CN110108717A - 一种显示模组生产设备状态评估方法,装置及*** - Google Patents
一种显示模组生产设备状态评估方法,装置及*** Download PDFInfo
- Publication number
- CN110108717A CN110108717A CN201910406129.5A CN201910406129A CN110108717A CN 110108717 A CN110108717 A CN 110108717A CN 201910406129 A CN201910406129 A CN 201910406129A CN 110108717 A CN110108717 A CN 110108717A
- Authority
- CN
- China
- Prior art keywords
- production equipment
- display module
- defect
- equipment state
- defect information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- General Factory Administration (AREA)
Abstract
本发明公开了一种显示模组生产设备状态评估方法,会通过AOI检测设备对显示模组进行检测以识别出显示模组中的缺陷信息,之后会根据该缺陷信息确定该缺陷的缺陷类型,根据关联模型确定该缺陷类型对应的生产设备状态,最后根据该生产设备状态对生产设备进行评估,以生成评估结果。由于当显示模组产生缺陷时,通常意味着某一生产设备产生了问题,而生产设备的问题与显示模组的缺陷之间存在对应关系。本发明可以实现对生产设备进行评估,以便对生产设备进行维护。本发明还提供了一种显示模组生产设备状态评估装置及一种显示模组生产设备状态评估***,同样具有上述有益效果。
Description
技术领域
本发明涉及显示模组生产技术领域,特别是涉及一种显示模组生产设备状态评估方法,一种显示模组生产设备状态评估装置及一种显示模组生产设备状态评估***。
背景技术
随着近年来科技不断的进步以及技术不断的发展,显示技术得到了长足的进步,显示模组的质量得到了极大的提高。
在现阶段,TFT-LCD与AMOLED显示技术是当今最主要的两种显示技术。TFT-LCD显示技术指的薄膜晶体管液晶显示技术(Thin Film Transistor-Liquid Crystal Display,以下简称TFT-LCD)。AMOLED指的是主动矩阵有机发光二极管显示技术(Active MatrixOrganic Light Emitting Diode,以下简称AMOLED)。其中,TFT-LCD显示技术在智能手机、电脑、电视等领域得到广泛的应用;AMOLED显示技术由于具备自发光、比TFT-LCD更轻更薄、低成本等优势,而成为最有前途的下一代显示技术。
无论是TFT-LCD或AMOLED,在显示模组组装段制程中所经历的具体工艺几乎相等,相应的在显示模组组装段制程中无论是TFT-LCD或AMOLED所使用的模组组装段生产线设备几乎相同。而在现阶段,当组装完显示模组之后,均会对显示模组进行测试以检测显示模组是否良好。而在检测时,通常仅仅是发现显示模组具体有什么缺陷,而没有对显示模组为什么出现该种缺陷进行研究,即在现阶段并不会对显示模组生产设备的状态进行有效评估,所以如何评估显示模组生产设备的状态时本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种显示模组生产设备状态评估方法,可以在对显示模组生产设备的状态进行评估;本发明的另一目的在于提供一种显示模组生产设备状态评估装置及一种显示模组生产设备状态评估***,可以在对显示模组生产设备的状态进行评估。
为解决上述技术问题,本发明提供一种显示模组生产设备状态评估方法,包括:
通过AOI检测设备识别显示模组的缺陷信息;
通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型;
通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态;
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
可选的,在所述根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果之后,所述方法还包括:
当所述评估结果满足预设条件时,通过警报装置进行警报。
可选的,所述根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果包括:
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估参数值;
