[发明专利]屏幕老化检测模型训练方法及屏幕老化检测方法在审

专利信息
申请号: 202110251950.1 申请日: 2021-03-08
公开(公告)号: CN113052798A 公开(公告)日: 2021-06-29
发明(设计)人: 田寨兴;许锦屏;余卫宇;廖伟权;刘嘉 申请(专利权)人: 广州绿怡信息科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06N3/04;G06N3/08
代理公司: 广州市律帆知识产权代理事务所(普通合伙) 44614 代理人: 王园园
地址: 510000 广东省广州市黄埔*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 屏幕 老化 检测 模型 训练 方法
【说明书】:

发明涉及一种屏幕老化检测模型训练方法及屏幕老化检测方法,获取训练屏幕图片并对训练屏幕图片进行老化损耗信息标注,获得标注屏幕图片。进一步地,根据标注屏幕图片建立标注屏幕数据集,以标注屏幕数据集建立神经网络结构,获得用于检测屏幕老化的屏幕老化检测模型。基于此,通过屏幕老化检测模型的建立,便于检测各智能设备的屏幕老化情况,在降低人工工作强度的同时提高屏幕老化的检测准确率。

技术领域

本发明涉及电子产品技术领域,特别是涉及一种屏幕老化检测模型训练方法及屏幕老化检测方法。

背景技术

随着电子产品技术的发展,各种智能设备层出不穷,例如智能手机、笔记本电脑和平板电脑等。其中,用户在使用这部分智能设备时,与智能设备进行人机交互的主要手段是通过智能设备的屏幕来实现的。因此,智能设备屏幕的好坏对用户的使用体验起到重要的影响。目前,伴随着经济和技术的高速发展,智能设备的普及和更新换代速度也越来越快。以智能手机为例,5G时代的到来,加速了智能手机的换代。在智能设备进行迭代的过程中,有效回收是智能设备剩余价值的有效利用手段之一,可减少对环境的化学污染以及减少浪费。

其中,在智能设备的回收过程中,其屏幕的好坏是决定智能设备的残值的重要参考。一般的,回收智能设备都会检测设备屏幕的老化损耗状况。屏幕的老化损耗会影响屏幕的观感,进而影响智能设备的残值率。因此,在智能设备的回收过程中,都需要检测屏幕老化损耗程度为智能设备回收估价提供参考,降低回收亏本的风险。

传统的检测智能设备屏幕老化损耗的方法主要是专业质检人员通过将智能设备屏幕的底色调整成白色,再利用人眼通过各种角度对设备屏幕进行观察,判断是否存在边角泛黄,以得出该设备屏幕是否存在老化损耗的结论。然而,人工肉眼观察十分耗费劳动力,且主观因素影响检测结果的稳定性和准确性,难以保证对设备屏幕老化损耗检测的准确性。

发明内容

基于此,有必要针对传统检测智能设备屏幕老化损耗的方法还存在的不足,提供一种屏幕老化检测模型训练方法及屏幕老化检测方法。

一种屏幕老化检测模型训练方法,包括步骤:

获取训练屏幕图片;

对所述训练屏幕图片进行老化损耗信息标注,获得标注屏幕图片;

根据所述标注屏幕图片建立标注屏幕数据集;

以所述标注屏幕数据集建立神经网络结构,获得用于检测屏幕老化的屏幕老化检测模型。

上述的屏幕老化检测模型训练方法,获取训练屏幕图片并对训练屏幕图片进行老化损耗信息标注,获得标注屏幕图片。进一步地,根据标注屏幕图片建立标注屏幕数据集,以标注屏幕数据集建立神经网络结构,获得用于检测屏幕老化的屏幕老化检测模型。基于此,通过屏幕老化检测模型的建立,便于检测各智能设备的屏幕老化情况,在降低人工工作强度的同时提高屏幕老化的检测准确率。

在其中一个实施例中,在所述对所述训练屏幕图片进行老化损耗信息标注的过程之前,还包括步骤:

对所述训练屏幕图片作图像预处理。

在其中一个实施例中,对所述训练屏幕图片作图像预处理的过程,包括步骤:

对所述训练屏幕图片进行细节增强处理。

在其中一个实施例中,对所述训练屏幕图片进行细节增强处理的过程,包括步骤:

通过增强函数对所述训练屏幕图片的色彩、亮度和纹理进行细节增强处理;其中,所述增强函数包括基于偏置值调整后的伽马函数。

在其中一个实施例中,对所述训练屏幕图片作图像预处理的过程,包括步骤:

对所述训练屏幕图片进行裁剪处理。

在其中一个实施例中,以所述标注屏幕数据集建立神经网络结构的过程,包括步骤:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州绿怡信息科技有限公司,未经广州绿怡信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110251950.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top