-
公开(公告)号：CN118982974A
公开(公告)日：2024-11-19
申请号：CN202411473434.3
申请日：2024-10-22
申请人： 深圳精智达技术股份有限公司
IPC分类号： G09G5/10
摘要： 本申请公开了一种显示屏的亮度补偿方法、系统、装置及存储介质，可有效改善边缘区域的亮度不均匀现象，能够提升显示屏的显示质量。本申请方法包括：通过相机采集显示屏在预设灰阶下所显示的目标图像；将所述目标图像划分为中心区域以及围绕所述中心区域的边缘区域；确定所述边缘区域对应的标准亮度范围，并通过所述标准亮度范围计算得到所述边缘区域对应的边缘亮度关系系数；通过所述边缘亮度关系系数对所述边缘区域的原始亮度数据进行分段修正调整，以获取修正后的亮度数据；根据所述修正后的亮度数据和所述原始亮度数据计算得到边界重叠区域的目标修正亮度数据，所述边界重叠区域为所述边缘区域重叠的区域。
-
公开(公告)号：CN118967798A
公开(公告)日：2024-11-15
申请号：CN202411452917.5
申请日：2024-10-17
申请人： 深圳精智达技术股份有限公司
IPC分类号： G06T7/70 , G06T7/80 , G06F3/14 , G09G3/3208 , G09G3/20
摘要： 本申请公开了一种显示屏子像素亮团的定位方法、装置和存储介质，用于提高显示屏的De‑Mura补偿的效率。本申请包括：点亮显示屏，采集显示屏，生成显示屏图像；确定显示屏图像上局部最大值点，生成极大值图像；生成定位模板矩阵；生成两通道图像；选取一个局部最大值点放入基准点队列中，将基准点的坐标信息记录到两通道图像；将定位模板矩阵对齐到极大值图像的基准点上，确定对应的目标局部最大值点集合；将目标局部最大值点集合的坐标信息记录到两通道图像；将目标局部最大值点集合设置为基准点输入基准点队列，重复上述步骤，直到基准点队列没有基准点；将两通道图像上的坐标信息标记到显示屏图像的目标子像素的像素团上。
-
公开(公告)号：CN118823518A
公开(公告)日：2024-10-22
申请号：CN202411311376.4
申请日：2024-09-20
申请人： 深圳精智达技术股份有限公司
IPC分类号： G06V10/774 , G06V10/40 , G06V10/30 , G06V10/26 , G06V10/22
摘要： 本申请公开了一种相关性定位标定数据集的生成方法、装置和存储介质，用于减少人工标定处理的工作量和误差，提升数据集的质量和生成效率。通过自动化方式采集目标物的原始图像数据；根据预处理方法对采集到的原始图像数据进行预处理；根据特征提取方法对原始图像数据进行至少一类图像特征提取，生成相关性图像特征；根据相关性分析法并结合相关性图像特征对原始图像数据进行相关性分析，生成特征关联程度数据；根据特征关联程度数据对原始图像数据进行筛选优化，筛除不符合关联程度条件的图像数据，生成优化图像集；根据优化图像集和相关标定参数进行标准格式的数据集组织，生成目标标定数据集，相关标定参数为在标定过程中生成的参数集合。
-
公开(公告)号：CN118464935B
公开(公告)日：2024-10-15
申请号：CN202410910561.9
申请日：2024-07-09
申请人： 深圳精智达技术股份有限公司
IPC分类号： G01N21/95 , G01N21/88 , G06V10/82 , G06N3/0464 , G06N3/092
摘要： 本申请公开了一种自主优化的光学检测方法、装置、系统和存储介质，用于提高检测系统效率和适应性。本申请包括：初始化AOI检测系统的光学检测参数，对样本显示屏进行压接点亮；使用样本显示屏确定当前AOI检测系统的第一光学检测状态；选取并执行参数调整动作；使用AOI检测系统对样本显示屏进行拍摄，并使用AOI检测系统对拍摄的图像进行缺陷检测，生成AOI检测系统的第二光学检测状态；根据第一光学检测状态和第二光学检测状态为参数调整动作生成调整激励；使用贝尔曼算法结合调整激励对参数调整动作的初始化期望进行调整；重新对样本显示屏进行拍摄、缺陷检测、光学检测状态生成和调整期望，直到满足终止条件。
-
公开(公告)号：CN118707785A
公开(公告)日：2024-09-27
申请号：CN202411170787.6
申请日：2024-08-26
申请人： 深圳精智达技术股份有限公司
摘要： 本申请公开了一种显示屏Demura的快速自动曝光方法、装置和存储介质，用于降低迭代时间，提高运行效率。本申请包括：获取待采集画面，为待采集画面设置实际亮度和目标灰度；通过实际亮度、目标灰度和曝光时间模型计算初始曝光时间；使用计算出来的初始曝光时间对相机进行调整，将对应的待采集画面输入待测显示屏中；使用相机对待测显示屏进行图像采集，生成显示屏采集图像；对显示屏采集图像进行直方图分析，并根据直方图分析结果生成直方图均值；根据显示屏采集图像对应的目标灰度对直方图均值进行达标分析；若未达标，则修正初始曝光时间，重新进行采集、分析；若达标，则切换到下一个待采集画面进行分析。
