LED显示屏显示缺陷检测方法、电子设备及装置与流程

led显示屏显示缺陷检测方法、电子设备及装置
技术领域
1.本发明涉及一种led显示屏显示缺陷检测方法、电子设备及装置，属于led显示屏质检领域。


背景技术：

2.目前led显示屏缺陷检测所使用的方法通常是使显示屏显示特定图案，用相机拍摄显示的画面，然后分析拍摄得到的图像，历遍所有像素点，检测显示屏是否有缺陷。这种方法忽略了led显示屏本身的特点，直接以整个显示屏作为检测对象。实际上，一个完整的led显示屏通常是由多个分辨率为240x180或320x240显示模组（多数为箱体）拼接而成，现有技术的检测方法忽略了led显示屏的模块性，检测效率低，检出缺陷后难定位。


技术实现要素：

3.为了克服现有技术的不足，本发明提供一种led显示屏显示缺陷检测方法、电子设备及装置，针对led显示屏的模块性，先识别缺陷所在的单元模块，再对单元模块缺陷单独进行定位。
4.第一方面，本技术提供一种led显示屏显示缺陷检测方法，包括以下步骤：获取led显示屏显示纯色时的画面得到第一图像；识别所述第一图像中所述led显示屏的边框，选取所述边框内的图像为第二图像；根据所述led显示屏中拼接模组的排列方式，将所述第二图像划分成与所述拼接模组对应的多个第三图像；筛选出有缺陷第三图像，记录对应所述有缺陷第三图像的有缺陷拼接模组；对所述有缺陷第三图像进行缺陷类型判断，并针对所述有缺陷拼接模组进行缺陷位置定位。
5.本技术提供的led显示屏显示缺陷检测方法先找出有缺陷拼接模组，再对有缺陷模组进行缺陷类型判断，对缺陷位置定位，减少对无缺陷拼接模组的识别结算，能够提高检测效率。
6.进一步地，所述获取led显示屏显示纯色时的画面得到第一图像的步骤包括：获取led显示屏显示红色、绿色和蓝色时的画面得到三个第一图像；所述识别所述第一图像中所述led显示屏的边框，选取所述边框内的图像为第二图像的步骤包括：识别三个所述第一图像中所述led显示屏的边框得到三个第一边框信息；合并三个所述第一边框信息得到第二边框信息；根据所述第二边框信息选取三个所述第一图像中的局部图像生成三个第二图像。
7.led显示屏每个像素都有红、绿、蓝三种子像素构成，在显示屏显示这三种颜色时都测一次，更能准确判断该led显示屏是否有显示缺陷。
8.进一步地，所述获取led显示屏显示纯色时的画面得到第一图像的步骤包括：
获取led显示屏显示白色、红色、绿色和蓝色时的画面得到四个第一图像；所述识别所述第一图像中所述led显示屏的边框，选取所述边框内的图像为第二图像的步骤包括：识别四个所述第一图像中所述led显示屏的边框得到四个第一边框信息；合并四个所述第一边框信息得到第二边框信息；根据所述第二边框信息选取四个所述第一图像中的局部图像生成四个第二图像。
9.进一步地，所述筛选出有缺陷第三图像，记录对应所述有缺陷第三图像的有缺陷拼接模组的步骤包括：根据所述led显示屏中拼接模组的排列方式对所述第三图像编号；检测每一所述第三图像，检出有缺陷第三图像；记录所述有缺陷第三图像的编号。
10.最后生成的缺陷位置的构成为，拼接模组的编号，加上该拼接模组的像素位置，方便针对缺陷进行修复时快速找出缺陷位置。
11.进一步地，所述筛选出有缺陷第三图像，记录对应所述有缺陷第三图像的有缺陷拼接模组的步骤包括：检测每一所述第三图像，检出有缺陷第三图像；确定所述有缺陷第三图像在所述第二图像中的位置；记录对应所述有缺陷第三图像的有缺陷拼接模组。
12.进一步地，所述检测每一所述第三图像，检出有缺陷第三图像的步骤包括：获取所述第三图像每个像素的亮度、色度和饱和度；计算每一第三图像的亮度均方差、色度均方差和饱和度均方差；选定亮度均方差、色度均方差和饱和度均方差大于第一数值的所述第三图像为有缺陷第三图像。
