一种基于遗传算法的Gamma调节方法及系统技术方案

本发明专利技术公开了一种基于遗传算法的Gamma调节方法及系统，其通过获取初代种群，初代种群中的个体为每个调节绑点对应的关联绑点的集合；获取种群中每个个体的适应度，即选取调节好的模组样本，利用关联绑点的调节数据获取每个调节绑点的Gamma调节预测值，利用每个调节绑点的Gamma调节收敛值和Gamma调节预测值获取每个个体的适应度；利用每个个体的适应度更新种群，重复种群更新过程直至达到最大迭代次数，以迭代终止时种群中适应度最大的个体作为最佳个体；以最佳个体确定待调制模组的每个绑点的关联绑点，以实现其对应的Gamma调节，以提高Gamma初值预测的准确度和调节收敛速度。

【技术实现步骤摘要】
一种基于遗传算法的Gamma调节方法及系统
本专利技术属于Gamma调节领域，具体涉及一种基于遗传算法的Gamma调节方法及系统。
技术介绍
在OLED产线上，Gamma调节是一种通过改变模组寄存器值(或电压值)从而对面板亮度及色度进行调整的迭代优化技术。其目的是使模组真实的线性响应与人眼感知下的非线性响应相协调，达到自然过渡、层次分明的发光效果。基于产线对Gamma调节速度提升需求,降低迭代优化时间对OLED产能提升具有重要意义.Gamma调节速度一般从初值预测和迭代搜索过程两个方面进行优化,在当前传统的初值预测方法和迭代优化方法基本稳定的前提下,通过大量的数据搜索出Gamma调节绑点间的拓扑结构进而优化初值预测和迭代搜索过程具有重要意义。由于OLED模组在工艺上的细微噪声以及相同涂层上分子排布的差异性，导致同一产线上不同模组对电信号的响应不尽相同，这是Gamma调节的主要难点所在。并且，同一模组的响应也并非稳定（随时间变化），导致高精度Gamma调节难以实现。当前使用的初值预测算法大多是基于已调节的模组的相同绑点收敛数据进行预测，迭代优化算法大多是基于模组自身亮度色度的变化规律或者已调节模组的相同绑点的收敛数据进行调节。这些算法基本只用到了不同模组相同绑点之间相似的规律，这在模组间光电特性差异不大时比较可行，但在差异较大时预测效果和调节效果都会受到影响。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于遗传算法的Gamma调节方法及系统，其根据Gamma调节收敛数据自动搜索Gamma绑点拓扑结构，将拓扑结构用于Gamma初值预测和Gamma迭代调节，以提高Gamma初值预测的准确度和调节收敛速度，有效缩短Gamma调节所需时间。为实现上述目的，按照本专利技术的一个方面，提供了一种基于遗传算法的Gamma调节方法，该方法包括：获取初代种群，所述初代种群中的个体为每个调节绑点对应的关联绑点的集合；获取种群中每个个体的适应度，即选取调节好的模组样本，利用关联绑点的调节数据获取每个调节绑点的Gamma调节预测值，利用每个调节绑点的Gamma调节收敛值和Gamma调节预测值获取每个个体的适应度；利用每个个体的适应度更新种群，重复种群更新过程直至达到最大迭代次数，以迭代终止时种群中适应度最大的个体作为最佳个体；以最佳个体确定待调制模组的每个绑点的关联绑点，以实现其对应的Gamma调节。作为本专利技术的进一步改进，Gamma调节的对象为绑点寄存器值或电压值。作为本专利技术的进一步改进，模组样本的数量为多个时，个体的适应度为与每个模组样本对应的适应度的总和。作为本专利技术的进一步改进，利用每个个体的适应度更新种群包括：利用每个个体的适应度对种群进行选择，并对选择后的若干个体进行交叉或变异操作以形成下一代种群。作为本专利技术的进一步改进，利用每个个体的适应度对种群进行选择包括：将适应度最高的个体保留，通过轮盘赌选择方法选择剩下的个体。作为本专利技术的进一步改进，按照一定的概率选择种群中的个体进行交叉操作，所述交叉操作为对两个个体编码中的一部分进行交换，从而形成新的个体。作为本专利技术的进一步改进，按照一定的概率选择种群中的个体进行变异操作，变异操作为对个体的某些位置的值进行随机突变，从而形成新的个体。作为本专利技术的进一步改进，计算每个绑点的Gamma调节收敛值和Gamma调节预测值之间的欧式距离的总和，将所述总和的倒数作为个体的适应度。为实现上述目的，按照本专利技术的另一个方面，提供了一种基于遗传算法的Gamma调节系统，该系统包括：初代种群获取模块，用于获取初代种群中的个体，即每个调节绑点对应的关联绑点的集合；个体适应度获取模块，用于选取调节好的模组样本，利用关联绑点的调节数据获取每个调节绑点的Gamma调节预测值，利用每个调节绑点的Gamma调节收敛值和Gamma调节预测值获取每个个体的适应度；种群更新模块，用于利用每个个体的适应度更新种群，重复种群更新过程直至达到最大迭代次数，以迭代终止时种群中适应度最大的个体作为最佳个体；Gamma调节模块，用于以最佳个体确定待调制模组的每个绑点的关联绑点，以实现其对应的Gamma调节。为实现上述目的，按照本专利技术的另一个方面，提供了一种计算机可读介质，其存储有可由终端设备执行的计算机程序，当程序在终端设备上运行时，使得终端设备执行上述方法的步骤。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具有以下有益效果：本专利技术的一种基于遗传算法的Gamma调节方法及系统，其基于遗传算法，通过观察Gamma调节过程中邻近绑点在空间分布上的相似性,搜索出同一模组绑点之间的拓扑结构,从而在很大程度上降低调节算法对模组一致性的依赖,达到提升Gamma调节速度的目的，能在较短时间内高效率的找到绑点间的拓扑结构，从而为初值预测算法或者迭代优化算法基于当前模组已调节数据进行动态调整以提高Gamma调节效率提供可能，亦可以为模组减band减绑点提供依据，从仿真效果来看，搜索到的拓扑结构能有效提高初值预测准确率。附图说明图1为本专利技术实施例的一种基于遗传算法的Gamma调节方法的示意图；图2为本专利技术实施例的个体所表征的拓扑结构的示意图；图3为本专利技术实施例的个体交叉操作的示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本专利技术进一步详细说明。图1为本专利技术实施例的一种基于遗传算法的Gamma调节方法的示意图。如图1所示，一种基于遗传算法的Gamma调节方法，该方法包括：以每个调节绑点对应的一个关联绑点标识所形成的集合作为一个个体，可以依据各种可能的关联方式生成多个个体作为初代种群，初代种群中的个体用于表征调节绑点与其关联绑点的对应关系；对于进行Gamma调节的模组来说，Gamma调节过程中各个绑点的调节顺序是固定的，但是可以以某个绑点作为对应的关联绑点，将对应的关系应用于Gamma初值预测和Gamma迭代调节，以提高Gamma初值预测的准确度和调节收敛速度，有效缩短Gamma调节所需时间。图2为本专利技术实施例的个体所表征的拓扑结构的示意图。如图2所示，作为一个示例，待调节模组需要调节的绑点编号依次为1、2、…、18号，以第一个调节绑点为根绑点，生成后面每个绑点的关联绑点（父绑点），从而组成一个树状结构，关联绑点为调制绑点前已进行Gamma调节的节点；例如2号绑点只能以1号绑点作为其关联绑点，3号绑点的关联绑点可以是1号绑点或者2号绑点，依此可以随机产生一定数量的初始结构即关联绑点标识集合。具体来说，遗传算法常用的编码方式本文档来自技高网...

