CN117233991B - 液晶显示屏的偏光贴片方法、装置、设备及存储介质 - Google Patents
液晶显示屏的偏光贴片方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117233991B CN117233991B CN202311493540.3A CN202311493540A CN117233991B CN 117233991 B CN117233991 B CN 117233991B CN 202311493540 A CN202311493540 A CN 202311493540A CN 117233991 B CN117233991 B CN 117233991B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- liquid crystal
- crystal display
- patch
- 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
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 81
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000002146 bilateral effect Effects 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000010287 polarization Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 14
- 230000000007 visual effect Effects 0.000 description 8
- 238000003708 edge detection Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 230000006978 adaptation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明涉及图像识别技术领域,公开了一种液晶显示屏的偏光贴片方法、装置、设备及存储介质,用于提高液晶显示屏的偏光贴片的准确率。包括:采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集;对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种液晶显示屏的偏光贴片方法、装置、设备及存储介质。
背景技术
在液晶显示屏制造领域,仍然存在一些关键挑战,尤其是在偏光贴片的领域。
传统方法通常需要大量的人工操作,导致生产效率较低,同时增加了人力成本和生产周期,因此成本相对较高。 由于依赖人工干预,存在人为误差的,这导致液晶显示屏的质量不稳定。传统方法缺乏智能化,无法适应不同条件下的生产要求,缺少自适应性和自动化控制。传统方法的缺陷检测能力有限,无法准确检测微小缺陷,导致产品质量下降和废品率增加。
发明内容
本发明提供了一种液晶显示屏的偏光贴片方法、装置、设备及存储介质,用于提高液晶显示屏的偏光贴片的准确率。
本发明第一方面提供了一种液晶显示屏的偏光贴片方法,所述液晶显示屏的偏光贴片方法包括:采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集;
对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;
通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;
通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;
基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。
结合第一方面,在本发明第一方面的第一实施方式中,所述采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集,包括:
通过预置的图像采集装置采集所述目标液晶显示屏的图像数据集;
通过预置的白点算法对所述图像数据集中每个图像进行白平衡处理,得到白平衡图像数据集;
对所述白平衡图像数据集进行色彩偏差校正,得到校正图像数据集;
对所述校正图像数据集进行多模态融合特征分解,得到所述多模态融合特征集。
结合第一方面的第一实施方式,在本发明第一方面的第二实施方式中,所述对所述校正图像数据集进行多模态融合特征分解,得到所述多模态融合特征集,包括:
对所述校正图像数据集进行有效数据筛选,得到多个目标图像;
通过预置的梯度滤波器对每个所述目标图像进行图像梯度信息提取,得到每个所述目标图像的图像梯度数据;
通过预置的梯度双边滤波器分别对每个所述目标图像的图像梯度数据进行数据平滑处理,得到每个所述目标图像的平滑梯度数据;
将每个所述目标图像的平滑梯度数据输入预置的改进脉冲耦合神经网络进行图像边缘信息捕捉,得到每个所述目标图像的图像边缘信息;
基于每个所述目标图像的图像边缘信息,对多个所述目标图像进行多模态融合特征分解,得到所述多模态融合特征集。
结合第一方面的第二实施方式,在本发明第一方面的第三实施方式中,所述对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标,包括:
对多个所述目标图像进行分子边缘检测,得到每个所述目标图像中的分子边缘数据;
通过每个所述目标图像中的分子边缘数据,对每个所述目标图像进行分子边界框标定,得到每个所述目标图像的分子边界框集合;
基于每个所述目标图像的分子边界框集合,对每个所述目标图像进行分子特征提取,得到分子特征集合;
通过所述分子特征集合,对每个所述目标图像进行阈值分割,得到每个所述目标图像对应的分割图像;
对每个所述目标图像对应的分割图像进行液晶分子排列状态分析,得到排列状态指标。
结合第一方面,在本发明第一方面的第四实施方式中,所述通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数,包括:
通过所述排列状态指标对所述目标液晶显示屏进行液晶分子排列方向分析,得到目标排列方向;
对所述排列状态指标进行分子密度计算,得到目标分子密度数据;
通过所述目标排列方向以及所述目标分子密度数据对所述目标液晶显示屏进行亮度均匀性计算,得到亮度均匀性数值;
通过所述多模态融合特征集对所述目标液晶显示屏进行屏幕对比度计算,得到屏幕对比度数值;
基于所述亮度均匀性数值以及所述屏幕对比度数值进行贴片性能参数匹配,得到所述目标贴片性能参数。
结合第一方面,在本发明第一方面的第五实施方式中,所述通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合,包括:
对所述图像数据集进行显著区域提取,得到多个显著区域;
对多个显著区域进行标定位置计算,得到目标标定位置;
通过所述目标标定位置进行位置坐标系构建,得到目标三维坐标系;
通过预置的微波雷达定位装置对所述目标液晶显示屏进行微波定位,得到所述目标液晶显示屏对应的目标位置信息;
在所述目标三维坐标系下,对所述目标位置信息进行位置参数解析,得到所述位置参数集合。
结合第一方面,在本发明第一方面的第六实施方式中,在所述基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片之后,还包括:
通过所述自动贴片装置实时采集在自动贴片过程中的操作参数数据;
对所述操作参数数据进行贴片方向数据计算,得到方向数据集合;
对所述方向数据集合进行角度参数转换,得到目标角度数据;
对所述目标角度数据进行角度变化趋势分析,得到角度变化趋势;
基于所述角度变化趋势进行贴片失误分析,得到失误分析结果;
基于所述失误分析结果生成贴片调整方案,并将所述贴片调整方案传输至预置的贴片控制终端。
本发明第二方面提供了一种液晶显示屏的偏光贴片装置,所述液晶显示屏的偏光贴片装置包括:
采集模块,用于采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集;
分析模块,用于对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;
匹配模块,用于通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;
处理模块,用于通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;
控制模块,用于基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。
本发明第三方面提供了一种液晶显示屏的偏光贴片设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述液晶显示屏的偏光贴片设备执行上述的液晶显示屏的偏光贴片方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的液晶显示屏的偏光贴片方法。
本发明提供的技术方案中,采集目标液晶显示屏的图像数据集,并对图像数据集进行多模态融合特征分解,得到多模态融合特征集;对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。在本申请方案中,通过采集图像数据集和对其进行多模态融合特征分解,系统能够更准确地分析目标液晶显示屏的性能特征。进行排列状态分析,能够更好地理解液晶分子的排列方式。有助于确保偏光贴片与液晶分子的排列方式相匹配,以实现最佳的视觉效果。通过图像数据集进行微波定位处理,可以实现对液晶显示屏的位置参数集合的高效和精确定位。这有助于确保贴片在正确的位置进行,从而减少误差和提高生产效率。利用多模态融合特征集、排列状态指标和位置参数集合,自动控制贴片装置对液晶显示屏进行自动贴片。这消除了人工干预,减少了人为误差,提高了生产线的自动化程度。使用所述排列状态指标和多模态融合特征集,系统能够预测潜在的问题和贴片参数的变化需求。这使得贴片过程更加适应性,能够快速适应新的条件和批次。通过精确的贴片参数匹配和自动化控制,可以确保每个液晶显示屏都具有高质量和一致性。
附图说明
图1为本发明实施例中液晶显示屏的偏光贴片方法的一个实施例示意图;
图2为本发明实施例中对校正图像数据集进行多模态融合特征分解,得到多模态融合特征集的流程图;
图3为本发明实施例中对图像数据集进行液晶分子排列状态分析的流程图;
图4为本发明实施例中通过排列状态指标以及多模态融合特征集对目标液晶显示屏进行贴片性能参数匹配的流程图;
图5为本发明实施例中液晶显示屏的偏光贴片装置的一个实施例示意图;
图6为本发明实施例中液晶显示屏的偏光贴片设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种液晶显示屏的偏光贴片方法、装置、设备及存储介质,用于提高液晶显示屏的偏光贴片的准确率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中液晶显示屏的偏光贴片方法的一个实施例包括:
S101、采集预置的目标液晶显示屏的图像数据集,并对图像数据集进行多模态融合特征分解,得到多模态融合特征集;
可以理解的是,本发明的执行主体可以为液晶显示屏的偏光贴片装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,采集目标液晶显示屏的图像数据集。这个过程需要使用预置的图像采集装置,例如高分辨率相机,来捕获目标液晶显示屏的图像数据。这些图像数据包含了显示屏的各种特征和信息。对采集到的图像数据集进行多模态融合特征分解。通过预置的白点算法对图像数据集中的每个图像进行白平衡处理。白平衡处理是一种图像处理技术,用于校正图像中的颜色偏差,以确保白色看起来真正是白色,而不带有不必要的色彩偏差。这有助于提高图像的准确性和质量。对白平衡处理后的图像数据集进行色彩偏差校正。这一步是为了进一步校正图像中存在的颜色偏差,以确保图像的准确性和一致性。色彩偏差校正可以通过比较每个像素的颜色值与标准颜色进行调整来实现。对校正后的图像数据集进行多模态融合特征分解。在这个步骤中,不同的特征和信息从图像中提取出来,并结合在一起以形成多模态融合特征集。这个特征集包括颜色特征、亮度特征、纹理特征、形状特征等多种信息,这有助于更全面地描述目标液晶显示屏的特性。
