CN113076636B - 一种光学膜裁切质量的评估方法及系统 - Google Patents
一种光学膜裁切质量的评估方法及系统 Download PDFInfo
- Publication number
- CN113076636B CN113076636B CN202110333908.4A CN202110333908A CN113076636B CN 113076636 B CN113076636 B CN 113076636B CN 202110333908 A CN202110333908 A CN 202110333908A CN 113076636 B CN113076636 B CN 113076636B
- Authority
- CN
- China
- Prior art keywords
- optical film
- obtaining
- evaluation
- information
- evaluation parameter
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Abstract
本发明公开了一种光学膜裁切质量的评估方法及系统,其中,所述方法包括:获得第一光学膜的类型信息;获得所述第一光学膜的硬度信息;通过干涉法获得所述第一光学膜的第一平整度信息;将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;获得所述第一光学膜的实际裁切位置;根据所述第一光学膜的实际裁切位置,获得第二评估参数;将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。解决了现有的不能对光学膜裁切质量进行全面合理评估的技术问题。
Description
技术领域
本发明涉及光学膜裁剪技术领域,尤其涉及一种光学膜裁切质量的评估方法及系统。
背景技术
光学薄膜在日常的光学系统、工业产品和消费电子产品中随处可见。如今,工业生产迎来了激光时代,光学薄膜也有着广泛的应用前景。尽管光学薄膜是一个小零件,一种光学元器件上的附属品,但是其发挥的价值巨大,能够化不可能为可能。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
由于现有的不能对光学膜的裁切质量进行切实全面合理评估,使得制作出的零件不能充分发挥应有作用。
发明内容
本申请实施例通过提供一种光学膜裁切质量的评估方法及系统,解决了现有的不能对光学膜裁切质量进行切实全面合理评估的技术问题,通过获得光学膜实际位置和实际裁切位置,并基于光学膜裁切质量评估模型对光学膜的参数信息进行不断训练,达到了使得最终获得的光学膜裁切质量评估结果更加真实、更加贴近实际加工需要,进而达到物尽其用的技术效果。
本申请实施例提供了一种光学膜裁切质量的评估方法,其中,所述方法包括:获得第一光学膜的类型信息;获得所述第一光学膜的硬度信息;通过干涉法获得所述第一光学膜的第一平整度信息;将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;获得所述第一光学膜的实际裁切位置;根据所述第一光学膜的实际裁切位置,获得第二评估参数;将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。
另一方面,本申请还提供了一种光学膜裁切质量的评估系统,其中,所述系统包括:第一获得单元:所述第一获得单元用于获得第一光学膜的类型信息;第二获得单元:所述第二获得单元用于获得所述第一光学膜的硬度信息;第三获得单元:所述第三获得单元用于通过干涉法获得所述第一光学膜的第一平整度信息;第一输入单元:所述第一输入单元用于将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;第四获得单元:所述第四获得单元用于获得所述第一光学膜的实际裁切位置;第五获得单元:所述第五获得单元用于根据所述第一光学膜的实际裁切位置,获得第二评估参数;第二输入单元:所述第二输入单元用于将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过获得光学膜实际位置和实际裁切位置,并基于光学膜裁切质量评估模型对光学膜的参数信息进行不断训练,达到了使得最终获得的光学膜裁切质量评估结果更加真实、更加贴近实际加工需要的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种光学膜裁切质量的评估方法的流程示意图;
图2为本申请实施例一种光学膜裁切质量的评估系统的结构示意图;
