CN117558723A - 一种多波峰连续全光谱护眼光源及其制造方法 - Google Patents

一种多波峰连续全光谱护眼光源及其制造方法 Download PDF

Info

Publication number
CN117558723A
CN117558723A CN202410048568.4A CN202410048568A CN117558723A CN 117558723 A CN117558723 A CN 117558723A CN 202410048568 A CN202410048568 A CN 202410048568A CN 117558723 A CN117558723 A CN 117558723A
Authority
CN
China
Prior art keywords
fluorescent powder
distribution
training
light source
real
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
Application number
CN202410048568.4A
Other languages
English (en)
Other versions
CN117558723B (zh
Inventor
冯挺
王振兴
汪年霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Huahuihuang Optoelectronics Technology Co ltd
Original Assignee
Guangdong Huahuihuang Optoelectronics Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Huahuihuang Optoelectronics Technology Co ltd filed Critical Guangdong Huahuihuang Optoelectronics Technology Co ltd
Priority to CN202410048568.4A priority Critical patent/CN117558723B/zh
Publication of CN117558723A publication Critical patent/CN117558723A/zh
Application granted granted Critical
Publication of CN117558723B publication Critical patent/CN117558723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L25/00—Assemblies consisting of a plurality of individual semiconductor or other solid state devices ; Multistep manufacturing processes thereof
    • H01L25/03—Assemblies consisting of a plurality of individual semiconductor or other solid state devices ; Multistep manufacturing processes thereof all the devices being of a type provided for in the same subgroup of groups H01L27/00 - H01L33/00, or in a single subclass of H10K, H10N, e.g. assemblies of rectifier diodes
    • H01L25/04—Assemblies consisting of a plurality of individual semiconductor or other solid state devices ; Multistep manufacturing processes thereof all the devices being of a type provided for in the same subgroup of groups H01L27/00 - H01L33/00, or in a single subclass of H10K, H10N, e.g. assemblies of rectifier diodes the devices not having separate containers
    • H01L25/075—Assemblies consisting of a plurality of individual semiconductor or other solid state devices ; Multistep manufacturing processes thereof all the devices being of a type provided for in the same subgroup of groups H01L27/00 - H01L33/00, or in a single subclass of H10K, H10N, e.g. assemblies of rectifier diodes the devices not having separate containers the devices being of a type provided for in group H01L33/00
    • H01L25/0753—Assemblies consisting of a plurality of individual semiconductor or other solid state devices ; Multistep manufacturing processes thereof all the devices being of a type provided for in the same subgroup of groups H01L27/00 - H01L33/00, or in a single subclass of H10K, H10N, e.g. assemblies of rectifier diodes the devices not having separate containers the devices being of a type provided for in group H01L33/00 the devices being arranged next to each other
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L33/00—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L33/005—Processes
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L33/00—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L33/48—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof characterised by the semiconductor body packages
    • H01L33/483—Containers
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L33/00—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L33/48—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof characterised by the semiconductor body packages
    • H01L33/50—Wavelength conversion elements
    • H01L33/501—Wavelength conversion elements characterised by the materials, e.g. binder
    • H01L33/502—Wavelength conversion materials
    • H01L33/504—Elements with two or more wavelength conversion materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10064—Fluorescence image
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2933/00—Details relating to devices covered by the group H01L33/00 but not provided for in its subgroups
    • H01L2933/0008—Processes
    • H01L2933/0033—Processes relating to semiconductor body packages
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2933/00—Details relating to devices covered by the group H01L33/00 but not provided for in its subgroups
    • H01L2933/0008—Processes
    • H01L2933/0033—Processes relating to semiconductor body packages
    • H01L2933/0041—Processes relating to semiconductor body packages relating to wavelength conversion elements

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Quality & Reliability (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Led Device Packages (AREA)

Abstract

一种多波峰连续全光谱护眼光源及其制造方法，所述多波峰连续全光谱护眼光源包括：透明保护壳体；以及，被包覆于所述透明保护壳体内的光源结构，其中，所述光源结构包括电路板基板、安装于所述电路板基板的至少三发光晶片，以及，设置于所述至少三发光晶片的发光路径上的至少三支架杯，其中，所述支架杯包括支架杯主体和附着于所述支架杯主体的荧光粉，至少三支架杯的荧光粉具有不同激发波段。这种光源具有更高的发光效率、连续的发光波长、更均匀的发光色温和更好的色彩还原度，能够提供更舒适和护眼的照明环境。