【技术保护点】
1.一种基于遗传算法的Gamma调节方法，其特征在于，该方法包括：/n获取初代种群，所述初代种群中的个体为每个调节绑点对应的关联绑点集合；/n获取种群中每个个体的适应度，即选取调节好的模组样本，利用关联绑点的调节数据获取每个调节绑点的Gamma调节预测值，利用每个调节绑点的Gamma调节收敛值和Gamma调节预测值获取每个个体的适应度；/n利用每个个体的适应度更新种群，重复种群更新过程直至达到最大迭代次数，以迭代终止时种群中适应度最大的个体作为最佳个体；以最佳个体确定待调制模组每个绑点的关联绑点，以实现其对应的Gamma调节。/n

【技术特征摘要】
1.一种基于遗传算法的Gamma调节方法，其特征在于，该方法包括：
获取初代种群，所述初代种群中的个体为每个调节绑点对应的关联绑点集合；
获取种群中每个个体的适应度，即选取调节好的模组样本，利用关联绑点的调节数据获取每个调节绑点的Gamma调节预测值，利用每个调节绑点的Gamma调节收敛值和Gamma调节预测值获取每个个体的适应度；
利用每个个体的适应度更新种群，重复种群更新过程直至达到最大迭代次数，以迭代终止时种群中适应度最大的个体作为最佳个体；以最佳个体确定待调制模组每个绑点的关联绑点，以实现其对应的Gamma调节。


2.根据权利要求1所述的一种基于遗传算法的Gamma调节方法，其中，Gamma调节的对象为绑点寄存器值或电压值。


3.根据权利要求1所述的一种基于遗传算法的Gamma调节方法，其中，所述模组样本的数量为多个时，个体的适应度为与每个模组样本对应的适应度的总和。


4.根据权利要求1-3中任一项所述的一种基于遗传算法的Gamma调节方法，利用每个个体的适应度更新种群包括：
利用每个个体的适应度对种群进行选择，并对选择后的若干个体进行交叉或变异操作以形成下一代种群。


5.根据权利要求4所述的一种基于遗传算法的Gamma调节方法，其中，所述利用每个个体的适应度对种群进行选择包括：
将适应度最高的个体保留，通过轮盘赌选择方法选择剩下的个体。


6.根据权利要求4所述的一种基于遗传算法的Gamma...

【专利技术属性】
技术研发人员：陶浩，熊逍，徐鹏，陈洁，
申请(专利权)人：武汉精立电子技术有限公司，武汉精测电子集团股份有限公司，
类型：发明
国别省市：湖北;42