CN116819828A - 一种防翘曲型led背光板 - Google Patents

Abstract

本发明公开了一种防翘曲型LED背光板。其包括：基板，所述基板具有正面和背面；多个LED芯片，所述多个LED芯片被设置于所述基板的正面；光导板，所述光导板被覆盖于所述基板的正面，且所述光导板与所述多个LED芯片相对应；以及，设置于所述基板的背面的至少一加强筋；还包括安装于基板的正面的摄像头以及控制器，所述控制器可通信地连接于所述摄像头；所述控制器包括：基板图像采集模块、参考图像采集模块、图像差异性关联分析模块以及以及翘曲检测模块。通过这样的方式，得到LED背光板具有较低的翘曲，并且能够及时发现隐藏的翘曲问题，从而防止LED背光板进一步翘曲，从而保证LED背光板的工作稳定性和可靠性。

Description

一种防翘曲型LED背光板

技术领域

本申请涉及LED背光板领域，且更为具体地，涉及一种防翘曲型LED背光板。

背景技术

LED背光板是一种常用的光源装置，广泛应用于液晶显示器、电视和其他光电产品中。然而，由于长时间使用或环境温度变化等原因，LED背光板可能会产生翘曲现象，导致显示效果不佳或甚至无法正常工作。

传统的LED背光板翘曲检测方案通常需要依靠专业技术人员进行人工目测，这种方法存在主观性和不稳定性的问题。并且，人工检测需要大量的人力和时间投入，容易受到人为因素的干扰，导致检测结果的准确性和一致性不高。不仅如此，传统的LED背光板翘曲检测方案通常只能检测到LED背光板明显的翘曲情况，对于微小的翘曲或者局部翘曲往往难以察觉。这可能导致一些隐藏的翘曲问题没有被及时发现和解决，从而影响LED板的工作稳定性和可靠性。

因此，期望一种优化的防翘曲型LED背光板。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种防翘曲型LED背光板，该LED背光板具有较低的翘曲。

根据本申请的一个方面，提供了一种防翘曲型LED背光板，包括：

基板，所述基板具有正面和背面；

多个LED芯片，多个LED芯片被设置于所述基板的正面；

光导板，所述光导板被覆盖于所述基板的正面，且所述光导板与多个LED芯片相对应；

以及设置于所述基板的背面的至少一加强筋；

所述防翘曲型LED背光板还包括安装于所述基板的正面的摄像头以及安装于所述基板的正面的控制器，其中，所述控制器可通信地连接于所述摄像头；

所述控制器包括：

基板图像采集模块，用于通过所述摄像头采集基板正面形态图像；

参考图像采集模块，用于获取参考图像，所述参考图像为基板未发生翘曲的正面形态图像；

图像差异性关联分析模块，用于对所述基板正面形态图像和所述参考图像进行差异性特征关联分析以得到显化差分特征矩阵；

以及翘曲检测模块，用于基于所述显化差分特征矩阵，确定是否产生翘曲预警提示。

与现有技术相比，本申请提供的防翘曲型LED背光板，其包括：基板，所述基板具有正面和背面；多个LED芯片，所述多个LED芯片被设置于所述基板的正面；光导板，所述光导板被覆盖于所述基板的正面，且所述光导板与所述多个LED芯片相对应；以及，设置于所述基板的背面的至少一加强筋。通过这样的方式，得到LED背光板具有较低的翘曲，并且通过设置摄像头与控制器能够及时发现隐藏的翘曲问题，从而防止LED背光板进一步翘曲，从而保证LED背光板的工作稳定性和可靠性。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。

图1为根据本申请实施例的防翘曲型LED背光板的结构示意图。

图2为根据本申请实施例的防翘曲型LED背光板的控制器的框图示意图。

图3为根据本申请实施例的防翘曲型LED背光板的控制器中的所述图像差异性关联分析模块的框图示意图。

图4为根据本申请实施例的防翘曲型LED背光板进一步包括的训练模块的框图示意图。

图5为根据本申请实施例的防翘曲型LED背光板的检测方法的流程图。

图6为根据本申请实施例的防翘曲型LED背光板的检测方法的系统架构的示意图。

图7为根据本申请实施例的防翘曲型LED背光板的检测方法的应用场景图。

具体实施方式

下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本申请保护的范围。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

