基于人工智能的光源检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能领域，公开了一种基于人工智能的光源检测方法、装置、设备及存储介质，用于提高光源检测的准确率。方法包括：对光源温度变化曲线进行曲线特征提取，得到光源温度特征向量，并对光源亮度分布曲线进行曲线特征分析，得到光源亮度特征向量，以及对光源色温分布图进行分布特征解析，得到光源色温特征向量；将光源温度特征向量输入第一散热性能分析模型进行散热性能分析，得到第一散热性能分析指标；将光源亮度特征向量和光源色温特征向量输入第二散热性能分析模型进行散热性能分析，得到第二散热性能分析指标；根据第一散热性能分析指标和第二散热性能分析指标生成散热参数调整集合。热参数调整集合。热参数调整集合。

【技术实现步骤摘要】
基于人工智能的光源检测方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能领域，尤其涉及一种基于人工智能的光源检测方法、装置、设备及存储介质。

技术介绍

[0002]随着科技的发展和人们对视觉传感器应用的增加，对光源性能的检测和分析变得越来越重要。光源作为视觉传感器的输入源，其温度、亮度和色温等参数对传感器的工作和成像效果具有重要影响。
[0003]然而，现有方案往往需要依赖领域专家的经验和主观判断，这导致提取的特征不够客观和全面，并且单一的散热性能分析指标生成，缺乏对多个指标的综合考虑，进而导致现有方案的准确率较低。

