一种基于大数据分析的液晶屏数据优化管理系统及方法与流程

本发明涉及液晶屏数据管理，具体为一种基于大数据分析的液晶屏数据优化管理系统及方法。

背景技术：

1、随着人们的消费水平的提高，人们对显示设备的要求越来越高，tft显示设备因为可以提供高分辨率的图像，显示效果细节清晰，色彩鲜艳已经被广泛使用，但是tft显示设备中的tft晶体管因为自身的材质的问题会出现半衰期，tft显示设备在长时间被使用之后，tft显示设备中的tf晶体管会出现衰退，从而导致tft显示设备出现颜色偏差，影响客户的使用。

2、为了解决上述问题，通常的做法是通过应用程序增加屏幕保护功能，在用户不使用tft显示设备的时候增加熄屏功能，这种做法虽然延长了液晶屏的使用寿命，却需要用户去自行唤醒或者由传感器检测唤醒屏幕，脱离熄屏状态，但是这种做法不仅会给用户的操作造成不便，而且还有可能会因为增加传感器而导致的成本提高，同时这种做法显然在需要常亮的液晶屏的使用环境并不适用，为了解决在需要常亮的液晶屏的使用环境的问题，还存在另外一种解决方案，在tft设备中选用更好的晶体管，但是这种方案虽然增加了tft显示设备中的液晶屏的使用寿命，但是也大大增加了设备的成本，并且因为对晶体管的要求极高，还会容易导致不良率的增加。

技术实现思路

1、本发明的目的在于提供一种基于大数据分析的液晶屏数据优化管理系统及方法，以解决上述背景技术中存在的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据分析的液晶屏数据优化管理方法，方法包括：

3、步骤s100：获取液晶屏的历史偏色调整实验记录，从历史偏色调整实验记录中获取液晶屏偏色调整实验数据，分析液晶屏的液晶屏运行参数与目标液晶偏色参数之间的相关程度，得到液晶屏运行参数相关数据；

4、步骤s200：基于液晶屏的历史偏色调整实验记录，对自相关函数图和偏自相关函数图进行绘制，并结合液晶屏运行参数相关数据，得到arima模型的相关阶数，利用最小二乘法，对arima模型中液晶屏的模型参数进行估算，根据获取的目标液晶屏性能参考数据，对液晶屏偏色优化模型进行构建；

5、步骤s300：使用屏驱芯片soc对液晶屏的液晶屏运行参数进行采集，并将采集的液晶屏运行参数输入至液晶屏偏色优化模型中，对液晶屏进行工况进行预测，得到液晶屏偏色预测数据，从云服务器中获取历史液晶屏偏色预测记录，基于历史液晶屏偏色预测记录，对液晶屏偏色预测数据进行校准优化，得到目标液晶屏偏色预测数据；

6、步骤s400：获取液晶屏的目标液晶屏偏色预测数据，基于目标液晶屏偏色预测数据，对液晶屏的颜色校准数据进行获取，并基于颜色校准数据，对液晶屏颜色显示进行优化，并将相关数据上传至云服务器中。

7、进一步的，步骤s100包括：

8、步骤s101：从云平台中获取液晶屏的历史偏色调整实验记录，从历史偏色调整实验记录中获取液晶屏偏色调整实验数据，液晶屏偏色调整实验数据包括，液晶屏的各项液晶屏运行参数和目标液晶偏色参数对应的数据；

9、步骤s102：对云平台获取各个历史偏色调整实验记录的时间点进行获取，并根据时间顺序，对各个历史偏色调整实验记录进行排序；

10、步骤s103：分析液晶屏的液晶屏运行参数与目标液晶偏色参数之间的相关程度，其中，液晶屏的第a项液晶屏运行参数与目标液晶偏色参数之间的相关程度具体分析过程为，获取第a项液晶屏运行参数，在各个历史偏色调整实验记录中的数值，并根据数值大小，对各个历史偏色调整实验记录中的第a项液晶屏运行参数进行等级排名，获取某一个历史偏色调整实验记录中的第a项液晶屏运行参数的等级排名，并将等级排名的数值，作为第a项液晶屏运行参数，在某一个历史偏色调整实验记录中的参数秩序值；

11、步骤s104：计算第a项液晶屏运行参数与目标液晶偏色参数之间的相关强度值ua：

12、

13、其中，xa,i表示为第a项液晶屏运行参数，在第i个历史偏色调整实验记录中的参数秩序值；yi表示为目标液晶偏色参数，在第i个历史偏色调整实验记录中的参数秩序值；n为各个历史偏色调整实验记录的总个数；