所述当所述评估结果满足预设条件时,通过警报装置进行警报包括:
当所述评估参数值低于标准评估参数值时,通过警报装置进行警报。
可选的,所述警报装置包括蜂鸣器。
可选的,所述通过AOI检测设备识别显示模组的缺陷信息包括:
通过AOI检测设备获取显示模组中缺陷处的缺陷图像;
提取所述缺陷图像中的特征信息作为所述显示模组的缺陷信息。
可选的,在所述通过AOI检测设备识别显示模组的缺陷信息之后,所述方法还包括:
控制所述AOI检测设备回收具有所述缺陷信息的显示模组。
本发明还提供了一种显示模组生产设备状态评估装置,包括:
缺陷信息提取模块:用于通过AOI检测设备识别显示模组的缺陷信息;
分类模块:用于通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型;
关联模块:用于通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态;
评估模块:用于根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
可选的,还包括:
警报模块:用于当所述评估结果满足预设条件时,通过警报装置进行警报。
本发明还提供了一种显示模组生产设备状态评估***,包括AOI检测设备和处理器;
所述AOI检测设备用于识别显示模组的缺陷信息;
所述处理器用于:
通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型;
通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态;
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
可选的,还包括警报装置;
所述处理器还用于:
当所述评估结果满足预设条件时,通过警报装置进行警报。
本发明所提供的一种显示模组生产设备状态评估方法,会通过AOI检测设备对显示模组进行检测以识别出显示模组中的缺陷信息,之后会根据该缺陷信息确定该缺陷的缺陷类型,根据关联模型确定该缺陷类型对应的生产设备状态,最后根据该生产设备状态对生产设备进行评估,以生成评估结果。由于当显示模组产生缺陷时,通常意味着某一生产设备产生了问题,通过产生问题的生产设备所制备的显示模组会产生对应的缺陷,即生产设备的问题与显示模组的缺陷之间存在对应关系。本申请中通过先使用分类模型找出AOI检测设备识别出的缺陷信息所对应的缺陷类型,再通过关联模型确定对应的生产设备的状态,可以实现对生产设备进行评估,以便对生产设备进行维护。
本发明还提供了一种显示模组生产设备状态评估装置及一种显示模组生产设备状态评估***,同样具有上述有益效果,在此不再进行赘述。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种显示模组生产设备状态评估方法的流程图;
图2为本发明实施例所提供的一种具体的显示模组生产设备状态评估方法的流程图;
图3为本发明实施例所提供的一种显示模组生产设备状态评估装置的结构框图;
图4为本发明实施例所提供的一种显示模组生产设备状态评估***的结构框图。
具体实施方式
本发明的核心是提供一种显示模组生产设备状态评估方法。在现有技术中,通常会使用AOI检测设备对显示模组进行检测,但AOI检测设备通常仅仅能检测出显示模组中具体何处存在缺陷,并不会将缺陷与生产设备的状态相互联系,即在现阶段不会对显示模组生产设备的状态进行有效评估。
而本发明所提供的一种显示模组生产设备状态评估方法,会通过AOI检测设备对显示模组进行检测以识别出显示模组中的缺陷信息,之后会根据该缺陷信息确定该缺陷的缺陷类型,根据关联模型确定该缺陷类型对应的生产设备状态,最后根据该生产设备状态对生产设备进行评估,以生成评估结果。由于当显示模组产生缺陷时,通常意味着某一生产设备产生了问题,通过产生问题的生产设备所制备的显示模组会产生对应的缺陷,即生产设备的问题与显示模组的缺陷之间存在对应关系。本申请中通过先使用分类模型找出AOI检测设备识别出的缺陷信息所对应的缺陷类型,再通过关联模型确定对应的生产设备的状态,可以实现对生产设备进行评估,以便对生产设备进行维护。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明实施例所提供的一种显示模组生产设备状态评估方法的流程图。
参见图1,在本发明实施例中,所述显示模组生产设备状态评估方法可以包括:
S101:通过AOI检测设备识别显示模组的缺陷信息。
