CN114778339A - 一种基于大数据的可降低误差的高低温耐久测试分析方法 - Google Patents

Abstract

本发明公开了一种基于大数据的可降低误差的高低温耐久测试分析方法，包括以下步骤：S1、采用弯折耐久测试装置对待测柔性屏于设定的温度下进行弯折耐久测试；S2、每进行一次弯折后表面图像，并同时进行透光率检测；S3、分析折痕数量M_i和总折痕长度L_i；S4、分析透光率损失比例η_i：S5、采用数据修正模型对M_i、L_i、η_i进行修正；S6、满足终止条件时，停止测试，得到最大弯折次数。本发明提供的基于大数据的可降低误差的高低温耐久测试分析方法能够实现不同温度下的耐久测试，能够降低测量误差；本发明中，采用基于大数据的方法，对测试的误差进行修正，通过数据的处理，能够修正温度因素带来的误差，最终能够提高测试精度。

Description

一种基于大数据的可降低误差的高低温耐久测试分析方法

技术领域

本发明涉及检测技术领域，特别涉及一种基于大数据的可降低误差的高低温耐久测试分析方法。

背景技术

弯折耐久测试是许多产品性能的检测指标之一，能够反映产品的性能。这些产品通常在使用过程中会需要被动进行弯折，其对弯折的耐受能力可通过弯折耐久测试获得：通过对产品进行反复弯折，将产品的极限弯折次数作为弯折性能的量化参数。例如用于折叠手机的柔性屏，使用时会反复进行0-180°的弯折，这类柔性屏的耐弯折性能是重要的质量参数之一；其在研发、生产、出厂前通常需要进行弯折耐久测试。现有的用于柔性屏的耐弯折性能测试方案中，通常只能实现室温下的测试，忽视了温度对于耐弯折性能的影响，例如专利CN108225938B公开的一种弯折测试装置及弯折测试方法、CN113029833A公开的一种柔性液晶显示屏耐久性疲劳测试系统及测试方法等，但实际上，温度对于耐弯折性能具有较大的影响。另一方面，采用弯折耐久测试设备进场测试时，会不可避免的引入一些误差，导致测试结果与实际偏离；虽然误差不可避免，但仍然希望能够通过一些手段，如数据处理的方式来降低这些误差。而如包括上述专利在内的许多现有方案中，缺乏通过数据处理手段来降低误差、提高测量精度的功能。所以现在有必要提供一种更可靠的方案。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于大数据的可降低误差的高低温耐久测试分析方法。

为解决上述技术问题，本发明采用的技术方案是：一种基于大数据的可降低误差的高低温耐久测试分析方法，包括以下步骤：

S1、采用弯折耐久测试装置对待测柔性屏于设定的温度下进行弯折耐久测试；

S2、测试过程中，对待测柔性屏每进行一次弯折后，待测柔性屏展开至180°时，采集一次待测柔性屏的表面图像，并同时对所述待测柔性屏的弯折区域进行透光率检测；

S3、对当前采集的待测柔性屏的表面图像中的弯折区域图像进行折痕检测，并处理得到折痕数量M_i和总折痕长度L_i；其中，i表示第i次弯折；

S4、根据预先采集的进行测试前的待测柔性屏的弯折区域的平均透光率T_b0与当前该次弯折后测得的弯折区域的平均透光率T_bi计算得到透光率损失比例η_i：

S5、采用预先构建的数据修正模型对得到的M_i、L_i、η_i进行数据修正，修正后的结果分别记为：M_i′、L_i′、η_i′；

S6、当满足以下条件(a)或(b)时，停止测试，记录当前弯折总次数N_Max，作为待测柔性屏耐久测试的最大弯折次数：

(a)M_B≤M_i′＜γM_B，

且η_i′≥β；

(b)M_i′≥γM_B，且η_i′≥β；

其中，M_B表示预先设置的折痕数量阈值，D表示待测柔性屏沿弯折旋转轴线方向的宽度，α、β、γ均为预先设置的常数，且α≤1，β＜1，γ≥1.2。

优选的是，所述弯折耐久测试装置包括底座、可转动设置在所述底座上的左支撑辊和右支撑辊、与所述左支撑辊的左侧连接的左夹具、与所述右支撑辊的右侧连接的右夹具、与所述左夹具驱动连接的左驱动机构、与所述右夹具驱动连接的右驱动机构、设置在所述左夹具和右夹具的上方的图像采集设备、透光率检测设备以及温度控制设备；

