本发明涉及led检测，具体涉及一种基于智能学习的led实时检测系统及方法。
背景技术：
1、目前，led灯板检测技术相对落后，大多数场景还是通过工人人眼查看led灯板故障情况。采用人工检测效率低，错误率高，同时工人检测长时间观察高亮度的led灯珠会对视网膜造成不可逆的损伤，即使佩戴护目镜等防护工具仍然会对视觉产生影响。
技术实现思路
1、本发明的目的在于针对人工人眼检测led灯板，检测效率低、错误率高，同时长时间观察高亮度的led灯珠会对视网膜造成不可逆的损伤，针对此不足，提出了一种基于智能学习的led实时检测系统及方法。
2、为了实现上述目标，本发明采用如下的技术方案：
3、一种基于智能学习的led实时检测系统，包括主控模块、检测模块和网络通信模块；
4、所述主控模块与检测模块连接，用于接收和处理检测模块所采集的led灯板的各项指标数据，所述指标数据为亮度、色彩均匀度、色温、光衰情况、闪烁频率；
5、所述检测模块包括ccd高清摄像头，用于实时获得led灯板图像数据并传回给主控模块；
6、所述包括无线网络通信单元和蓝牙单元，与主控模块连接，用于访问网络，将检测数据传到云端。
7、作为本发明的进一步优选，所述主控模块包括显示单元和智能计算单元；
8、所述显示单元用于用于显示led当前检测状态和系统整体运行状态显示；
9、所述智能计算单元用于运行图像智能学习算法并进行数据和指令的输入输出；所述智能计算单元包括1个或多个具有神经网络处理器的高性能处理器。
10、一种基于智能学习的led实时检测方法，包括以下步骤：
11、s1、传送带将led灯板送至检测模块下方，点亮所有led灯珠，检测模块开启，拍摄led灯板视频，并将led灯板视频发送给主控模块；
12、s2、主控模块在智能计算单元中运行智能识别算法，根据led灯板视频中提取得到的指标数据，判断是否有灯珠存在故障的情况，做出判断结论，同时主控模块的显示单元实时显示判断结论，并给予工作人员提示；
13、s3、若灯珠不存在故障，则通过传送带将led灯板送往良品区；
14、s4、若有灯珠存在故障，则通过传送带将led灯板送往故障区；
15、s5、主控模块将判断结论通过网络通信模块发送到云端管理平台，进行数据存储。
16、作为本发明的进一步优选，所述根据led灯板视频中提取得到的指标数据，判断是否有灯珠存在故障的情况，做出判断结论，包括以下步骤：
17、s21、获得大量灯珠不同状态的数据集和标签，通过卷积神经网络算法进行监督学习，并导出训练好的模型；
18、s22、对检测模块采集到的led灯板视频进行二值化和形态学图像处理，对处理后的led灯板视频进行图像分割并提取灯珠的指标数据；
19、s23、将灯珠的指标数据导入模型中进行计算，将led灯板的灯珠进行分类，根据各类设定的阈值进行故障判定，并生成故障报告；
20、s24、将判定结论以及故障原因发送至显示单元，并通过网络通信模块上传到云端；
21、s25、根据用户反馈自适应调整超参数的配置，提高识别精度，达到最优分类模型输出。
22、作为本发明的进一步优选，所述大量灯珠不同状态的数据集和标签，包括：视频、标识该视频中灯珠健康状态下亮度等级、色彩空间定位、闪烁频率、色温指标的标签；标识该视频中灯珠异常状态下亮度等级、色彩空间定位、闪烁频率、熄灭状况、色温指标的标签；标识该视频中灯珠异常状态下不同异常状态的异常原因。
23、作为本发明的进一步优选，所述分类包括：弱光灯珠的数量、分布模式以及位置信息、闪烁灯珠的的数量、分布模式以及位置信息。
24、作为本发明的进一步优选，所述根据各类设定的阈值进行故障判定，并生成故障报告，包括：
25、s231、判断弱光灯珠或/和闪烁灯珠的数量是否在阈值范围内；
26、s232、若弱光灯珠或/和闪烁灯珠在阈值范围内，则确认弱光灯珠或/和闪烁灯珠的分布模式；
27、s233、若弱光灯珠或/和闪烁灯珠的分布模式为随机分散时，视为可接受故障率，为正常状态；
28、若弱光灯珠或/和闪烁灯珠的分布模式为集中聚集时，视为故障状态，故障原因为局部电路问题或制造缺陷；
29、s234、若弱光灯珠或/和闪烁灯珠的数量在阈值范围外，视为故障状态，确认弱光灯珠的分布模式；
30、s235、若弱光灯珠或/和闪烁灯珠的分布模式为随机分散时，视为故障状态，故障原因为单个灯珠的质量问题；
31、若弱光灯珠或/和闪烁灯珠的分布模式为集中聚集时，视为故障状态，故障原因为局部电路问题、制造缺陷、驱动器模块故障或电源模块故障；
32、s236、根据弱光灯珠或/和闪烁灯珠的数量、分布模式确认故障等级；
33、s237、生成故障报告。
34、本发明提出的一种基于智能学习的led实时检测系统及方法，与现有技术相比，具有如下有益效果：
35、1、本发明通过ccd高清摄像头代替传统人眼，能够有效的保护操作者的健康，同时采用高清摄像头能够对led灯板细节处进行放大，提高检测的准确率；
36、2、本发明通过智能学习的方法，训练有效模型，通过捕捉图片信息进行缺陷检测，大大提高了生产效率；同时，也提高了检测的准确度和精度，实现led灯板检测技术的革新。
1.一种基于智能学习的led实时检测系统，其特征在于，包括主控模块、检测模块和网络通信模块；
2.根据权利要求1所述的一种基于mec边缘云的智能镜实现方法，其特征在于，所述主控模块包括显示单元和智能计算单元；
3.一种基于智能学习的led实时检测方法，其特征在于，包括以下步骤：
4.根据权利要求3所述的一种基于智能学习的led实时检测方法，其特征在于，所述根据led灯板视频中提取得到的指标数据，判断是否有灯珠存在故障的情况，做出判断结论，包括以下步骤：
5.根据权利要求4所述的一种基于智能学习的led实时检测方法，其特征在于，所述大量灯珠不同状态的数据集和标签，包括：视频、标识该视频中灯珠健康状态下亮度等级、色彩空间定位、闪烁频率、色温指标的标签；标识该视频中灯珠异常状态下亮度等级、色彩空间定位、闪烁频率、熄灭状况、色温指标的标签；标识该视频中灯珠异常状态下不同异常状态的异常原因。
6.根据权利要求4所述的一种基于智能学习的led实时检测方法，其特征在于，所述分类包括：弱光灯珠的数量、分布模式以及位置信息、闪烁灯珠的的数量、分布模式以及位置信息。
7.根据权利要求6所述的一种基于智能学习的led实时检测方法，其特征在于，所述根据各类设定的阈值进行故障判定，并生成故障报告，包括：
