详情

原文传递发光源检测系统与方法

专利名称：	发光源检测系统与方法
摘要：	本发明涉及一种发光源检测系统，包括图像获取模块、图像处理模块及检测模块。图像获取模块获取检测画面，检测画面包括有多个待测区图像，这些待测区图像分别位于检测画面上多个默认区域。图像处理模块电连接到图像获取模块，图像处理模块接收这些待测区图像并分别处理成具有相同二维数量的多个二维像素，其中各二维像素具有光学信息。检测模块电连接到图像处理模块，检测模块读取各待测区图像的二维像素，且根据检测模型以检测各待测区图像的二维像素的光学信息，并判断各待测区图像为合格图像或失格图像。
专利类型：	发明专利
国家地区组织代码：	中国台湾;71
申请人：	群光电子股份有限公司
发明人：	李后贤
专利状态：	有效
申请日期：	2017-12-27T00:00:00+0800
发布日期：	2019-07-05T00:00:00+0800
申请号：	CN201711444310.2
公开号：	CN109975299A
代理机构：	北京国昊天诚知识产权代理有限公司
代理人：	许志勇;王宁
分类号：	G01N21/88(2006.01);G;G01;G01N;G01N21
申请人地址：	中国台湾新北市三重区光复路二段69号
主权项：	1.一种发光源检测方法，包括：获取步骤：获取检测画面，所述检测画面包括有多个待测区图像，所述待测区图像分别位于所述检测画面上多个默认区域；图像处理步骤：将所述待测区图像分别处理成具有相同二维数量的多个二维像素，其特征在于，各所述二维像素具有光学信息；以及检测步骤：读取各所述待测区图像的所述二维像素，并根据检测模型以检测各个所述待测区图像的所述二维像素的所述光学信息，并判断各个所述待测区图像为合格图像或失格图像，其中所述检测模型是指依据深度学习算法进行人工智能演算、并获得输出层演算结果的人工智能算法模型，且所述输出层演算结果包括所述合格图像及所述失格图像。 2.如权利要求1所述的发光源检测方法，其特征在于，所述检测步骤中的所述检测模型是由下列步骤获得：取样步骤：获取对应于所述检测画面的样本画面，所述样本画面包括合格区图像与失格区图像，所述合格区图像与所述失格区图像分别位于所述样本画面上并对应于所述待测区图像的相同默认区域；二维处理步骤：将所述合格区图像与所述失格区图像分别处理成具有相同二维数量的合格二维样本像素与失格二维样本像素，其中所述合格二维样本像素具有合格光学信息，所述失格二维样本像素具有失格光学信息；以及深度学习步骤：读取所述合格区图像的所述合格二维样本像素与所述失格区图像的所述失格二维样本像素、并根据所述深度学习算法，以所述合格光学信息与所述失格光学信息分别进行人工智能演算，获得用以判断出所述输出层演算结果的所述检测模型。 3.如权利要求1所述的发光源检测方法，其特征在于，所述深度学习算法为深度神经网络算法、卷积神经网络算法、深度置信网络算法、递归神经网络算法或深度信念网络算法。 4.如权利要求1所述的发光源检测方法，其特征在于，所述图像处理步骤中的各个所述二维像素的所述光学信息为亮度信息、色频信息或其组合。 5.如权利要求1所述的发光源检测方法，其特征在于，所述图像处理步骤中各个所述二维像素的所述光学信息包括亮度信息，所述合格图像是指各个所述待测区图像的所述亮度信息大于亮度阀值的图像，所述失格图像是指各个所述待测区图像的所述亮度信息小于所述亮度阀值的图像。 6.如权利要求1所述的发光源检测方法，其特征在于，所述图像处理步骤中各个所述二维像素的所述光学信息包括色频信息，所述合格图像是指各个所述待测区图像的所述色频信息大于色频阀值的图像，所述失格图像是指各个所述待测区图像的所述色频信息小于所述色频阀值的图像。 