Demura补偿效果检测方法、装置、设备及存储介质

技术领域

本申请涉及显示技术领域，具体涉及一种Demura补偿效果检测方法、装置、设备及存储介质。

背景技术

近年来随着机器视觉技术的进步，Demura(即去除亮色度不均匀的缺陷)技术和API(Automated picture Inspection，自动图片检测)技术已大规模应用于显示面板的生产作业流程中。

传统的生产作业流程中，通常先利用Demura技术对显示面板的显示效果进行补偿，再利用API技术对Demura补偿后的显示面板进行缺陷检测，以验证显示面板的Demura补偿效果。

然而，由于Demura处理与API处理为串行作业，即API处理需要等待Demura处理完成后才能执行，因此整体作业时间较长，生产效率较低。

发明内容

本申请的实施例提供一种Demura补偿效果检测方法、装置、设备及存储介质，以解决现有技术整体作业时间较长的技术问题。

为了解决上述技术问题，本申请的实施例公开了如下技术方案：

第一方面，提供了一种Demura补偿效果检测方法，包括：

获取待测面板中每个像素的第一补偿差值，所述第一补偿差值为第一还原补偿值与第一原始补偿值的差值，所述第一还原补偿值是对所述待测面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，所述第一原始补偿值是所述待测面板的原始补偿数据中对应像素的补偿值；

将每个所述第一补偿差值输入预先设置的预测模型，获取对应像素的补偿效果预测值，所述预测模型包括第一补偿差值与补偿效果预测值之间的映射关系；

基于各个像素的补偿效果预测值，对所述待测面板的Demura补偿效果进行预测。

结合第一方面，所述预测模型通过以下方式设置：

搭建线性回归模型的架构；

针对每个样本面板，获取每个像素的第二补偿差值和补偿效果实际值，所述第二补偿差值为第二还原补偿值与第二原始补偿值的差值，所述第二还原补偿值是对所述样本面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，所述第二原始补偿值是所述样本面板的原始补偿数据中对应像素的补偿值；

基于所有样本面板中各个第二补偿差值和对应的补偿效果实际值，对所述线性回归模型的架构进行训练，获取所述预测模型。

结合第一方面，所述搭建线性回归模型的架构，包括：

通过如下公式搭建线性回归模型的架构：

其中，y_predict为任一像素对应的补偿效果预测值，x为对应像素的第二补偿差值，b为偏移值，w

结合第一方面，所述基于所有样本面板中各个第二补偿差值和对应的补偿效果实际值，对所述线性回归模型的架构进行训练，获取所述预测模型，包括：

针对每个样本面板，基于各个像素对应的补偿效果预测值和补偿效果实际值，以及所述样本面板上像素的数量，构建所述样本面板的损失函数；

以各个样本面板的损失函数最小为目标进行迭代求解，获取目标偏移值和各个目标项系数；

基于所述目标偏移值、各个所述目标项系数，以及所述线性回归模型的架构，获取所述预测模型。

结合第一方面，所述基于各个像素对应的补偿效果预测值和补偿效果实际值，以及所述样本面板上像素的数量，构建所述样本面板的损失函数，包括：

通过以下公式构建所述样本面板的损失函数：

其中，J(w

结合第一方面，以各个样本面板的损失函数最小为目标进行迭代求解，获取目标偏移值和各个目标项系数，包括：

采用随机梯度下降法，获取各个样本面板的损失函数最小时所对应的目标偏移值和各个目标项系数。

结合第一方面，基于各个像素的补偿效果预测值，对所述待测面板的Demura补偿效果进行预测，包括：

获取补偿效果预测值大于预设阈值的异常像素；

基于所有异常像素的分布面积，确定所述待测面板的Demura补偿效果预测结果。

第二方面，提供了一种Demura补偿效果检测装置，实现前述Demura补偿效果检测方法，所述Demura补偿效果检测装置包括：

补偿差值获取模块，用于获取待测面板中每个像素的第一补偿差值，所述第一补偿差值为第一还原补偿值与第一原始补偿值的差值，所述第一还原补偿值是对所述待测面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，所述第一原始补偿值是所述待测面板的原始补偿数据中对应像素的补偿值；

补偿效果预测模块，用于将每个所述第一补偿差值输入预先设置的预测模型，获取对应像素的补偿效果预测值，所述预测模型包括第一补偿差值与补偿效果预测值之间的映射关系；

补偿效果确定模块，用于基于各个像素的补偿效果预测值，对所述待测面板的Demura补偿效果进行预测。

第三方面，提供了一种电子设备，所述电子设备包括处理器和存储器；其中，所述存储器用于存储计算机程序，所述计算机程序由所述处理器加载并执行以实现前述Demura补偿效果检测方法，或者，所述处理器采用前述Demura补偿效果检测装置。

第四方面，提供了一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现前述Demura补偿效果检测方法。

上述技术方案中的一个技术方案具有如下优点或有益效果：

与现有技术相比，本申请的一种Demura补偿效果检测方法，包括：获取待测面板中每个像素的第一补偿差值，将每个第一补偿差值输入预先设置的预测模型，获取对应像素的补偿效果预测值，基于各个像素的补偿效果预测值，对待测面板的Demura补偿效果进行预测。本申请提供的Demura补偿效果检测方法能够直接利用待烧录数据进行线性插值还原，并根据还原数据与原始补偿数据的差值，来预测补偿效果，从而无需等待Demura处理完成，可以实现与Demura处理并行作业，进而缩短整体作业时间，提高生产效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他的附图。

图1为显示面板的传统生产作业流程示意图；

图2为在Demura处理前后显示面板水平方向的亮度变化曲线示意图；

图3为本申请实施例的Demura补偿效果检测方法的整体流程示意图；

图4为本申请实施例的第一补偿差值的获取流程示意图；

图5为图4中原始补偿数据和第一还原数据的变化示例曲线示意图；

图6为图4中第一补偿差值的变化示例曲线示意图；

图7为本申请实施例中线性回归模型的示例架构示意图；

图8为本申请实施例的Demura补偿效果检测方法的具体示例流程示意图；

图9为本申请实施例的Demura补偿效果检测装置的结构示意图；

图10为本申请实施例的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。在本申请的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

本申请中，Demura中“De-”是去除的意思，Demura指去除mura(亮色度不均匀的缺陷)。

请参阅图1，图1示意了显示面板的传统生产作业流程。通常情况下，显示面板生产出来以后，会先利用Demura技术对显示面板的显示效果进行补偿，再利用API技术对Demura补偿后的显示面板进行缺陷检测，得到显示面板各个像素的补偿效果实际值，以验证显示面板的Demura补偿效果。

请一并参阅图2，图2示意了在Demura处理前后显示面板水平方向的亮度变化曲线。Demura技术可以对mura进行补偿，即降低显示面板上亮区缺陷(Bright mura)的显示亮度，并提高暗区缺陷(Dark mura)的显示亮度，从而使得显示面板上各个像素的亮度达到均匀。而API技术需要对点状mura、线状mura、团状mura等异常做定位和检出。

在Demura处理的过程中，主要是利用工业相机对显示面板进行拍照，得到显示面板的原始图像，然后基于原始图像计算Demura原始补偿数据，对原始补偿数据进行下采样后，得到待烧录数据，最终将待烧录数据烧录到显示面板中，以便于相应的执行单元(例如逻辑板TRON中的Demura IP模块)可以对烧录数据进行解压还原，并基于还原后各个数据的空间信息将其叠加到原始的显示数据中，从而完成对显示面板显示效果的补偿。可以理解的是，由于还原后的数据与原始补偿数据不会完全一致，会存在差异，因此会造成完成显示效果补偿之后的显示面板可能存在Demura补偿效果不够或者过补偿的问题。

在API处理的过程中，主要是利用工业相机对完成显示效果补偿之后的显示面板进行拍照，得到显示面板的更新图像，然后利用预设的API算法对更新图像进行缺陷检测，得到显示面板各个像素的补偿效果实际值，以验证显示面板的Demura补偿效果。

申请人注意到，传统的生产作业流程中由于API处理需要等待Demura处理完成后才能执行，因此Demura处理与API处理为串行作业，整体作业时间较长，生产效率较低。

有鉴于此，本申请实施例提供一种Demura补偿效果检测方法，应用于API处理模块，通过对显示面板的Demura补偿效果进行预测，来实现可与Demura处理并行作业的API处理流程，从而缩短整体作业时间，以可以解决上述技术问题的至少部分。

请参阅图3，图3示意了本申请实施例的Demura补偿效果检测方法的整体流程。该Demura补偿效果检测方法包括如下步骤：

301：获取待测面板中每个像素的第一补偿差值。

其中，第一补偿差值为第一还原补偿值与第一原始补偿值的差值，第一还原补偿值是对待测面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，第一原始补偿值是待测面板的原始补偿数据中对应像素的补偿值。

