[發明專利]一種五面發光CSP LED的測試方法

有效

• 申請號: 201910746013.6
• 申請日: 2019-08-13
• 公開（公告）號: CN110987370B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 王洪;黃天來;賴軍
• 申請（專利權）人: 中山市華南理工大學現代產業技術研究院;華南理工大學
• 主分類號: G01M11/02
• 分類號: G01M11/02;G01R31/26;G01J5/60
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 江裕強

1.一種五面發光CSP LED的測試方法，其特征在于，所述方法包括以下步驟：

(1)將CSP LED在第一白膜上緊密排列，形成M×N的第一矩陣，相鄰CSP LED之間的間距為第一間距，第一間距不大于0.3mm，其中，M和N是正整數，測試所述第一矩陣上的CSP LED的色溫值即第一色溫值，CSP LED單獨排布時的色溫值為單獨色溫值，相鄰CSP LED之間的間距為第一間距時，第一色溫值與單獨色溫值之間的差值絕對值大于閾值500K；

(2)將第一矩陣上的CSP LED重新排列在第二白膜上，形成M×N的第二矩陣，相鄰CSPLED之間的間距為第二間距，CSP LED在第一矩陣和第二矩陣的坐標不變，測試所述第二矩陣上的CSP LED的色溫值即第二色溫值，相鄰CSP LED之間的間距為第二間距時，第二色溫值與單獨色溫值之間的差值絕對值不大于100K；

(3)將第一色溫值作為特征數據，第二色溫值作為標簽數據，將第一色溫值構建特征向量，對每一顆CSP LED的特征向量添加相對應的標簽數據得到含有標簽數據的數據集，并將數據集劃分為測試集和訓練集；

(4)用訓練集訓練隨機森林模型，將訓練好的隨機森林模型修正測試集得到準確率，根據準確率調整隨機森林模型的參數，取準確率最高時的參數作為隨機森林模型的參數。

2.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，CSP LED排列在白膜上，CSP LED上有電極一側朝上，CSP LED的熒光膠層與白膜接觸。

3.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，色溫值采用全自動LED晶粒探針測試臺進行測試，同時記錄CSP LED在第一矩陣和第二矩陣的坐標(n,m)，其中，0≤nN，0≤mM，n和m均為自然數。

4.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，所述特征數據包括待修正的CSP LED的第一色溫值和所述待修正的CSP LED鄰近外圍a圈CSP LED的第一色溫值；所述鄰近外圍a圈的確定方法包括：當圈數為a時，CSP LED構成(2a+1)×(2a+1)的矩陣排列，a為正整數；測量(2a+1)×(2a+1)的矩陣正中心的CSP LED在矩陣排列的圈數為a和a+1兩種情況下的色溫值，兩種情況下的色溫值之差的絕對值小于100K時，圈數設定為a。

5.根據權利要求4所述的五面發光CSP LED的測試方法，其特征在于，所述CSP LED在白膜上排列時鄰近外圍沒有完整a圈CSP LED時，色溫值用0填充。

6.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，將數據集進行劃分時，數據集數量的70％到80％作為訓練集，其余數據集作為測試集。

7.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，隨機森林模型為Scikit-learn庫所提供的RandomForestRegressor模塊。

8.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，隨機森林模型的修正正確的判定步驟為：

(401)訓練好的隨機森林模型對所述測試集進行計算得到修正后的色溫值；

(402)將修正后的色溫值與測試集對應的標簽數據相減得到差值；(403)將差值的絕對值除以測試集對應的標簽數據，得商值；

(404)將商值與閾值P進行比較，若小于等于閾值P，則視為修正正確，反之，視為修正錯誤，其中，所述閾值P滿足：0≤P＜1。

9.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，將第一矩陣上的CSP LED重新排列在第二白膜上采用的是LED晶粒分選機。

10.根據權利要求1所述的五面發光CSP LED的測試方法，其特征在于，隨機森林模型的參數包括最大特征數，決策樹最大深度和最大的弱學習器的個數。