应用机器视觉实现校园教室灯光智慧化是当下研究的热点,基于机器视觉的校园教室灯光主要存在如下问题:首先要获得众多校园教室灯光的状态数据,灯光无法点亮,导致教室图像获取困难;其次是在低照度情况下,摄像机难以对焦,图像中物体轮廓模糊,细节丢失,难以获得保留特征的图像数据;三是校园大教室中所处人员往往零散分布,教室灯光无法对点亮区域进行目标定位,做到有人位置开灯,空闲位置熄灯节能。针对以上问题本文主要工作如下:（1）教室灯光出现损坏而无法点亮时,实现基于机器视觉的校园教室灯光系统失效,必须监控教室灯光状态,设计校园教室灯光图像和控制数据通信系统。根据校园大楼分布、楼层教室数量、建筑间距等校园通信特点,分析教室灯光数据传输要求,提出了基于多层CAN总线的机器视觉数据通信系统,设计网络结构、网络节点ID地址分配、网络节点数据传送优先级、数据封装格式和发送接收过程即CAN总线应用层协议。使用Matlab Vehicle Network Toolbox进行CAN总线节点报文收发仿真,分别发送模拟信号、数字信号,并将接收到的信号与原信号进行对比。实验结果表明相位上有3s滞后,幅值和频率相同,总线数据传送可靠,符合实际应用需求。（2）在低亮度环境下,图像会隐藏视觉信息,为了获得清晰的原始图像数据,需要对教室灯光亮度控制。针对当前校园教室灯光亮度采用开环控制,无法根据教室环境光照强度动态调节教室灯光亮度的问题,设计校园教室灯光亮度控制器,并对控制器参数采用差分进化法整定。实验表明设计的教室灯光亮度控制器,能在0.2s时间内,使教室灯光光照强度值达到预期值,获得清晰的教室原始图像,为后续的图像特征提取提供保证。（3）为了实现教室有人位置开灯,空闲的位置关灯节能,通过对比传统的视觉目标检测算法和基于深度学习的目标检测算法,对基于深度学习的YOLOV4-Tiny视觉目标检测算法的卷积神经网络层的结构进行改进。将卷积网络层中的CSPBlock网络结构替换为Res Block-D网络结构,在同一卷积神经网络增加Res Net和直通通道,提升了模型检测速度,降低算法算力要求。通过使用2017COCO数据集训练模型,使用校园教室俯视照片作为测试数据。实验验证,改进后的算法参数计算量降低到6.4×107、物理内存占用小到845M、运行速度284FPS,检测精度38.1m AP（%）。