CN112653884A - 一种屏幕质量优缺的评价方法 - Google Patents
一种屏幕质量优缺的评价方法 Download PDFInfo
- Publication number
- CN112653884A CN112653884A CN201910956448.3A CN201910956448A CN112653884A CN 112653884 A CN112653884 A CN 112653884A CN 201910956448 A CN201910956448 A CN 201910956448A CN 112653884 A CN112653884 A CN 112653884A
- Authority
- CN
- China
- Prior art keywords
- screen
- defect
- defects
- quality
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Abstract
本发明申请公开了一种屏幕质量优缺的评价方法，在本评价方法中首先通过系统的检测方法将显示屏的各评价指标的相关数据检测出来，分析相应数据得出在名目的检测区域内存在的缺陷数据，并对缺陷进行等级划分并设置相应权重；通过计算得出该显示屏的得分，再对比各缺陷等级所占的比分权重，评价出该显示屏的质量情况，得出该显示屏合格与否的结论。本评价方法通过构建评价显示屏质量的表示体系，深入定量地分析检测数据，将客观的数据事实与主观的人为判断分离，化主观为客观，更准确地评判显示屏质量的好坏。
Description
技术领域
本发明涉及显示屏幕领域，具体涉及一种屏幕质量优缺的评价方法。
背景技术
平板显示屏幕以其高分辨率、高亮度以及无几何变形等优点，同时由于其体积小、重量轻和功耗低，因而被广泛的应用在人们日常使用的消费电子产品中，例如电视、电脑、手机、平板等。但由于屏幕的制作过程复杂，因此，在制作过程中难免会出现一些缺陷，其中最常见的缺陷便是屏幕出现污点污斑。
目前对于屏幕质量的评价没有一个标准的体系，无法对屏幕的缺陷进行深入的定量分析，无法对缺陷进行等级的划分；且目前屏幕质量的检测大都通过人工肉眼观察，对屏幕质量的评价全靠工人经验，这样的检测方法认为主观因素影响很大，无法对屏幕缺陷的影响程度做出客观的评价。
发明内容
本发明意在提供一种能够客观评价屏幕质量的屏幕质量优缺的评价方法。
为达到以上目的，提供如下方案：提供一种屏幕质量优缺的评价方法，所述方法包括：接通屏幕电源并向屏幕输入全白场信号，使得屏幕显示画面为全白；使用光学镜头拍摄获取屏幕的图像；对光学镜头获取的图像进行分析检测，检测出只含屏幕部分，并将此部分截取裁剪；对截取出的屏幕图像应用CNN卷积神经网络算法，检测屏幕上存在的缺陷的区域，并对缺陷进行分类，同时测量缺陷的参数；结合屏幕缺陷的参数，计算得出屏幕的最终得分；将计算得出的屏幕的最终得分与人为设置的评价屏幕质量优缺的参数值进行对比，对屏幕进行等级划分。
首先检测识别出每一块屏幕的缺陷处，统计缺陷的个数、类型以及各种尺寸参数，结合各缺陷的参数数据，计算出屏幕的得分，对比屏幕得分与认为设置的分数参考阈值，最终评价出屏幕的质量等级。
进一步，将所述缺陷的类型分为四类，具体为：重大缺陷，其在屏幕上显示亮度低于200nits，状态呈黑团状，其对屏幕质量缺陷评价所占权重为1；重要缺陷，其在屏幕上显示亮度高于200nits且低于800nits，状态呈黑雾状，其对屏幕质量缺陷评价所占权重为0.8；
一般缺陷，其在屏幕上显示直径小于0.2mm，状态呈点状，其对屏幕质量缺陷评价所占权重为0.3；可忽略缺陷，其在屏幕上显示亮度高于800nits且低于1500nits，状态呈暗影状，其对屏幕质量缺陷评价所占权重为0.1。
将识别到的缺陷进行归类，并赋予各缺陷评分时，影响屏幕质量评价所占的权重，客观地对屏幕缺陷进行评价。
进一步，将所述缺陷参数化，并计算每个缺陷的评分，用DS表示。
将有形的缺陷参数化，对各个缺陷进行评分，应用于最终屏幕质量的评分中。
