LED灯珠缺陷检测和评估方法、装置、计算机设备及介质制造方法及图纸

本发明专利技术公开了一种LED灯珠缺陷检测和评估方法，包括获取整体的LED灯珠图像，形成I类标签图像；将I类标签图像进行语义分割处理，得到多个单一的LED灯珠图像；对多个单一的LED灯珠图像分别进行标签化处理，得到多个II类标签数据；通过多个II类标签数据对深度神经网络模型进行训练和测试，得到LED灯珠缺陷检测模型；对所有II类标签数据进行抽样检测，构建抽样模型；将待检测的多个单一的LED灯珠图像输入LED灯珠缺陷检测模型中进行检测，并将LED灯珠缺陷检测模型的检测结果输入抽样模型中进行评估；将抽样模型的评估结果A根据阈值N

【技术实现步骤摘要】
LED灯珠缺陷检测和评估方法、装置、计算机设备及介质


[0001]本专利技术涉及计算机视觉与概率抽样检验
，尤其涉及一种LED灯珠缺陷检测和评估方法、装置、计算机设备及介质。

技术介绍

[0002]LED(lighting emitting diode)灯珠具有体积小、发光效率高、寿命长、节能环保等优点，可以应用照明、背光、家电指示灯等多个场合。LED灯珠缺陷检测一直是灯珠封装厂商生产过程中的重要一环，需要对LED灯珠进行光电性能、外观全检以剔除光电性能失效和有外观缺陷的不良品。
[0003]目前外观缺陷不良检测主要还是依靠人员视力观察来完成，LED缺陷种类有数十种，这不仅需要检验人员很高的能力要求，且效率低，经常会漏检。