13.进一步地，所述对所述有缺陷第三图像进行缺陷类型判断，并针对所述有缺陷拼接模组进行缺陷位置定位的步骤包括：利用机器学习算法识别所述有缺陷第三图像中的缺陷轮廓和内部特征分布；将所述缺陷轮廓和内部特征分布与最优特征集进行交并对比，计算匹配概率；生成缺陷类型、与所述缺陷类型对应的匹配概率以及与所述缺陷类型对应的位置参数。
14.进一步地，所述获取led显示屏显示纯色时的画面得到第一图像前还包括步骤：获取暗场中在均匀光照下所述led显示屏未点亮时的黑色图像；识别所述黑色图像中的膜缺陷。
15.为了增加led显示屏的对比度，通常会在led显示屏内设置有黑膜，如果黑膜局部受氧化而变色，那么即使led显示屏所有像素都正常，仍会检测出显示有缺陷，所以最好先排除了led显示屏黑膜异常的问题。
16.第二方面，本技术提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如第一方面任一所述方法中的步骤。
17.第三方面，本技术提供一种led显示屏显示缺陷检测装置，包括：
第一获取模块，用于获取led显示屏显示纯色时的画面得到第一图像；边框识别模块，用于识别所述第一图像中所述led显示屏的边框，选取所述边框内的图像为第二图像；第一划分模块，用于根据所述led显示屏中拼接模组的排列方式，将所述第二图像划分成与所述拼接模组对应的多个第三图像；筛选模块，用于筛选出有缺陷第三图像，记录对应所述有缺陷第三图像的有缺陷拼接模组；判断定位模块，用于对所述有缺陷第三图像进行缺陷类型判断，并针对所述有缺陷拼接模组进行缺陷位置定位。
18.本发明的有益效果是：本发明根据led显示屏中拼接模组的排列方式对led显示屏显示的纯色图像进行划分，先识别出有缺陷拼接模组，再对有缺陷模组进行缺陷类型判断，对缺陷位置定位，减少对无缺陷拼接模组的识别结算，能够提高检测效率，且方便在后续对缺陷进行修复时快速找到缺陷位置，拼接模组的分辨率比整个led显示屏的分辨率低得多，先识别有缺陷拼接模组，再对拼接模组的缺陷单独进行定位，可以减少运算复杂度，提升检测速度。
19.本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
20.图1是本技术实施例提供的一种led显示屏显示缺陷检测方法的流程图。
21.图2是本技术实施例提供的一种led显示屏显示缺陷检测装置的结构示意图。
22.图3是本技术实施例提供的一种电子设备的结构示意图。
23.图4是本技术实施例提供的一种第二图像的示意效果图。
24.图5是本技术实施例提供的一种第三图像的示意效果图。
具体实施方式
25.下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
26.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发明的不同结构。为了简化本发明的公开，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发明。此外，本发明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。
27.现有技术中的led显示屏显示缺陷检测方法均将led显示屏视为一个整体，随着技术进步，市面上的led显示屏分辨率越来越高，将led显示屏视为一个整体利用机器学习算法检测是否有显示缺陷运算量大，复杂程度高，检测效率低下。
28.参照图1，本技术提供一种led显示屏显示缺陷检测方法，包括以下步骤：
s1：获取led显示屏显示纯色时的画面得到第一图像。
