CN114742142A - 液晶显示屏的检测方法及液晶显示屏检测设备 - Google Patents
液晶显示屏的检测方法及液晶显示屏检测设备 Download PDFInfo
- Publication number
- CN114742142A CN114742142A CN202210334242.9A CN202210334242A CN114742142A CN 114742142 A CN114742142 A CN 114742142A CN 202210334242 A CN202210334242 A CN 202210334242A CN 114742142 A CN114742142 A CN 114742142A
- Authority
- CN
- China
- Prior art keywords
- image
- target area
- target
- liquid crystal
- crystal display
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种液晶显示屏的检测方法及液晶显示屏检测设备,该方法包括:获取液晶显示屏的待检测图像和预设的模板图像,其中,所述模板图像中包含多个图像截取区域;基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像;基于预设的梯度计算规则,对各所述目标区域图像进行梯度计算,得到各所述目标区域图像中的梯度信息;根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件;若满足预设条件的目标区域图像的个数大于或等于预设阈值,确定所述液晶显示屏通过检测。本申请通过图像检测液晶显示屏的压合效果,降低了检测成本、提升了检测效率以及准确性。
Description
技术领域
本申请涉及显示屏质量检测技术领域,尤其涉及一种液晶显示屏的检测方法及液晶显示屏检测设备。
背景技术
目前对于液晶显示屏的产品的检测,很多是通过检测液晶显示屏中的导电粒子的功能性来检测液晶显示屏是否符合使用的需求,但检测液晶显示屏导电粒子功能的流程较为繁琐,且需要的时间较长,成本较高。
发明内容
本申请的主要目的在于提供一种液晶显示屏的检测方法及液晶显示屏检测设备,旨在提高液晶显示屏的检测便利度、检测效率和检测结果的准确性。
第一方面,本申请提供一种液晶显示屏的检测方法,所述液晶显示屏的检测方法包括以下步骤:
获取液晶显示屏的待检测图像和预设的模板图像,其中,所述模板图像中包含多个图像截取区域;
基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像;
基于预设的梯度计算规则,对各所述目标区域图像进行梯度计算,得到各所述目标区域图像中的梯度信息;
根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件;
若满足预设条件的目标区域图像的个数大于或等于预设阈值,确定所述液晶显示屏通过检测。
第二方面,本申请还提供一种液晶显示屏检测设备,所述液晶显示屏检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上述的液晶显示屏的检测方法的步骤。
本申请提供一种液晶显示屏的检测方法及液晶显示屏检测设备,本申请通过获取液晶显示屏的待检测图像和预设的模板图像,其中,所述模板图像中包含多个图像截取区域;基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像;基于预设的梯度计算规则,对各所述目标区域图像进行梯度计算,得到各所述目标区域图像中的梯度信息;根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件;若满足预设条件的目标区域图像的个数大于或等于预设阈值,确定所述液晶显示屏通过检测。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例提供的一种液晶显示屏的检测方法的流程示意图;
图2为本申请实施例提供的一种目标区域图像的场景示意图;
图3为本申请实施例提供的一种目标区域图像的梯度信息的场景示意图;
图4为本申请一实施例涉及的液晶显示屏检测设备的结构示意框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种液晶显示屏的检测方法及液晶显示屏检测设备。其中,该液晶显示屏的检测方法可应用于液晶显示屏检测设备,液晶显示屏检测设备可以是包括图像获取装置的检测设备,此外,该液晶显示屏的检测方法可应用于终端设备中,该终端设备可以与一图像获取装置通信连接,且该终端设备可以是平板电脑、笔记本电脑、台式电脑等电子设备。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1为本申请的实施例提供的一种液晶显示屏的检测方法的流程示意图。
