(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210161847.2 (22)申请日 2022.02.22 (71)申请人 深圳创维-RGB电子有限公司 地址 518057 广东省深圳市南 山区深南大 道创维大厦A座13 -16楼 (72)发明人 赵文强　张广谱　张龙清　邹文聪　 陈伟雄　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 黄廷山 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01)G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 视效评价方法、 装置、 设备及存 储介质 (57)摘要 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。 权利要求书2页 说明书11页 附图3页 CN 114529532 A 2022.05.24 CN 114529532 A 1.一种视效评价方法， 其特 征在于， 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。 2.如权利要求1所述的视效评价方法， 其特征在于， 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。 3.如权利要求1所述的视效评价方法， 其特征在于， 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。 4.如权利要求1所述的视效评价方法， 其特征在于， 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。 5.如权利要求4所述的视效评价方法， 其特征在于， 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。 6.如权利要求1所述的视效评价方法， 其特征在于， 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； 获取训练数据集和测试数据集； 其中， 所述训练数据集包括光学参数训练数据和缺陷 特征训练数据， 所述测试数据集包括人工标注后的光学参数训练数据和缺陷特征训练数 据； 利用所述训练数据集和所述测试数据集， 对所述待训练模型进行训练， 获得视效评价 模型。 7.如权利要求6所述的视效评价方法， 其特征在于， 所述获取训练数据集和测试数据集 的步骤包括： 获取初始数据集； 其中， 所述初始数据集包括 光学参数训练数据和图像训练数据； 对所述初始数据集中的图像训练数据进行缺陷特征标注和噪声过滤， 得到缺陷特征训权　利　要　求　书 1/2 页 2 CN 114529532 A 2练数据， 获得训练数据集； 对所述初始数据集进行 人工评分， 获得测试 数据集。 8.一种视效评价装置， 其特 征在于， 所述装置包括： 数据获取模块， 用于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； 特征提取模块， 用于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； 视效评价模块， 用于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。 9.一种视效评价设备， 其特征在于， 所述设备包括处理器和存储器， 所述存储器上存储 有视效评价程序， 所述视效评价程序被所述处理器执行时， 实现如权利要求1至7中任一项 所述的视效评价方法。 10.一种计算机可读存储介质， 其特征在于， 所述存储介质上存储有计算机程序， 所述 计算机程序可被一个或多个处理器执行， 以实现如权利要求 1至7中任一项所述的视效评价 方法。权　利　要　求　书 2/2 页 3 CN 114529532 A 3