一种画质检测方法及系统技术方案

本发明专利技术公开了一种画质检测方法及系统，属于检测领域，所述方法包括如下步骤：收集错误画质的图片数据；根据收集的图片数据建立图片功能库；对图片功能库进行图片画质特征提取；根据提取的图片画质特征建立画质特征库；使用画质特征库对图片画质进行检测,输出检测结果。通过利用深度学习的方法，从以往的画质功能问题图片提取特征学习，快速定位属于哪类问题，利用深度学习技术对画质功能问题图片进行特征学习，并对学习到的特征进行分类，得到深度学习模型；通过前期输入不同类型的画质问题图片并自动学习大量数据不同类型的特征，得到学习模型，后续只需提供图片输入即可输出画质结果是否通过，省去了设备和人力，大大提高了效率。

A Method and System for Picture Quality Detection

The invention discloses an image quality detection method and system, which belongs to the detection field. The method comprises the following steps: collecting image data of wrong image quality; establishing image function library based on collected image data; extracting image quality features from image function library; establishing image quality feature library based on extracted image quality features; and using image quality feature library to detect image quality. Measure and output the test results. By using the method of in-depth learning, feature learning is extracted from the pictures of previous quality problems, which kind of problems belong to is located quickly, feature learning is carried out on pictures of quality problems by using in-depth learning technology, and the features learned are classified to get the in-depth learning model; different types of pictures of quality problems are input in the early stage, and a large number of data are automatically learned. The learning model can be obtained by the type of features, and the subsequent output of the quality results can be obtained by providing only picture input, which saves equipment and manpower and greatly improves the efficiency.

【技术实现步骤摘要】
一种画质检测方法及系统
本专利技术涉及检测领域，具体涉及一种画质检测方法及系统。
技术介绍
我们都知道，获取大千世界的人物，景物等信息都是由摄像头模组来进行获取并显示在屏幕上，摄像头模组的生产加工过程实际上是各个功能物料堆积组合的过程，由镜头，音圈马达，红外滤光片，感光芯片，PCB电路板等组成，由于模组摄像头的这个堆叠过程中需要用到不同功能的单体物料，每个单体物料在搭载过程中或多或少不可避免的会出现比如镜头划伤，脏污，感光芯片掉落灰尘，或者感光芯片经过长期放置出现质量变异比如有坏点，亮点等等，而在产品卖到消费者之前会经过一个画质的检测，传统的检测方法是不同的功能测试安排不同的岗位由专员进行测试，比如测试坏点就会安排一个坏点测试岗位专门测试坏点画质效果，效率低，同时也浪费人力和物力。
技术实现思路
本专利技术旨在公开一种画质检测方法及系统，解决现有人工检测画质效率低，同时也浪费人力和物力的问题，本专利技术是以往的画质功能问题图片提取特征学习，快速定位属于哪类问题,利用深度学习技术对画质功能问题图片进行特征学习，并对学习到的特征进行分类，得到深度学习模型；利用深度学习模型对摄像头画质功能图片进行判断并输出结果。本专利技术采取的技术方案为：一种画质检测方法，所述方法包括如下步骤：收集错误画质的图片数据；根据收集的图片数据建立图片功能库；对图片功能库进行图片画质特征提取；根据提取的图片画质特征建立画质特征库；使用画质特征库对图片画质进行检测,输出检测结果。进一步地，所述收集错误画质的图片数据包括收集以往的画质功能出现问题的图片和用户日常使用反馈回来的画质功能出现问题的图片。进一步地，所述收集错误画质的图片时，在每个图片下方或者目录中使用文字说明图片的具体画质问题的内容。进一步地，所述建立图片功能库的具体过程为，先根据画质问题图片的文字说明进行分类，然后根据不同类型的图片进行建立图片功能模型，然后把建立好的图片功能模型进行存储。进一步地，所述分类是根据文字的说明内容进行分成大类，大类里面有若干个小类，小类与小类之间形成关联类。进一步地，所述图片功能模型在后期另外收集到画质问题图像后，画质问题图像自动添加到图片功能库，增加图片功能库性能。进一步地，所述画质特征提取过程为，对每个图片进行画质特征提取，把提取的画质特征与图片的画质说明文字内容对比，当不完全部相符时，对该图片进行二次画质特征提取。进一步地，所述建立画质特征库的过程为：先对画质特征进行分类处理，然后根据分类情况建立画质特征模型，然后把画质特征模型进行存储，在后期出现新提取的画质特征时，新的画质特征自动添加到画质特征模型，提高画质特征模型数据准确性。进一步地，所述使用画质特征库对图片画质进行检测的过程为：重复三次对需要检测的图片进行画质特征提取，然后把提取的画质特征放入到画质特征模型进行对比，三次对比结果中，但有两个以上是相同时，输出检测结果，否则重现检测。一种画质检测系统，所述系统包括：图片数据收集单元，用于收集错误画质的图片数据；图片数据功能库单元，用于建立根据收集的图片数据建立图片功能库；图片画质特征提取单元，用于对图片功能库进行图片画质特征提取和根据提取的图片画质特征建立画质特征库；画质检测单元，用于使用画质特征库对图片画质进行检测；及结果输出单元，用于输出检测结果数据。进一步地，所述图片数据收集单元包括：错误画质图片收集模块，用于收集以往的错误画质图片数据；及用户反馈画质收集模块，用于收集用户使用过程中反馈的错误画质图片数据。进一步地，所述图片数据功能库单元包括：图片数据分类模块，用于对错误画质图片数据进行分类；图片数据模型库建立模块，用于根据错误画质图片数据的分类情况进行建立图片数据模型库；图片数据模型库更新模块，用于对后期出现其它的错误画质图片时，对图片数据模型库进行数据自动添加；及图片数据模型库存储模块，用于存储建立好的或者更新好的图片数据模型库。进一步地，所述图片画质特征提取单元包括：画质特征提取模块，用于对图片数据模型库的图片进行图片画质特征提取，把提取的画质特征与图片的画质说明文字内容对比，当不完全部相符时，对该图片进行二次画质特征提取；画质特征库建立模块，用于对画质特征进行分类处理，然后根据分类情况建立画质特征模型；画质特征库更新模块，用于对后期出现其它的错误画质特征时，对画质特征模型进行数据自动添加；画质特征库存储模块，用于存储建立好的或者更新好的画质特征模型。进一步地，所述画质检测单元包括：检测图片画质特征提取模块，用于对需要检测的图片进行画质特征提取；画质特征提取比对模块，用于把提取的画质特征放入画质特征模型内深度学习对比，得到检测结果。进一步地，所述检测图片画质特征提取模块重复三次对需要检测的图片进行画质特征提取，然后把提取的画质特征放入到画质特征模型进行对比，三次对比结果中，但有两个以上是相同时，输出检测结果，否则重现检测。采用本专利技术技术方案具有以下优势：本专利技术通过利用深度学习的方法，从以往的画质功能问题图片提取特征学习，快速定位属于哪类问题，利用深度学习技术对画质功能问题图片进行特征学习，并对学习到的特征进行分类，得到深度学习模型；利用深度学习模型对摄像头画质功能图片进行判断并输出结果。通过前期输入不同类型的画质问题图片并自动学习大量数据不同类型的特征，得到学习模型，后续只需提供图片输入即可输出画质结果是否通过，省去了设备和人力，大大提高了效率。附图说明图1是本专利技术一种画质检测方法流程图。图2是本专利技术一种画质检测系统结构框图。图3是本专利技术一种画质检测系统的图片数据收集单元模块框图。图4是本专利技术一种画质检测系统的图片数据功能库单元模块框图。图5是本专利技术一种画质检测系统的图片画质特征提取单元模块框图。图6是本专利技术一种画质检测系统的画质检测单元模块框图。如下具体实施方式将结合上述附图进一步说明本专利技术。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。需要说明的是，下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。下文的公开提供了许多不同的实施例或例子本文档来自技高网...

【技术保护点】
1.一种画质检测方法，其特征在于，所述方法包括如下步骤：收集错误画质的图片数据；根据收集的图片数据建立图片功能库；对图片功能库进行图片画质特征提取；根据提取的图片画质特征建立画质特征库；使用画质特征库对图片画质进行检测,输出检测结果。

【技术特征摘要】
1.一种画质检测方法，其特征在于，所述方法包括如下步骤：收集错误画质的图片数据；根据收集的图片数据建立图片功能库；对图片功能库进行图片画质特征提取；根据提取的图片画质特征建立画质特征库；使用画质特征库对图片画质进行检测,输出检测结果。2.根据权利要求1所述的一种画质检测方法，其特征在于，所述收集错误画质的图片数据包括收集以往的画质功能出现问题的图片和用户日常使用反馈回来的画质功能出现问题的图片。3.根据权利要求2所述的一种画质检测方法，其特征在于：所述收集错误画质的图片时，在每个图片下方或者目录中使用文字说明图片的具体画质问题的内容。4.根据权利要求3所述的一种画质检测方法，其特征在于：所述建立图片功能库的具体过程为，先根据画质问题图片的文字说明进行分类，然后根据不同类型的图片进行建立图片功能模型，然后把建立好的图片功能模型进行存储。5.根据权利要求4所述的一种画质检测方法，其特征在于：所述分类是根据文字的说明内容进行分成大类，大类里面有若干个小类，小类与小类之间形成关联类。6.根据权利要求1所述的一种画质检测方法，其特征在于：所述图片功能模型在后期另外收集到画质问题图像后，画质问题图像自动添加到图片功能库，增加图片功能库性能。7.根据权...

【专利技术属性】
技术研发人员：杜映丹，吴光斯，
申请(专利权)人：信利光电股份有限公司，
类型：发明
国别省市：广东,44