[發明專利]面板切割方法、裝置、設備及存儲介質

在審

• 申請號: 202110084119.1
• 申請日: 2021-01-21
• 公開（公告）號: CN114819043A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 向梟;李健
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京名華博信知識產權代理有限公司 11453
• 代理人: 邊明威

本公開是關于一種面板切割方法、裝置、設備及存儲介質，面板切割方法包括：構建多個切割樣本對，切割樣本對包括輸入樣本和根據輸入樣本確定的輸出樣本，輸入樣本包括多個切割參數，輸出樣本包括制程能力參數；根據多個切割樣本對訓練基礎神經網絡模型，確定面板切割模型；基于面板切割模型，確定目標面板的目標切割參數；根據目標切割參數切割目標面板。該方法中，在進行面板切割時，通過該面板切割模型可迅速有效的找到良好的切割參數，無需進行大量的試驗測試，成本較低，周期較短，效率較高。

技術領域

本公開涉及面板切割技術領域，尤其涉及一種面板切割方法、裝置、設備及存儲介質。

背景技術

目前柔性屏屬于前沿項目，許多工藝較之前的硬屏有很多不同，例如切割工藝。相關技術中，當某個切割參數發生改變時，就需進行大量的工藝試驗，調整其他切割參數，過程極為繁瑣，周期較長，效率極低。

發明內容

為克服相關技術中存在的問題，本公開提供一種面板切割方法、裝置、設備及存儲介質。

根據本公開實施例的第一方面，提供一種面板切割方法，所述方法包括：

構建多個切割樣本對，所述切割樣本對包括輸入樣本和根據所述輸入樣本確定的輸出樣本，所述輸入樣本包括多個切割參數，所述輸出樣本包括制程能力參數；

根據所述多個切割樣本對訓練基礎神經網絡模型，確定面板切割模型；

基于所述面板切割模型，確定目標面板的目標切割參數；

根據所述目標切割參數切割所述目標面板。

可選地，通過以下方式根據所述輸入樣本確定所述輸出樣本：

根據所述輸入樣本切割樣品的結果參數，確定所述輸出樣本。

可選地，所述結果參數包括切割精度，所述根據所述輸入樣本切割樣品的結果參數，確定所述輸出樣本，包括：

獲取設定次數的切割精度，所述設定次數的切割精度是以所述輸入樣本包括的切割參數對切割樣品進行設定次數的切割得到的；

根據所述設定次數的所述切割精度，確定所述制程能力參數。

可選地，所述根據所述多個切割樣本對訓練基礎神經網絡模型，確定面板切割模型，包括：

構建一個多輸入、單輸出的所述基礎神經網絡模型；

對所述多個切割樣本對進行預處理，確定多個訓練樣本對，所述訓練樣本對包括訓練輸入樣本和訓練輸出樣本；

將所述多個訓練樣本對輸入至所述基礎神經網絡模型，建立每個所述訓練樣本對中的所述訓練輸入樣本與所述訓練輸出樣本的映射關系，對所述基礎神經網絡模型進行訓練，確定面板切割模型。

可選地，所述預處理包括均一化處理。

可選地，所述對所述基礎神經網絡模型進行訓練，確定面板切割模型，包括：

確定訓練所用的設定函數、初始訓練參數和期望目標參數；

根據所述設定函數和所述初始訓練參數對所述基礎神經網絡模型進行訓練，確定所述面板切割模型，所述面板切割模型的當前目標參數達到期望目標參數。

可選地，所述設定函數包括以下中的至少一種：激活函數、訓練函數、性能函數；和/或，

所述初始訓練參數包括以下中的至少一種：學習率、迭代次數、所述輸入樣本中每個切割參數的權重。

可選地，所述根據所述設定函數和所述初始訓練參數對所述基礎神經網絡模型進行訓練，確定所述面板切割模型，包括：