CN117388663A - 基于多源数据分析的led灯带加工检测方法及系统 - Google Patents
基于多源数据分析的led灯带加工检测方法及系统 Download PDFInfo
- Publication number
- CN117388663A CN117388663A CN202311694323.0A CN202311694323A CN117388663A CN 117388663 A CN117388663 A CN 117388663A CN 202311694323 A CN202311694323 A CN 202311694323A CN 117388663 A CN117388663 A CN 117388663A
- Authority
- CN
- China
- Prior art keywords
- led lamp
- abnormal
- lamp strip
- strip
- luminous flux
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 112
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 355
- 239000011324 bead Substances 0.000 claims abstract description 220
- 230000004907 flux Effects 0.000 claims abstract description 176
- 238000004519 manufacturing process Methods 0.000 claims abstract description 113
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 40
- 230000008439 repair process Effects 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 24
- 230000001105 regulatory effect Effects 0.000 claims description 27
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 7
- 238000003754 machining Methods 0.000 claims description 7
- 230000008054 signal transmission Effects 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000002620 method output Methods 0.000 claims description 3
- 230000005477 standard model Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 14
- 230000007704 transition Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/26—Testing of individual semiconductor devices
- G01R31/2607—Circuits therefor
- G01R31/2632—Circuits therefor for testing diodes
- G01R31/2635—Testing light-emitting diodes, laser diodes or photodiodes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
- G01M11/0278—Detecting defects of the object to be tested, e.g. scratches or dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/44—Testing lamps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Optics & Photonics (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本发明涉及灯带加工领域，公开了基于多源数据分析的LED灯带加工检测方法及系统，包括以下步骤：构建LED灯带实时模型，并在生产过程中根据LED灯带实时模型判断LED灯带的物理状态并修正，得到物理状态合格的LED灯带；对所述物理状态合格的LED灯带进行光通量检测，并对光通量检测异常的LED的灯带进行工作温度分析调控及工作电流值分析调控，得到光通量合格LED灯带；对所述光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。本发明能够通过在LED灯带加工过程中分析LED灯带可能出现的问题并加以修复，确保LED灯带的质量、性能及可靠性，并减少LED灯带在工作过程中出现问题而进行故障维修。
Description
技术领域
本发明涉及灯带加工领域，特别是基于多源数据分析的LED灯带加工检测方法及系统。
背景技术
LED灯带是一种由多个小型发光二极管（LED）组成的柔性、带状的照明产品。它通常由一条灵活的电路板、LED灯珠、导电线、控制电路和外部保护层组成。LED灯带以其小巧、柔软、节能、环保等特点，在照明领域得到广泛应用。LED灯带能够用于装饰照明、背景照明、商业应用等，是一种广受欢迎的照明装饰产品。为了使LED灯带在照明过程中充分发挥其作用，使其的效率及经济收益更高，需要在生产过程中从多方面对LED灯带进行加工检测，保证LED灯带出厂的良品率，确保LED灯带的质量、性能及可靠性，并减少LED灯带在工作过程中出现问题而进行故障维修。
发明内容
本发明克服了现有技术的不足，提供了基于多源数据分析的LED灯带加工检测方法及系统。
为达到上述目的，本发明采用的技术方案为：
本发明第一方面提供了基于多源数据分析的LED灯带加工检测方法，包括以下步骤：
构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带；
对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带；
对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带；
对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。
进一步的，本发明的一个较佳实施例中，所述构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带，具体为：
在LED灯带加工过程中，对LED灯带进行实时激光扫描处理，得到LED灯带实时模型；
获取LED灯带的生产规格参数，并将所述LED灯带的生产规格参数导入三维空间内，构建LED灯带实时标准模型；