所述左夹具和右夹具用于分别固定加持待测柔性屏的左、右两端，所述左驱动机构和右驱动机构分别驱动所述左夹具和右夹具同步转动，从而使得待测柔性屏绕所述弯折旋转轴线进行弯折；

所述左支撑辊和右支撑辊对称设置在所述弯折旋转轴线两侧。

优选的是，所述透光率检测设备包括设置在左夹具和右夹具上方的光源探头以及设置在所述左夹具和右夹具下方且处于左支撑辊和右支撑辊之间的接收探头，所述光源探头发出的光经过待测柔性屏的弯折区域后到达所述光源探头，从而对该区域内的待测柔性屏的透光率进行检测；

其中，所述弯折区域为待测柔性屏上处于左支撑辊的最右端和右支撑辊之间的最左端之间的区域。

优选的是，所述温度控制设备包括保温密封箱、设置在所述保温密封箱内的温控端以及与所述温控端连接的温控主机，所述底座、左支撑辊、右支撑辊、左夹具、右夹具均设置在所述保温密封箱内，所述温控端用于实现所述保温密封箱内的温度调节。

优选的是，所述步骤S3具体包括：

S3-1)从采集的待测柔性屏的表面图像中提取出弯折区域的图像；

S3-2)计算弯折区域的图像的像素灰度值，获取灰度值高于阈值的区域作为候选折痕区域；

S3-3)对特定方向的纹理特征进行增强，该特定方向的纹理为：与待测柔性屏的弯折旋转轴线之间的夹角在-θ至+θ之间的纹理；

S3-4)进行灰度变换，增强候选折痕区域的对比度；

S3-5)采用steger算法提取出候选折痕区域中的折痕；

S3-6)计算弯折区域中的折痕数量M_i以及每条折痕的长度l_i，对所有折痕的长度进行求和，得到总折痕长度L_i。

优选的是，所述数据修正模型包括第一子模型Net1和第二子模型Net2，所述数据修正模型进行数据修正的处理方法包括以下步骤：

1)构建训练数据集；

2)采用训练数据集对第一子模型Net1和第二子模型Net2进行训练；

3)将步骤S3得到的折痕数量M_i和总折痕长度L_i，输入训练好的第一子模型Net1，得到修正后的折痕数量M_i′和总折痕长度L_i′；

将步骤S4得到的透光率损失比例η_i输入训练好的第二子模型Net2，得到修正后的透光率损失比例η_i′。

优选的是，所述数据修正模型进行数据修正的处理方法包括以下步骤：

1)构建训练数据集：

1-1)提供若干个弯折耐久测试性能已知的具有型号标记的标准柔性屏样品，弯折耐久测试性能包括该标准柔性屏样品达到最大弯折次数N_B次后的折痕数量M_B、总折痕长度L_B及透光率损失比例η_B；该型号标记至少包括标准柔性屏样品的种类及尺寸信息；

1-2)采用所述弯折耐久测试装置于不同温度下对标准柔性屏样品进行弯折耐久测试，弯折数量到达N_B次时停止；每次测试时记录以下信息：标准柔性屏样品的型号X、当前测试的环境温度T以及对应得到的测试结果：折痕数量M_B、总折痕长度L_B、透光率损失比例η_B；

1-3)将每次记录的型号X、温度T、折痕数量M、总折痕长度L以及已知的该标准柔性屏样品在相同温度下的折痕数量M_B、总折痕长度L_B进行组合形成一个数据包，记为第一数据包s1；

将每次记录的型号X、温度T、透光率损失比例η以及已知的该标准柔性屏样品在相同温度下的透光率损失比例η_B进行组合形成一个数据包，记为第二数据包s2；

通过于不同温度下分别对若干标准柔性屏样品进行弯折耐久测试得到若干条第一数据包s1和第二数据包s2，将所有的第一数据包s1组合形成第一数据集S₁、所有的第二数据包s2组合形成第二数据集S₂；