所谓AOI(Automated Optical Inspection)检测设备是基于光学原理来对产品生产中遇到的常见缺陷进行检测的设备。在现阶段,AOI检测设备可以检测出显示模组中具体何处存在缺陷,例如显示模组中何处存在暗点等等,即现阶段AOI检测设备可以识别出显示模组的缺陷信息,该缺陷信息通常为AOI检测设备对显示模组图像进行识别后的结果,该缺陷信息表示显示模组具体存在什么问题。需要说明的是,上述缺陷信息中通常不仅仅包括显示模组中缺陷的信息,例如缺陷的位置,通常还会包括一些显示模组的基本信息,例如显示模组的长度宽度等。有关AOI检测设备的具体结构以及具体工作原理可以参考现有技术,在此不再进行赘述。
S102:通过预设的分类模型对缺陷信息进行分类,确定缺陷信息对应的缺陷类型。
在本步骤中,会通过预设的分类模型根据S101中识别出的缺陷信息确定该缺陷信息对应的缺陷类型。上述分类模型在本发明实施例中通常是根据分类算法所预先建立的分类模型,该分类模型通常是以神经网络的形式根据分类算法所建立的分类模型。在本步骤中,会向上述分类模型中输入S101中获取的缺陷信息,该分类模型会输出上述缺陷信息所对应的缺陷类型。例如,若S101中获取的缺陷信息是显示模组中心存在暗点,则在本步骤中分类模型所输出的结果可以是偏光片贴附不平整。
S103:通过预设的关联模型对缺陷类型进行关联,确定缺陷类型对应的生产设备状态。
在本步骤中,会通过预设的关联模型根据S102中产生的缺陷类型确定该缺陷类型对应的生产设备状态,该关联模型可以是简单的包括各种缺陷类型与各种生产设备状态对应关系的表格,也可以是根据关联算法所预先建立的关联模型,还可以是一个包括各种缺陷类型与各种生产设备状态对应关系的聚类结果。作为优选的,为了提高上述关联模型的精确性以及便于关联模型的更新,在本发明实施例中上述关联模型通常是以神经网络的形式根据关联算法所建立的关联模型。在本步骤中,会向上述关联模型中输入S102中得到的缺陷类型,该关联模型会输出上述缺陷类型对应的生产设备状态。例如,若S102中输出的缺陷类型是偏光片贴附不平整,则在本步骤中关联模型所输出的生产设备状态可以是偏光片贴附设备状况不佳,或偏光片贴附设备产生偏移等等。
S104:根据生产设备状态对生产设备状态对应的生产设备进行评估,并生成评估结果。
在本步骤中,会根据S103中生成的生产设备状态对生产设备进行评估。由于并不是所有S101中获取的缺陷信息均是由于生产设备的损坏而造成的,存在一些缺陷信息是由于人为操作或随机产生的,非生产设备故障所造成的;即使S103中生成的生产设备状态所对应的生产设备存在故障,但是不同的故障也对应不同的危害性,有些需要立即修理,而有些可以不必须修理。而在本步骤中具体会通过S103中输出的生产设备状态对生产设备进行评估。有关具体的评估方法将在下述发明实施例中做详细介绍,在此不再进行赘述。需要说明的是,在本发明实施例中,通常会建立一个或多个数据库,在数据库中存储有上述各个步骤中所产生的数据,例如缺陷信息、缺陷类型、生产设备状态、评估结果等等。
本发明实施例所提供的一种显示模组生产设备状态评估方法,会通过AOI检测设备对显示模组进行检测以识别出显示模组中的缺陷信息,之后会根据该缺陷信息确定该缺陷的缺陷类型,根据关联模型确定该缺陷类型对应的生产设备状态,最后根据该生产设备状态对生产设备进行评估,以生成评估结果。由于当显示模组产生缺陷时,通常意味着某一生产设备产生了问题,通过产生问题的生产设备所制备的显示模组会产生对应的缺陷,即生产设备的问题与显示模组的缺陷之间存在对应关系。本申请中通过先使用分类模型找出AOI检测设备识别出的缺陷信息所对应的缺陷类型,再通过关联模型确定对应的生产设备的状态,可以实现对生产设备进行评估,以便对生产设备进行维护。
有关本发明所提供的一种显示模组生产设备状态评估方法的具体内容将在下述发明实施例中做详细介绍。
请参考图2,图2为本发明实施例所提供的一种具体的显示模组生产设备状态评估方法的流程图。
参见图2,在本发明实施例中,所述显示模组生产设备状态评估方法可以包括:
S201:通过AOI检测设备获取显示模组中缺陷处的缺陷图像。
在本步骤中,通常会使用AOI检测设备获取显示模组中缺陷处的缺陷图像。具体的,在本步骤中通常是先获取显示模组的整体图像,然后通过对整体图像进行识别,确认出显示模组中是否存在缺陷,若存在缺陷的话,AOI检测设备会最终获取包括缺陷处的图像,即缺陷图像。有关AOI检测设备对显示模组的整体图像进行识别的具体过程可以参考现有技术,在此不再进行赘述。
S202:提取缺陷图像中的特征信息作为显示模组的缺陷信息。
在本步骤中,AOI检测设备通常会对上述缺陷图像进行特征提取,以提取出可以表征缺陷具体内容的缺陷信息。有关特征提取的具体步骤可以参考现有技术,在此不再进行赘述。
S203:控制AOI检测设备回收具有缺陷信息的显示模组。
在本步骤中,当确定当前检测的显示模组存在缺陷时,即可通过AOI检测设备回收具有缺陷信息的显示模组。需要说明的是,在本步骤中可以在检测出当前显示模组存在缺陷信息,即具有缺陷时即可将当前显示模组回收,而不需要等具体的缺陷信息生成之后在对当前显示模组进行回收,即本步骤可以与S202并行执行。当然,在本发明实施例中也可以是在生成具体的缺陷信息之后再回收显示模组,在本发明实施例中并不做具体限定。