对所述LED灯带实时模型与LED灯带标准实时模型进行重合分析，并获取LED灯带实时模型与LED灯带标准实时模型的重合偏差率，将LED灯带实时模型与LED灯带标准实时模型的重合偏差率大于预设值的部分定义为LED灯带物理状态异常部分；
分析所述LED灯带物理状态异常部分，若LED灯带物理状态异常部分不为LED灯珠，则在加工过程中对LED灯带物理状态异常部分进行更换处理；
若LED灯带物理状态异常部分为LED灯珠，则将对应的LED灯珠定义为物理状态异常LED灯珠，基于LED灯带实时模型分析物理状态异常LED灯珠的物理状态，若物理状态异常LED灯珠的物理状态为灯珠缺失或灯珠偏移，则需要在加工过程中对物理状态异常LED灯珠进行灯珠补全处理和灯珠复位处理；
若物理状态异常LED灯珠的物理状态为灯珠外壳损坏，则将对应的物理状态异常LED灯珠进行故障测试，判断物理状态异常LED灯珠是否能启动工作，若是，则对物理状态异常LED灯珠的灯珠外壳进行更换，若否，则将灯珠外壳完好且启动正常的LED灯珠替换物理状态异常LED灯珠；
对LED灯带物理状态异常部分进行处理后，得到物理状态合格的LED灯带。
进一步的，本发明的一个较佳实施例中，所述对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带，具体为：
启动所述物理状态合格的LED灯带，使用光度计采集光通量待检测物理状态合格的LED灯带发出的光，光度计接收光后生成光谱分布图；
基于所述光谱分布图，获取物理状态合格的LED灯带发出的光的波长数据，将物理状态合格的LED灯带发出的光的波长数据分解成离散波长数据，计算每个离散波长数据的光通量，并对所有离散波长数据的光通量进行积分计算，得到物理状态合格的LED灯带的实时光通量；
获取物理状态合格的LED灯带的实时额定光通量，获取物理状态合格的LED灯带的实时光通量和实时额定光通量的偏差值，定义为光通量偏差值，并将光通量偏差值大于预设范围的物理状态合格的LED灯带定义为光通量异常LED灯带；
根据LED灯带的生产规格参数，获取LED灯带的标准工作温度范围，在LED灯带加工产线上对光通量异常LED灯带进行工作温度检测，若光通量异常LED灯带的工作温度不在标准工作温度范围内，则对LED灯带加工产线进行温度调控，并判断LED灯带加工产线温度调控后光通量异常LED灯带的工作温度大小；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度仍不在标准工作温度范围内，则将对应的光通量异常LED灯带定义为一类异常LED灯带；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度保持在标准工作温度范围内，且光通量异常LED灯带的光通量偏差值保持在预设范围内，则持续对LED灯带加工产线进行温度调控；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度保持在标准工作温度范围内，但光通量异常LED灯带的光通量偏差值仍大于预设范围，则将对应的光通量异常LED灯带定义为二类异常LED灯带。
进一步的，本发明的一个较佳实施例中，所述对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带，具体为：
在LED灯带加工产线上放置热成像仪，并通过所述热成像仪对一类异常LED灯带进行异常工作温度位置检测，得到一类异常LED灯带的异常工作温度部位，定义为LED灯带温度异常部位；
根据所述LED灯带实时模型，获取LED灯带温度异常部位模型，基于所述LED灯带温度异常部位模型对LED灯带温度异常部位进行分析，基于分析结果，在大数据网络中检索修复方案并LED灯带温度异常部位进行修复，同时检测LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值；
若LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值在预设范围内，则将LED灯带温度异常部位更换后的一类异常LED灯带标定为光通量合格LED灯带；
若LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值大于预设范围，则将LED灯带温度异常部位更换后的一类异常LED灯带划分为二类异常LED灯带；
对所述二类异常LED灯带进行用电状态分析，得到用电状态分析结果，基于所述用电状态分析结果对二类异常LED灯带进行用电状态修复，得到光通量合格LED灯带。
进一步的，本发明的一个较佳实施例中，所述对二类异常LED灯带进行用电状态分析，得到用电状态分析结果，基于所述用电状态分析结果对二类异常LED灯带进行用电状态修复，得到光通量合格LED灯带，具体为：
对于所述二类异常LED灯带，获取二类异常LED灯带中各个LED灯珠的工作电流值，定义为LED灯珠工作电流值，获取LED灯珠额定工作电流值范围，将工作电流值小于LED灯珠额定工作电流值范围的LED灯珠定义为电流异常LED灯珠；
若只存在部分电流异常LED灯珠，则获取电流异常LED灯珠的连接状态，并在大数据网络中检索连接状态不合格的电流异常LED灯珠的修复方法并输出，得到工作电流合格LED灯带；
若所有LED灯珠均为电流异常LED灯珠，且同种类的电流异常LED灯珠工作电流值相等，则获取二类异常LED灯带的输入电流大小，并对二类异常LED灯带的输入电流大小进行智能调控，使所有的LED灯珠工作电流值均在LED灯珠额定工作电流值范围内，得到工作电流合格LED灯带；
若所有LED灯珠均为电流异常LED灯珠，但同种类的电流异常LED灯珠的电流值不同，则对所有电流异常LED灯珠进行连接状态检测及修复，并获取连接状态修复后所有电流异常LED灯珠的电流值；
若连接状态修复后电流所有同种类异常LED灯珠的电流值相等，则通过对二类异常LED灯带的输入电流大小进行智能调控，得到工作电流合格LED灯带；
获取二类异常LED灯带的电路拓扑，若连接状态修复后电流同种类异常LED灯珠的电流值仍存在差异，则获取二类异常LED灯带的电路拓扑中各节点的电流值，并引入贝叶斯网络对二类异常LED灯带的电路拓扑中各节点的电流值进行分析，得到二类异常LED灯带的电路拓扑的故障节点；
通过大数据网络检索二类异常LED灯带的电路拓扑的故障节点的修复方法输出，得到工作电流合格LED灯带；
对工作电流合格LED灯带进行光通量分析，若工作电流合格LED灯带的光通量偏差值保持在预设范围内，则将工作电流合格LED灯带定义为光通量合格LED灯带，若工作电流合格LED灯带的光通量偏差值仍不在预设范围内，则将工作电流合格LED灯带废弃。
进一步的，本发明的一个较佳实施例中，所述对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带，具体为：
将光通量合格LED灯带中的LED灯珠定义为一类LED灯珠，在所有一类LED灯珠内安装信号模块，所述信号模块与控制中心连接，通过控制中心启动所有一类LED灯珠，获取各个一类LED灯珠的启动时间，基于所述各个一类LED灯珠的启动时间获取各个一类LED灯珠的启动时间的时延信息；
预设时延测试时间，在时延测试时间内，获取各个一类LED灯珠的时延信息的时延频率，并获取额定时延频率范围，若一类LED灯珠的时延频率大小均维持在额定时延频率范围内，则将光通量合格LED灯带定义为合格LED灯带；
