本发明专利技术属于新型显示喷墨打印技术领域，具体涉及一种用于喷墨打印的阵列化喷孔筛选方法及装置，包括：基于每个喷孔每次喷射得到的沉积液滴特征集合，依次通过分类模型、回归模型，得到对应正常飞行液滴的状态参数集合；随机选取多个状态参数集合，通过标签标注，以训练得到初始分类器；将其余状态参数集合分别输入初始分类器，得到对应的分类概率，根据分类概率，选择多个候选的状态参数集合，进行聚类，获取每个聚类中心对应的喷孔正常与否的标签，进一步训练初始分类器；将每个喷孔对应的各状态参数集合分别输入最终分类器，确定该喷孔是否可用于正式喷墨打印。本发明专利技术在提高筛选效率的同时保证筛选精度。的同时保证筛选精度。的同时保证筛选精度。
【技术实现步骤摘要】
一种喷墨打印用阵列化喷孔的智能筛选方法及装置
[0001]本专利技术属于新型显示喷墨打印
，更具体地，涉及一种用于喷墨打印的阵列化喷孔筛选方法及装置。
技术介绍
[0002]喷墨打印技术是新兴的显示面板制造工艺，主要是使用溶剂将有机材料融化，然后直接将材料喷印在基板上形成有机功能层。与传统的蒸镀工艺对比，该方法可以按有机材料的需求量打印，从而节省90％的原料。同时不需要真空环境以及昂贵的精密掩模版，允许制作任意大尺寸的基板，被认为是有望取代蒸镀工艺的技术革命，研发高精度、高适应性的工业级喷墨印刷显示制造装备是国内外面板厂商和研发机构研究的热点领域。
[0003]喷墨打印技术作为显示面板的制造工艺仍然面临许多挑战，其中一个关键问题便是打印中的异常喷孔筛选。在喷墨打印制备OLED显示器件的过程中，由于喷头制造存在差异、工艺参数设置不当、打印环境相对复杂等原因，可能出现喷孔堵塞、卫星液滴、体积异常等喷射缺陷，异常喷孔参与到打印环节会严重影响最终显示器件的质量。因此如何检测喷印过程中异常的喷孔对于实现高质量、高效率喷印来说都是至关重要的。
[0004]现有的喷印喷孔筛选方法主要利用墨滴观测直接获取液滴的体积与速度来进行判断。墨滴观测以视觉测量为主，传统视觉测量技术大部分基于频闪成像的原理，但是随着喷印分辨率与打印面积的持续攀升，基板的面积也随之加大，待检测喷孔的数量也大幅度增多，使用墨滴观测进行液滴参数检测耗时过长，效率低下，会占用大量的工艺时间，严重降低喷墨打印的效率。
[0005]因此，如何实现阵列化喷孔的高效智能检测筛选成为了喷印显示技术继续向前发展的重点与难点。
技术实现思路
[0006]针对现有技术的缺陷和改进需求，本专利技术提供了一种用于喷墨打印的阵列化喷孔筛选方法及装置，其目的在于解决现有因飞行液滴观测效率低导致喷孔筛选效率低的问题，实现阵列化喷孔的快速高效筛选。
[0007]为实现上述目的，按照本专利技术的一个方面，提供了一种喷墨打印用阵列化喷孔的智能筛选方法，包括：
[0008]基于每个喷孔每次喷射得到的沉积液滴特征集合，采用已训练的分类模型，确定该喷孔在该次喷射的沉积液滴正常与否，以将每个正常沉积液滴的特征集合输入已训练的回归模型，得到对应飞行液滴的状态参数集合；
[0009]随机选取多个状态参数集合，获取每个状态参数集合对应的喷孔正常与否的标签，以训练得到初始分类器；将其余状态参数集合分别输入初始分类器，得到对应的分类概率，以采用样本选择策略，选择多个候选的状态参数集合；对多个候选的状态参数集合进行聚类获取每个聚类中心对应的喷孔正常与否的标签，用以进一步训练初始分类器，得到最
终分类器；
[0010]将每个喷孔对应的各状态参数集合分别输入所述最终分类器，根据各分类结果，确定该喷孔是否可用于正式喷墨打印。
[0011]本专利技术的有益效果是：本专利技术首先构建各喷孔飞行液滴的状态参数集合样本集，具体为利用每个喷孔一次喷射得到的沉积液滴的特征集合，首先采用分类模型，筛选正常的沉积液滴对应的特征集合，再基于正常的沉积液滴对应的特征集合，采用已训练的回归模型，得到该正常的沉积液滴对应的飞行液滴的状态参数集合(可包括飞行液滴的体积和速度)，由此构建状态参数集合样本集。随后，本专利技术提出利用前述所构建的状态参数集合样本集，通过预训练、选择样本、聚类、再训练等一系列特定操作，构建一个能够基于状态参数集合精确预测喷孔正常与否的分类器。最后，利用每个待筛选喷孔经多次喷射所对应的多个飞行液滴的状态参数集合，通过构建得到的分类器，得到对应的多个喷孔正常与否的预测结果，根据该待筛选喷孔对应的多个预测结果，判定该喷孔是否可以被筛选用于正式喷墨打印。本专利技术引入三个机器学习模型，协同实现喷孔智能筛选，相比现有方法，极大提高筛选效率，其中，在构建分类器时本专利技术还提出预训练、选择样本、聚类、再训练等一系列特定训练操作，在提高筛选效率的同时保证筛选精度。
[0012]进一步，采用如下主动学习中的样本选择策略：
[0013][0014]式中，表示采用初始分类器将无标签的其余一个状态参数集合样本x
i
预测为类别的概率，和分别表示负例类别和正例类别；x
*
表示所述其余状态参数集合中被分别预测为两类的概率之差最小的状态参数集合，作为候选的状态参数集合。