如图1所示,该液晶显示屏的检测方法包括步骤S101至步骤S104。
步骤S101、获取液晶显示屏的待检测图像和预设的模板图像,其中,所述模板图像中包含多个图像截取区域。
示例性的,可以通过与液晶显示屏检测设备通信相连的图像获取装置获取需要进行检测的液晶显示屏的待检测图像,也可以通过设于液晶显示屏检测设备上的图像获取装置获取待检测图像。
可以理解的,待检测图像中能够拍摄到多个ACF(异方性导电胶膜AnisotropicConductive Film)导电粒子,以及液晶显示屏的其他独特的结构,从而能够通过拍摄到的ACF导电粒子的状态对液晶显示屏的压合状态进行检测,例如压合符合要求,以使液晶显示屏能够用于后续的安装于终端中;或压合不符要求,会导致液晶显示屏受控不灵敏或显示存在缺陷等问题,因而通过ACF导电粒子的状态能够确定液晶显示屏的压合状态,从而确定液晶显示屏是否通过检测。
示例性的,模板图像可以是预设好的图像,可以理解的,模板图像可以是通过检测的液晶显示屏对应的图像,且该模板图像可以是经过人工标注图像截取区域的,因此,模板图像中包含多个图像截取区域。
例如,可以通过人工标注或模型预测以及人工核验的方式,在模板图像中确定多个图像截取区域,其中,图像截取区域用于截取模板图像中的ACF粒子所处的区域,因经过人工标注或人工核验,因此,在模板图像上的图像截取区域会较为准确,可以用于对待检测图像进行目标区域图像的确定。
示例性的,在对模板图像的图像截取区域标注中,可以在模板图像上标定第一标志点和第二标志点,其中,第一标志点可以位于模板图像上的一端,第二标志点可以位于模板图像上的另一端,以使模板图像与其他待检测图像能够更加容易匹配,且在其他待检测图像的大小与模板图像大小不相同时,能够调整对应的图像截取区域,以使图像截取区域能够与待检测图像匹配,从而提高图像截取时的精准度,以提升液晶显示屏检测的准确性。
步骤S102、基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像。
示例性的,将待检测图像以及模板图像输入至训练好的图像检测模型中,以使图像检测模型能够通过模板图像上的多个图像截取区域对待检测图像进行截取,得到若干目标区域图像。可以理解的,在每一个目标区域图像中,可以包含多个ACF导电粒子,以通过每一个目标区域图像包含的ACF导电粒子确定各个目标区域图像是否符合要求,从而确定待检测图像对应的液晶显示屏能否通过检测。
实例性的,图像检测模型可以是Mobilenet-Yolov4模型,以对待检测图像进行图像截取区域的预测及定位。
在一些实施例中,所述训练好的图像检测模型,根据多个所述图像截取区域对所述待检测图像中截取若干目标区域图像,包括:基于所述图像检测模型的区域匹配网络,确定各所述图像截取区域在所述待检测图像上的位置;基于所述图像检测模型的图像截取网络;根据各所述图像截取区域在所述待检测图像上的位置,对所述待检测图像进行截取,得到若干目标区域图像。
示例性的,图像检测模型还包括区域匹配网络和图像截取网络,其中,区域匹配网络能够在待检测图像中确定多个图像截取区域的位置,图像截取网络能够对待检测图像进行截取。
例如,将待检测图像和模板图像输入至区域匹配网络,根据模板图像上的多个图像截取区域,在待检测图像中确定每一个图像截取区域在待检测图像上的位置,从而完成图像截取区域在待检测图像上位置的确定。
确定图像截取区域在待检测图像上的位置后,将包含图像截取区域的待检测图像输入至图像截取网络,依据每一个图像截取区域在待检测图像上所处的位置,对待检测图像进行截取,从而得到多个目标区域图像,如图2所示,图2为本申请实施例提供的一种目标区域图像的场景示意图。可以理解的,多个目标区域图像按照一定的规则排布,可以得到其对应的待检测图像。
在一些实施例中,所述基于所述图像检测模型的区域匹配网络,确定各所述图像截取区域在所述待检测图像上的位置,包括:基于所述区域匹配网络的图像二值化处理层,对所述待检测图像进行二值化处理,得到二值化后的待检测图像;基于所述区域匹配网络的连通域计算层,对所述二值化后的待检测图像进行连通域运算,在所述二值化后的待检测图像上确定若干连通区域;基于所述区域匹配网络的连通区域匹配层,根据多个所述连通区域和所述图像截取区域确定各所述图像截取区域在所述待检测图像上的位置。
示例性的,区域匹配网络还包括图像二值化处理层、连通域计算层以及连通区域匹配层,其中,图像二值化处理层可以对图像进行二值化处理,连通域计算层可以对二值化处理后的图像进行连通域的计算,连通区域匹配层用于确定图像中若干个连通区域的位置。