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一输入单元14,第四获得单元15,第五获得单元16,第二输入单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种光学膜裁切质量的评估方法及系统,解决了现有的不能对光学膜裁切质量进行切实全面合理评估的技术问题,通过获得光学膜实际位置和实际裁切位置,并基于光学膜裁切质量评估模型对光学膜的参数信息进行不断训练,达到了使得最终获得的光学膜裁切质量评估结果更加真实、更加贴近实际加工需要,进而达到物尽其用的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
申请概述
光学薄膜在日常的光学系统、工业产品和消费电子产品中随处可见。如今,工业生产迎来了激光时代,光学薄膜也有着广泛的应用前景。尽管光学薄膜是一个小零件,一种光学元器件上的附属品,但是其发挥的价值巨大,能够化不可能为可能。由于现有的不能对光学膜的裁切质量进行切实全面合理评估,使得制作出的零件不能充分发挥应有作用。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供了一种光学膜裁切质量的评估方法,其中,所述方法包括:获得第一光学膜的类型信息;获得所述第一光学膜的硬度信息;通过干涉法获得所述第一光学膜的第一平整度信息;将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;获得所述第一光学膜的实际裁切位置;根据所述第一光学膜的实际裁切位置,获得第二评估参数;将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种光学膜裁切质量的评估方法,其中,所述方法包括:
步骤S100:获得第一光学膜的类型信息;
具体而言,光学膜,由薄的分层介质构成的,通过界面传播光束的一类光学介质材料,被广泛用于光学和光电子技术领域,制造各种光学仪器。所述类型信息,即光学薄膜按应用分为反射膜、增透膜、滤光膜、光学保护膜、偏振膜、分光膜和位相膜,常用的是前4种。
步骤S200:获得所述第一光学膜的硬度信息;
具体而言,所述硬度信息即为所述第一光学膜的材质硬度,反映了光学膜材料局部抵抗硬物压入其表面的能力,进而可分为划痕硬度以及压入硬度等。
步骤S300:通过干涉法获得所述第一光学膜的第一平整度信息;
具体而言,还需要基于干涉法,获得光学膜的平整度信息,所谓光干涉方法,是利用光干涉原理而设计成的一种物理方法,主要技术手段是各种干涉仪。干涉可分为双光波干涉和多光波干涉。当成员波在考察点处偏振方向不一致时,产生偏振光的干涉。所述第一平整度信息即为通过光干涉方法获得所述第一光学膜的表面平整度。
步骤S400:将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;
具体而言,已知所述第一光学膜的类型、硬度以及平整度信息,通过将已知光学膜特征参数信息输入评估参数估计模型,可获得对所述第一光学膜的质量评估参数,举例而言,若所述第一光学膜为光学保护膜,因其沉积在金属或其他软性易侵蚀材料或薄膜表面,用以增加其强度或稳定性,改进光学性质,所以质地较硬,其表面平整度也较为平整时,则说明所述第一光学膜的质量较好。
步骤S500:获得所述第一光学膜的实际裁切位置;
步骤S600:根据所述第一光学膜的实际裁切位置,获得第二评估参数;
具体而言,因为需要将光学保护膜沉积在金属或其他软性易侵蚀材料或薄膜表面,因此需要根据实际的被沉积材料的尺寸对光学膜进行裁剪,所述实际裁切位置应与实际需要的裁切位置相对应,进而根据所述实际裁切位置获得第二评估参数,所述第二评估参数可理解为裁切位置对所述第一光学膜裁切质量的影响,即当裁切位置符合预定要求,说明裁切质量较高。
步骤S700:将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。
具体而言,已知所述第一评估参数和所述第二评估参数,可将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,所述光学膜裁切质量评估模型用于对光学膜的裁切质量进行评估,可对输入信息进行训练,最终获得实际评估结果,所述第一评估结果即为根据所述第一光学膜的质量和裁切位置,获得的光学膜的裁切质量评估结果。通过获得光学膜实际位置和实际裁切位置,并基于光学膜裁切质量评估模型对光学膜的参数信息进行不断训练,达到了使得最终获得的光学膜裁切质量评估结果更加真实、更加贴近实际加工需要的技术效果。
进一步,所述根据所述第一光学膜的实际裁切位置,获得第二评估参数,步骤S600还包括:
步骤S610:获得第一光学膜的标准裁切位置;
步骤S620:获得所述第一光学膜的实际裁切位置与所述第一光学膜的标准裁切位置的第一偏差度;
步骤S630:获得预定偏差度阈值;
步骤S640:判断所述第一偏差度是否在所述预定偏差度阈值之内;
步骤S650:如果所述第一偏差度不在所述预定偏差度阈值之内,获得第一负评估参数;
步骤S660:如果所述第一偏差度在所述预定偏差度阈值之内,获得第一正评估参数。