S204:通过预设的分类模型对缺陷信息进行分类,确定缺陷信息对应的缺陷类型。
本步骤与上述发明实施例中S102基本一致,详细内容请参考上述发明实施例,在此不再进行赘述。需要说明的是,本步骤需要在S202之后进行。
S205:通过预设的关联模型对缺陷类型进行关联,确定缺陷类型对应的生产设备状态。
本步骤与上述发明实施例中S103基本一致,详细内容请参考上述发明实施例,在此不再进行赘述。
S206:根据生产设备状态对生产设备状态对应的生产设备进行评估,并生成评估参数值。
在本步骤中,具体会根据S205中生成的生产设备状态对生产设备进行评估,并将评估结果量化,生成评估参数值。量化的依据可以是多方面的,例如生产设备的重要程度,同一生产设备被检测出故障的频率等等均可,有关具体的量化过程可以根据实际情况自行设定,在此不做具体限定。
S207:当评估结果满足预设条件时,通过警报装置进行警报。
在本步骤中,当上述步骤中生成的评估结果满足预设条件时,例如某一生产设备发生严重故障时,可以通过警报装置对操作人员进行警报,以提醒操作人员需要对生产设备进行维护。具体的,当上述评估结果经过量化,即评估结果是以评估参数值的形式被生成时,上述预设条件通常是一阈值,即标准评估参数值,而本步骤会将以评估参数值与该标准评估参数值进行对比。由于通常情况下评估参数值越小意味着生产设备的损伤程度越大,需要对生产设备进行维护,则本步骤可以具体为:当所述评估参数值低于标准评估参数值时,通过警报装置进行警报。上述警报装置可以是蜂鸣器、喇叭等装置,有关警报装置的具体结构可以参考现有技术,在此不再进行赘述。
本发明实施例所提供的一种显示模组生产设备状态评估方法,通过AOI检测设备可以实现对具有缺陷的显示模组进行自动回收;同时当生产设备的评估结果较差时,可以通过警报装置进行警报,以提醒操作人员极快对生产设备进行维护。
下面对本发明实施例所提供的一种显示模组生产设备状态评估装置进行介绍,下文描述的显示模组生产设备状态评估装置与上文描述的显示模组生产设备状态评估方法可相互对应参照。
图3为本发明实施例所提供的一种显示模组生产设备状态评估装置的结构框图,参照图3显示模组生产设备状态评估装置可以包括:
缺陷信息提取模块100:用于通过AOI检测设备识别显示模组的缺陷信息。
分类模块200:用于通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型。
关联模块300:用于通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态。
评估模块400:用于根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
作为优选的,在本发明实施例中,所述显示模组生产设备状态评估装置还可以包括:
警报模块:用于当所述评估结果满足预设条件时,通过警报装置进行警报。
作为优选的,在本发明实施例中,评估模块400具体用于:
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估参数值。
所述警报装置具体用于:
当所述评估参数值低于标准评估参数值时,通过警报装置进行警报。
作为优选的,在本发明实施例中,所述警报装置包括蜂鸣器。
作为优选的,在本发明实施例中,所述缺陷信息提取模块100可以包括:
图像获取单元:用于通过AOI检测设备获取显示模组中缺陷处的缺陷图像。
特征提取单元:用于提取所述缺陷图像中的特征信息作为所述显示模组的缺陷信息。
作为优选的,在本发明实施例中,所述显示模组生产设备状态评估装置还可以包括:
回收模块:用于控制所述AOI检测设备回收具有所述缺陷信息的显示模组。
本实施例的显示模组生产设备状态评估装置用于实现前述的显示模组生产设备状态评估方法,因此显示模组生产设备状态评估装置中的具体实施方式可见前文中的显示模组生产设备状态评估方法的实施例部分,例如,缺陷信息提取模块100,分类模块200,关联模块300,评估模块400,分别用于实现上述显示模组生产设备状态评估方法中步骤S101,S102,S103和S104,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
下面对本发明实施例提供的一种显示模组生产设备状态评估***进行介绍,下文描述的显示模组生产设备状态评估***与上文描述的显示模组生产设备状态评估方法以及显示模组生产设备状态评估装置可相互对应参照。
请参考图4,图4为本发明实施例所提供的一种显示模组生产设备状态评估***的结构框图。
参见图4,显示模组生产设备状态评估***可以包括AOI检测设备11和处理器12;所述AOI检测设备11用于识别显示模组的缺陷信息。