传统的LED背光板翘曲检测方案通常需要依靠专业技术人员进行人工目测，这种方法存在主观性和不稳定性的问题。并且，人工检测需要大量的人力和时间投入，容易受到人为因素的干扰，导致检测结果的准确性和一致性不高。不仅如此，传统的LED背光板翘曲检测方案通常只能检测到LED背光板明显的翘曲情况，对于微小的翘曲或者局部翘曲往往难以察觉。这可能导致一些隐藏的翘曲问题没有被及时发现和解决，从而影响LED板的工作稳定性和可靠性。因此，期望一种优化的防翘曲型LED背光板。

具体地，在本申请的技术方案中，提出了一种防翘曲型LED背光板10，如图1所示，其包括：基板11，其中，所述基板11具有正面和背面；多个LED芯片12，所述多个LED芯片12被设置于所述基板11的正面；光导板13，所述光导板13被覆盖于所述基板11的正面，且所述光导板13与所述多个LED芯片12相对应；设置于所述基板11的背面的至少一加强筋14。并且，还包括安装于所述基板11的正面的摄像头15，以及，安装于所述基板11的正面的控制器100，其中，所述控制器100可通信地连接于所述摄像头15。应可以理解，通过在基板11的背面设置一或多个加强筋14，可以有效地防止基板11因为温度变化而产生的翘曲现象，从而提高了LED背光板10的稳定性和可靠性。

应可以理解，加强筋的作用是为了防止LED背光板在温度变化时发生翘曲，加强筋是一种结构设计，通常是在基板的背面设置的强化材料，用来增加基板的刚度和稳定性。在本申请一个示例中，可以仅在基板的中央位置设置一条加强筋，沿着基板的长度方向延伸。这种设置方式适用于较小尺寸的LED背光板，可以提供足够的刚度来防止翘曲。在本申请的另一个示例中，可以在基板的背面设置多条加强筋，可以均匀地分布在整个基板的区域上。这种设置方式适用于较大尺寸的LED背光板，可以提供更好的刚度和稳定性。在本申请的又一个施例中，还可以在基板的背面设置一种网格状的加强筋结构，将基板分割成小块，并在每个小块之间设置加强筋连接，这种设置方式可以提供更均匀的支撑力，有效地防止翘曲。值得一提的是，加强筋的材料选择和尺寸设计也是关键因素，常见的材料包括金属、复合材料或增强塑料等，其选择应考虑到刚度和重量的平衡。此外，加强筋的尺寸和形状也需要根据LED背光板的尺寸、设计要求和预期的应力进行优化。通过合理设置加强筋，可以有效地增加LED背光板的刚度和稳定性，防止翘曲现象的发生，从而提高LED背光板的可靠性和使用寿命。

相应地，考虑到在基板11的背面设置一或多个加强筋14虽然能够有效防止基板11因温度变化而产生翘曲现象，但是一些微小的翘曲或者局部翘曲现象也会影响LED背光板10的性能，并且一些隐藏的翘曲问题如果没有及时地进行解决，还会造成更加严重的后果。因此，对于基板11的翘曲检测预警尤为重要。基于此，在本申请的技术方案中，期望在基板11的正面设置摄像头15来采集基板11正面图像，并基于图像视觉分析来判断基板11是否发生翘曲，从而及时产生翘曲预警，以提高LED背光板10的稳定性和可靠性。

具体地，在本申请的技术方案中，首先，获取由摄像头采集的基板正面形态图像，并且获取参考图像，所述参考图像为基板未发生翘曲的正面形态图像。应可以理解，在实际进行基板翘曲检测时，一些微小的翘曲和局部翘曲难以通过传统的形式进行有效检测，因此，在本申请的技术方案中，期望通过对于采集的基板正面形态图像和未发生翘曲的参考图像进行特征对比分析，来完成翘曲检测。应可以理解，在本申请中，摄像头被安装在LED背光板的正面，用于采集基板正面的图像，并进行图像视觉分析以判断基板是否发生翘曲，因此，相应地需要使用分辨率高、采集速度快、光学性能良好、灵敏度高、动态范围大、可靠性和耐用性好的摄像头。摄像头具备足够高的分辨率，可以捕捉到基板上微小的翘曲变形，较高的分辨率可以提供更多的细节信息，帮助进行准确的图像分析和翘曲检测；摄像头具备较快的采集速度，可以便能够实时地获取基板的图像，并进行实时的图像分析和翘曲检测，较快的采集速度可以确保及时发现和处理基板的翘曲问题；摄像头具备良好的光学性能，包括适当的焦距和光圈，可以确保基板图像的清晰度和准确性，光学性能的好坏直接影响到图像分析的准确性和翘曲检测的可靠性；摄像头应具备高灵敏度和动态范围，以适应不同光照条件下的图像采集需求，高灵敏度可以提高图像的亮度和对比度，而较大的动态范围可以捕捉到基板上细微的亮度变化；摄像头具备良好的可靠性和耐用性，可以适应长时间运行和恶劣环境条件下的使用需求，可靠性和耐用性的好坏直接影响到系统的稳定性和可靠性。同时，摄像头还需要与控制器100进行通信，以实现图像数据的传输和处理。

相应地，图2为根据本申请实施例的防翘曲型LED背光板的控制器的框图示意图。如图2所示，根据本申请实施例的防翘曲型LED背光板的控制器100，包括：基板图像采集模块110，用于通过所述摄像头采集基板正面形态图像；参考图像采集模块120，用于获取参考图像，所述参考图像为基板未发生翘曲的正面形态图像；图像差异性关联分析模块130，用于对所述基板正面形态图像和所述参考图像进行差异性特征关联分析以得到显化差分特征矩阵；以及，翘曲检测模块140，用于基于所述显化差分特征矩阵，确定是否产生翘曲预警提示。

然后，使用在图像的隐含特征提取方面具有优异表现性能的卷积神经网络模型来进行所述基板正面形态图像和所述参考图像的特征挖掘。特别地，考虑到对于基板的表面形态进行监测，以判断基板是否发生翘曲现象时，由于所述基板正面形态图像和所述参考图像中有关于基板表面形态的特征信息为小尺度的隐含特征，难以进行充分有效地捕捉刻画。因此，在本申请的技术方案中，进一步将所述基板正面形态图像和所述参考图像通过包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型以得到基板正面形态特征矩阵和基板正面形态参考特征矩阵。值得一提的是，这里，第一基板表面形态特征提取器和第二基板表面形态特征提取器采用具有相同网络结构的卷积神经网络模型，以提取出两者图像在图像源域端差异不明显的特征信息，以此来提高两者图像中关于基板表面形态的特征差异性对比的精度，从而有利于进行后续的基板翘曲分类检测。

继而，计算所述基板正面形态特征矩阵和所述基板正面形态参考特征矩阵之间的差分特征矩阵，以此来表示实际采集的所述基板正面形态图像和没有发生翘曲的所述参考图像之间有关于基板正面形态特征的差异性关联特征分布信息，以便于后续的基板翘曲检测。

更具体地，在本申请实施例中，如图3所示，所述图像差异性关联分析模块130，包括：图像特征提取单元131，用于将所述基板正面形态图像和所述参考图像通过包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型以得到基板正面形态特征矩阵和基板正面形态参考特征矩阵；图像特征关联编码单元132，用于计算所述基板正面形态特征矩阵和所述基板正面形态参考特征矩阵之间的差分特征矩阵；以及，图像差异特征显化单元133，用于对所述差分特征矩阵进行特征显化处理以得到所述显化差分特征矩阵。

更具体地，在本申请实施例中，所述第一基板表面形态特征提取器和所述第二基板表面形态特征提取器具有相同的网络结构。应可以理解，在本申请的实施例中，第一基板表面形态特征提取器和第二基板表面形态特征提取器具有相同的网络结构，这样设计的好处主要有以下几点：1.数据一致性，通过使用相同的网络结构，可以确保对基板正面形态图像和参考图像提取的特征具有一致性，这样可以减少在特征提取过程中引入的差异，提高特征的可比性和一致性；2.参数共享，相同的网络结构意味着这两个特征提取器可以共享相同的参数，这样可以减少模型的复杂度和计算量，提高特征提取的效率，此外，参数共享还可以增加模型的稳定性和鲁棒性；3.学习能力，由于具有相同的网络结构，第一基板表面形态特征提取器和第二基板表面形态特征提取器可以共同学习和提取图像的形态特征，这样可以增加模型的学习能力和泛化能力，提高对基板翘曲的检测和预警的准确性；4.参数调整，如果在实际应用中发现第一基板表面形态特征提取器和第二基板表面形态特征提取器之间存在差异，可以通过微调网络参数来调整它们之间的关系。这样可以根据实际情况进行优化，提高翘曲检测的准确性和可靠性。换言之，将第一基板表面形态特征提取器和第二基板表面形态特征提取器设计为相同的网络结构，可以确保数据一致性、参数共享、学习能力和参数调整等优势，从而提高基板翘曲检测系统的性能和可靠性。