若存在一类LED灯珠的时延频率大小不维持在额定时延频率范围内，则将对应的一类LED灯珠定义为二类LED灯珠，获取二类LED灯珠中信号模块与控制中心之间的所有数据传输通道，定义为信号传输通道；
获取各条信号数据传输通道的通道长度及信号因子通过率，并将各条信号数据传输通道的通道长度及信号因子通过率及导入深度神经网络中进行预测，得到各条信号数据传输通道在时延测试时间内的信号因子通过量；
基于所述各条信号数据传输通道在时延测试时间内的信号因子通过量，在二类LED灯珠的信号模块中加入滤波模块，所述滤波模块控制二类LED灯珠的信号数据传输通道的信号因子通过量，保持二类LED灯珠的时延频率大小维持在额定时延频率范围内，从而得到合格LED灯带。
本发明第二方面还提供了基于多源数据分析的LED灯带加工检测系统，所述LED灯带加工检测系统包括存储器与处理器，所述存储器中储存有LED灯带加工检测方法，所述LED灯带加工检测方法被所述处理器执行时，实现如下步骤：
构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带；
对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带；
对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带；
对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。
本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：构建LED灯带实时模型，并在生产过程中根据LED灯带实时模型判断LED灯带的物理状态并修正，得到物理状态合格的LED灯带；对所述物理状态合格的LED灯带进行光通量检测，并对光通量检测异常的LED的灯带进行工作温度分析调控及工作电流值分析调控，得到光通量合格LED灯带；对所述光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。本发明能够通过在LED灯带加工过程中以LED灯带的光通量最为主要检测目的，分析LED灯带加工过程中可能出现的问题并加以修复，确保LED灯带的质量、性能及可靠性，并减少LED灯带在工作过程中出现问题而进行故障维修。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。
图1示出了基于多源数据分析的LED灯带加工检测方法的流程图；
图2示出了对一类异常LED灯带和二类异常LED灯带进行缺陷修复的方法流程图；
图3示出了基于多源数据分析的LED灯带加工检测系统的程序视图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了基于多源数据分析的LED灯带加工检测方法的流程图，包括以下步骤：
S102：构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带；
S104：对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带；
S106：对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带；
S108:对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。
进一步的，本发明的一个较佳实施例中，所述构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带，具体为：
在LED灯带加工过程中，对LED灯带进行实时激光扫描处理，得到LED灯带实时模型；
获取LED灯带的生产规格参数，并将所述LED灯带的生产规格参数导入三维空间内，构建LED灯带实时标准模型；
对所述LED灯带实时模型与LED灯带标准实时模型进行重合分析，并获取LED灯带实时模型与LED灯带标准实时模型的重合偏差率，将LED灯带实时模型与LED灯带标准实时模型的重合偏差率大于预设值的部分定义为LED灯带物理状态异常部分；
分析所述LED灯带物理状态异常部分，若LED灯带物理状态异常部分不为LED灯珠，则在加工过程中对LED灯带物理状态异常部分进行更换处理；
若LED灯带物理状态异常部分为LED灯珠，则将对应的LED灯珠定义为物理状态异常LED灯珠，基于LED灯带实时模型分析物理状态异常LED灯珠的物理状态，若物理状态异常LED灯珠的物理状态为灯珠缺失或灯珠偏移，则需要在加工过程中对物理状态异常LED灯珠进行灯珠补全处理和灯珠复位处理；
若物理状态异常LED灯珠的物理状态为灯珠外壳损坏，则将对应的物理状态异常LED灯珠进行故障测试，判断物理状态异常LED灯珠是否能启动工作，若是，则对物理状态异常LED灯珠的灯珠外壳进行更换，若否，则将灯珠外壳完好且启动正常的LED灯珠替换物理状态异常LED灯珠；
对LED灯带物理状态异常部分进行处理后，得到物理状态合格的LED灯带。
需要说明的是，LED灯带在生产线上加工并出厂，在加工过程中需要从多方面对LED灯带进行质量检测。LED灯带在生产过程中，可能产生LED灯珠缺失、偏移、外壳损坏等情况，上述情况出现不符合LED灯带的出厂标准，在LED灯带工作过程中也无法发挥LED灯带的正常工作需求。所述LED灯带的生产规格参数包括LED灯带中灯珠的排列位置、排列顺序等。通过构建实时模型，结合标准实时模型分析，可以实时判断LED灯带的物理状态是否存在异常，并对物理状态异常部分进行相应的修正处理，得到物理状态合格的LED灯带。本发明能够通过构建实时模型判断LED灯带加工过程中可能存在的物理问题并修复。
进一步的，本发明的一个较佳实施例中，所述对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带，具体为：
启动所述物理状态合格的LED灯带，使用光度计采集光通量待检测物理状态合格的LED灯带发出的光，光度计接收光后生成光谱分布图；
基于所述光谱分布图，获取物理状态合格的LED灯带发出的光的波长数据，将物理状态合格的LED灯带发出的光的波长数据分解成离散波长数据，计算每个离散波长数据的光通量，并对所有离散波长数据的光通量进行积分计算，得到物理状态合格的LED灯带的实时光通量；
获取物理状态合格的LED灯带的实时额定光通量，获取物理状态合格的LED灯带的实时光通量和实时额定光通量的偏差值，定义为光通量偏差值，并将光通量偏差值大于预设范围的物理状态合格的LED灯带定义为光通量异常LED灯带；
根据LED灯带的生产规格参数，获取LED灯带的标准工作温度范围，在LED灯带加工产线上对光通量异常LED灯带进行工作温度检测，若光通量异常LED灯带的工作温度不在标准工作温度范围内，则对LED灯带加工产线进行温度调控，并判断LED灯带加工产线温度调控后光通量异常LED灯带的工作温度大小；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度仍不在标准工作温度范围内，则将对应的光通量异常LED灯带定义为一类异常LED灯带；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度保持在标准工作温度范围内，且光通量异常LED灯带的光通量偏差值保持在预设范围内，则持续对LED灯带加工产线进行温度调控；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度保持在标准工作温度范围内，但光通量异常LED灯带的光通量偏差值仍大于预设范围，则将对应的光通量异常LED灯带定义为二类异常LED灯带。