技术实现思路

[0004]本专利技术提供了一种基于人工智能的光源检测方法、装置、设备及存储介质，用于提高光源检测的准确率。
[0005]本专利技术第一方面提供了一种基于人工智能的光源检测方法，所述基于人工智能的光源检测方法包括：获取目标光源的光源性能数据，并对所述光源性能数据进行数据集分类，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据；根据所述光源温度参数数据构建光源温度变化曲线，并根据所述光源亮度参数数据生成光源亮度分布曲线，以及根据所述光源色温参数数据生成光源色温分布图；对所述光源温度变化曲线进行曲线特征提取，得到光源温度特征向量，并对所述光源亮度分布曲线进行曲线特征分析，得到光源亮度特征向量，以及对所述光源色温分布图进行分布特征解析，得到光源色温特征向量；将所述光源温度特征向量输入预置的第一散热性能分析模型进行散热性能分析，得到第一散热性能分析指标；将所述光源亮度特征向量和所述光源色温特征向量输入预置的第二散热性能分析模型进行散热性能分析，得到第二散热性能分析指标；根据所述第一散热性能分析指标和所述第二散热性能分析指标生成所述目标光源的散热参数调整集合。
[0006]结合第一方面，在本专利技术第一方面的第一种实现方式中，所述获取目标光源的光源性能数据，并对所述光源性能数据进行数据集分类，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据，包括：获取目标光源的光源性能数据，同时，获取温度数据标签、亮度数据标签以及色温数据标签；基于所述温度数据标签、所述亮度数据标签以及所述色温数据标签，对所述光源
性能数据进行标签聚类分析，得到第一温度参数数据、第一亮度参数数据以及第一色温参数数据；分别对所述第一温度参数数据、所述第一亮度参数数据和所述第一色温参数数据进行数据清洗，得到第二温度参数数据、第二亮度参数数据以及第二色温参数数据；分别对所述第二温度参数数据、所述第二亮度参数数据以及所述第二色温参数数据进行数据标准化处理，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据。
[0007]结合第一方面，在本专利技术第一方面的第二种实现方式中，所述根据所述光源温度参数数据构建光源温度变化曲线，并根据所述光源亮度参数数据生成光源亮度分布曲线，以及根据所述光源色温参数数据生成光源色温分布图，包括：对所述光源温度参数数据进行参数离散化处理，得到离散化温度参数，并对所述离散化温度参数进行曲线拟合，生成光源温度变化曲线；对所述光源亮度参数数据进行区间划分，得到多个目标区间，并计算每个目标区间的亮度频率数据；基于预置的概率密度函数对所述亮度频率数据进行曲线拟合，得到光源亮度分布曲线；对所述光源色温参数数据进行区域划分，得到多个光源区域，并计算每个光源区域的色温平均值；通过预置的热力分布函数对每个光源区域的色温平均值进行分布映射，得到光源色温分布图。
[0008]结合第一方面，在本专利技术第一方面的第三种实现方式中，所述对所述光源温度变化曲线进行曲线特征提取，得到光源温度特征向量，并对所述光源亮度分布曲线进行曲线特征分析，得到光源亮度特征向量，以及对所述光源色温分布图进行分布特征解析，得到光源色温特征向量，包括：计算所述光源温度变化曲线的峰值温度、最小温度以及温度变化速率，并对所述峰值温度、所述最小温度以及所述温度变化速率进行向量编码转换，得到光源温度特征向量；获取所述光源亮度分布曲线的第一亮度特征集合，同时，获取所述光源亮度分布曲线的第二亮度特征集合，其中，所述第一亮度特征集合包括亮度分布的均值、方差、峰度以及偏度，所述第二亮度特征集合包括峰值亮度、亮度变化范围以及分布形态；对所述第一亮度特征集合和所述第二亮度特征集合进行向量转换，得到光源亮度特征向量；计算所述光源色温分布图的色温分布特征，其中，所述色温分布特征包括：色温分布的均匀性和色温变化范围；根据所述色温分布特征提取所述光源色温分布图的关键特征，其中，所关键特征包括色温均值、色温峰值以及主要色温区域；对所述关键特征进行向量转换，得到光源色温特征向量。
[0009]结合第一方面，在本专利技术第一方面的第四种实现方式中，所述将所述光源温度特征向量输入预置的第一散热性能分析模型进行散热性能分析，得到第一散热性能分析指标，包括：
将所述光源温度特征向量输入预置的第一散热性能分析模型，其中，所述第一散热性能分析模型包括双层长短时记忆网络以及两层全连接层；将所述光源温度特征向量输入所述双层长短时记忆网络进行特征提取，得到目标温度特征向量；将所述目标温度特征向量输入所述两层全连接层进行特征分类和预测，得到第一散热性能分析指标。
[0010]结合第一方面，在本专利技术第一方面的第五种实现方式中，所述将所述光源亮度特征向量和所述光源色温特征向量输入预置的第二散热性能分析模型进行散热性能分析，得到第二散热性能分析指标，包括：对所述光源亮度特征向量和所述光源色温特征向量进行向量融合，得到目标融合向量；将所述目标融合向量输入预置的第二散热性能分析模型中，其中，所述第二散热性能分析模型包括：两层卷积网络和归一化函数；将所述目标融合向量输入所述两层卷积网络进行融合特征提取，得到融合特征向量；将所述融合特征向量输入所述归一化函数进行归一化预测，输出第二散热性能分析指标。