所述处理器12用于:
通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型。
通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态。
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
作为优选的,在本发明实施例中,所述显示模组生产设备状态评估***还可以包括警报装置。
所述处理器12还可以用于:
当所述评估结果满足预设条件时,通过警报装置进行警报。
作为优选的,在本发明实施例中,所述处理器12还可以用于:
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估参数值。
当所述评估参数值低于标准评估参数值时,通过警报装置进行警报。
作为优选的,在本发明实施例中,所述警报装置可以包括蜂鸣器。
作为优选的,在本发明实施例中,所述AOI检测设备11可以具体用于:
获取显示模组中缺陷处的缺陷图像。
提取所述缺陷图像中的特征信息作为所述显示模组的缺陷信息。
作为优选的,在本发明实施例中,所述AOI检测设备11还可以用于:
回收具有所述缺陷信息的显示模组。
本实施例的显示模组生产设备状态评估***中处理器12与用于安装上述发明实施例中显示模组生产设备状态评估装置的各个模块,同时处理器12与AOI检测设备11相结合可以实现上述任一发明实施例中所述的显示模组生产设备状态评估方法,因此显示模组生产设备状态评估***中的具体实施方式可见前文中的显示模组生产设备状态评估方法的实施例部分,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种显示模组生产设备状态评估方法,一种显示模组生产设备状态评估装置及一种显示模组生产设备状态评估***进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种显示模组生产设备状态评估方法,其特征在于,包括:
通过AOI检测设备识别显示模组的缺陷信息;
通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型;
通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态;
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果之后,所述方法还包括:
当所述评估结果满足预设条件时,通过警报装置进行警报。
3.根据权利要求2所述的方法,其特征在于,所述根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果包括:
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估参数值;
所述当所述评估结果满足预设条件时,通过警报装置进行警报包括:
当所述评估参数值低于标准评估参数值时,通过警报装置进行警报。
4.根据权利要求3所述的方法,其特征在于,所述警报装置包括蜂鸣器。
5.根据权利要求1所述的方法,其特征在于,所述通过AOI检测设备识别显示模组的缺陷信息包括:
通过AOI检测设备获取显示模组中缺陷处的缺陷图像;
提取所述缺陷图像中的特征信息作为所述显示模组的缺陷信息。
6.根据权利要求5所述的方法,其特征在于,在所述通过AOI检测设备识别显示模组的缺陷信息之后,所述方法还包括:
控制所述AOI检测设备回收具有所述缺陷信息的显示模组。
7.一种显示模组生产设备状态评估装置,其特征在于,包括:
缺陷信息提取模块:用于通过AOI检测设备识别显示模组的缺陷信息;
分类模块:用于通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型;
关联模块:用于通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态;
评估模块:用于根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
8.根据权利要求7所述的装置,其特征在于,还包括:
警报模块:用于当所述评估结果满足预设条件时,通过警报装置进行警报。
9.一种显示模组生产设备状态评估***,其特征在于,包括AOI检测设备和处理器;
所述AOI检测设备用于识别显示模组的缺陷信息;
所述处理器用于:
通过预设的分类模型对所述缺陷信息进行分类,确定所述缺陷信息对应的缺陷类型;
通过预设的关联模型对所述缺陷类型进行关联,确定所述缺陷类型对应的生产设备状态;
根据所述生产设备状态对所述生产设备状态对应的生产设备进行评估,并生成评估结果。