例如,在待检测图像输入区域匹配网络后,在区域匹配网络中的二值化处理层对待检测图像进行图像二值化处理,其中,二值化处理可以是将待检测图像中的像素值进行归类,例如,待检测图像中A点像素值为200、B点像素值为100,像素阈值为130,因而A点使用1来表征该点的像素值,而B点用0来表征该点的像素值,从而完成待检测图像的二值化处理。需要说明的是,上述的A点和B点及其对应的像素值均为举例说明,并不对本申请的图像二值化处理的具体过程予以限定。
在二值化处理层完成图像的二值化处理得到二值化后的待检测图像后,将二值化后的待检测图像输入至连通域计算层,以在连通域计算层中对二值化后的待检测图像及进行连通域运算,从而能够在二值化后的待检测图像上确定若干连通区域,其中,每一个连通区域中的可能存在若干ACF导电粒子,当某一ACF导电粒子与另一ACF导电粒子之间的距离较远,或某一ACF导电粒子附近的若干位像素未与另一ACF导电粒子附近的若干位像素相邻,可以认为这两个ACF导电粒子存在于两个连通区域中。
其中,确定连通域后,可以利用区域空洞填充算法将连通域中较暗的区域进行填充,从而得到完整的区域。
在待检测图像上确定若干连通区域后,在连通区域匹配层,根据多个连通区域和图像截取区域确定各个图像截取区域在待检测图像上的位置。可以理解的,若连通区域的大小与图像截取区域的大小相同或相似,且图像截取区域在模板图像上的位置与连通区域在待检测图像上的位置相同或近似,可以认为图像截取区域与连通区域重合,也即是连通区域可以作为图像截取区域,从而完成图像截取区域的定位。
例如,可以根据连通区域的大小设定大小形状阈值,例如长度阈值为3-5个像素点,宽度阈值为1-4个像素点,可以理解的,长度阈值和宽度阈值对应的像素点个数可以根据实际需求调整,在此不予限定;当一图像截取区域的长度符合长度阈值及宽度符合宽度阈值时,可以认为图像截取区域的大小与连通区域的大小相同或相似,从而能够在待检测图像上确定多个图像截取区域的位置。
通过图像检测模型能够对待检测图像上的ACF导电粒子进行粗定位,以及通过粗定位对待检测图像进行截取,得到多个目标区域图像,对目标区域图像进行ACF导电粒子的分析能够提升对液晶显示屏的检测准确性。
在一些实施例中,在所述基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像之前,还包括:根据所述待检测图像和所述模板图像对所述图像截取区域进行缩放,得到目标截取区域;所述基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像,包括:基于训练好的图像检测模型,根据多个所述目标截取区域在所述待检测图像中截取若干目标区域图像。
示例性的,在对多个液晶显示屏进行检测的过程中,由于液晶显示屏的大小或获取得到的液晶显示屏对应的待检测图像的大小不相同,可能会导致待检测图像的大小与模板图像的大小差别较大,在这种情况下,模板图像上的图像截取区域可能不适用于待检测图像上,因此需要对图像截取区域进行缩放。
示例性的,可以通过待检测图像上的标志点以及模板图像上的标志点,确定待检测图像与模板图像的偏差信息,从而对模板图像上的图像截取区域进行缩放。其中,偏差信息包括大小偏差、位置偏差。
可以理解的,待检测图像/模板图像上的标志点确定可以是液晶显示屏上的标志物点,也可以根据待检测图像/模板图像的边缘确定标志点。
例如,在对待检测图像/模板图像拍照时,是对整个液晶显示屏进行拍摄得到的,可以通过液晶显示屏上的标志物点,例如焊接点确定待检测图像/模板图像的标志点。
在一些实施例中,所述根据所述待检测图像和模板图像对所述图像截取区域进行缩放,得到目标截取区域,包括:确定所述待检测图像上的第一、第二标志点和所述模板图像上的第三、第四标志点;根据所述第一标志点、第二标志点、第三标志点以及第四标志点确定所述图像截取区域的缩放比例;按照所述缩放比例对所述图像截取区域进行缩放处理,得到目标截取区域。
示例性的,如上步骤所述,在待检测图像确定第一标志点和第二标志点,其中,第一标志点与第二标志点相对设于所述待检测图像上的两侧,例如第一标志点设于相对于待检测图像中线的左侧,第二标志点设于相对于待检测图像中线的右侧,同理,确定模板图像上的第三标志点和第四标志点,其中,第三标志点和第四标志点如第一标志点和第二标志点的设定方式,在此不再撰述。
确定第一、第二、第三、第四标志点后,可以根据第一、第二、第三和第四标志点确定图像截取区域的缩放比例。
在一些实施例中,所述根据所述第一标志点、第二标志点、第三标志点以及第四标志点确定所述图像截取区域的缩放比例,包括:根据所述第一标志点的坐标和所述第二标志点的坐标确定第一距离;根据所述第三标志点的坐标和所述第四标志点的坐标确定第二距离;基于预设的缩放比例计算规则,根据所述第一距离和所述第二距离计算得到所述图像截取区域的缩放比例。