29.具体地，在质检流水线上设置一个俯视且正对流水线的高精度摄像头，用于拍摄led显示屏显示纯色（例如白色）时的画面，输出第一图像。
30.s2：识别第一图像中led显示屏的边框，选取边框内的图像为第二图像。
31.第一图像中包括了led显示屏和作为背景的质检流水线，步骤s2相当于裁剪第一图像，除去第一图像的背景部分，仅保留led显示屏发光的部分。
32.s3：根据led显示屏中拼接模组的排列方式，将第二图像划分成与拼接模组对应的多个第三图像。
33.拼接模组的排列方式有两种获取方法，一，同批次显示屏所选用的模组型号相同，拼接方式相同，因此可提前录入该批次显示屏的拼接模组的排列方式；二，使显示屏发光必然需要为显示屏接电，通过显示屏的行信号反馈也可以得知显示屏的拼接模组的排列方式。
34.s4：筛选出有缺陷第三图像，记录对应有缺陷第三图像的有缺陷拼接模组。
35.s5：对有缺陷第三图像进行缺陷类型判断，并针对有缺陷拼接模组进行缺陷位置定位。
36.步骤s4中已经记录了有缺陷拼接模组，步骤s5中对有缺陷拼接模组进行缺陷位置定位时可以只记录相对于拼接模组的像素位置，而不是整个显示屏的像素位置。通常单个拼接模组的分辨率只为240像素x180像素或320像素x240像素，整个显示屏的像素往往达到4k、8k，即使记录了整个显示屏的像素位置，在对缺陷位置修复时根据整个显示屏的像素位置回溯缺陷像素也十分困难，本技术能够先提示缺陷在哪个拼接模组，再提示在该拼接模组的什么像素位置，使维修人员更容易找到需要修复的像素点。
37.本技术实施例根据led显示屏中拼接模组的排列方式对led显示屏显示的纯色图像进行划分，先识别出有缺陷拼接模组，再对有缺陷模组进行缺陷类型判断，对缺陷位置定位，减少对无缺陷拼接模组的识别结算，能够提高检测效率，拼接模组的分辨率比整个led显示屏的分辨率低得多，先识别有缺陷拼接模组，再对拼接模组的缺陷单独进行定位，可以减少运算复杂度，提升检测速度。
38.led显示屏的每个像素由红、绿、蓝三种颜色的子像素构成。使led显示屏显示白色，依照上述方法测试得知led显示屏单个像素有缺陷时，可能只是该像素的其中一个子像素有缺陷，其余两个子像素正常，为此提出一种优选的实施方式。
39.步骤s1变为：获取led显示屏显示红色、绿色和蓝色时的画面得到三个第一图像。这样就能够对led显示屏的每一个子像素都进行检测。这样做还附带增加一个好处，使得识别第一图像中led显示屏的边框更加准确。相应地，步骤s2具体为，s21：识别三个第一图像中led显示屏的边框得到三个第一边框信息；s22：合并三个第一边框信息得到第二边框信息；s23：根据第二边框信息选取三个第一图像中的局部图像生成三个第二图像。质检流水线的颜色应尽量简单，避免影响识别边框，而质检流水线的一些部件难免会带有一些影响识别边框的颜色，例如，金属零件会反光、传送带通常是绿色或黑色，使显示器只以一种纯色发光提取出的边框可能不够准确，在红绿蓝三种显示颜色下使用颜色分离聚类算法提取显示屏边框，使用目标识别算法识别显示屏并提取显示器边框，根据一定置信度将识别显示屏区域进行合并，能够提取到更准确的显示屏显示图像，即更准确的第二图像。
40.一些led显示屏中设置有黑膜，用于降低led显示屏的最低亮度，从而增加led显示屏的对比度。而黑膜受氧化后会变色，假如黑膜局部有异常，即使待测led显示屏所有像素点都能正常发光，依照上述检测方法仍然会检测到led显示屏显示有缺陷，为此，对于贴了黑膜的led显示屏，提出两种优选的实施方式。
41.其一，获取led显示屏显示纯色时的画面得到第一图像的步骤包括：获取led显示屏显示白色、红色、绿色和蓝色时的画面得到四个第一图像。
42.识别第一图像中led显示屏的边框，选取边框内的图像为第二图像的步骤包括：s21’：识别四个第一图像中led显示屏的边框得到四个第一边框信息。
