[發明專利]光電轉換器模塊識別方法及系統

在審

• 申請號: 201711493422.7
• 申請日: 2017-12-30
• 公開（公告）號: CN108090881A
• 公開（公告）日: 2018-05-29
• 發明（設計）人: 楊明;左璠;段正兵
• 申請（專利權）人: 武漢凌科通光電科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/42
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 吳陽

1.一種光電轉換器模塊識別方法，其特征在于，其包括如下步驟：

S1、建立光電轉換器中組件的三維圖像信息；

S2、根據光電轉換器中組件的三維圖像信息建立光電轉換器中組件的圖像識別模型；

S3、通過光電轉換器中組件的圖像識別模型對光電轉換器中模塊進行識別；

S4、將識別結果發動到遠程服務器進行統計，根據統計結果獲得光電轉換器的良品率。

2.如權利要求1所述的光電轉換器模塊識別方法，其特征在于，所述步驟S4包括：

遠程服務器獲取識別結果，并根據識別結果獲取光電轉換器中不同模塊對應的良品率；

篩選良品率低于預設良品率閾值的光電轉換器相應的模塊，并獲取良品率低于預設良品率閾值的原因。

3.如權利要求1所述的光電轉換器模塊識別方法，其特征在于，

所述步驟S2中根據光電轉換器中組件的三維圖像信息建立光電轉換器中組件的圖像識別模型包括：

基于besov空間的多小波域光電轉換器中模塊圖像消除噪聲；對光電轉換器中模塊圖像進行連續多小波變換；

將小波域的圖像信息載體小波系數映射到besov空間，使得多次映射后的小波系數滿足消噪代價函數；

對消噪后的圖像進行再次小波變換，從變換后的小波系數中提取能量或統計模型特征以刻畫光電轉換器中模塊圖像的紋理，并將紋理特征用以魯棒貝葉斯神經網絡進行訓練和測試。

4.如權利要求3所述的光電轉換器模塊識別方法，其特征在于，所述從變換后的小波系數中提取能量或統計模型特征包括：

對多小波域消噪后的光電轉換器中模塊圖像進行再次小波變換，提取小波系數1范數和2范數能量值或統計模型特征作為魯棒貝葉斯神經網絡的輸入。

5.一種光電轉換器模塊識別系統，其特征在于，其包括如下單元：

圖像信息獲取單元，用于建立光電轉換器中組件的三維圖像信息；

模型建立單元，用于根據光電轉換器中組件的三維圖像信息建立光電轉換器中組件的圖像識別模型；

識別單元，用于通過光電轉換器中組件的圖像識別模型對光電轉換器中模塊進行識別；

統計分析單元，用于將識別結果發動到遠程服務器進行統計，根據統計結果獲得光電轉換器的良品率。

6.如權利要求5所述的光電轉換器模塊識別系統，其特征在于，所述統計分析單元包括：

遠程服務器獲取識別結果，并根據識別結果獲取光電轉換器中不同模塊對應的良品率；

篩選良品率低于預設良品率閾值的光電轉換器相應的模塊，并獲取良品率低于預設良品率閾值的原因。

7.如權利要求5所述的光電轉換器模塊識別系統，其特征在于，

所述模型建立單元中根據光電轉換器中組件的三維圖像信息建立光電轉換器中組件的圖像識別模型包括：

基于besov空間的多小波域光電轉換器中模塊圖像消除噪聲；對光電轉換器中模塊圖像進行連續多小波變換；

將小波域的圖像信息載體小波系數映射到besov空間，使得多次映射后的小波系數滿足消噪代價函數；

對消噪后的圖像進行再次小波變換，從變換后的小波系數中提取能量或統計模型特征以刻畫光電轉換器中模塊圖像的紋理，并將紋理特征用以魯棒貝葉斯神經網絡進行訓練和測試。

8.如權利要求7所述的光電轉換器模塊識別系統，其特征在于，所述從變換后的小波系數中提取能量或統計模型特征包括：

對多小波域消噪后的光電轉換器中模塊圖像進行再次小波變換，提取小波系數1范數和2范數能量值或統計模型特征作為魯棒貝葉斯神經網絡的輸入。