[发明专利]一种画质检测方法及系统

说明书

本发明公开了一种画质检测方法及系统，属于检测领域，所述方法包括如下步骤：收集错误画质的图片数据；根据收集的图片数据建立图片功能库；对图片功能库进行图片画质特征提取；根据提取的图片画质特征建立画质特征库；使用画质特征库对图片画质进行检测,输出检测结果。通过利用深度学习的方法，从以往的画质功能问题图片提取特征学习，快速定位属于哪类问题，利用深度学习技术对画质功能问题图片进行特征学习，并对学习到的特征进行分类，得到深度学习模型；通过前期输入不同类型的画质问题图片并自动学习大量数据不同类型的特征，得到学习模型，后续只需提供图片输入即可输出画质结果是否通过，省去了设备和人力，大大提高了效率。

技术领域

本发明涉及检测领域，具体涉及一种画质检测方法及系统。

背景技术

我们都知道，获取大千世界的人物，景物等信息都是由摄像头模组来进行获取并显示在屏幕上，摄像头模组的生产加工过程实际上是各个功能物料堆积组合的过程，由镜头，音圈马达，红外滤光片，感光芯片，PCB电路板等组成，由于模组摄像头的这个堆叠过程中需要用到不同功能的单体物料，每个单体物料在搭载过程中或多或少不可避免的会出现比如镜头划伤，脏污，感光芯片掉落灰尘，或者感光芯片经过长期放置出现质量变异比如有坏点，亮点等等，而在产品卖到消费者之前会经过一个画质的检测，传统的检测方法是不同的功能测试安排不同的岗位由专员进行测试，比如测试坏点就会安排一个坏点测试岗位专门测试坏点画质效果，效率低，同时也浪费人力和物力。

发明内容

本发明旨在公开一种画质检测方法及系统，解决现有人工检测画质效率低，同时也浪费人力和物力的问题，本发明是以往的画质功能问题图片提取特征学习，快速定位属于哪类问题, 利用深度学习技术对画质功能问题图片进行特征学习，并对学习到的特征进行分类，得到深度学习模型；利用深度学习模型对摄像头画质功能图片进行判断并输出结果。

本发明采取的技术方案为：

一种画质检测方法，所述方法包括如下步骤：

收集错误画质的图片数据；

根据收集的图片数据建立图片功能库；

对图片功能库进行图片画质特征提取；

根据提取的图片画质特征建立画质特征库；

使用画质特征库对图片画质进行检测,输出检测结果。

进一步地，所述收集错误画质的图片数据包括收集以往的画质功能出现问题的图片和用户日常使用反馈回来的画质功能出现问题的图片。

进一步地，所述收集错误画质的图片时，在每个图片下方或者目录中使用文字说明图片的具体画质问题的内容。

进一步地，所述建立图片功能库的具体过程为，先根据画质问题图片的文字说明进行分类，然后根据不同类型的图片进行建立图片功能模型，然后把建立好的图片功能模型进行存储。

进一步地，所述分类是根据文字的说明内容进行分成大类，大类里面有若干个小类，小类与小类之间形成关联类。

进一步地，所述图片功能模型在后期另外收集到画质问题图像后，画质问题图像自动添加到图片功能库，增加图片功能库性能。

进一步地，所述画质特征提取过程为，对每个图片进行画质特征提取，把提取的画质特征与图片的画质说明文字内容对比，当不完全部相符时，对该图片进行二次画质特征提取。

进一步地，所述建立画质特征库的过程为：先对画质特征进行分类处理，然后根据分类情况建立画质特征模型，然后把画质特征模型进行存储，在后期出现新提取的画质特征时，新的画质特征自动添加到画质特征模型，提高画质特征模型数据准确性。

进一步地，所述使用画质特征库对图片画质进行检测的过程为：