本发明属于人工智能技术领域，具体涉及一种led产品良率优化方法。
背景技术：
led作为近年来发展最快的光源产品，势必在不远的将来取代多数传统照明，成为照明市场的主流产品。其中白光led具有节能、环保、体积小和发光时间长等这些优点，在汽车照明，室内照明等多个领域应用广泛，是最有前景的下一代固体发光光源。这在给白光led封装厂带来了广阔的市场空间的同时，也对白光led封装的质量水平提出了更高的要求。
目前，白光led封装工艺要经历研发设计、原材料选择、固焊组装、荧光粉配比、点胶封装、分光检验、编带包装等多个环节，而其中的原材料选择、荧光粉配比会对产品发光性能和生产良率产生重要影响，而现有的原材料选择和荧光粉配比一般都是由研发人员的根据自身经验，辅以少量的试产实验数据来确定，仅需达到可接受标准即可判定通过，投入生产。
采用现有的白光led封装工艺，基本可以满足当前大部分企业生产需求，但仍存在一定问题，例如，对于原材料的选取，配方的确定，以及过程工艺参数的设置等，这些一方面受研发人员的经验影响较大，难以有效保证结果的准确性和最优性，另一方面，确定封装工艺需通过反复实验的测试，其成本损耗较大，且时效性不佳。
技术实现要素：
为了解决现有技术中存在的上述问题，本发明提供了一种led产品良率优化方法。本发明要解决的技术问题通过以下技术方案实现：
一种led产品良率优化方法，包括：
获取第一产品预设需求；
通过材料推荐模型和所述第一产品预设需求选取原始材料；其中，所述材料推荐模型用于表征材料与第一产品参数的对应关系；
根据所述原始材料得到led产品。
在本发明的一个实施例中，所述第一产品参数包括色温、波长、良率参数中的一种或多种。
在本发明的一个实施例中，建立所述材料推荐模型包括：
采集多组材料的参数数据；
获取每组材料对应的所述第一产品参数数据；
将所述多组材料参数数据与对应的多组所述第一产品参数数据进行匹配，获得所述材料推荐模型。
在本发明的一个实施例中，所述获取每组材料对应的所述第一产品参数数据包括：
建立不同类型产品的材料良率关系曲线；其中，所述不同类型产品通过所述每组材料生产；
通过所述材料良率关系曲线获取所述每组材料对应的所述第一产品参数。
在本发明的一个实施例中，所述材料良率关系曲线为所述不同类型产品与对应良率的曲线。
本发明还提供了另一种led产品良率优化方法，包括：
获取第二产品预设需求；
通过配比推荐模型和所述第二产品预设需求获取原始材料的配比；其中，所述配比推荐模型用于表征材料配比与第二产品参数的对应关系；
根据所述原始材料的配比得到led产品。
在本发明的一个实施例中，所述第二产品预设需求包括所述原始材料和第一产品参数；
其中，所述第一产品参数包括色温、波长、良率参数中的一种或多种。
在本发明的一个实施例中，建立所述配比推荐模型包括：
采集多组材料配比数据；
获取每组材料配比对应的所述第二产品参数数据；
将所述多组材料配比数据与多组所述第二产品参数数据进行匹配，获得所述配比推荐模型。
在本发明的一个实施例中，所述获取每组材料配比对应的所述第二产品参数数据包括：
建立不同种封装模式产品的配比良率关系曲线；其中，所述不同种封装模式产品通过所述每组材料配比生产；
通过所述配比良率关系曲线获取所述第二产品参数。
在本发明的一个实施例中，所述根据所述原始材料的配比得到led产品之后还包括：
采集所述led产品的产品参数数据；
将所述目标产品参数数据与所述第二产品参数数据进行对比；
若所述目标产品良率比所述第二产品参数对应良率高，则将所述目标产品参数作为所述第二产品参数。
与现有技术相比，本发明的有益效果：
1)通过材料推荐模型可以快速有效的找到最合适的原材料，消除了人为方面经验的影响，确保了结果的准确性和最优性；
2)通过材料配比推荐模型，实现了计算在不同荧光粉配比下，对led白光的显色情况的预测，减少了反复试验的过程，降低了损耗，且提高了时效性。
附图说明
图1为本发明实施例提供的一种led产品良率优化方法的通过材料推荐模型优化流程示意图；
图2为本发明实施例提供的一种led产品良率优化方法的通过配比推荐模型优化流程示意图；
图3为本发明实施例提供的一种led产品良率优化方法的建立材料推荐模型流程示意图；
图4为本发明实施例提供的一种led产品良率优化方法的建立配比推荐模型流程示意图；
图5为本发明实施例提供的一种led产品良率优化方法流程示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