DS的计算公式如下：
其中，根据用户需求，将屏幕划分成不同区域，W region为缺陷所在区域权重，默认为1，重点区域可调整为大于1，非重点区域可设置为小于1，可忽略的区域可设置为0；Wdefect为缺陷类型权重，不同类型的缺陷对屏幕质量影响不同，可通过算法对不同类型缺陷的敏感程度对屏幕质量影响的程度作定义；I表示缺陷指数，对于黑团状、黑雾状和暗影状缺陷，该值表示缺陷面积；对于点状构成的线类缺陷，该值表示缺陷长度。
进一步，统计所述缺陷各类指标，包括：所有缺陷的计数，表示为DC，其为基本的统计指标；缺陷面积总和，表示为DSS，其为一项重要评价指标，面积越大的缺陷，其影响屏幕的严重性越大，DSS用于后续客观判断逻辑；单块屏幕缺陷面积比例，表示为DSR，表示了一块屏幕中异常区域占整个屏幕的百分比，数值范围在0-1之间，数值越大则屏幕异常区域越多，该值作为后续客观判断逻辑。
统计屏幕缺陷的各类指标，应用于后续屏幕评分的计算中。
进一步，所述屏幕的最终得分，以SS表示。其中
Wdc表示各类型缺陷的权重，通过人为设置，按照缺陷影响程度升序排列；例如点状缺陷对产品质量影响不大则权重比较低，团状缺陷的权重会更高，通过这个参数可以控制不同类型缺陷的容忍度；Wdss为缺陷总面积的权重，通过人工设置该权重，可以控制对缺陷总面积的容忍度，设置为0表示忽略缺陷面积总和；Wdsr为单块屏幕缺陷面积比例的权重，通过人工设置该权重，可以控制对缺陷面积在整块屏幕上占比的容忍度，设置为0表示忽略缺陷面积占比。
进一步，所述方法还包括：将SS与TS、RS进行比较，TS为拒绝屏幕质量优质阈值，RS为屏幕质量劣质阈值，TS和RS的数值有由人工设定，也能够通过人工智能自动学习获得；若SS小于TS，则该块屏幕质量合格优质，允许出厂；若SS大于或等于TS且小于等于RS，则该块屏幕质量不合格为中良，不允许出厂；若SS大于RS，则该块屏幕质量为劣质。
计算出屏幕的最终得分，与预设值进行对比，以此客观评价所检测屏幕的质量优缺。
本发明的有益效果：在本评价方法中首先通过系统的检测方法将显示屏的各评价指标的相关数据检测出来，分析相应数据得出在名目的检测区域内存在的缺陷数据，并对缺陷进行等级划分并设置相应权重；通过计算得出该显示屏的得分，再对比各缺陷等级所占的比分权重，评价出该显示屏的质量情况，得出该显示屏合格与否的结论。本评价方法通过构建评价显示屏质量的表示体系，深入定量地分析检测数据，将客观的数据事实与主观的人为判断分离，化主观为客观，更准确地评判显示屏质量的好坏，便于行业相关知识的获取、积累、保存、转化、扩展和传承。
附图说明
图1为本发明屏幕质量优缺的评价方法的流程图。
具体实施方式
下面通过具体实施方式进一步详细的说明。如图1所示，本发明提供了一种屏幕质量优缺的评价方法的流程图，详述如下。
步骤S1，接通屏幕电源并向屏幕输入全白场信号，使得屏幕显示画面为全白。
目前，显示屏幕应用于多个行业中，其使用频率也越来越高，但是在屏幕的生产过程中难免会出现一些缺陷，其中最常见的缺陷便是屏幕中出现污点和暗斑。
对屏幕的污点暗斑缺陷进行检测，并对缺陷进行分类评级时，首先将屏幕输入全白场信号，使得屏幕显示画面为全白场，可突显出屏幕的缺陷处。
步骤S2使用光学镜头拍摄获取屏幕的图像。
调节光学镜头，使光学镜头与屏幕的中心对准，对显示全白场的屏幕进行拍摄，并将所拍摄的照片传输回系统中。
步骤S3，对光学镜头获取的图像进行分析检测，检测出只含屏幕部分的区域，并将此部分截取裁剪。
系统对光学镜头所拍摄到的照片进行分析检测，截取只含屏幕的部分，对只含屏幕部分的图像进行进一步分析。
步骤S4对截取出的屏幕图像应用CNN卷积神经网络算法，检测屏幕上存在的缺陷的区域，并对缺陷进行分类，同时测量缺陷的参数。
应用CNN卷积神经网络算法，检测屏幕上存在的缺陷，缺陷的具体表现形式如黑点、暗斑、线条等；将检测到的缺陷一一记录下来，并对不同缺陷进行分类，同时检测各个缺陷的直径、长度、面积等各种参数，以便后续步骤对屏幕的得分进行计算。
步骤S5，将所述缺陷参数化，并计算每个缺陷的评分，用DS表示，计算公式如下：