7.如权利要求1所述的发光源检测方法，其特征在于，所述图像处理步骤中各个所述二维像素的所述光学信息为色频信息，所述色频信息包括红光信息、绿光信息、蓝光信息或其组合。 8.如权利要求1所述的发光源检测方法，其特征在于，所述获取步骤中的所述检测画面为减光后画面。 9.如权利要求1所述的发光源检测方法，其特征在于，所述图像处理步骤中的所述相同二维数量介于18×18至42×42之间。 10.如权利要求9所述的发光源检测方法，其特征在于，所述图像处理步骤中的所述相同二维数量介于30×30至32×32之间。 11.一种发光源检测系统，包括：图像获取模块，获取检测画面，所述检测画面包括有多个待测区图像，所述待测区图像分别位于所述检测画面上多个默认区域；图像处理模块，电连接于所述图像获取模块，所述图像处理模块接收所述待测区图像并分别处理成具有相同二维数量的多个二维像素，其特征在于，各个所述二维像素具有光学信息；以及检测模块，电连接于所述图像处理模块，所述检测模块读取各个所述待测区图像的所述二维像素，且根据检测模型以检测各个所述待测区图像的所述二维像素的所述光学信息，并判断各个所述待测区图像为合格图像或失格图像；其特征在于，，所述检测模型是指依深度学习算法进行人工智能演算、并获得输出层演算结果的人工智能算法模型，且所述输出层演算结果包括有所述合格图像及所述失格图像。 12.如权利要求11所述的发光源检测系统，还包括深度学习训练装置，所述深度学习训练装置包括：取样模块，获取样本画面，所述样本画面包括有合格区图像与失格区图像，所述合格区图像与所述失格区图像分别位于所述样本画面上并对应于所述待测区图像的相同默认区域；处理模块，连接所述取样模块，所述处理模块将所述合格区图像与所述失格区图像分别处理成具有相同二维数量的合格二维样本像素与失格二维样本像素，其中所述合格二维样本像素具有合格像素信息，所述失格二维样本像素具有失格像素信息；以及深度学习模块，连接到所述处理模块，所述深度学习模块读取所述合格二维样本像素与所述失格二维样本像素，且所述深度学习模块以所述合格像素信息与所述失格像素信息经由深度学习算法演算出判断所述合格图像与所述失格图像的所述检测模型。 13.如权利要求11所述的发光源检测系统，其特征在于，所述深度学习算法为深度神经网络算法、卷积神经网络算法、深度置信网络算法、递归神经网络算法或深度信念网络算法。 14.如权利要求11所述的发光源检测系统，其特征在于，各个所述二维像素的所述光学信息为亮度信息、色频信息或其组合。 15.如权利要求11所述的发光源检测系统，其特征在于，各个所述二维像素的所述光学信息包括亮度信息，所述合格图像是指各个所述待测区图像的所述亮度信息大于亮度阀值的图像，所述失格图像是指各个所述待测区图像的所述亮度信息小于所述亮度阀值的图像。 16.如权利要求11所述的发光源检测系统，其特征在于，各个所述二维像素的所述光学信息包括色频信息，所述合格图像是指各个所述待测区图像的所述色频信息大于色频阀值的图像，所述失格图像是指各个所述待测区图像的所述色频信息小于所述色频阀值的图像。 17.如权利要求11所述的发光源检测系统，其特征在于，各个所述二维像素的所述光学信息为色频信息，所述色频信息包括红光信息、绿光信息、蓝光信息或其组合。 18.如权利要求11所述的发光源检测系统，其特征在于，所述图像获取模块包括减光镜，以经由所述减光镜获取所述检测画面。 19.如权利要求11所述的发光源检测系统，其特征在于，所述相同二维数量介于18×18至42×42之间。 20.如权利要求19所述的发光源检测系统，其特征在于，所述相同二维数量介于30×30至32×32之间。
所属类别：	发明专利