Description

一种多波峰连续全光谱护眼光源及其制造方法
技术领域
本申请涉及智能化护眼光源技术领域，并且更具体地，涉及一种多波峰连续全光谱护眼光源及其制造方法。
背景技术
光源是人类生活和工作中不可或缺的一种设备，它可以提供照明、显示、信号传输等功能。随着科技的发展，人们对光源的性能和品质有了更高的要求，尤其是对护眼光源的需求日益增加。护眼光源是指能够减少对人眼造成损伤或疲劳的光源，它通常具有以下特点：光线柔和、无频闪、无紫外线、无红外线、无蓝光危害、色温适中、色彩还原度高等。目前，市场上常见的护眼光源主要有白炽灯、荧光灯、卤素灯、LED灯等，其中，LED灯因为其节能、环保、寿命长等优点而受到广泛关注和应用。
然而，现有的LED护眼光源仍然存在一些不足之处，例如：发光效率低、发光波长单一或不连续、发光色温不均匀、发光色彩还原度低等。这些不足之处会影响LED护眼光源的照明质量和护眼效果，甚至会对人眼造成一定程度的损伤。
因此，期望一种多波峰连续全光谱护眼光源。
发明内容
为了解决上述技术问题，提出了本申请。本申请提供了一种多波峰连续全光谱护眼光源及其制造方法，所述多波峰连续全光谱护眼光源包括：透明保护壳体；以及，被包覆于所述透明保护壳体内的光源结构，其中，所述光源结构包括电路板基板、安装于所述电路板基板的至少三发光晶片，以及，设置于所述至少三发光晶片的发光路径上的至少三支架杯，其中，所述支架杯包括支架杯主体和附着于所述支架杯主体的荧光粉，至少三支架杯的荧光粉具有不同激发波段。这种光源具有更高的发光效率、连续的发光波长、更均匀的发光色温和更好的色彩还原度，能够提供更舒适和护眼的照明环境。
第一方面，提供了一种多波峰连续全光谱护眼光源，其包括：
透明保护壳体；以及
被包覆于所述透明保护壳体内的光源结构，其中，所述光源结构包括电路板基板、安装于所述电路板基板的至少三发光晶片，以及，设置于所述至少三发光晶片的发光路径上的至少三支架杯，其中，所述支架杯包括支架杯主体和附着于所述支架杯主体的荧光粉，至少三支架杯的荧光粉具有不同激发波段。
第二方面，提供了一种多波峰连续全光谱护眼光源的制造方法，其包括：
提供电路板基板；
将3-5个发光晶片焊接于所述电路板基板以得到多波峰连续全光谱护眼光源半成品；
制作3-5个支架杯，其中，所述3-5支架杯具有不同激发波段的荧光粉；以及
将所述3-5个支架杯分别安装于所述电路板基板以使得所述3-5个支架杯被保持于所述3-5个发光晶片的发光路径上。
与现有技术相比，本申请提供的多波峰连续全光谱护眼光源及其制造方法，所述多波峰连续全光谱护眼光源包括：透明保护壳体；以及，被包覆于所述透明保护壳体内的光源结构，其中，所述光源结构包括电路板基板、安装于所述电路板基板的至少三发光晶片，以及，设置于所述至少三发光晶片的发光路径上的至少三支架杯，其中，所述支架杯包括支架杯主体和附着于所述支架杯主体的荧光粉，至少三支架杯的荧光粉具有不同激发波段。这种光源具有更高的发光效率、连续的发光波长、更均匀的发光色温和更好的色彩还原度，能够提供更舒适和护眼的照明环境。
附图说明
为了更清楚地说明本申请实施例的技术方案，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申请的一些实施例，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的附图。
图1为根据本申请实施例的多波峰连续全光谱护眼光源的结构图。
图2A至图2D为根据本申请实施例的三支架杯的图样1的各个视角的示意图。
图3A至图3D为根据本申请实施例的三支架杯的图样2的各个视角的示意图。
图4A至图4D为根据本申请实施例的三支架杯的图样3的各个视角的示意图。
图5A至图5F为根据本申请实施例的三发光晶片的图样的示意图。
图6为根据本申请实施例的多波峰连续全光谱护眼光源的制造方法的流程图。
图7为根据本申请实施例的多波峰连续全光谱护眼光源的制造方法架构的示意图。
图8为根据本申请实施例的多波峰连续全光谱护眼光源的制造方法的应用场景图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。
在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。