-
公开(公告)号：CN118691911A
公开(公告)日：2024-09-24
申请号：CN202411178893.9
申请日：2024-08-27
申请人： 深圳精智达技术股份有限公司
摘要： 本申请公开了一种基于微显示器件的缺陷分类方法、装置和存储介质，用于提高微显示器件的缺陷检测效率。本申请包括：采集微显示器件的待检测图像；实时监控CPU中央处理器的运行状态和GPU图形处理器的运行状态；将待检测图像和模板信息传送到检测线程中；使用定位模块结合模板信息定位待检测图像上的最小检测单元区域；对待检测图像的最小检测单元区域进行缺陷首检，生成首检分析结果；根据首检分析结果从待检测图像中筛选出待复检图像；当GPU运行状态达到第二预设条件时，将待复检图像传送到GPU的复检模块中；通过复检模块对待复检图像进行复检，生成复检分析结果；根据首检分析结果和复检分析结果进行微显示器件的缺陷分类汇总。
-
公开(公告)号：CN118429396A
公开(公告)日：2024-08-02
申请号：CN202410883872.0
申请日：2024-07-03
申请人： 深圳精智达技术股份有限公司
IPC分类号： G06T7/30 , G06T7/187 , G06T3/60 , G06T3/20 , G06T3/4038
摘要： 本申请公开了一种图像几何配准方法、系统、装置及存储介质，可有效避免算法引起的拼接误差，从而提高图像拼接的清晰度和用户的体验。本申请方法包括：确定VR显示屏中的区域图；使用相机对所述VR显示屏拍摄若干个所述分区域图像，所述若干个分区域图像中相邻区域的图像具有同一行或同一列的点阵点；通过二值化将每个所述分区域图像的点阵点进行有效点提取以生成二值化区域，计算所述二值化区域中心点的质心坐标，根据所述二值化区域中心点的质心坐标设置目标尺寸的ROI包络框，并计算所述ROI包络框中点的质心坐标。
-
公开(公告)号：CN118036669A
公开(公告)日：2024-05-14
申请号：CN202410445122.5
申请日：2024-04-15
申请人： 深圳精智达技术股份有限公司
IPC分类号： G06N3/0455 , G06N3/088 , G06N3/084 , G06T7/00
摘要： 本申请公开了一种稀疏自编码模型的训练方法、装置、设备和介质，用于提高显示器像素点外观缺陷检测精确度和速度。本申请训练方法包括：获取训练样本集合；构建稀疏自编码模型并设置初始权重参数，稀疏自编码模型包括编码器和解码器，编码器包括卷积层、稀疏限制组和池化层，解码器包括反卷积层和反池化层；将训练样本集合作为输入数据输入稀疏自编码模型中，根据初始权重参数获取稀疏自编码模型输出的解码器重构数据；根据输入数据、解码器重构数据和初始权重参数进行差异计算，生成误差集合；根据误差集合和损失函数逐层反向传递更新稀疏自编码模型的权重参数；更新完成后，重复迭代的环节，直到稀疏自编码模型达到预设条件。
-
公开(公告)号：CN117214174A
公开(公告)日：2023-12-12
申请号：CN202311002563.X
申请日：2023-08-08
申请人： 深圳精智达技术股份有限公司
摘要： 本申请公开了一种显示屏异物分层检测装置、方法、电子设备和介质，用于提高显示屏异物检测的准确性。本申请包括：对工业成像组件进行标定处理，获取内参数、畸变系数和系统空间坐标转换矩阵；对待检测显示屏进行压接处理，并点亮待检测显示屏；通过大视野检测成像组件进行图像采集，将采集的图像分析，获取第一分析结果；当待检测显示屏中存在异物时，确定异物特征参数；控制高精度XYZ平台的X轴和Y轴运动，以使得小视野分层定位成像组件移动到异物所在位置的正上方；根据待检测显示屏确定采集间隔；按照采集间隔控制高精度XYZ平台的Z轴，并控制小视野分层定位成像组件进行图像采集；将图像输入图像处理工作站分析，生成分层定位结果。
-
公开(公告)号：CN115879513B
公开(公告)日：2023-11-14
申请号：CN202310196060.4
申请日：2023-03-03
申请人： 深圳精智达技术股份有限公司
IPC分类号： G06N3/0464 , G06N3/06 , G06N3/084 , G06N3/048
摘要： 本申请公开了一种数据的层次化标准化方法、装置和电子设备，用于提高数据标准化的精准度。本申请层次化标准化方法包括：获取初始卷积神经网络模型和B个批次的训练样本集合；根据B个批次的训练样本集合的各个维度的关联度在初始卷积神经网络模型的每一个卷积层前设置层次化标准化层；将B个批次的训练样本集合输入初始卷积神经网络模型中；通过HW标准化层对B个批次的训练样本集合在HW维度进行独立标准化处理；通过批次标准化层对B个批次的训练样本集合在批次B维度进行独立标准化处理；将经过两次独立标准化处理的B个批次的训练样本集合输入初始卷积神经网络模型进行训练，直到训练完成得到目标卷积神经网络模型。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.057 秒)