Wregion为缺陷所在区域权重，默认为1，重点区域可调整为大于1，非重点区域可设置为小于1，可忽略的区域可设置为0；Wdefect为缺陷类型权重，不同类型的缺陷对屏幕质量影响不同，可通过算法对不同类型缺陷的敏感程度；缺陷分为四种，具体为：重大缺陷，其在屏幕上显示亮度低于200nits，状态呈黑团状，其对屏幕质量缺陷评价所占权重为1；重要缺陷，其在屏幕上显示亮度高于200nits且低于800nits，状态呈黑雾状，其对屏幕质量缺陷评价所占权重为0.8；一般缺陷，其在屏幕上显示直径小于0.2mm，状态呈点状，其对屏幕质量缺陷评价所占权重为0.3；可忽略缺陷，其在屏幕上显示亮度高于800nits且低于1500nits，状态呈暗影状，其对屏幕质量缺陷评价所占权重为0.1。
在屏幕亮度低于200nits时，人眼无法观看到屏幕的显示内容，呈现给人眼的视觉效果是黑暗的；在室内，一般情况下屏幕的显示亮度大于800nits时，人眼才能够正常观测到屏幕的显示内容；在室外，一般情况下屏幕的显示大于1500nits时，人眼才能够正常观测到屏幕的显示内容；由此，设置上述各缺陷的屏幕亮度范围值。
I表示缺陷指数，对于黑团状、黑雾状和暗影状缺陷，该值表示缺陷面积；对于点状构成的线类缺陷，该值表示缺陷长度。
步骤S6，计算得出屏幕的最终得分，以SS表示，计算公式如下；
DSS为缺陷面积总和，其为一项重要评价指标，面积越大的缺陷，其影响屏幕的严重性越大，DSS用于后续客观判断逻辑；DSR为单块屏幕缺陷面积比例，表示了一块屏幕中异常区域占整个屏幕的百分比，数值范围在0-1之间，数值越大则屏幕异常区域越多，该值作为后续客观判断逻辑；Wdc表示各类型缺陷的权重，通过人为设置，按照缺陷影响程度升序排列；例如点状缺陷对产品质量影响不大则权重比较低，团状缺陷的权重会更高，通过这个参数可以控制不同类型缺陷的容忍度；Wdss为缺陷总面积的权重，通过人工设置该权重，可以控制对缺陷总面积的容忍度，设置为0表示忽略缺陷面积总和；Wdsr为单块屏幕缺陷面积比例的权重，通过人工设置该权重，可以控制对缺陷面积在整块屏幕上占比的容忍度，设置为0表示忽略缺陷面积占比。
通过对检测到的屏幕参数进行客观的计算，使得屏幕得出一个客观的计算分数，不掺杂任何的主观认为因素，对屏幕质量的评价更加准确。
步骤S7，对比屏幕最终得分与优质阈值及劣质阈值，评价屏幕质量的优缺等级。
最终将屏幕的最终得分与预设的优质阈值及劣质阈值进行对比，若最终得分SS小于TS，则该块屏幕质量合格优质，允许出厂；若SS大于或等于TS且小于等于RS，则该块屏幕质量不合格为中良，不允许出厂；若SS大于RS，则该块屏幕质量为劣质。
在本评价方法中首先通过系统的检测方法将显示屏的各评价指标的相关数据检测出来，分析相应数据得出在名目的检测区域内存在的缺陷数据，并对缺陷进行等级划分并设置相应权重；通过计算得出该显示屏的得分，再对比各缺陷等级所占的比分权重，评价出该显示屏的质量情况，得出该显示屏合格与否的结论。本评价方法通过构建评价显示屏质量的表示体系，深入定量地分析检测数据，将客观的数据事实与主观的人为判断分离，化主观为客观，更准确地评判显示屏质量的好坏，便于行业相关知识的获取、积累、保存、转化、扩展和传承。
以上所述仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的适用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (6)
1.一种屏幕质量优缺的评价方法，其特征在于，所述方法包括：
S1：接通屏幕电源并向屏幕输入全白场信号，使得屏幕显示画面为全白；
S2：使用光学镜头拍摄获取屏幕的图像；
S3：对光学镜头获取的图像进行分析检测，检测出只含屏幕部分，并将此部分截取裁剪；
S4：对截取出的屏幕图像应用CNN卷积神经网络算法，检测屏幕上存在的缺陷的区域
S5：并对缺陷进行分类，同时测量缺陷的参数；
S6：结合屏幕缺陷的参数，计算得出屏幕的最终得分；
S7：将计算得出的屏幕的最终得分与人为设置的评价屏幕质量优缺的参数值进行对比，对屏幕进行等级划分。
2.根据权利要求1所述的屏幕质量优缺的评价方法，其特征在于，所述缺陷的类型分为四类，具体为：
重大缺陷，其在屏幕上显示亮度低于200nits，状态呈黑团状，其对屏幕质量缺陷所占权重为1；
重要缺陷，其在屏幕上显示亮度高于200nits且低于800nits，状态呈黑雾状，其对屏幕质量缺陷所占权重为0.8；
一般缺陷，其在屏幕上显示直径小于0.2mm，状态呈点状，其对屏幕质量缺陷所占权重为0.3；
可忽略缺陷，其在屏幕上显示亮度高于800nits且低于1500nits，状态呈暗影状，其对屏幕质量缺陷所占权重为0.1。
3.根据权利要求1所述的屏幕质量优缺的评价方法，其特征在于，将所述缺陷参数化，并计算每个缺陷的评分，用DS表示，每个缺陷的DS的计算公式为：
其中，根据用户需求，将屏幕划分成不同区域，Wregion为缺陷所在区域权重，默认为1，重点区域可调整为大于1，非重点区域可设置为小于1，可忽略的区域可设置为0；
Wdefect为缺陷类型权重，不同类型的缺陷对屏幕质量影响不同，可通过算法对不同类型缺陷的对屏幕质量影响的程度作定义；
I表示缺陷指数，对于黑团状、黑雾状和暗影状缺陷，该值表示缺陷面积；对于点状构成的线类缺陷，该值表示缺陷长度。
4.根据权利要求1至3中任一项所述的屏幕质量优缺的评价方法，其特征在于，统计所述缺陷各类指标，包括：
所有缺陷的计数，表示为DC，其为基本的统计指标；
缺陷面积总和，表示为DSS，其为一项重要评价指标，面积越大的缺陷，其影响屏幕的严重性越大，DSS用于后续客观判断逻辑；
单块屏幕缺陷面积比例，表示为DSR，表示了一块屏幕中异常区域占整个屏幕的百分比，数值范围在0-1之间，数值越大则屏幕异常区域越多，该值作为后续客观判断逻辑。
5.根据权利要求4所述的屏幕质量优缺的评价方法，其特征在于，所述屏幕的最终得分，以SS表示，计算公式如下：
Wdc表示各类型缺陷的权重，通过人为设置，按照缺陷影响程度升序排列；
Wdss为缺陷总面积的权重，通过人工设置该权重，可以控制对缺陷总面积的容忍度，设置为0表示忽略缺陷面积总和；
Wdsr为单块屏幕缺陷面积比例的权重，通过人工设置该权重，可以控制对缺陷面积在整块屏幕上占比的容忍度，设置为0表示忽略缺陷面积占比。
6.根据权利要求5所述的屏幕质量优缺的评价方法，其特征在于，所述方法还包括：将SS与屏幕质量优质阈值TS、屏幕质量劣质阈值RS进行比较，TS和RS的数值由人工设定，也能够通过人工智能自动学习获得；若SS小于TS，则该块屏幕质量优质，若SS大于等于TS且小于等于RS，则该块屏幕质量为中良，若SS大于RS，则该块屏幕质量为劣质。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910956448.3A CN112653884B (zh) | 2019-10-10 | 2019-10-10 | 一种屏幕质量优缺的评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910956448.3A CN112653884B (zh) | 2019-10-10 | 2019-10-10 | 一种屏幕质量优缺的评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112653884A true CN112653884A (zh) | 2021-04-13 |
| CN112653884B CN112653884B (zh) | 2022-12-23 |
Family
ID=75342446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910956448.3A Active CN112653884B (zh) | 2019-10-10 | 2019-10-10 | 一种屏幕质量优缺的评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112653884B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673526A (zh) * | 2021-07-23 | 2021-11-19 | 浙江大华技术股份有限公司 | 气泡检测方法、终端及计算机可读存储介质 |
