【技术实现步骤摘要】
本专利技术涉及光电显示领域，尤其涉及一种基于自建数据集的屏幕风险评估方法、装置、设备及存储介质。
技术介绍
1、随着有机发光二极管(oled，organic light-emitting diode)技术的迅猛发展，微型显示器件，特别是micro-oled显示屏的应用变得日益广泛，在智能穿戴设备、增强现实(ar)和虚拟现实(vr)等领域发挥着重要作用。然而，随着这些显示产品的普及，其安全性和性能评估问题也逐渐受到关注。由于micro-oled显示屏的光学特性复杂，其亮度均匀性、色彩一致性、光谱稳定性等因素均会影响最终的显示质量，导致传统的检测和评估方法难以满足智能化、高效化的质量控制需求。因此，建立一套高效、准确的micro-oled显示屏风险评估系统，对保障显示屏质量、提升生产检测能力至关重要。
2、同时，机器学习技术因其强大的模式识别和特征提取能力，已被广泛应用于异常检测(anomaly detection,ad)等领域。例如，专利技术专利“一种基于机器学习的运维数据异常检测方法”(申请号：cn202211544853....
【技术保护点】
1.一种基于自建数据集的屏幕风险评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述对至少两个不同的屏幕样品进行光谱数据采集，分别得到第一光谱数据集和第二光谱数据集，包括：
3.根据权利要求2所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述对所述第一原始数据集和所述第二原始数据集进行有限元数据增强处理，得到第一增强数据集和第二增强数据集，包括：
4.根据权利要求1所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述根据预设无监督学习策略对所述第一数据集和所述第二...
【技术特征摘要】
1.一种基于自建数据集的屏幕风险评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述对至少两个不同的屏幕样品进行光谱数据采集，分别得到第一光谱数据集和第二光谱数据集，包括：
3.根据权利要求2所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述对所述第一原始数据集和所述第二原始数据集进行有限元数据增强处理，得到第一增强数据集和第二增强数据集，包括：
4.根据权利要求1所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述根据预设无监督学习策略对所述第一数据集和所述第二数据集进行分类标注，得到训练集和测试集，包括：
5.根据权利要求4所述的基于自建数据集的屏幕风险评估方法，其特征在于，所述根据所述训练集和所述测试集对有监督学习模型进行训练评估，得到训练...
【专利技术属性】
技术研发人员：傅诺毅，葛莉荭，史园，何秋怡，王晶晶，陈志忠，
申请(专利权)人：厦门市产品质量监督检验院，
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。