值得一提的是，图像特征关联编码单元132用于计算基板正面形态特征矩阵和基板正面形态参考特征矩阵之间的差分特征矩阵。差分特征矩阵表示了两个特征矩阵之间的差异或变化情况。在一个示例中，具体计算差分特征矩阵的过程如下：首先，将基板正面形态特征矩阵和基板正面形态参考特征矩阵进行逐元素的减法运算，得到一个差分矩阵，差分矩阵中的每个元素表示了对应位置上的特征在两个矩阵之间的差异，这些差异可以是形态特征的变化、形状的偏移或其他相关信息，接着，可以进一步对差分矩阵进行处理，例如进行归一化、平滑或其他操作，以便更好地表示差异信息。差分特征矩阵表示了基板正面形态特征矩阵和基板正面形态参考特征矩阵之间的差异。通过比较这些差异，可以判断基板是否存在翘曲或变形情况。较大的差异通常表示较大的翘曲或变形程度，而较小的差异则表示基板形态比较接近参考状态。因此，差分特征矩阵提供了用于评估基板翘曲情况的重要信息，差分特征矩阵可以作为后续处理步骤中的输入，用于进一步的分析、判断和决策。

进一步地，还考虑到在进行基板翘曲检测时，为了能够提高检测的精准度，期望在特征提取时增强和凸显所述基板正面形态图像和所述参考图像中有关于基板表面形态的差异性关联特征信息而滤除背景干扰特征。因此，在本申请的技术方案中，进一步使用梯度加权激活映射技术对所述差分特征矩阵进行处理以得到显化差分特征矩阵。这样，能够通过梯度加权激活映射（Gradient-weighted Class Activation Mapping，Grad-CAM）来进一步增强所述差分特征矩阵中有关于基板表面形态的差异性特征表达。应可以理解，Grad-CAM是一种可视化方法，通过分析卷积神经网络的激活图和梯度信息，将模型对于所述基板正面形态图像和所述参考图像中有关于基板形态的差异性关联特征的特定关注区域进行可视化表现出来。通过对所述差分特征矩阵进行梯度加权激活映射处理，可以强化特征矩阵中与所述基板表面形态差异性特征的特定相关区域特征信息，使其更加突出和明显。这样能够使得基板上的微小翘曲或者局部翘曲所在区域更容易被检测到，从而提高对于基板翘曲的检测效果和精准度。

更具体地，在本申请实施例中，所述图像差异特征显化单元133，用于：使用梯度加权激活映射技术对所述差分特征矩阵进行处理以得到所述显化差分特征矩阵。应可以理解，梯度加权激活映射（Gradient Weighted Activation Mapping，Grad-CAM）技术是一种用于可视化和理解深度神经网络的方法。其通过分析网络中的梯度信息，将模型对输入图像的预测结果与具体的图像区域关联起来，从而生成一个热力图，用于显示模型对不同图像区域的关注程度。具体而言，梯度加权激活映射技术基于反向传播算法，在神经网络的最后一层输出与目标类别之间计算梯度，然后，这些梯度被用于计算每个神经元对最终预测结果的贡献程度，最后，通过将这些贡献程度与对应神经元的激活值相乘，得到一个权重化的激活图。这个激活图被叠加到输入图像上，形成一个热力图，显示了模型对不同图像区域的关注程度。在本申请实施例中，图像差异特征显化单元133使用梯度加权激活映射技术对差分特征矩阵进行处理，以得到显化差分特征矩阵，这样可以突出显示基板翘曲引起的差异特征，帮助用户更直观地理解和分析基板的翘曲情况。

