[发明专利]显示屏质量检测方法、装置、电子设备及存储介质

说明书

本申请提供一种显示屏质量检测方法、装置、电子设备及存储介质，其中，该方法包括：接收部署在显示屏生产线上的控制台发送的质量检测请求，该质量检测请求中包含显示屏生产线上的图像采集设备采集的显示屏图像，将该显示屏图像输入到缺陷分类模型中得到缺陷分类结果，该缺陷分类模型是采用深度卷积神经网络结构和图像分类算法对历史缺陷显示屏图像进行训练得到的，根据该缺陷分类结果确定上述显示屏图像对应的显示屏的质量好坏。该技术方案的缺陷检测准确度高、系统性能好，业务扩展能力高。

技术领域

本申请涉及计算机技术领域，尤其涉及一种显示屏质量检测方法、装置、电子设备及存储介质。

背景技术

随着科技的发展，信息显示技术在人们生活中的作用与日俱增，显示屏也因其体积小、重量轻、功率低、分辨率高、亮度高和无几何变形诸多特点被广泛应用。但在显示屏的生产过程中，由于工艺及环境的原因可能导致显示屏存在显示缺陷，例如，点缺陷、线缺陷和面缺陷等。因而，显示屏质量检测是生产过程中的重要环节。

现有技术中，显示屏质量检测主要采用人工检测或机器辅助的人工检测方法。具体的，人工检测方法是指依赖行业专家肉眼观察从生产环境中采集到的图片给出判断；机器辅助的人工检测方法是指首先利用固化有行业专家经验的质检系统对待检测显示屏图像进行检测，其次再由行业专家对疑似存在缺陷的图片进行检测判断。

然而，不管是人工检测方法，还是机器辅助的人工检测方法均受人的主观影响因素较大，检测准确度低、系统性能差，业务扩展能力低。

发明内容

本申请提供一种显示屏质量检测方法、装置、电子设备及存储介质，以克服现有显示屏缺陷检测方法中由于受人的主观影响因素较大，致使检测准确度低、系统性能差、业务扩展能力低的问题。

本申请第一方面提供一种显示屏质量检测方法，包括：

接收部署在显示屏生产线上的控制台发送的质量检测请求，所述质量检测请求中包含所述显示屏生产线上的图像采集设备采集的显示屏图像；

将所述显示屏图像输入到缺陷分类模型中得到缺陷分类结果，其中，所述缺陷分类模型是采用深度卷积神经网络结构和图像分类算法对历史缺陷显示屏图像进行训练得到的；

根据所述缺陷分类结果确定所述显示屏图像对应的显示屏的质量好坏。

可选的，所述缺陷分类模型是采用深度卷积神经网络结构和图像分类算法对历史缺陷显示屏图像进行训练得到的，包括：

所述缺陷分类模型是对所述历史缺陷显示屏图像的缺陷类别损失进行训练，以使所述缺陷类别损失的损失值满足预设损失阈值的结果；

其中，所述缺陷类别损失指预测缺陷类别与实际缺陷类别之间的损失值。

可选的，所述将所述显示图像输入到缺陷分类模型中得到缺陷分类结果之前，还包括：

对所述显示屏图像进行图像预处理，其中，所述图像预处理包括下述处理中的一项或多项：

裁边、切块、旋转、缩小、放大。

可选的，所述将所述显示屏图像输入到缺陷分类模型中得到缺陷分类结果，包括：

根据负载均衡策略，确定承载处理资源的分类模型服务器；

将所述显示屏图像输入到运行在所述分类模型服务器上的所述缺陷分类模型中得到缺陷分类结果。

可选的，所述缺陷分类结果包括代表缺陷类别的标签值；所述标签值包括0-n，n为大于等于1的正整数，0代表无缺陷，1-n分别代表不同缺陷类别；

所述根据所述缺陷分类结果确定所述显示屏图像对应的显示屏的质量好坏，包括：