基于深度学习的LED荧光粉层结构设计方法

• 全文链接
• 请求原文

作   者：

蔡义昕;  贾婧媛;  王榕梓;  范鸿吉;  齐成祥;  苏莹;  曹暾; 

作者机构：

大连理工大学光电工程与仪器科学学院; 

关键词：

荧光粉;  发光二极管;  深度学习;  神经网络;  逆向设计; 

期刊名称：

光电子技术

i s s n：

1005-488X

年卷期：

2024 年 44 卷 004 期

页   码：

289-297,305

摘   要：

针对传统的荧光粉LED(Light Emitting Diodes)模型荧光粉层结构分布特征设计效率低且生产成本高的问题，提出一种基于深度学习的荧光粉层结构分布特征设计方法。通过建立荧光粉LED的仿真模型，探究荧光粉层分布特征与出光效果的映射关系并建立数据集。之后基于数据集和深度神经网络建立正向网络和反向网络。正向网络可以用于建立荧光颗粒分布特征与出光效果的映射关系；反向网络基于上述的映射关系，可以根据给定的出光效果反向输出对应的分布特征，用于指导荧光粉层的制备工艺。根据训练结果，网络模型的预测结果真实值和预测值的拟合度较好，正向网络的平均相关系数R2为0.996 4，反向网络的平均相关系数R2为0.948 3，表明所训练的深度学习模型具有良好的泛化能力。