进而，再将所述显化差分特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生翘曲预警提示。也就是，在本申请的技术方案中，所述分类器的标签包括产生翘曲预警提示(第一标签)，以及，不产生翘曲预警提示(第二标签)，其中，所述分类器通过软最大值函数来确定所述显化差分特征矩阵属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“是否产生翘曲预警提示”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，是否产生翘曲预警提示的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“是否产生翘曲预警提示”的语言文本意义。应可以理解，在本申请的技术方案中，所述分类器的分类标签为是否产生翘曲预警提示的控制策略标签，因此，在得到所述分类结果后，可基于所述分类结果来判断基板是否发生翘曲，从而及时产生翘曲预警，以提高LED背光板的稳定性和可靠性。

相应地，在本申请实施例中，所述翘曲检测模块140，用于：将所述显化差分特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生翘曲预警提示。应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类（或预测）。逻辑回归（logistics）、SVM等常用于解决二分类问题，对于多分类问题（multi-class classification），同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有Softmax分类函数。

相应地，在一个具体示例中，所述翘曲检测模块140，包括：矩阵展开单元，用于将所述显化差分特征矩阵按照行向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。

进一步地，在本申请实施例中，所述的一种防翘曲型LED背光板，其特征在于，还包括用于对所述包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型和所述分类器进行训练的训练模块。应可以理解，训练模块在防翘曲型LED背光板中起到了关键作用，其用于训练双流检测网络模型和分类器，以便能够准确地检测和分类基板翘曲情况。具体来说，训练模块使用一组标记好的样本数据，其中包括具有已知翘曲情况的基板图像，这些样本数据被输入到双流检测网络模型中，该模型由第一基板表面形态特征提取器和第二基板表面形态特征提取器组成，该模型能够从图像中提取出有关基板表面形态的特征。通过训练模块，双流检测网络模型可以学习到不同类型的基板翘曲特征，并将其编码为特征向量，这些特征向量随后被输入到分类器中，该分类器用于对基板进行分类，判断其是否存在翘曲情况。训练模块的目标是通过调整双流检测网络模型和分类器的参数，使其能够准确地识别和分类各种翘曲情况，通过反复迭代训练过程，模型可以逐渐提高其准确性和鲁棒性，从而能够在实际应用中可靠地检测和识别基板翘曲。

在一个具体示例中，如图4所示，所述训练模块200，包括：训练数据采集单元210，用于获取训练数据，所述训练数据包括训练基板正面形态图像和训练参考图像，以及，所述是否产生翘曲预警提示的真实值；训练图像特征提取单元220，用于将所述训练基板正面形态图像和所述训练参考图像分别通过所述包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型以得到训练基板正面形态特征矩阵和训练基板正面形态参考特征矩阵；训练图像差异性特征提取单元230，用于计算所述训练基板正面形态特征矩阵和所述训练基板正面形态参考特征矩阵之间的训练差分特征矩阵；训练图像差异特征显化单元240，用于使用梯度加权激活映射技术对所述训练差分特征矩阵进行处理以得到训练显化差分特征矩阵；分类损失单元250，用于将所述训练显化差分特征矩阵通过所述分类器以得到分类损失函数值；流形凸分解一致性损失单元260，用于计算所述训练显化差分特征矩阵的流形凸分解一致性因数以得到流形凸分解一致性损失函数值；以及，模型训练单元270，用于以所述分类损失函数值和所述流形凸分解一致性损失函数值的加权和作为损失函数值，并通过梯度下降的方向传播来对所述包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型和所述分类器进行训练。

特别地，在本申请的技术方案中，计算所述训练基板正面形态特征矩阵和所述训练基板正面形态参考特征矩阵之间的训练差分特征矩阵，所述训练差分特征矩阵用于表示基板正面实时形态图像特征和未发生翘曲的基板正面形态图像特征之间的逐特征元素差异。应可以理解，所述训练差分特征矩阵中各个位置的特征值对于最终的分类判断的贡献度不同，而在使用梯度加权激活映射技术对所述训练差分特征矩阵进行处理后，得到的所述训练显化差分特征矩阵可以进一步强化差异性局部特征分布之间的分布差异边界，从而进一步强化局部特征表达，但是这也会导致所述训练显化差分特征矩阵在空间分布维度下的一致性差，从而影响通过分类器进行分类判断的回归效果。

因此，为了使得所述训练显化差分特征矩阵在高维特征空间内的流形表达在与行方向和列方向对应的不同空间分布维度上保持一致，本申请的申请人针对所述训练显化差分特征矩阵引入特征矩阵流形的凸分解一致性因数作为损失函数。