14、步骤s105：当第a项液晶屏运行参数与目标液晶偏色参数之间的相关强度值,大于预设的第一相关强度阈值，判定第a项液晶屏运行参数与目标液晶偏色参数之间具有正向单调相关性，对第a项液晶屏运行参数进行标记；

15、步骤s106：当第a项液晶屏运行参数与目标液晶偏色参数之间的相关强度值,小于预设的第二相关强度阈值，判定第a项液晶屏运行参数与目标液晶偏色参数之间具有负向单调相关性，其中，第一相关强度阈值大于第二相关强度阈值，对第a项液晶屏运行参数进行标记；

16、步骤s107：获取液晶屏中被标记的若干项液晶屏运行参数，并将若干项液晶屏运行参数进行汇集，得到液晶屏运行参数相关数据。

17、进一步的，步骤s200包括：

18、步骤s201：获取液晶屏的各个历史偏色调整实验记录，基于各个历史偏色调整实验记录，绘制出自相关函数图和偏自相关函数图，并结合液晶屏运行参数相关数据，对相关函数图和偏自相关函数图进行分析，得到液晶屏的arima模型的各项相关阶数；

19、步骤s202：利用最小二乘法对arima模型的模型参数进行估计，得到液晶屏的arima模型；

20、步骤s203：从云平台中获取液晶屏的目标液晶屏性能参考数据，基于目标液晶屏性能参考数据，对液晶屏的性能数据进行统计归纳，并输入至液晶屏的arima模型中进行模型构建，得到液晶屏偏色优化模型的优化模型数据。

21、进一步的，步骤s300包括：

22、步骤s301：通过rknn对液晶屏偏色优化模型进行转化，并在屏显驱动芯片soc中的npu中运行；

23、步骤s302：使用屏驱芯片soc，对当前周期内的液晶屏的各项液晶屏运行参数进行采集，获取各项液晶屏运行参数对应的数据，并将获取的液晶屏的各项液晶屏运行参数输入至液晶屏偏色优化模型中，对液晶屏工况进行预测，得到液晶屏的液晶屏偏色预测数据；

24、步骤s303：从云服务器中获取存储的液晶屏的各个历史液晶屏偏色预测记录，从历史液晶屏偏色预测记录中，获取液晶屏中的被标记的若干项液晶屏运行参数和目标液晶偏色参数对应的数据；

25、步骤s304：基于历史液晶屏偏色预测记录，对当前周期内的液晶屏的液晶屏偏色预测数据进行校验优化，获取历史液晶屏偏色预测记录中的被标记的若干项液晶屏运行参数，与当前周期内的液晶屏中的若干项液晶屏运行参数的平均值之差的绝对值；

26、步骤s305：当某一历史液晶屏偏色预测记录中若干项液晶屏运行参数，与当前周期内的液晶屏中的若干项液晶屏运行参数的平均值之差的绝对值，均小于预设的特征阈值，将某一历史液晶屏偏色预测记录，记为对照历史液晶屏偏色预测记录；

27、步骤s306：获取当前周期内的液晶屏的各个对照历史液晶屏偏色预测记录，并对各个对照历史液晶屏偏色预测记录中的目标液晶偏色参数的平均值μ进行获取，计算当前周期内的液晶屏的液晶屏偏色预测数据的预测异常值y：

28、

29、其中，x表示为当前周期内的液晶屏偏色预测数据中的目标液晶偏色参数的平均值；σ表示为各个对照历史液晶屏偏色预测记录中的目标液晶偏色参数的标准差；

30、步骤s307：当预测异常值y大于预设的预测异常阈值，判定当前周期内的液晶屏的液晶屏偏色预测数据存在问题，并根据当前周期内的液晶屏的对照历史液晶屏偏色预测记录，对液晶屏偏色预测数据进行优化调整，得到目标液晶屏偏色预测数据，反之，当预测异常值y小于等于预设的预测异常阈值，将液晶屏偏色预测数据，记为目标液晶屏偏色预测数据；

31、上述步骤中的rknn是一种将基于服务器端运算的结果转化到芯片端侧部署的一个工具，基于大量云计算得到一个大模型，可以通过rknn部署到屏驱芯片soc的npu上进行端侧的计算操作，这种方式能够在不与云服务器通讯的情况下进行工作，从而大大提高了屏驱芯片soc的计算效率。