在介绍了本申请的基本原理之后，下面将参考附图来具体介绍本申请的各种非限制性实施例。
护眼光源是一种能够减少对人眼造成损伤或疲劳的光源，在现代社会中，日常生活中接触到的光源种类繁多，如白炽灯、荧光灯、卤素灯、LED灯等。然而，不同光源的光线特性和对眼睛的影响也有所不同。护眼光源的特点包括光线柔和、无频闪、无紫外线、无红外线、无蓝光危害、色温适中、色彩还原度高等，这些特点使得护眼光源能够提供舒适的光照环境，减少对眼睛的刺激和疲劳，有助于保护视力健康。
白炽灯是传统的光源之一，它的光线柔和，色温较低，色彩还原度较高，但是能效较低，寿命相对较短。荧光灯是一种常见的光源，它的能效较高，寿命较长，但是光线中含有频闪和紫外线，可能对眼睛造成一定的刺激和疲劳。卤素灯是一种高亮度的光源，色温较高，色彩还原度较好，但是其中也含有一定的红外线和紫外线。LED灯由于其独特的发光原理和优越的性能，成为了近年来最受关注和应用的护眼光源，LED灯具有节能、环保、寿命长、光线柔和、无频闪、无紫外线、无红外线、无蓝光危害等优点，能够提供高质量的光照环境，保护眼睛健康。
然而，LED灯仍然存在一些不足之处，首先，LED灯的发光效率相对较低，尽管LED灯的能效较高，但在实际使用中，仍然存在一些能量转化为热量而非光能的损耗，这意味着LED灯可能需要更多的功率来提供相同的照明效果，从而可能增加能源消耗。其次，LED灯的发光波长通常是单一或不连续的，传统白炽灯和荧光灯可以通过改变灯泡或荧光粉的配方来调整发光色温和色彩，而LED灯通常需要使用不同的LED芯片来实现不同的发光效果，这可能导致照明环境中的色温和色彩不均匀，影响视觉体验。此外，LED灯的色彩还原度也存在一定的挑战。色彩还原度是指光源照射在物体上时，物体表面反射出的颜色与其在自然光下的颜色的一致性程度，由于LED灯的发光波长通常是离散的，可能无法完全还原物体的真实颜色，特别是对于一些细节和红色调的物体。
对于以上问题，LED技术正在不断发展和改进。例如，通过改进LED芯片的结构和材料，可以提高发光效率和发光波长的连续性。此外，可以使用特殊的光学设计和调光技术来实现更均匀的色温和色彩还原度。
因此，在本申请中，提供一种多波峰连续全光谱护眼光源。
在本申请的一个实施例中，图1为根据本申请实施例的多波峰连续全光谱护眼光源的结构图。如图1所示，根据本申请实施例的多波峰连续全光谱护眼光源，包括：透明保护壳体1；以及被包覆于所述透明保护壳体1内的光源结构2，其中，所述光源结构2包括电路板基板21、安装于所述电路板基板21的至少三发光晶片22，以及，设置于所述至少三发光晶片22的发光路径上的至少三支架杯23，其中，所述支架杯23包括支架杯主体231和附着于所述支架杯主体231的荧光粉232，至少三支架杯23的荧光粉232具有不同激发波段。
进一步地，图样1的三支架杯的各个视角的示意图如图2A至图2D所示，图样2的三支架杯的各个视角的示意图如图3A至图3D所示，图样3的三支架杯的各个视角的示意图如图4A至图4D所示。三发光晶片的图样1的示意图如图5A所示，三发光晶片的图样2的示意图如图5B所示，三发光晶片的图样3的示意图如图5C所示，三发光晶片的图样4的示意图如图5D所示，三发光晶片的图样5的示意图如图5E所示，三发光晶片的图样6的示意图如图5F所示。
特别地，所述至少三发光晶片包含3-5个发光晶片。所述3-5个发光晶片之间的尺寸存在差异，其中，所述发光晶片的发光波长越低，所述发光晶片的尺寸越大。所述3-5个发光晶片之间的发光波长存在差异，其中，所述3-5个发光晶片之间的发光波长的范围为430-480nm之间，所述3-5个发光晶片中各个晶片之间的发光波长差异值范围为7nm-13nm。所述3-5个发光晶片之间的电压存在差异，所述3-5个发光晶片的电压范围为2.8v—3.4v。所述荧光粉由红色荧光粉、绿色荧光粉和蓝色荧光粉混合调制而成，所述红色荧光粉的激发波段为613nm-618nm和645nm-655nm，所述绿色荧光粉的激发波段为518nm-522nm和528nm-533nm，且所述蓝色荧光粉的激发波段为480nm-485nm和489nm-495nm。应可以理解，通过使用多个发光晶片和不同激发波段的荧光粉，该光源实现了多波峰连续全光谱的发光效果，从而改善了传统LED光源的不足之处。这种光源具有更高的发光效率、连续的发光波长、更均匀的发光色温和更好的色彩还原度，能够提供更舒适和护眼的照明环境。