需要说明的是，LED灯带主要的功能为光通量，需要从多方面分析LED灯带的光通量大小。通过光度计，获取LED灯带发出的光的光谱图，并得到离散波长数据，最后进行积分处理，可以得到LED的灯带的实时光通量。LED灯带的实时光通量反映了LED灯带的亮度水平、性能稳定性、老化和衰减性等。若LED灯带的实时光通量小于额定值，证明LED灯带出现问题，出现的问题可能是LED灯带的工作温度影响了LED灯带的实时光通量，而LED灯带的工作温度可能受环境温度影响，所以在LED灯带加工产线上进行温度调控，实现调控LED灯带周边环境温度目的，从而检测光通量异常LED灯带的实时光通量。若对LED灯带加工产线进行温度调控后光通量异常LED灯带的实时光通量正常，则持续对LED灯带加工产线进行温度调控。若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度仍不在标准范围内，证明环境温度不是影响LED灯带工作温度的主要原因；若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度达到标准，但实时光通量仍不在预设范围内，则证明LED灯带实时光通量异常可能为其他原因。本发明能够通过对LED灯带的光通量进行分析，并对LED灯带加工产线进行温度调控，获取一类异常LED灯带和二类异常LED灯带。
进一步的，本发明的一个较佳实施例中，所述对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带，具体为：
将光通量合格LED灯带中的LED灯珠定义为一类LED灯珠，在所有一类LED灯珠内安装信号模块，所述信号模块与控制中心连接，通过控制中心启动所有一类LED灯珠，获取各个一类LED灯珠的启动时间，基于所述各个一类LED灯珠的启动时间获取各个一类LED灯珠的启动时间的时延信息；
预设时延测试时间，在时延测试时间内，获取各个一类LED灯珠的时延信息的时延频率，并获取额定时延频率范围，若一类LED灯珠的时延频率大小均维持在额定时延频率范围内，则将光通量合格LED灯带定义为合格LED灯带；
若存在一类LED灯珠的时延频率大小不维持在额定时延频率范围内，则将对应的一类LED灯珠定义为二类LED灯珠，获取二类LED灯珠中信号模块与控制中心之间的所有数据传输通道，定义为信号传输通道；
获取各条信号数据传输通道的通道长度及信号因子通过率，并将各条信号数据传输通道的通道长度及信号因子通过率及导入深度神经网络中进行预测，得到各条信号数据传输通道在时延测试时间内的信号因子通过量；
基于所述各条信号数据传输通道在时延测试时间内的信号因子通过量，在二类LED灯珠的信号模块中加入滤波模块，所述滤波模块控制二类LED灯珠的信号数据传输通道的信号因子通过量，保持二类LED灯珠的时延频率大小维持在额定时延频率范围内，从而得到合格LED灯带。
需要说明的是，LED灯带通常采用协同运行的方式工作，需要在LED灯带中的LED灯珠中安装信号模块，并通过控制中心发送信号控制所有的LED灯珠协调运行。在控制中心向LED灯带的信号模块发送信号，控制LED灯珠启动过程中，可能会产生时延信息，即LED灯珠存在启动响应。对LED灯珠进行时延测试，可以判断LED灯珠的时延信息是否合格。在时延测试时间内，若LED灯珠的时延信息的时延频率不在标准值范围内，则证明LED灯珠在信号传输过程中可能出现问题，获取信号传输通道，信号因子通过所述信号传输通道实现信号传输，造成时延频率不在标准值范围原因可能是各条信号通道长度不同，且信号因子的通过量不同也会影响时延频率。在二类LED等诸种加入滤波模块，可以控制二类LED灯珠的信号数据传输通道的信号因子通过量，保持二类LED灯珠的时延频率大小维持在额定时延频率范围内，实现所有的LED灯珠的时延信息相同。本发明能够通过对LED灯珠进行时延测试分析处理，得到合格LED灯带。
图2示出了对一类异常LED灯带和二类异常LED灯带进行缺陷修复的方法流程图，包括以下步骤：
S202：通过热成像仪，获取一类异常LED灯带的异常工作温度部位，定义为LED灯带温度异常部位；
S204：对LED灯带温度异常部位进行修复处理；
S206：对二类异常LED灯带进行用电状态分析，得到用电状态分析结果，基于所述用电状态分析结果对二类异常LED灯带进行用电状态修复，得到光通量合格LED灯带。
进一步的，本发明的一个较佳实施例中，所述对LED灯带温度异常部位进行修复处理，具体为：
在LED灯带加工产线上放置热成像仪，并通过所述热成像仪对一类异常LED灯带进行异常工作温度位置检测，得到一类异常LED灯带的异常工作温度部位，定义为LED灯带温度异常部位；
根据所述LED灯带实时模型，获取LED灯带温度异常部位模型，基于所述LED灯带温度异常部位模型对LED灯带温度异常部位进行分析，基于分析结果，在大数据网络中检索修复方案并LED灯带温度异常部位进行修复，同时检测LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值；
若LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值在预设范围内，则将LED灯带温度异常部位更换后的一类异常LED灯带标定为光通量合格LED灯带；
若LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值大于预设范围，则将LED灯带温度异常部位更换后的一类异常LED灯带划分为二类异常LED灯带。
需要说明的是，所述一类异常LED灯带中可能存在零件的工作温度较高，从而影响LED灯带的光通量大小。需要在大数据网络中检索修复方案对LED灯带温度异常部位进行修复。若修复后的LED灯带的光通量仍小于额定光通量，证明影响LED灯带的光通量大小的原因不是温度原因，并将对应的LED灯带划分为二类异常LED灯带。本发明能够对一类异常LED灯带进行温度异常部位修复及判断。
进一步的，本发明的一个较佳实施例中，所述对二类异常LED灯带进行用电状态分析，得到用电状态分析结果，基于所述用电状态分析结果对二类异常LED灯带进行用电状态修复，得到光通量合格LED灯带，具体为：
对于所述二类异常LED灯带，获取二类异常LED灯带中各个LED灯珠的工作电流值，定义为LED灯珠工作电流值，获取LED灯珠额定工作电流值范围，将工作电流值小于LED灯珠额定工作电流值范围的LED灯珠定义为电流异常LED灯珠；
若只存在部分电流异常LED灯珠，则获取电流异常LED灯珠的连接状态，并在大数据网络中检索连接状态不合格的电流异常LED灯珠的修复方法并输出，得到工作电流合格LED灯带；
若所有LED灯珠均为电流异常LED灯珠，且同种类的电流异常LED灯珠工作电流值相等，则获取二类异常LED灯带的输入电流大小，并对二类异常LED灯带的输入电流大小进行智能调控，使所有的LED灯珠工作电流值均在LED灯珠额定工作电流值范围内，得到工作电流合格LED灯带；