32、进一步的，步骤s400包括：

33、步骤s401：获取当前周期内的液晶屏的目标液晶屏偏色预测数据，基于目标液晶屏偏色预测数据，使用液晶屏偏色优化模型，得到当前周期内的液晶屏的颜色校准数据k，其中，k＝f+s，f为颜色未校准数据，s为液晶屏偏色优化模型的模块预测补充值；

34、步骤s402：液晶屏中的屏驱芯片s0c，基于当前周期内的液晶屏的颜色校准数据进行颜色叠加，并将rgb信号传输至液晶屏上进行显示，屏驱芯片s0c中的npu将液晶屏偏色优化模型预测的目标液晶屏偏色预测数据上传至云服务器中，对液晶屏偏色优化模型的模型数据进行验证和远程更新。

35、为了更好实现上述方法还提出了液晶屏数据优化管理系统，管理系统包括相关分析模块、模型构建模块、目标预测模块、显示优化模块；

36、相关分析模块，用于对液晶屏偏色调整实验数据中液晶屏的液晶屏运行参数与目标液晶偏色参数之间的相关程度进行分析，得到目标液晶偏色参数的液晶屏运行参数相关数据；

37、模型构建模块，用于根据获取的目标液晶屏性能参考数据，对液晶屏偏色优化模型进行构建，得到液晶屏偏色优化模型；

38、目标预测模块，用于对液晶屏进行工况进行预测，得到液晶屏偏色预测数据，从云服务器中获取存储的历史液晶屏偏色预测记录，基于历史液晶屏偏色预测记录对液晶屏偏色预测数据进行校准优化，得到目标液晶屏偏色预测数据；

39、显示优化模块，用于根据目标液晶屏偏色预测数据，对液晶屏的颜色校准数据进行获取，并基于颜色校准数据，对液晶屏颜色显示进行优化，并将相关数据上传至云服务器中。

40、进一步的，相关分析模块包括相关强度值单元、液晶屏运行参数相关数据单元；

41、相关强度值单元，用于对各项液晶屏运行参数与目标液晶偏色参数之间的相关强度值进行计算；

42、液晶屏运行参数相关数据单元，用于对液晶屏中被标记的若干项液晶屏运行参数进行获取，并将若干项液晶屏运行参数进行汇集，得到目标液晶偏色参数的液晶屏运行参数相关数据。

43、进一步的，模型构建模块包括模型构建单元；

44、模型构建单元，用于从云平台中获取液晶屏的目标液晶屏性能参考数据，根据目标液晶屏性能参考数据，对液晶屏的性能数据进行统计归纳，并录入到液晶屏的arima模型中进行模型构建，得到液晶屏偏色优化模型。

45、进一步的，目标预测模块包括液晶屏偏色预测数据单元、目标液晶屏偏色预测数据单元；

46、液晶屏偏色预测数据单元，用于对当前周期内的液晶屏的各项液晶屏运行参数进行采集，获取各项液晶屏运行参数对应的数据，并将获取的液晶屏的各项液晶屏运行参数输入至液晶屏偏色优化模型中，对液晶屏工况进行预测，得到液晶屏的液晶屏偏色预测数据；

47、目标液晶屏偏色预测数据单元，用于根据历史液晶屏偏色预测记录，对当前周期内的液晶屏的液晶屏偏色预测数据进行校验优化，得到当前周期内的液晶屏的目标液晶屏偏色预测数据。

48、进一步的，显示优化模块包括优化管理单元；

49、优化管理单元，用于对当前周期内的液晶屏的目标液晶屏偏色预测数据进行获取，基于目标液晶屏偏色预测数据，使用液晶屏偏色优化模型，得到当前周期内的液晶屏的校准颜色数据，基于校准颜色数据进行颜色叠加，并将rgb信号传输至液晶屏上进行显示，屏驱芯片s0c中的npu将液晶屏偏色优化模型预测的目标液晶屏偏色预测数据上传至云服务器中，对液晶屏偏色优化模型的模型数据进行验证和远程更新。

50、与现有技术相比，本发明所达到的有益效果是：本发明实现了根据获取的液晶屏数据，对液晶屏的颜色显示设置进行调整，从而解决了液晶屏因为长时间的使用而导致的偏色的问题，并且在进行偏色调整时，还可以根据历史数据，对模型得出的预测结果进行校准优化，大大提高了颜色校准的准确度，同时在对液晶屏进行偏色调整时，无需对液晶屏的晶体管进行更换，也减低了液晶屏的制造成本。