【技术实现步骤摘要】
本专利技术涉及数据处理，特别是指一种半导体发光元件质量的检测方法及系统。
技术介绍
1、随着半导体技术的飞速发展，发光二极管（led）作为其中的一种重要元件，已广泛应用于照明、显示、信号指示等多个领域。由于其广泛的应用场景，对led的质量检测也变得越来越重要。传统的质量检测方法主要依赖人工目检或使用简单的光电检测设备，这些方法不仅效率低下，而且易受人为因素影响，导致检测结果的准确性和一致性无法保证。
2、为了解决上述问题，近年来，基于图像处理和机器视觉技术的自动化检测方法逐渐受到关注。这些方法通过获取led的图像，利用图像处理算法对图像进行分析和处理，从而实现对led质量的自动检测。然而，现有的自动化检测方法在处理复杂背景和多变形态的led图像时，往往存在识别精度低、抗干扰能力差等问题。
技术实现思路
1、本专利技术要解决的技术问题是提供一种半导体发光元件质量的检测方法及系统，通过计算动态关联因子，能够量化发光二极管与背景之间的特征差异，从而更准确地识别出发光二极管区域。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、第一方面，一种半导体发光元件质量的检测方法，所述方法包括：
4、获取发光二极管的图像，并对图像进行预处理，以得到预处理图像；
5、在预处理图像中，利用颜色以及亮度信息，初步识别发光二极管区域与背景区域；
6、根据识别的发光二极管区域与背景区域，计算动态关联因子，所述动态关联因子用于量化发
7、根据计算出的动态关联因子，对预处理图像进行图像分割，以提取出发光二极管区域，以得到独立的元件图像；
8、遍历独立的元件图像，提取发光二极管的关键特征；
9、根据预设的质量标准和动态关联因子，将关键特征分别与质量标准进行比较，以得到质量判断结果；
10、根据质量判断结果，对存在质量问题的发光二极管按照不同的质量问题类型进行分类。
11、进一步的，根据识别的发光二极管区域与背景区域，计算动态关联因子，包括：
12、根据识别的发光二极管区域和背景区域，分别提取发光二极管区域和背景区域对应的颜色特征和亮度特征；
13、计算发光二极管区域与背景区域的颜色特征和亮度特征之间的特征差异；
14、根据特征差异，计算出动态关联因子的具体数值。
15、进一步的，根据特征差异，计算出动态关联因子，包括：
16、通过计算动态关联因子d，其中，和分别代表发光二极管区域和背景区域的面积，计算的是发光二极管区域和背景区域的重叠度；，，分别是颜色特征差异、亮度特征差异和形状特征差异的权重因子，和分别表示发光二极管区域和背景区域的颜色直方图， n是直方图的区间数目，和分别表示发光二极管区域和背景区域的灰度直方图， m是直方图的区间数目，代表发光二极管区域在颜色直方图中第 i个区间的像素数量，代表背景区域在颜色直方图中第 i个区间的像素数量，代表发光二极管区域在灰度直方图中第 i个区间的像素数量，代表背景区域在灰度直方图中第 i个区间的像素数量，代表交集操作，用于计算两个集合共有的元素，表示发光二极管区域和背景区域重叠的面积部分，代表并集操作，用于合并两个集合的所有元素，同时去除重复的部分，表示发光二极管区域和背景区域合并后的总面积， i代表直方图中的区间索引。
17、进一步的，根据计算出的动态关联因子，对预处理图像进行图像分割，以提取出发光二极管区域，以得到独立的元件图像，包括：
18、根据动态关联因子 d，识别图像中发光二极管和背景的区域；
19、根据图像中发光二极管和背景的区域，从预处理图像中分割出发光二极管区域；
20、将发光二极管区域转换为二值图像；
21、遍历二值图像的每个像素，识别连接在一起的像素群，像素群代表了二值图像中的独立对象，独立对象为独立的发光二极管元件，识别过程中，属于同一像素群的所有像素被分配相同的标签；
22、对于每个识别的像素群，通过获取像素群内所有像素的最小和最大的横向坐标和纵向坐标，计算像素群边界框，以获取独立的元件图像。
23、进一步的，关键特征包括尺寸、形状、亮度分布以及色彩均匀性。
24、进一步的，遍历独立的元件图像，提取发光二极管的关键特征，包括：
25、根据像素群边界框的坐标计算发光二极管元件的尺寸特征以及计算形状因子；