若所有LED灯珠均为电流异常LED灯珠，但同种类的电流异常LED灯珠的电流值不同，则对所有电流异常LED灯珠进行连接状态检测及修复，并获取连接状态修复后所有电流异常LED灯珠的电流值；
若连接状态修复后电流所有同种类异常LED灯珠的电流值相等，则通过对二类异常LED灯带的输入电流大小进行智能调控，得到工作电流合格LED灯带；
获取二类异常LED灯带的电路拓扑，若连接状态修复后电流同种类异常LED灯珠的电流值仍存在差异，则获取二类异常LED灯带的电路拓扑中各节点的电流值，并引入贝叶斯网络对二类异常LED灯带的电路拓扑中各节点的电流值进行分析，得到二类异常LED灯带的电路拓扑的故障节点；
通过大数据网络检索二类异常LED灯带的电路拓扑的故障节点的修复方法输出，得到工作电流合格LED灯带；
对工作电流合格LED灯带进行光通量分析，若工作电流合格LED灯带的光通量偏差值保持在预设范围内，则将工作电流合格LED灯带定义为光通量合格LED灯带，若工作电流合格LED灯带的光通量偏差值仍不在预设范围内，则将工作电流合格LED灯带废弃。
需要说明的是，LED灯带光通量不在额定范围内的原因也可能是流经LED灯带的电流值较小，导致LED灯珠的功率较小，从而使光通量降低。LED灯珠的种类有很多，起的作用不同，所需的电流大小也不同。若在LED灯带中大部分LED灯珠的工作电流值为标准值，只存在部分LED灯珠的工作电流值异常，则判断此时工作电流值异常的LED灯珠可能存在连接问题，比如LED灯珠脱焊、断触、短路等，需要在大数据网络中检索连接状态不合格的电流异常LED灯珠的修复方法并输出。若所有的LED灯珠的工作电流值均异常，但同种类的LED灯珠工作电流值相等，则证明问题为输入电流较小，所以LED灯珠的功率也较小，需要对输入电流进行智能调控。若所有的LED灯珠的工作电流值均异常，但同种类的LED灯珠工作电流也不同，则先对LED灯珠进行连接状态修复，判断连接状态修复后同种类LED灯珠的电流值，若相等则智能调控输入电流值；若不相等，则基于贝叶斯网络对二类异常LED灯带的电路拓扑进行故障节点溯源并修复，得到工作电流合格LED灯带。得到工作电流合格LED灯带后判断其光通量，若在额定范围内则标定为光通量合格LED灯带，若不合格则证明LED灯带的设计存在问题，需要废弃。本发明能够通过工作电流值对LED灯带进行分析，并对工作电流值异常的LED灯带进行修复处理，最后得到光通量合格LED灯带。
此外，所述基于多源数据分析的LED灯带加工检测方法，还包括以下步骤：
预设生产时间，在生产时间内分析LED灯带的物理状态良品率，并设定LED灯带的物理状态标准良品率，若LED灯带的物理状态良品率小于标准良品率，则对LED灯带异常物理状态的种类进行统计，得到LED灯带异常物理状态种类出现频率排序表；
分析所述LED灯带异常物理状态种类出现频率排序表，将出现频率大于预设值的LED灯带异常物理状态种类定义为一类异常物理状态种类；
构建时间戳，获取LED加工产线的生产参数并于所述时间戳结合，得到基于时间序列的LED加工产线生产参数，引入马尔科夫链算法对所述基于时间序列的LED加工产线生产参数进行状态转移概率计算，获取每一时间戳内的状态转移概率值；
根据所述每一时间戳内的状态转移概率值构建状态转移概率矩阵，并将所述状态转移概率矩阵及所述一类异常物理状态种类导入贝叶斯网络中进行分析，得到LED灯带加工产线缺陷生产工艺；
在大数据网络中检索LED灯带加工产线缺陷生产工艺的修复方案输出，得到优化LED灯带加工产线。
需要说明的是，若LED灯带的物理状态存在异常的频率较高，即良品率较低，则可能是因为LED灯带加工产线出现故障，导致LED灯带良品率较低。所述一类异常物理状态种类为出现频率较高的异常物理状态种类，根据所述一类异常物理状态种类可以初步判断LED灯带加工产线的故障位置。而LED灯带加工产线由于性能退化原则，工作状态可能是从一个状态转移至另一个状态，最后导致故障，基于马尔科夫链算法和贝叶斯网络算法可以获取LED加工产线缺陷生产工艺，并需要对所述LED加工产线缺陷生产工艺进行修复，得到优化LED灯带加工产线，实现LED灯带良品率提高。通过本方法可以对LED灯带加工产线进行缺陷生产工艺溯源，而马尔科夫链算法和贝叶斯网络算法结合可以提高溯源精度。
此外，所述基于多源数据分析的LED灯带加工检测方法，还包括以下步骤：
获取LED灯带订单，基于所述LED灯带订单，获取LED灯带的交付期限；
基于LED灯带加工产线缺陷生产工艺的修复方案，获取LED灯带加工产线的修复时间，并获取优化LED灯带加工产线的加工时间，将所述LED灯带加工产线的修复时间和优化LED灯带加工产线的加工时间导入深度神经网络中进行预测，得到一类LED灯带交付时间；
若所述一类LED灯带交付时间不在LED灯带的交付期限内，则获取LED灯带加工产线的所有生产工艺，并引入深度神经网络中对LED灯带加工产线的所有生产工艺进行分析，获取可独立运行的LED灯带加工产线生产工艺；
若存在可独立运行的LED灯带加工产线生产工艺为LED灯带加工产线缺陷生产工艺，则在可独立运行的LED灯带加工产线生产工艺修复期间，LED灯带加工产线同步进行其他生产工艺，并生成二类LED灯带交付时间；
若二类LED灯带交付时间仍不在LED灯带的交付期限内，则获取无缺陷生产工艺的LED灯带加工产线，并使所述无缺陷生产工艺的LED灯带加工产线与优化LED灯带加工产线协同运行；
若所述一类LED灯带交付时间在LED灯带的交付期限内，则直接使用优化LED灯带加工产线加工LED灯带。
需要说明的是，在LED加工产线缺陷生产工艺修复需要时间，若LED加工产线缺陷生产工艺修复时间与原本LED加工产线所需的加工时间结合后，得到的一类LED灯带交付时间不在LED灯带的交付期限内，则需要寻找解决办法提高LED灯带交付时间。LED灯带加工产线中可能存在可以独立运行，不影响整体运作的生产工艺，若可独立运行的LED灯带加工产线生产工艺为缺陷工艺，则在修复期间不影响其他生产工艺运作，可以节省时间，提高效率。所述二类LED灯带交付时间意思是LED灯带的无缺陷生产工艺生产时间、可独立运行的LED灯带加工产线生产工艺修复时间与可独立运行的LED灯带加工产线生产工艺修复后的生产时间结合，若二类LED灯带交付时间仍不在交付期限内，则为了保证在交付期限内交付产品，需要使用其他的LED加工产线协同运行，节省加工时间。
如图3所示，本发明第二方面还提供了基于多源数据分析的LED灯带加工检测系统，所述LED灯带加工检测系统包括存储器31与处理器32，所述存储器31中储存有LED灯带加工检测方法，所述LED灯带加工检测方法被所述处理器32执行时，实现如下步骤：
构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带；
对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带；
对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带；
对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.基于多源数据分析的LED灯带加工检测方法，其特征在于，包括以下步骤：
构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带；