此外，图6为根据本申请实施例的多波峰连续全光谱护眼光源的制造方法的流程图，如图6所示，在本申请的技术方案中，还提出了一种多波峰连续全光谱护眼光源的制造方法， 包括：210，提供电路板基板；220，将3-5个发光晶片焊接于所述电路板基板以得到多波峰连续全光谱护眼光源半成品；230，制作3-5个支架杯，其中，所述3-5支架杯具有不同激发波段的荧光粉；以及，240，将所述3-5个支架杯分别安装于所述电路板基板以使得所述3-5个支架杯被保持于所述3-5个发光晶片的发光路径上。
在上述多波峰连续全光谱护眼光源的制造方法中，在制作支架杯时，使用红色荧光粉、绿色荧光粉和蓝色荧光粉来调制所述荧光粉，并使用点胶机将所述荧光粉注入支架杯主体内并进行烘烤以得到所述支架杯。应可以理解，支架杯是一个容器，用于承载和固定荧光粉，荧光粉是一种发光材料，通过将其注入支架杯中，可以确保荧光粉在光源中的位置和分布均匀。
本申请提供一种多波峰连续全光谱护眼光源的制造方法，通过此方法制造出来的光源，在成品灯具应用时可直接使用，无需在成产品灯具上增加滤蓝光配件，可达到蓝光危害标准在RG1及以下，具有比较高的实际应用价值。
相应地，考虑到在制造多波峰连续全光谱护眼光源的过程中，在将荧光粉注入支架杯中时，荧光粉的注入位置和分布对光源的发光效果和性能有着重要影响。如果荧光粉的注入不均匀或位置偏移，可能会导致光源的发光不均匀或色彩失真，从而影响到护眼效果。因此，在制造过程中，为了确保荧光粉在光源中的位置和分布均匀，需要对注入效果进行检测。通过检测荧光粉的分布情况，可以及时发现并纠正注入过程中的问题，确保荧光粉在支架杯中的均匀分布。这样，可以保证光源在发光时能够提供均匀的光线和色温，达到更好的照明效果和护眼效果。
基于此，在使用点胶机将所述荧光粉注入支架杯主体内并进行烘烤以得到所述支架杯的过程中，本申请的技术构思为通过摄像头捕捉注入所述荧光粉后的支架杯主体的荧光粉分布实时图像，并在后端引入图像处理和分析算法来进行该荧光粉分布实时图像和荧光粉分布参考图像的分析与对比，以此来判断荧光粉是注入效果是否满足预定标准，从而确保荧光粉在光源中的位置和分布均匀性。这样。能够精确控制荧光粉的分布和注入效果，从而保证了多波峰连续全光谱护眼光源的结构稳定性和性能可靠性。
图7为根据本申请实施例的多波峰连续全光谱护眼光源的制造方法架构的示意图。如图7所示，使用点胶机将所述荧光粉注入支架杯主体内并进行烘烤以得到所述支架杯，包括：首先，通过摄像头捕捉注入所述荧光粉后的支架杯主体的荧光粉分布实时图像；然后，从后台数据库提取荧光粉分布参考图像；接着，将所述荧光粉分布实时图像和所述荧光粉分布参考图像通过包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型以得到荧光粉分布实时特征图和荧光粉分布参考特征图；然后，将所述荧光粉分布实时特征图和所述荧光粉分布参考特征图分别通过基于空间自注意力层的空间显著器以得到空间显著化荧光粉分布实时特征图和空间显著化荧光粉分布参考特征图；接着，计算所述空间显著化荧光粉分布实时特征图和所述空间显著化荧光粉分布参考特征图之间的差分特征图以得到荧光粉注入效果差分化表征特征图；以及，最后，将所述荧光粉注入效果差分化表征特征图通过分类器以得到分类结果，所述分类结果用于表示注入效果是否符合预定标准。
应可以理解，首先，通过摄像头捕捉荧光粉分布实时图像可以实时监测荧光粉在支架杯主体上的分布情况，以帮助检测荧光粉的均匀性和准确性，以及及时发现任何问题或不符合标准的情况。然后，从后台数据库提取荧光粉分布参考图像可以作为一个标准参照，用于与实时图像进行比较，以帮助确定荧光粉分布是否符合预定标准，以及检测任何偏差或不一致性。接着，通过荧光粉分布孪生检测模型提取荧光粉分布实时特征图和荧光粉分布参考特征图，可以对实时图像和参考图像进行特征提取和对比，以帮助确定荧光粉分布的差异和相似性，以及检测任何偏离标准的情况。然后，使用基于空间自注意力层的空间显著器可以对特征图进行处理，突出荧光粉分布的显著性区域，以帮助减少干扰和噪声，提高荧光粉分布的可视化效果，并更好地展示荧光粉的分布情况。接着，计算空间显著化荧光粉分布实时特征图和空间显著化荧光粉分布参考特征图之间的差分特征图，可以更直观地显示荧光粉注入效果的差异，以帮助判断荧光粉分布的一致性和准确性，以及检测任何不符合预定标准的情况。最后，使用分类器对荧光粉注入效果差分化表征特征图进行分类，可以根据分类结果判断注入效果是否符合预定标准，以帮助及时发现和纠正任何不合格的荧光粉分布，以确保产品质量和视觉效果的一致性。
