[发明专利]一种应用深度学习判断显示面板缺陷的系统及其判断方法

说明书

一种应用深度学习判断显示面板缺陷的系统及其判断方法，包括:输入模块，由用户输入面板影像信号；储存模块具有缺陷数据库，用以储存面板缺陷信息及人工判片信息；处理模块对面板影像信号依据面板特征进行非线性数值转换，并且与面板缺陷信息进行比对以得到判片比对结果，且面板特征具有相对的权重；比较模块，将判片比较结果与人工判片信息进行比较并调整，以取得对应面板特征的权重的最佳值；以及判断模块，依据对应面板特征值的权重的最佳值对正常面板与异常面板进行差异比对以得到差异性，据此使用者根据差异性进行校正，并将校正的结果回馈以储存于储存模块。

技术领域

本发明是涉及一种显示屏技术领域，特别是有关于一种应用深度学习判断显示面板缺陷的系统及判断方法。

背景技术

显示面板在生产过程中，因为工艺流程的变异或不稳定，会造成最终显示时的缺陷，其中缺陷主要成为点线类、色不均(mura)、混色及功能性不良。

传统显示面板多以人工的方式进行判片，并由工程师依判片结果、异常画面及后续解析结果进行相关的缺陷改善。不论是判片或是后续的解析改善，不仅需要大量的人力，且人员的经验显得格外重要。

为了减少判片的人力。许多检测的业者开发自动图形判片的检查机。而判片多依靠摄像后图像的二值化，再进行寻边等传统图像处理方式进行缺陷的判定。然而，传统图像处理在点线类及功能不良的判片，可以实现良好的判片稳定性，但在色不均及混色等判片则存在着不稳定，而此不稳定来自于几个原因：(1)色不均及混色类的缺陷边界不明显，二值化时阀值选取严重影响结果；(2)人眼对于色不均及混色的接受程度无法单独以亮度差或是色坐标差异来表示；以及(3)取像系统过程中的光学影响，容易被误判为色不均。

发明内容

本发明主要的目的在于披露一种应用深度学习判断显示面板缺陷的系统，以解决仰赖人工判断有人为的误差或是误判的技术问题。

根据上述目的、本发明披露一种应用深度学习判断显示面板缺陷的系统，包括：输入模块、输入模块、处理模块、比较模块以及判断模块，其中输入模块，由用户输入面板影像信号；储存模块具有缺陷数据库，用以储存缺陷信息及人工判片信息；处理模块对面板影像信号依据面板特征进行非线性数值转换，并且与缺陷信息进行比对以得到判片比对结果，且面板特征具有相对的权重；比较模块，将判片比较结果与人工判片信息进行比较并调整，以取得对应面板特征的权重的最佳值；以及判断模块，依据对应面板特征值的权重的最佳值对正常面板与异常面板进行差异比对以得到差异性，据此使用者根据差异性进行校正，并将校正的结果回馈以储存于储存模块。

本发明还披露一种应用深度学习判断显示面板缺陷的判断方法，包括以下步骤:由用户输入面板影像信号；对面板影像信号依据面板特征进行非线性数值转换，并且与面板缺陷信息进行比对，以得到判片比对结果，且面板特征具有相对的权重；将判片比较结果与人工判片信息进行比较并调整，以取得对应面板特征的权重的最佳值；以及依据对应面板特征的权重的最佳值，对正常面板与异常面板进行差异比对以得到差异性，据此用户根据差异性进行校正。

于本发明较优选的实施例中，面板影像信号由用户拍摄判片的画面得到。

于本发明较优选的实施例中，面板特征包括:缺陷的形状、缺陷的灰阶梯度、缺陷的颜色以及/或缺陷的位置及分布。

于本发明较优选的实施例中，面板特征具有多个特征值。且每一个特征值具有相对的权重。

于本发明较优选的实施例中，面板缺陷信息可以是线类不良、色不均、混色及/或面板无法点亮。

附图说明

图1是根据本发明所揭露的技术，表示深度学习判断显示面板缺陷的系统方块示意图。

图2是根据本发明所揭露的技术，表示应用深度学习判断显示面板缺陷的判断方法步骤流程示意图。

具体实施方式