10.根据权利要求9所述的***,其特征在于,还包括警报装置;
所述处理器还用于:
当所述评估结果满足预设条件时,通过警报装置进行警报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910406129.5A CN110108717A (zh) | 2019-05-15 | 2019-05-15 | 一种显示模组生产设备状态评估方法,装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910406129.5A CN110108717A (zh) | 2019-05-15 | 2019-05-15 | 一种显示模组生产设备状态评估方法,装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110108717A true CN110108717A (zh) | 2019-08-09 |
Family
ID=67490222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910406129.5A Pending CN110108717A (zh) | 2019-05-15 | 2019-05-15 | 一种显示模组生产设备状态评估方法,装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110108717A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730434A (zh) * | 2020-12-26 | 2021-04-30 | 深圳市磐锋精密技术有限公司 | 一种应用于aoi检测的数据监测方法 |
WO2021142622A1 (zh) * | 2020-01-14 | 2021-07-22 | 京东方科技集团股份有限公司 | 确定不良原因的方法、电子设备、存储介质及*** |
CN116757682A (zh) * | 2023-08-21 | 2023-09-15 | 宁德时代新能源科技股份有限公司 | 卷绕设备维护提醒方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245667A (zh) * | 2013-04-08 | 2013-08-14 | 上海华力微电子有限公司 | 自动检测机械性划痕的方法及*** |
JP2015152943A (ja) * | 2014-02-10 | 2015-08-24 | オムロン株式会社 | 品質管理装置及びその制御方法 |
CN105807742A (zh) * | 2016-03-10 | 2016-07-27 | 京东方科技集团股份有限公司 | 生产设备监控方法及*** |
CN106851209A (zh) * | 2017-02-28 | 2017-06-13 | 北京小米移动软件有限公司 | 监控方法、装置及电子设备 |
CN107844403A (zh) * | 2017-12-14 | 2018-03-27 | 上海振大电器成套有限公司 | 一种硬件设备监控*** |
CN108847006A (zh) * | 2018-07-09 | 2018-11-20 | 京东方科技集团股份有限公司 | 一种设备监控方法和*** |
CN109683358A (zh) * | 2019-01-22 | 2019-04-26 | 成都中电熊猫显示科技有限公司 | 检测方法、装置和存储介质 |
-
2019
- 2019-05-15 CN CN201910406129.5A patent/CN110108717A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245667A (zh) * | 2013-04-08 | 2013-08-14 | 上海华力微电子有限公司 | 自动检测机械性划痕的方法及*** |
JP2015152943A (ja) * | 2014-02-10 | 2015-08-24 | オムロン株式会社 | 品質管理装置及びその制御方法 |
CN105807742A (zh) * | 2016-03-10 | 2016-07-27 | 京东方科技集团股份有限公司 | 生产设备监控方法及*** |
CN106851209A (zh) * | 2017-02-28 | 2017-06-13 | 北京小米移动软件有限公司 | 监控方法、装置及电子设备 |
CN107844403A (zh) * | 2017-12-14 | 2018-03-27 | 上海振大电器成套有限公司 | 一种硬件设备监控*** |
