[發明專利]發光源檢測系統與方法

有效

• 申請號: 201711444310.2
• 申請日: 2017-12-27
• 公開（公告）號: CN109975299B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 李后賢
• 申請（專利權）人: 群光電子股份有限公司
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇;王寧

1.一種發光源檢測方法，包括：

獲取步驟：獲取檢測畫面，所述檢測畫面包括有多個待測區圖像，所述待測區圖像分別位于所述檢測畫面上多個默認區域；

圖像處理步驟：將所述待測區圖像分別處理成具有相同二維數量的多個二維像素，其特征在于，各所述二維像素具有光學信息；以及

檢測步驟：讀取各所述待測區圖像的所述二維像素，并根據檢測模型以檢測各個所述待測區圖像的所述二維像素的所述光學信息，并判斷各個所述待測區圖像為合格圖像或失格圖像，其中所述檢測模型是指依據深度學習算法進行人工智能演算、并獲得輸出層演算結果的人工智能算法模型，且所述輸出層演算結果包括所述合格圖像及所述失格圖像；

所述檢測步驟中的所述檢測模型是由下列步驟獲得：

取樣步驟：獲取對應于所述檢測畫面的樣本畫面，所述樣本畫面包括合格區圖像與失格區圖像，所述合格區圖像與所述失格區圖像分別位于所述樣本畫面上并對應于所述待測區圖像的相同默認區域；

二維處理步驟：將所述合格區圖像與所述失格區圖像分別處理成具有相同二維數量的合格二維樣本像素與失格二維樣本像素，其中所述合格二維樣本像素具有合格光學信息，所述失格二維樣本像素具有失格光學信息；以及

深度學習步驟：讀取所述合格區圖像的所述合格二維樣本像素與所述失格區圖像的所述失格二維樣本像素、并根據所述深度學習算法，以所述合格光學信息與所述失格光學信息分別進行人工智能演算，獲得用以判斷出所述輸出層演算結果的所述檢測模型。

2.如權利要求1所述的發光源檢測方法，其特征在于，所述深度學習算法為深度神經網絡算法、卷積神經網絡算法、深度置信網絡算法、遞歸神經網絡算法或深度信念網絡算法。

3.如權利要求1所述的發光源檢測方法，其特征在于，所述圖像處理步驟中的各個所述二維像素的所述光學信息為亮度信息、色頻信息或其組合。

4.如權利要求1所述的發光源檢測方法，其特征在于，所述圖像處理步驟中各個所述二維像素的所述光學信息包括亮度信息，所述合格圖像是指各個所述待測區圖像的所述亮度信息大于亮度閥值的圖像，所述失格圖像是指各個所述待測區圖像的所述亮度信息小于所述亮度閥值的圖像。

5.如權利要求1所述的發光源檢測方法，其特征在于，所述圖像處理步驟中各個所述二維像素的所述光學信息包括色頻信息，所述合格圖像是指各個所述待測區圖像的所述色頻信息大于色頻閥值的圖像，所述失格圖像是指各個所述待測區圖像的所述色頻信息小于所述色頻閥值的圖像。

6.如權利要求1所述的發光源檢測方法，其特征在于，所述圖像處理步驟中各個所述二維像素的所述光學信息為色頻信息，所述色頻信息包括紅光信息、綠光信息、藍光信息或其組合。

7.如權利要求1所述的發光源檢測方法，其特征在于，所述獲取步驟中的所述檢測畫面為減光后畫面。

8.如權利要求1所述的發光源檢測方法，其特征在于，所述圖像處理步驟中的所述相同二維數量介于18×18至42×42之間。

9.如權利要求8所述的發光源檢測方法，其特征在于，所述圖像處理步驟中的所述相同二維數量介于30×30至32×32之間。