对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带；
对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带；
对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。
2.根据权利要求1中所述的基于多源数据分析的LED灯带加工检测方法，其特征在于，所述构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带，具体为：
在LED灯带加工过程中，对LED灯带进行实时激光扫描处理，得到LED灯带实时模型；
获取LED灯带的生产规格参数，并将所述LED灯带的生产规格参数导入三维空间内，构建LED灯带实时标准模型；
对所述LED灯带实时模型与LED灯带标准实时模型进行重合分析，并获取LED灯带实时模型与LED灯带标准实时模型的重合偏差率，将LED灯带实时模型与LED灯带标准实时模型的重合偏差率大于预设值的部分定义为LED灯带物理状态异常部分；
分析所述LED灯带物理状态异常部分，若LED灯带物理状态异常部分不为LED灯珠，则在加工过程中对LED灯带物理状态异常部分进行更换处理；
若LED灯带物理状态异常部分为LED灯珠，则将对应的LED灯珠定义为物理状态异常LED灯珠，基于LED灯带实时模型分析物理状态异常LED灯珠的物理状态，若物理状态异常LED灯珠的物理状态为灯珠缺失或灯珠偏移，则需要在加工过程中对物理状态异常LED灯珠进行灯珠补全处理和灯珠复位处理；
若物理状态异常LED灯珠的物理状态为灯珠外壳损坏，则将对应的物理状态异常LED灯珠进行故障测试，判断物理状态异常LED灯珠是否能启动工作，若是，则对物理状态异常LED灯珠的灯珠外壳进行更换，若否，则将灯珠外壳完好且启动正常的LED灯珠替换物理状态异常LED灯珠；
对LED灯带物理状态异常部分进行处理后，得到物理状态合格的LED灯带。
3.根据权利要求1中所述的基于多源数据分析的LED灯带加工检测方法，其特征在于，所述对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带，具体为：
启动所述物理状态合格的LED灯带，使用光度计采集光通量待检测物理状态合格的LED灯带发出的光，光度计接收光后生成光谱分布图；
基于所述光谱分布图，获取物理状态合格的LED灯带发出的光的波长数据，将物理状态合格的LED灯带发出的光的波长数据分解成离散波长数据，计算每个离散波长数据的光通量，并对所有离散波长数据的光通量进行积分计算，得到物理状态合格的LED灯带的实时光通量；
获取物理状态合格的LED灯带的实时额定光通量，获取物理状态合格的LED灯带的实时光通量和实时额定光通量的偏差值，定义为光通量偏差值，并将光通量偏差值大于预设范围的物理状态合格的LED灯带定义为光通量异常LED灯带；
根据LED灯带的生产规格参数，获取LED灯带的标准工作温度范围，在LED灯带加工产线上对光通量异常LED灯带进行工作温度检测，若光通量异常LED灯带的工作温度不在标准工作温度范围内，则对LED灯带加工产线进行温度调控，并判断LED灯带加工产线温度调控后光通量异常LED灯带的工作温度大小；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度仍不在标准工作温度范围内，则将对应的光通量异常LED灯带定义为一类异常LED灯带；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度保持在标准工作温度范围内，且光通量异常LED灯带的光通量偏差值保持在预设范围内，则持续对LED灯带加工产线进行温度调控；
若LED灯带加工产线温度调控后光通量异常LED灯带的工作温度保持在标准工作温度范围内，但光通量异常LED灯带的光通量偏差值仍大于预设范围，则将对应的光通量异常LED灯带定义为二类异常LED灯带。
4.根据权利要求1中所述的基于多源数据分析的LED灯带加工检测方法，其特征在于，所述对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带，具体为：
在LED灯带加工产线上放置热成像仪，并通过所述热成像仪对一类异常LED灯带进行异常工作温度位置检测，得到一类异常LED灯带的异常工作温度部位，定义为LED灯带温度异常部位；
根据所述LED灯带实时模型，获取LED灯带温度异常部位模型，基于所述LED灯带温度异常部位模型对LED灯带温度异常部位进行分析，基于分析结果，在大数据网络中检索修复方案并LED灯带温度异常部位进行修复，同时检测LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值；
若LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值在预设范围内，则将LED灯带温度异常部位更换后的一类异常LED灯带标定为光通量合格LED灯带；
若LED灯带温度异常部位更换后的一类异常LED灯带的光通量偏差值大于预设范围，则将LED灯带温度异常部位更换后的一类异常LED灯带划分为二类异常LED灯带；
对所述二类异常LED灯带进行用电状态分析，得到用电状态分析结果，基于所述用电状态分析结果对二类异常LED灯带进行用电状态修复，得到光通量合格LED灯带。
5.根据权利要求4中所述的基于多源数据分析的LED灯带加工检测方法，其特征在于，所述对二类异常LED灯带进行用电状态分析，得到用电状态分析结果，基于所述用电状态分析结果对二类异常LED灯带进行用电状态修复，得到光通量合格LED灯带，具体为：
对于所述二类异常LED灯带，获取二类异常LED灯带中各个LED灯珠的工作电流值，定义为LED灯珠工作电流值，获取LED灯珠额定工作电流值范围，将工作电流值小于LED灯珠额定工作电流值范围的LED灯珠定义为电流异常LED灯珠；
若只存在部分电流异常LED灯珠，则获取电流异常LED灯珠的连接状态，并在大数据网络中检索连接状态不合格的电流异常LED灯珠的修复方法并输出，得到工作电流合格LED灯带；
若所有LED灯珠均为电流异常LED灯珠，且同种类的电流异常LED灯珠工作电流值相等，则获取二类异常LED灯带的输入电流大小，并对二类异常LED灯带的输入电流大小进行智能调控，使所有的LED灯珠工作电流值均在LED灯珠额定工作电流值范围内，得到工作电流合格LED灯带；
若所有LED灯珠均为电流异常LED灯珠，但同种类的电流异常LED灯珠的电流值不同，则对所有电流异常LED灯珠进行连接状态检测及修复，并获取连接状态修复后所有电流异常LED灯珠的电流值；
若连接状态修复后电流所有同种类异常LED灯珠的电流值相等，则通过对二类异常LED灯带的输入电流大小进行智能调控，得到工作电流合格LED灯带；
获取二类异常LED灯带的电路拓扑，若连接状态修复后电流同种类异常LED灯珠的电流值仍存在差异，则获取二类异常LED灯带的电路拓扑中各节点的电流值，并引入贝叶斯网络对二类异常LED灯带的电路拓扑中各节点的电流值进行分析，得到二类异常LED灯带的电路拓扑的故障节点；
通过大数据网络检索二类异常LED灯带的电路拓扑的故障节点的修复方法输出，得到工作电流合格LED灯带；
