【技术实现步骤摘要】
显示屏缺陷的检测方法、设备、存储介质、装置及系统
[0001]本申请涉及屏幕检测
,尤其涉及一种显示屏缺陷的检测方法
、
设备
、
存储介质
、
装置及系统
。
技术介绍
[0002]电子设备,如手机的显示屏生产工艺复杂,容易产生各种显示缺陷,如像素缺失缺陷
、
贴合异物缺陷等
。
而手机显示屏的质量直接关系到用户的使用体验,因此手机出厂前,手机厂商都会对显示屏进行缺陷检测
。
[0003]然而,目前的检测方式容易把贴合异物缺陷当作灰尘,进而漏检,导致最终投入市场的显示屏依旧存在缺陷
。
因此,亟需提供一种能够高效且精准地检测出影响显示屏显示的缺陷的检测方法
。
技术实现思路
[0004]为了解决上述技术问题,本申请提供一种显示屏缺陷的检测方法
、
设备
、
存储介质
、
装置及系统,旨在高效且精准地检测出影响显示屏显示的缺陷
。
[0005]第一方面,本申请提供一种显示屏缺陷的检测方法
。
该方法包括:获取大视野相机拍摄的全局大视野图像,全局大视野图像包括待检测的显示屏的图像,全局大视野图像为大视野相机在显示屏处于亮屏状态时拍摄的图像;根据全局大视野图像,确定显示屏包括的异常区域;获取小视野相机拍摄的异常区域的第一小视野图像
、
第二小视野图像和第三小视野图像,第一小视野图
【技术保护点】
【技术特征摘要】
1.
一种显示屏缺陷的检测方法,其特征在于,所述方法包括:获取大视野相机拍摄的全局大视野图像,所述全局大视野图像包括待检测的显示屏的图像,所述全局大视野图像为所述大视野相机在所述显示屏处于亮屏状态时拍摄的图像;根据所述全局大视野图像,确定所述显示屏包括的异常区域;获取小视野相机拍摄的所述异常区域的第一小视野图像
、
第二小视野图像和第三小视野图像,所述第一小视野图像为所述小视野相机聚焦在所述显示屏的像素层拍摄的图像,所述第二小视野图像为所述小视野相机聚焦在所述显示屏的玻璃层下方拍摄的图像,所述第三小视野图像为所述小视野相机聚焦在所述显示屏的玻璃层上方拍摄的图像;根据所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像,确定所述异常区域是否存在缺陷
。2.
根据权利要求1所述的方法,其特征在于,所述根据所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像,确定所述异常区域是否存在缺陷,包括:分别对所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像进行去纹理预处理,得到去纹理的第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像;将所述第一去纹理小视野图像
、
所述第二去纹理小视野图像和所述第三去纹理小视野图像组合为一幅三通道图像;根据所述三通道图像,确定所述异常区域是否存在缺陷
。3.
根据权利要求2所述的方法,其特征在于,所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像均为彩色图像;所述分别对所述第一小视野图像
、
所述第二小视野图像和所述第三小视野图像进行去纹理预处理,得到去纹理的第一去纹理小视野图像
、
第二去纹理小视野图像和第三去纹理小视野图像,包括:将彩色的所述第一小视野图像分解为三幅单通道的第一小视野灰度图像;将彩色的所述第二小视野图像分解为三幅单通道的第二小视野灰度图像;将彩色的所述第三小视野图像分解为三幅单通道的第三小视野灰度图像;基于傅里叶变换,将每一幅所述第一小视野灰度图像
、
每一幅所述第二小视野灰度图像和每一幅所述第三小视野灰度图像,从时域变换到频域;分别对频域下的每一幅所述第一小视野灰度图像
、
每一幅所述第二小视野灰度图像和每一幅所述第三小视野灰度图像的纹理分量进行过滤;基于傅里叶逆变换,将过滤纹路分量后的每一幅所述第一小视野灰度图像
、
每一幅所述第二小视野灰度图像和每一幅所述第三小视野灰度图像,从频域变换回时域;将去纹理的三幅单通道的所述第一小视野灰度图像,融合为一幅单通道灰度图像,得到去纹理的所述第一去纹理小视野图像;将去纹理的三幅单通道的所述第二小视野灰度图像,融合为一幅单通道灰度图像,得到去纹理的所述第二去纹理小视野图像;将去纹理的三幅单通道的所述第三小视野灰度图像,融合为一幅单通道灰度图像,得到去纹理的所述第三去纹理小视野图像
。4.
根据权利要求2所述的方法,其特征在于,所述异常区域为所述显示屏存在缺陷的区
域,或者为所述显示屏存在灰尘的区域,灰尘不属于所述显示屏的缺陷;所述根据所述三通道图像,确定所述异常区域是否存在缺陷,包括:基于卷积神经网络训练获得的小视野分层模型,对所述三通道图像进行分析处理;在所述小视野分层模型的输出指示所述异常区域对应的异常发生在所述像素层,或者发生在所述玻璃层下方时,确定所述异常区域存在缺陷;在所述小视野分层模型的输出指示所述异常区域对应的异常发生在所述玻璃层上方时,确定所述异常区域存在灰尘
。5.
根据权利要求4所述的方法,其特征在于,基于所述卷积神经网络训练获得所述小视野分层模型,包括:构建小视野分层数据集,所述小视野分层数据集中的每对数据由所述小视野相机聚焦在所述像素层拍摄的图像
、
聚焦在所述玻璃层下方拍摄的图像
、
聚焦在所述玻璃层上方拍摄的图像经去纹理预处理后得到的样本三通道图像,以及所述样本三通道图像对应的标签组成,所述标签包括灰尘标签或缺陷标签;基于卷积神经网络,搭建三通道输入的二分类神经网络;基于所述小视野分层数据集中的数据,对所述三通道输入的二分类神经网络进行反向传播学习缺陷识别特征,至所述三通道输入的二分类神经网络收敛;将收敛的所述三通道输入的二分类神经网络作为所述小视野分层模型
。6.
根据权利要求4所述的方法,其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。