26、通过计算发光二极管元件图像的灰度直方图，以得到亮度分布特征；
27、通过分析发光二极管元件图像的灰度直方图的一致性，以提取色彩均匀性特征。
28、进一步的，计算形状因子，包括：
29、根据发光二极管元件的尺寸特征，获取发光二极管元件轮廓内的像素总数以及发光二极管元件轮廓的像素长度，并根据的像素总数以及像素长度计算圆形度；
30、通过旋转发光二极管元件轮廓以获取面积最小的外接矩形，根据面积最小的外接矩形计算偏心率；
31、通过计算发光二极管元件的空间分布，以确定固有矩。
32、第二方面，一种半导体发光元件质量的检测系统，包括：
33、获取模块，用于获取发光二极管的图像，并对图像进行预处理，以得到预处理图像；在预处理图像中，利用颜色以及亮度信息，初步识别发光二极管区域与背景区域；根据识别的发光二极管区域与背景区域，计算动态关联因子，所述动态关联因子用于量化发光二极管与背景之间的特征差异；
34、处理模块，用于根据计算出的动态关联因子，对预处理图像进行图像分割，以提取出发光二极管区域，以得到独立的元件图像；遍历独立的元件图像，提取发光二极管的关键特征；根据预设的质量标准和动态关联因子，将关键特征分别与质量标准进行比较，以得到质量判断结果；根据质量判断结果，对存在质量问题的发光二极管按照不同的质量问题类型进行分类。
35、第三方面，一种计算设备，包括：
36、一个或多个处理器；
37、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。
38、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现上述方法。
39、本专利技术的上述方案至少包括以下有益效果：
40、本专利技术通过计算动态关联因子，能够量化发光二极管与背景之间的特征差异，从而更准确地识别出发光二极管区域，本专利技术能够自适应地调整分割阈值，有效避免了因图像亮度、对本文档来自技高网...
【技术保护点】
1.一种半导体发光元件质量的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的半导体发光元件质量的检测方法，其特征在于，根据识别的发光二极管区域与背景区域，计算动态关联因子，包括：
3.根据权利要求2所述的半导体发光元件质量的检测方法，其特征在于，根据特征差异，计算出动态关联因子，包括：
4.根据权利要求3所述的半导体发光元件质量的检测方法，其特征在于，根据计算出的动态关联因子，对预处理图像进行图像分割，以提取出发光二极管区域，以得到独立的元件图像，包括：
5.根据权利要求4所述的半导体发光元件质量的检测方法，其特征在于，关键特征包括尺寸、形状、亮度分布以及色彩均匀性。
6.根据权利要求5所述的半导体发光元件质量的检测方法，其特征在于，遍历独立的元件图像，提取发光二极管的关键特征，包括：
7.根据权利要求6所述的半导体发光元件质量的检测方法，其特征在于，计算形状因子，包括：
8.一种半导体发光元件质量的检测系统，其特征在于，包括：
9.一种计算设备，其特征在于，包括：>
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种半导体发光元件质量的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的半导体发光元件质量的检测方法，其特征在于，根据识别的发光二极管区域与背景区域，计算动态关联因子，包括：
3.根据权利要求2所述的半导体发光元件质量的检测方法，其特征在于，根据特征差异，计算出动态关联因子，包括：
4.根据权利要求3所述的半导体发光元件质量的检测方法，其特征在于，根据计算出的动态关联因子，对预处理图像进行图像分割，以提取出发光二极管区域，以得到独立的元件图像，包括：
5.根据权利要求4所述的半导体发光元件质量的检测...
【专利技术属性】
技术研发人员：周国强，曹应龙，
申请(专利权)人：深圳市呈泰半导体科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。