43.s22’：合并四个第一边框信息得到第二边框信息。
44.s23’：根据第二边框信息选取四个第一图像中的局部图像生成四个第二图像。
45.当显示四种颜色都在相同拼接模组的相同像素位置检测到有缺陷时，大致认为该处有黑膜缺陷，例如黑膜被氧化、黑膜有划痕、表面有污渍等；当然也有可能是该处三种子像素都有缺陷。
46.其二、步骤s1前还包括步骤：s01：获取暗场中在均匀光照下led显示屏未点亮时的黑色图像。
47.s02：识别黑色图像中的膜缺陷。
48.即在屏幕未点亮时可通过均匀光照和和高精度摄像头获取暗场下的图像，然后通过机器学习算法判断表层贴膜是否有问题，具有膜缺陷的地方即使不发光也与其他位置具有不同的外观，以此为依据分析黑色图像能够快速找出膜缺陷。排除了黑膜异常再测试显示屏是否有显示缺陷，有利于快速找出缺陷原因，有针对性地修复缺陷。
49.从以上对比可见，第二种方法能更准确地识别膜缺陷，但需要使质检流水线处于暗场中，而第一种方法无需增加新的步骤，更加简便。
50.提示有缺陷拼接模组的方式（即筛选出有缺陷第三图像，记录对应有缺陷第三图像的有缺陷拼接模组的方式）有两种。
51.第一种，步骤s4包括：s41’：检测每一第三图像，检出有缺陷第三图像；s42’：确定有缺陷第三图像在第二图像中的位置；s43’：记录对应有缺陷第三图像的有缺陷拼接模组。
52.步骤s43’输出的形式可以是，在第二图像中标记有问题的位置，打印带有标记的第二图像，维修人员根据打印的图像和步骤s5提示的像素位置找到缺陷像素。
53.第二种，步骤s4包括：s41：根据led显示屏中拼接模组的排列方式对第三图像编号。
54.s42：检测每一第三图像，检出有缺陷第三图像。
55.s43：记录有缺陷第三图像的编号。
56.图4所示的第二图像表明该显示屏由4*4的拼接模组构成，步骤s41编出1-16号，执行上述步骤s41至s43后，记录有缺陷第三图像为2号模组、7号模组和10号模组。维修人员根据记录的编号对应的模组和步骤s5提示的像素位置找到缺陷像素。
57.其中，检测每一第三图像，检出有缺陷第三图像的步骤包括：s421：获取第三图像每个像素的亮度、色度和饱和度；
s422：计算每一第三图像的亮度均方差、色度均方差和饱和度均方差；s423：选定亮度均方差、色度均方差或饱和度均方差大于第一数值的第三图像为有缺陷第三图像。具体地，第一数值等于1。
58.只要亮度均方差、色度均方差或饱和度均方差任一大于第一数值都认为该第三图像对应的拼接模组有缺陷。即筛选有缺陷第三图像时无需运用复杂的机器学习模型，只需简单计算均方差，本技术实施例只需在步骤s2和步骤s5应用不同的机器学习模型，而步骤s5中只针对有缺陷第三图像，比起现有技术整屏检测大大缩减了计算范围，有利于提高检测效率。
59.其中步骤s5包括：s51：利用机器学习算法识别有缺陷第三图像中的缺陷轮廓和内部特征分布。
60.s52：将缺陷轮廓和内部特征分布与最优特征集进行交并对比，计算匹配概率。
61.s53：生成缺陷类型、与缺陷类型对应的匹配概率以及与缺陷类型对应的位置参数。
62.位置参数的形式可以是，针对有缺陷第三图像的中心点或边角构建平面坐标系，通过坐标记录缺陷位置。
63.在机器学习模型的训练阶段，使用水平集算法提取缺陷轮廓和像素均方差信息（即内部特征分布，例如包括亮度均方差、色度均方差和饱和度均方差），将同类别的轮廓特征和目标均方差信息进行归并处理，随后将归并后的特征方程作为学习结果参数进行保存，直至最后一个图像。最后在验证集中进行验证，获取最大识别率。