具体地，在本申请的技术方案中，首先，通过摄像头捕捉注入所述荧光粉后的支架杯主体的荧光粉分布实时图像，并从后台数据库提取荧光粉分布参考图像。接着，使用在图像的隐含特征提取方面具有优异表现性能的卷积神经网络模型来进行所述荧光粉分布实时图像和所述荧光粉分布参考图像的特征捕捉和刻画。特别地，为了进一步增强对于荧光粉的注入效果检测的充分性和精准度，在本申请的技术方案中，将所述荧光粉分布实时图像和所述荧光粉分布参考图像通过包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型以得到荧光粉分布实时特征图和荧光粉分布参考特征图。特别地，所述第一分布特征提取器和所述第二分布特征提取器使用具有相同网络结构的卷积神经网络模型来进行所述荧光粉分布实时图像和所述荧光粉分布参考图像的特征分析，能够挖掘出两者图像在图像源域端差异不明显的特征信息，以此来提高对于两者图像中关于荧光粉位置和分布特征差异的敏感度和刻画能力，从而提高对于注入效果的判断精准度。
进一步地，考虑到在实际进行荧光粉的注入效果检测过程中，需要聚焦于荧光粉的空间位置和分布特征而忽略其他与荧光粉注入效果无关的干扰特征。因此，为了进一步提升荧光粉注入效果特征的表达能力，在本申请的技术方案中，进一步将所述荧光粉分布实时特征图和所述荧光粉分布参考特征图分别通过基于空间自注意力层的空间显著器以得到空间显著化荧光粉分布实时特征图和空间显著化荧光粉分布参考特征图。应可以理解，所述空间自注意力层可以对特征图中的不同区域进行加权，以突出荧光粉分布中的重要空间特征信息并减少不相关的噪声，从而增强荧光粉注入效果的特征表达能力。这样，可以更准确地分析荧光粉的分布情况，判断注入效果是否符合预定标准。如果发现注入效果不理想，可以及时调整制造过程，确保荧光粉在光源中的位置和分布均匀，从而提供更好的照明环境和护眼效果。
然后，为了能够表征两者图像中关于荧光粉的注入效果差异，在本申请的技术方案中，进一步计算所述空间显著化荧光粉分布实时特征图和所述空间显著化荧光粉分布参考特征图之间的差分特征图以得到荧光粉注入效果差分化表征特征图。特别地，所述荧光粉注入效果差分化表征特征图可以提供有关荧光粉分布的定量信息，例如注入效果的均匀性、偏移程度等。如果差分特征图中存在明显的差异区域，意味着荧光粉的分布在某些位置上存在偏差或不均匀。这些信息可以帮助制造过程中的调整和改进，以确保荧光粉在光源中的位置和分布更加均匀和准确。
继而，再将所述荧光粉注入效果差分化表征特征图通过分类器以得到分类结果，所述分类结果用于表示注入效果是否符合预定标准。也就是说，利用所述荧光粉分布实时图像和所述荧光粉分布参考图像中关于荧光粉位置和分布的注入效果差分化表征特征信息来进行分类处理，以此来判断荧光粉是注入效果是否满足预定标准，从而确保荧光粉在光源中的位置和分布均匀性。通过检测荧光粉的分布情况，可以及时发现并纠正注入过程中的问题，确保荧光粉在支架杯中的均匀分布。这样，可以保证光源在发光时能够提供均匀的光线和色温，达到更好的照明效果和护眼效果。
在本申请的一个实施例中，所述多波峰连续全光谱护眼光源的制造方法，还包括训练步骤：用于对所述包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型、所述基于空间自注意力层的空间显著器和所述分类器进行训练；其中，所述训练步骤，包括：通过摄像头捕捉注入所述荧光粉后的支架杯主体的训练荧光粉分布实时图像；从后台数据库提取训练荧光粉分布参考图像；将所述训练荧光粉分布实时图像和所述训练荧光粉分布参考图像通过所述包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型以得到训练荧光粉分布实时特征图和训练荧光粉分布参考特征图；将所述训练荧光粉分布实时特征图和所述训练荧光粉分布参考特征图分别通过所述基于空间自注意力层的空间显著器以得到训练空间显著化荧光粉分布实时特征图和训练空间显著化荧光粉分布参考特征图；计算所述训练空间显著化荧光粉分布实时特征图和所述训练空间显著化荧光粉分布参考特征图之间的差分特征图以得到训练荧光粉注入效果差分化表征特征图；将所述训练荧光粉注入效果差分化表征特征图通过所述分类器以得到分类损失函数值；基于所述分类损失函数值对所述包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型、所述基于空间自注意力层的空间显著器和所述分类器进行训练，在进行迭代训练时，对所述训练荧光粉注入效果差分化表征特征图展开后得到的训练荧光粉注入效果差分化表征特征向量进行优化以得到优化训练荧光粉注入效果差分化表征特征向量。
