CN112200200B - 一种led灯光颜色检测方法 - Google Patents

一种led灯光颜色检测方法 Download PDF

Info

Publication number
CN112200200B
CN112200200B CN202011081614.9A CN202011081614A CN112200200B CN 112200200 B CN112200200 B CN 112200200B CN 202011081614 A CN202011081614 A CN 202011081614A CN 112200200 B CN112200200 B CN 112200200B
Authority
CN
China
Prior art keywords
color
image
led light
led
characteristic parameter
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.)
Active
Application number
CN202011081614.9A
Other languages
English (en)
Other versions
CN112200200A (zh
Inventor
彭登永
张红英
邵长冬
冯勇
葛利跃
孙峻岭
辛厚智
胡晓林
童恒
何述国
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.)
Bengbu Ei Fire Electronics Co ltd
Original Assignee
Bengbu Ei Fire Electronics 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 Bengbu Ei Fire Electronics Co ltd filed Critical Bengbu Ei Fire Electronics Co ltd
Priority to CN202011081614.9A priority Critical patent/CN112200200B/zh
Publication of CN112200200A publication Critical patent/CN112200200A/zh
Application granted granted Critical
Publication of CN112200200B publication Critical patent/CN112200200B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Color Television Image Signal Generators (AREA)

Abstract

本发明公开了一种LED灯光颜色检测方法，包括固定图像采集设备，设定LED灯光采集位，在LED灯光采集位放置各种颜色的LED灯，通过图像采集设备进行LED灯光的彩色数字图像采集，送至处理器进行处理，计算得到各种颜色的LED灯光的颜色特征参数取值范围，形成颜色特征参数取值范围数据库。将待检测的LED灯放置在LED灯光采集位并点亮，图像采集设备对待检测的LED灯光进行彩色数字图像采集，送至处理器进行处理，计算得到待检测的LED灯光的颜色特征参数值，与颜色特征参数取值范围数据库进行匹配，得出待检测的LED灯光的颜色。本发明在任意相对稳定的外部环境条件下，都能准确高效地检测识别LED灯光颜色，具有较广的适用范围，能提高检测效率，从而提高生产效率。

