一种大型模组边缘漏光的量化评价方法与流程

1.本发明涉及大型液晶模组光学外观效果评价领域，特别涉及一种大型模组边缘漏光的量化评价方法。


背景技术：

2.大型液晶模组光学外观效果评价时，主要是采用目视来判定漏光，会有人的主观因素，偏差会比较大。需要对传统的评价方式进行改进。


技术实现要素：

3.针对背景技术中提到的问题，本发明的目的是提供一种大型模组边缘漏光的量化评价方法，以解决背景技术中提到的问题。
4.本发明的上述技术目的是通过以下技术方案得以实现的：
5.一种大型模组边缘漏光的量化评价方法，包括以下步骤：
6.s1、利用ccd摄像机对模组指定画面拍照，取得画像图片和光学数据；
7.s2、按照漏光确认的划分区域，对数据进行分析和计算，生成被划分的每个区域的lcr值；
8.s3、通过数值大小判定漏光的程度。
9.较佳的，所述s1中，所述ccd摄像机连接有控制器，所述控制器通过无线通讯器与云平台连接，所述云平台包括有图像存储模块和光学数据提取模块。
10.较佳的，所述s1中，获取的图像图片为rgb图片，获取的光学数据包括：光通量、光强、照度、亮度，所述照度包括平均照度、维护照度和初始照度。
11.较佳的，所述s2中，在确定漏光的边缘区域时，获取边缘区域中各个像素点的颜色灰度值，计算颜色灰度值大于预设颜色灰度允许值的目标像素点的个数，若目标像素点的个数大于预设个数，则判定屏幕漏光。
12.较佳的，所述s2中，根据漏光确认的划分区域确定的色斑点数目，从而计算出孔隙数。
13.较佳的，所述s2中，生成被划分的每个区域的lcr值被存储至存储器内，所述存储器与所述云平台以及所述控制器电性连接。
14.较佳的，所述s3中利用判断模块根据数值大小判定漏光的程度，所述判断模块与控制器电性连接，所述控制器连接有表单模块。
15.较佳的，所述s1中，利用ccd摄像机对模组指定画面拍照取得画像图片时，对图像图片进行栅格化处理。
16.综上所述，本发明主要具有以下有益效果：
17.本大型模组边缘漏光的量化评价方法通过漏光分析和计算出的数据，判定漏光程度更直观，且克服了传统目视判断漏光的主观性，判断漏光更加的精准与正确，偏差更加小。能够活用到光学外观改善和生产中，有利于提高工作效率。
附图说明
18.图1是本发明的流程框图。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.实施例1
21.参考图1，一种大型模组边缘漏光的量化评价方法，包括以下步骤：
22.s1、利用ccd摄像机对模组指定画面拍照，取得画像图片和光学数据；
23.s2、按照漏光确认的划分区域，对数据进行分析和计算，生成被划分的每个区域的lcr值；
24.s3、通过数值大小判定漏光的程度。
25.其中，所述s1中，所述ccd摄像机连接有控制器，所述控制器通过无线通讯器与云平台连接，所述云平台包括有图像存储模块和光学数据提取模块。
26.其中，所述s1中，获取的图像图片为rgb图片，获取的光学数据包括：光通量、光强、照度、亮度，所述照度包括平均照度、维护照度和初始照度。
27.其中，所述s2中，在确定漏光的边缘区域时，获取边缘区域中各个像素点的颜色灰度值，计算颜色灰度值大于预设颜色灰度允许值的目标像素点的个数，若目标像素点的个数大于预设个数，则判定屏幕漏光。
28.其中，所述s2中，根据漏光确认的划分区域确定的色斑点数目，从而计算出孔隙数。
29.其中，所述s2中，生成被划分的每个区域的lcr值被存储至存储器内，所述存储器与所述云平台以及所述控制器电性连接。
30.其中，所述s3中利用判断模块根据数值大小判定漏光的程度，所述判断模块与控制器电性连接，所述控制器连接有表单模块。
31.其中，所述s1中，利用ccd摄像机对模组指定画面拍照取得画像图片时，对图像图片进行栅格化处理。
32.其中，本大型模组边缘漏光的量化评价方法通过漏光分析和计算出的数据，判定漏光程度更直观，且克服了传统目视判断漏光的主观性，判断漏光更加的精准与正确，偏差更加小。能够活用到光学外观改善和生产中，有利于提高工作效率。
33.实施例2
34.参考图1，一种大型模组边缘漏光的量化评价方法，包括以下步骤：
35.s1、利用ccd摄像机对模组指定画面拍照，取得画像图片和光学数据；
36.s2、按照漏光确认的划分区域，对数据进行分析和计算，生成被划分的每个区域的lcr值；
37.s3、通过数值大小判定漏光的程度。
38.其中，本大型模组边缘漏光的量化评价方法通过漏光分析和计算出的数据，判定
漏光程度更直观，且克服了传统目视判断漏光的主观性，判断漏光更加的精准与正确，偏差更加小。能够活用到光学外观改善和生产中，有利于提高工作效率。
39.实施例3
40.参考图1，一种大型模组边缘漏光的量化评价方法，包括以下步骤：
41.s1、利用ccd摄像机对模组指定画面拍照，取得画像图片和光学数据；
42.s2、按照漏光确认的划分区域，对数据进行分析和计算，生成被划分的每个区域的lcr值；
43.s3、通过数值大小判定漏光的程度。
44.其中，所述s1中，所述ccd摄像机连接有控制器，所述控制器通过无线通讯器与云平台连接，所述云平台包括有图像存储模块和光学数据提取模块。
45.其中，所述s2中，根据漏光确认的划分区域确定的色斑点数目，从而计算出孔隙数。
46.其中，所述s2中，生成被划分的每个区域的lcr值被存储至存储器内，所述存储器与所述云平台以及所述控制器电性连接。
47.其中，所述s3中利用判断模块根据数值大小判定漏光的程度，所述判断模块与控制器电性连接，所述控制器连接有表单模块。
48.其中，所述s1中，利用ccd摄像机对模组指定画面拍照取得画像图片时，对图像图片进行栅格化处理。
49.其中，本大型模组边缘漏光的量化评价方法通过漏光分析和计算出的数据，判定漏光程度更直观，且克服了传统目视判断漏光的主观性，判断漏光更加的精准与正确，偏差更加小。能够活用到光学外观改善和生产中，有利于提高工作效率。
50.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。