具体而言,为了进一步获得所述第二评估参数,还可基于标准裁切位置和实际裁切位置之间的位置差进行评估,进一步,所述标准裁切位置即为标准的、符合加工要求的光学膜裁切位置,所述第一偏差度即为实际裁切位置与标准裁切位置之间的偏差度,举例而言,所述标准裁切位置为(a,b),然而由于裁切误差,使得所述实际裁切位置为(a-1,b-1),说明实际裁切的位置比标准裁切的位置缩小了一圈,所述预定偏差度阈值为预设的实际裁切位置与标准裁切位置之间的可接受偏差值,在此可设定为(0.5,0.5),即预设的可接受的偏差值为0.5个位置差,由于实际的所述举例偏差值为1,超出了预设的0.5个位置差,则说明不在所述预定偏差度阈值之内,则获得所述第一负评估参数,所述第一负评估参数表征的含义即为实际偏差度不在预设偏差度之内,反之,获得所述第一正评估参数,所述第一正评估参数表征的含义即为实际偏差度在预设偏差度之内。通过将实际的裁切偏差度与预定的标准裁切偏差度相比较,达到了使得获得的评估参数更加精确的技术效果。
进一步,所述获得第一光学膜的标准裁切位置,步骤S610还包括:
步骤S611:获得第一元件,所述第一元件为被所述第一光学膜覆盖的元件;
步骤S612:获得所述第一元件的关键覆盖点;
步骤S613:根据所述关键覆盖点进行图形重构,获得第一重构图形信息;
步骤S614:根据所述第一重构图形信息,获得所述第一重构图形信息的边缘信息;
步骤S615:根据所述第一重构图形信息的边缘信息,获得第一光学膜的标准裁切位置。
具体而言,为了进一步获得光学膜的标准裁切位置,可基于被覆盖元件的具体图形进行规划剪裁。进一步,若要将光学保护膜沉积在被覆盖元件表面,需要获得所述第一元件的关键覆盖点,所述第一元件即为金属或其他软性易侵蚀材料,所述关键覆盖点可理解为被覆盖金属的边界和中心位置,又或是被覆盖金属的中心受力点,进而基于所述关键覆盖点,对覆盖位置进行图形重构,获得所述第一重构图形信息,所述第一重构图形信息包含了被覆盖金属的中心受力点,所述边缘信息为所述第一重构图形信息的边界,举例而言,被覆盖金属的中心受力点的离散集合构成了近似六边形的图形,则所述边缘信息囊括了六边形以内所有的中心受力点离散集合,进而基于所述第一重构图形信息的边缘信息,使得获得的光学膜的裁切位置更加标准、更加精确。
进一步,本申请实施例还包括:
步骤S810:获得所述第一光学膜的质量评估环境的第一空气质量;
步骤S820:根据所述第一空气质量,获得所述质量评估环境中颗粒物浓度信息;
步骤S830:根据所述第一空气质量,获得所述质量评估环境中颗粒物的尺寸分布图;
步骤S840:根据所述质量评估环境中颗粒物浓度信息和所述颗粒物的尺寸分布图,获得第一平整度修正参数;
步骤S850:根据所述第一平整度修正参数,对所述第一平整度信息进行修正,获得第二平整度信息。
具体而言,光学保护膜沉积在金属或其他软性易侵蚀材料或薄膜表面,这一加工工序对光学膜的平整度有着较高要求,直接影响光学膜能否较为服帖的覆盖在金属表面。由于光学膜的表面平整度受空气中颗粒物的影响较大,因此应综合空气中颗粒物的影响,对光学膜的表面平整度进行修正。进一步,所述第一空气质量为所述第一光学膜裸露在空气中时的空气质量,基于所述第一空气质量,可获得颗粒物浓度信息,由于空气中的颗粒物会对光的传播产生影响,进而影响对光学膜的平整度的判断,最终影响光学膜质量的评估,除此之外,颗粒物的尺寸分布也影响着光学膜的平整度,当颗粒物的浓度较大且多分布于光学保护膜的正上方,进而影响对光学膜表面平整度的判断,使得判断结果不准确,所述第一平整度修正参数即为颗粒物浓度和尺寸分布对光学膜表面平整度的影响,进而可基于影响参数对所述第一平整度进行修正,使得获得的光学膜表面平整度更加准确、更加实际。
进一步,本申请实施例还包括:
步骤S910:获得第一图像信息,所述第一图像信息为所述第一光学膜的图像信息;
步骤S920:根据所述第一图像信息,判断所述第一光学膜是否具有第一图案;
步骤S930:如果所述第一光学膜具有第一图案,根据所述实际裁切位置,判断所述第一图案的完整度;
步骤S940:根据所述第一图案的完整度,获得第三评估参数;
步骤S950:将所述第一评估参数、所述第二评估参数和所述第三评估参数输入光学膜裁切质量评估模型,获得第二评估结果。
具体而言,为了使得所述第一光学膜的裁剪质量评估结果更加全面,还可基于光学膜图案的完整性进行评估。进一步,所述第一图像信息为摄像头拍摄的所述第一光学膜的图像信息,基于所述第一图像信息可判断所述第一光学膜是否具有第一图案,所述第一图案为加工出来的光学膜上镶嵌的固有图案,可以是连环圆形或其他图案等,进而判断裁切的位置是否破坏了图案的完整性,根据图案的完整性对光学膜的裁剪质量进一步评估,所述第三评估参数即为图案完整性的评估结果,进而基于光学膜的质量获得的第一评估参数,基于光学膜的裁切位置获得的第二评估参数,以及基于光学膜裁切图案的完整性获得的第三评估参数,输入光学膜裁切质量评估模型,获得最终的所述第一光学膜的裁切质量评估结果,达到了使得光学膜的裁切质量评估结果更加全面、更加完整的技术效果。