请一并参阅图4、图5和图6，图4示意了本申请实施例的第一补偿差值的获取流程，图5示意了图4中原始补偿数据和第一还原数据的变化示例曲线，图6示意了图4中第一补偿差值的变化示例曲线。具体的，基于待测面板的原始图像，利用Demura算法获取待测面板的原始补偿数据A1，原始补偿数据A1包括多个第一原始补偿值a1，各个第一原始补偿值a1的位置与待测面板中各个像素的位置一一对应。对原始补偿数据A1进行下采样，得到待烧录数据B1，待烧录数据B1即为实际烧录到显示面板中的补偿数据。示例性地，原始补偿数据A1的尺寸为3840×2160，进行8×8的下采样之后，得到的待烧录数据B1的尺寸为481×271。

对待烧录数据B1进行线性插值还原，得到第一还原数据A1’，第一还原数据A1’包括多个第一还原补偿值a1’，各个第一还原补偿值a1’的位置与待测面板中各个像素的位置一一对应。第一还原数据A1’的尺寸与原始补偿数据A1的尺寸相同。其中，线性插值采用线性内插的方法进行插值。第一补偿差值为第一还原补偿值a1’与第一原始补偿值a1的差值x1，即为第一补偿差值。各个第一补偿差值x1构成第一补偿差值集合X1＝Δ(A1-A1’)。

302：将每个第一补偿差值输入预先设置的预测模型，获取对应像素的补偿效果预测值。

其中，预测模型包括第一补偿差值与补偿效果预测值之间的映射关系。本申请实施例中，预测模型是利用样本面板的相关数据进行训练和验证的。

在一些实施例中，预测模型可以通过以下步骤设置：

步骤一，搭建线性回归模型的架构。

在一些示例中，可以通过如下公式(1)搭建线性回归模型的架构：

公式(1)中，y_predict为任一像素对应的补偿效果预测值，x为对应像素的第二补偿差值，b为偏移值，w

请参阅图7，图7示意了本申请实施例中线性回归模型的示例架构。示例性地，如果补偿差值和补偿效果预测值之间为一次线性关系，那么公式(1)可表示为：

y_predict＝f(x)＝b+w

又示例性地，如果补偿差值和补偿效果预测值之间为二次线性关系，那么公式(1)可表示为：

y

又示例性地，如果补偿差值和补偿效果预测值之间为三次线性关系，那么公式(1)可表示为：

y

通过上述方式，利用线性回归模型能够更加准确地反映补偿差值和补偿效果预测值之间的拟合关系，贴合实际分布情况。

步骤二，针对每个样本面板，获取每个像素的第二补偿差值和补偿效果实际值。

其中，第二补偿差值为第二还原补偿值与第二原始补偿值的差值，第二还原补偿值是对样本面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，第二原始补偿值是样本面板的原始补偿数据中对应像素的补偿值。

具体的，第二补偿差值的获取流程可以参阅前述图4示意的第一补偿差值的获取流程，此处不再重复赘述。补偿效果实际值y_real是指按照传统生产作业流程(例如图1所示流程)对样本面板进行Demura处理和API处理的串行作业后所得到的值。

需要说明的是，本申请实施例中，待测面板与样本面板均用于指示显示面板，区别仅在于用途不同，即样本面板指用于训练预测模型的显示面板，可以为试产阶段的显示面板。待测面板指利用预测模型进行补偿效果预测的显示面板，可以为量产阶段的显示面板。

还需要说明的是，本申请实施例中，第一补偿差值与第二补偿差值均是用于指示对应像素的还原补偿值与原始补偿值的差值，计算过程相同，区别仅在于对应的显示面板不同，即第一补偿差值、第一还原补偿值与第一原始补偿值均是表示待测面板的相关内容，第二补偿差值、第二还原补偿值与第二原始补偿值均是表示样本面板的相关内容。

步骤三，基于所有样本面板中各个第二补偿差值和对应的补偿效果实际值，对线性回归模型的架构进行训练，获取预测模型。

在一些实施例中，可以通过以下方式获取预测模型：

第一步，针对每个样本面板，基于各个像素对应的补偿效果预测值和补偿效果实际值，以及样本面板上像素的数量，构建样本面板的损失函数。

在一些示例中，可以通过如下公式(2)构建样本面板的损失函数：

公式(2)中，J(w

也就是说，以图7所示的补偿差值和补偿效果预测值之间为一次线性关系为例，损失函数J用于表示各个第二补偿差值所对应的补偿效果预测值和补偿效果实际值之间的差异。根据偏移值b和项系数w