Description

一种LED灯光颜色检测方法
技术领域
本发明涉及LED灯光颜色检测领域，具体涉及一种LED灯光颜色检测方法。
背景技术
目前，作为电子领域中重要元器件之一的LED，在电子产品中获得了广泛应用。然而，在LED的生产测试环节以及带有LED的电子产品的生产测试环节，多由人工观察LED灯的状态来完成LED相关的检测，这种检测方式对检测人员的眼睛有损害，容易导致职业病，且视觉疲劳容易造成误检，最终导致生产成本高、生产效率低下。
现有技术也通过普通相机拍摄进行LED检测，但普通相机拍摄点亮状态下的LED，获取的图像存在失真现象，具体表现为单色LED的图像中夹杂有其他颜色像素。此外，同一台图像采集设备在不同外部环境下所采集的同一LED点亮状态的图像，存在较大差异。这些因素，对LED灯光颜色检测识别造成了较大影响。
发明内容
为了提高LED灯的生产测试环节以及带有LED灯的电子产品的生产测试环节的效率，本发明提供了一种LED灯光颜色检测方法。
本发明采用以下的技术方案：
一种LED灯光颜色检测方法，包括以下步骤：
步骤1：固定图像采集设备不动，设定LED灯光采集位，图像采集设备对LED灯光采集位的拍摄角度和距离不变，在LED灯光采集位放置点亮的各种颜色的LED灯，通过图像采集设备进行LED灯光的彩色数字图像采集，图形采集设备将采集的彩色数字图像送至处理器进行处理，计算得到各种颜色的LED灯光的颜色特征参数取值范围，形成颜色特征参数取值范围数据库，并存入存储器中；
步骤2：将待检测的LED灯放置在LED灯光采集位并点亮，图像采集设备对待检测的LED灯光进行彩色数字图像采集，将采集的彩色数字图像送至处理器进行处理，计算得到待检测的LED灯光的颜色特征参数值，与颜色特征参数取值范围数据库进行匹配，得出待检测的LED灯光的颜色。
优选地，颜色特征参数取值范围的计算过程为：
步骤a：将彩色数字图像进行截取，截取图像中LED灯光所在区域的子图像，对子图像的尺寸进行归一化处理，使得所有的子图像尺寸相同；
步骤b：对归一化处理的子图像调整白平衡，然后将子图像转换到HSV颜色空间，并分离成3个单通道图像，分别为色调通道图像、饱和度通道图像、明亮度通道图像；
步骤c：对色调通道图像、饱和度通道图像、明亮度通道图像均进行去噪处理，去噪处理后，分别计算色调通道图像、饱和度通道图像、明亮度通道图像的直方图；
步骤d：计算色调通道图像直方图的期望值e1和方差值s1，计算饱和度通道图像直方图的的期望值e2和方差值s2，计算明亮度通道图像直方图的的期望值e3和方差值s3；
步骤e：计算子图像的颜色特征参数值，颜色特征参数值包括期望总值E和方差总值S；
E＝e1*m1+e2*m2+e3*m3；
S＝s1*n1+s2*n2+s3*n3；
m1、m2和m3代表的是期望权重，n1、n2和n3代表的是方差权重；
步骤f：每个颜色的LED灯光进行大量颜色特征参数值计算，形成每个颜色的LED灯光的颜色特征参数取值范围。
优选地，所述图像采集设备为工业相机。
本发明具有的有益效果是：
本发明使用图像采集设备代替人眼，然后对采集的图像进行处理，检测识别LED灯光的状态，实现LED灯光颜色的自动化检测，以及带有LED灯的电子产品检测环节中LED光颜色的自动化检测。
本发明提供的检测方法在任意相对稳定的外部环境条件下，都能准确高效地检测识别LED灯光颜色，具有较广的适用范围；基于图像处理来检测识别LED灯光颜色，提高检测效率，从而提高生产效率。
附图说明
图1为LED灯光颜色检测方法的流程图。
图2为颜色特征参数取值范围的计算流程图。
具体实施方式
下面结合附图和具体实施例对本发明的具体实施方式做进一步说明：
结合图1和图2，一种LED灯光颜色检测方法，检测识别LED灯光颜色的依据是LED灯光颜色的特征参数，检测识别的结果是LED灯光颜色的种类，因此必须先建立LED灯光颜色种类与特征参数之间的对应关系，即测定各种LED灯光颜色的特征参数取值范围。检测识别环节，将计算得到的LED灯光的颜色特征参数与测定的各种LED灯光的颜色特征参数取值范围逐一匹配，从而识别出LED灯光的颜色。
为了应对复杂的光照环境，降低误差，本发明提供的方法需要先测定LED灯光的颜色特征参数取值范围，作为检测识别过程判断的标准。本发明中使用的灯光颜色特征参数基于统计分析获取，能在较大程度上减少误差。
为了减少外部因素对LED灯光颜色检测的影响，本发明提供的方法需要获取图像过程稳定一致，外部光照环境相对稳定，使用固定某台图像采集设备，拍摄的角度、距离完全相同。如果任一环节出现变化，都需要重新测定LED灯光的颜色特征参数取值范围。
具体包括以下步骤：
步骤1：固定图像采集设备不动，设定LED灯光采集位，图像采集设备对LED灯光采集位的拍摄角度和距离不变。图像采集设备为工业相机。
在LED灯光采集位放置点亮的各种颜色的LED灯，通过图像采集设备进行LED灯光的彩色数字图像采集，图形采集设备将采集的彩色数字图像送至处理器进行处理，计算得到各种颜色的LED灯光的颜色特征参数取值范围，形成颜色特征参数取值范围数据库，并存入存储器中；
测定各种LED灯光颜色特征参数取值范围，需要采集大量且颜色种类齐全的LED点亮状态的彩色数字图像，并按灯光颜色进行分类标记，然后计算每一个颜色样本中LED灯光的颜色特征参数，最后统计出不同种类LED灯光的颜色特征参数的取值范围。
颜色特征参数取值范围的计算过程为：
步骤a：将彩色数字图像进行截取，截取图像中LED灯光所在区域的子图像，对子图像的尺寸进行归一化处理，使得所有的子图像尺寸相同；
步骤b：对归一化处理的子图像调整白平衡，然后将子图像转换到HSV颜色空间，并分离成3个单通道图像，分别为色调通道图像、饱和度通道图像、明亮度通道图像；
步骤c：对色调通道图像、饱和度通道图像、明亮度通道图像均进行去噪处理，去噪处理后，分别计算色调通道图像、饱和度通道图像、明亮度通道图像的直方图；
步骤d：计算色调通道图像直方图的期望值e1和方差值s1，计算饱和度通道图像直方图的的期望值e2和方差值s2，计算明亮度通道图像直方图的的期望值e3和方差值s3；
步骤e：计算子图像的颜色特征参数值，颜色特征参数值包括期望总值E和方差总值S；
E＝e1*m1+e2*m2+e3*m3；
S＝s1*n1+s2*n2+s3*n3；
m1、m2和m3代表的是期望权重，n1、n2和n3代表的是方差权重；
步骤f：每个颜色的LED灯光进行大量颜色特征参数值计算，形成每个颜色的LED灯光的颜色特征参数取值范围，即每个颜色的LED灯光的颜色特征参数是有一个取值范围的，落入改范围的颜色特征参数值就对于了该颜色的LED灯光。
形成的颜色特征参数取值范围数据库可供处理器调用，与下述的待检测的LED灯光的颜色特征参数值匹配。
步骤2：将待检测的LED灯放置在LED灯光采集位并点亮，图像采集设备对待检测的LED灯光进行彩色数字图像采集，将采集的彩色数字图像送至处理器进行处理，计算得到待检测的LED灯光的颜色特征参数值，与颜色特征参数取值范围数据库进行匹配，得出待检测的LED灯光的颜色。
计算待检测的LED灯光的颜色特征参数值与上述步骤a至步骤e的过程相同。
另外，进行LED灯光检测时，尽量保证采集过程中的外部环境条件、采集设备等是不变的，避免最终结果受外部因素影响。
实施例1
本实施例中，设定m1:m2:m3＝0.8:0.1:0.1，n1:n2:n3＝0.8:0.1:0.1，即：
E＝e1*0.8+e2*0.1+e3*0.1；
S＝s1*0.8+s2*0.1+s3*0.1。
当然，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (2)

