【技術實現步驟摘要】
本專利技術涉及tft顯示器校準領域，尤其涉及一種tft顯示器生產中的高精度校準方法。
技術介紹
1、tft顯示器，特別是tft-lcd（薄膜晶體管液晶顯示器），是目前廣泛應用的顯示技術之一，其顯示原理基于液晶分子的光電效應，通過控制液晶分子的排列方向來改變光的偏振狀態，從而實現圖像的顯示，tft顯示器中的每個像素都由一個薄膜晶體管控制，這使得每個像素都可以獨立地進行開關和灰度調節，從而提高了顯示的對比度和色彩豐富度；
2、tft（thin?film?transistor，薄膜晶體管）顯示器生產過程中，校準是一個至關重要的環節，直接關系到顯示器的顯示效果和用戶體驗；
3、而不同型號的tft顯示器在顯示性能上存在差異，現有方法往往采用統一的校準標準，無法針對不同型號進行個性化校準。
技術實現思路
1、本專利技術提供一種tft顯示器生產中的高精度校準方法，旨在實現針對不同型號tft顯示器的精準個性化校準。
2、一方面，本專利技術提供一種tft顯示器生產中的高精度校準方法，包括：
3、分別建立各型號tft顯示器的粒子群，通過模擬粒子在搜索空間中的運動得到各型號tft顯示器的亮度和對比度的最優中間值，即初始值，其中，粒子群中的每個粒子代表一組tft顯示器的亮度和對比度；確定代表每組tft顯示器的亮度和對比度的粒子,每個粒子代表一組tft顯示器的亮度和對比度；
4、使用計算每個粒子亮度和對比度的適應度，其中，為亮度，為對比度，為亮度,
5、根據每對粒子的適應度，確定每個粒子最優適應度和全局最優適應度；
6、根據每個粒子最優適應度和全局最優適應度，使用，對每個粒子進行速度和位置更新，以得到各型號tft顯示器的亮度和對比度的最優中間值，即初始值，其中，和分別是粒子i的速度和位置，是慣性權重，和是學習因子，分別控制粒子向最優解和全局最優解學習的速度，是[0,1]之間的隨機數，是粒子i的最優位置，?gbest是全局最優位置；
7、根據初始值，分別建立各型號tft顯示器的基因庫，通過選擇、交叉和變異對各型號tft顯示器的亮度和對比度進行調整并迭代篩選，以得到達到預定標準值的顯示器的亮度和對比度，即校準后的亮度和對比度，其中，基因庫中的基因編碼代表不同的亮度和對比度；
8、根據校準后的亮度和對比度，使用深度學習色彩校正模型對各型號tft顯示器的色彩進行調整，以得到達到預定標準值的色彩參數，即校準后的色彩參數；
9、根據校準后的色彩參數，使用自適應神經網絡模型根據顯示內容的亮度和色彩分布對gamma值進行調整，以得到校準后的gamma值；
10、根據校準后的gamma值，使用馬爾可夫隨機場算法對tft顯示器屏幕各區域的亮度和色彩均勻性進行調整，以得到均勻校準后的亮度和色彩；獲取tft顯示器屏幕各區域的亮度和色彩特征，所述特征包括平均亮度、亮度標準差、色彩均值、色彩方差；
11、將tft顯示器屏幕各區域視為各個節點，確定節點之間的鄰域關系；
12、根據節點之間的鄰域關系，確定每個節點的勢能函數公式，即，以得到每個節點的勢能函數，所述勢能函數包括數據項和平滑項，其中，是總勢能函數，是節點g的數據項勢能函數，是節點g和h之間的平滑項勢能函數，n?是鄰域關系的集合，為節點g的狀態，g，h分別為相鄰兩個節點；
13、根據每個節點的勢能函數，構建馬爾可夫隨機場算法的目標函數，即，其中，是目標函數，表示尋找使總勢能最小的節點狀態配置；
14、使用馬爾可夫隨機場算法的目標函數，對tft顯示器屏幕各區域的亮度和色彩均勻性進行調整，以得到均勻校準后的亮度和色彩；
15、根據均勻校準后的亮度和色彩，使用圖像分析算法對各型號tft顯示器顯示效果進行分析，以得到分析結果；
16、根據分析結果，與預定標準值進行比對，以得到比對結果，若比對結果超過或達到閾值，則進行重新校準，若比對結果未超過閾值，則校準完成。
17、進一步的，根據初始值，分別建立各型號tft顯示器的基因庫，通過選擇、交叉和變異對各型號tft顯示器的亮度和對比度進行調整并迭代篩選，以得到達到預定標準值的顯示器的亮度和對比度，即校準后的亮度和對比度，其中，基因庫中的基因編碼代表不同的亮度和對比度，包括：
18、根據初始值，分別建立各型號tft顯示器的基因庫，基因庫中的基因編碼代表不同的亮度和對比度；
19、根據每對粒子的適應度，確定父代的粒子；
20、根據父代的粒子，隨機選擇兩個父代粒子按照雙點交叉方式生成兩個子代粒子，以得到若干個子代粒子；
21、根據子代粒子，對基因位進行隨機改變，以得到變異后的粒子；
22、根據變異后的粒子，進行適應度評估，選擇適應度達到或閾值的粒子進入下一代；
23、對上述步驟進行迭代，直至得到達到預定標準值的顯示器的亮度和對比度，即校準后的亮度和對比度。
