[发明专利]一种柔性面板的修复方法、装置、设备及存储介质

说明书

本公开是关于一种柔性面板的修复方法、装置、计算机设备及存储介质，所述方法包括：获取待修复柔性面板的第一图像信息；根据深度学习模型及所述第一图像信息，确定所述待修复柔性面板的第一分类标签；根据所述第一分类标签确定修复设备的工作参数，根据所述工作参数对所述待修复柔性面板进行修复。如此，可以提高柔性面板的修复率及修复效率，进而提高柔性面板的生产良率以及生产效率。

技术领域

本公开涉及显示面板的生产领域，尤其涉及柔性面板的修复方法、装置、设备及存储介质。

背景技术

目前柔性面板虽然已经大量量产，但是大量的不良柔性面板如Sandy mura、黑团等短时间难以改善，需要通过高温烘烤进行修复。相关技术中，对于是否采用高温烘烤对柔性面板进行修复还停留在人工经验层面，也就是说，是否进行修复、修复效果、修复工艺等都需要人工进行测试。或者，有些生产线采用固定的8小时烘烤时长来对所有的待修复柔性面板进行修复，这显然不利于柔性面板的修复率，以及修复效率，从而影响了柔性面板的生成良率以及生产效率。基于此，如何提高柔性面板的生产良率和提高柔性面板的生产效率成为亟需解决的技术问题。

发明内容

本公开的目的在于提供一种柔性面板的修复方法、装置、设备及存储介质，旨在提高柔性面板的生产良率以及提高柔性面板的生产效率。

为了达到上述目标，本公开采用以下技术方案：

根据本公开实施例的第一方面，提供一种柔性面板的修复方法，包括：

获取待修复柔性面板的第一图像信息；

根据深度学习模型及所述第一图像信息，确定所述待修复柔性面板的第一分类标签；

根据所述第一分类标签确定修复设备的工作参数，根据所述工作参数对所述待修复柔性面板进行修复。

可选地，根据预定数量的待修复柔性面板样本，确定深度学习模型，其包括：

将所述预定数量的待修复柔性面板样本按照预设比例，划分为训练样本和验证样本；

对所述训练样本进行训练，得到第一模型；

将所述验证样本输入到所述第一模型中，得到所述第一模型的第一预测准确率；

根据所述第一模型的所述第一预测准确率，确定所述深度学习模型。

可选地，所述对所述训练样本进行训练，得到第一模型包括：

获取所述训练样本中柔性面板的第二图像信息；

获取经由第n工作参数对所述训练样本中柔性面板修复后，得到的所述训练样本中柔性面板的第三图像信息，其中，n大于或等于1；

确定所述第三图像信息是否满足修复标准；

若不满足所述修复标准，则利用第n+1工作参数对所述训练样本中柔性面板进行修复，直至得到的所述训练样本中柔性面板的第四图像信息满足所述修复标准；

将满足所述修复标准对应的工作参数映射为所述训练样本中柔性面板的第二分类标签；

依此获得所述训练样本中所有柔性面板的第二图像信息和第二分类标签，形成第二图像信息集合和第二分类标签集合；

将所述第二图像信息集合与所述第二分类标签集合作为训练样本数据。

可选地，所述对所述训练样本进行训练，得到第一模型还包括：

若不满足所述修复标准，则利用第n+1工作参数对所述测试柔性面板进行修复，直至第m工作参数对测试柔性面板修复后，确定第m工作参数修复后得到的第五图像信息是否满足所述修复标准；