通过设置上述损失函数，有利于更好地对补偿效果实际值进行线性拟合。

第二步，以各个样本面板的损失函数最小为目标进行迭代求解，获取目标偏移值和各个目标项系数。

在一些示例中，可以采用随机梯度下降法，获取各个样本面板的损失函数最小时所对应的目标偏移值和各个目标项系数。

具体的，可以将多个样本面板划分为多组，每次迭代随机使用其中一组样本面板的各个像素对应的数据进行线性回归分析，得到该组样本面板的损失函数最小时对应的中间偏移值和各个中间项系数，将中间偏移值和各个中间项系数代入线性回归模型的架构，获取当前其他组样本面板的损失函数值，然后计算所有样本面板的损失函数值的平均值。以所有样本面板的损失函数值的平均值最小时所对应的偏移值和各个项系数，作为目标偏移值和各个目标项系数。

通过上述方式，不仅能够加快收敛速度，提高计算效率，还能确保拟合出的补偿效果预测值的集合最为贴近补偿效果实际值，提高准确率。

第三步，基于目标偏移值、各个目标项系数，以及线性回归模型的架构，获取预测模型。

具体的，将目标偏移值b

公式(3)中，y_predict为任一像素对应的补偿效果预测值，x为对应像素的第二补偿差值，b

需要说明的是，由于第一补偿差值和第二补偿差值的物理含义相同，因此公式(3)为第二补偿差值与补偿效果预测值之间的映射关系，也就是第一补偿差值与补偿效果预测值之间的映射关系。

通过上述方式获取预测模型，训练效率和精确均较高，从而能够基于第一还原数据与原始补偿数据的匹配程度，对显示面板的最终补正效果进行更加准确的预测。

303：基于各个像素的补偿效果预测值，对待测面板的Demura补偿效果进行预测。

在一些实施例中，步骤303可以通过以下步骤执行：

步骤一，检测各个像素的补偿效果预测值是否大于预设阈值。

其中，预设阈值可以根据显示面板的产品规格进行设置，本申请实施例对此不作具体限定。

步骤二，获取补偿效果预测值大于预设阈值的异常像素。

步骤三，基于所有异常像素的分布面积，确定待测面板的Demura补偿效果预测结果。

示例性地，若异常像素的分布面积为10×10，那么可以确定待测面板上存在点状mura，若异常像素的分布面积为100×100，那么可以确定待测面板上存在团状mura。若异常像素的分布面积小于预设的面积阈值，那么确定待测面板的Demura补偿效果合格。

为了更加清楚地说明本申请实施例提供的方法，请参阅图8，图8示意了本申请实施例的Demura补偿效果检测方法的具体示例流程示意图。本申请实施例的Demura补偿效果检测方法可以包括如下步骤：

在第一阶段(也可以称为试产阶段)，对样本面板执行如下步骤：

Demura处理模块利用工业相机进行拍照；计算Demura原始补偿数据和待烧录数据，输出第二补偿差值集合X2＝Δ(A2-A2’)，其中，A2为样本面板的原始补偿数据，A2’为第二还原数据；将待烧录数据烧录到样本面板中；

API处理模块利用工业相机对显示补偿后的样本面板进行拍照；利用预设API算法进行分析，得到Demura补偿效果检测结果，并输出样本面板各个像素的补偿效果实际值集合Y_real。

API处理模块基于第二补偿差值集合X2以及补偿效果实际值集合Y_real，训练得到预测模型y_predict＝f(x)。

在第二阶段(也可以称为量产阶段)，对待测面板执行如下步骤：

Demura处理模块利用工业相机进行拍照；计算Demura原始补偿数据和待烧录数据，输出第一补偿差值集合X1＝Δ(A1-A1’)，其中，A1为待测面板的原始补偿数据，A1’为第一还原数据；将待烧录数据烧录到样本面板中。

API处理模块在输出第一补偿差值集合X1之后，利用预测模型预测对应的补偿效果预测值集合Y_predict；得到Demura补偿效果检测结果。

可以理解的是，本申请实施例的方法能够直接利用待烧录数据进行线性插值还原，并根据还原数据与原始补偿数据的差值，来预测补偿效果，从而无需等待Demura处理完成，可以实现与Demura处理并行作业，进而缩短整体作业时间，提高生产效率。另外，提供一种有所不同的API处理方式，能够实现补正效果的动态匹配，减少API算法和参数的重复训练。