其中,对校正图像数据集进行有效数据筛选,以得到多个目标图像。这个步骤可以帮助排除不必要的信息,使分析更加精确和高效。例如,可以排除低质量或无用的图像,只保留具有实际参考价值的图像。使用预置的梯度滤波器对每个目标图像进行图像梯度信息提取。图像梯度信息是图像中像素值变化的度量,有助于检测图像中的边缘和细节。这一步骤提取了每个目标图像的梯度数据,为后续处理做准备。通过预置的梯度双边滤波器对每个目标图像的图像梯度数据进行数据平滑处理。梯度双边滤波器有助于平滑梯度数据,减少噪声和不必要的细节,从而提高了数据的质量和可用性。将每个目标图像的平滑梯度数据输入预置的改进脉冲耦合神经网络。这是一种深度学习神经网络,用于图像边缘信息的捕捉。神经网络通过学习和分析每个图像的特征,识别图像中的边缘信息。这有助于进一步提高数据的可用性和提取关键特征。基于每个目标图像的图像边缘信息,对多个目标图像进行多模态融合特征分解。这一步骤通过综合不同图像的边缘信息,获得了多模态融合特征集。这个特征集包含了各个图像的共同特征,有助于识别和分析液晶显示屏的性能和质量。
S102、对图像数据集进行液晶分子排列状态分析,得到排列状态指标;
具体的,对多个目标图像进行分子边缘检测。分子边缘检测的目的是确定图像中液晶分子的边缘位置,这些边缘位置有助于分析液晶的排列状态。这一步骤可以使用图像处理技术,如边缘检测算法来实现。通过每个目标图像中的分子边缘数据,对每个图像进行分子边界框标定。分子边界框是一个矩形框,用于标识分子边缘的位置。这一步骤有助于将液晶分子的位置和形状与图像关联起来,以便后续分析。基于每个目标图像的分子边界框集合,对每个图像进行分子特征提取。分子特征包括液晶分子的大小、形状、分布等信息。这些特征提取方法可以采用计算机视觉技术和图像分析算法。通过分子特征集合,对每个目标图像进行阈值分割。阈值分割是一种图像处理技术,用于将图像分割成不同的区域,以便进一步分析。在这一步骤中,分子特征的信息用于确定分割图像中液晶分子的位置。对每个目标图像对应的分割图像进行液晶分子排列状态分析,以获得排列状态指标。这一分析可以通过观察分割图像中液晶分子的排列方式来实现。这些指标有助于了解液晶分子在液晶显示屏上的排列状态。
S103、通过排列状态指标以及多模态融合特征集对目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;
具体的,根据排列状态指标对目标液晶显示屏进行液晶分子排列方向分析。液晶分子的排列方向直接影响显示屏的性能。通过分析排列状态指标,可以确定液晶分子的排列方式和方向。接着,对排列状态指标进行分子密度计算。分子密度是指液晶分子在单位面积内的数量,它是另一个重要参数,影响液晶的光学性能。分子密度的计算有助于了解液晶分子的分布情况。通过目标排列方向和目标分子密度数据对目标液晶显示屏进行亮度均匀性计算。亮度均匀性是指显示屏不同区域的亮度是否均匀分布。计算亮度均匀性数值有助于确定显示屏的均匀性。同时,通过多模态融合特征集对目标液晶显示屏进行屏幕对比度计算。屏幕对比度是显示屏显示能力的关键参数,它与图像的清晰度和对比度有关。多模态融合特征集提供了各种信息源,以计算屏幕对比度数值。基于亮度均匀性数值和屏幕对比度数值,进行贴片性能参数匹配,以获得目标贴片性能参数。这个匹配过程可以使用预定义的算法和标准进行,以确定贴片的要求和规格。
S104、通过图像数据集对目标液晶显示屏进行微波定位处理,得到位置参数集合;
具体的,对图像数据集进行显著区域提取。这一步骤的目标是从目标液晶显示屏的图像数据集中提取出具有显著性的区域。这些区域通常包括显示屏的主要组成部分,如屏幕和边框。显著区域提取可以借助计算机视觉技术,例如边缘检测、颜色分割或形状分析,以自动识别和提取这些区域。对多个显著区域进行标定位置计算。这一步骤旨在确定每个显著区域在图像中的确切位置。通常,这可以通过在图像上放置标志物或参考点,并使用这些标志物的位置信息来计算显著区域的位置。标定位置计算有助于确保微波定位的准确性。通过目标标定位置构建位置坐标系。这一步骤的目的是将显著区域的位置信息映射到三维空间中,以便进行微波定位处理。坐标系的构建需要参考点的位置和坐标系的构建方法,以确保图像数据与三维空间的协调。采用预置的微波雷达定位装置对目标液晶显示屏进行微波定位。这些微波雷达装置会发送微波信号,并根据信号的反射和回波来测量目标液晶显示屏的位置信息。这些信息包括距离、角度和坐标,用于确定目标的位置。在目标三维坐标系下,对目标位置信息进行位置参数解析。这一步骤有助于将微波定位的数据与图像数据相结合,从而生成位置参数集合。这些参数描述了液晶显示屏在三维空间中的位置和方向。
S105、基于目标贴片性能参数以及位置参数集合,控制自动贴片装置对液晶显示屏进行自动贴片。
需要说明的是,实时采集操作参数数据,这些数据包括在自动贴片过程中的各种操作参数,如贴片速度、位置、贴片力度等。这些数据是调整和分析的基础。对这些操作参数数据进行贴片方向数据计算,以获得方向数据集合。这些数据有助于确定贴片的方向,即液晶显示屏在贴片装置上的旋转方向。进行角度参数转换,将方向数据集合转化为目标角度数据。这些角度数据表示了液晶显示屏在贴片装置上的旋转角度。对目标角度数据进行角度变化趋势分析。这一步骤有助于确定液晶显示屏在贴片过程中的旋转趋势,即液晶显示屏在装置上的旋转是否存在偏差或不稳定。基于角度变化趋势的分析,进行贴片失误分析。这一步骤的目的是检测是否存在贴片过程中的错误或异常,例如贴片方向偏差、旋转不稳定等问题。失误分析可以帮助及早识别问题并进行纠正。基于失误分析结果生成贴片调整方案。这些调整方案是根据分析的结果制定的,可以包括调整贴片方向、修改贴片力度或速度,或其他必要的措施,以确保贴片的准确性和质量。生成的贴片调整方案会传输至预置的贴片控制终端。这个终端可以与自动贴片装置进行通信,并实施调整方案。这样,液晶显示屏的贴片过程可以及时调整,以确保每个液晶显示屏的贴片都是准确的。例如,假设服务器通过自动贴片实时采集操作参数数据,包括贴片速度、力度和方向。通过分析这些数据,服务器计算出贴片方向和角度数据,并进行角度变化趋势分析。如果分析发现某个液晶显示屏的贴片存在偏差或不稳定,系统会生成相应的贴片调整方案,比如微调贴片方向或减小贴片速度。这些调整方案会传输至贴片控制终端,负责自动贴片装置的操作员可以及时执行调整,以确保液晶显示屏的贴片质量。
