一种液晶显示屏色差检测系统及方法与流程

本发明涉及色差检测的，尤其涉及一种液晶显示屏色差检测系统及方法。

背景技术：

1、近年来，色差检测系统朝着高度的自动化和智能化的方向不断发展，从图像采集、预处理、色彩分析到结果报告，整个检测过程可以在短时间内完成，并且可以根据预设的标准自动判定合格或不合格，这种自动化大大提高了效率，减少了人为因素的干扰。

2、目前，在公开号为cn 110596924 b的中国发明专利中，公开了一种液晶显示屏色差检测装置及方法，该方法通过设置的夹紧机构的作用，便于将放置在放置板表面的液晶显示屏进行稳定夹持，提高液晶显示屏放置的稳定性，便于工作者在检测过程中液晶显示屏稳定固定，改善检测效果，但是相关技术中没有对色差检测的误差进行补偿，缺乏检测的准确性，没有根据多个参量对色差进行预测，缺少分析的智能性。

技术实现思路

1、本发明解决的技术问题是：相关技术中没有对色差检测的误差进行补偿，缺乏检测的准确性，没有根据多个参量对色差进行预测，缺少分析的智能性。

2、为解决上述技术问题，本发明提供如下技术方案：第一方面，一种液晶显示屏色差检测方法，包括以下步骤：

3、步骤s1，获取待检测图像，对所述待检测图像进行预处理，提取预处理后的待检测图像的第一颜色值，将所述第一颜色值转换为第一通道分量值，将所述第一通道分量转化为第一明度值、第一红到绿轴值和第一黄到蓝轴值；

4、步骤s2，获取标准图像，提取标准图像的第二颜色值，将所述第二颜色值转换为第二通道分量，将所述第二通道分量转化为第二明度值、第二红到绿轴值和第二黄到蓝轴值；

5、步骤s3，根据色差公式计算待检测图像与标准图像的第一色差，获取历史干扰因素，根据所述历史干扰因素构建色差补偿模型，根据所述色差补偿模型计算色差补偿值，将所述第一色差与色差补偿值进行加权计算，得到第二色差；

6、步骤s4，训练用于预测第二色差的机器学习模型，所述机器学习模型的输出量为第二色差，并对所述机器学习模型进行测试。

7、作为本发明所述的一种液晶显示屏色差检测方法的一种优选方案，其中：所述步骤s1包括如下子步骤：

8、步骤s11，获取待检测图像，对所述待检测图像进行预处理，所述预处理包括滤波处理和分割处理，将所述待检测图像分割为若干子图像，并将所述子图像进行编号；

9、步骤s12，提取子图像的第一颜色值，所述第一颜色值包括第一r值、第一g值和第一b值，将所述第一颜色值转换为第一通道分量值，所述第一通道分量值为第一三刺激值，根据cielab颜色空间将所述第一通道分量转化为第一明度值、第一红到绿轴值和第一黄到蓝轴值。

10、作为本发明所述的一种液晶显示屏色差检测方法的一种优选方案，其中：所述步骤s2包括如下子步骤：

11、步骤s21，提取预处理后的待检测图像的特征量，所述特征量包括边缘特征量、形状特征量和尺寸特征量，调用图像数据库，向所述图像数据库中输入所述特征量，匹配与所述特征量对应的图像，将与所述特征量对应的图像设置为标准图像；

12、步骤s22，提取标准图像的第二颜色值，将所述第二颜色值转换为第二通道分量，将所述第二通道分量转化为第二明度值、第二红到绿轴值和第二黄到蓝轴值，所述第二颜色值包括第二r值、第二g值和第二b值，将所述第二颜色值转换为第二通道分量值，所述第二通道分量值为第二三刺激值，根据cielab颜色空间将所述第二通道分量转化为第二明度值、第二红到绿轴值和第二黄到蓝轴值。