特别地，在本申请的技术方案中，所述训练荧光粉分布实时特征图和训练荧光粉分布参考特征图分别表示所述训练荧光粉分布实时图像和所述训练荧光粉分布参考图像的基于卷积神经网络模型的图像语义特征。在将所述训练荧光粉分布实时特征图和训练荧光粉分布参考特征图分别通过基于空间自注意力层的空间显著器后，所述训练荧光粉分布实时特征图和所述训练荧光粉分布参考特征图在空间维度的特征分布会更加具有显著性。但由于所述训练荧光粉分布实时图像和所述训练荧光粉分布参考图像在图像源域空间存在差异且在图像拍摄的过程中会不可避免的引入噪声和畸变等干扰因素，使得在通过所述基于空间自注意力层的空间显著器进行特征分布的空间维度显著化时，会引入空间维度显著化的方向和区域的不定性。这使得在计算所述训练空间显著化荧光粉分布实时特征图和所述训练空间显著化荧光粉分布参考特征图之间的差分特征图以得到训练荧光粉注入效果差分化表征特征图的过程中，所述训练荧光粉注入效果差分化表征特征图会具有图像特征图差分信息博弈离散化，从而影响其通过分类器进行分类的分类效果。
基于此，本申请的申请人优选地在所述训练荧光粉注入效果差分化表征特征图展开后得到的训练荧光粉注入效果差分化表征特征向量每次通过分类器进行迭代训练时，对所述训练荧光粉注入效果差分化表征特征向量进行优化，具体表示为：以如下优化公式在进行迭代训练时，对所述训练荧光粉注入效果差分化表征特征图展开后得到的训练荧光粉注入效果差分化表征特征向量进行优化以得到优化训练荧光粉注入效果差分化表征特征向量；其中，所述优化公式为：
;
其中，是所述训练荧光粉注入效果差分化表征特征图展开后得到的训练荧光粉 注入效果差分化表征特征向量的特征值，且是尺度超参数，是所述优化训练荧光粉注 入效果差分化表征特征向量的特征值，表示以2为底的对数函数。
具体地，当所述训练荧光粉注入效果差分化表征特征向量进行训练时，训练时的所述分类器的权重矩阵作用于所述训练荧光粉注入效果差分化表征特征向量上，由于权重矩阵本身的致密特性，会使得所述训练荧光粉注入效果差分化表征特征向量的各个位置的特征值之间的语义匹配信息博弈离散化产生大规模信息博弈，导致分类解无法在博弈基础上收敛到纳什均衡，这样，通过基于所述训练荧光粉注入效果差分化表征特征向量的向量信息自控均衡邻域对所述训练荧光粉注入效果差分化表征特征向量进行信息博弈均衡化的等效收敛，可以通过特征值在局部邻域内的自博弈来促进收敛，从而提高所述训练荧光粉注入效果差分化表征特征图通过分类器的训练效果。这样，能够通过对荧光粉注入效果的检测来确保荧光粉在光源中的位置和分布均匀性，从而保证多波峰连续全光谱护眼光源的结构稳定性和性能可靠性。
综上，基于本申请实施例的多波峰连续全光谱护眼光源的制造方法被阐明，其通过摄像头捕捉注入所述荧光粉后的支架杯主体的荧光粉分布实时图像，并在后端引入图像处理和分析算法来进行该荧光粉分布实时图像和荧光粉分布参考图像的分析与对比，以此来判断荧光粉是注入效果是否满足预定标准，从而确保荧光粉在光源中的位置和分布均匀性。这样。能够精确控制荧光粉的分布和注入效果，从而保证了多波峰连续全光谱护眼光源的结构稳定性和性能可靠性。
图8为根据本申请实施例的多波峰连续全光谱护眼光源的制造方法的应用场景图。如图8所示，在该应用场景中，首先，通过摄像头捕捉注入所述荧光粉后的支架杯主体的荧光粉分布实时图像（例如，如图8中所示意的C）；然后，将获取的荧光粉分布实时图像输入至部署有多波峰连续全光谱护眼光源算法的服务器（例如，如图8中所示意的S）中，其中所述服务器能够基于多波峰连续全光谱护眼光源算法对所述荧光粉分布实时图像进行处理，以表示注入效果是否符合预定标准。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (10)