本发明实施例中,采集目标液晶显示屏的图像数据集,并对图像数据集进行多模态融合特征分解,得到多模态融合特征集;对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。在本申请方案中,通过采集图像数据集和对其进行多模态融合特征分解,系统能够更准确地分析目标液晶显示屏的性能特征。进行排列状态分析,能够更好地理解液晶分子的排列方式。有助于确保偏光贴片与液晶分子的排列方式相匹配,以实现最佳的视觉效果。通过图像数据集进行微波定位处理,可以实现对液晶显示屏的位置参数集合的高效和精确定位。这有助于确保贴片在正确的位置进行,从而减少误差和提高生产效率。利用多模态融合特征集、排列状态指标和位置参数集合,自动控制贴片装置对液晶显示屏进行自动贴片。这消除了人工干预,减少了人为误差,提高了生产线的自动化程度。使用所述排列状态指标和多模态融合特征集,系统能够预测潜在的问题和贴片参数的变化需求。这使得贴片过程更加适应性,能够快速适应新的条件和批次。通过精确的贴片参数匹配和自动化控制,可以确保每个液晶显示屏都具有高质量和一致性。
在一具体实施例中,执行步骤S101的过程可以具体包括如下步骤:
(1)通过预置的图像采集装置采集目标液晶显示屏的图像数据集;
(2)通过预置的白点算法对图像数据集中每个图像进行白平衡处理,得到白平衡图像数据集;
(3)对白平衡图像数据集进行色彩偏差校正,得到校正图像数据集;
(4)对校正图像数据集进行多模态融合特征分解,得到多模态融合特征集。
具体的,通过预置的图像采集装置采集目标液晶显示屏的图像数据集。这是从目标显示屏获取视觉信息的起始点。图像采集装置可以是相机、扫描仪或其他图像传感器,它捕捉液晶显示屏的图像,并将其保存为数字图像数据。进行白平衡处理。这是确保图像的颜色准确性和一致性的重要步骤。通过预置的白点算法,对图像数据集中的每个图像进行白平衡处理。白平衡是一种校正方法,旨在消除图像中的色偏,确保白色看起来真正如白色那样。这是为了保持图像的色彩准确性。在完成白平衡处理后,进行色彩偏差校正。这一步骤的目的是校正图像中存在的色彩偏差,使其看起来与实际场景更一致。这可以包括校正饱和度、对比度和色调等方面的调整。对校正图像数据集进行多模态融合特征分解。多模态融合特征分解是一种高级图像处理技术,旨在从图像中提取多种特征,并将它们融合成一个综合的特征集。这个特征集可以包括颜色、纹理、形状和其他方面的信息,用于进一步的分析和处理。
在一具体实施例中,如图2所示,执行对校正图像数据集进行多模态融合特征分解,得到多模态融合特征集步骤的过程可以具体包括如下步骤:
S201、对校正图像数据集进行有效数据筛选,得到多个目标图像;
S202、通过预置的梯度滤波器对每个目标图像进行图像梯度信息提取,得到每个目标图像的图像梯度数据;
S203、通过预置的梯度双边滤波器分别对每个目标图像的图像梯度数据进行数据平滑处理,得到每个目标图像的平滑梯度数据;
S204、将每个目标图像的平滑梯度数据输入预置的改进脉冲耦合神经网络进行图像边缘信息捕捉,得到每个目标图像的图像边缘信息;
S205、基于每个目标图像的图像边缘信息,对多个目标图像进行多模态融合特征分解,得到多模态融合特征集。
需要说明的是,对校正图像数据集进行有效数据筛选。这一步骤是为了从校正图像数据集中选择出需要进一步分析的目标图像。筛选可以基于不同的标准,如亮度、对比度、清晰度等,以确保选择的图像具有高质量和足够的信息以进行后续处理。接下来使用预置的梯度滤波器对每个目标图像进行图像梯度信息提取。这一步骤旨在捕捉图像中不同区域的亮度变化和轮廓信息。梯度信息有助于确定图像中的边缘和细节。采用预置的梯度双边滤波器对每个目标图像的图像梯度数据进行数据平滑处理。梯度双边滤波器是一种图像处理工具,用于平滑梯度数据,同时保持图像的细节信息。这有助于减少噪声和不必要的细节,从而更好地捕捉图像的主要特征。将每个目标图像的平滑梯度数据输入预置的改进脉冲耦合神经网络。这种神经网络是一种用于图像处理和特征提取的深度学习模型。通过这个网络,可以捕捉每个目标图像的图像边缘信息。这些边缘信息可以帮助确定图像中的物体边界和关键特征。基于每个目标图像的图像边缘信息,进行多模态融合特征分解。这一步骤涉及将从不同图像中提取的边缘信息融合在一起,以生成一个多模态融合特征集。这个特征集可以包括各种信息,如纹理、形状和边缘强度等,用于进一步的分析和处理。
在一具体实施例中,如图3所示,执行步骤S102的过程可以具体包括如下步骤:
S301、对多个目标图像进行分子边缘检测,得到每个目标图像中的分子边缘数据;
S302、通过每个目标图像中的分子边缘数据,对每个目标图像进行分子边界框标定,得到每个目标图像的分子边界框集合;
S303、基于每个目标图像的分子边界框集合,对每个目标图像进行分子特征提取,得到分子特征集合;
S304、通过分子特征集合,对每个目标图像进行阈值分割,得到每个目标图像对应的分割图像;
S305、对每个目标图像对应的分割图像进行液晶分子排列状态分析,得到排列状态指标。
需要说明的是,对多个目标图像进行分子边缘检测。目的是识别图像中液晶分子的边缘。分子边缘检测方法可以基于图像的亮度和对比度变化来实现。接下来使用每个目标图像中的分子边缘数据,对每个目标图像进行分子边界框标定。将一个边界框或区域框拟合到每个分子的边缘周围。这些边界框可以用于描述每个分子的位置和形状。基于每个目标图像的分子边界框集合,服务器进行分子特征提取。这一步骤旨在从分子的形状、大小和相对位置等方面提取特征。这些特征可以包括分子的面积、周长、形状因子等。使用分子特征集合,对每个目标图像进行阈值分割。阈值分割是一种图像处理技术,通过设定适当的阈值来将图像分为不同的区域。在这种情况下,阈值分割可以用于将每个目标图像划分为不同的分子区域。对每个目标图像对应的分割图像进行液晶分子排列状态分析。这一步骤可以用来确定每个分子区域内液晶分子的排列状态,包括它们的方向、密度和排列模式等。这些信息对于液晶显示屏的性能和质量分析非常重要。例如,假设服务器通过对每个屏幕图像进行分子边缘检测,获得分子边缘数据。通过分子边界框标定,服务器确定每个分子的位置和形状。接着,服务器提取分子特征,例如每个分子的面积和周长。使用这些特征进行阈值分割,将图像分割成不同的分子区域。服务器进行液晶分子排列状态分析,以了解每个分子区域内液晶分子的排列方式。这可以帮助服务器评估液晶显示屏的性能和质量,并确保液晶分子的排列是均匀的,不会导致视觉问题。
