CN119417746A 一种led产品表面缺陷检测方法 （科大讯飞华南人工智能研究院（广州）有限公司）

本申请提供一种LED产品表面缺陷检测方LED表面图像进行缺陷特征提取，通过设置不同态特征和空间分布细节属性，构建缺陷特征向2根据LED产品类型数据库中预设的参数范围获取当前LED产品的尺寸特征和表面特性采用多尺度形态学算法对预处理后的LED表面图像进行缺陷特征提取，通过设置不同2.根据权利要求1所述的方法，其中，所述根据L获取所述LED产品的尺寸特征和表面特性信息，从LED产品参数数据采用K近邻算法对所述LED产品进行初步分类，计算LED产品与所述数据库中已知产品通过投票法确定所述LED产品的类别标识符，从LED产品参数数据库若所述光源参数初始配置与光源参数初始配置值不一致，则3.根据权利要求1所述的方法，其中，所述采用3度学习中的卷积神经网络模型对LED表面特性进行精细化分析，得到表面纹理和光泽度特获取LED表面图像，采用中值滤波算法对所述LED表面图像进行去将所述LED表面轮廓特征图转换为固定大小的像素图像块，对所述图像块进行灰度化从所述卷积神经网络的最后一个全连接层获取特征向量，通过回归算法根据所述LED产品类别标识符和表面特征参数，从所述光源参数数据库中检索匹配度采用遗传算法对所述初始光源参数进行编码，生成包含光源亮度若达到预设的最大迭代次数或连续多代最优适应度变化小于预设通过光学仿真软件模拟所述最优光源配置参数的光源效果，计算光5.根据权利要求1所述的方法，其中，所述根据LED表面特征的统计分析结果设置不同大小和形状的结构元素，所述结构元素包采用所述圆形结构元素对LED表面图像进行多尺度形态学开运算，得到表面凹陷的候将所述凹陷候选区域和所述划痕候选区域进行合并，采用区域生长4获取凹陷和划痕的候选区域图像，根据所述候选区域图像计通过计算圆度、矩形度和不规则度得到缺陷区域的形态特征，其中所述不将所述几何尺寸参数、形态特征和空间特征向量组合成多维特采用支持向量机算法对所述缺陷特征向量进行分类，所述支持向量机获取LED产品的缺陷分析结果和最优光源配置参数，建立多元线性回归模型作为所述根据所述光学性能评估模型，通过蒙特卡洛模拟计算得到所述LED产品的光学性能影根据所述预警信息中的缺陷类型和分布特点，采用遗传算法对光源参数进行动态调通过光学仿真软件验证调整后的LED性能，判断所述LED性能是否达到预设性能标准，若所述LED性能未达到所述预设性能标准且调整次数未达到最大值，则重复执行光源参数5根据获取的光源参数数据和缺陷特征数据，对所述数据进行异常值检测和标准化处将所述处理后的光源参数数据和缺陷特征数据添加至相应的从所述数据库中提取关键特征，采用Apriori算法分析缺陷与光源参数之间的关联规若关联规则的支持度大于预设的第一阈值且置信度大于预设的所述卷积神经网络包含卷积层、池化层和全连接层，以新增6[0004]根据LED产品类型数据库中预设的参数范围获取当前LED产品的尺寸特征和表面[0005]采用图像处理算法对获取的LED表面图像进行预处理，包括去噪和增强对比度操[0006]根据LED产品类别标识符和表面特征参数，从光源参数数据库中检索匹配的光源[0007]采用多尺度形态学算法对预处理后的LED表面图像进行缺陷特征提取，通过设置[0009]将最优光源配置参数与缺陷分析结果进行关联，评估缺陷对LED产品光学性能的[0012]本发明公开了一种LED产品表面缺陷检测方法，首先通过多层感知器神经网络对7本发明实现了LED产品表面缺陷的智能化检测和光源参数的自适应优化，提高了检测精度分析。根据所述线性插值法的比对分析结果，结合所述LED产品的尺寸特征和表面特性信8通过投票法确定当前LED产品的类别标识符为A。从数据库提取A类对应的光源参数初始配网络的最后一个全连接层获取特征向量，通过回归算法将所述特征向量映射为表面纹理、定大小的128x128像素图像块，对图像块进行灰度化处理，并将灰度值标准化到0－1范围积神经网络的最后一个全连接层获取特征向量，通过回归算法将特征向量映射为表面纹9[0025]根据所述LED产品类别标识符和表面特征参数，从所述光源参数数据库中检索匹算每个染色体的适应度函数值，适应度函数值结合所述LED产品表面特征参数与光源参数设置不同大小和形状的结构元素，分别对表面凹陷和细微划痕进行形态学开运算和闭运[0028]根据LED表面特征的统计分析结果设置不同大小和形状的结构元素，所述结构元素包括圆形结构元素和线形结构元素。采用所述圆形结构元素对LED表面图像进行多尺度不规则度得到缺陷区域的形态特征，其中所述不规则度由周长平方与面积的比值计算得的几何尺寸、形态特征和空间分布特征组合成一个多维特征向量，对特征向量进行Z-陷、3个划痕，准确率100％。缺陷位置坐标通过质心计算得出，最大凹陷中心位于(500，[0034]获取LED产品的缺陷分析结果和最优光源配置参数，建立多元线性回归模型作为光学性能评估模型，通过蒙特卡洛模拟计算缺陷对LED产品光通量、色温和显色指数的影性能，设置最大调整次数为5次或