[0015]本专利技术的进一步有益效果是：本专利技术采用的样本选择策略，优先考虑那些容易被判定为正例和负例两类，处在样本空间的类别边界的样本数据，本专利技术将这些样本选择出来，作为候选的状态参数集合，去进一步训练分类器，能够极大提高分类器的预测性能，进而有利于提高喷孔筛选精度。其中，正例是状态参数在阈值内的数据，负例是状态参数超出阈值。
[0016]进一步，采用k
‑
means算法对多个候选的状态参数集合进行聚类。
[0017]本专利技术的进一步有益效果是：本专利技术采用k
‑
means聚类的方法，实现无监督的聚类算法，减少了信息的冗余，可以有效减少对大量同类型的样本进行标注，避免分类超平面移动缓慢浪费迭代成本，有效提升算法的收敛速度以及分类的精确度。
[0018]进一步，判定每个喷孔是否可用于喷墨打印的标准为：
[0019]当所述最终分类器基于该喷孔对应的各状态参数集合所输出的各分类结果均为正常时，则将该喷孔筛选为可用于喷墨打印。
[0020]本专利技术的有益效果是：如果抽样的样本都是正例样本，则判断喷孔为正常喷孔，如果其中出现负例样本，则判断为异常喷孔，进一步提高筛选精度。
[0021]进一步，所述分类模型由多个已训练的支持向量机构成，其中，所述特征集合中每种特征维度在所述分类模型中均对应有一个用于预测沉积液滴在该特征维度上存在异常的概率的支持向量机，同时所述分类模型中还包括有一个用于预测沉积液滴为正常的概率
的支持向量机；
[0022]则采用分类模型的具体方式为：
[0023]将每个特征集合输入所述分类模型中的各支持向量机中，各支持向量机预测输出一个概率；将最大概率对应的沉积液滴正常与否，作为分类模型的输出结果。
[0024]本专利技术的进一步有益效果是：针对沉积液滴正常与否的预测，本专利技术采用多分类支持向量机。特征集合中每种特征维度在分类模型中均对应有一个用于预测沉积液滴在该特征维度上存在异常的概率的支持向量机，以及一个用于预测沉积液滴为正常的概率的支持向量机。每个支持向量机专门用于预测沉积液滴在某一个维度存在异常的概率，而不是统一用一个去预测，避免出现将异常的沉积液滴误判为正常的沉积液滴，极大提高沉积液滴正常与否的判定精度，大幅度提升分类的精度。
[0025]进一步，所述分类模型中每个支持向量机采用如下训练方式得到：
[0026]从特征集合样本集中随机选取多个特征集合样本，根据该支持向量机的预测目标，获取各特征集合样本对应的沉积液滴正常与否或者沉积液滴在某特征维度上是否存在异常的标签，以训本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种喷墨打印用阵列化喷孔的智能筛选方法，其特征在于，包括：基于每个喷孔每次喷射得到的沉积液滴特征集合，采用已训练的分类模型，确定该喷孔在该次喷射的沉积液滴正常与否，以将每个正常沉积液滴的特征集合输入已训练的回归模型，得到对应飞行液滴的状态参数集合；随机选取多个状态参数集合，获取每个状态参数集合对应的喷孔正常与否的标签，以训练得到初始分类器；将其余状态参数集合分别输入初始分类器，得到对应的分类概率，以采用样本选择策略，选择多个候选的状态参数集合；对多个候选的状态参数集合进行聚类，获取每个聚类中心对应的喷孔正常与否的标签，以进一步训练初始分类器，得到最终分类器；将每个喷孔对应的各状态参数集合分别输入所述最终分类器，根据各分类结果，确定该喷孔是否可用于正式喷墨打印。2.根据权利要求1所述的一种喷墨打印用阵列化喷孔的智能筛选方法，其特征在于，采用如下主动学习中的样本选择策略：式中，表示采用初始分类器将无标签的其余一个状态参数集合样本x
i
预测为类别的概率，和分别表示负例类别和正例类别；x
*
表示所述其余状态参数集合中被分别预测为两类的概率之差最小的状态参数集合，作为候选的状态参数集合。3.根据权利要求1所述的一种喷墨打印用阵列化喷孔的智能筛选方法，其特征在于，采用k
‑
means算法对多个候选的状态参数集合进行聚类。4.根据权利要求1所述的一种喷墨打印用阵列化喷孔的智能筛选方法，其特征在于，判定每个喷孔是否可用于喷墨打印的标准为：当所述最终分类器基于该喷孔对应的各状态参数集合所输出的各分类结果均为正常时，则将该喷孔筛选为可用于喷墨打印。5.根据权利要求1所述的一种喷墨打印用阵列化喷孔的智能筛选方法，其特征在于，所述分类模型由多个已训练的支持向量机构成，其中，所述特征集合中每种特征维度在所述分类模型中均对应有一个用于预测沉积液滴在该特征维度上存在异常的概率的支持向量机，同时所述分类模型中还包括有一个用于预测沉积液滴为正常的概率的支持向量机；则采用分类模型的具体方式为：将每个特征集合输入所述分类模型中的各支持向量机中，各支持向量机预测输出一个概率；将最大概率对应的沉积液滴正常与否，作为分类模型的输出结果。6.根据权利要求5所述的一种喷墨打...
【专利技术属性】
技术研发人员：尹周平，陈建魁，周文奇，孔德义，江文杰，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。