进一步,所述根据所述第一图像信息,判断所述第一光学膜是否具有第一图案之后,步骤S920还包括:
步骤S921:如果所述第一光学膜具有第一图案,获得所述实际裁切位置处的颜色损耗度;
步骤S922:根据所述颜色损耗度对所述第三评估参数进行修正,获得第四评估参数;
步骤S923:将所述第一评估参数、所述第二评估参数和所述第四评估参数输入光学膜裁切质量评估模型,获得第三评估结果。
具体而言,当对所述第一光学膜进行裁切时,若裁切到包含所述第一图案的光学膜,使得裁切位置处的图案不完整,进而使得光学膜的颜色产生损耗,影响整体覆盖工艺流程,使得加工出的产品没有发挥出既有的效能,所述颜色损耗度会影响空气中光的传播,使得既有的光传播路径存在偏差,影响产品质量,通过基于颜色损耗度对所述第三评估参数进行修正,使得最终获得的光学膜的裁切质量评估结果更加细致合理。
进一步,所述将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果,步骤S700还包括:
步骤S710:将所述第一评估参数和所述第二评估参数作为输入数据输入光学膜裁切质量评估模型,所述光学膜裁切质量评估模型通过多组数据训练获得,所述多组数据中的每组数据均包含所述第一评估参数、所述第二评估参数和作为标识第一评估结果的标识信息;
步骤S720:获得所述光学膜裁切质量评估模型的输出结果,所述输出结果包括所述第一评估结果。
具体而言,为了获得更加准确的第一评估结果,可将所述第一评估参数和所述第二评估参数作为输入数据输入光学膜裁切质量评估模型进行训练。所述光学膜裁切质量评估模型是一个神经网络模型,即机器学习中的神经网络模型,它是以神经元的数学模型为基础来描述的。简单地讲,它是一个数学模型。在本申请实施例中,将所述第一评估参数和所述第二评估参数作为输入数据输入光学膜裁切质量评估模型进行训练,用标识的第一评估结果对神经网络模型进行训练。
进一步来说,所述光学膜裁切质量评估模型的过程实质为监督学习的过程。所述多组训练数据具体为:所述第一评估参数、所述第二评估参数和作为标识第一评估结果的标识信息。通过输入所述第一评估参数和所述第二评估参数,光学膜裁切质量评估模型会输出第一评估结果,所述第一评估结果为所述第一光学膜的裁切质量评估结果。通过将所述输出信息与所述起标识作用的第一评估结果进行校验,如果所述输出信息与所述起标识作用的第一评估结果要求相一致,则本数据监督学习完成,则进行下一组数据监督学习;如果所述输出信息与所述起标识作用的第一评估结果要求不一致,则神经网络学习模型自身进行调整,直到神经网络学习模型输出结果与所述起标识作用的第一评估结果要求相一致,进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化,通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性,进而达到使得所述第一光学膜的裁切质量评估结果更加准确的技术效果。
综上所述,本申请实施例所提供的一种光学膜裁切质量的评估方法及系统具有如下技术效果:
1、通过获得光学膜实际位置和实际裁切位置,并基于光学膜裁切质量评估模型对光学膜的参数信息进行不断训练,达到了使得最终获得的光学膜裁切质量评估结果更加真实、更加贴近实际加工需要的技术效果。
实施例二
基于与前述实施例中一种光学膜裁切质量的评估方法同样发明构思,本发明还提供了一种光学膜裁切质量的评估系统,如图2所示,所述系统包括:
第一获得单元11:所述第一获得单元11用于获得第一光学膜的类型信息;
第二获得单元12:所述第二获得单元12用于获得所述第一光学膜的硬度信息;
第三获得单元13:所述第三获得单元13用于通过干涉法获得所述第一光学膜的第一平整度信息;
第一输入单元14:所述第一输入单元14用于将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;
第四获得单元15:所述第四获得单元15用于获得所述第一光学膜的实际裁切位置;
第五获得单元16:所述第五获得单元16用于根据所述第一光学膜的实际裁切位置,获得第二评估参数;
第二输入单元17:所述第二输入单元17用于将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。
进一步的,所述系统还包括:
第六获得单元:所述第六获得单元用于获得第一光学膜的标准裁切位置;
第七获得单元:所述第七获得单元用于获得所述第一光学膜的实际裁切位置与所述第一光学膜的标准裁切位置的第一偏差度;
第八获得单元:诉搜狐第八获得单元用于获得预定偏差度阈值;
第一判断单元:所述第一判断单元用于判断所述第一偏差度是否在所述预定偏差度阈值之内;