技术特征：
1.一种大型模组边缘漏光的量化评价方法，其特征在于：包括以下步骤：s1、利用ccd摄像机对模组指定画面拍照，取得画像图片和光学数据；s2、按照漏光确认的划分区域，对数据进行分析和计算，生成被划分的每个区域的lcr值；s3、通过数值大小判定漏光的程度。2.根据权利要求1所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s1中，所述ccd摄像机连接有控制器，所述控制器通过无线通讯器与云平台连接，所述云平台包括有图像存储模块和光学数据提取模块。3.根据权利要求1所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s1中，获取的图像图片为rgb图片，获取的光学数据包括：光通量、光强、照度、亮度，所述照度包括平均照度、维护照度和初始照度。4.根据权利要求1所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s2中，在确定漏光的边缘区域时，获取边缘区域中各个像素点的颜色灰度值，计算颜色灰度值大于预设颜色灰度允许值的目标像素点的个数，若目标像素点的个数大于预设个数，则判定屏幕漏光。5.根据权利要求1所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s2中，根据漏光确认的划分区域确定的色斑点数目，从而计算出孔隙数。6.根据权利要求2所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s2中，生成被划分的每个区域的lcr值被存储至存储器内，所述存储器与所述云平台以及所述控制器电性连接。7.根据权利要求2所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s3中利用判断模块根据数值大小判定漏光的程度，所述判断模块与控制器电性连接，所述控制器连接有表单模块。8.根据权利要求1所述的一种大型模组边缘漏光的量化评价方法，其特征在于：所述s1中，利用ccd摄像机对模组指定画面拍照取得画像图片时，对图像图片进行栅格化处理。

技术总结
本发明公开了一种大型模组边缘漏光的量化评价方法，其技术方案要点是：包括以下步骤：S1、利用CCD摄像机对模组指定画面拍照，取得画像图片和光学数据；S2、按照漏光确认的划分区域，对数据进行分析和计算，生成被划分的每个区域的Lcr值；S3、通过数值大小判定漏光的程度。本大型模组边缘漏光的量化评价方法通过漏光分析和计算出的数据，判定漏光程度更直观，且克服了传统目视判断漏光的主观性，判断漏光更加的精准与正确，偏差更加小。能够活用到光学外观改善和生产中，有利于提高工作效率。有利于提高工作效率。有利于提高工作效率。


技术研发人员：陈杰 谭东升
受保护的技术使用者：无锡夏普显示科技有限公司
技术研发日：2022.04.24
技术公布日：2022/7/29