1.一种LED灯光颜色检测方法，其特征在于，包括以下步骤：
步骤1：固定图像采集设备不动，设定LED灯光采集位，图像采集设备对LED灯光采集位的拍摄角度和距离不变，在LED灯光采集位放置点亮的各种颜色的LED灯，通过图像采集设备进行LED灯光的彩色数字图像采集，图形采集设备将采集的彩色数字图像送至处理器进行处理，计算得到各种颜色的LED灯光的颜色特征参数取值范围，形成颜色特征参数取值范围数据库，并存入存储器中；
颜色特征参数取值范围的计算过程为：
步骤a：将彩色数字图像进行截取，截取图像中LED灯光所在区域的子图像，对子图像的尺寸进行归一化处理，使得所有的子图像尺寸相同；
步骤b：对归一化处理的子图像调整白平衡，然后将子图像转换到HSV颜色空间，并分离成3个单通道图像，分别为色调通道图像、饱和度通道图像、明亮度通道图像；
步骤c：对色调通道图像、饱和度通道图像、明亮度通道图像均进行去噪处理，去噪处理后，分别计算色调通道图像、饱和度通道图像、明亮度通道图像的直方图；
步骤d：计算色调通道图像直方图的期望值e1和方差值s1，计算饱和度通道图像直方图的的期望值e2和方差值s2，计算明亮度通道图像直方图的的期望值e3和方差值s3；
步骤e：计算子图像的颜色特征参数值，颜色特征参数值包括期望总值E和方差总值S；
E＝e1*m1+e2*m2+e3*m3；
S＝s1*n1+s2*n2+s3*n3；
m1、m2和m3代表的是期望权重，n1、n2和n3代表的是方差权重；
步骤f：每个颜色的LED灯光进行大量颜色特征参数值计算，形成每个颜色的LED灯光的颜色特征参数取值范围；
步骤2：将待检测的LED灯放置在LED灯光采集位并点亮，图像采集设备对待检测的LED灯光进行彩色数字图像采集，将采集的彩色数字图像送至处理器进行处理，计算得到待检测的LED灯光的颜色特征参数值，与颜色特征参数取值范围数据库进行匹配，得出待检测的LED灯光的颜色。
2.根据权利要求1所述的一种LED灯光颜色检测方法，其特征在于，所述图像采集设备为工业相机。
CN202011081614.9A 2020-10-12 2020-10-12 一种led灯光颜色检测方法 Active CN112200200B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011081614.9A CN112200200B (zh) 2020-10-12 2020-10-12 一种led灯光颜色检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011081614.9A CN112200200B (zh) 2020-10-12 2020-10-12 一种led灯光颜色检测方法

Publications (2)

Publication Number Publication Date
CN112200200A CN112200200A (zh) 2021-01-08
CN112200200B true CN112200200B (zh) 2023-04-18

Family

ID=74014329

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011081614.9A Active CN112200200B (zh) 2020-10-12 2020-10-12 一种led灯光颜色检测方法

Country Status (1)