第九获得单元:所述第九获得单元用于如果所述第一偏差度不在所述预定偏差度阈值之内,获得第一负评估参数;
第十获得单元:所述第十获得单元用于如果所述第一偏差度在所述预定偏差度阈值之内,获得第一正评估参数。
进一步的,所述系统还包括:
第十一获得单元:所述第十一获得单元用于获得第一元件,所述第一原件为被所述第一光学膜覆盖的元件;
第十二获得单元:所述第十二获得单元用于获得所述第一元件的关键覆盖点;
第十三获得单元:所述第十三获得单元用于根据所述关键覆盖点进行图形重构,获得第一重构图形信息;
第十四获得单元:所述第十四获得单元用于根据所述第一重构图形信息,获得所述第一重构图形信息的边缘信息;
第十五获得单元:所述第十五获得单元用于根据所述第一重构图形信息的边缘信息,获得第一光学膜的标准裁切位置。
进一步的,所述系统还包括:
第十六获得单元:所述第十六获得单元用于获得所述第一光学膜的质量评估环境的第一空气质量;
第十七获得单元:所述第十七获得单元用于根据所述第一空气质量,获得所述质量评估环境中颗粒物浓度信息;
第十八获得单元:所述第十八获得单元用于根据所述第一空气质量,获得所述质量评估环境中颗粒物的尺寸分布图;
第十九获得单元:所述第十九获得单元用于根据所述质量评估环境中颗粒物浓度信息和所述颗粒物的尺寸分布图,获得第一平整度修正参数;
第一修正单元:所述第一修正单元用于根据所述第一平整度修正参数,对所述第一平整度信息进行修正,获得第二平整度信息。
进一步的,所述系统还包括:
第二十获得单元:所述第二十获得单元用于获得第一图像信息,所述第一图像信息为所述第一光学膜的图像信息;
第二判断单元:所述第二判断单元用于根据所述第一图像信息,判断所述第一光学膜是否具有第一图案;
第三判断单元:所述第三判断单元用于如果所述第一光学膜具有第一图案,根据所述实际裁切位置,判断所述第一图案的完整度;
第二十一获得单元:所述第二十一获得单元用于根据所述第一图案的完整度,获得第三评估参数;
第三输入单元:所述第三输入单元用于将所述第一评估参数、所述第二评估参数和所述第三评估参数输入光学膜裁切质量评估模型,获得第二评估结果。
进一步的,所述系统还包括:
第二十二获得单元:所述第二十二获得单元用于如果所述第一光学膜具有第一图案,获得所述实际裁切位置处的颜色损耗度;
第二修正单元:所述第二修正单元用于根据所述颜色损耗度对所述第三评估参数进行修正,获得第四评估参数;
第四输入单元:所述第四输入单元用于将所述第一评估参数、所述第二评估参数和所述第四评估参数输入光学膜裁切质量评估模型,获得第三评估结果。
进一步的,所述系统还包括:
第五输入单元:所述第五输入单元用于将所述第一评估参数和所述第二评估参数作为输入数据输入光学膜裁切质量评估模型,所述光学膜裁切质量评估模型通过多组数据训练获得,所述多组数据中的每组数据均包含所述第一评估参数、所述第二评估参数和作为标识第一评估结果的标识信息;
第二十三获得单元:所述第二十三获得单元用于获得所述光学膜裁切质量评估模型的输出结果,所述输出结果包括所述第一评估结果。
前述图1实施例一中的一种光学膜裁切质量的评估方法的各种变化方式和具体实例同样适用于本实施例的一种光学膜裁切质量的评估系统,通过前述对一种光学膜裁切质量的评估方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种光学膜裁切质量的评估系统的实施方法,所以为了说明书的简洁,再次不再详述。
实施例三
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实例施中一种光学膜裁切质量的评估方法的发明构思,本发明还提供一种光学膜裁切质量的评估系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种光学膜裁切质量的评估系统的任一方法的步骤。
其中,在图3中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供了一种光学膜裁切质量的评估方法,其中,所述方法包括:获得第一光学膜的类型信息;获得所述第一光学膜的硬度信息;通过干涉法获得所述第一光学膜的第一平整度信息;将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;获得所述第一光学膜的实际裁切位置;根据所述第一光学膜的实际裁切位置,获得第二评估参数;将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种光学膜裁切质量的评估方法,其中,所述方法包括:
获得第一光学膜的类型信息;
获得所述第一光学膜的硬度信息;
通过干涉法获得所述第一光学膜的第一平整度信息;
将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;
获得所述第一光学膜的实际裁切位置;
根据所述第一光学膜的实际裁切位置,获得第二评估参数;
