[发明专利]一种基于经验模态分解与回归模型的OLED缺陷检测方法

权利要求书

1.一种基于经验模态分解与回归模型的OLED缺陷检测方法，其特征在于，所述方法包括如下步骤：

S1：采集OLED图像，并对OLED图像进行强度信号分析，得到OLED图像强度信号数据；

S2：采用自回归模型的经验模态分解方法对OLED图像强度信号按照x和y方向进行线信号分解，其中OLED图像水平方向作为x方向，OLED图像竖直方向作为y方向，得到OLED图像x和y方向不同频率的强度信号分量，去除所述x和y方向不同频率的强度信号分量中的高频和低频分量，得到OLED图像x方向和y方向的最终频谱数据，根据x方向和y方向的最终频谱数据计算OLED图像中的OLED子图x方向的边长和y方向的边长；

S3：将OLED图像的左上角顶点作为原点，利用OLED子图x方向的边长和y方向的边长定义OLED图像的切割网格；

S4：使用切割网格将OLED图像进行分割，得到矩形OLED发光图像阵列；所述OLED发光图像阵列由OLED子图像组成，所述OLED子图像均为矩形；

S5：使用2D图像的互相关算法对矩形OLED发光图像阵列中OLED元件的位置偏移值进行计算，根据OLED元件的位置偏移值的大小调整OLED子图像，使得OLED子图像与切割网格对齐；

S6：在矩形OLED发光图像阵列中选取OLED子图像模板，将OLED子图像模板与矩形OLED发光图像阵列中OLED子图像逐一比较来判断OLED有无缺陷。

2.根据权利要求1所述的一种基于经验模态分解与回归模型的OLED缺陷检测方法，其特征在于，所述OLED子图像模板通过将矩形OLED发光图像阵列中的全部OLED子图像通过加权求平均方法得到。

3.根据权利要求1所述的一种基于经验模态分解与回归模型的OLED缺陷检测方法，其特征在于，步骤S2所述采用自回归模型的经验模态分解方法对OLED图像强度信号进行分解，并计算OLED图像中的OLED子图像x方向的边长和y方向的边长具体过程如下：

S2.1：首先将OLED图像强度信号按照x和y向分解成固定数量的固有模态函数，分解公式如下：

其中，t是离散时间指数，y(t)是原始信号，x_i是固有模态函数，r_n是残差，每个固有模态函数表示不同频率的OLED图像强度信号分量，去除固有模态函数中的低频和高频分量；

S2.2：使用自回归模型表示去除了低频和高频分量的所有OLED图像强度信号分量，从而得到OLED图像x和y方向最终频谱数据，公示如下：

其中，a_k是自回归模型的系数，e(t)是白噪声，q是自回归模型的阶数；

S2.3:将x方向和y方向的最终频谱数据中最强频率窗口中频率峰值对应的频率作为OLED子图像在x方向和y方向重复出现的频率分别记为f_x,f_y；

S2.4:分别用OLED图像中x方向的像素总数P_x和y方向的像素总数P_y除以对应的OLED子图像重复出现频率f_x,f_y，分别得到OLED子图像在x方向的边长w_x和y方向的边长w_y，计算公式如下：

其中，x方向的像素总数P_x为图像x方向的宽度，y方向的像素总数P_y为y方向的高度。