请参见图1和图3，图1为本发明实施例提供的一种led产品良率优化方法的通过材料推荐模型优化流程示意图；图3为本发明实施例提供的一种led产品良率优化方法的建立材料推荐模型流程示意图。良率就是所说的合格率，是用出货的成品数量除以出货的全部数量获得。rgb色彩模式是工业界的一种颜色标准，是通过对红(r)、绿(g)、蓝(b)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，rgb即是代表红、绿、蓝三个通道的颜色，当它们的光相互叠合的时候，色彩相混，越混合亮度越高。红、绿、蓝三种光的叠加情况，中心三色最亮的叠加区为白色，且越叠加越明亮。现有的白光led封装过程，主要是依靠rgb显色原理，先通过黄、绿荧光粉混合形成应激之后显示黄色的混合物，再与蓝色芯片封装实现。在此过程中，可以通过控制光源材料的选取，实现对最终白光显色的控制。
如图1所示，一种led产品良率优化方法，包括获取第一产品预设需求；通过材料推荐模型和所述第一产品预设需求选取原始材料；其中，所述材料推荐模型用于表征材料与第一产品参数的对应关系；根据所述原始材料得到led产品。
优选的，在生产白光led的新品之前，一般会先确定所需要生产白光led新品的白光色温、波长等参数要求，第一产品预设需求包括所需要生产的白光led新品的白光色温，波长等参数。
优选的，调用材料推荐模型，输入所需要生产产品的参数和约束条件，即将第一产品预设需求和约束条件输入材料推荐模型中，该模型就会输出所需要生产产品的原始材料。其中，该原始材料在该材料推荐模型中对应的产品参数，即第一产品参数，是该材料生产同类型产品的中良率最高的的产品的产品参数，且第一产品参数数据和其对应的材料数据为历史数据，通过大数据处理获取。
优选地，如图4所示，建立该材料推荐模型包括以下几个步骤：
步骤1、获取历史材料数据，并对历史配方数据进行预处理；
在生产白光led光源产品时，所需要的原材料包括红色荧光粉、绿色荧光粉、a/b胶、抗沉淀粉等原材料，其中，这些原材料有很多不同的规格型号，例如荧光粉包括不同厂家生产的不同规格的荧光粉。这些不同规格型号的原材料组合可以生产不同的白光led光源产品，将其中一组可以生产白光led光源产品的原材料组合，称为一组原材料，其中，历史材料包括多组原材料。通过一组原材料可以生产出不同类型的白光led产品，其中，这些不同类型的白光led产品的产品参数也不形同。
优选地，获取历史材料数据包括获取多组原材料数据，即获取多组材料参数数据，再获取每一组原材料生产的不同产品的产品参数数据，并将这些数据进行存储，其中，原材料数据包括规格、型号、名称等数据，产品参数数据包括产品的显色、波长、使用寿命等数据。对历史配方数据进行预处理，即将这些原材料组合的数据以及产品参数数据提取特征属性，其中，原材料的特征属性包括规格型号，产品参数的特征属性包括色温和波长。
步骤2、分析数据，获取原材料对应的产品参数；
将同一组原材料生产的不同的产品的产品参数数据进行整合，分析这些产品中同一种显色产品在总产品数的占比，分析各波长段的产品数在总产品数中的占比，以及分析良率等数据，通过显色、波长、良率等数据找出该组原材料比较擅长制作产品，并将该组原材料比较擅长制作产品的产品参数作为该组原材料对应的第一产品产品参数，即建立不同的产品的材料良率关系曲线；通过所述材料良率关系曲线获取所述每组材料对应的所述第一产品参数。所述材料良率关系曲线为所述不同类型产品与对应良率的曲线。提取原材料和产品参数的特征属性，并进行存储。
步骤3、建立材料推荐模型；
重复步骤2，分析找出多组原材料生产的产品，并找出每一组原材料擅长制作产品的产品参数，并将每一组原材料与其擅长制造产品的产品参数进行对应匹配，建立匹配关系，建立材料推荐模型。其中，每一组原材料对应的是一组产品参数，也可以是按优选顺序排列的多组产品参数。
本实施例提供的材料处理方法通过材料推荐模型可以快速有效的找到最合适的原材料，消除了人为方面经验的影响，确保了证结果的准确性和最优性。
实施例二
请参见图2和图4，图2为本发明实施例提供的一种led产品良率优化方法的通过配比推荐模型优化流程示意图；图4为本发明实施例提供的一种led产品良率优化方法的建立配比推荐模型流程示意图。rgb色彩模式是工业界的一种颜色标准，是通过对红(r)、绿(g)、蓝(b)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，rgb即是代表红、绿、蓝三个通道的颜色，当它们的光相互叠合的时候，色彩相混，越混合亮度越高。红、绿、蓝三种光的叠加情况，中心三色最亮的叠加区为白色，且越叠加越明亮。现有的白光led封装过程，主要是依靠rgb显色原理，先通过黄、绿荧光粉混合形成应激之后显示黄色的混合物，再与蓝色底版封装实现。在此过程中，可以通过控制光源材料配比，可以实现对最终白光显色的控制。
