ值、Rα值和Rβ值随照度的变化趋势图
Fig.2 Trend chart of Rδ+θ,Rα and Rβ value with illumination

图3 Rδ+θ值、Rα值和Rβ值随光照时间的变化趋势图
Fig.3 Trend chart of Rδ+θ,Rα and Rβ value with time

3.3 光照时间对脑疲劳的影响

随着光照时间的延长，Rδ+θ值逐渐增大，超过2.5 h后急剧增加，说明光照时间越久，脑疲劳程度越深，且逐渐加速。随着光照时间的增加，Rα值逐渐降低，光照前期缓慢变小，超过1.5 h后，Rα值迅速下降；Rβ值先增加后减小，光照2 h左右Rβ值最高(见图3)；综合Rα值和Rβ值的变化规律，说明光照时间在2 h内，受试者的精神兴奋性随光照时间的增加逐渐缓慢增高，超过2 h后，精神兴奋性降低，脑疲劳程度加深。综合考虑脑疲劳程度和精神兴奋性，最佳光照时间为1.5 h或2 h。

4 结论

随着色温的提高，被试者的脑疲劳程度增大，6 500 K色温下学生的脑疲劳最严重；5 000 K色温的精神兴奋性最高，脑疲劳程度适中。随着照度的增加，脑疲劳先减小后增大；过高的照度更容易引起脑疲劳，而且脑疲劳程度更深；在合理的照度范围内(不超过1 500 lx)，脑疲劳的程度随着照度值的提高而减小；综合考虑脑疲劳和精神兴奋性的要求，照度最佳水平为2 000 lx。随着光照时间的增加，受试者的脑疲劳程度越深；受试者的精神兴奋性随光照时间的增加逐渐增高，且增加速度较为缓慢；光照时间超过2 h后，精神兴奋性降低，脑疲劳程度加深。综合考虑脑疲劳程度和精神兴奋性的要求，最佳光照时间为1.5 h或2 h。当然，这仅是一个实验的结果，还不能说明这就是完整的科学结论，有关LED照明环境下脑疲劳的问题还有待进一步的研究。

参考文献

[1] 夏岚,王见荣,梁妃学,等.基于生理信号的精神疲劳评估[J].南方医科大学学报,2012,32(6):870-873.

[2] LAL SAROJ K L，CRAIG A.A critical review of the psychophysiology of driver fatigue[J].Biological Psychology，2001，55(3): 173-194.

[3] 曾堃，郝洛西.EEG作为光与情绪实验方法的探讨——以心内科CICU模拟病房白光环境实验为例[J].照明工程学报，2017，28(6): 42-47.

[4] 曹雪亮,苗丹民,刘练红.脑力疲劳评定方法现状[J].医学争鸣,2006,27(4):382-384.

[5] 张海军,王浩川.多导联EEG信号分类识别研究[J].计算机工程与应用,2008,44(24)：228.

[6] 季忠,秦树人,彭丽玲.脑电信号的现代分析方法[J].重庆大学学报,2002,25(9):108-112.

[7] 杨仁桓,宋爱国,徐宝国.基于谐波小波包变换的脑电波基本节律分析[J].东南大学学报(自然科学版),2008,38(6):996-999.

[8] 韩清鹏.利用EEG信号的小波包变换与非线性分析实现精神疲劳状态的判定[J].振动与冲击,2013,32(2):182-188.

[9] WANG L,NIE X,HAN QK.Quantitative estimation on human mental states with wavelet package transform of EEG signals[J].Theory and Practice of Chinese Medicine,2004,14 (11): 1580-1585.

[10] 刘加平.建筑物理[M].北京：中国建筑工业出版社，2009.

[11] 建筑照明设计标准: GB 50034—2013[S].北京: 中国建筑工业出版社，2013.

Changes in EEG Signals of Students in Different LED Lighting Environments

YANG Chunyu1,2，WANG Tongyue1,2，LIANG Shuying1,2，XIANG Yiyan1,2，YANG Peiliang1,2，HE Wei1,2

(1.Faculty of Architecture and Urban Planning,Chongqing University,Chongqing 400045,China;2.Key Laboratory of New Technology for Construction of Cities in Mountain Area of the Ministry of Education,Chongqing University,Chongqing 400045,China)

Abstract：Poor lighting environment in the classroom can easily lead to fatigue,thus reducing the learning efficiency.Through laboratory simulation of classroom lighting environment,volunteers can study for 3 hours in LED lighting environment with different illumination levels (500 lx,1 000 lx,1 500 lx,2 000 lx,2 000 lx and 3 000 lx)and color temperature (4 000 K,5 000 K and 6 500 K).In each half hour,we monitored the brain electrical signal (EEG),and analyzed its frequency band energy proportional R value to determine the degree of brain fatigue and the change of mental excitability.The results showed that,with the improvement of illumination,students’ brain fatigue decreased first and then increased,and the brain fatigue was the lowest in the 2 000 lx illumination group,indicating that excessive illumination was more likely to cause brain fatigue.The initial change of mental excitability was not obvious,and it increased significantly after 1 500 lx.With the increase of color temperature,the brain fatigue gradually increased,and the mental excitability increased first and then decreased.The effect of light time was similar to that of color temperature,and the fatigue of brain was increased with time,and the speed was accelerated.With the increase of time,the mental excitability increased first and then decreased.

Key words:LED;classroom lighting;illumination;color temperature;EEG

中图分类号：TM923

文献标识码：A

DOI:10.3969/j.issn.1004-440X.2019.02.012

基金项目：国家自然科学基金面上项目——基于光气候分区的高校室内照明与大学生抑郁情绪的光生物效应研究(批准号：51478060)，国家重点研发计划重点专项——公共建筑光环境提升关键技术研究及示范(批准号：2018YFC0705102-04)