一种OLED面板丝印质量控制方法及系统及装置及介质与流程

本发明涉及面板质量控制，具体地，涉及一种oled面板丝印质量控制方法及系统及装置及介质。

背景技术：

1、有机电致发光器件（organic light-emitting diode，oled）具有功耗低、响应速度快、视角宽度大以及适用于柔性显示的优点，在面板显示领域得到了广泛的应用。oled面板是由有机半导体材料和发光材料在电场驱动下，通过载流子注入和复合实现发光的，而有机半导体材料对水蒸气和氧气非常敏感，渗透进入oled面板内部的水蒸气和氧气是影响器件寿命的主要因素。对oeld面板进行有效的封装能够隔绝水蒸气以及氧气的影响，使oled面板的使用寿命延长20倍，因此，oled面板的封装质量控制非常重要，需要在规定位置丝印oled封装胶(oled frit seal)，合板后对所述oled封装胶进行固化处理，完成面板封装作业。为了准确评价oled面板质量，需要通过丝印粘接比进行评价oled面板的封装质量，现有技术中通常需要人工首先对合板前后的oled封装胶丝印线宽进行测量，再经过计算得到用于评价oled面板封装质量的封装丝印粘接比，然而，人工测量oled面板丝印线宽所获得的结果误差较大，且需要耗费大量的人力成本以及时间成本。

技术实现思路

1、为了自动识别oled面板丝印区域，并自动完成封装合板前后oled面板丝印线宽的测量，得到oled面板封装粘接比，获得准确的oled面板丝印质量评价结果，本发明提供了一种oled面板丝印质量控制方法，所述oled面板丝印质量控制方法包括以下步骤：

2、采集标准面板图像，对所述标准面板图像中的丝印区域进行标注，获得训练样本；

3、建立深度学习网络模型，根据所述训练样本对所述深度学习网络模型进行训练，获得丝印检测模型，所述丝印检测模型用于识别面板图像中的丝印区域；

4、确定待检测面板，采集所述待检测面板封装前对应的第一面板图像，将所述第一面板图像输入所述丝印检测模型，获得第一数据，所述第一数据用于表示所述待检测面板封装前对应的丝印区域；

5、判断丝印方向，根据丝印方向和所述第一数据计算所述第一面板图像的第一丝印线宽；

6、采集所述待检测面板封装后对应的第二面板图像，将所述第二面板图像输入所述丝印检测模型，获得第二数据，所述第二数据用于表示所述待检测面板封装后对应的丝印区域；

7、判断丝印方向，根据丝印方向和所述第二数据计算所述第二面板图像的第二丝印线宽；

8、根据所述第一丝印线宽和所述第二丝印线宽进行计算，获得所述待检测面板的封装粘接比。

9、其中，本方法建立并训练了深度学习网络模型，通过训练后的模型完成对oled面板的封装丝印区域识别及宽度测量，对oled面板封装前后的丝印线宽进行计算获得了待检测oled面板的封装粘接比，获得了准确的oled面板丝印质量评价结果，降低了oled面板丝印线宽的人工测量误差，提高了oled面板的丝印质量检测效率以及检测结果的可靠性，有效降低了传统oled面板质量控制过程中需要的人力成本以及时间成本。

10、进一步的，封装合板前对oled面板上规定位置进行丝印涂胶后，面板丝印区域可能由于封装胶失效、丝印框板高度不匹配等原因出现缺胶、漏胶等缺陷，上述缺陷可能导致封装合板后oled面板封装位置存在缺口，使水蒸气或氧气易于进入oled面板内部，影响oled面板使用寿命，因此，在封装合板前还需要对上述缺陷进行检测，获得oled面板缺胶、漏胶区域，便于对缺陷区域进行补胶，获得所述第一数据后，所述oled面板丝印质量控制方法还包括以下步骤：

11、对所述第一数据进行拟合，将所述第一数据对应的可能存在缺胶、漏胶缺陷的丝印区域拟合为无缺漏的规则形状，获得拟合图像，所述拟合图像用于描述所述待检测面板封装前丝印区域的整体形状；

12、根据所述第一数据对所述第一面板图像进行图像分割，获得第一丝印图像；

13、根据所述第一丝印图像和所述拟合图像进行计算，即对所述拟合图像和所述第一丝印图像作差，获得第一面板上实际丝印区域和标准丝印区域的差异位置，即丝印缺陷图像。

14、其中，获得丝印缺陷图像后，还需要根据检测到的实际缺陷位置和缺陷大小进行筛选，进一步确定面板丝印补胶位置，因此，获得丝印缺陷图像后还包括以下步骤：

15、对所述丝印缺陷图像进行滤波处理，获得第一图像；

16、检测所述第一图像中的连通区域，并分别计算所述第一图像中连通区域的面积，获得计算结果；

17、根据所述计算结果对所述第一图像中的连通区域进行筛选，获得第二图像；

18、分析所述第二图像，获得缺陷坐标。

19、进一步的，由于oled材料具有适用于柔性显示的特点，对于应用于柔性屏幕的oled面板还需要在完成封装后进行弯折测试，而弯折测试可能引入新的缺陷，影响oled面板质量，为了准确定位oled面板缺陷产生的原因，提高oled面板质量控制的有效性，所述oled面板丝印质量控制方法还包括以下步骤：

20、采集所述待检测面板弯折测试后对应的第三面板图像，将所述第三面板图像输入所述丝印检测模型，获得第三数据，所述第三数据用于表示所述待检测面板弯折测试后对应的丝印区域；

21、计算所述第二数据和所述第三数据的差，获得第四数据；

22、确定第一阈值，基于所述第一阈值和所述第四数据的大小关系判断所述待检测面板是否存在缺陷。

23、oled面板封装质量还收封装胶质量以及面板衬底材料质量的影响，当封装胶质量以及面板衬底材料质量存在缺陷时，即使封装丝印粘接比合格，固化后的封装胶也存在较大的实现风险，表现为oled面板丝印完成后，丝印区域边缘出现明显的锯齿，因此，为了准确识别面板丝印区域边缘的锯齿大小，并根据锯齿大小判断oled面板丝印封装质量，获得所述第一数据后，所述oled面板丝印质量控制方法还包括以下步骤：

24、根据所述第一数据对所述第一面板图像进行图像分割，获得第二丝印图像；

25、对所述第二丝印图像进行二值化处理，并提取处理后图像对应的轮廓；

26、分析所述轮廓，获得第五数据，所述第五数据用于描述第一面板图像丝印区域边缘的锯齿大小；

27、确定第二阈值，基于所述第二阈值和所述第五数据的大小关系判断所述待检测面板是否存在缺陷。

28、进一步的，为了准确获得第一面板图像丝印区域边缘的锯齿大小，分析所述轮廓，获得第五数据的具体方法为：

29、获得所述轮廓对应的若干拐点；

30、根据所述若干拐点计算对所述轮廓进行计算，获得所述轮廓对应的凸包；

31、分别计算所述轮廓对应的第一面积和所述凸包对应的第二面积，对所述第一面积和所述第二面积作差，获得第五数据。

32、进一步的，为了准确定位丝印缺陷常见位置，根据丝印缺陷的常见位置分析丝印缺陷成因，为oled面板丝印制程管控提供参考，提高oled面板的制程良率，获得丝印缺陷图像后还包括以下步骤：

33、建立特征提取模型，所述特征提取模型用于提取丝印缺陷图像的特征；

34、根据所述特征提取模型对所述丝印缺陷图像进行分析，获得分析结果。

35、为实现上述目的，本发明还提供了一种oled面板丝印质量控制系统，所述oled面板丝印质量控制系统包括：

36、图像采集单元，用于采集标准面板图像，对所述标准面板图像中的丝印区域进行标注，获得训练样本；确定待检测面板，采集所述待检测面板封装前对应的第一面板图像和所述待检测面板封装后对应的第二面板图像；

37、模型建设单元，用于建立深度学习网络模型，根据所述训练样本对所述深度学习网络模型进行训练，获得丝印检测模型，所述丝印检测模型用于识别面板图像中的丝印区域；

38、数据处理单元，用于将所述第一面板图像和所述第二面板图像输入所述丝印检测模型，分别获得第一数据和第二数据，其中，所述第一数据用于表示所述待检测面板封装前对应的丝印区域，所述第二数据用于表示所述待检测面板封装后对应的丝印区域；

39、质量检测单元，用于判断丝印方向，根据丝印方向对所述第一数据和所述第二数据进行计算，分别获得对应的第一丝印线宽和第二丝印线宽；根据所述第一丝印线宽和所述第二丝印线宽进行计算，获得所述待检测面板的封装粘接比。

40、为实现上述目的，本发明还提供了一种oled面板丝印质量控制装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的任意一种oled面板丝印质量控制方法。

41、为实现上述目的，本发明还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存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种oled面板丝印质量控制方法。

42、本发明提供的一个或多个技术方案建立并训练了深度学习网络模型，通过训练后的深度学习网络模型完成对oled面板封装丝印区域的自动识别以及宽度测量，根据待检测oled面板封装前后的丝印线宽进行计算，获得了oled待检测面板的封装粘接比，降低了面板丝印线宽的人工测量误差，提高了检测效率，获得了准确的oled面板丝印质量评价结果；同时，本发明提供的技术方案对根据丝印区域轮廓获得对应的凸包，并根据所述凸包计算丝印区域边缘的锯齿大小，能够准确的检出oled面板可能存在的封装胶不良和/或衬底材料质量不良缺陷，进一步增强了对oled面板的丝印质量控制强度，保证了oled面板封装质量。