在一具体实施例中,如图4所示,执行步骤S103的过程可以具体包括如下步骤:
S401、通过排列状态指标对目标液晶显示屏进行液晶分子排列方向分析,得到目标排列方向;
S402、对排列状态指标进行分子密度计算,得到目标分子密度数据;
S403、通过目标排列方向以及目标分子密度数据对目标液晶显示屏进行亮度均匀性计算,得到亮度均匀性数值;
S404、通过多模态融合特征集对目标液晶显示屏进行屏幕对比度计算,得到屏幕对比度数值;
S405、基于亮度均匀性数值以及屏幕对比度数值进行贴片性能参数匹配,得到目标贴片性能参数。
具体的,通过排列状态指标对目标液晶显示屏进行液晶分子排列方向分析。这一步骤旨在确定液晶分子在显示屏上的排列方向。液晶分子的排列方向会影响显示屏的性能,包括视角范围和色彩表现。对排列状态指标进行分子密度计算。这涉及计算单位面积内液晶分子的数量,即分子密度。分子密度是液晶显示屏性能的关键参数之一,因为它直接影响到显示屏的亮度和对比度。利用目标排列方向和目标分子密度数据,进行亮度均匀性计算。亮度均匀性计算有助于确定显示屏不同区域的亮度分布是否均匀。一个均匀的亮度分布对于显示屏的视觉体验至关重要。使用多模态融合特征集进行屏幕对比度计算。屏幕对比度表示了显示屏上不同区域的亮度差异,它是一个关键的视觉参数。屏幕对比度的高低将影响显示屏的图像质量和可视性。基于亮度均匀性数值以及屏幕对比度数值进行贴片性能参数匹配。这一步骤涉及将亮度均匀性和对比度参数与贴片性能参数进行比较,并确定最佳匹配。贴片性能参数可以包括液晶层的厚度、对光的吸收率等,这些参数将影响显示屏的性能和质量。
在一具体实施例中,执行步骤S104的过程可以具体包括如下步骤:
(1)对图像数据集进行显著区域提取,得到多个显著区域;
(2)对多个显著区域进行标定位置计算,得到目标标定位置;
(3)通过目标标定位置进行位置坐标系构建,得到目标三维坐标系;
(4)通过预置的微波雷达定位装置对目标液晶显示屏进行微波定位,得到目标液晶显示屏对应的目标位置信息;
(5)在目标三维坐标系下,对目标位置信息进行位置参数解析,得到位置参数集合。
具体的,服务器对图像数据集进行显著区域提取。这是通过图像处理技术和算法实现的,旨在识别图像中与液晶显示屏相关的关键区域。这些显著区域包括显示屏的边缘、特定图案或标识等。这一步骤有助于提取显示屏的特征,以便后续的处理。对多个显著区域进行标定位置计算。在这一步骤中,服务器确定了这些显著区域在图像中的精确位置。这可以通过计算图像中的像素坐标来实现,从而获得每个显著区域的位置信息。这将有助于后续的位置参数计算。通过目标标定位置进行位置坐标系构建,得到目标三维坐标系。这一步骤将提供一个坐标系统,使服务器能够在三维空间中准确定位目标液晶显示屏。通过将显著区域的位置信息映射到三维坐标系中,服务器建立与液晶显示屏相关的坐标系。服务器使用预置的微波雷达定位装置对目标液晶显示屏进行微波定位。微波雷达是一种有效的定位技术,可以测量目标的位置,无论是否存在障碍物或遮挡。通过收集微波信号的反射数据,定位装置能够确定液晶显示屏的位置信息。在目标三维坐标系下,对目标位置信息进行位置参数解析,得到位置参数集合。这一步骤涉及将微波定位装置获取的位置信息与三维坐标系中的坐标进行匹配和解析。这将为服务器提供液晶显示屏的精确位置参数集合,包括位置坐标、方向和距离等信息。例如,假设服务器使用图像处理技术从图像数据集中提取出液晶显示屏的显著区域,如屏幕的四个角和中心。服务器计算这些区域的精确位置坐标,并构建了一个三维坐标系,其中以屏幕中心为原点。服务器使用微波雷达定位装置对液晶显示屏进行微波定位,获取其精确位置信息。服务器将微波定位数据映射到三维坐标系中,解析得到位置参数集合,以确保液晶显示屏的位置精确无误。
在一具体实施例中,执行步骤S105之后,还可以具体包括如下步骤:
(1)通过自动贴片装置实时采集在自动贴片过程中的操作参数数据;
(2)对操作参数数据进行贴片方向数据计算,得到方向数据集合;
(3)对方向数据集合进行角度参数转换,得到目标角度数据;
(4)对目标角度数据进行角度变化趋势分析,得到角度变化趋势;
(5)基于角度变化趋势进行贴片失误分析,得到失误分析结果;
(6)基于失误分析结果生成贴片调整方案,并将贴片调整方案传输至预置的贴片控制终端。
具体的,通过自动贴片装置实时采集在自动贴片过程中的操作参数数据。这些操作参数数据包括贴片速度、贴片压力、贴片温度等,有助于提升贴片的精确性和质量。通过实时采集这些数据,服务器建立一个全面的操作参数数据集。对操作参数数据进行贴片方向数据计算,得到方向数据集合。这一步骤涉及分析操作参数,以确定贴片过程中贴片方向的变化。方向数据集合将包括各个时刻的方向信息,这有助于了解贴片装置在不同阶段的方向性能。对方向数据集合进行角度参数转换,得到目标角度数据。这一步骤将方向数据集合转化为角度数据,以便更好地理解贴片过程中的方向性能。这些角度数据将帮助服务器识别任何潜在的角度偏差或变化。接着,对目标角度数据进行角度变化趋势分析,得到角度变化趋势。这一分析将考察角度数据随时间的演变,以发现任何明显的趋势或周期性变化。这有助于确定贴片装置的稳定性和一致性。基于角度变化趋势进行贴片失误分析,得到失误分析结果。通过比较角度变化趋势与预期标准,服务器检测到任何异常或失误情况。失误分析结果可以包括涉及贴片方向的问题,例如贴片偏斜、旋转或不稳定性。基于失误分析结果生成贴片调整方案,并将其传输至预置的贴片控制终端。这一步骤涉及制定纠正措施,以解决贴片装置的失误问题。例如,如果发现贴片方向偏斜,可以通过自动调整贴片装置的参数来纠正。这个调整方案会根据具体问题和数据分析而定,以确保贴片质量和准确性。例如,假设一个液晶显示屏生产线上的自动贴片装置在操作过程中出现了频繁的贴片偏斜问题。通过实时采集操作参数数据,分析方向性能并检测角度变化趋势,生产线的操作人员可以发现问题并进行失误分析。根据失误分析结果,服务器生成贴片调整方案,例如通过微调贴片装置的位置或压力来纠正方向偏斜。这个调整方案可以通过贴片控制终端传输到自动贴片装置,实时进行调整,从而提高贴片的准确性和质量。