[0011]结合第一方面，在本专利技术第一方面的第六种实现方式中，所述根据所述第一散热性能分析指标和所述第二散热性能分析指标生成所述目标光源的散热参数调整集合，包括：构建第一散热性能分析指标对应的第一散热参数映射模型，以及构建第二散热性能分析指标对应的第二散热参数映射模型；基于所述第一散热参数映射模型匹配对应的第一散热参数组合，以及根据所述第二散热参数映射模型查找对应的第二散热参数组合；对所述第一散热参数组合和所述第二散热参数组合进行参数组合关联，生成所述目标光源的散热参数调整集合。
[0012]本专利技术第二方面提供了一种基于人工智能的光源检测装置，所述基于人工智能的光源检测装置包括：获取模块，用于获取目标光源的光源性能数据，并对所述光源性能数据进行数据集分类，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据；构建模块，用于根据所述光源温度参数数据构建光源温度变化曲线，并根据所述光源亮度参数数据生成光源亮度分布曲线，以及根据所述光源色温参数数据生成光源色温分布图；解析模块，用于对所述光源温度变化曲线进行曲线特征提取，得到光源温度特征向量，并对所述光源亮度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的光源检测方法，其特征在于，所述基于人工智能的光源检测方法包括：获取目标光源的光源性能数据，并对所述光源性能数据进行数据集分类，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据；根据所述光源温度参数数据构建光源温度变化曲线，并根据所述光源亮度参数数据生成光源亮度分布曲线，以及根据所述光源色温参数数据生成光源色温分布图；对所述光源温度变化曲线进行曲线特征提取，得到光源温度特征向量，并对所述光源亮度分布曲线进行曲线特征分析，得到光源亮度特征向量，以及对所述光源色温分布图进行分布特征解析，得到光源色温特征向量；将所述光源温度特征向量输入预置的第一散热性能分析模型进行散热性能分析，得到第一散热性能分析指标；将所述光源亮度特征向量和所述光源色温特征向量输入预置的第二散热性能分析模型进行散热性能分析，得到第二散热性能分析指标；根据所述第一散热性能分析指标和所述第二散热性能分析指标生成所述目标光源的散热参数调整集合。2.根据权利要求1所述的基于人工智能的光源检测方法，其特征在于，所述获取目标光源的光源性能数据，并对所述光源性能数据进行数据集分类，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据，包括：获取目标光源的光源性能数据，同时，获取温度数据标签、亮度数据标签以及色温数据标签；基于所述温度数据标签、所述亮度数据标签以及所述色温数据标签，对所述光源性能数据进行标签聚类分析，得到第一温度参数数据、第一亮度参数数据以及第一色温参数数据；分别对所述第一温度参数数据、所述第一亮度参数数据和所述第一色温参数数据进行数据清洗，得到第二温度参数数据、第二亮度参数数据以及第二色温参数数据；分别对所述第二温度参数数据、所述第二亮度参数数据以及所述第二色温参数数据进行数据标准化处理，得到光源温度参数数据、光源亮度参数数据和光源色温参数数据。3.根据权利要求1所述的基于人工智能的光源检测方法，其特征在于，所述根据所述光源温度参数数据构建光源温度变化曲线，并根据所述光源亮度参数数据生成光源亮度分布曲线，以及根据所述光源色温参数数据生成光源色温分布图，包括：对所述光源温度参数数据进行参数离散化处理，得到离散化温度参数，并对所述离散化温度参数进行曲线拟合，生成光源温度变化曲线；对所述光源亮度参数数据进行区间划分，得到多个目标区间，并计算每个目标区间的亮度频率数据；基于预置的概率密度函数对所述亮度频率数据进行曲线拟合，得到光源亮度分布曲线；对所述光源色温参数数据进行区域划分，得到多个光源区域，并计算每个光源区域的色温平均值；通过预置的热力分布函数对每个光源区域的色温平均值进行分布映射，得到光源色温
分布图。4.根据权利要求1所述的基于人工智能的光源检测方法，其特征在于，所述对所述光源温度变化曲线进行曲线特征提取，得到光源温度特征向量，并对所述光源亮度分布曲线进行曲线特征分析，得到光源亮度特征向量，以及对所述光源色温分布图进行分布特征解析，得到光源色温特征向量，包括：计算所述光源温度变化曲线的峰值温度、最小温度以及温度变化速率，并对所述峰值温度、所述最小温度以及所述温度变化速率进行向量编码转换，得到光源温度特征向量；获取所述光源亮度分布曲线的第一亮度特征集合，同时，获取所述光源亮度分布曲线的第二亮度特征集合，其中，所述第一亮度特征集合包括亮度分布的均值、方差、峰度以及偏度，所述第二亮度特征集合包括峰值亮度、亮度变化范围以及分布形态；对所述第一亮度特征集合和所述第二亮度特征集合进行向量转换，得到光源亮度特征向量；计算所述光源色温分布图的色温分布特征，其中，所述色温分布特征包括：色温分布的均匀性和色温变化范围；根据所述色温分布特...

【专利技术属性】
技术研发人员：李长太，毕胜昔，李林朋，
申请(专利权)人：深圳市海塞姆科技有限公司，
类型：发明
国别省市：