示例性的,对待检测图像建立坐标系,确定第一标志点和第二标志点的第一位置关系;对模板图像建立坐标系,确定第三标志点和第四标志点的第二位置关系,根据第一位置关系和第二位置关系确定缩放比例。具体的,第一位置关系可以是第一标志点的x坐标与第二标志点x坐标的差值,第二位置关系是第三标志点的x坐标与第四标志点x坐标的差值,将两个差值进行相除处理,根据相除结果大小确定图像截取区域是放大还是缩小,以及放大或缩小对应的比例。
示例性的,计算得到缩放比例后,对图像截取区域进行缩放处理,得到目标截取区域,从而能够通过目标截取区域对待检测图像进行处理,如上步骤所述,在此不再撰述。
通过待检测图像和模板图像的标志点对图像截取区域进行缩放,可以提高图像检测模型在对待检测图像进行目标区域图像确定的精度,从而提升液晶显示屏检测的精度。
在一些实施例中,可以获取训练数据,以及根据训练数据对图像检测模型进行训练,得到训练好的图像检测模型。
示例性的,训练数据可以包括人工标注好的样本模板图像以及样本待检测图像,其中,样本模板图像上均包含多个样本图像截取区域,将样本模板图像和样本待检测图像输入至图像检测模型中,以使图像检测模型对样本待检测图像进行图像截取区域的确定,并在样本待检测图像确定图像截取区域后,将确定图像截取区域的样本待检测图像和标注好的样本模板图像进行对比,从而确定图像截取区域的样本待检测图像中的图像截取区域是否确定合理,以对图像检测模型的参数进行调整,从而提升图像检测模型的预测精准度。
示例性的,样本模板图像及样本待检测图像的尺寸可以是416×416,因为图像中粒子条基本属于小目标,增大分辨率对小目标检测的精度有所提高。在训练过程中,还可以对图像进行旋转、对比度和亮度变化、图片有损压缩率改变,以达到更高的预测精度。
通过训练好的图像检测模型,可以有效提升图像截取区域在待检测的图像中的定位的准确度,以对待检测图像进行更精确地截取得到目标区域图像,从而能提升根据目标区域图像分析液晶显示屏是否通过检测的精确度。
步骤S103、基于预设的梯度计算规则,对各所述目标区域图像进行梯度计算,得到各所述目标区域图像中的梯度信息。
示例性的,对液晶显示屏的ACF导电粒子检测主要是区分弱压ACF粒子和正常ACF粒子,正常ACF导电粒子的***效果较好,能很好地区分出突出的区域,但弱压ACF导电粒子的突出区域不明显,没有很好的导电特性,部分很弱的***粒子会不被认为是粒子;鉴于产线采用指定方向的打光方式,光源从右往左,导致ACF导电粒子的成像会右亮左暗的特点,可以先采用一种线性滤波器进行滤波,够有效的抑制噪声,平滑图像,再求目标区域图像x、y方向的梯度信息,得出目标区域中的梯度信息。
图3为本申请实施例提供的一种目标区域图像的梯度信息的场景示意图,可以通过目标区域的梯度信息确定ACF导电粒子为正常粒子还是弱压粒子,从而确定该目标区域图像能否满足预设条件。
步骤S104、根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件。
示例性的,对目标区域图像进行梯度信息的计算后,能够通过目标区域图像对应的梯度信息确定目标区域图像是否满足预设条件。
例如,可以通过目标区域图像对应的梯度信息确定ACF导电粒子在目标区域图像中的位置以及ACF导电粒子的区域面积,从而通过ACF导电粒子在目标区域图像中的位置和/或ACF导电粒子的区域面积确定该目标区域图像是否满足预设条件。
在一些实施例中,所述根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件,包括:根据所述目标区域图像对应的梯度信息确定所述目标区域图像中的梯度极大值;根据所述梯度极大值确定所述目标区域图像中的目标区域个数和/或目标区域位置;根据所述目标区域图像中的目标区域个数和/或目标区域位置确定所述目标区域图像是否满足预设条件。
示例性的,得到梯度信息后,确定目标区域图像中梯度极大值,可以理解的,在有ACF导电粒子的区域,梯度信息是很强烈的,并且每一个ACF导电粒子的突起位置有一定的区域大小,在该区域的中心位置是一个梯度的极大值,且当梯度极大值大于或等于预设梯度阈值时,可以将该区域确定为目标区域,可以理解的,目标区域可以对应ACF导电粒子及其附近的区域,即可将该极大值出现的位置认定为ACF导电粒子的中心,从而确定目标区域图像中用于指示ACF导电粒子的目标区域的个数和/或位置,并能够根据目标区域图像中ACF导电粒子的个数和/或位置确定该目标区域图像是否满足预设条件。
在一些实施例中,所述根据所述目标区域图像中的目标区域个数和/或目标区域位置确定所述目标区域图像是否满足预设条件,包括以下至少一项:若所述目标区域图像中的目标区域个数大于或等于预设的目标区域个数阈值,确定所述目标区域图像满足预设条件。