将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果;
其中,所述根据所述第一光学膜的实际裁切位置,获得第二评估参数,包括:
获得第一光学膜的标准裁切位置;
获得所述第一光学膜的实际裁切位置与所述第一光学膜的标准裁切位置的第一偏差度;
获得预定偏差度阈值;
判断所述第一偏差度是否在所述预定偏差度阈值之内;
如果所述第一偏差度不在所述预定偏差度阈值之内,获得第一负评估参数;
如果所述第一偏差度在所述预定偏差度阈值之内,获得第一正评估参数;
其中,所述获得第一光学膜的标准裁切位置,包括:
获得第一元件,所述第一元件为被所述第一光学膜覆盖的元件;
获得所述第一元件的关键覆盖点;
根据所述关键覆盖点进行图形重构,获得第一重构图形信息;
根据所述第一重构图形信息,获得所述第一重构图形信息的边缘信息;
根据所述第一重构图形信息的边缘信息,获得第一光学膜的标准裁切位置。
2.如权利要求1所述的方法,其中,所述方法包括:
获得所述第一光学膜的质量评估环境的第一空气质量;
根据所述第一空气质量,获得所述质量评估环境中颗粒物浓度信息;
根据所述第一空气质量,获得所述质量评估环境中颗粒物的尺寸分布图;
根据所述质量评估环境中颗粒物浓度信息和所述颗粒物的尺寸分布图,获得第一平整度修正参数;
根据所述第一平整度修正参数,对所述第一平整度信息进行修正,获得第二平整度信息。
3.如权利要求1所述的方法,其中,所述方法包括:
获得第一图像信息,所述第一图像信息为所述第一光学膜的图像信息;
根据所述第一图像信息,判断所述第一光学膜是否具有第一图案;
如果所述第一光学膜具有第一图案,根据所述实际裁切位置,判断所述第一图案的完整度;
根据所述第一图案的完整度,获得第三评估参数;
将所述第一评估参数、所述第二评估参数和所述第三评估参数输入光学膜裁切质量评估模型,获得第二评估结果。
4.如权利要求3所述的方法,其中,所述根据所述第一图像信息,判断所述第一光学膜是否具有第一图案之后,包括:
如果所述第一光学膜具有第一图案,获得所述实际裁切位置处的颜色损耗度;
根据所述颜色损耗度对所述第三评估参数进行修正,获得第四评估参数;
将所述第一评估参数、所述第二评估参数和所述第四评估参数输入光学膜裁切质量评估模型,获得第三评估结果。
5.如权利要求1所述的方法,其中,所述将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果,包括:
将所述第一评估参数和所述第二评估参数作为输入数据输入光学膜裁切质量评估模型,所述光学膜裁切质量评估模型通过多组数据训练获得,所述多组数据中的每组数据均包含所述第一评估参数、所述第二评估参数和作为标识第一评估结果的标识信息;
获得所述光学膜裁切质量评估模型的输出结果,所述输出结果包括所述第一评估结果。
6.一种光学膜裁切质量的评估系统,其中,所述系统包括:
第一获得单元:所述第一获得单元用于获得第一光学膜的类型信息;
第二获得单元:所述第二获得单元用于获得所述第一光学膜的硬度信息;
第三获得单元:所述第三获得单元用于通过干涉法获得所述第一光学膜的第一平整度信息;
第一输入单元:所述第一输入单元用于将所述第一光学膜的类型信息、所述硬度信息和所述第一平整度信息输入评估参数估计模型,获得第一评估参数;
第四获得单元:所述第四获得单元用于获得所述第一光学膜的实际裁切位置;
第五获得单元:所述第五获得单元用于根据所述第一光学膜的实际裁切位置,获得第二评估参数;
第二输入单元:所述第二输入单元用于将所述第一评估参数和所述第二评估参数输入光学膜裁切质量评估模型,获得第一评估结果;
第六获得单元:所述第六获得单元用于获得第一光学膜的标准裁切位置;
第七获得单元:所述第七获得单元用于获得所述第一光学膜的实际裁切位置与所述第一光学膜的标准裁切位置的第一偏差度;
第八获得单元:所述第八获得单元用于获得预定偏差度阈值;
第一判断单元:所述第一判断单元用于判断所述第一偏差度是否在所述预定偏差度阈值之内;
第九获得单元:所述第九获得单元用于如果所述第一偏差度不在所述预定偏差度阈值之内,获得第一负评估参数;
第十获得单元:所述第十获得单元用于如果所述第一偏差度在所述预定偏差度阈值之内,获得第一正评估参数;
第十一获得单元:所述第十一获得单元用于获得第一元件,所述第一元件为被所述第一光学膜覆盖的元件;
第十二获得单元:所述第十二获得单元用于获得所述第一元件的关键覆盖点;
第十三获得单元:所述第十三获得单元用于根据所述关键覆盖点进行图形重构,获得第一重构图形信息;
第十四获得单元:所述第十四获得单元用于根据所述第一重构图形信息,获得所述第一重构图形信息的边缘信息;
第十五获得单元:所述第十五获得单元用于根据所述第一重构图形信息的边缘信息,获得第一光学膜的标准裁切位置。