在一个具体示例中，所述流形凸分解一致性损失单元260，用于：以如下损失公式计算所述训练显化差分特征矩阵的流形凸分解一致性因数以得到所述流形凸分解一致性损失函数值；其中，所述损失公式为：

，

其中，表示所述训练显化差分特征矩阵的第位置的特征值，和分别是所述训练显化差分特征矩阵第个行向量的均值向量和对角向量，表示向量的一范数，表示矩阵的Frobenius范数，和是所述训练显化差分特征矩阵的宽度和高度，且、和是权重超参数，表示函数，表示所述流形凸分解一致性损失函数值，表示向量乘法。

也就是，考虑到所述训练显化差分特征矩阵的行和列维度的单独空间维度表达，所述流形凸分解一致性因数针对所述训练显化差分特征矩阵在行和列所代表的子维度上的分布差异性，通过所述训练显化差分特征矩阵所表示的特征流形的几何凸分解，来对不同维度上的流形的有限凸多面体的集合进行平展化，并以子维度关联的形状权重的形式来约束几何凸分解，从而促进所述训练显化差分特征矩阵的特征流形在行和列所代表的可分解维度上的凸几何表示的一致性，以使得所述训练显化差分特征矩阵在高维特征空间内的流形表达在与行方向和列方向对应的不同分布维度上保持一致，从而提升所述训练显化差分特征矩阵通过分类器进行分类判断的回归效果。这样，能够对于基板的翘曲进行实时准确监测，从而在基板发生翘曲现象时及时产生翘曲预警，以确保LED背光板的稳定性和可靠性。

综上，基于本申请实施例的防翘曲型LED背光板的控制器100被阐明，其可以通过对于采集的基板正面形态图像和未发生翘曲的参考图像进行特征对比分析，来完成翘曲检测。

如上所述，根据本申请实施例的基于本申请实施例的防翘曲型LED背光板的控制器100可以实现在各种终端设备中，例如具有基于本申请实施例的防翘曲型LED背光板的检测算法的服务器等。在一个示例中，基于本申请实施例的防翘曲型LED背光板的控制器100可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该基于本申请实施例的防翘曲型LED背光板的控制器100可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该基于本申请实施例的防翘曲型LED背光板的控制器100同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该基于本申请实施例的防翘曲型LED背光板的控制器100与该终端设备也可以是分立的设备，并且该防翘曲型LED背光板的控制器100可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

图5为根据本申请实施例的防翘曲型LED背光板的检测方法的流程图。图6为根据本申请实施例的防翘曲型LED背光板的检测方法的系统架构的示意图。如图5和图6所示，根据本申请实施例的防翘曲型LED背光板的检测方法，其包括：S110，通过所述摄像头采集基板正面形态图像；S120，获取参考图像，所述参考图像为基板未发生翘曲的正面形态图像；S130，对所述基板正面形态图像和所述参考图像进行差异性特征关联分析以得到显化差分特征矩阵；以及，S140，基于所述显化差分特征矩阵，确定是否产生翘曲预警提示。

这里，本领域技术人员可以理解，上述防翘曲型LED背光板的检测方法中的各个步骤的具体操作已经在上面参考图1到图4的防翘曲型LED背光板的控制器100的描述中得到了详细介绍，并因此，将省略其重复描述。

图7为根据本申请实施例的防翘曲型LED背光板的控制器的应用场景图。如图1所示，在该应用场景中，首先，通过所述摄像头采集基板正面形态图像（例如，图7中所示意的D1）并获取参考图像（例如，图7中所示意的D2），所述参考图像为基板未发生翘曲的正面形态图像，然后，将所述基板正面形态图像和所述参考图像输入至部署有防翘曲型LED背光板的检测算法的服务器中（例如，图7中所示意的S），其中，所述服务器能够使用所述防翘曲型LED背光板的检测算法对所述基板正面形态图像和所述参考图像进行处理以得到用于表示是否产生翘曲预警提示的分类结果。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本发明所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

上面是对本发明的说明，而不应被认为是对其的限制。尽管描述了本发明的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本发明的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本发明范围内。应当理解，上面是对本发明的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本发明由权利要求书及其等效物限定。

Claims (8)

1.一种防翘曲型LED背光板，其特征在于，包括：

基板，所述基板具有正面和背面；

多个LED芯片，多个LED芯片被设置于所述基板的正面；

光导板，所述光导板被覆盖于所述基板的正面，且所述光导板与多个LED芯片相对应；

以及设置于所述基板的背面的至少一加强筋；

所述防翘曲型LED背光板还包括安装于所述基板的正面的摄像头以及安装于所述基板的正面的控制器，其中，所述控制器可通信地连接于所述摄像头；

所述控制器包括：

基板图像采集模块，用于通过所述摄像头采集基板正面形态图像；

参考图像采集模块，用于获取参考图像，所述参考图像为基板未发生翘曲的正面形态图像；

图像差异性关联分析模块，用于对所述基板正面形态图像和所述参考图像进行差异性特征关联分析以得到显化差分特征矩阵；

以及翘曲检测模块，用于基于所述显化差分特征矩阵，确定是否产生翘曲预警提示。

2.根据权利要求1所述的一种防翘曲型LED背光板，其特征在于，所述图像差异性关联分析模块，包括：

图像特征提取单元，用于将所述基板正面形态图像和所述参考图像通过包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型以得到基板正面形态特征矩阵和基板正面形态参考特征矩阵；

图像特征关联编码单元，用于计算所述基板正面形态特征矩阵和所述基板正面形态参考特征矩阵之间的差分特征矩阵；

以及图像差异特征显化单元，用于对所述差分特征矩阵进行特征显化处理以得到所述显化差分特征矩阵。

3.根据权利要求2所述的一种防翘曲型LED背光板，其特征在于，所述第一基板表面形态特征提取器和所述第二基板表面形态特征提取器具有相同的网络结构。

4.根据权利要求3所述的一种防翘曲型LED背光板，其特征在于，所述图像差异特征显化单元，用于：使用梯度加权激活映射技术对所述差分特征矩阵进行处理以得到所述显化差分特征矩阵。

5.根据权利要求4所述的一种防翘曲型LED背光板，其特征在于，所述翘曲检测模块用于：将所述显化差分特征矩阵通过分类器以得到分类结果，所述分类结果用于表示是否产生翘曲预警提示。

6.根据权利要求5所述的一种防翘曲型LED背光板，其特征在于，还包括用于对所述包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型和所述分类器进行训练的训练模块。

7.根据权利要求6所述的一种防翘曲型LED背光板，其特征在于，所述训练模块包括：

训练数据采集单元，用于获取训练数据，所述训练数据包括训练基板正面形态图像和训练参考图像，以及，所述是否产生翘曲预警提示的真实值；

训练图像特征提取单元，用于将所述训练基板正面形态图像和所述训练参考图像分别通过所述包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型以得到训练基板正面形态特征矩阵和训练基板正面形态参考特征矩阵；

训练图像差异性特征提取单元，用于计算所述训练基板正面形态特征矩阵和所述训练基板正面形态参考特征矩阵之间的训练差分特征矩阵；

训练图像差异特征显化单元，用于使用梯度加权激活映射技术对所述训练差分特征矩阵进行处理以得到训练显化差分特征矩阵；

分类损失单元，用于将所述训练显化差分特征矩阵通过所述分类器以得到分类损失函数值；

流形凸分解一致性损失单元，用于计算所述训练显化差分特征矩阵的流形凸分解一致性因数以得到流形凸分解一致性损失函数值；以及

模型训练单元，用于以所述分类损失函数值和所述流形凸分解一致性损失函数值的加权和作为损失函数值，并通过梯度下降的方向传播来对所述包含第一基板表面形态特征提取器和第二基板表面形态特征提取器的双流检测网络模型和所述分类器进行训练。

8.根据权利要求7所述的一种防翘曲型LED背光板，其特征在于，所述流形凸分解一致性损失单元用于：

以如下损失公式计算所述训练显化差分特征矩阵的流形凸分解一致性因数以得到所述流形凸分解一致性损失函数值；

其中，所述损失公式为：

，

其中，表示所述训练显化差分特征矩阵的第位置的特征值，和分别是所述训练显化差分特征矩阵第个行向量的均值向量和对角向量，表示向量的一范数，表示矩阵的Frobenius范数，和是所述训练显化差分特征矩阵的宽度和高度，且、和是权重超参数，表示函数，表示所述流形凸分解一致性损失函数值，表示向量乘法。