| CN115205205A (zh) * | 2022-05-20 | 2022-10-18 | 苏州汉瑞森光电科技股份有限公司 | 一种显示效果的智能评估方法及系统 |
| CN116302763A (zh) * | 2023-05-18 | 2023-06-23 | 中国标准化研究院 | Micro LED显示屏的触控检测方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004294202A (ja) * | 2003-03-26 | 2004-10-21 | Seiko Epson Corp | 画面の欠陥検出方法及び装置 |
| CN104749184A (zh) * | 2013-12-31 | 2015-07-01 | 研祥智能科技股份有限公司 | 自动光学检测方法和系统 |
| CN107025891A (zh) * | 2017-03-23 | 2017-08-08 | 武汉精测电子技术股份有限公司 | 一种显示模组缺陷快速修复方法及系统 |
| CN107590804A (zh) * | 2017-09-14 | 2018-01-16 | 浙江科技学院 | 基于通道特征和卷积神经网络的屏幕图像质量评价方法 |
| CN109119009A (zh) * | 2017-06-26 | 2019-01-01 | 深圳回收宝科技有限公司 | 屏幕缺陷检测方法、检测设备、系统及存储介质 |
| CN110047066A (zh) * | 2019-03-30 | 2019-07-23 | 天津大学 | 一种基于条纹偏折的光滑内壁微小缺陷检测方法 |
-
2019
- 2019-10-10 CN CN201910956448.3A patent/CN112653884B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004294202A (ja) * | 2003-03-26 | 2004-10-21 | Seiko Epson Corp | 画面の欠陥検出方法及び装置 |
| CN104749184A (zh) * | 2013-12-31 | 2015-07-01 | 研祥智能科技股份有限公司 | 自动光学检测方法和系统 |
| CN107025891A (zh) * | 2017-03-23 | 2017-08-08 | 武汉精测电子技术股份有限公司 | 一种显示模组缺陷快速修复方法及系统 |
| CN109119009A (zh) * | 2017-06-26 | 2019-01-01 | 深圳回收宝科技有限公司 | 屏幕缺陷检测方法、检测设备、系统及存储介质 |
| CN107590804A (zh) * | 2017-09-14 | 2018-01-16 | 浙江科技学院 | 基于通道特征和卷积神经网络的屏幕图像质量评价方法 |
| CN110047066A (zh) * | 2019-03-30 | 2019-07-23 | 天津大学 | 一种基于条纹偏折的光滑内壁微小缺陷检测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113673526A (zh) * | 2021-07-23 | 2021-11-19 | 浙江大华技术股份有限公司 | 气泡检测方法、终端及计算机可读存储介质 |
| CN115205205A (zh) * | 2022-05-20 | 2022-10-18 | 苏州汉瑞森光电科技股份有限公司 | 一种显示效果的智能评估方法及系统 |