1. 一种多波峰连续全光谱护眼光源，其特征在于，包括：
透明保护壳体；以及
被包覆于所述透明保护壳体内的光源结构，其中，所述光源结构包括电路板基板、安装于所述电路板基板的至少三发光晶片，以及，设置于所述至少三发光晶片的发光路径上的至少三支架杯，其中，所述支架杯包括支架杯主体和附着于所述支架杯主体的荧光粉，至少三支架杯的荧光粉具有不同激发波段。
2.根据权利要求1所述的多波峰连续全光谱护眼光源，其特征在于，所述至少三发光晶片包含3-5个发光晶片。
3.根据权利要求2所述的多波峰连续全光谱护眼光源，其特征在于，所述3-5个发光晶片之间的尺寸存在差异，其中，所述发光晶片的发光波长越低，所述发光晶片的尺寸越大。
4.根据权利要求3所述的多波峰连续全光谱护眼光源，其特征在于，所述3-5个发光晶片之间的发光波长存在差异，其中，所述3-5个发光晶片之间的发光波长的范围为430-480nm之间，所述3-5个发光晶片中各个晶片之间的发光波长差异值范围为7nm-13nm。
5.根据权利要求4所述的多波峰连续全光谱护眼光源，其特征在于，所述3-5个发光晶片之间的电压存在差异，所述3-5个发光晶片的电压范围为2.8v—3.4v。
6.根据权利要求5所述的多波峰连续全光谱护眼光源，其特征在于，所述荧光粉由红色荧光粉、绿色荧光粉和蓝色荧光粉混合调制而成，所述红色荧光粉的激发波段为613nm-618nm和645nm-655nm，所述绿色荧光粉的激发波段为518nm-522nm和528nm-533nm，且所述蓝色荧光粉的激发波段为480nm-485nm和489nm-495nm。
7.一种多波峰连续全光谱护眼光源的制造方法，其特征在于，包括：
提供电路板基板；
将3-5个发光晶片焊接于所述电路板基板以得到多波峰连续全光谱护眼光源半成品；
制作3-5个支架杯，其中，所述3-5支架杯具有不同激发波段的荧光粉；以及
将所述3-5个支架杯分别安装于所述电路板基板以使得所述3-5个支架杯被保持于所述3-5个发光晶片的发光路径上。
8.根据权利要求7所述的多波峰连续全光谱护眼光源的制造方法，其特征在于，制作3-5个支架杯，其中，所述3-5支架杯具有不同激发波段的荧光粉，包括：
使用红色荧光粉、绿色荧光粉和蓝色荧光粉来调制所述荧光粉；
使用点胶机将所述荧光粉注入支架杯主体内并进行烘烤以得到所述支架杯。
9.根据权利要求8所述的多波峰连续全光谱护眼光源的制造方法，其特征在于，使用点胶机将所述荧光粉注入支架杯主体内并进行烘烤以得到所述支架杯，包括：
通过摄像头捕捉注入所述荧光粉后的支架杯主体的荧光粉分布实时图像；
从后台数据库提取荧光粉分布参考图像；
将所述荧光粉分布实时图像和所述荧光粉分布参考图像通过包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型以得到荧光粉分布实时特征图和荧光粉分布参考特征图；
将所述荧光粉分布实时特征图和所述荧光粉分布参考特征图分别通过基于空间自注意力层的空间显著器以得到空间显著化荧光粉分布实时特征图和空间显著化荧光粉分布参考特征图；
计算所述空间显著化荧光粉分布实时特征图和所述空间显著化荧光粉分布参考特征图之间的差分特征图以得到荧光粉注入效果差分化表征特征图；以及
将所述荧光粉注入效果差分化表征特征图通过分类器以得到分类结果，所述分类结果用于表示注入效果是否符合预定标准。
10.根据权利要求9所述的多波峰连续全光谱护眼光源的制造方法，其特征在于，还包括训练步骤：用于对所述包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型、所述基于空间自注意力层的空间显著器和所述分类器进行训练；
其中，所述训练步骤，包括：
通过摄像头捕捉注入所述荧光粉后的支架杯主体的训练荧光粉分布实时图像；
从后台数据库提取训练荧光粉分布参考图像；
将所述训练荧光粉分布实时图像和所述训练荧光粉分布参考图像通过所述包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型以得到训练荧光粉分布实时特征图和训练荧光粉分布参考特征图；
将所述训练荧光粉分布实时特征图和所述训练荧光粉分布参考特征图分别通过所述基于空间自注意力层的空间显著器以得到训练空间显著化荧光粉分布实时特征图和训练空间显著化荧光粉分布参考特征图；
计算所述训练空间显著化荧光粉分布实时特征图和所述训练空间显著化荧光粉分布参考特征图之间的差分特征图以得到训练荧光粉注入效果差分化表征特征图；
将所述训练荧光粉注入效果差分化表征特征图通过所述分类器以得到分类损失函数值；
基于所述分类损失函数值对所述包含第一分布特征提取器和第二分布特征提取器的荧光粉分布孪生检测模型、所述基于空间自注意力层的空间显著器和所述分类器进行训练，在进行迭代训练时，对所述训练荧光粉注入效果差分化表征特征图展开后得到的训练荧光粉注入效果差分化表征特征向量进行优化以得到优化训练荧光粉注入效果差分化表征特征向量。
CN202410048568.4A 2024-01-12 2024-01-12 一种多波峰连续全光谱护眼光源及其制造方法 Active CN117558723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410048568.4A CN117558723B (zh) 2024-01-12 2024-01-12 一种多波峰连续全光谱护眼光源及其制造方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410048568.4A CN117558723B (zh) 2024-01-12 2024-01-12 一种多波峰连续全光谱护眼光源及其制造方法