通过以上步骤,通过采集图像数据集和对其进行多模态融合特征分解,系统能够更准确地分析目标液晶显示屏的性能特征。进行排列状态分析,能够更好地理解液晶分子的排列方式。有助于确保偏光贴片与液晶分子的排列方式相匹配,以实现最佳的视觉效果。通过图像数据集进行微波定位处理,可以实现对液晶显示屏的位置参数集合的高效和精确定位。这有助于确保贴片在正确的位置进行,从而减少误差和提高生产效率。利用多模态融合特征集、排列状态指标和位置参数集合,自动控制贴片装置对液晶显示屏进行自动贴片。这消除了人工干预,减少了人为误差,提高了生产线的自动化程度。使用所述排列状态指标和多模态融合特征集,系统能够预测潜在的问题和贴片参数的变化需求。这使得贴片过程更加适应性,能够快速适应新的条件和批次。通过精确的贴片参数匹配和自动化控制,可以确保每个液晶显示屏都具有高质量和一致性。
上面对本发明实施例中液晶显示屏的偏光贴片方法进行了描述,下面对本发明实施例中液晶显示屏的偏光贴片装置进行描述,请参阅图5,本发明实施例中液晶显示屏的偏光贴片装置一个实施例包括:
采集模块501,用于采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集;
分析模块502,用于对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;
匹配模块503,用于通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;
处理模块504,用于通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;
控制模块505,用于基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。
通过上述各个组成部分的协同合作,通过采集图像数据集和对其进行多模态融合特征分解,系统能够更准确地分析目标液晶显示屏的性能特征。进行排列状态分析,能够更好地理解液晶分子的排列方式。有助于确保偏光贴片与液晶分子的排列方式相匹配,以实现最佳的视觉效果。通过图像数据集进行微波定位处理,可以实现对液晶显示屏的位置参数集合的高效和精确定位。这有助于确保贴片在正确的位置进行,从而减少误差和提高生产效率。利用多模态融合特征集、排列状态指标和位置参数集合,自动控制贴片装置对液晶显示屏进行自动贴片。这消除了人工干预,减少了人为误差,提高了生产线的自动化程度。使用所述排列状态指标和多模态融合特征集,系统能够预测潜在的问题和贴片参数的变化需求。这使得贴片过程更加适应性,能够快速适应新的条件和批次。通过精确的贴片参数匹配和自动化控制,可以确保每个液晶显示屏都具有高质量和一致性。
上面图5从模块化功能实体的角度对本发明实施例中的液晶显示屏的偏光贴片装置进行详细描述,下面从硬件处理的角度对本发明实施例中液晶显示屏的偏光贴片设备进行详细描述。
图6是本发明实施例提供的一种液晶显示屏的偏光贴片设备的结构示意图,该液晶显示屏的偏光贴片设备600可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessingunits,CPU)610(例如,一个或一个以上处理器)和存储器620,一个或一个以上存储应用程序633或数据632的存储介质630(例如一个或一个以上海量存储设备)。其中,存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对液晶显示屏的偏光贴片设备600中的一系列指令操作。更进一步地,处理器610可以设置为与存储介质630通信,在液晶显示屏的偏光贴片设备600上执行存储介质630中的一系列指令操作。
液晶显示屏的偏光贴片设备600还可以包括一个或一个以上电源640,一个或一个以上有线或无线网络接口650,一个或一个以上输入输出接口660,和/或,一个或一个以上操作系统631,例如WindowsServe,MacOSX,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图6示出的液晶显示屏的偏光贴片设备结构并不构成对液晶显示屏的偏光贴片设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种液晶显示屏的偏光贴片设备,所述液晶显示屏的偏光贴片设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述液晶显示屏的偏光贴片方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述液晶显示屏的偏光贴片方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或通过时,可以存储在一个计算机可读取存储介质中。基于的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomacceSmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围。
Claims (7)
1.一种液晶显示屏的偏光贴片方法,其特征在于,所述液晶显示屏的偏光贴片方法包括:
采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集;具体包括:通过预置的图像采集装置采集所述目标液晶显示屏的图像数据集;通过预置的白点算法对所述图像数据集中每个图像进行白平衡处理,得到白平衡图像数据集;对所述白平衡图像数据集进行色彩偏差校正,得到校正图像数据集;对所述校正图像数据集进行多模态融合特征分解,得到所述多模态融合特征集;其中,对所述校正图像数据集进行有效数据筛选,得到多个目标图像;通过预置的梯度滤波器对每个所述目标图像进行图像梯度信息提取,得到每个所述目标图像的图像梯度数据;通过预置的梯度双边滤波器分别对每个所述目标图像的图像梯度数据进行数据平滑处理,得到每个所述目标图像的平滑梯度数据;将每个所述目标图像的平滑梯度数据输入预置的改进脉冲耦合神经网络进行图像边缘信息捕捉,得到每个所述目标图像的图像边缘信息;基于每个所述目标图像的图像边缘信息,对多个所述目标图像进行多模态融合特征分解,得到所述多模态融合特征集;
