[發明專利]屏缺陷檢測方法、裝置、終端設備以及存儲介質

在審

• 申請號: 201911333565.0
• 申請日: 2019-12-20
• 公開（公告）號: CN111080633A
• 公開（公告）日: 2020-04-28
• 發明（設計）人: 肖光曦
• 申請（專利權）人: OPPO（重慶）智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

本發明公開了一種屏缺陷檢測方法、裝置、終端設備以及存儲介質，其方法包括：獲取被測終端屏幕顯示的多張不同顏色的圖片；利用AI算法模型對所述多張不同顏色的圖片進行檢測，所述AI算法模型預先通過深度學習算法訓練而得；對圖片檢測得到的結果進行評估，得到所述被測終端的屏缺陷檢測結果。本發明通過AI算法模型檢測終端設備的屏缺陷，極大提高了終端產品屏缺陷的檢測準確率和檢測效率，此外，本方案還可以實現AI算法模型的快速迭代，訓練出新的算法模型，有效地截出不良缺陷，尤其可以有效截出傳統算法截不出來的缺陷屏，同時可以不斷提升屏的不良缺陷識別率，提升產品品質。

技術領域

本發明涉及顯示屏檢測技術領域，尤其涉及一種屏缺陷檢測方法、裝置、終端設備以及存儲介質。

背景技術

現有的手機屏檢測方案，通常通過LCD測試設備控制手機進入對應的工程模式，顯示出不同顏色的圖片，通過LCD測試設備的攝像頭拍出手機不同顏色的圖片，然后對圖片通過傳統算法進行缺陷識別，和提前維護好的不同缺陷的標準進行匹配，判斷是否滿足缺陷標準，如果不在標準內，則截出缺陷手機。這種手機屏檢測方案，需要針對每個機型、不同缺陷配置相應的標準范圍，其只能檢測出點、團、線等常見異常缺陷，當出現新的缺陷時，需要頻繁地調試驗證，因此缺陷產品截出率不佳。

發明內容

本發明的主要目的在于提供一種屏缺陷檢測方法、裝置、終端設備以及存儲介質，旨在提升終端產品屏缺陷的檢測準確率和檢測效率。

為實現上述目的，本發明提供一種屏缺陷檢測方法，包括：

獲取被測終端屏幕顯示的多張不同顏色的圖片；

利用AI算法模型對所述多張不同顏色的圖片進行檢測，所述AI算法模型預先通過深度學習算法訓練而得；

對圖片檢測得到的結果進行評估，得到所述被測終端的屏缺陷檢測結果。

可選地，所述獲取被測終端屏幕顯示的多張不同顏色的圖片的步驟之前還包括：

構建AI算法模型，具體包括：

收集多個終端屏幕顯示的圖片，得到樣本圖片集，所述樣本圖片集包括正常屏顯示的正常圖片以及不同缺陷的NG屏顯示的缺陷圖片；

對所述樣本圖片集中的正常圖片和缺陷圖片分別進行標記；

對標記后的圖片進行深度學習算法的模型訓練，得到AI算法模型。

可選地，所述構建AI算法模型的步驟之后還包括：

對所述AI算法模型進行測試驗證和評估；

若經過測試驗證和評估合格，則對所述AI算法模型進行產線試運行；

若產線試運行成功，則發布所述AI算法模型；

若經過測試驗證和評估不合格，則對所述AI算法模型進行重新訓練。

可選地，所述若經過測試驗證和評估合格，則對所述AI算法模型進行產線試運行的步驟包括：

若經過測試驗證和評估合格，則選取預設的產線對所述AI算法模型進行試運行，得到試運行結果；

獲取所述預設的產線運行參考算法模型的運行結果，所述預設的產線設定有相應的比對指標；

將所述AI算法模型的試運行結果與參考算法模型的運行結果進行比對；

若所述AI算法模型的試運行結果優于參考算法模型的運行結果，則判定產線試運行成功；否則，判定產線試運行失敗。

可選地，所述判定產線試運行失敗的步驟之后還包括：

對所述AI算法模型進行重新訓練。