技术实现思路

[0004]本专利技术要解决的技术问题是：为了解决现有技术中LED灯珠检测效率低且漏检率高的技术问题，本专利技术提供一种LED灯珠缺陷检测和评估方法，通过将LED灯珠图像进行标签化处理并输入LED灯珠缺陷检测模型进行检测，对LED灯珠缺陷检测模型的检测结果再进行抽样评估，可以提高检测的准确率。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种LED灯珠缺陷检测和评估方法，包括以下步骤：
[0006]S1：获取LED灯珠板图像，对所述LED灯珠板图像进行处理，获得整体的LED灯珠图像，形成I类标签图像；
[0007]S2：将所述I类标签图像进行语义分割处理，得到多个单一的LED灯珠图像；
[0008]S3：对所述多个单一的LED灯珠图像分别进行标签化处理，得到多个II类标签数据；
[0009]S4：将多个所述II类标签数据分成训练集和测试集，通过所述训练集对深度神经网络模型进行训练，通过所述测试集对所述深度神经网络模型进行测试，得到LED灯珠缺陷检测模型；
[0010]S5：对所有所述II类标签数据进行抽样检测，根据抽样检测的结果构建抽样模型；
[0011]S6：获取待检测的LED灯珠板图像并进行处理，获得整体的待检测的LED灯珠图像，形成待检测的I类标签图像；对所述待检测的I类标签图像进行语义分割处理，得到待检测的多个单一的LED灯珠图像；将所述待检测的多个单一的LED灯珠图像输入所述LED灯珠缺陷检测模型中进行检测，并将所述LED灯珠缺陷检测模型的检测结果输入所述抽样模型中进行评估；
[0012]S7：将所述抽样模型的评估结果A根据阈值N
ij
和M
ij
进行对比并归类存储，根据对比结果判断是否需要进行人工复检。
[0013]本专利技术的LED灯珠缺陷检测和评估方法，通过对LED灯珠板图像进行分割，可以一
次性获得多个单一的LED灯珠图像，并能快速地对这些LED灯珠图像进行标记(标记缺陷种类)；利用这些带标记的LED灯珠图像对深度神经网络模型进行训练得到LED灯珠缺陷检测模型；将待检测的LED灯珠图像输入该LED灯珠缺陷检测模型中进行检测，再利用抽样模型对该检测结果进行二次评估，可以更为准确地评判LED灯珠的缺陷情况，并且可以简化神经网络结构，提高模型的运算效率。
[0014]进一步，具体的，根据所述阈值N
ij
和M
ij
将所述评估结果A分为A1、A2和A3三类，A1为大于所述阈值Nij的评估结果，A2为小于或等于所述阈值Nij且大于或等于所述阈值Mij的评估结果，A3为小于所述阈值Mij的评估结果；所述评估结果A1表示所述LED灯珠具有缺陷，所述评估结果A3表示所述LED灯珠没有缺陷，所述评估结果A2表示需要进行人工复检。这样不仅能够快速地判断LED灯珠是否具有缺陷，而且对于无法确定的评估结果进行人工复检，及时发现模型的缺陷并进行调整。
[0015]进一步，具体的，如果所述评估结果A1、A2或A3中的存储结果大于X张图像时，则重新进行步骤S4。其中，X例如可以是5000，如果每一类存储的结果大于5000张图像时，认为检测结果的误判率较大，需要重新优化LED灯珠缺陷检测模型。
[0016]进一步，具体的，如果人工复检发现检测结果的错误率超过10％时，根据所述评估结果A1、A2和A3中存储结果以及所述训练集重新进行步骤S4。当人工复检发现错误率较高时，也需要重新优化LED灯珠缺陷检测模型；这个过程是对LED缺陷检测模型检测结果的二次评估，可以尽快发现LED灯珠缺陷检测模型存在的问题，及时对模型进行优化和调整，进一步提高缺陷检测的准确率。
[0017]进一步，优选的，所述II类标签数据的编码位数为3
‑
5位，所述编码为0或1，所述编码0表示所述LED灯珠无缺陷，所述编码1表示所述LED灯珠有缺陷。通过设计的多位编码标签可以一次性辨别LED灯珠的多种缺陷，与传统的神经网络结构相比，采用编码标签后的网络结构能够更为简洁，降低运算的复杂程度，提高运算的效率。
[0018]进一步，优选的，所述阈值N
ij
和M
ij
分别设定为0.8和0.6。阈值的设定可以对抽样模型的评估结果进行分类，如果抽样模型的评估结果大于0.8时，则认为LED灯珠具有缺陷；如果抽样模型的评估结果小于0.6时，则认为LED灯珠没有缺陷；如果抽样模型的评估结果介于0.6和0.8之间(包含0.6和0.8)，则认为需要进行人工复检；阈值N
ij
和M
ij
分别设定为0.8和0.6可以提高评估结果的准确率，降低错检率和漏检率，使得检测结果的可信度更高。
[0019]进一步，优选的，所述训练集和测试集的比例为7:3。训练集内的数据是用来训练深度神经网络，并进行模型参数调整，测试集内的数据可以评估模型的检测能力，训练集和测试集的划分要尽可能保持数据分布的一致性。
[0020]进一步，优选的，所述抽样模型为X～N(μ,σ2)，所述抽样检测结果分为良品和缺陷品。随机变量X服从正态分布N(μ，σ2)，其中，μ为均值，σ2为方差，将II类标签数据带入可以求解参数μ，σ2，可以得到抽样模型的分布状态图，从中可以发现II类标签数据主要集中在哪一部分。
[0021]本专利技术还提供了一种LED灯珠缺陷检测和评估装置，用于实现如上所述LED灯珠缺陷检测和评估方法，包括：
[0022]获取模块，其被配置为获取LED灯珠板图像，对所述LED灯珠板图像进行处理，获得整体的LED灯珠图像，形成I类标签图像；
[0023]分割处理模块，其与所述获取模块连接，被配置为将所述I类标签图像进行语义分割处理，得到多个单一的LED灯珠图像；
[0024]标签处理模块，其与所述分割处理模块连接，被配置为对所述多个单一的LED灯珠图像分别进行标签化处理，得到多个II类标签数据；
[0025]训练模块，其与所述标签处理模块连接，被配置为将多个所述II类标签数据分成训练集和测试集，通过所述训练集对深度神经网络模型进行训练，通过所述测试集对所述深度神经网络模型进行测试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种LED灯珠缺陷检测和评估方法，其特征在于，包括以下步骤：S1：获取LED灯珠板图像，对所述LED灯珠板图像进行处理，获得整体的LED灯珠图像，形成I类标签图像；S2：将所述I类标签图像进行语义分割处理，得到多个单一的LED灯珠图像；S3：对所述多个单一的LED灯珠图像分别进行标签化处理，得到多个II类标签数据；S4：将多个所述II类标签数据分成训练集和测试集，通过所述训练集对深度神经网络模型进行训练，通过所述测试集对所述深度神经网络模型进行测试，得到LED灯珠缺陷检测模型；S5：对所有所述II类标签数据进行抽样检测，根据抽样检测的结果构建抽样模型；S6：获取待检测的LED灯珠板图像并进行处理，获得整体的待检测的LED灯珠图像，形成待检测的I类标签图像；对所述待检测的I类标签图像进行语义分割处理，得到待检测的多个单一的LED灯珠图像；将所述待检测的多个单一的LED灯珠图像输入所述LED灯珠缺陷检测模型中进行检测，并将所述LED灯珠缺陷检测模型的检测结果输入所述抽样模型中进行评估；S7：将所述抽样模型的评估结果A根据阈值N
ij
和M
ij
进行对比并归类存储，根据对比结果判断是否需要进行人工复检。2.如权利要求1所述的LED灯珠缺陷检测和评估方法，其特征在于，所述步骤S7具体包括：根据所述阈值N
ij
和M
ij
将所述评估结果A分为A1、A2和A3三类，A1为大于所述阈值N
ij
的评估结果，A2为小于或等于所述阈值N
ij
且大于或等于所述阈值M
ij
的评估结果，A3为小于所述阈值M
ij
的评估结果；所述评估结果A1表示所述LED灯珠具有缺陷，所述评估结果A3表示所述LED灯珠没有缺陷，所述评估结果A2表示需要进行人工复检。3.如权利要求2所述的LED灯珠缺陷检测和评估方法，其特征在于，如果所述评估结果A1、A2或A3中的存储结果大于X张图像时，则重新进行步骤S4。4.如权利要求2所述的LED灯珠缺陷检测和评估方法，其特征在于，如果人工复检发现检测结果的错误率超过10％时，根据所述评估结果A1、A2和A3中存储结果以及所述训练集重新进行步骤S4。5.如权利要求1所述的LED灯珠缺陷检测和评估方法，其特征在于，所述II类标签数据的编码位数为3
‑
5位，所述编码为0或1，所述编码0表示所述LED灯珠无缺陷，所述编码1表示所述LED灯珠有缺陷。6.如权利要求1或2任一项所述的LED灯珠缺陷检测和评估方法，其特...

【专利技术属性】
技术研发人员：任祥云，盛刚，何小元，徐向阳，刘跃斌，
申请(专利权)人：江苏欧密格光电科技股份有限公司，
类型：发明
国别省市：