[发明专利]一种基于大数据的显示屏的质检方法

权利要求书

1.一种基于大数据的显示屏的质检方法，其特征在于：包括以下工序：

步骤S1：点亮待检验显示屏；

步骤S2：采集显示屏屏幕图片；

步骤S3：对图片进行质检，得出评估结果；

步骤S4：按照评估结果将显示屏进行归类；

步骤S5：按照归类结果将显示屏送至下一道对应工序。

2.如权利要求1的一种基于大数据的显示屏的质检方法，其特征在于：步骤S3中的质检方法，具体如下：

S310：按照显示屏屏幕图片确认显示屏屏幕是否具有瑕疵，并在瑕疵具有时确认瑕疵位置；

S320：以显示屏屏幕灰阶图片的瑕疵位置中任一像素点为中心像素点，确认一个预设大小的窗口；

S330：运算窗口边缘上各个像素点灰阶值与中心像素点灰阶值的差数的平均数，以平均数作为临界值，运算中心像素点的局部二值模式值；

S340：对显示屏屏幕图片进行颜色-对立空间变换，按照窗口中心像素点的局部二值模式值以及色彩信息，得到同时表征窗口波纹特性信息与色彩特性信息的特性值；

S350：瑕疵位置内所有像素点对应得到的特性值即为瑕疵位置的特性信息，将特性信息输入练习好的连接模型进行瑕疵的确认与归类，得到显示屏制造品质评估值，完成显示屏制造品质检验。

3.如权利要求2的一种基于大数据的显示屏的质检方法，其特征在于：步骤S330中的局部二值模式值运算方法，具体如下：

ε＝|f_k-f_d|；

其中，f_k为窗口边缘上第k个像素点的灰阶值，f_d为窗口内中心像素点的灰阶值，L为临界值，Q为窗口边缘上像素点总数，T(·)为门限函数。

4.如权利要求3的一种基于大数据的显示屏的质检方法，其特征在于：步骤S340中的特性值的运算方法，具体如下：

LBPD＝y₁*N+y₂*b+y₂*e；

y₁＝LBP；

y₂＝Avg∑φ；

其中，局部二值模式D为同时表征窗口波纹特性信息与色彩特性信息的特性值，y₁为窗口中心像素点的局部二值模式值，Q_a(k,h)代表窗口内各个像素点的色彩值，Q_d为窗口中心像素点的色彩值，y₂为窗口边缘上各个像素点色彩值相对于中心像素点色彩值的差异幅度的平均数，N代表亮度维度，b和e代表色彩相对维度。

5.如权利要求4的一种基于大数据的显示屏的质检方法，其特征在于：步骤S350中的特性信息还包括瑕疵位置的边缘梯度特性信息，瑕疵位置的边缘梯度特性信息的确认方法为：

S351：对显示屏屏幕灰阶图片进行边缘检验，确认瑕疵位置的边缘；

S352：在瑕疵位置边缘上任取一像素点S，确认像素点S的预设大小的邻域:；

S353：清除邻域内所有的属于瑕疵边缘的像素点，得到两部分新的邻域，分别为瑕疵邻域以及正常邻域；

S354：在瑕疵邻域中任取一像素点Y，运算其与瑕疵位置边缘上像素点S之间的差别D；

S355：确认瑕疵邻域中与像素点S之间的差别D最大的像素点G，则可得像素点S的第一特性矢量X_S1。