相应的，请参阅图9，图9示意了本申请实施例的Demura补偿效果检测装置的结构图。本申请实施例提供的Demura补偿效果检测装置可实现前述任一实施例公开的Demura补偿效果检测方法，该装置包括：补偿差值获取模块901、补偿效果预测模块902和补偿效果确定模块903。

补偿差值获取模块901，用于获取待测面板中每个像素的第一补偿差值，第一补偿差值为第一还原补偿值与第一原始补偿值的差值，第一还原补偿值是对待测面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，第一原始补偿值是待测面板的原始补偿数据中对应像素的补偿值。

补偿效果预测模块902，用于将每个第一补偿差值输入预先设置的预测模型，获取对应像素的补偿效果预测值，预测模型包括第一补偿差值与补偿效果预测值之间的映射关系。

补偿效果确定模块903，用于基于各个像素的补偿效果预测值，对待测面板的Demura补偿效果进行预测。

在一些实施例中，该装置还包括：

预测模型设置模块，用于搭建线性回归模型的架构。以及，针对每个样本面板，获取每个像素的第二补偿差值和补偿效果实际值，第二补偿差值为第二还原补偿值与第二原始补偿值的差值，第二还原补偿值是对样本面板的待烧录数据进行线性插值还原后得到的对应像素的补偿值，第二原始补偿值是样本面板的原始补偿数据中对应像素的补偿值。以及，基于所有样本面板中各个第二补偿差值和对应的补偿效果实际值，对线性回归模型的架构进行训练，获取预测模型。

在一些实施例中，预测模型设置模块具体用于：

通过如下公式搭建线性回归模型的架构：

其中，y_predict为任一像素对应的补偿效果预测值，x为对应像素的第二补偿差值，b为偏移值，w

在一些实施例中，预测模型设置模块具体用于：

针对每个样本面板，基于各个像素对应的补偿效果预测值和补偿效果实际值，以及样本面板上像素的数量，构建样本面板的损失函数。

以各个样本面板的损失函数最小为目标进行迭代求解，获取目标偏移值和各个目标项系数。

基于目标偏移值、各个目标项系数，以及线性回归模型的架构，获取预测模型。

在一些实施例中，预测模型设置模块具体用于：

通过以下公式构建样本面板的损失函数：

其中，J(w

在一些实施例中，预测模型设置模块具体用于：

采用随机梯度下降法，获取各个样本面板的损失函数最小时所对应的目标偏移值和各个目标项系数。

在一些实施例中，补偿效果确定模块903具体用于：

获取补偿效果预测值大于预设阈值的异常像素。

基于所有异常像素的分布面积，确定待测面板的Demura补偿效果预测结果。

上述Demura补偿效果检测装置，能够直接利用待烧录数据进行线性插值还原，并根据还原数据与原始补偿数据的差值，来预测补偿效果，从而无需等待Demura处理完成，可以实现与Demura处理并行作业，进而缩短整体作业时间，提高生产效率。

相应的，请参阅图10，图10示意了本申请实施例的电子设备的结构图。该电子设备具体可以包括：至少一个处理器101、至少一个存储器102、电源103、通信接口104、输入输出接口105和通信总线106。其中，所述存储器102用于存储计算机程序，所述计算机程序由所述处理器101加载并执行，以实现前述任一实施例公开的Demura补偿效果检测方法中的相关步骤。或者，所述处理器101可采用前述任一实施例公开的Demura补偿效果检测装置。

本实施例中，电源103用于为电子设备上的各硬件设备提供工作电压；通信接口104能够为电子设备创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口105，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。

另外，存储器102作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源包括操作系统1021、计算机程序1022及数据1023等，存储方式可以是短暂存储或者永久存储。其中，操作系统1021用于管理与控制电子设备上的各硬件设备以及计算机程序1022，以实现处理器101对存储器102中数据1023的运算与处理，其可以是Windows Server、Netware、Unix、Linux等。计算机程序1022除了包括能够用于完成前述任一实施例公开的拼接面板的显示补偿方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。数据1023除了可以包括应用程序的更新信息等数据外，还可以包括应用程序的开发商信息等数据。

电子设备可以是终端，终端具体可以包括但不限于拼接屏、智能电视、智能手机、平板电脑、笔记本电脑或台式电脑等。

相应的，本申请实施例还提供一种存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现前述任一实施例公开的Demura补偿效果检测方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。

以上对本申请实施例所提供的一种Demura补偿效果检测方法、装置、设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想；本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。