64.在机器学习模型的识别阶段，使用水平集算法提取缺陷轮廓和像素均方差信息，然后将缺陷轮廓和像素均方差信息与最优特征集进行交并对比，计算匹配概率，最后显示并保存匹配概率和缺陷类型（例如暗点、坏点、亮点），输出缺陷位置参数，便于修复。
65.计算像素均方差信息的机器学习模型属于较简单的一种模型，本技术实施例借用较简单的模型也能够准确检测led显示屏的显示缺陷。对于现有技术整屏测试而言，难以运用这种较简单的模型，以４k屏为例，统计基数十分大，如果其他像素正常，单个像素点亮度偏低，整体亮度均方差仍然很小。可见，若规定的均方差较大，则测试不准确；若规定的均方差较小，则会造成模型过于敏感，对一些目前行业内认为合格的显示屏也认定为不及格，原因在于，由于工艺限制，不存在完全相同的led芯片，目前制作led显示屏都是选用性能相近的同批次led芯片，单元校正后的led显示屏的亮度并不是真正的均匀，只是相邻拼接模组调校至亮度连续过渡，只是相对人类视觉均匀，只要调换拼接模组的位置就能通过人类视觉发现拼接模组之间不是完全均匀，而机器计算亮度均方差不受人类视觉制约，规定的均方差较小时，会有大量显示屏被认为检出缺陷，因此，现有技术需要使用更加复杂的算法才能实现整屏检测。本技术实施例按拼接模组的排列方式将４k屏显示的画面分割成多个第三图像，每个第三图像的分辨率远低于４k屏本身，统计基数大幅降低，因此可以使用简单的机器学习模型。
66.参照图3，图3为本技术实施例提供的一种电子设备的结构示意图，本技术提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当计算设备运行时，处理器301执行该计算机程序，以执行时执行上述实施例的任
一可选的实现方式中的方法，以实现以下功能：获取led显示屏显示纯色时的画面得到第一图像；识别第一图像中led显示屏的边框，选取边框内的图像为第二图像；根据led显示屏中拼接模组的排列方式，将第二图像划分成与拼接模组对应的多个第三图像；筛选出有缺陷第三图像，记录对应有缺陷第三图像的有缺陷拼接模组；对有缺陷第三图像进行缺陷类型判断，并针对有缺陷拼接模组进行缺陷位置定位。
67.请参照图2，图2是本技术一些实施例中的一种led显示屏显示缺陷检测装置，包括：第一获取模块201，用于获取led显示屏显示纯色时的画面得到第一图像；边框识别模块202，用于识别第一图像中led显示屏的边框，选取边框内的图像为第二图像；第一划分模块203，用于根据led显示屏中拼接模组的排列方式，将第二图像划分成与拼接模组对应的多个第三图像；筛选模块204，用于筛选出有缺陷第三图像，记录对应有缺陷第三图像的有缺陷拼接模组；判断定位模块205，用于对有缺陷第三图像进行缺陷类型判断，并针对有缺陷拼接模组进行缺陷位置定位。
68.该装置能够根据led显示屏中拼接模组的排列方式对led显示屏显示的纯色图像进行划分，先识别出有缺陷拼接模组，再对有缺陷模组进行缺陷类型判断，对缺陷位置定位，减少对无缺陷拼接模组的识别结算，能够提高检测效率，且方便在后续对缺陷进行修复时快速找到缺陷位置，拼接模组的分辨率比整个led显示屏的分辨率低得多，先识别有缺陷拼接模组，再对拼接模组的缺陷单独进行定位，可以减少运算复杂度，提升检测速度。
69.在一些优选的实施方式中，该装置还包括第二获取模块和第二识别模块，该第二获取模块用于获取暗场中在均匀光照下led显示屏未点亮时的黑色图像，该第二识别模块用于识别黑色图像中的膜缺陷。
70.在本说明书的描述中，参考术语“一个实施方式”“某些实施方式”“示意性实施方式”“示例”“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
71.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。