Publications (2)

Publication Number Publication Date
CN117558723A true CN117558723A (zh) 2024-02-13
CN117558723B CN117558723B (zh) 2024-03-29

Family

ID=89817116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410048568.4A Active CN117558723B (zh) 2024-01-12 2024-01-12 一种多波峰连续全光谱护眼光源及其制造方法

Country Status (1)

Country Link
CN (1) CN117558723B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109904300A (zh) * 2019-03-15 2019-06-18 索罗紫光(上海)科技有限公司 一种车灯光源器件和车灯模组
CN110444649A (zh) * 2019-08-16 2019-11-12 山东光因照明科技有限公司 模拟太阳光的全光谱led光源封装方法及其封装结构
CN210897271U (zh) * 2019-05-09 2020-06-30 易美芯光（北京）科技有限公司 一种高显色性白光led模组
CN115472601A (zh) * 2022-09-15 2022-12-13 深圳市稳耀半导体科技有限公司 多波段芯片搭配特殊基板实现多色温广角全光谱白光光源
CN116504768A (zh) * 2023-01-28 2023-07-28 北京宇极芯光光电技术有限公司 高显色、光谱连续的白光led封装体及发光装置
CN117238902A (zh) * 2023-09-06 2023-12-15 明景照明(中山)有限公司 一种全光谱led光源

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109904300A (zh) * 2019-03-15 2019-06-18 索罗紫光(上海)科技有限公司 一种车灯光源器件和车灯模组
CN210897271U (zh) * 2019-05-09 2020-06-30 易美芯光（北京）科技有限公司 一种高显色性白光led模组
CN110444649A (zh) * 2019-08-16 2019-11-12 山东光因照明科技有限公司 模拟太阳光的全光谱led光源封装方法及其封装结构
CN115472601A (zh) * 2022-09-15 2022-12-13 深圳市稳耀半导体科技有限公司 多波段芯片搭配特殊基板实现多色温广角全光谱白光光源
CN116504768A (zh) * 2023-01-28 2023-07-28 北京宇极芯光光电技术有限公司 高显色、光谱连续的白光led封装体及发光装置
CN117238902A (zh) * 2023-09-06 2023-12-15 明景照明(中山)有限公司 一种全光谱led光源

Also Published As

Publication number Publication date
CN117558723B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
CN106328070B (zh) OLED模组Gamma调校方法及装置
CN106716243A (zh) 用于色温匹配的多led相机闪光
CN106101547A (zh) 一种图像数据的处理方法、装置和移动终端
CN101762586B (zh) 测定和展示钻石光学效果的方法
CN109618479B (zh) 光源参数测量方法、装置、照明系统和终端设备
JP2003533831A (ja) デジタル像化処理のための物体色の測定、符号化及び表示のための方法及び装置
CN105651386A (zh) 一种利用标准光源对色观察箱进行颜色测试的方法
CN106096588A (zh) 一种图像数据的处理方法、装置和移动终端
CN104748848B (zh) 一种基于led的智能对色灯箱
CN106210517A (zh) 一种图像数据的处理方法、装置和移动终端
CN106018413A (zh) 产品外观检测装置及其检测方法
CN108234971A (zh) 白平衡参数确定方法、白平衡调整方法及装置、存储介质、终端
CN109186946A (zh) 发光器件微区光度和色度学参数的测量方法及其测量装置
WO2020147580A1 (zh) 光源参数测量方法、装置、照明系统和终端设备
CN206248563U (zh) 一种电子产品外观表面缺陷检测装置
CN105791783A (zh) 摄像头成像色彩调整方法和系统
CN107833223B (zh) 一种基于光谱信息的水果高光谱图像分割方法
CN104637425A (zh) 流水线式led显示单元均匀性检测方法、系统及装置
CN117558723B (zh) 一种多波峰连续全光谱护眼光源及其制造方法
CN106840384B (zh) 校正装置和应用该校正装置的校正方法
US9234801B2 (en) Manufacturing method for LED emitter with high color consistency
CN106033062B (zh) 用于光学检测的自动调光方法及其光学检测机台
CN116567888A (zh) 一种全光谱智能调光的护眼灯具及其智能调光方法
CN110475036B (zh) 一种多谱段陶瓷光谱还原系统及方法
WO2024113514A1 (zh) 一种光源显指调节方法及使用其的舞台灯

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