对工作电流合格LED灯带进行光通量分析，若工作电流合格LED灯带的光通量偏差值保持在预设范围内，则将工作电流合格LED灯带定义为光通量合格LED灯带，若工作电流合格LED灯带的光通量偏差值仍不在预设范围内，则将工作电流合格LED灯带废弃。
6.根据权利要求1中所述的基于多源数据分析的LED灯带加工检测方法，其特征在于，所述对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带，具体为：
将光通量合格LED灯带中的LED灯珠定义为一类LED灯珠，在所有一类LED灯珠内安装信号模块，所述信号模块与控制中心连接，通过控制中心启动所有一类LED灯珠，获取各个一类LED灯珠的启动时间，基于所述各个一类LED灯珠的启动时间获取各个一类LED灯珠的启动时间的时延信息；
预设时延测试时间，在时延测试时间内，获取各个一类LED灯珠的时延信息的时延频率，并获取额定时延频率范围，若一类LED灯珠的时延频率大小均维持在额定时延频率范围内，则将光通量合格LED灯带定义为合格LED灯带；
若存在一类LED灯珠的时延频率大小不维持在额定时延频率范围内，则将对应的一类LED灯珠定义为二类LED灯珠，获取二类LED灯珠中信号模块与控制中心之间的所有数据传输通道，定义为信号传输通道；
获取各条信号数据传输通道的通道长度及信号因子通过率，并将各条信号数据传输通道的通道长度及信号因子通过率及导入深度神经网络中进行预测，得到各条信号数据传输通道在时延测试时间内的信号因子通过量；
基于所述各条信号数据传输通道在时延测试时间内的信号因子通过量，在二类LED灯珠的信号模块中加入滤波模块，所述滤波模块控制二类LED灯珠的信号数据传输通道的信号因子通过量，保持二类LED灯珠的时延频率大小维持在额定时延频率范围内，从而得到合格LED灯带。
7.基于多源数据分析的LED灯带加工检测系统，其特征在于，所述LED灯带加工检测系统包括存储器与处理器，所述存储器中储存有LED灯带加工检测方法，所述LED灯带加工检测方法被所述处理器执行时，实现如下步骤：
构建LED灯带实时模型，并对所述LED灯带实时模型进行分析，判断LED灯带实时模型的物理状态，得到物理状态合格的LED灯带；
对物理状态合格的LED灯带进行光通量检测，得到光通量异常LED灯带，并对所述光通量异常LED灯带进行工作温度分析，得到一类异常LED灯带和二类异常LED灯带；
对一类异常LED灯带进行异常工作温度修复，并对异常工作温度修复后的一类异常LED灯带和二类异常LED灯带进行用电状态分析及用电状态修复，得到光通量合格LED灯带；
对光通量合格LED灯带中的LED灯珠进行时延测试，并对时延测试异常的LED灯珠进行修复处理，得到合格LED灯带。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311694323.0A CN117388663B (zh) | 2023-12-12 | 2023-12-12 | 基于多源数据分析的led灯带加工检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311694323.0A CN117388663B (zh) | 2023-12-12 | 2023-12-12 | 基于多源数据分析的led灯带加工检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117388663A true CN117388663A (zh) | 2024-01-12 |
| CN117388663B CN117388663B (zh) | 2024-03-12 |
Family
ID=89467025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311694323.0A Active CN117388663B (zh) | 2023-12-12 | 2023-12-12 | 基于多源数据分析的led灯带加工检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117388663B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464186A (zh) * | 2007-12-21 | 2009-06-24 | 株式会社光学系统 | 发光体的测光装置 |
| CN102043135A (zh) * | 2009-10-10 | 2011-05-04 | 中兴通讯股份有限公司 | 一种实时检测设备指示灯的方法及装置 |
| CN102306690A (zh) * | 2011-08-11 | 2012-01-04 | 郑州索兰电子科技有限公司 | 白光led色温检测修复机及其检测修复方法 |
| JP2013003472A (ja) * | 2011-06-20 | 2013-01-07 | Sharp Corp | 表示装置および表示装置の制御方法 |
| JP2014053250A (ja) * | 2012-09-10 | 2014-03-20 | Koito Electric Industries Ltd | Ｌｅｄ光束制御装置、道路照明装置 |
| CN203981377U (zh) * | 2014-07-30 | 2014-12-03 | 苏州弗士达科学仪器有限公司 | 一种led灯条的光学特性测试装置 |
| CN204031519U (zh) * | 2014-06-11 | 2014-12-17 | 普诚科技（深圳）有限公司 | 一种led调光控制电路 |
| US20150382424A1 (en) * | 2014-06-25 | 2015-12-31 | Ketra, Inc. | Illumination Device and Method for Controlling an Illumination Device over Changes in Drive Current and Temperature |
| CN208063518U (zh) * | 2018-03-21 | 2018-11-06 | 深圳市富满电子集团股份有限公司 | Led照明系统 |
| CN109738718A (zh) * | 2016-08-24 | 2019-05-10 | 李敏 | 一种led灯条的测试装置 |
| CN111854939A (zh) * | 2020-07-24 | 2020-10-30 | 深圳市明学光电股份有限公司 | 一种用于led软灯条的在线检测方法 |
| KR20220093415A (ko) * | 2020-12-28 | 2022-07-05 | 김명순 | 과전류보호용 led 시선유도등 및 이에 따른 고장확인장치 |
| CN115002977A (zh) * | 2022-07-18 | 2022-09-02 | 成都盛及航空科技发展有限公司 | 一种着陆灯故障检测平台及着陆灯故障检测方法 |
| CN115294117A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市天成照明有限公司 | Led灯珠的缺陷检测方法及相关装置 |
