[发明专利]屏缺陷检测方法、装置、终端设备以及存储介质

权利要求书

1.一种屏缺陷检测方法，其特征在于，包括：

获取被测终端屏幕显示的多张不同颜色的图片；

利用AI算法模型对所述多张不同颜色的图片进行检测，所述AI算法模型预先通过深度学习算法训练而得；

对图片检测得到的结果进行评估，得到所述被测终端的屏缺陷检测结果。

2.根据权利要求1所述的屏缺陷检测方法，其特征在于，所述获取被测终端屏幕显示的多张不同颜色的图片的步骤之前还包括：

构建AI算法模型，具体包括：

收集多个终端屏幕显示的图片，得到样本图片集，所述样本图片集包括正常屏显示的正常图片以及不同缺陷的NG屏显示的缺陷图片；

对所述样本图片集中的正常图片和缺陷图片分别进行标记；

对标记后的图片进行深度学习算法的模型训练，得到AI算法模型。

3.根据权利要求2所述的屏缺陷检测方法，其特征在于，所述构建AI算法模型的步骤之后还包括：

对所述AI算法模型进行测试验证和评估；

若经过测试验证和评估合格，则对所述AI算法模型进行产线试运行；

若产线试运行成功，则发布所述AI算法模型；

若经过测试验证和评估不合格，则对所述AI算法模型进行重新训练。

4.根据权利要求3所述的屏缺陷检测方法，其特征在于，所述若经过测试验证和评估合格，则对所述AI算法模型进行产线试运行的步骤包括：

若经过测试验证和评估合格，则选取预设的产线对所述AI算法模型进行试运行，得到试运行结果；

获取所述预设的产线运行参考算法模型的运行结果，所述预设的产线设定有相应的比对指标；

将所述AI算法模型的试运行结果与参考算法模型的运行结果进行比对；

若所述AI算法模型的试运行结果优于参考算法模型的运行结果，则判定产线试运行成功；否则，判定产线试运行失败。

5.根据权利要求4所述的屏缺陷检测方法，其特征在于，所述判定产线试运行失败的步骤之后还包括：

对所述AI算法模型进行重新训练。

6.根据权利要求4所述的屏缺陷检测方法，其特征在于，所述方法还包括：

通过预设检验方式获得所述AI算法模型漏检的缺陷图片，作为品质复判图片；

将所述品质复判图片放入原有的样本图片集，作为新的样本图片集，通过深度学习算法训练新的AI算法模型，以此循环迭代，更新AI算法模型。

7.根据权利要求6所述的屏缺陷检测方法，其特征在于，所述预设检验方式至少包括：预设的品质检验流程或者人工抽检方式。

8.一种屏缺陷检测装置，其特征在于，包括：

获取模块，用于获取被测终端屏幕显示的多张不同颜色的图片；

检测模块，用于利用AI算法模型对所述多张不同颜色的图片进行检测，所述AI算法模型预先通过深度学习算法训练而得；

评估模块，用于对图片检测得到的结果进行评估，得到所述被测终端的屏缺陷检测结果。

9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的屏缺陷检测程序，所述屏缺陷检测程序被所述处理器执行时实现如权利要求1-7中任一项所述的屏缺陷检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有屏缺陷检测程序，所述屏缺陷检测程序被处理器执行时实现如权利要求1-7中任一项所述的屏缺陷检测方法的步骤。