24、進一步的，根據校準后的亮度和對比度，使用深度學習色彩校正模型對各型號tft顯示器的色彩進行調整，以得到達到預定標準值的色彩參數，即校準后的色彩參數，包括：
25、獲取tft顯示器的色彩參數和預定標準值的色彩參數；
26、構建深度學習模型，使用計算tft顯示器的色彩參數與預定標準值的色彩參數之間的差異，其中，z是損失值，是樣本數量，是第個樣本的目標色彩參數，是模型預測的色彩參數；
27、根據tft顯示器的色彩參數與預定標準值的色彩參數之間的差異，使用反向傳播算法對深度學習模型進行優化，以得到優化后的深度學習模型；
28、根據tft顯示器的色彩參數和預定標準值的色彩參數，使用深度學習模型對tft顯示器的色彩參數進行校準，以得到達到預定標準值的色彩參數，即校準后的色彩參數。
29、進一步的，根據校準后的色彩參數，使用自適應神經網絡模型根據顯示內容的亮度和色彩分布對gamma值進行調整，以得到校準后的gamma值，包括：
30、獲取tft顯示器的gamma值和預定標準值的gamma值；
31、根據tft顯示器的gamma值和預定標準值的gamma值，使用，進行gamma值調整與校準，以得到校準后的gamma值，其中，是輸入特征的第個分量，是?從?第個輸入到第個神經元的權重，是偏置項，是第個神經元的凈輸入，是激活函數,是第f個神經元的輸出。
32、進一步的，根據均勻校準后的亮度和色彩，使用圖像分析算法對tft顯示器顯示效果進行分析，以得到分析結果，包括：
33、根據均勻校準后的亮度和色彩圖像，使用計算圖像的對比度，其中，是對比度，是亮度變化量，是亮度；
34、根據均勻校準后的亮度和色彩圖像，使用計算圖像的清晰度指標，其中，是圖像函數，是清晰度指標，表示圖像在水平方向上的曲率變化，反映了圖像在垂直方向上的曲率變化；...
【技術保護點】
1.一種TFT顯示器生產中的高精度校準方法，其特征在于，包括：
2.根據權利要求1所述的TFT顯示器生產中的高精度校準方法，其特征在于，分別建立各型號TFT顯示器的粒子群，通過模擬粒子在搜索空間中的運動得到各型號TFT顯示器的亮度和對比度的最優中間值，即初始值，其中，粒子群中的每個粒子代表一組TFT顯示器的亮度和對比度，包括：
3.根據權利要求1所述的TFT顯示器生產中的高精度校準方法，其特征在于，根據初始值，分別建立各型號TFT顯示器的基因庫，通過選擇、交叉和變異對各型號TFT顯示器的亮度和對比度進行調整并迭代篩選，以得到達到預定標準值的顯示器的亮度和對比度，即校準后的各型號TFT顯示器亮度和對比度，其中，基因庫中的基因編碼代表各型號TFT顯示器不同的亮度和對比度，包括：
4.根據權利要求1所述的TFT顯示器生產中的高精度校準方法，其特征在于，根據校準后的各型號TFT顯示器亮度和對比度，使用深度學習色彩校正模型對TFT顯示器的色彩進行調整，以得到達到預定標準值的色彩參數，即校準后的色彩參數，包括：
5.根據權利要求1所述的TFT顯
6.根據權利要求1所述的TFT顯示器生產中的高精度校準方法，其特征在于，根據校準后的Gamma值，使用馬爾可夫隨機場算法對各型號TFT顯示器屏幕各區域的亮度和色彩均勻性進行調整，以得到均勻校準后的亮度和色彩，包括：
7.根據權利要求1所述的TFT顯示器生產中的高精度校準方法，其特征在于，根據均勻校準后的亮度和色彩，使用圖像分析算法對TFT顯示器顯示效果進行分析，以得到分析結果，包括：
...【技術特征摘要】
1.一種tft顯示器生產中的高精度校準方法，其特征在于，包括：
2.根據權利要求1所述的tft顯示器生產中的高精度校準方法，其特征在于，分別建立各型號tft顯示器的粒子群，通過模擬粒子在搜索空間中的運動得到各型號tft顯示器的亮度和對比度的最優中間值，即初始值，其中，粒子群中的每個粒子代表一組tft顯示器的亮度和對比度，包括：
3.根據權利要求1所述的tft顯示器生產中的高精度校準方法，其特征在于，根據初始值，分別建立各型號tft顯示器的基因庫，通過選擇、交叉和變異對各型號tft顯示器的亮度和對比度進行調整并迭代篩選，以得到達到預定標準值的顯示器的亮度和對比度，即校準后的各型號tft顯示器亮度和對比度，其中，基因庫中的基因編碼代表各型號tft顯示器不同的亮度和對比度，包括：
4.根據權利要求1所述的tft顯示器生產中的高精度校準方法，其特征在...
【專利技術屬性】
技術研發人員：石超，李成明，楊少延，劉祥林，崔草香，朱瑞平，聶建林，郭柏君，陳兆顯，李曉東，
申請(專利權)人：國鯨科技廣東橫琴粵澳深度合作區有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。