示例性的,可以通过目标区域图像中所含的目标区域的个数确定目标区域图像是否满足预设条件,具体的,目标区域通过ACF导电粒子表征,通过标区域图像中所含的ACF导电粒子的个数确定目标区域图像是否满足预设条件。
例如,当目标区域图像中的ACF导电粒子个数大与或等于预设粒子个数阈值时,确定目标区域图像满足预设条件;当目标区域图像中的ACF导电粒子个数小于预设粒子个数阈值时,则认为目标区域图像不满足预设条件。
根据所述目标区域图像中的目标区域位置确定至少两个目标区域之间的目标距离,以及若所述目标距离大于或等于预设的距离阈值,确定所述目标区域图像满足预设条件。
具体的,目标区域通过ACF导电粒子表征,通过计算至少两个ACF导电粒子之间的目标距离,确定所述目标区域图像是否满足预设条件。
可以理解的,目标区域可以是在目标区域图像中位于最左侧的ACF导电粒子所在的区域,以及在目标区域图像中位于最右侧的ACF导电粒子所在的区域,该两个ACF导电粒子的x方向上的距离,可以称为宽幅,确定宽幅是否大于或等于预设的距离阈值,从而确定目标区域图像是否满足预设条件。
示例性的,还可以通过目标区域图像中粒子位置确定至少两个粒子之间的目标距离,并基于目标距离确定目标区域图像是否满足预设条件。
例如,当目标距离大于或等于预设的距离阈值,确定所述目标区域图像满足预设条件;当目标距离小于预设的距离阈值,则认为目标区域图像不满足预设条件。
基于像素均匀度计算规则,根据所述目标区域图像中的目标区域计算所述目标区域图像的像素均匀度,且若所述目标区域图像的像素均匀度大于或等于预设的均匀度阈值,确定所述目标区域图像满足预设条件。
具体的,此处的像素均匀度通过ACF导电粒子的均匀度表征,通过计算至少两个ACF导电粒子的均匀度,确定所述目标区域图像是否满足预设条件
示例性的,根据所述目标区域图像中的粒子位置计算所述目标区域图像中的粒子均匀度,并基于粒子均匀度确定目标区域图像是否满足预设条件。
其中,粒子均匀度可以通过下式来计算:
其中,r(X,Y)为某一目标区域图像中的ACF导电粒子排布的均匀度,Cov(X,Y)用于指示某一目标区域图像中的所有ACF导电粒子的X坐标或Y坐标的协方差,Var[X]用于指示某一ACF导电粒子X坐标上梯度的方差,Var[Y]用于指示某一ACF导电粒子Y坐标上梯度的方差。
通过上式计算粒子对应的像素均匀度后,通过目标区域图像中的各个目标区域确定对应的像素均匀度,从而确定目标区域图像的像素均匀度,且当目标区域图像的像素均匀度大于或等于预设的均匀度阈值,确定所述目标区域图像满足预设条件;当目标区域图像的像素均匀度小于预设均匀度阈值时,则认为目标区域图像满足不预设条件。
可以理解的,上述三种判断目标区域图像是否满足预设条件的方式可以择一使用,也可任意两个或三个共同使用,对此本申请不予以限定。
通过上述预设条件确定目标区域图像是否满足预设条件,可以提升液晶显示屏检测的精度。
在一些实施例中,对各所述目标区域图像进行二值化处理,得到各所述目标区域图像对应的前景图像和背景图像;基于各所述目标区域图像对应的前景图像,确定所述目标区域图像中目标区域的特征向量,其中,所述特征向量包括目标区域的中心坐标、目标区域的面积、目标区域所处区域的宽和/或高,以及目标区域轮廓的周长中的至少一项;所述根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件,包括:根据各所述目标区域图像对应的梯度信息和目标区域的特征向量确定各所述目标区域图像是否满足预设条件。
示例性的,还可以计算目标区域图像中多个目标区域的特征向量,其中,目标区域可以用ACF粒子来表征,从而确定目标区域图像是否满足预设条件。
例如,对目标区域图像进行图像二值化处理,以得到目标区域图像对应的前景图像和背景图像,其中,二值化处理的具体过程可以如上步骤所述,在此不在撰述。并基于目标区域图像对应的前景图像确定目标区域图像中的粒子的特征向量,例如可以使用blob分析在目标区域图像对应的前景图像确定目标区域图像中的粒子的特征向量,粒子的特征向量包括粒子的中心坐标、粒子的面积、粒子所处区域的宽和/或高,以及粒子轮廓周长中的至少一项。
可以理解的,在得到前景图像后,粒子附近会存在一些梯度/像素值较高的区域,可以将这些区域认为是粒子所处的区域,从而粒子存在面积、所处区域的宽和/或高以及粒子轮廓周长等特征向量。
确定粒子特征向量后,可以根据粒子的特征向量以及特征向量阈值,确定该目标区域图像是否满足条件。例如,粒子的面积包含4个像素点,面积阈值为2个像素点-6个像素点,则可以确定该粒子满足预设条件,从而能够通过粒子是否满足预设条件确定目标区域图像是否满足预设条件。可以理解的,其他特征向量可以如上述粒子面积的特征向量判断方式,确定其他特征向量是否满足预设条件,在此不再撰述。
通过粒子的特征向量和目标区域图像的梯度信息能够提升判断目标区域图像是否满足预设条件的精确度,从而提升对液晶显示屏检测的精准度。
