1.一种LED芯片外观智能快速检测系统，其特征在于：包括光源控制模块、图像采集模块、特征提取与融合模块、缺陷识别模块和综合检测分析模块；

所述光源控制模块通过在计算机光源控制平台上构建光源组合矩阵L对光源控制设备进行控制，对拍摄光源进行多角度和多方位的设定；

所述光源控制模块通过构建光源组合矩阵L，再依据所述光源组合矩阵L在计算机控制平台上，对光源控制设备的光源状态l、俯仰角A和方位角B进行统一控制，所述光源控制设备包括数字信号处理DSP、脉宽调制设备、自动化控制电动机和自动化旋转支架；

所述光源组合矩阵L的矩阵形式如下；

；

式中，lij表示第i组中，第j个光源的光源状态，l具体数值为二进制0和1，0表示光源关闭，1表示光源开启，Aij表示第i组中，第j个光源的俯仰角，Bij表示第i组中，第j个光源的方位角；

所述图像采集模块用于根据光源组合矩阵L，逐次采集不同光源组合下的LED芯片外观图像，并对采集到的LED芯片外观图像进行预处理，获取标准外观图片集；

所述图像采集模块包括图像采集单元和图像预处理单元；

所述图像采集单元通过使用带有偏振滤镜的工业相机与光源控制设备同步工作，并对工业相机设置软件触发机制，所述触发机制通过光源组合矩阵L逐次调整光源时触发工业相机拍摄，实时捕捉拍摄不同光源角度下的LED芯片外观图像；

所述图像预处理单元通过WIFI无线传输协议与工业相机进行集成，将实时捕捉拍摄获取的LED芯片外观图像，传输到中央处理器中，对LED芯片外观图像进行预处理，再对预处理后的LED芯片外观图像进行汇总，获取标准外观图片集，所述预处理的方式包括图像校正和图像噪声去除；

所述图像校正包括透视校正、放射畸变校正和图像配准，消除同光源角度和工业相机位置导致的集合失真和偏差；

所述图像噪声去除通过将图像中横轴x和纵轴y的每个像素替换为领域内所有像素的平均值，平滑图像去除LED芯片外观图像中随机噪声；

所述特征提取与融合模块用于对标注外观图片集进行特征提取，获取图片特征集，再构建相关算法公式，提取图片特征集输入到相关算法公式中，输出多角度反射指数R（A，B）、局部表面纹理参数T（x，y）和光源偏振角P（A，B），再将多角度反射指数R（A，B）、局部表面纹理参数T（x，y）和光源偏振角P（A，B），进行综合计算获取融合图像Ifused；

所述特征提取与融合模块包括特征提取单元、特征计算单元和特征融合单元；

所述特征提取单元用于对预处理后获取的标准图像集进行特征提取，获取图片特征集；

所述图片特征集包括反射光强度Iref、入射光强度Iinc、横轴方向电场分量Ex和纵轴方向电场分量Ey；

所述反射光强度Iref通过对标准图像集图像的像素点进行RGB值转换为灰度值进行分析提取反射光强度Iref，具体提取方法为，其中，I(x，y）表示像素点（x，y）处的亮度值；

所述入射光强度Iinc通过对光源功率P和光线照射到芯片表面的面积D进行特征提取获取，具体提取方法为，式中光源功率P通过光源设备的规格中获取，光线照射到芯片表面的面积D通过相机成像法获取；

所述横轴方向电场分量Ex和纵轴方向电场分量Ey通过偏振滤镜捕捉标准图像集的偏振光强度，再进行特征提取获取，具体提取方法，式中Ipz（x，y）表示标准图片集的像素点（x，y）处测量到的偏振光强度；

所述特征提取单元包括多角度反射分析单元、局部表面纹理分析单元和光源偏振分析单元；

所述多角度反射分析单元用于构建多角度反射算法公式，提取图片特征集中的反射光强度Iref和入射光强度Iinc输入到多角度反射算法公式中，进行计算输出多角度反射指数R（A，B）；

所述多角度反射指数R（A，B）通过以下多角度反射算法公式计算获取；

；

式中，Iref（A，B）表示在角度（A，B）下的反射光强度，Iinc（A，B）在角度（A，B）下的入射光强度；

所述缺陷识别模块通过构建相关缺陷算法公式，将融合图像Ifused输入到相关缺陷算法公式，输出边缘检测得分Sedge、纹理分析得分Stexture和反射异常检测得分Sreflection；

所述综合检测分析模块通过将边缘检测得分Sedge、纹理分析得分Stexture和反射异常检测得分Sreflection进行综合计算获取综合得分Scom，并预设合格阈值T与综合得分Scom进行对比评估分析检测情况。

2.根据权利要求1所述的一种LED芯片外观智能快速检测系统，其特征在于：所述局部表面纹理分析单元通过使用图像二阶微分的方差构建局部纹理计算公式，进行计算输出标准图像集的局部表面纹理参数T（x，y）；

所述局部表面纹理参数T（x，y）通过以下局部纹理计算公式计算获取；

；

式中，Var表示图像二阶微分的方差。

3.根据权利要求1所述的一种LED芯片外观智能快速检测系统，其特征在于：所述光源偏振分析单元通过构建光源偏振角算法公式，并提取图片特征集中的横轴方向电场分量Ex和纵轴方向电场分量Ey，输入到光源偏振角算法公式中，进行计算输出光源偏振角P（A，B）；

