[发明专利]一种基于大数据的显示屏的质检方法

说明书

本发明公开了一种基于大数据的显示屏的质检方法，利用大数据，自动进行显示屏的质检，提高质检效率与稳定性，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。本发明通过大数据及运算机完成显示屏质检工作，相比传统利用人工的方式，效率高、数目稳定，质检结果误差小。

技术领域

本发明涉及基于人工智能技术领域，尤其涉及一种基于大数据的显示屏的质检方法。

背景技术

大数据指的就是尽可能的把信息收集统计起来进行分析，来分析你的行为和你周边的人的行为，核心价值在于存储和分析海量数据，其战略意义不在于掌握大量数据信息，而在于专业处理这些有意义的数据。看似是一个很高端的东西，和我们普通人的生活相差甚远，但实际已经具有我们生活中的各种角落里。

目前，对显示屏幕进行检验往往还离不开人工作业，依靠检验人员通过肉眼观察显示屏幕的显示效果，以查找出显示屏幕具有的瑕疵。但是人工检验依赖于检验人员的专业水平，同时也难以保证检验品质和数目的稳定性，导致检验效率低下。

发明内容

为了克服现有技术的不足，本发明的意图之一在于提供一种基于大数据的显示屏的质检方法，利用大数据，自动进行显示屏的质检，提高质检效率与稳定性。

一种基于大数据的显示屏的质检方法，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。

进一步的，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。

进一步的，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。

进一步的，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；