| CN219266455U (zh) * | 2023-01-04 | 2023-06-27 | 浙江榆阳电子股份有限公司 | 检测led驱动产品灯闪及延迟启动的控制电路 |
-
2023
- 2023-12-12 CN CN202311694323.0A patent/CN117388663B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101464186A (zh) * | 2007-12-21 | 2009-06-24 | 株式会社光学系统 | 发光体的测光装置 |
| CN102043135A (zh) * | 2009-10-10 | 2011-05-04 | 中兴通讯股份有限公司 | 一种实时检测设备指示灯的方法及装置 |
| JP2013003472A (ja) * | 2011-06-20 | 2013-01-07 | Sharp Corp | 表示装置および表示装置の制御方法 |
| CN102306690A (zh) * | 2011-08-11 | 2012-01-04 | 郑州索兰电子科技有限公司 | 白光led色温检测修复机及其检测修复方法 |
| JP2014053250A (ja) * | 2012-09-10 | 2014-03-20 | Koito Electric Industries Ltd | Ｌｅｄ光束制御装置、道路照明装置 |
| CN204031519U (zh) * | 2014-06-11 | 2014-12-17 | 普诚科技（深圳）有限公司 | 一种led调光控制电路 |
| US20150382424A1 (en) * | 2014-06-25 | 2015-12-31 | Ketra, Inc. | Illumination Device and Method for Controlling an Illumination Device over Changes in Drive Current and Temperature |
| CN203981377U (zh) * | 2014-07-30 | 2014-12-03 | 苏州弗士达科学仪器有限公司 | 一种led灯条的光学特性测试装置 |
| CN109738718A (zh) * | 2016-08-24 | 2019-05-10 | 李敏 | 一种led灯条的测试装置 |
| CN208063518U (zh) * | 2018-03-21 | 2018-11-06 | 深圳市富满电子集团股份有限公司 | Led照明系统 |
| CN111854939A (zh) * | 2020-07-24 | 2020-10-30 | 深圳市明学光电股份有限公司 | 一种用于led软灯条的在线检测方法 |
| KR20220093415A (ko) * | 2020-12-28 | 2022-07-05 | 김명순 | 과전류보호용 led 시선유도등 및 이에 따른 고장확인장치 |
| CN115002977A (zh) * | 2022-07-18 | 2022-09-02 | 成都盛及航空科技发展有限公司 | 一种着陆灯故障检测平台及着陆灯故障检测方法 |
| CN115294117A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市天成照明有限公司 | Led灯珠的缺陷检测方法及相关装置 |
| CN219266455U (zh) * | 2023-01-04 | 2023-06-27 | 浙江榆阳电子股份有限公司 | 检测led驱动产品灯闪及延迟启动的控制电路 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117388663B (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106021806B (zh) | 一种基于核函数极限学习机的光伏组串故障诊断方法 | |
| US8849438B2 (en) | Factory level process and final product performance control system | |
| US20200051038A1 (en) | Calibration of cloud-based information for lifetime prediction of luminaires | |
| CN111753397B (zh) | 一种计及分布式电源相关性的配电系统可靠性评估方法 | |
| CN116308304B (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
| CN117388663B (zh) | 基于多源数据分析的led灯带加工检测方法及系统 | |
| CN117312811B (zh) | 一种led灯珠的性能评估方法、系统及存储介质 | |
| CN114226282A (zh) | 一种用于箱包生产线的运行效率监测系统 | |
| CN111083835B (zh) | 基于全光谱的led智能照明系统及其方法 | |
| CN107526714B (zh) | 一种用于城市路灯配电系统的故障预测方法 | |
| CN102353517B (zh) | 半导体激光器的温度分级筛选的平台及方法 | |
| US10959305B2 (en) | Controlling a lighting device having at least two electric light sources | |
| CN116761298A (zh) | 一种具有智能控制功能的led驱动器及控制方法 | |
| CN116916493A (zh) | 一种led照明灯具运行监测数据管理系统 | |
| CN110648935A (zh) | 一种运用ai模型的半导体制造缺陷动态随机取样方法 | |
| CN116540058A (zh) | 一种基于数据分析的led车灯运行监测系统 | |
| CN115117944B (zh) | 一种风电光伏联合发电的功率控制方法 | |
| CN115456092A (zh) | 电力系统异常数据实时监测方法 | |
| Hsu et al. | Intelligent maintenance prediction system for LED wafer testing machine | |
| CN105246232B (zh) | 一种智能照明中单灯监控方法 | |
| CN110057551B (zh) | 一种led多芯片模组的光、色性能预测方法 | |
| CN116761306B (zh) | 一种两用照明装置的照明优化方法及系统 | |
| CN104020335B (zh) | 确定芯片的最低工作电压的方法、装置和芯片 | |
| CN110927617A (zh) | 一种基于红外热成像的led车灯质量检测方法 | |
| CN112924370A (zh) | 一种光伏组件及材料的紫外热循环综合试验方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |