本發(fā)明涉及玻璃基板質(zhì)量分析，尤其涉及一種毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法。

背景技術(shù)：

1、在現(xiàn)代電子產(chǎn)品制造中，屏幕玻璃基板的表面質(zhì)量直接影響顯示效果和用戶體驗(yàn)，特別是在觸控、光學(xué)性能要求較高的應(yīng)用場(chǎng)景中，如智能手機(jī)、平板電腦和顯示器等。屏幕玻璃基板通常需要經(jīng)過(guò)多道拋光工藝，以保證表面平整度、光滑度以及顆粒殘留的最低化。然而，拋光過(guò)程中不可避免地會(huì)出現(xiàn)細(xì)微的表面缺陷，包括劃痕、殘留顆粒、不均勻拋光等，這些缺陷可能影響最終產(chǎn)品的外觀和性能，因此需要嚴(yán)格的質(zhì)量控制。

2、現(xiàn)有的質(zhì)量檢測(cè)方法通常采用光學(xué)成像技術(shù)結(jié)合人工檢查或簡(jiǎn)單的圖像處理算法。然而，這些傳統(tǒng)方法在高精度檢測(cè)和自動(dòng)化方面存在明顯局限性，尤其是在處理細(xì)小顆粒殘留和微觀劃痕等細(xì)節(jié)時(shí)，難以達(dá)到理想效果。傳統(tǒng)檢測(cè)方式依賴于單一的圖像特征，例如基于灰度值的簡(jiǎn)單閾值分割方法或邊緣檢測(cè)算法，無(wú)法全面捕捉復(fù)雜的表面特征，導(dǎo)致檢測(cè)精度不高，且在特征提取和綜合評(píng)價(jià)上難以實(shí)現(xiàn)自動(dòng)化。同時(shí)，在毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估中，存在對(duì)基板表面數(shù)據(jù)處理不準(zhǔn)確、對(duì)基板特性分析不足以及不準(zhǔn)確的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，以解決在毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估中，存在的對(duì)基板表面數(shù)據(jù)處理不準(zhǔn)確、對(duì)基板特性分析不足以及不準(zhǔn)確的問(wèn)題。

2、一種毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，包括以下步驟：

3、s1.?掃描屏幕玻璃基板表面，獲得原始圖像數(shù)據(jù)，并對(duì)原始圖像數(shù)據(jù)進(jìn)行智能化的預(yù)處理，在智能化的預(yù)處理過(guò)程中，對(duì)原始圖像數(shù)據(jù)進(jìn)行去噪處理，得到去除噪聲后的圖像數(shù)據(jù)；引入多階復(fù)合灰度變換，對(duì)去除噪聲后的圖像數(shù)據(jù)進(jìn)行灰度化處理，得到多階復(fù)合灰度變換后的圖像數(shù)據(jù)；多階復(fù)合灰度變換公式如下：

4、

5、其中，是去除噪聲后的圖像在坐標(biāo)位置處的灰度值；是多階復(fù)合灰度變換后的圖像在坐標(biāo)位置處的灰度值；是灰度調(diào)整系數(shù)；是非線性頻率控制參數(shù)；是對(duì)數(shù)變換增益參數(shù)；是去除噪聲后的圖像的全局灰度均值；為周期性變化的因子；

6、引入隨機(jī)噪聲模型，對(duì)多階復(fù)合灰度變換后的圖像數(shù)據(jù)進(jìn)行優(yōu)化，得到優(yōu)化后的圖像數(shù)據(jù)；對(duì)優(yōu)化后的圖像數(shù)據(jù)進(jìn)行邊緣增強(qiáng)處理，得到預(yù)處理后的圖像數(shù)據(jù)；

7、基于預(yù)處理后的圖像數(shù)據(jù)，引入多維特征耦合分析與動(dòng)態(tài)加權(quán)算法進(jìn)行特征提取與優(yōu)化，生成綜合特征數(shù)據(jù)；

8、s2.?基于綜合特征數(shù)據(jù)，引入多層特征耦合加權(quán)與自適應(yīng)多維評(píng)價(jià)算法進(jìn)行智能分析和質(zhì)量評(píng)估分類，得到基板表面的質(zhì)量類別。

9、優(yōu)選的，所述s1，具體包括：

10、在多維特征耦合分析與動(dòng)態(tài)加權(quán)算法的實(shí)現(xiàn)過(guò)程中，提取粗糙度特征、顆粒殘留密度、光滑度特征和均勻性特征；并將粗糙度特征、顆粒殘留密度、光滑度特征和均勻性特征進(jìn)行多維耦合與動(dòng)態(tài)加權(quán)處理，生成綜合質(zhì)量評(píng)估值。

11、優(yōu)選的，所述s1，具體包括：

12、綜合質(zhì)量評(píng)估值的計(jì)算公式如下：

13、

14、其中，為綜合質(zhì)量評(píng)估值；、、是動(dòng)態(tài)權(quán)重系數(shù)；表示粗糙度特征；為顆粒殘留密度；表示光滑度特征；為均勻性特征；

15、基于粗糙度特征、顆粒殘留密度、光滑度特征、均勻性特征和綜合質(zhì)量評(píng)估值，構(gòu)成綜合特征數(shù)據(jù)。

16、優(yōu)選的，所述s2，具體包括：

17、多層特征耦合加權(quán)與自適應(yīng)多維評(píng)價(jià)算法的實(shí)現(xiàn)過(guò)程如下：

18、第一步，構(gòu)建特征矩陣并進(jìn)行多層特征耦合加權(quán)處理，得到耦合特征；

19、第二步，基于耦合特征，構(gòu)建自適應(yīng)加權(quán)特征矩陣；

20、第三步，基于自適應(yīng)加權(quán)特征矩陣，進(jìn)行自適應(yīng)多維評(píng)價(jià)處理，生成基板表面的多維質(zhì)量評(píng)價(jià)值；

21、第四步，基于基板表面的多維質(zhì)量評(píng)價(jià)值，進(jìn)行質(zhì)量分類與判定。

22、優(yōu)選的，所述s2，具體包括：

23、基于特征矩陣，引入特征耦合函數(shù)，通過(guò)多層耦合和權(quán)重加權(quán)的方式進(jìn)行特征間的耦合，從而生成耦合特征；耦合特征中的任意元素計(jì)算公式如下：

24、

25、其中，是第個(gè)特征的耦合分量；和分別表示特征矩陣中的第和第個(gè)特征分量，特征分量包括粗糙度特征、顆粒殘留密度、光滑度特征、均勻性特征和綜合質(zhì)量評(píng)估值；為特征之間的耦合權(quán)重系數(shù)；為耦合調(diào)整系數(shù)。

26、優(yōu)選的，所述s2，具體包括：

27、基于自適應(yīng)加權(quán)特征矩陣，設(shè)計(jì)多維評(píng)價(jià)函數(shù)，生成基板表面的多維質(zhì)量評(píng)價(jià)值；具體計(jì)算公式如下：

28、

29、其中，是基板表面的多維質(zhì)量評(píng)價(jià)值；為自適應(yīng)加權(quán)特征矩陣；是指數(shù)衰減系數(shù)；是自適應(yīng)加權(quán)特征矩陣的第行第列的元素；是指數(shù)衰減項(xiàng)；是歸一化項(xiàng)。

30、優(yōu)選的，所述s2，具體包括：

31、基于基板表面的多維質(zhì)量評(píng)價(jià)值，使用自適應(yīng)分類判定函數(shù)基于質(zhì)量判定閾值進(jìn)行自動(dòng)化分類；自適應(yīng)分類判定函數(shù)定義如下：

32、

33、其中，和是質(zhì)量判定閾值。

34、本發(fā)明的技術(shù)方案的有益效果是：

35、1、通過(guò)光學(xué)檢測(cè)裝置采集屏幕玻璃基板表面圖像數(shù)據(jù)，并進(jìn)行智能化的預(yù)處理，包括高斯濾波和中值濾波去噪、多階復(fù)合灰度變換和隨機(jī)噪聲增強(qiáng)。多階復(fù)合灰度變換能夠增強(qiáng)圖像的對(duì)比度，使暗區(qū)和亮區(qū)的細(xì)節(jié)更加顯著，保證了特征提取時(shí)的精確性。同時(shí)，噪聲增強(qiáng)處理模擬了基板表面顆粒的微觀分布，進(jìn)一步提升了對(duì)顆粒細(xì)節(jié)的敏感性，為后續(xù)特征的精確提取奠定了基礎(chǔ)。通過(guò)一系列高效的圖像處理方法，實(shí)現(xiàn)了對(duì)基板表面細(xì)節(jié)的精確捕捉和數(shù)據(jù)優(yōu)化，有效提升了檢測(cè)精度。

36、2、通過(guò)對(duì)預(yù)處理后的圖像數(shù)據(jù)的像素點(diǎn)的灰度值、位置角度、灰度梯度和灰度的變化曲率等信息的多維耦合，分別提取了粗糙度、顆粒殘留密度、光滑度和均勻性等特征。每個(gè)特征的計(jì)算公式都結(jié)合了復(fù)雜的非線性函數(shù)，從而在不同特征之間建立了多層次的耦合關(guān)系。

37、3、引入多層特征耦合加權(quán)與自適應(yīng)多維評(píng)價(jià)算法進(jìn)行智能分析以及質(zhì)量評(píng)估分類。通過(guò)生成自適應(yīng)加權(quán)特征矩陣，以增強(qiáng)耦合特征的自適應(yīng)性和可調(diào)節(jié)性。自適應(yīng)加權(quán)特征矩陣通過(guò)每個(gè)特征的耦合分量與特征矩陣中的特征分量之間的交互關(guān)系進(jìn)行構(gòu)建，實(shí)現(xiàn)了多層次特征的自適應(yīng)調(diào)節(jié)，避免了數(shù)據(jù)處理過(guò)程中的梯度過(guò)大或過(guò)小的現(xiàn)象，使得自適應(yīng)加權(quán)特征矩陣中的每個(gè)特征分量都保持了獨(dú)特且相對(duì)平衡的表達(dá)效果。通過(guò)對(duì)特征間的自適應(yīng)加權(quán)控制，確保了在不同的基板表面條件下，能夠自動(dòng)調(diào)整特征的權(quán)重，顯著提高了評(píng)估結(jié)果的魯棒性和自適應(yīng)性。

技術(shù)特征：

1.一種毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，所述s1，具體包括：

3.根據(jù)權(quán)利要求2所述的毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，所述s1，具體包括：

4.根據(jù)權(quán)利要求1所述的毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，所述s2，具體包括：

5.根據(jù)權(quán)利要求4所述的毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，所述s2，具體包括：

6.根據(jù)權(quán)利要求4所述的毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，所述s2，具體包括：

7.根據(jù)權(quán)利要求6所述的毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法，其特征在于，所述s2，具體包括：

技術(shù)總結(jié)
本發(fā)明涉及玻璃基板質(zhì)量分析技術(shù)領(lǐng)域，尤其涉及一種毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估方法。內(nèi)容包括：掃描屏幕玻璃基板表面，獲得原始圖像數(shù)據(jù)，并對(duì)原始圖像數(shù)據(jù)進(jìn)行智能化的預(yù)處理，得到預(yù)處理后的圖像數(shù)據(jù)；基于預(yù)處理后的圖像數(shù)據(jù)，引入多維特征耦合分析與動(dòng)態(tài)加權(quán)算法進(jìn)行特征提取與優(yōu)化，生成綜合特征數(shù)據(jù)；基于綜合特征數(shù)據(jù)，引入多層特征耦合加權(quán)與自適應(yīng)多維評(píng)價(jià)算法進(jìn)行智能分析和質(zhì)量評(píng)估分類，得到基板表面的質(zhì)量類別。解決了在毛刷拋光屏幕玻璃基板表面質(zhì)量評(píng)估中，存在的對(duì)基板表面數(shù)據(jù)處理不準(zhǔn)確、對(duì)基板特性分析不足以及不準(zhǔn)確的問(wèn)題。

技術(shù)研發(fā)人員：劉雪珍,劉雪燕,莫龍輝
受保護(hù)的技術(shù)使用者：廣州傲群刷業(yè)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6