屏幕漏光及环境光的检测方法、装置和电子设备制造方法及图纸

本申请实施例提供了一种屏幕漏光及环境光的检测方法、装置、电子设备和计算机存储介质。该方法包括：获取屏幕的显示参数，所述显示参数包括：所述屏幕的亮度值和所述屏幕的预设显示区域内各像素点的灰度值；将所述显示参数输入预先训练的神经网络模型，利用所述神经网络模型对所述显示参数进行处理，得到所述各像素点对应的漏光值；根据所述各像素点对应的漏光值，得到所述屏幕的漏光值。基于上述技术方案，可以精确且可靠地确定屏幕的漏光值。可以精确且可靠地确定屏幕的漏光值。可以精确且可靠地确定屏幕的漏光值。

【技术实现步骤摘要】
屏幕漏光及环境光的检测方法、装置和电子设备


[0001]本申请实施例涉及终端检测
，尤其涉及一种屏幕漏光及环境光的检测方法、装置、电子设备和计算机存储介质。

技术介绍

[0002]为了满足诸如手机等电子设备的大屏幕趋势，诸如环境光传感器(Ambient Light Sensor，ALS)等部件会被内置到电子设备的屏幕的下方。ALS用于检测环境光强。电子设备可以根据ALS检测到的环境光强调整屏幕的亮度，使得屏幕的亮度符合人眼的视觉感受。另外，电子设备还可以根据ALS检测到的环境光强整合色温，以辅助显示和拍照。
[0003]然而，由于ALS设置在屏幕下方，ALS在检测环境光时易受到屏幕自身发光而产生的屏下漏光的干扰，需要从ALS检测到的环境光强减去漏光光强，才能得到真实的环境光强。
[0004]因此，亟需一种能够准确地检测屏幕漏光的技术。

技术实现思路

[0005]有鉴于此，本申请实施例提供一种屏幕漏光及环境光的检测方法、装置、电子设备和计算机存储介质，以至少部分解决上述问题。
[0006]根据本申请实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种屏幕漏光的检测方法，包括：获取屏幕的显示参数，所述显示参数包括：所述屏幕的亮度值和所述屏幕的预设显示区域内各像素点的灰度值；将所述显示参数输入预先训练的神经网络模型，利用所述神经网络模型对所述显示参数进行处理，得到所述各像素点对应的漏光值；根据所述各像素点对应的漏光值，得到所述屏幕的漏光值。2.根据权利要求1所述的检测方法，其特征在于，所述神经网络模型包括多个漏光检测子模型，其中，每一个漏光检测子模型对应一个目标亮度区间；所述将所述显示参数输入预先训练的神经网络模型，利用所述神经网络模型对所述显示参数进行处理，得到所述各像素点对应的漏光值，包括：确定所述亮度值所在的目标亮度区间；将所述显示参数输入所述目标亮度区间对应的漏光检测子模型，利用所述漏光检测子模型对所述显示参数进行处理，得到所述各像素点对应的漏光值。3.根据权利要求1所述的检测方法，其特征在于，所述神经网络模型包括残差模块，所述残差模块包括多个全连接单元，所述多个全连接单元依次串联连接，且，所述多个全连接单元间还存在跳跃连接，所述跳跃连接包括不相邻的两个全连接单元间的连接。4.根据权利要求3所述的检测方法，其特征在于，所述跳跃连接为所述多个全连接单元中的第一个全连接单元与最后一个全连接单元跳跃连接。5.根据权利要求3或4所述的检测方法，其特征在于，所述残差模块的数量为多个，所述神经网络模型还包括第一全连接模块和第二全连接模块，所述多个残差模块级联连接，且位于所述第一全连接模块与所述第二全连接模块之间。6.根据权利要求3所述的检测方法，其特征在于，每个全连接单元包括全连接层、批标准化和激活函数。7.根据权利要求1
‑
4、6中任一项所述的检测方法，其特征在于，所述神经网络模型的训练过程包括：构建初始神经网络模型；获取屏幕的样本显示参数和样本漏光值；将所述样本显示参数输入所述初始神经网络模型，得到预测漏光值；基于所述预测漏光值与所述样本漏光值，得到所述初始神经网络模型的损失值；根据所述损失值，对所述初始神经网络模型进行训练，得到所述神经网络模型。8.根据权利要求7所述的检测方法，其特征在于，所述神经网络模型包括多个输出通道，所述预测漏光值包括多个通道预测漏光值，一个通道预测漏光值对应一个输出通道，所述样本漏光值包括多个通道样本漏光值，一个通道样本漏光值对应一个输出通道；所述基于所述预测漏光值与所述样本漏光值，得到所述初始神经网络模型的损失值，包括：针对每个输出通道，基于该输出...

【专利技术属性】
技术研发人员：何超，
申请(专利权)人：深圳市汇顶科技股份有限公司，
类型：发明
国别省市：