13、作为本发明所述的一种液晶显示屏色差检测方法的一种优选方案，其中：所述步骤s3包括如下子步骤：

14、步骤s31，获取第一明度值、第一红到绿轴值、第一黄到蓝轴值、第二明度值、第二红到绿轴值和第二黄到蓝轴值，根据色差公式计算待检测图像与标准图像的第一色差；

15、步骤s32，获取历史干扰因素、历史第一色差和历史实际色差，根据所述历史干扰因素构建色差补偿模型，所述色差补偿模型的构建逻辑包括：

16、计算历史第一色差与历史实际色差的差值，将所述差值设置为色差补偿值，所述历史干扰因素包括历史光照亮度和历史检测距离，以色差补偿值为因变量，以历史光照亮度和历史检测距离为自变量，进行多元回归分析，得到色差补偿模型；

17、步骤s33，根据所述色差补偿模型计算补偿色差，将所述第一色差与色差补偿值进行加权计算，得到第二色差。

18、作为本发明所述的一种液晶显示屏色差检测方法的一种优选方案，其中：所述色差补偿模型的计算表达式为：

19、

20、其中，s为色差补偿值，di为第i个干扰因素，ci为第i个干扰因素对应的系数，n为干扰因素的数量。

21、作为本发明所述的一种液晶显示屏色差检测方法的一种优选方案，其中：所述步骤s4包括如下子步骤：

22、步骤s41，将历史光照亮度和历史检测距离、第二明度值、第二红到绿轴值和第二黄到蓝轴值和第二色差作为样本集，按照一定比例将所述样本集划分为测试集和训练集；

23、步骤s42，训练用于预测第二色差的机器学习模型，所述机器学习模型的输入量为历史干扰因素、第二明度值、第二红到绿轴值和第二黄到蓝轴值，输出量为第二色差，并对所述机器学习模型进行测试，直到准确度达到第一准确度阈值时停止测试。

24、作为本发明所述的一种液晶显示屏色差检测方法的一种优选方案，其中：所述机器学习模型以预测的第二色差为输出量，以实际的第二色差为训练目标，以最小化预测的第二色差与实际的第二色差的差值为训练标准。

25、第二方面，一种液晶显示屏色差检测系统，包括采集模块、计算模块、补偿模块和训练模块；

26、所述采集模块用于获取待检测图像，对所述待检测图像进行预处理，提取预处理后的待检测图像的第一颜色值，将所述第一颜色值转换为第一通道分量值，将所述第一通道分量转化为第一明度值、第一红到绿轴值和第一黄到蓝轴值，获取标准图像，提取标准图像的第二颜色值，将所述第二颜色值转换为第二通道分量，将所述第二通道分量转化为第二明度值、第二红到绿轴值和第二黄到蓝轴值；

27、所述计算模块用于根据色差公式计算待检测图像与标准图像的第一色差；

28、所述补偿模块用于获取历史干扰因素，根据所述历史干扰因素构建色差补偿模型，根据所述色差补偿模型计算色差补偿值，将所述第一色差与色差补偿值进行加权计算，得到第二色差；

29、所述训练模块用于训练用于预测第二色差的机器学习模型，所述机器学习模型的输出量为第二色差，并对所述机器学习模型进行测试。

30、第三方面，本发明提供一种电子设备，包括储存器、处理器及储存在储存器，所述储存器存储有计算机可读取指令，当计算机可读取指令由所述处理器执行时，运行如上任意一项所述方法中的步骤。

31、第四方面，本发明提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，运行如上任意一项所述方法中的步骤。

32、本发明的有益效果：通过对待检测图像和标准图像进行预处理和颜色值提取，转换为通道分量和明度值，使用色差公式计算第一色差，有利于精确地检测出待检测图像与标准图像之间的色彩差异，从而准确评估液晶显示屏的色彩表现，通过获取历史干扰因素，建立色差补偿模型，校正其他因素引起的色差变化，使得检测结果更加稳定和可靠，不易受外界干扰影响，通过训练机器学习模型来预测第二色差，提高了检测的准确性和效率，机器学习模型能够根据大量的训练数据学习到复杂的色彩变化模式，从而更加精确地预测出色差，通过智能化的检测方法，提高了检测效率，并持续优化和改进，有利于达到不断变化的市场要求，带来更好的产品质量控制和用户体验保障。