CN114220368A - 显示面板的亮度调节系统和亮度调节方法 - Google Patents

Abstract

本申请提供一种显示面板的亮度调节系统和亮度调节方法，亮度调节系统包括数据获取模块、数据处理模块和驱动芯片，数据获取模块用于获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据，数据处理模块用于根据多维度测试参数和实际亮度数据生成多个训练数据集，根据多维度测试参数和理想亮度数据生成多个测试数据集，并根据多个训练数据集和多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型，驱动芯片与待调节显示面板电连接，用于存储目标特征模型，并根据待调节显示面板的当前使用参数，通过目标特征模型输出待调节显示面板的目标亮度数据。本申请中亮度调节不依赖人力完成，成本较低且精度和准确性较高。

Description

显示面板的亮度调节系统和亮度调节方法

技术领域

本申请涉及显示技术领域，尤其是涉及一种显示面板的亮度调节系统和亮度调节方法。

背景技术

当前在对显示面板的画质进行改善时，改善处理策略有很多，但策略数据的分析很大程度上都依赖人力完成，人工在处理海量数据时较为费时费力，使得画质改善的成本高昂。

所以，现有的显示面板存在画质改善成本较高的技术问题，需要改进。

发明内容

本申请实施例提供一种显示面板的亮度调节系统和亮度调节方法，用以缓解现有的显示面板中画质改善成本较高的技术问题。

本申请实施例提供一种显示面板的亮度调节系统，包括：

数据获取模块，用于获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据；

数据处理模块，用于根据所述多维度测试参数和所述实际亮度数据生成多个训练数据集，根据所述多维度测试参数和所述理想亮度数据生成多个测试数据集，并根据所述多个训练数据集和所述多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型；

驱动芯片，与待调节显示面板电连接，用于存储所述目标特征模型，并根据所述待调节显示面板的当前使用参数，通过所述目标特征模型输出所述待调节显示面板的目标亮度数据。

在一种实施例中，所述数据处理模块包括第一数据处理单元，所述第一数据处理单元用于：

获取测试面板在多个不同第一灰阶下的第一实际亮度数据，根据所述多个不同第一灰阶和所述第一实际亮度数据，生成第一训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同观看位置下的第二实际亮度数据，根据所述至少一个第一灰阶、所述多个不同观看位置和所述第二实际亮度数据，生成第二训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同观看时刻下的第三实际亮度数据，根据所述至少一个第一灰阶、所述多个不同观看时刻和所述第三实际亮度数据，生成第三训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同环境状态下的第四实际亮度数据，根据所述至少一个第一灰阶、所述多个不同环境状态和所述第四实际亮度数据，生成第四训练数据集。

在一种实施例中，所述数据处理模块包括第二数据处理单元，所述第二数据处理单元用于：

获取所述测试面板在多个不同第二灰阶下的第一理想亮度数据，根据所述多个不同第二灰阶和所述第一理想亮度数据，生成第一测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同观看位置下的第二理想亮度数据，根据所述至少一个第二灰阶、所述多个不同观看位置和所述第二理想亮度数据，生成第二测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同观看时刻下的第三理想亮度数据，根据所述至少一个第二灰阶、所述多个不同观看时刻和所述第三理想亮度数据，生成第三测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同环境状态下的第四理想亮度数据，根据所述至少一个第二灰阶、所述多个不同环境状态和所述第四理想亮度数据，生成第四测试数据集。

在一种实施例中，所述多个第一灰阶与所述多个第二灰阶的数值均不同。

在一种实施例中，所述数据处理模块还包括：

分组单元，用于对所述多个训练数据集和所述多个测试数据集分组，得到多个数据集组，每个数据集组包括同一维度测试参数下的训练数据集和测试数据集；

训练和调整单元，用于按照预设顺序，基于各数据集组对所述原始特征模型进行逐级训练和调整，得到目标特征模型。

在一种实施例中，所述训练和调整单元用于：

根据所述第一训练数据集对所述原始特征模型进行训练，得到第一级特征训练模型，根据所述第一测试数据集对所述第一级特征训练模型进行调整，得到第一级特征模型；

根据所述第二训练数据集对所述第一级特征模型进行训练，得到第二级特征训练模型，根据所述第二测试数据集对所述第二级特征训练模型进行调整，得到第二级特征模型；

根据所述第三训练数据集对所述第二级特征模型进行训练，得到第三级特征训练模型，根据所述第三测试数据集对所述第三级特征训练模型进行调整，得到第三级特征模型；

根据所述第四训练数据集对所述第三级特征模型进行训练，得到第四级特征训练模型，根据所述第四测试数据集对所述第四级特征训练模型进行调整，得到目标特征模型。

在一种实施例中，所述测试面板的数量为至少一个。

在一种实施例中，所述待调节显示面板中设置有外部数据获取模块，用于获取所述待调节显示面板的当前环境状态和用户对所述待调节显示面板的当前观看位置。

在一种实施例中，所述数据获取模块包括至少一个光学测试探头。

本申请实施例还提供一种显示面板的亮度调节方法，包括：

获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据；

根据所述多维度测试参数和所述实际亮度数据生成多个训练数据集，根据所述多维度测试参数和所述理想亮度数据生成多个测试数据集，并根据所述多个训练数据集和所述多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型；

存储所述目标特征模型至与待调节显示面板电连接的驱动芯片中，并根据所述待调节显示面板的当前使用参数，通过所述目标特征模型输出所述待调节显示面板的目标亮度数据。

有益效果：本申请提供一种显示面板的亮度调节系统和亮度调节方法，亮度调节系统包括数据获取模块、数据处理模块和驱动芯片，数据获取模块用于获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据，数据处理模块用于根据多维度测试参数和实际亮度数据生成多个训练数据集，根据多维度测试参数和理想亮度数据生成多个测试数据集，并根据多个训练数据集和多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型，驱动芯片与待调节显示面板电连接，用于存储目标特征模型，并根据待调节显示面板的当前使用参数，通过目标特征模型输出待调节显示面板的目标亮度数据。本申请以测试面板在多维度测试参数下的实际亮度数据和理想亮度数据为基础构建训练数据集和测试数据集，对原始特征模型进行训练，然后将训练后的目标特征模型植入驱动芯片中，则显示面板使用过程中，可直接将当前使用参数输入至目标特征模型中，由目标特征模型来自动计算出当前所需显示的亮度，使得亮度调节不需要依赖人力完成，因此画质改善的成本较低，且原始特征模型是综合了多维度测试参数下的数据进行的训练，使得亮度调节的精度和准确性较高。

附图说明

下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其它有益效果显而易见。

图1为本申请实施例中显示面板的亮度调节系统的结构示意图。

图2为本申请实施例中待调节显示面板、驱动芯片和目标特征模型的关系示意图。

图3为本申请实施例中目标特征模型的生成流程示意图。

图4为本申请实施例中显示面板的亮度调节方法的流程示意图。

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。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

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。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。

在本申请中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。

本申请实施例提供一种显示面板的亮度调节系统和亮度调节方法，用以缓解现有的显示面板中画质改善成本较高的技术问题。

如图1和图2所示，亮度调节系统包括数据获取模块100、数据处理模块200和驱动芯片300，数据获取模块100用于获取测试面板101在多维度测试参数下的实际亮度数据和理想亮度数据，数据处理模块200用于根据多维度测试参数和实际亮度数据生成多个训练数据集，根据多维度测试参数和理想亮度数据生成多个测试数据集，并根据多个训练数据集和多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型40，驱动芯片300与待调节显示面板102电连接，用于存储目标特征模型40，并根据待调节显示面板102的当前使用参数，通过目标特征模型40输出待调节显示面板102的目标亮度数据。

测试面板101可以是与待调节显示面板102同型号的不同显示面板，测试面板101在外部驱动信号的作用下，可显示不同的灰阶对应的亮度数据，也即亮度值。数据获取模块100包括第一数据获取单元和第二数据获取单元，第一数据获取单元包括至少一个光学测试探头，图1中以8个光学测试探头为例，但不以此为限，光学测试探头的数量、分布位置和型号等可根据需要设置，光学测试探头用于采集测试面板101位于自己感知区域内的实际亮度数据；第二数据获取单元用于获取测试面板101的理想亮度数据，也即设计值。

在本申请实施例中，数据获取模块100获取到的实际亮度数据和理想亮度数据为多维度测试参数下的亮度数据，其中，多维度测试参数指从多个不同角度对测试面板101进行测试时的相关参数，具体地，对测试面板101输入多个不同的灰阶值并对每个灰阶值对应的亮度数据进行采集为一个维度，该维度对应的测试参数为多个灰阶；对同一灰阶下测试面板101在不同观看位置下的亮度数据进行采集为一个维度，该维度对应的测试参数为灰阶和观看位置；对同一灰阶下测试面板101在不同观看时刻的亮度数据进行采集为一个维度，该维度对应的测试参数为灰阶和观看时刻；对同一灰阶下测试面板101在不同环境状态下的亮度数据进行采集为一个维度，该维度对应的测试参数为灰阶和环境状态，环境状态包括环境亮度等。第一数据获取单元可以直接采集得到各维度对应的实际亮度数据，第二数据获取单元可以通过计算或查表等方式得到各维度对应的理想亮度数据。

数据获取模块100获取到这些实际亮度数据和理想亮度数据后，发送给数据处理模块200，由数据处理模块200对这些亮度数据进行转换和处理，并供给原始特征模型进行训练。数据处理模块200对多维度的实际亮度数据进行处理，得到每个维度下的一个训练样本集，并最终得到多个训练样本集，对多维度的理想亮度数据进行处理，得到每个维度下的一个测试样本集，并最终得到多个测试样本集。原始特征模型为深度学习模型，通过多个训练样本集可对原始特征模型进行有监督学习，通过多个测试样本可以训练后模型进行调整，使其输出值与预期值的误差在可接受范围内。

具体地，对测试面板101输入多个不同的灰阶值并分别对亮度数据进行采集得到一组实际亮度数据，对这些实际亮度数据处理得到一个训练样本集，对测试面板101输入上述多个不同的灰阶值时的理想亮度数据进行处理，得到一个测试样本集。使用该训练样本集对原始特征模型进行训练后，当输入一个新的灰阶值给训练后的模型，模型会输出一个该灰阶下的面板应该显示的亮度值。此时，将测试样本集中的某个灰阶值输入至训练后的模型，模型输出该灰阶值下应该显示的亮度值，将输出的亮度值与该灰阶下的理想亮度值也即理想亮度数据进行对比，如果两者之间的误差小于阈值，则表示模型的训练较好，可以直接使用，如果两者之间的误差不小于阈值，则表示模型中神经元的权重设置存在一定的不合理，需要对神经元的权重进行调整后，再次用测试样本集进行测试，直至两者之间的误差小于阈值，模型训练完成。在计算两者之间的误差时，可采用预设的损失函数来衡量，当损失函数收敛至预设值时，表示模型训练完成。

在本申请中，由于训练数据集和测试数据集均为多个，可根据多个训练数据集和多个测试数据集对原始特征模型进行逐级训练和调整，最终得到目标特征模型40。

目标特征模型40植入在驱动芯片300中，驱动芯片300与待调节显示面板102电连接，用于给待调节显示面板102提供驱动电压使其显示画面，驱动电压具有其对应的灰阶值。待调节显示面板102具有当前使用参数，当前使用参数包括当前灰阶、当前观看位置、当前观看时间、当前环境状态中的至少一个，当前灰阶表示面板当前需要显示的灰阶，当前观看位置用于反映当前用户与面板的相对位置情况，当前观看时间用于反映面板已经持续显示了多长时间，当前环境状态用于反映面板当前所处的环境亮度等情况。目标特征模型40可以当前使用参数为输入值，然后自动计算并输出在当前使用参数下待调节显示面板102的目标亮度数据，也即实际应该显示的亮度。由于目标特征模型40经过多个维度的训练数据集和测试数据集的训练和调整，其可以接收多个维度的输入数据并输出对应的目标亮度数据，实现画质的精细化和准确化调整。

具体地，待调节显示面板102持续显示了t1时间，当前环境状态为w1，当前观看位置为a1，当前灰阶为n1，则将这些参数输入目标特征模型40，会输出一个目标亮度数据，该目标亮度数据为当前使用参数下的使用户观感最好的亮度。在未设置目标特征模型40，实际输出的亮度值会因面板老化、显示时间过长等因素的影响，与所需显示的灰阶数值不匹配，且不会随着用户观看位置、观看时长、观看环境等因素的变化而变化，使得用户体验不佳。而通过设置目标特征模型40，在想要显示某个灰阶时，会综合考虑上述各项因素，对亮度进行调节，使得待调节显示面板102可以显示较为理想的目标亮度数据，实现对画质的改善。

通过上述实施例可知，本申请以测试面板在多维度测试参数下的实际亮度数据和理想亮度数据为基础构建训练数据集和测试数据集，对原始特征模型进行训练，然后将训练后的目标特征模型植入驱动芯片中，则显示面板使用过程中，可直接将当前使用参数输入至目标特征模型中，由目标特征模型来自动计算出当前所需显示的亮度，使得亮度调节不需要依赖人力完成，因此画质改善的成本较低，且原始特征模型是综合了多维度测试参数下的数据进行的训练，使得亮度调节的精度和准确性较高。

在一种实施例中，数据处理模块200包括第一数据处理单元，第一数据处理单元用于：获取测试面板101在多个不同第一灰阶下的第一实际亮度数据，根据多个不同第一灰阶和第一实际亮度数据，生成第一训练数据集；获取在至少一个第一灰阶下，测试面板101在多个不同观看位置下的第二实际亮度数据，根据至少一个第一灰阶、多个不同观看位置和第二实际亮度数据，生成第二训练数据集；获取在至少一个第一灰阶下，测试面板101在多个不同观看时刻下的第三实际亮度数据，根据至少一个第一灰阶、多个不同观看时刻和第三实际亮度数据，生成第三训练数据集；获取在至少一个第一灰阶下，测试面板101在多个不同环境状态下的第四实际亮度数据，根据至少一个第一灰阶、多个不同环境状态和第四实际亮度数据，生成第四训练数据集。

具体地，以测试面板101可以显示256个灰阶为例，多个第一灰阶可以是0至255灰阶中的其中n个灰阶，各第一灰阶值均不相同。对每个第一灰阶，均获取一个第一实际亮度数据，进一步地，由于采集亮度数据时通过至少一个光学探头进行，第一实际亮度数据包括所有光学探头对测试面板101采集得到的亮度数据，以光学探头为8个为例，则每个灰阶下的第一实际亮度数据包括8个亮度。对n个灰阶均进行一次数据采集，则共可以得到n个包括第一灰阶值和该第一灰阶值对应的第一实际亮度数据的数据组，生成第一训练数据集A1。

从多个第一灰阶中取一个作为目标第一灰阶，在目标第一灰阶下，获取测试面板101在多个不同观看位置下的第二实际亮度数据。观看位置通过光学探头的设置位置来表征，以光学探头为8个为例，每个观看位置对应8个光学探头的设置位置，每个观看位置下的第二实际亮度数据也包括8个亮度，每个光学探头在不同位置采集到的亮度数据也不完全相同。同一观看位置中各光学探头可以等间距设置，且不同观看位置中各光学探头之间的距离不同，每更换一次观看位置即对8个光学探头的设置位置进行改变，使得各光学探头之间的距离发生改变，以模拟用户在不同位置对测试面板101的观看情况。对目标第一灰阶，共取p个观看位置，获取所有观看位置的第二实际亮度数据，则得到一个包括目标第一灰阶、p个观看位置和p个第二实际亮度数据的数据组，然后生成包括这个数据组的第二训练数据集A2。

需要说明的是，上述实施例以一个目标第一灰阶为例进行说明，但本申请不以此为限，还可以取两个或多个目标第一灰阶，对每个目标第一灰阶，均执行上述过程，得到该目标第一灰阶下对应的数据组，当对所有n个第一灰阶仅执行一次上述过程时，可得到n个包括目标第一灰阶、p个观看位置和p个第二实际亮度数据的数据组，然后生成包括n个数据组的第二训练数据集A2。本领域的技术人员可根据需要选择获取全部或部分第一灰阶下的第二实际亮度数据，选取的第一灰阶数量越多，样本集的数据量越大，对模型的训练效果越好。

从多个第一灰阶中取一个作为目标第一灰阶，在目标第一灰阶下，获取测试面板101在多个不同观看时刻下的第三实际亮度数据，各观看时刻的取值可根据预设时间梯度来确定，预设时间梯度可以是等时长梯度，如预设时间梯度为每隔30秒取一个时刻作为观看时刻，则每隔30秒进行一次第三实际亮度数据的采集，当然，预设时间梯度也可以为非等时长，每次间隔时间不相等，具体可根据需要设置。在每个观看时刻，以8个光学探头为例，获取到的第三实际亮度数据均为8个亮度，对目标第一灰阶，共取q个观看时刻，获取所有观看时刻的第三实际亮度数据，则得到一个包括目标第一灰阶、q个观看时刻和q个第三实际亮度数据的数据组，然后生成包括这个数据组的第三训练数据集A3。

需要说明的是，上述实施例以一个目标第一灰阶为例进行说明，但本申请不以此为限，还可以取两个或多个目标第一灰阶，对每个目标第一灰阶，均执行上述过程，得到该目标第一灰阶下对应的数据组，当对所有n个第一灰阶仅执行一次上述过程时，可得到n个包括目标第一灰阶、q个观看时刻和q个第三实际亮度数据的数据组，然后生成包括n个数据组的第三训练数据集A3。本领域的技术人员可根据需要选择获取全部或部分第一灰阶下的第三实际亮度数据，选取的第一灰阶数量越多，样本集的数据量越大，对模型的训练效果越好。

从多个第一灰阶中取一个作为目标第一灰阶，在目标第一灰阶下，获取测试面板101在不同环境状态下的第四实际亮度数据，环境状态可以包括环境亮度等，不同环境状态下的亮度不相等，以光学探头包括8个为例，则每个环境状态下的第四实际亮度数据均包括8个亮度。环境状态案例总数用w表示，对w个环境状态均进行一次数据采集，则最终可得到一个包括目标第一灰阶、w个环境状态和w个第四实际亮度数据的数据组，然后生成包括这个数据组的第四训练数据集A4。

需要说明的是，上述实施例以一个目标第一灰阶为例进行说明，但本申请不以此为限，还可以取两个或多个目标第一灰阶，对每个目标第一灰阶，均执行上述过程，得到该目标第一灰阶下对应的数据组，当对所有n个第一灰阶仅执行一次上述过程时，可得到n个包括目标第一灰阶、w个环境状态和w个第四实际亮度数据的数据组，然后生成包括n个数据组的第四训练数据集A4。本领域的技术人员可根据需要选择获取全部或部分第一灰阶下的第四实际亮度数据，选取的第一灰阶数量越多，样本集的数据量越大，对模型的训练效果越好。

通过上述过程，生成了第一训练数据集A1、第二训练数据集A2、第三训练数据集A3以及第四训练数据集A4。

在一种实施例中，数据处理模块包括第二数据处理单元，第二数据处理单元用于：获取测试面板101在多个不同第二灰阶下的第一理想亮度数据，根据多个不同第二灰阶和第一理想亮度数据，生成第一测试数据集；获取在至少一个第二灰阶下，测试面板101在多个不同观看位置下的第二理想亮度数据，根据至少一个第二灰阶、多个不同观看位置和第二理想亮度数据，生成第二测试数据集；获取在至少一个第二灰阶下，测试面板101在多个不同观看时刻下的第三理想亮度数据，根据至少一个第二灰阶、多个不同观看时刻和第三理想亮度数据，生成第三测试数据集；获取在至少一个第二灰阶下，测试面板101在多个不同环境状态下的第四理想亮度数据，根据至少一个第二灰阶、多个不同环境状态和第四理想亮度数据，生成第四测试数据集。

各测试数据集中的生成原理与各训练数据集的生成原理相似，在此不再赘述，两者的区别在于，各测试数据集的理想亮度数据不是实际测试得到的数据，而是计算或查表得到的理论值，也即设计值。通过第二数据处理单元的处理，生成第一测试数据集B1、第二测试数据集B2、第三测试数据集B3以及第四测试数据集B4。

在一种实施例中，多个第一灰阶与多个第二灰阶的数值均不同。为避免模型出现过拟合，训练数据集中的数据与测试数据集中的数据应当是不同的，因此第一灰阶可以是0至255灰阶中的其中n个灰阶，第二灰阶可以是0至255灰阶中的其中m个灰阶，多个第二灰阶的数值也不同，且n个第一灰阶与m个第二灰阶的数值均不相同。

在一种实施例中，数据处理模块还包括分组单元以及训练和调整单元，分组单元用于对多个训练数据集和多个测试数据集分组，得到多个数据集组，每个数据集组包括同一维度测试参数下的训练数据集和测试数据集，训练和调整单元用于按照预设顺序，基于各数据集组对原始特征模型进行逐级训练和调整，得到目标特征模型。

在得到四个训练数据集和四个测试数据集后，分组单元将同维度的一个训练数据集和一个测试数据集作为一个数据集组，共得到四个数据集组。具体地，第一训练数据集A1和第一测试数据集B1形成第一数据集组，第二训练数据集A2和第二测试数据集B2形成第二数据集组，第三训练数据集A3和第三测试数据集B3形成第三数据集组，第四训练数据集A4和第四测试数据集B4形成第四数据集组。

训练和调整单元按照预设顺序将四个数据集组进行排序，例如顺序为第一数据集组-第二数据集组-第三数据集组-第四数据集组，则按照该顺序，依次对原始特征模型进行四次训练-调整过程，且在每次训练-调整时，均将上一次训练-调整后的模型作为下一次训练-调整时的原始模型。

在一种实施例中，训练和调整单元用于：根据第一训练数据集对原始特征模型进行训练，得到第一级特征训练模型，根据第一测试数据集对第一级特征训练模型进行调整，得到第一级特征模型；根据第二训练数据集对第一级特征模型进行训练，得到第二级特征训练模型，根据第二测试数据集对第二级特征训练模型进行调整，得到第二级特征模型；根据第三训练数据集对第二级特征模型进行训练，得到第三级特征训练模型，根据第三测试数据集对第三级特征训练模型进行调整，得到第三级特征模型；根据第四训练数据集对第三级特征模型进行训练，得到第四级特征训练模型，根据第四测试数据集对第四级特征训练模型进行调整，得到目标特征模型。通过训练和调整单元的四次训练-调整过程，最终得到训练好的目标特征模型40，然后将其植入至驱动芯片300中。

在一种实施例中，测试面板101的数量为至少一个。测试面板101的数量可以是一个，也可以是多个，当测试面板101的数量越多时，获取的样本数量约大，模型的训练效果越好，最终调节使也更加准确和精细。

在一种实施例中，待调节显示面板102中设置有外部数据获取模块，用于获取待调节显示面板102的当前环境状态和用户对待调节显示面板102的当前观看位置。外部数据获取模块可以是设置在待调节显示面板102中的光学传感器和相机模组，光学传感器用于感知待调节显示面板102当前所处环境的亮度，相机模组用于感知用户的观看位置，以此来为亮度调节提供外部使用数据。

如图3所示，为本申请实施例中目标特征模型的生成流程示意图，该流程具体包括：

步骤11：开始。选择一测试面板用于采集数据。

步骤12：不同灰阶亮度采集。提前设定需要采集亮度数据的n个灰阶数，在每个灰阶下均进行一次亮度的采集，亮度采集通过多个光学探头进行。

步骤13：判断是否不小于目标灰阶数。目标灰阶数为n，在每进行一次亮度采集后，判断当前已经采集的次数是否已经达到n次，以实现遍历所有预设的n个灰阶数。

若否，表示n个灰阶的亮度数据还未采集完成，则继续执行步骤12，直至采集次数为n为止。若是，表示n个灰阶的亮度数据已采集完成，则根据采集的亮度数据生成第一训练样本集，对原始特征模型21进行训练，得到第一级特征训练模型22。同时，根据不同灰阶下的理想亮度数据生成第一测试样本集，并用第一测试样本集对第一级特征训练模型22进行调整，得到第一级特征模型23。

若是，同时执行步骤14：同灰阶等距离亮度采集。提前设定需要在哪个灰阶下采集p个不同观看位置下的亮度数据，同一观看位置下各光学探头的距离相等，并据此进行亮度数据采集。

步骤15：判断是否不小于目标距离阶数。目标距离阶数为p，在每进行一次亮度采集后，判断当前已经采集的次数是否已经达到p次，以实现遍历所有预设的p个不同观看位置。

若否，表示p个不同观看位置的亮度数据还未采集完成，则继续执行步骤14，直至采集次数为p为止。若是，表示p个不同观看位置的亮度数据已采集完成，则根据采集的亮度数据生成第二训练样本集，对上一阶段得到的第一级特征模型23进行训练，得到第二级特征训练模型24。同时，根据同灰阶等距离下的理想亮度数据生成第二测试样本集，并用第二测试样本集对第二级特征训练模型24进行调整，得到第二级特征模型25。

若是，同时执行步骤16：同灰阶等时长亮度采集。提前设定需要在哪个灰阶下采集相距t时间段的q个观看时刻的亮度数据，并据此进行亮度数据采集。

步骤17：判断是否不小于目标时间阶数。目标时间阶数为q，在每进行一次亮度采集后，判断当前已经采集的次数是否已经达到q次，以实现遍历所有预设的q个观看时刻。

若否，表示q个观看时刻的亮度数据还未采集完成，则继续执行步骤16，直至采集次数为q为止。若是，表示q个观看时刻的亮度数据已采集完成，则根据采集的亮度数据生成第三训练样本集，对上一阶段得到的第二级特征模型25进行训练，得到第三级特征训练模型26。同时，根据同灰阶等时长下的理想亮度数据生成第三测试样本集，并用第三测试样本集对第三级特征训练模型26进行调整，得到第三级特征模型27。

若是，同时执行步骤18：同灰阶不同环境亮度采集。提前设定需要在哪个灰阶下采集w个不同环境状态下的w个亮度数据，并据此进行亮度数据采集。

步骤19：判断是否不小于目标环境案例数。目标环境案例数为w，在每进行一次亮度采集后，判断当前已经采集的次数是否已经达到w次，以实现遍历所有预设的w个环境状态。

若否，表示w个环境状态的亮度数据还未采集完成，则继续执行步骤18，直至采集次数为w为止。若是，表示w个环境状态的亮度数据已采集完成，则根据采集的亮度数据生成第四训练样本集，对上一阶段得到的第三级特征模型27进行训练，得到第四级特征训练模型28。同时，根据同灰阶不同环境下的理想亮度数据生成第四测试样本集，并用第四测试样本集对第四级特征训练模型28进行调整，得到第四级特征模型29。

步骤20：生成目标特征模型。将第四级特征模型29植入至与待调节显示面板电连接的驱动芯片中，得到目标特征模型。

步骤30：结束。可利用目标特征模型对待调节显示面板的亮度进行调节，从而改进画质。

通过上述流程可知，本申请以测试面板在多维度测试参数下的实际亮度数据和理想亮度数据为基础构建训练数据集和测试数据集，对原始特征模型进行训练，然后将训练后的目标特征模型植入驱动芯片中，则显示面板使用过程中，可直接将当前使用参数输入至目标特征模型中，由目标特征模型来自动计算出当前所需显示的亮度，使得亮度调节不需要依赖人力完成，因此画质改善的成本较低，且原始特征模型是综合了多维度测试参数下的数据进行的训练，使得亮度调节的精度和准确性较高。

如图4所示，本申请实施例还提供一种显示面板的亮度调节方法，包括：

步骤401：获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据；

步骤402：根据多维度测试参数和实际亮度数据生成多个训练数据集，根据多维度测试参数和理想亮度数据生成多个测试数据集，并根据多个训练数据集和多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型；

步骤403：存储目标特征模型至与待调节显示面板电连接的驱动芯片中，并根据待调节显示面板的当前使用参数，通过目标特征模型输出待调节显示面板的目标亮度数据。

在一种实施例中，步骤402具体包括：

获取测试面板在多个不同第一灰阶下的第一实际亮度数据，根据所述多个不同第一灰阶和所述第一实际亮度数据，生成第一训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同观看位置下的第二实际亮度数据，根据所述至少一个第一灰阶、所述多个不同观看位置和所述第二实际亮度数据，生成第二训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同观看时刻下的第三实际亮度数据，根据所述至少一个第一灰阶、所述多个不同观看时刻和所述第三实际亮度数据，生成第三训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同环境状态下的第四实际亮度数据，根据所述至少一个第一灰阶、所述多个不同环境状态和所述第四实际亮度数据，生成第四训练数据集。

在一种实施例中，步骤402具体包括：

获取所述测试面板在多个不同第二灰阶下的第一理想亮度数据，根据所述多个不同第二灰阶和所述第一理想亮度数据，生成第一测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同观看位置下的第二理想亮度数据，根据所述至少一个第二灰阶、所述多个不同观看位置和所述第二理想亮度数据，生成第二测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同观看时刻下的第三理想亮度数据，根据所述至少一个第二灰阶、所述多个不同观看时刻和所述第三理想亮度数据，生成第三测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同环境状态下的第四理想亮度数据，根据所述至少一个第二灰阶、所述多个不同环境状态和所述第四理想亮度数据，生成第四测试数据集。

在一种实施例中，所述多个第一灰阶与所述多个第二灰阶的数值均不同。

在一种实施例中，步骤402具体包括：

对所述多个训练数据集和所述多个测试数据集分组，得到多个数据集组，每个数据集组包括同一维度测试参数下的训练数据集和测试数据集；

按照预设顺序，基于各数据集组对所述原始特征模型进行逐级训练和调整，得到目标特征模型。

在一种实施例中，按照预设顺序，基于各数据集组对所述原始特征模型进行逐级训练和调整，得到目标特征模型的步骤包括：

根据所述第一训练数据集对所述原始特征模型进行训练，得到第一级特征训练模型，根据所述第一测试数据集对所述第一级特征训练模型进行调整，得到第一级特征模型；

根据所述第二训练数据集对所述第一级特征模型进行训练，得到第二级特征训练模型，根据所述第二测试数据集对所述第二级特征训练模型进行调整，得到第二级特征模型；

根据所述第三训练数据集对所述第二级特征模型进行训练，得到第三级特征训练模型，根据所述第三测试数据集对所述第三级特征训练模型进行调整，得到第三级特征模型；

根据所述第四训练数据集对所述第三级特征模型进行训练，得到第四级特征训练模型，根据所述第四测试数据集对所述第四级特征训练模型进行调整，得到目标特征模型。

在一种实施例中，所述测试面板的数量为至少一个。

在一种实施例中，所述待调节显示面板中设置有外部数据获取模块，用于获取所述待调节显示面板的当前环境状态和用户对所述待调节显示面板的当前观看位置。

在一种实施例中，所述数据获取模块包括至少一个光学测试探头。

本申请的显示面板的亮度调节方法，使得显示面板使用过程中的亮度调节可直接利用目标特征模型来自动调节，而不需要依赖人力完成，因此画质改善的成本较低，且亮度调节的精度和准确性较高。

根据上述实施例可知：

本申请提供一种显示面板的亮度调节系统和亮度调节方法，先以测试面板在多维度测试参数下的实际亮度数据和理想亮度数据为基础构建训练数据集和测试数据集，对原始特征模型进行训练，然后将训练后的目标特征模型植入驱动芯片中，则显示面板使用过程中，可直接将当前使用参数输入至目标特征模型中，由目标特征模型来自动计算出当前所需显示的亮度，使得亮度调节不需要依赖人力完成，因此画质改善的成本较低，且原始特征模型是综合了多维度测试参数下的数据进行的训练，使得亮度调节的精度和准确性较高。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

以上对本申请实施例所提供的一种显示面板的亮度调节系统和亮度调节方法进行了详细介绍，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。

Claims (10)

1.一种显示面板的亮度调节系统，其特征在于，包括：

数据获取模块，用于获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据；

数据处理模块，用于根据所述多维度测试参数和所述实际亮度数据生成多个训练数据集，根据所述多维度测试参数和所述理想亮度数据生成多个测试数据集，并根据所述多个训练数据集和所述多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型；

驱动芯片，与待调节显示面板电连接，用于存储所述目标特征模型，并根据所述待调节显示面板的当前使用参数，通过所述目标特征模型输出所述待调节显示面板的目标亮度数据。

2.如权利要求1所述的亮度调节系统，其特征在于，所述数据处理模块包括第一数据处理单元，所述第一数据处理单元用于：

获取测试面板在多个不同第一灰阶下的第一实际亮度数据，根据所述多个不同第一灰阶和所述第一实际亮度数据，生成第一训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同观看位置下的第二实际亮度数据，根据所述至少一个第一灰阶、所述多个不同观看位置和所述第二实际亮度数据，生成第二训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同观看时刻下的第三实际亮度数据，根据所述至少一个第一灰阶、所述多个不同观看时刻和所述第三实际亮度数据，生成第三训练数据集；

获取在至少一个第一灰阶下，所述测试面板在多个不同环境状态下的第四实际亮度数据，根据所述至少一个第一灰阶、所述多个不同环境状态和所述第四实际亮度数据，生成第四训练数据集。

3.如权利要求2所述的亮度调节系统，其特征在于，所述数据处理模块包括第二数据处理单元，所述第二数据处理单元用于：

获取所述测试面板在多个不同第二灰阶下的第一理想亮度数据，根据所述多个不同第二灰阶和所述第一理想亮度数据，生成第一测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同观看位置下的第二理想亮度数据，根据所述至少一个第二灰阶、所述多个不同观看位置和所述第二理想亮度数据，生成第二测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同观看时刻下的第三理想亮度数据，根据所述至少一个第二灰阶、所述多个不同观看时刻和所述第三理想亮度数据，生成第三测试数据集；

获取在至少一个第二灰阶下，所述测试面板在多个不同环境状态下的第四理想亮度数据，根据所述至少一个第二灰阶、所述多个不同环境状态和所述第四理想亮度数据，生成第四测试数据集。

4.如权利要求3所述的亮度调节系统，其特征在于，所述多个第一灰阶与所述多个第二灰阶的数值均不同。

5.如权利要求3所述的亮度调节系统，其特征在于，所述数据处理模块还包括：

分组单元，用于对所述多个训练数据集和所述多个测试数据集分组，得到多个数据集组，每个数据集组包括同一维度测试参数下的训练数据集和测试数据集；

训练和调整单元，用于按照预设顺序，基于各数据集组对所述原始特征模型进行逐级训练和调整，得到目标特征模型。

6.如权利要求5所述的亮度调节系统，其特征在于，所述训练和调整单元用于：

根据所述第一训练数据集对所述原始特征模型进行训练，得到第一级特征训练模型，根据所述第一测试数据集对所述第一级特征训练模型进行调整，得到第一级特征模型；

根据所述第二训练数据集对所述第一级特征模型进行训练，得到第二级特征训练模型，根据所述第二测试数据集对所述第二级特征训练模型进行调整，得到第二级特征模型；

根据所述第三训练数据集对所述第二级特征模型进行训练，得到第三级特征训练模型，根据所述第三测试数据集对所述第三级特征训练模型进行调整，得到第三级特征模型；

根据所述第四训练数据集对所述第三级特征模型进行训练，得到第四级特征训练模型，根据所述第四测试数据集对所述第四级特征训练模型进行调整，得到目标特征模型。

7.如权利要求1所述的亮度调节系统，其特征在于，所述测试面板的数量为至少一个。

8.如权利要求1所述的亮度调节系统，其特征在于，所述待调节显示面板中设置有外部数据获取模块，用于获取所述待调节显示面板的当前环境状态和用户对所述待调节显示面板的当前观看位置。

9.如权利要求1所述的亮度调节系统，其特征在于，所述数据获取模块包括至少一个光学测试探头。

10.一种显示面板的亮度调节方法，其特征在于，包括：

获取测试面板在多维度测试参数下的实际亮度数据和理想亮度数据；

根据所述多维度测试参数和所述实际亮度数据生成多个训练数据集，根据所述多维度测试参数和所述理想亮度数据生成多个测试数据集，并根据所述多个训练数据集和所述多个测试数据集对原始特征模型进行训练和调整，得到目标特征模型；

存储所述目标特征模型至与待调节显示面板电连接的驱动芯片中，并根据所述待调节显示面板的当前使用参数，通过所述目标特征模型输出所述待调节显示面板的目标亮度数据。

Images