[发明专利]视效评价方法、装置、设备及存储介质

说明书

本发明公开了一种视效评价方法、装置、设备及存储介质，涉及显示技术领域，方法包括：获取目标显示器件的光学参数数据以及目标显示器件在纯色显示场景下的图像数据；对图像数据进行视效缺陷特征提取，获得缺陷特征数据；将光学参数数据和缺陷特征数据输入训练获得的视效评价模型，输出视效评价结果；其中，视效评价模型为深度学习。本发明解决了现有技术中存在主观因素影响较大，导致评判结果差异较大的问题，实现了对目标显示器件的视效进行客观评价的目的。

技术领域

本发明涉及显示技术领域，尤其涉及一种视效评价方法、装置、设备及存储介质。

背景技术

在显示领域中，评判显示器件显示性能的优劣性是多个维度的。其中，较为关键的参数，比如亮度、色域、刷新率、可视角、对比度等都有完善的评判标准，然而，对显示器件显示效果尤为重要的主观视效尚没有可以客观地进行评判的方法。目前评判显示器件的主观视效的方法一般是通过具有经验的人工来判断，现有方法存在耗费时间长，评判主观因素影响较大，导致评判结果因人而异的问题。

发明内容

本发明的主要目的在于：提供一种视效评价方法、装置、设备及存储介质，旨在解决现有技术中显示器件的主观视效评判方法存在主观因素影响较大，导致评判结果差异较大的技术问题。

为实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供了一种视效评价方法，所述方法包括：

获取目标显示器件的光学参数数据以及所述目标显示器件在纯色显示场景下的图像数据；

对所述图像数据进行视效缺陷特征提取，获得缺陷特征数据；

将所述光学参数数据和所述缺陷特征数据输入训练获得的视效评价模型，输出视效评价结果；其中，所述视效评价模型基于深度学习算法构建。

可选地，上述视效评价方法中，所述获取目标显示器件的光学参数数据的步骤包括：

通过电荷耦合元件采集目标显示器件上各采样点处的光学参数；其中，所述采样点在所述目标显示器件上矩阵排列；

根据所述各采样点处的光学参数，获得所述目标显示器件的光学参数矩阵，将所述光学参数矩阵确定为光学参数数据。

可选地，上述视效评价方法中，所述获取目标显示器件在纯色显示场景下的图像数据的步骤包括：

通过拍摄装置获取所述目标显示器件在纯色显示场景下的图像数据。

可选地，上述视效评价方法中，所述对所述图像数据进行视效缺陷特征提取，获得缺陷特征数据的步骤包括：

通过图像识别技术对所述图像数据进行视效缺陷识别，得到视效缺陷类型及视效缺陷图像；

对所述视效缺陷图像进行向量化处理，得到缺陷特征数据。

可选地，上述视效评价方法中，所述通过图像识别技术对所述图像数据进行视效缺陷识别，得到视效缺陷图像的步骤之后，所述方法还包括：

根据所述视效缺陷类型，在预设表格中查找与所述视效缺陷类型对应的视效缺陷原因和整改方案；其中，所述预设表格包括视效缺陷类型、视效缺陷原因和整改方案的关联关系；

对所述视效缺陷图像、所述视效缺陷原因和所述整改方案进行显示。

可选地，上述视效评价方法中，所述将所述光学参数数据和所述缺陷特征数据输入训练获得的视效评价模型，输出视效评价结果的步骤之前，所述方法还包括：

建立待训练模型；其中，所述待训练模型为循环神经网络模型；