所述光源偏振角P（A，B）通过以下光源偏振角算法公式计算公式获取；

；

式中，Ey（A，B）表示在角度（A，B）确定的光线中电场在横轴x方向上的分量，Ex（A，B）表示在角度（A，B）确定的光线中电场在纵轴y方向上的分量，arctan表示反正切函数；

所述特征融合单元用于将所获取的多角度反射指数R（A，B）、局部表面纹理参数T（x，y）和光源偏振角P（A，B），进行综合计算获取融合图像Ifused；

所述融合图像Ifused通过以下算法公式计算获取；

；

式中，M表示总融合项数，表示在融合过程中多角度反射特性、多位置纹理参数和多偏振角度，m表示融合项索引，Am表示第m个测量条件下光源的俯仰角，Bm表示第m个测量条件下光源的方位角，xm表示第m个测量条件下，图像中横轴像素坐标，ym表示第m个测量条件下，图像中纵轴像素坐标。

4.根据权利要求3所述的一种LED芯片外观智能快速检测系统，其特征在于：所述缺陷识别模块包括边缘检测单元、纹理分析单元和反射异常检测单元；

所述边缘检测单元通过利用Canny检测算法，计算融合图像Ifused的边缘强度，并构建边缘检测得分算法公式，将检测到的边缘强度，输入到边缘检测得分算法公式，进行边缘得分计算获取边缘检测得分Sedge；

所述边缘检测得分Sedge通过以下算法公式计算获取；

；

式中，N表示边缘点的数量，Gx表示融合图像在横轴x方向上的梯度，Gy表示融合图像在纵轴y方向上的梯度，EdgeRegion表示融合图像中的边缘区域，表示纹理强度；

所述纹理分析单元通过使用小波变换提取融合图像Ifused不同尺度下的能量系数，使用灰度共生矩阵GLCM提取对比度C、熵E和纹理均匀性H参数，并构建纹理得分算法公式，将对比度C、熵E和均匀性纹理H输入到纹理得分算法公式中，进行计算输出纹理分析得分Stexture；

所述纹理分析得分Stexture通过以下纹理得分算法公式计算获取；

；

式中，K表示总检测区域数量，Ck表示第k个检测区域的对比度，Ek表示第k个检测区域的熵，Hk表示第k个检测区域的纹理均匀性；

所述反射异常检测单元用于构建反射得分算法公式，再将获取的多角度反射指数R（A，B）输入到反射得分算法公式中，进行计算输出反射异常检测得分Sreflection；

所述反射异常检测得分Sreflection通过以下反射得分算法公式计算获取；

；

式中，Rre（A，B）表示参考多角度反射指数，表示第k个检测区域的反射特性偏差。

5.根据权利要求1所述的一种LED芯片外观智能快速检测系统，其特征在于：所述综合检测分析模块包括综合得分计算单元和综合评估单元；

所述综合得分计算单元用于将边缘检测得分Sedge、纹理分析得分Stexture和反射异常检测得分Sreflection，进行综合计算获取综合得分Scom；

所述综合得分Scom通过以下算法公式计算获取；

；

式中，a1、a2和a3分别表示边缘检测得分Sedge、纹理分析得分Stexture和反射异常检测得分Sreflection的预设权重值，其具体数值由用户进行设定。

6.根据权利要求5所述的一种LED芯片外观智能快速检测系统，其特征在于：所述综合评估单元通过用户进行设定合格阈值T与综合得分Scom进行对比评估，分析LED芯片外观进行快速检测合格性，并生成智能预警信息，具体评估内容如下；

当综合得分Scom＜合格阈值T时，表示检测结果合格，此时无需生成预警信息；

当综合得分Scom≥合格阈值T时，表示检测结果不合格，此时生成预警信息提示当前检测LED芯片外观存在异常。

7.一种LED芯片外观智能快速检测方法，应用于权利要求1-6任一项所述的一种LED芯片外观智能快速检测系统，其特征在于：包括以下步骤：S1、通过在计算机光源控制平台上构建光源组合矩阵L与光源控制设备进行集成，对拍摄光源进行多角度和多方位的设定；

S2、根据光源组合矩阵L，逐次采集不同光源组合下的LED芯片外观图像，并对采集到的LED芯片外观图像进行预处理，获取标准外观图片集；

S3、对标注外观图片集进行特征提取，获取图片特征集，再构建相关算法公式，提取图片特征集输入到相关算法公式中，输出多角度反射指数R（A，B）、局部表面纹理参数T（x，y）和光源偏振角P（A，B），再将多角度反射指数R（A，B）、局部表面纹理参数T（x，y）和光源偏振角P（A，B），进行综合计算获取融合图像Ifused；

S4、构建相关缺陷算法公式，将融合图像Ifused输入到相关缺陷算法公式，输出边缘检测得分Sedge、纹理分析得分Stexture和反射异常检测得分Sreflection；

S5、将边缘检测得分Sedge、纹理分析得分Stexture和反射异常检测得分Sreflection进行综合计算获取综合得分Scom，并预设合格阈值T与综合得分Scom进行对比评估分析检测情况。