7.一种光学膜裁切质量的评估系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110333908.4A CN113076636B (zh) | 2021-03-29 | 2021-03-29 | 一种光学膜裁切质量的评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110333908.4A CN113076636B (zh) | 2021-03-29 | 2021-03-29 | 一种光学膜裁切质量的评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113076636A CN113076636A (zh) | 2021-07-06 |
CN113076636B true CN113076636B (zh) | 2022-03-11 |
Family
ID=76611205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110333908.4A Active CN113076636B (zh) | 2021-03-29 | 2021-03-29 | 一种光学膜裁切质量的评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113076636B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113137836B (zh) * | 2021-04-23 | 2023-04-07 | 柳州东风容泰化工股份有限公司 | 一种制备邻氯苯腈的干燥方法及系统 |
CN113411979B (zh) * | 2021-07-12 | 2022-08-09 | 深圳正实智能装备有限公司 | 一种基于视觉标定的pcb板加工纠偏方法及系统 |
CN115829042B (zh) * | 2022-11-29 | 2024-04-02 | 南京贝迪新材料科技股份有限公司 | 一种量子点扩散板的结构性能评估方法及系统 |
CN117664246B (zh) * | 2024-02-02 | 2024-04-19 | 徐州鸿丰高分子材料有限公司 | 一种高分子薄膜类产品性能分析评估方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1244219A (zh) * | 1996-10-31 | 2000-02-09 | 生物星公司 | 质量转运辅助光学分析的方法和装置 |
JP2006275832A (ja) * | 2005-03-30 | 2006-10-12 | Tokai Rubber Ind Ltd | 薄膜評価方法、機能性フィルムおよびその製造方法、透明電磁波遮蔽フィルムおよびその製造方法、光学フィルターならびにプラズマディスプレイ |
JP2006275833A (ja) * | 2005-03-30 | 2006-10-12 | Tokai Rubber Ind Ltd | 薄膜評価方法、機能性フィルムおよびその製造方法、透明電磁波遮蔽フィルムおよびその製造方法、光学フィルターならびにプラズマディスプレイ |
CN109858770A (zh) * | 2019-01-02 | 2019-06-07 | 口口相传(北京)网络技术有限公司 | 对象质量评估方法和装置 |
CN111767963A (zh) * | 2020-07-07 | 2020-10-13 | 南通市第二人民医院 | 一种基于内镜筛查提高质量评估的方法及装置 |
CN112014984A (zh) * | 2019-05-31 | 2020-12-01 | 三星显示有限公司 | 光学膜和包括光学膜的显示设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108982072A (zh) * | 2018-09-07 | 2018-12-11 | 中国工程物理研究院上海激光等离子体研究所 | 一种光学薄膜缺陷激光损伤阈值的测试系统及测试方法 |
CN111403029B (zh) * | 2020-06-08 | 2020-09-08 | 上海孚慈医疗科技有限公司 | 一种提高评估质量的信息处理方法及装置 |
-
2021
- 2021-03-29 CN CN202110333908.4A patent/CN113076636B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1244219A (zh) * | 1996-10-31 | 2000-02-09 | 生物星公司 | 质量转运辅助光学分析的方法和装置 |
JP2006275832A (ja) * | 2005-03-30 | 2006-10-12 | Tokai Rubber Ind Ltd | 薄膜評価方法、機能性フィルムおよびその製造方法、透明電磁波遮蔽フィルムおよびその製造方法、光学フィルターならびにプラズマディスプレイ |
JP2006275833A (ja) * | 2005-03-30 | 2006-10-12 | Tokai Rubber Ind Ltd | 薄膜評価方法、機能性フィルムおよびその製造方法、透明電磁波遮蔽フィルムおよびその製造方法、光学フィルターならびにプラズマディスプレイ |
CN109858770A (zh) * | 2019-01-02 | 2019-06-07 | 口口相传(北京)网络技术有限公司 | 对象质量评估方法和装置 |
CN112014984A (zh) * | 2019-05-31 | 2020-12-01 | 三星显示有限公司 | 光学膜和包括光学膜的显示设备 |
CN111767963A (zh) * | 2020-07-07 | 2020-10-13 | 南通市第二人民医院 | 一种基于内镜筛查提高质量评估的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113076636A (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113076636B (zh) | 一种光学膜裁切质量的评估方法及系统 | |
US10289770B2 (en) | Rotorcraft component simulation using scan-based geometry | |
WO2019078901A1 (en) | USE OF OVERLAY DISTORTION ERROR ESTIMATES IN IMAGING OVERLAY METROLOGY | |
CN113109783A (zh) | 航向角获取方法、装置、设备和存储介质 | |
CN114241266B (zh) | 一种光缆智能预警的处理方法及系统 | |
CN112884016A (zh) | 云平台可信评估模型训练方法和云平台可信评估方法 | |
Gayton et al. | APTA: advanced probability-based tolerance analysis of products | |
Kaufmann et al. | Measurement uncertainty assessment for virtual assembly | |
CN116523908A (zh) | 基于卷料涂布生产线的安全生产方法、系统、设备及介质 | |
US20230204549A1 (en) | Apparatus and automated method for evaluating sensor measured values, and use of the apparatus | |
Huang et al. | Edge computing-based virtual measuring machine for process-parallel prediction of workpiece quality in metal cutting | |
CN114510867A (zh) | 一种3d模拟配电柜电路接线方法及系统 | |
CN114926545A (zh) | 相机标定精度的评估方法、装置、电子设备及存储介质 | |
CN113124908A (zh) | 一种提高仪器测量精度的方法和系统 | |
CN114061524A (zh) | 一种钢卷轮廓测量方法及装置 | |
CN110207699B (zh) | 一种定位方法和装置 | |
CN112541514A (zh) | 事件发布方法、服务器、终端及存储介质 | |
CN112001857A (zh) | 一种基于双目相机的图像校正方法、系统、设备和可读存储介质 | |
Jbira et al. | Reproducibility experimentation among computer-aided inspection software from a single point cloud | |
CN112734203A (zh) | 基于路面的车辆损伤计算方法、装置、系统及存储介质 | |
CN114509000B (zh) | 一种基于激光点云扫描的手机螺钉固定方法和装置 | |
KR20190093753A (ko) | 방위각 추정 장치 및 방법 | |
CN116713808B (zh) | 一种屏蔽罩内孔位精准检测方法及系统 | |
CN113884403B (zh) | 一种薄膜检测方法、装置、终端设备及存储介质 | |
CN112199814B (zh) | 测量系统的系统误差自检校方法、装置、设备和介质 |
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 |