| CN115205205B (zh) * | 2022-05-20 | 2023-09-22 | 苏州汉瑞森光电科技股份有限公司 | 一种显示效果的智能评估方法及系统 |
| CN116302763A (zh) * | 2023-05-18 | 2023-06-23 | 中国标准化研究院 | Micro LED显示屏的触控检测方法及系统 |
| CN116302763B (zh) * | 2023-05-18 | 2023-08-08 | 中国标准化研究院 | Micro LED显示屏的触控检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112653884B (zh) | 2022-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112653884B (zh) | 一种屏幕质量优缺的评价方法 | |
| TWI603074B (zh) | 光學薄膜缺陷辨識方法及其系統 | |
| CN109002974A (zh) | 一种钢卷表面质量分级判定方法及装置 | |
| CN109752394A (zh) | 一种显示屏缺陷高精度检测方法及系统 | |
| CN102637258B (zh) | 一种建立在线表面质量检测系统缺陷库的方法 | |
| CN116645367B (zh) | 一种高端制造用的钢板切割质量检测方法 | |
| CN108445020B (zh) | 一种玻璃基板缺陷聚集识别方法 | |
| JP2007327848A (ja) | 検査制御装置、検査制御方法、検査システム、制御プログラム、および、記録媒体 | |
| CN110310596B (zh) | 一种oled模组的gamma调节初值预测方法及系统 | |
| CN109598681A (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
| CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
| CN111402236A (zh) | 一种基于图像灰度值的热轧带钢表面缺陷分级方法 | |
| CN110567967B (zh) | 显示面板检测方法、系统、终端设备及计算机可读介质 | |
| CN116660289A (zh) | 一种智能检测的方法、装置及存储介质 | |
| CN113988664A (zh) | Lcd液晶显示屏的出料筛选指引系统 | |
| CN113327243B (zh) | 基于AYOLOv3-Tiny新框架的PAD导光板缺陷可视化检测方法 | |
| CN114881987A (zh) | 基于改进YOLOv5的热压导光板缺陷可视化检测方法 | |
| CN117252872B (zh) | 一种手机屏幕缺陷视觉检测方法及系统 | |
| KR102135109B1 (ko) | 신경회로망을 이용한 도로 노면의 크랙 검출 시스템 및 그 검출 방법 | |
| CN109948564B (zh) | 一种基于有监督深度学习的人脸图像质量分类和评估方法 | |
| CN110737497A (zh) | 一种显控界面辅助决策设计优化方法 | |
| US6747619B1 (en) | Method of evaluating front of screen quality and apparatus for evaluating front of screen quality using the same | |
| RU2470352C1 (ru) | Способ статистического регулирования технологического процесса (варианты) | |
| CN116245810A (zh) | 排线焊点缺陷检测方法、设备、存储介质及装置 | |
| CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |