【技術實現步驟摘要】
本專利技術涉及信息，尤其涉及一種led產品表面缺陷檢測方法。
技術介紹
1、在led產品表面缺陷檢測系統中，存在一個復雜的技術難題。系統需要針對不同類型、尺寸和表面特性的led產品，動態調整光源和成像參數，以實現最佳的缺陷檢測效果。表面凹陷在低亮度下更易被察覺，而細微劃痕則在高亮度下更明顯。系統如何在這些相互制約的因素中找到平衡點，實現對各種缺陷類型的精準識別，同時保證檢測效率，是一個亟待解決的技術挑戰。這要求系統具備高度智能化的參數調控能力，能夠根據產品特性和缺陷類型，實時優化光源和成像參數，以適應不同檢測場景的需求。
技術實現思路
1、本專利技術提供了一種led產品表面缺陷檢測方法，主要包括：
2、根據led產品類型數據庫中預設的參數范圍獲取當前led產品的尺寸特征和表面特性信息，通過多層感知器神經網絡模型對led產品進行初步分類，得到led產品的類別標識符和對應的光源參數初始配置；
3、采用圖像處理算法對獲取的led表面圖像進行預處理，包括去噪和增強對比度操作，通過邊緣檢測算法提取led表面輪廓特征，結合深度學習中的卷積神經網絡模型對led表面特性進行精細化分析，得到表面紋理和光澤度特征參數；
4、根據led產品類別標識符和表面特征參數，從光源參數數據庫中檢索匹配的光源亮度、角度和布局配置方案，通過遺傳算法對光源參數進行優化調整，得到適應當前led產品特性的最優光源配置參數；
5、采用多尺度形態學算法對預處理后的led表面圖像進
6、根據凹陷和劃痕的幾何尺寸、形態特征和空間分布細節屬性，構建缺陷特征向量，通過支持向量機算法對缺陷候選區域進行分類和嚴重程度評估，獲得缺陷的類型、位置和定量描述參數；
7、將最優光源配置參數與缺陷分析結果進行關聯，評估缺陷對led產品光學性能的影響，若缺陷嚴重程度超過預設閾值，則觸發預警機制，根據缺陷類型和分布特點，動態調整光源參數或啟動缺陷補償算法；
8、根據led產品的質量檢測結果，更新光源參數數據庫和缺陷特征數據庫，通過數據挖掘算法分析缺陷與光源參數之間的關聯規律，優化光源參數配置策略和缺陷檢測模型。
9、本專利技術實施例提供的技術方案可以包括以下有益效果：
10、本專利技術公開了一種led產品表面缺陷檢測方法，首先通過多層感知器神經網絡對led產品進行初步分類，實現了對led產品的準確分類和初步的光源參數配置，解決了以往分類不準確和光源配置不合理的問題；然后利用卷積神經網絡分析led表面特性，提取表面紋理、光澤度特征參數，提高了對led表面特性的分析精度，之后利用遺傳算法優化光源配置參數，實現根據led產品特性獲得最佳光源配置；同時，采用多尺度形態學算法和支持向量機對led表面缺陷進行檢測和評估，使檢測與評估的更全面準確；最后，將光源配置與缺陷分析結果關聯，評估缺陷影響并動態調整參數，實現led產品質量檢測與光源優化的閉環控制，能夠及時處理嚴重缺陷對光學性能的影響，并實現檢測模型的持續實時改進。綜上，本專利技術實現了led產品表面缺陷的智能化檢測和光源參數的自適應優化，提高了檢測精度和效率。
本文檔來自技高網...【技術保護點】
1.一種LED產品表面缺陷檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其中，所述根據LED產品類型數據庫中預設的參數范圍獲取當前LED產品的尺寸特征和表面特性信息，通過多層感知器神經網絡模型對LED產品進行初步分類，得到LED產品的類別標識符和對應的光源參數初始配置，包括：
3.根據權利要求1所述的方法，其中，所述采用圖像處理算法對獲取的LED表面圖像進行預處理，包括去噪和增強對比度操作，通過邊緣檢測算法提取LED表面輪廓特征，結合深度學習中的卷積神經網絡模型對LED表面特性進行精細化分析，得到表面紋理和光澤度特征參數，包括：
4.根據權利要求1所述的方法，其中，所述根據LED產品類別標識符和表面特征參數，從光源參數數據庫中檢索匹配的光源亮度、角度和布局配置方案，通過遺傳算法對光源參數進行優化調整，得到適應當前LED產品特性的最優光源配置參數，包括：
5.根據權利要求1所述的方法，其中，所述采用多尺度形態學算法對預處理后的LED表面圖像進行缺陷特征提取，通過設置不同大小和形狀的結構元素，分別對表面凹陷和細微劃
6.根據權利要求1所述的方法，其中，所述根據凹陷和劃痕的幾何尺寸、形態特征和空間分布細節屬性，構建缺陷特征向量，通過支持向量機算法對缺陷候選區域進行分類和嚴重程度評估，獲得缺陷的類型、位置和定量描述參數，包括：
7.根據權利要求1所述的方法，其中，所述將最優光源配置參數與缺陷分析結果進行關聯，評估缺陷對LED產品光學性能的影響，若缺陷嚴重程度超過預設閾值，則觸發預警機制，根據缺陷類型和分布特點，動態調整光源參數或啟動缺陷補償算法，包括：
8.根據權利要求1所述的方法，其中，所述根據LED產品的質量檢測結果，更新光源參數數據庫和缺陷特征數據庫，通過數據挖掘算法分析缺陷與光源參數之間的關聯規律，優化光源參數配置策略和缺陷檢測模型，包括：
...【技術特征摘要】
1.一種led產品表面缺陷檢測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其中，所述根據led產品類型數據庫中預設的參數范圍獲取當前led產品的尺寸特征和表面特性信息，通過多層感知器神經網絡模型對led產品進行初步分類，得到led產品的類別標識符和對應的光源參數初始配置，包括：
3.根據權利要求1所述的方法，其中，所述采用圖像處理算法對獲取的led表面圖像進行預處理，包括去噪和增強對比度操作，通過邊緣檢測算法提取led表面輪廓特征，結合深度學習中的卷積神經網絡模型對led表面特性進行精細化分析，得到表面紋理和光澤度特征參數，包括：
4.根據權利要求1所述的方法，其中，所述根據led產品類別標識符和表面特征參數，從光源參數數據庫中檢索匹配的光源亮度、角度和布局配置方案，通過遺傳算法對光源參數進行優化調整，得到適應當前led產品特性的最優光源配置參數，包括：
5.根據權利要求1所述的方法，其...
【專利技術屬性】
技術研發人員：周國華，陳彬，杜軼鋒，程大龍，曾文君，尹力，
申請(專利權)人：科大訊飛華南人工智能研究院廣州有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。