对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;具体包括:对多个所述目标图像进行分子边缘检测,得到每个所述目标图像中的分子边缘数据;通过每个所述目标图像中的分子边缘数据,对每个所述目标图像进行分子边界框标定,得到每个所述目标图像的分子边界框集合;基于每个所述目标图像的分子边界框集合,对每个所述目标图像进行分子特征提取,得到分子特征集合;通过所述分子特征集合,对每个所述目标图像进行阈值分割,得到每个所述目标图像对应的分割图像;对每个所述目标图像对应的分割图像进行液晶分子排列状态分析,得到排列状态指标;
通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;
通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;
基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。
2.根据权利要求1所述的液晶显示屏的偏光贴片方法,其特征在于,所述通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数,包括:
通过所述排列状态指标对所述目标液晶显示屏进行液晶分子排列方向分析,得到目标排列方向;
对所述排列状态指标进行分子密度计算,得到目标分子密度数据;
通过所述目标排列方向以及所述目标分子密度数据对所述目标液晶显示屏进行亮度均匀性计算,得到亮度均匀性数值;
通过所述多模态融合特征集对所述目标液晶显示屏进行屏幕对比度计算,得到屏幕对比度数值;
基于所述亮度均匀性数值以及所述屏幕对比度数值进行贴片性能参数匹配,得到所述目标贴片性能参数。
3.根据权利要求1所述的液晶显示屏的偏光贴片方法,其特征在于,所述通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合,包括:
对所述图像数据集进行显著区域提取,得到多个显著区域;
对多个显著区域进行标定位置计算,得到目标标定位置;
通过所述目标标定位置进行位置坐标系构建,得到目标三维坐标系;
通过预置的微波雷达定位装置对所述目标液晶显示屏进行微波定位,得到所述目标液晶显示屏对应的目标位置信息;
在所述目标三维坐标系下,对所述目标位置信息进行位置参数解析,得到所述位置参数集合。
4.根据权利要求1所述的液晶显示屏的偏光贴片方法,其特征在于,在所述基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片之后,还包括:
通过所述自动贴片装置实时采集在自动贴片过程中的操作参数数据;
对所述操作参数数据进行贴片方向数据计算,得到方向数据集合;
对所述方向数据集合进行角度参数转换,得到目标角度数据;
对所述目标角度数据进行角度变化趋势分析,得到角度变化趋势;
基于所述角度变化趋势进行贴片失误分析,得到失误分析结果;
基于所述失误分析结果生成贴片调整方案,并将所述贴片调整方案传输至预置的贴片控制终端。
5.一种液晶显示屏的偏光贴片装置,其特征在于,所述液晶显示屏的偏光贴片装置包括:
采集模块,用于采集预置的目标液晶显示屏的图像数据集,并对所述图像数据集进行多模态融合特征分解,得到多模态融合特征集;具体包括:通过预置的图像采集装置采集所述目标液晶显示屏的图像数据集;通过预置的白点算法对所述图像数据集中每个图像进行白平衡处理,得到白平衡图像数据集;对所述白平衡图像数据集进行色彩偏差校正,得到校正图像数据集;对所述校正图像数据集进行多模态融合特征分解,得到所述多模态融合特征集;其中,对所述校正图像数据集进行有效数据筛选,得到多个目标图像;通过预置的梯度滤波器对每个所述目标图像进行图像梯度信息提取,得到每个所述目标图像的图像梯度数据;通过预置的梯度双边滤波器分别对每个所述目标图像的图像梯度数据进行数据平滑处理,得到每个所述目标图像的平滑梯度数据;将每个所述目标图像的平滑梯度数据输入预置的改进脉冲耦合神经网络进行图像边缘信息捕捉,得到每个所述目标图像的图像边缘信息;基于每个所述目标图像的图像边缘信息,对多个所述目标图像进行多模态融合特征分解,得到所述多模态融合特征集;
分析模块,用于对所述图像数据集进行液晶分子排列状态分析,得到排列状态指标;具体包括:对多个所述目标图像进行分子边缘检测,得到每个所述目标图像中的分子边缘数据;通过每个所述目标图像中的分子边缘数据,对每个所述目标图像进行分子边界框标定,得到每个所述目标图像的分子边界框集合;基于每个所述目标图像的分子边界框集合,对每个所述目标图像进行分子特征提取,得到分子特征集合;通过所述分子特征集合,对每个所述目标图像进行阈值分割,得到每个所述目标图像对应的分割图像;对每个所述目标图像对应的分割图像进行液晶分子排列状态分析,得到排列状态指标;
匹配模块,用于通过所述排列状态指标以及所述多模态融合特征集对所述目标液晶显示屏进行贴片性能参数匹配,得到目标贴片性能参数;
处理模块,用于通过所述图像数据集对所述目标液晶显示屏进行微波定位处理,得到位置参数集合;
控制模块,用于基于所述目标贴片性能参数以及所述位置参数集合,控制自动贴片装置对所述液晶显示屏进行自动贴片。
6.一种液晶显示屏的偏光贴片设备,其特征在于,所述液晶显示屏的偏光贴片设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述液晶显示屏的偏光贴片设备执行如权利要求1-4中任一项所述的液晶显示屏的偏光贴片方法。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-4中任一项所述的液晶显示屏的偏光贴片方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311493540.3A CN117233991B (zh) | 2023-11-10 | 2023-11-10 | 液晶显示屏的偏光贴片方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311493540.3A CN117233991B (zh) | 2023-11-10 | 2023-11-10 | 液晶显示屏的偏光贴片方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117233991A CN117233991A (zh) | 2023-12-15 |