步骤S105、若满足预设条件的目标区域图像的个数大于或等于预设阈值,确定所述液晶显示屏通过检测。
示例性的,当某一待检测图像对应的满足预设条件的目标区域图像的个数大于或等于预设阈值时,可以确定该待检测图像对应的液晶显示屏通过检测,因此,该对应的液晶显示屏能够进入下一项检测项目和/或使用于终端中。
上述实施例提供的液晶显示屏的检测方法,通过获取液晶显示屏的待检测图像和预设的模板图像,其中,所述模板图像中包含多个图像截取区域;基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像;基于预设的梯度计算规则,对各所述目标区域图像进行梯度计算,得到各所述目标区域图像中的梯度信息;根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件;若满足预设条件的目标区域图像的个数大于或等于预设阈值,确定所述液晶显示屏通过检测。无需对液晶显示屏中的ACF导电粒子进行导电性能的检测,通过图像检测确定是否存在不符合需求的粒子成本更低,以及效率更高,同时相较于其他液晶液晶显示屏的检测处理,本申请还能提升液晶显示屏检测的精确度。
请参阅图4,图4为本申请实施例提供的一种液晶显示屏检测设备的结构示意性框图。该液晶显示屏检测设备可以为服务器或终端。
如图4所示,该液晶显示屏检测设备包括通过***总线连接的处理器、存储器和网络接口,其中,存储器可以包括存储介质和内存储器。
存储介质可存储操作***和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种液晶显示屏的检测方法。
处理器用于提供计算和控制能力,支撑整个液晶显示屏检测设备的运行。
内存储器为存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种液晶显示屏的检测方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的液晶显示屏检测设备的限定,具体的液晶显示屏检测设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述欺诈识别的具体工作过程,可以参考前述液晶显示屏的检测方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的方法可参照本申请液晶显示屏的检测方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的液晶显示屏检测设备的内部存储单元,例如所述液晶显示屏检测设备的硬盘或内存。所述计算机可读存储介质也可以是所述液晶显示屏检测设备的外部存储设备,例如所述液晶显示屏检测设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。需要说明的是,在本文中,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***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***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,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种液晶显示屏的检测方法,其特征在于,包括:
获取液晶显示屏的待检测图像和预设的模板图像,其中,所述模板图像中包含多个图像截取区域;
基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像;
基于预设的梯度计算规则,对各所述目标区域图像进行梯度计算,得到各所述目标区域图像中的梯度信息;
根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件;
若满足预设条件的目标区域图像的个数大于或等于预设阈值,确定所述液晶显示屏通过检测。
2.如权利要求1所述的液晶显示屏的检测方法,其特征在于,所述基于训练好的图像检测模型,根据多个所述图像截取区域对所述待检测图像中截取若干目标区域图像,包括:
基于所述图像检测模型的区域匹配网络,确定各所述图像截取区域在所述待检测图像上的位置;
基于所述图像检测模型的图像截取网络;根据各所述图像截取区域在所述待检测图像上的位置,对所述待检测图像进行截取,得到若干目标区域图像。
3.如权利要求2所述的液晶显示屏的检测方法,其特征在于,所述基于所述图像检测模型的区域匹配网络,确定各所述图像截取区域在所述待检测图像上的位置,包括:
基于所述区域匹配网络的图像二值化处理层,对所述待检测图像进行二值化处理,得到二值化后的待检测图像;