如图2所示，一种led产品良率优化方法，包括：获取第二产品预设需求；通过配比推荐模型和所述第二产品预设需求获取原始材料的配比；其中，所述配比推荐模型用于表征材料配比与第二产品参数的对应关系，根据所述原始材料的配比得到led产品。
优选的，在生产白光led的新品之前，一般会先确定所需要生产白光led新品的白光色温、波长等参数要求，以及选取制造产品的原材料，第二当前产品参数包括需要生产白光led新品的白光色温，波长等参数和原材料的材料参数。
优选地，如图4所示，建立配比推荐模型包括以下几个步骤：
步骤1、获取历史配比数据，并对历史配比数据进行预处理；
获取制造白光led光源产品原材料的历史配比数据，其中，原材料包括红色荧光粉、绿色荧光粉、a/b胶、抗沉淀粉等原材料。这些原材料在生产中配置比例的不同，可以决定生产白光led产品的产品参数。历史配比数据指的是，再生产过程中，将其中一组固定配比可以生产白光led光源产品的原材料配比，称为一组材料配比数据，即原始材料的配比数据，获取历史配比数据包括获取多组配比的数据，然后将配比数据进行存储。
步骤2、获取原材料配比对应的产品参数；
通过一组材料配比在不同封装模式下生产产品会获得不同的产品，获取一组材料配比在不同封装模式下生产的白光led光源产品的产品参数，通过不同的封装良率、色温、波长等记录，分析导致差异的因素，根据这些因素分析材料配比与产品参数之间的关系，找出良率最高的产品参数为第二产品参数，即建立不同种封装模式产品的配比良率关系曲线；其中，不同种封装模式产品通过所述每组材料配比生产；通过所述配比良率关系曲线获取所述第二产品参数。同理，获取多组表征材料配比对应的第二产品参数。
步骤3、建立配比推荐模型；
将多组表征材料配比数据与其对应的第二产品参数数据建立映射关系，建立配比推荐模型，其中，其中，每一组材料配比对应的是一组产品参数。
优选地，通过材料配比推荐模型获取优选的材料配比后，分别计算出各材料实际用量，根据各材料实际用量进行生产，获取白光led光源产品。
优选地，在获取白光led光源产品之后，采集白光led光源产品的产品参数，将其与对应的第二产品参数进行对比，若白光led光源产品的良率比所述第二产品参数对应良率高，则将白光led光源产品的产品参数作为第二产品参数。
本实施例提供的材料处理方法通过材料配比推荐模型，实现了计算在不同荧光粉配比下，对led白光的显色情况的预测，减少了反复试验的过程，降低了损耗，且提高了时效性。
实施例三
请参见图3、图4和图5，图3为本发明实施例提供的一种led产品良率优化方法的建立材料推荐模型流程示意图；图4为本发明实施例提供的一种led产品良率优化方法的建立配比推荐模型流程示意图；图5为本发明实施例提供的一种led产品良率优化方法流程示意图。rgb色彩模式是工业界的一种颜色标准，是通过对红(r)、绿(g)、蓝(b)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，rgb即是代表红、绿、蓝三个通道的颜色，当它们的光相互叠合的时候，色彩相混，越混合亮度越高。红、绿、蓝三种光的叠加情况，中心三色最亮的叠加区为白色，且越叠加越明亮。现有的白光led封装过程，主要是依靠rgb显色原理，先通过黄、绿荧光粉混合形成应激之后显示黄色的混合物，再与蓝色底版封装实现。在此过程中，可以通过控制光源材料的选取，以及材料的配比实现对最终白光显色的控制。
如图5所示，一种led产品良率优化方法，包括：获取第一产品预设需求；通过材料推荐模型和所述第一产品预设需求选取原始材料；其中，所述材料推荐模型用于表征材料与第一产品参数的对应关系；获取第二产品预设需求；通过配比推荐模型和所述第二产品预设需求获取所述原始材料的配比；其中，所述配比推荐模型用于表征材料配比与第二产品参数的对应关系。按照所述当前材料配比，获取所述当前材料的实际用量，获得led产品。
优选的，在生产白光led的新品之前，一般会先确定所需要生产白光led新品的白光色温、波长等参数要求，即第一产品预设需求，其包括所需要生产的白光led新品的白光色温，波长等参数，第二当前产品参数包括需要生产白光led新品的白光色温，波长等参数和原始材料参数。