CN108847006A (zh) * | 2018-07-09 | 2018-11-20 | 京东方科技集团股份有限公司 | 一种设备监控方法和*** |
CN109683358A (zh) * | 2019-01-22 | 2019-04-26 | 成都中电熊猫显示科技有限公司 | 检测方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
司马海峰 著: "《遥感图像分类中的智能计算方法》", 31 January 2018 * |
潘泉 等: "《现代目标跟踪与信息融合》", 31 October 2009 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021142622A1 (zh) * | 2020-01-14 | 2021-07-22 | 京东方科技集团股份有限公司 | 确定不良原因的方法、电子设备、存储介质及*** |
CN112730434A (zh) * | 2020-12-26 | 2021-04-30 | 深圳市磐锋精密技术有限公司 | 一种应用于aoi检测的数据监测方法 |
CN112730434B (zh) * | 2020-12-26 | 2021-10-29 | 深圳市磐锋精密技术有限公司 | 一种应用于aoi检测的数据监测方法 |
CN116757682A (zh) * | 2023-08-21 | 2023-09-15 | 宁德时代新能源科技股份有限公司 | 卷绕设备维护提醒方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564181B (zh) | 电力设备故障检测与维修方法及终端设备 | |
CN110108717A (zh) | 一种显示模组生产设备状态评估方法,装置及*** | |
CN108776276B (zh) | 用电异常检测方法及*** | |
CN111352971A (zh) | 银行***监控数据异常检测方法及*** | |
CN108154244A (zh) | 地产电力设备的运维方法、装置和*** | |
CN109084955A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
US20140316843A1 (en) | Automatically-generated workflow report diagrams | |
CN109064446A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
CN111752833B (zh) | 一种软件质量体系准出方法、装置、服务器及存储介质 | |
CN107392328A (zh) | 灭火器信息维护方法及*** | |
CN113780986B (zh) | 一种用于软件研发过程的度量方法、***、设备和介质 | |
CN114547822A (zh) | 一种管道安全预警方法、装置及介质 | |
CN116756710B (zh) | 基于特征标记追踪技术的开源治理方法、***及电子设备 | |
CN112819262A (zh) | 存储器、工艺管道检维修决策方法、装置和设备 | |
CN111562042A (zh) | 一种地下车库施工中的安全信息监控方法及监控*** | |
GB2591772A (en) | Asset maintenance management system and method | |
CN116859842A (zh) | 一种化工生产线安全评估*** | |
CN103902638A (zh) | 检测***及其检测方法 | |
CN116245808A (zh) | 工件缺陷检测方法、装置、电子设备及存储介质 | |
CN110427316A (zh) | 基于访问行为感知的嵌入式软件缺陷修复方法 | |
US20230419466A1 (en) | Method and apparatus for identifying defect grade of bad picture, and storage medium | |
CN104461870B (zh) | 记录测试结果的方法及装置 | |
CN114462879A (zh) | 电子设备质量管控方法及装置 | |
CN109409127A (zh) | 网络数据安全策略的生成方法、装置及存储介质 | |
CN116523491A (zh) | 结构化电务运维工作票的方法、装置、设备、介质及程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190809 |
|
RJ01 | Rejection of invention patent application after publication |