Country Link
CN (1) CN112200200B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117274405B (zh) * 2023-11-22 2024-02-02 深圳市蓝方光电有限公司 基于机器视觉的led灯工作颜色检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10102607A1 (de) * 2001-01-21 2002-07-25 Patrick Herzog Verfahren und Vorrichtung zur Prüfung der Farb-und/oder Glanz-Qualität von Stoffen oder ähnlichen Materialien
CN104574389A (zh) * 2014-12-26 2015-04-29 康奋威科技（杭州）有限公司 基于彩色机器视觉的电池片色差分选控制方法
CN107122776A (zh) * 2017-04-14 2017-09-01 重庆邮电大学 一种基于卷积神经网络的交通标志检测与识别方法
CN108460380A (zh) * 2018-03-13 2018-08-28 广西师范大学 一种基于主颜色的竹条颜色分类方法及***
CN111340897A (zh) * 2020-02-24 2020-06-26 威斯泰（苏州）智能科技有限公司 基于模糊数学相似度的颜色识别方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7496228B2 (en) * 2003-06-13 2009-02-24 Landwehr Val R Method and system for detecting and classifying objects in images, such as insects and other arthropods
CN102446345B (zh) * 2010-09-30 2015-09-30 株式会社理光 一种对于白板彩色图像进行颜色增强的方法、装置及***
CN104715239B (zh) * 2015-03-12 2019-01-18 哈尔滨工程大学 一种基于去雾处理和权重分块的车辆颜色识别方法
CN108009555A (zh) * 2017-12-15 2018-05-08 上海索广电子有限公司 一种led指示灯颜色识别***
CN109035235B (zh) * 2018-07-27 2021-09-07 郑州工程技术学院 一种车灯光导色差检测方法
CN109308456B (zh) * 2018-08-31 2021-06-08 北京字节跳动网络技术有限公司 目标对象的信息确定方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10102607A1 (de) * 2001-01-21 2002-07-25 Patrick Herzog Verfahren und Vorrichtung zur Prüfung der Farb-und/oder Glanz-Qualität von Stoffen oder ähnlichen Materialien
CN104574389A (zh) * 2014-12-26 2015-04-29 康奋威科技（杭州）有限公司 基于彩色机器视觉的电池片色差分选控制方法
CN107122776A (zh) * 2017-04-14 2017-09-01 重庆邮电大学 一种基于卷积神经网络的交通标志检测与识别方法
CN108460380A (zh) * 2018-03-13 2018-08-28 广西师范大学 一种基于主颜色的竹条颜色分类方法及***
CN111340897A (zh) * 2020-02-24 2020-06-26 威斯泰（苏州）智能科技有限公司 基于模糊数学相似度的颜色识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Esmael Hamuda et al..Automatic crop detection under field conditions using the HSV colour space and morphological operations.《Elsveir》.2017,全文. *
桂欣悦;李振伟;吴晨晨;李彦玥.基于MATLAB的红绿灯识别***研究.电子设计工程.2020,(16),全文. *

Also Published As

Publication number Publication date
CN112200200A (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
CN109269951B (zh) 基于图像的浮选尾煤灰分、浓度、粗颗粒含量检测方法
TWI603074B (zh) 光學薄膜缺陷辨識方法及其系統
CN104198324A (zh) 基于计算机视觉的烟丝中叶丝比例测定方法
CN107945184A (zh) 一种基于彩色图像分割和梯度投影定位的贴装元件检测方法
JP2009524884A (ja) 画像内の照明域を識別する方法及びシステム
KR101898947B1 (ko) 결함 검사 방법 및 결함 검사 시스템
CN104256882A (zh) 基于计算机视觉的烟丝中再造烟叶比例测定方法
WO2018010386A1 (zh) 元件反件检测方法和***
CN104198325A (zh) 基于计算机视觉的烟丝中梗丝比例测定方法
Birla et al. An efficient method for quality analysis of rice using machine vision system
CN112200200B (zh) 一种led灯光颜色检测方法
CN110009609B (zh) 一种快速检测黄粒米的方法
WO2015198401A1 (ja) ファスナエレメントの検査条件設定方法とファスナエレメント検査方法
CN109035235A (zh) 一种车灯光导色差检测方法
TWI695969B (zh) 發光源檢測系統及其檢測方法
CN115343313A (zh) 基于人工智能的视觉识别方法
KR101563332B1 (ko) 표면실장부품 패키지의 분류 시스템 및 방법
CN105445286A (zh) 玻璃保险丝管产品上标志质量缺陷检测方法及装置
KR102272745B1 (ko) 컴팩트 카메라 모듈 덮개 외관 검사 시스템 및 방법
CN110807817B (zh) 一种适应光照变化的目标颜色识别的机器视觉方法
CN111886492B (zh) 用于翡翠的颜色分级工艺及***
CN103592304A (zh) 梗物分析***及其分析方法
CN115049530A (zh) 用于调试图像信号处理器的方法、装置和***
CN109975299B (zh) 发光源检测***与方法
KR20230139166A (ko) 목재 제품의 불량 검사 방법

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