基于所述区域匹配网络的连通域计算层,对所述二值化后的待检测图像进行连通域运算,在所述二值化后的待检测图像上确定若干连通区域;
基于所述区域匹配网络的连通区域匹配层,根据多个所述连通区域和所述图像截取区域确定各所述图像截取区域在所述待检测图像上的位置。
4.如权利要求1-3任一项所述的液晶显示屏的检测方法,其特征在于,所述根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件,包括:
根据所述目标区域图像对应的梯度信息确定所述目标区域图像中的梯度极大值;
根据所述梯度极大值确定所述目标区域图像中的目标区域个数和/或目标区域位置,其中,目标区域包括梯度极大值大于或等于预设梯度阈值的像素;
根据所述目标区域图像中的目标区域个数和/或目标区域位置确定所述目标区域图像是否满足预设条件。
5.如权利要求4所述的液晶显示屏的检测方法,其特征在于,所述根据所述目标区域图像中的目标区域个数和/或目标区域位置确定所述目标区域图像是否满足预设条件,包括以下至少一项:
若所述目标区域图像中的目标区域个数大于或等于预设的目标区域个数阈值,确定所述目标区域图像满足预设条件;
根据所述目标区域图像中的目标区域位置确定至少两个目标区域之间的目标距离,以及若所述目标距离大于或等于预设的距离阈值,确定所述目标区域图像满足预设条件;
基于像素均匀度计算规则,根据所述目标区域图像中的目标区域计算所述目标区域图像的像素均匀度,且若所述目标区域图像的像素均匀度大于或等于预设的均匀度阈值,确定所述目标区域图像满足预设条件。
6.如权利要求1-3任一项所述的液晶显示屏的检测方法,其特征在于,所述方法还包括:
对各所述目标区域图像进行二值化处理,得到各所述目标区域图像对应的前景图像和背景图像;
基于各所述目标区域图像对应的前景图像,确定所述目标区域图像中目标区域的特征向量,其中,所述特征向量包括目标区域的中心坐标、目标区域的面积、目标区域所处区域的宽和/或高,以及目标区域轮廓的周长中的至少一项;
所述根据各所述目标区域图像对应的梯度信息确定各所述目标区域图像是否满足预设条件,包括:
根据各所述目标区域图像对应的梯度信息和目标区域的特征向量确定各所述目标区域图像是否满足预设条件。
7.如权利要求1-3任一项所述的液晶显示屏的检测方法,其特征在于,在所述基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像之前,还包括:
根据所述待检测图像和所述模板图像对所述图像截取区域进行缩放,得到目标截取区域;
所述基于训练好的图像检测模型,根据多个所述图像截取区域在所述待检测图像中截取若干目标区域图像,包括:
基于训练好的图像检测模型,根据多个所述目标截取区域在所述待检测图像中截取若干目标区域图像。
8.如权利要求7所述的液晶显示屏的检测方法,其特征在于,所述根据所述待检测图像和模板图像对所述图像截取区域进行缩放,得到目标截取区域,包括:
确定所述待检测图像上的第一、第二标志点和所述模板图像上的第三、第四标志点;
根据所述第一标志点、第二标志点、第三标志点以及第四标志点确定所述图像截取区域的缩放比例;
按照所述缩放比例对所述图像截取区域进行缩放处理,得到目标截取区域。
9.如权利要求8所述的液晶显示屏的检测方法,其特征在于,所述根据所述第一标志点、第二标志点、第三标志点以及第四标志点确定所述图像截取区域的缩放比例,包括:
根据所述第一标志点的坐标和所述第二标志点的坐标确定第一距离;
根据所述第三标志点的坐标和所述第四标志点的坐标确定第二距离;
基于预设的缩放比例计算规则,根据所述第一距离和所述第二距离计算得到所述图像截取区域的缩放比例。
10.一种液晶显示屏检测设备,其特征在于,所述液晶显示屏检测设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的液晶显示屏的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334242.9A CN114742142A (zh) | 2022-03-31 | 2022-03-31 | 液晶显示屏的检测方法及液晶显示屏检测设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210334242.9A CN114742142A (zh) | 2022-03-31 | 2022-03-31 | 液晶显示屏的检测方法及液晶显示屏检测设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114742142A true CN114742142A (zh) | 2022-07-12 |
Family
ID=82280470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210334242.9A Pending CN114742142A (zh) | 2022-03-31 | 2022-03-31 | 液晶显示屏的检测方法及液晶显示屏检测设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742142A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476758A (zh) * | 2020-03-12 | 2020-07-31 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 |
-
2022
- 2022-03-31 CN CN202210334242.9A patent/CN114742142A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476758A (zh) * | 2020-03-12 | 2020-07-31 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111815630B (zh) | 一种用于lcd屏幕的缺陷检测方法、装置 | |
US9230382B2 (en) | Document image capturing and processing | |
Li et al. | Automatic pavement-crack detection and segmentation based on steerable matched filtering and an active contour model | |
CN111444921A (zh) | 划痕缺陷检测方法、装置、计算设备和存储介质 | |
CN111598091A (zh) | 图像识别方法、装置、电子设备及计算可读存储介质 | |
US8160397B1 (en) | Method for automatic alignment of raster data with vector data in a geographic information system | |
US20160247037A1 (en) | Method and system for recognizing information on a card | |
US11657644B2 (en) | Automatic ruler detection | |
CN112577969B (zh) | 一种基于机器视觉的缺陷检测方法以及缺陷检测*** | |
CN108664840A (zh) | 图像识别方法及装置 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN106530273B (zh) | 高精度fpc直线线路检测与缺陷定位方法 | |
CN114742142A (zh) | 液晶显示屏的检测方法及液晶显示屏检测设备 | |
CN116152166A (zh) | 基于特征相关性的缺陷检测方法及相关装置 | |
CN111369492B (zh) | 一种显示屏的检测方法及检测装置、检测*** | |
KR102355997B1 (ko) | 스마트글래스 기반의 콘크리트 구조물 건전도 모니터링 방법 | |
Adu-Gyamfi et al. | Functional evaluation of pavement condition using a complete vision system | |
CN113902740A (zh) | 图像模糊程度评价模型的构建方法 | |
CN110765875B (zh) | 交通目标的边界检测方法、设备及装置 | |
Qureshi et al. | An information based framework for performance evaluation of image enhancement methods | |
CN116503807A (zh) | 一种设备巡检方法、装置、电子设备及计算机程序产品 | |
Ortiz-Jaramillo et al. | Computing contrast ratio in images using local content information | |
CN110634124A (zh) | 一种区域检测的方法及设备 | |
CN114120343A (zh) | 证件图像质量评估方法及终端 | |
CN109215068B (zh) | 图像放大率测量方法及装置 |
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 |