2)模型训练：

以型号X、温度T、折痕数量M、总折痕长度L为输入，同一数据包中对应的折痕数量M_B、总折痕长度L_B为输出，采用第一数据集S₁对基于机器学习算法的第一子模型Net1进行训练，对于每一种型号的柔性屏样品分别进行一下分析：分析M同M_B之间的差值ΔM与温度T的关系y₁，L同L_B之间的差值ΔL与温度T的关系y₂；

从而得到每一种型号的柔性屏样品对应的y₁和y₂，最终得到训练好的第一子模型Net1′；

以温度T、透光率损失比例η为输入，同一数据包中对应的透光率损失比例η_B为输出，采用第二数据集S₂对基于机器学习算法的第二子模型Net2进行训练，对于每一种型号的柔性屏样品分别进行一下分析：分析η同η_B之间的差值Δη与温度T的关系y₃；

从而得到每一种型号的柔性屏样品对应的y₃，最终得到训练好的第二子模型Net2′；

3)误差预测与修正：

将该弯折耐久测试装置对待测柔性屏进行弯折耐久测试得到的折痕数量M_i、总折痕长度L_i以及该待测柔性屏的型号X_i、当前测试的环境温度T_i输入第一子模型Net1′，先匹配与当前待测柔性屏的型号X_i对应的关系y_1i、关系y_2i；然后利用关系y_1i关系对M_i进行修正，得到修正后的结果M_i′，然后利用关系y_2i关系对L_i进行修正，得到修正后的结果L_i′；

将该弯折耐久测试装置对待测柔性屏进行弯折耐久测试得到的透光率损失比例η_i以及该待测柔性屏的型号X_i、当前测试的环境温度T_i输入第二子模型Net2′，先匹配与当前待测柔性屏的型号X_i对应的关系y_3i；然后利用关系yy_3i关系对η_i进行修正，得到修正后的结果η_i′；

最终将M_i′、L_i′、η_i′作为修正结果输出。

优选的是，其中，θ＝0-20°。

优选的是，其中，α＝0.4～0.7，β＝0.05～0.2，γ＝1.2～3。

优选的是，其中，α＝0.5，β＝0.15，γ＝1.4。

本发明的有益效果是：

本发明提供的基于大数据的可降低误差的高低温耐久测试分析方法能够实现不同温度下的耐久测试，能够降低测量误差；

本发明中，采用基于大数据的方法，对测试的误差进行修正，通过数据的处理，能够在很大程度上修正温度因素带来的误差，最终能够提高测试精度；

本发明中，进行弯折极限条件判定时，将折痕和透光率作为表现弯折给柔性屏造成的损坏的量化指标，当折痕数量、折痕的平均长度以及透光率的损失同时满足一定条件时，才判定到达了极限弯折次数，综合了多个因素，能够更加全面、精准的体现出柔性屏的弯折耐久性能。

附图说明

图1为本发明的基于大数据的可降低误差的高低温耐久测试分析方法的流程图；

图2为本发明中的弯折耐久测试装置的原理结构示意图。

附图标记说明：

1-底座；2-左支撑辊；3-右支撑辊；4-左夹具；5-右夹具；6-左驱动机构；7-右驱动机构；8-图像采集设备；9-透光率检测设备；10-温度控制设备；11-光源探头；12-接收探头；13-输出杆；14-驱动滑块；15-滑轨；16-保温密封箱；17-温控端；18-温控主机；19-待测柔性屏。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

实施例1

参照图1，本实施例的一种基于大数据的可降低误差的高低温耐久测试分析方法，包括以下步骤：

S1、采用弯折耐久测试装置对待测柔性屏19于设定的温度下进行弯折耐久测试；

S2、测试过程中，对待测柔性屏19每进行一次弯折后，待测柔性屏19展开至180°时，采集一次待测柔性屏19的表面图像，并同时对待测柔性屏19的弯折区域进行透光率检测；

S3、对当前采集的待测柔性屏19的表面图像中的弯折区域图像进行折痕检测，并处理得到折痕数量M_i和总折痕长度L_i；其中，i表示第i次弯折；

S4、根据预先采集的进行测试前的待测柔性屏19的弯折区域的平均透光率T_b0与当前该次弯折后测得的弯折区域的平均透光率T_bi计算得到透光率损失比例η_i：

S5、采用预先构建的数据修正模型对得到的M_i、L_i、η_i进行数据修正，修正后的结果分别记为：M_i′、L_i′、η_i′；

S6、当满足以下条件(a)或(b)时，停止测试，记录当前弯折总次数N_Max，作为待测柔性屏19耐久测试的最大弯折次数：

(a)M_B≤M_i′＜γM_B，

且η_i′≥β；

(b)M_i′≥γM_B，且η_i′≥β；

其中，M_B表示预先设置的折痕数量阈值，D表示待测柔性屏19沿弯折旋转轴线方向的宽度，α、β、γ均为预先设置的常数，且α≤1，β＜1，γ≥1.2。

在优选的实施例中，α＝0.4～0.7，β＝0.05～0.2，γ＝1.2～3。进一步优选的，本实施例中，α＝0.5，β＝0.15，γ＝1.4。

其中，折痕能够体现弯折作用对待测柔性屏19产生的损坏，所以可以通过折痕作为弯折耐久性能测试的量化指标。显然，折痕的数量越多，能体现出弯折损坏越大；而折痕还具有不同的长度，单个不同长度的折痕所能体现出的弯折产生的耐久破损程度不一样，所以若只统计折痕数量而完全忽视折痕长度会带来评价结果的不全面和不准确。例如，在所有与弯折旋转轴线平行的折痕中，最长的折痕长度为待测柔性屏19的宽度，这些折痕能够主要体现待测柔性屏19沿弯折旋转轴线进行弯折产生的耐久破损；而长度越端，所能体现出的弯折损坏越小。所以，综合考虑折痕的数量和每条折痕的长度能够更客观、更精准的体现弯折损坏。

本实施例中，通过以上述条件(a)和(b)作为评价达到极限弯折次数时的判断指标，能够兼顾折痕的数量和每条折痕的长度所体现出的弯折损坏。

其中，对于条件(b)，M_i′表现的是折痕数量，其为最直接的指标，当折痕数量到达一定程度并超过设定阈值一定范围时，即使其中可能含有大比例的短折痕，也可直接判定为可能到达了极限弯折次数；

其中，对于条件(a)，

可理解为折痕的平均长度，能够将平均长度也引入作为评价达到极限弯折次数时的判断指标，即当折痕数量超过设定阈值但超过的比例不高，即M_B≤M_i′＜γM_B时，除了要考虑折痕数量，还需要考虑其中对弯折损坏表现程度大的长折痕的比例，所以将折痕的平均长度同时作为评价指标，只有两者均到达才认为可能达到极限弯折次数。

其中，透光率是柔性屏的重要指标之一，反复的弯折会造成柔性屏内部结构的改变，导致透光率下降，所以，当透光率下降到一定程度时，可认为可能到达了极限弯折次数。

所以，本发明中，将折痕和透光率作为表现弯折给柔性屏造成的损坏的量化指标，当折痕数量、折痕的平均长度以及透光率的损失同时满足一定条件时，即判定到达了极限弯折次数，综合了多个因素，能够更加全面、精准的体现出柔性屏的弯折耐久性能。

在一种优选的实施例中，弯折耐久测试装置包括底座1、可转动设置在底座1上的左支撑辊2和右支撑辊3、与左支撑辊2的左侧连接的左夹具4、与右支撑辊3的右侧连接的右夹具5、与左夹具4驱动连接的左驱动机构6、与右夹具5驱动连接的右驱动机构7、设置在左夹具4和右夹具5的上方的图像采集设备8、透光率检测设备9以及温度控制设备10；

左夹具4和右夹具5用于分别固定加持待测柔性屏19的左、右两端，左驱动机构6和右驱动机构7分别驱动左夹具4和右夹具5同步转动，从而使得待测柔性屏19绕弯折旋转轴线进行弯折；

左支撑辊2和右支撑辊3对称设置在弯折旋转轴线两侧，也即从正视方向看(如图2所示)，弯折旋转轴线通过左支撑辊2和右支撑辊3的连线的中点。

在本实施例中，将弯折区域定义为待测柔性屏19上处于左支撑辊2的最右端和右支撑辊3之间的最左端之间的区域，如图2中所示的区域Qs。待测柔性屏19绕左支撑辊2和右支撑辊3之间的弯折旋转轴线弯曲时，主要是该弯折区域内的柔性屏部分产生弯曲，从而出现弯曲破损，所以，以该区域为弯曲破损的评价区域，具有很高的可信赖度，且又能减小测量区域，从而提高效率，减小设备/算法负担。

在优选的实施例中，图像采集设备8包括相机和光源，图中未示出。

在优选的实施例中，左驱动机构6和右驱动机构7均位电动推杆机构，其包括电动推杆、与电动推杆的输出杆13可转动连接的驱动滑块14、以及设置在左夹具4和右夹具5底部的滑轨15，驱动滑块14配合设置在滑轨15上，电动推杆的输出杆13伸长或缩短时会带动驱动滑块14在滑轨15上来回滑动，从而使得左夹具4绕左支撑辊2旋转、右夹具5绕右支撑辊3旋转，使得左夹具4、右夹具5能够带动待测柔性屏19进行相对靠近/远离的反复开合方式的弯折运动，以实现弯折耐久测试。

在一种优选的实施例中，步骤S3具体包括：

S3-1)从采集的待测柔性屏19的表面图像中提取出弯折区域的图像；

S3-2)计算弯折区域的图像的像素灰度值，获取灰度值高于阈值的区域作为候选折痕区域；折痕位置由于对光的反射降低，造成此区域的灰度值会增大，从而可以据此进行折痕的识别与提取；

S3-3)对特定方向的纹理特征进行增强，该特定方向的纹理为：与待测柔性屏19的弯折旋转轴线之间的夹角在-θ至+θ之间的纹理；原理上来说，因沿弯折旋转轴线弯折时，柔性屏产生的折痕应当与弯折旋转轴线平行，但实际上，弯折时受力并非完全均匀，在沿弯折旋转轴线弯折时，也会产生与弯折旋转轴线具有一定角度的折痕，故本实施例中，将折痕的选择范围扩大至了与弯折旋转轴线之间的夹角在-θ至+θ之间的折痕，能够更加满足实际情况，提高折痕提取识别的精度。在优选的实施例中，θ＝0-20°。进一步优选的，本实施例中，θ＝3°；

S3-4)进行灰度变换，增强候选折痕区域的对比度；

S3-5)采用steger算法提取出候选折痕区域中的折痕；

S3-6)计算弯折区域中的折痕数量M_i以及每条折痕的长度l_i，对所有折痕的长度进行求和，得到总折痕长度L_i。

在一种优选的实施例中，数据修正模型进行数据修正的处理方法包括以下步骤：

1)构建训练数据集：

1-1)提供若干个弯折耐久测试性能已知的具有型号标记的标准柔性屏样品，弯折耐久测试性能包括该标准柔性屏样品达到最大弯折次数N_B次后的折痕数量M_B、总折痕长度L_B及透光率损失比例η_B；该型号标记至少包括标准柔性屏样品的种类及尺寸信息(对弯折性能有影响的长度、宽度、厚度等)。

1-2)采用弯折耐久测试装置于不同温度下对标准柔性屏样品进行弯折耐久测试，弯折数量到达N_B次时停止；每次测试时记录以下信息：标准柔性屏样品的型号X、当前测试的环境温度T以及对应得到的测试结果：折痕数量M_B、总折痕长度L_B、透光率损失比例η_B；

其中，若干个标准柔性屏样品可认为相同产品，其弯折性能完全相同，且预先通过精密设备或其他常规方法获得了最大弯折次数N_B次后的折痕数量M_B、总折痕长度L_B及透光率损失比例η_B等数据，在本实施例中进行误差分析。

温度对柔性屏的弯折耐久性能具有较大的影响，所以，即使采用同一个弯折耐久测试装置对相同的柔性屏进行测试时，不同温度下产生的误差也不相同，所以进行误差分析时必须考虑到温度因素的影响。本实施例中，采用基于大数据的方法，先在多个不同的温度下，分别采用一个标准柔性屏样品进行耐久测试；然后得到不同温度下的若干测试结果，用于分析采用本发明的弯折耐久测试装置在不同温度下进行测试时的误差；最终将其用于测试结果的修正，从而能够在很大程度上修正温度因素带来的误差，最终能够减小测试结果的误差、提高测试精度。

1-3)将每次记录的型号X、温度T、折痕数量M、总折痕长度L以及已知的该标准柔性屏样品在相同温度下的折痕数量M_B、总折痕长度L_B进行组合形成一个数据包，记为第一数据包s1；

将每次记录的型号X、温度T、透光率损失比例η以及已知的该标准柔性屏样品在相同温度下的透光率损失比例η_B进行组合形成一个数据包，记为第二数据包s2；

通过于不同温度下分别对若干标准柔性屏样品进行弯折耐久测试得到若干条第一数据包s1和第二数据包s2，将所有的第一数据包s1组合形成第一数据集S₁、所有的第二数据包s2组合形成第二数据集S₂；

2)模型训练：

以型号X、温度T、折痕数量M、总折痕长度L为输入，同一数据包中对应的折痕数量M_B、总折痕长度L_B为输出，采用第一数据集S₁对基于机器学习算法的第一子模型Net1进行训练，对于每一种型号的柔性屏样品分别进行一下分析：分析M同M_B之间的差值ΔM与温度T的关系y₁，L同L_B之间的差值ΔL与温度T的关系y₂；

从而得到每一种型号的柔性屏样品对应的y₁和y₂，最终得到训练好的第一子模型Net1′；

以温度T、透光率损失比例η为输入，同一数据包中对应的透光率损失比例η_B为输出，采用第二数据集S₂对基于机器学习算法的第二子模型Net2进行训练，对于每一种型号的柔性屏样品分别进行一下分析：分析η同η_B之间的差值Δη与温度T的关系y₃；

从而得到每一种型号的柔性屏样品对应的y₃，最终得到训练好的第二子模型Net2′；

3)误差预测与修正：

将该弯折耐久测试装置对待测柔性屏19进行弯折耐久测试得到的折痕数量M_i、总折痕长度L_i以及该待测柔性屏19的型号X_i、当前测试的环境温度T_i输入第一子模型Net1′，先匹配与当前待测柔性屏19的型号X_i对应的关系y_1i、关系y_2i；然后利用关系y_1i关系对M_i进行修正，得到修正后的结果M_i′，然后利用关系y_2i关系对L_i进行修正，得到修正后的结果L_i′；

将该弯折耐久测试装置对待测柔性屏19进行弯折耐久测试得到的透光率损失比例η_i以及该待测柔性屏19的型号X_i、当前测试的环境温度T_i输入第二子模型Net2′，先匹配与当前待测柔性屏19的型号X_i对应的关系y_3i；然后利用关系yy_3i关系对η_i进行修正，得到修正后的结果η_i′；

最终将M_i′、L_i′、η_i′作为修正结果输出。

在优选的实施例中，数据修正模型中的训练数据集可不断更新，即弯折耐久测试装置每使用一段时间后，按照步骤1)的方法补充一些新的数据，然后更新第一数据集S₁、第二数据集S₂，使得训练数据集不断丰富，且能够反映弯折耐久测试装置的最新状态，反映结果会体现在由新的训练数据集更新得到的新的第一子模型Net1′和第二子模型Net2′中；最终使得最后的修正结果也能够体现弯折耐久测试装置状态的变化，同时通过数据量的丰富，修正精度、可靠性能够不断提高。

继续参照图2，在一种优选的实施例中，透光率检测设备9包括设置在左夹具4和右夹具5上方的光源探头11以及设置在左夹具4和右夹具5下方且处于左支撑辊2和右支撑辊3之间的接收探头12，光源探头11发出的光经过待测柔性屏19的弯折区域后到达光源探头11，从而对该区域内的待测柔性屏19的透光率进行检测；例如，可采用LS117透光率计实现透光率检测。

其中，温度控制设备10包括保温密封箱16、设置在保温密封箱16内的温控端17以及与温控端17连接的温控主机18，底座1、左支撑辊2、右支撑辊3、左夹具4、右夹具5均设置在保温密封箱16内，温控端17用于实现保温密封箱16内的温度调节。在本实施例中，左驱动机构6、右驱动机构7、图像采集设备8、透光率检测设备9等均设置在保温密封箱16内。

其中，温控端17用于传递热量，如散热片/制冷片等，温度控制设备10采用常规产品即可。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (10)

1.一种基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，包括以下步骤：

S1、采用弯折耐久测试装置对待测柔性屏于设定的温度下进行弯折耐久测试；

S2、测试过程中，对待测柔性屏每进行一次弯折后，待测柔性屏展开至180°时，采集一次待测柔性屏的表面图像，并同时对所述待测柔性屏的弯折区域进行透光率检测；

S3、对当前采集的待测柔性屏的表面图像中的弯折区域图像进行折痕检测，并处理得到折痕数量M_i和总折痕长度L_i；其中，i表示第i次弯折；

S4、根据预先采集的进行测试前的待测柔性屏的弯折区域的平均透光率T_b0与当前该次弯折后测得的弯折区域的平均透光率T_bi计算得到透光率损失比例η_i：

S5、采用预先构建的数据修正模型对得到的M_i、L_i、η_i进行数据修正，修正后的结果分别记为：M_i′、L_i′、η_i′；

S6、当满足以下条件(a)或(b)时，停止测试，记录当前弯折总次数N_Max，作为待测柔性屏耐久测试的最大弯折次数：

(a)M_B≤M_i′＜γM_B，

且η_i′≥β；

(b)M_i′≥γM_B，且η_i′≥β；

其中，M_B表示预先设置的折痕数量阈值，D表示待测柔性屏沿弯折旋转轴线方向的宽度，α、β、γ均为预先设置的常数，且α≤1，β＜1，γ≥1.2。

2.根据权利要求1所述的基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，所述弯折耐久测试装置包括底座、可转动设置在所述底座上的左支撑辊和右支撑辊、与所述左支撑辊的左侧连接的左夹具、与所述右支撑辊的右侧连接的右夹具、与所述左夹具驱动连接的左驱动机构、与所述右夹具驱动连接的右驱动机构、设置在所述左夹具和右夹具的上方的图像采集设备、透光率检测设备以及温度控制设备；

所述左夹具和右夹具用于分别固定加持待测柔性屏的左、右两端，所述左驱动机构和右驱动机构分别驱动所述左夹具和右夹具同步转动，从而使得待测柔性屏绕所述弯折旋转轴线进行弯折；

所述左支撑辊和右支撑辊对称设置在所述弯折旋转轴线两侧。

3.根据权利要求2所述的基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，所述透光率检测设备包括设置在左夹具和右夹具上方的光源探头以及设置在所述左夹具和右夹具下方且处于左支撑辊和右支撑辊之间的接收探头，所述光源探头发出的光经过待测柔性屏的弯折区域后到达所述光源探头，从而对该区域内的待测柔性屏的透光率进行检测；

其中，所述弯折区域为待测柔性屏上处于左支撑辊的最右端和右支撑辊之间的最左端之间的区域。

4.根据权利要求3所述的基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，所述温度控制设备包括保温密封箱、设置在所述保温密封箱内的温控端以及与所述温控端连接的温控主机，所述底座、左支撑辊、右支撑辊、左夹具、右夹具均设置在所述保温密封箱内，所述温控端用于实现所述保温密封箱内的温度调节。

5.根据权利要求2-4中任意一项所述的基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，所述步骤S3具体包括：

S3-1)从采集的待测柔性屏的表面图像中提取出弯折区域的图像；

S3-2)计算弯折区域的图像的像素灰度值，获取灰度值高于阈值的区域作为候选折痕区域；

S3-3)对特定方向的纹理特征进行增强，该特定方向的纹理为：与待测柔性屏的弯折旋转轴线之间的夹角在-θ至+θ之间的纹理；

S3-4)进行灰度变换，增强候选折痕区域的对比度；

S3-5)采用steger算法提取出候选折痕区域中的折痕；

S3-6)计算弯折区域中的折痕数量M_i以及每条折痕的长度l_i，对所有折痕的长度进行求和，得到总折痕长度L_i。

6.根据权利要求1-4中任意一项所述的基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，所述数据修正模型包括第一子模型Net1和第二子模型Net2，所述数据修正模型进行数据修正的处理方法包括以下步骤：

1)构建训练数据集；

2)采用训练数据集对第一子模型Net1和第二子模型Net2进行训练；

3)将步骤S3得到的折痕数量M_i和总折痕长度L_i，输入训练好的第一子模型Net1，得到修正后的折痕数量M_i′和总折痕长度L_i′；

将步骤S4得到的透光率损失比例η_i输入训练好的第二子模型Net2，得到修正后的透光率损失比例η_i′。

7.根据权利要求6所述的基于大数据的可降低误差的高低温耐久测试分析方法，其特征在于，所述数据修正模型进行数据修正的处理方法包括以下步骤：

1)构建训练数据集：

1-1)提供若干个弯折耐久测试性能已知的具有型号标记的标准柔性屏样品，弯折耐久测试性能包括该标准柔性屏样品达到最大弯折次数N_B次后的折痕数量M_B、总折痕长度L_B及透光率损失比例η_B；该型号标记至少包括标准柔性屏样品的种类及尺寸信息；

1-2)采用所述弯折耐久测试装置于不同温度下对标准柔性屏样品进行弯折耐久测试，弯折数量到达N_B次时停止；每次测试时记录以下信息：标准柔性屏样品的型号X、当前测试的环境温度T以及对应得到的测试结果：折痕数量M_B、总折痕长度L_B、透光率损失比例η_B；

1-3)将每次记录的型号X、温度T、折痕数量M、总折痕长度L以及已知的该标准柔性屏样品在相同温度下的折痕数量M_B、总折痕长度L_B进行组合形成一个数据包，记为第一数据包s1；

将每次记录的型号X、温度T、透光率损失比例η以及已知的该标准柔性屏样品在相同温度下的透光率损失比例η_B进行组合形成一个数据包，记为第二数据包s2；

通过于不同温度下分别对若干标准柔性屏样品进行弯折耐久测试得到若干条第一数据包s1和第二数据包s2，将所有的第一数据包s1组合形成第一数据集S₁、所有的第二数据包s2组合形成第二数据集S₂；

2)模型训练：

以型号X、温度T、折痕数量M、总折痕长度L为输入，同一数据包中对应的折痕数量M_B、总折痕长度L_B为输出，采用第一数据集S₁对基于机器学习算法的第一子模型Net1进行训练，对于每一种型号的柔性屏样品分别进行一下分析：分析M同M_B之间的差值ΔM与温度T的关系y₁，L同L_B之间的差值ΔL与温度T的关系y₂；

从而得到每一种型号的柔性屏样品对应的y₁和y₂，最终得到训练好的第一子模型Net1′；

以温度T、透光率损失比例η为输入，同一数据包中对应的透光率损失比例η_B为输出，采用第二数据集S₂对基于机器学习算法的第二子模型Net2进行训练，对于每一种型号的柔性屏样品分别进行一下分析：分析η同η_B之间的差值Δη与温度T的关系y₃；

从而得到每一种型号的柔性屏样品对应的y₃，最终得到训练好的第二子模型Net2′；

3)误差预测与修正：

将该弯折耐久测试装置对待测柔性屏进行弯折耐久测试得到的折痕数量M_i、总折痕长度L_i以及该待测柔性屏的型号X_i、当前测试的环境温度T_i输入第一子模型Net1′，先匹配与当前待测柔性屏的型号X_i对应的关系y_1i、关系y_2i；然后利用关系y_1i关系对M_i进行修正，得到修正后的结果M_i′，然后利用关系y_2i关系对L_i进行修正，得到修正后的结果L_i′；

将该弯折耐久测试装置对待测柔性屏进行弯折耐久测试得到的透光率损失比例η_i以及该待测柔性屏的型号X_i、当前测试的环境温度T_i输入第二子模型Net2′，先匹配与当前待测柔性屏的型号X_i对应的关系y_3i；然后利用关系yy_3i关系对η_i进行修正，得到修正后的结果η_i′；

最终将M_i′、L_i′、η_i′作为修正结果输出。

8.根据权利要求7所述的基于大数据的可降低误差的高低温耐久测试分析方法，其中，θ＝0-20°。

9.根据权利要求7所述的基于大数据的可降低误差的高低温耐久测试分析方法，其中，α＝0.4～0.7，β＝0.05～0.2，γ＝1.2～3。

10.根据权利要求9所述的基于大数据的可降低误差的高低温耐久测试分析方法，其中，α＝0.5，β＝0.15，γ＝1.4。

Images