CN117233991B true CN117233991B (zh) | 2024-03-19 |
Family
ID=89086413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311493540.3A Active CN117233991B (zh) | 2023-11-10 | 2023-11-10 | 液晶显示屏的偏光贴片方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117233991B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149727A (zh) * | 2011-12-06 | 2013-06-12 | 上海天马微电子有限公司 | 自动对正贴片方法及系统 |
CN110334708A (zh) * | 2019-07-03 | 2019-10-15 | 中国科学院自动化研究所 | 跨模态目标检测中的差异自动校准方法、系统、装置 |
CN210323665U (zh) * | 2019-09-29 | 2020-04-14 | 深圳市康博思精密设备有限公司 | 一种液晶显示器贴偏光片的借位校正装置 |
CN111462128A (zh) * | 2020-05-28 | 2020-07-28 | 南京大学 | 一种基于多模态光谱图像的像素级图像分割系统及方法 |
CN114066954A (zh) * | 2021-11-23 | 2022-02-18 | 广东工业大学 | 一种用于多模态图像的特征提取配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11270429B2 (en) * | 2019-06-13 | 2022-03-08 | Tata Consultancy Services Limited | Method and system for impurity detection using multi-modal imaging |
-
2023
- 2023-11-10 CN CN202311493540.3A patent/CN117233991B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103149727A (zh) * | 2011-12-06 | 2013-06-12 | 上海天马微电子有限公司 | 自动对正贴片方法及系统 |
CN110334708A (zh) * | 2019-07-03 | 2019-10-15 | 中国科学院自动化研究所 | 跨模态目标检测中的差异自动校准方法、系统、装置 |
CN210323665U (zh) * | 2019-09-29 | 2020-04-14 | 深圳市康博思精密设备有限公司 | 一种液晶显示器贴偏光片的借位校正装置 |
CN111462128A (zh) * | 2020-05-28 | 2020-07-28 | 南京大学 | 一种基于多模态光谱图像的像素级图像分割系统及方法 |
CN114066954A (zh) * | 2021-11-23 | 2022-02-18 | 广东工业大学 | 一种用于多模态图像的特征提取配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117233991A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN109489566B (zh) | 锂电池隔膜材料分切宽度检测方法、检测系统及装置 | |
CN110443836A (zh) | 一种基于平面特征的点云数据自动配准方法及装置 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN110827361B (zh) | 基于全局标定架的相机组标定方法及装置 | |
CN111062991A (zh) | 一种光伏场景的巡检目标定位方法、设备及可读存储介质 | |
CN105989588B (zh) | 一种异形材料切割图像校正方法及系统 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN116165216B (zh) | 一种液晶显示屏微划伤瑕疵3d检测方法、系统及计算设备 | |
CN117095005B (zh) | 一种基于机器视觉的塑料母粒质检方法及系统 | |
CN112730251B (zh) | 一种用于屏幕颜色缺陷检测的装置及方法 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
CN111221996B (zh) | 仪表屏幕视觉检测方法和系统 | |
CN116051551A (zh) | 基于图像处理的显示屏缺陷检测方法及相关装置 | |
CN111563867A (zh) | 一种用于提升图像清晰度的图像融合方法 | |
CN115205218A (zh) | 一种软排线装配检测方法、装置、电子设备及存储介质 | |
CN117233991B (zh) | 液晶显示屏的偏光贴片方法、装置、设备及存储介质 | |
CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
CN116862881A (zh) | 基于图像处理的多目标实时偏移检测方法 | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN109000887B (zh) | 一种图案检测装置及方法、图案化控制系统及方法 | |
CN116921853A (zh) | 一种基于激光切割的视觉测量标定方法、系统及标定终端 | |
CN114727502B (zh) | 一种计算机辅助下的pcb板自动对位切割方法及系统 | |
CN115641326A (zh) | 用于陶瓷天线pin针图像的亚像素尺寸检测方法及系统 |
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 |