优选的，调用材料推荐模型，输入所需要生产产品的参数和约束条件，即将第一产品预设需求和约束条件输入材料推荐模型中，该模型就会输出所需要生产产品的原材料组合。其中，是该材料生产同类型产品的中良率最高的的产品的产品参数，且第一产品参数数据和其对应的材料数据为历史数据，通过大数据处理获取。
优选地，如图3所示，建立该材料推荐模型包括以下几个步骤：
步骤1、获取历史材料数据，并对历史配方数据进行预处理
在生产白光led光源产品时，所需要的原材料包括红色荧光粉、绿色荧光粉、a/b胶、抗沉淀粉等原材料，其中，这些原材料有很多不同的规格型号，例如荧光粉包括不同厂家生产的不同规格的荧光粉。这些不同规格型号的原材料组合可以生产不同的白光led光源产品，将其中一组可以生产白光led光源产品的原材料组合，称为一组原材料，其中，历史材料包括多组原材料。通过一组原材料可以生产出不同类型的白光led产品，其中，这些不同类型的白光led产品的产品参数也不形同。
优选地，获取历史材料数据包括获取多组原材料数据，即获取多组材料参数数据，再获取每一组原材料生产的不同产品的产品参数数据，并将这些数据进行存储，其中，原材料数据包括规格、型号、名称等数据，产品参数数据包括产品的显色、波长、使用寿命等数据。对历史配方数据进行预处理，即将这些原材料组合的数据以及产品参数数据提取特征属性，其中，原材料的特征属性包括规格型号，产品参数的特征属性包括色温和波长。
步骤2、分析数据，获取原材料对应的产品参数
将同一组原材料生产的不同的产品的产品参数数据进行整合，分析这些产品中同一种显色产品在总产品数的占比，分析各波长段的产品数在总产品数中的占比，以及分析良率等数据，通过显色、波长、良率等数据找出该组原材料比较擅长制作产品，并将该组原材料比较擅长制作产品的产品参数作为该组原材料对应的第一产品产品参数，即建立不同的产品的材料良率关系曲线；通过所述材料良率关系曲线获取所述每组材料对应的所述第一产品参数。所述材料良率关系曲线为所述不同类型产品与对应良率的曲线。提取原材料和产品参数的特征属性，并进行存储。
.步骤3、建立材料推荐模型
重复步骤2，分析找出多组原材料生产的产品，并找出每一组原材料擅长制作产品的产品参数，并将每一组原材料与其擅长制造产品的产品参数进行对应匹配，建立匹配关系，建立材料推荐模型。其中，每一组原材料对应的是一组产品参数，也可以是按优选顺序排列的多组产品参数。
优选地，如图4所示，建立配比推荐模型包括以下几个步骤：
步骤1、获取历史配比数据，并对历史配比数据进行预处理
获取制造白光led光源产品原材料的历史配比数据，其中，原材料包括红色荧光粉、绿色荧光粉、a/b胶、抗沉淀粉等原材料。这些原材料在生产中配置比例的不同，可以决定生产白光led产品的产品参数。历史配比数据指的是，再生产过程中，将其中一组固定配比可以生产白光led光源产品的原材料配比，称为一组材料配比数据，即原始材料的配比数据，获取历史配比数据包括获取多组配比的数据。然后将配比数据进行存储。
步骤2、获取原材料配比对应的产品参数
通过一组材料配比在不同封装模式下生产产品会获得不同的产品，获取一组材料配比在不同封装模式下生产的白光led光源产品的产品参数，通过不同的封装良率、色温、波长等记录，分析导致差异的因素，根据这些因素分析材料配比与产品参数之间的关系，找出良率最高的产品参数为第二产品参数，即建立不同种封装模式产品的配比良率关系曲线；其中，不同种封装模式产品通过所述每组材料配比生产；通过所述配比良率关系曲线获取所述第二产品参数。同理，获取多组表征材料配比对应的第二产品参数。
步骤3、建立配比推荐模型
将多组表征材料配比数据与其对应的第二产品参数数据建立映射关系，建立配比推荐模型，其中，其中，每一组材料配比对应的是一组产品参数。
优选地，通过材料配比推荐模型获取优选的材料配比后，分别计算出各材料实际用量，根据各材料实际用量进行生产，获取白光led光源产品。
优选地，在获取白光led光源产品之后，采集白光led光源产品的产品参数，将其与对应的第二产品参数进行对比，若白光led光源产品的良率比所述第二产品参数对应良率高，则将白光led光源产品的产品参数作为第二产品参数。
本实施例提供的材料处理方法通过材料推荐模型可以快速有效的找到最合适的原材料，通过材料配比推荐模型，实现了计算在不同荧光粉配比下，对led白光的显色情况的预测，消除了人为方面经验的影响，确保了证结果的准确性和最优性，减少了反复试验的过程，降低了损耗，且提高了时效性。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。