亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種有機電致發(fā)光顯示面板調(diào)光方法與流程

文檔序號:40401469發(fā)布日期:2024-12-20 12:25閱讀:5來源:國知局
一種有機電致發(fā)光顯示面板調(diào)光方法與流程

本發(fā)明涉及顯示面板調(diào)光,尤其涉及一種有機電致發(fā)光顯示面板調(diào)光方法。


背景技術:

1、有機電致發(fā)光顯示面板是一種新型的顯示技術,其具有以下特點:有機電致發(fā)光顯示面板材料在通電時會發(fā)出光,不需要背光源,因此可以做到更薄更輕的顯示設備??梢元毩⒖刂泼恳粋€像素的亮度,從而實現(xiàn)更高的對比度比例。同時還能在寬廣的視角范圍內(nèi)保持良好的色彩表現(xiàn)。具有毫秒級的響應速度,可以實現(xiàn)流暢的動畫和視頻播放。有機電致發(fā)光顯示面板在顯示黑色時可以完全關閉對應的像素,從而節(jié)省大量的電能。顯示屏基于有機聚合物材料,可以制作成柔性和可折疊的屏幕。有機電致發(fā)光顯示面板顯示技術目前廣泛應用于智能手機、平板電腦、電視、穿戴設備等領域,并正在不斷提升技術水平和降低成本,有望在未來取代傳統(tǒng)的lcd技術。

2、有機電致發(fā)光顯示面板在某些方面還存在一些局限性,包括智能局部調(diào)光不夠完善:有機電致發(fā)光顯示面板局部調(diào)光能力還有待進一步提升,整體能耗還不夠低:有機電致發(fā)光顯示面板在顯示黑色時可以完全關閉對應像素,從而節(jié)省能耗,但對于大部分圖像和視頻,有機電致發(fā)光顯示面板的整體功耗仍然高于lcd顯示。因此,有機電致發(fā)光顯示面板在智能局部調(diào)光和節(jié)能方面還有待改進。


技術實現(xiàn)思路

1、本發(fā)明提供一種有機電致發(fā)光顯示面板調(diào)光方法,用以解決現(xiàn)有技術中智能局部調(diào)光和節(jié)能方面的缺陷。

2、本發(fā)明提供一種有機電致發(fā)光顯示面板調(diào)光方法,該方法包括:

3、s1、數(shù)據(jù)采集:采集設備參數(shù)和外部相關數(shù)據(jù)。

4、s2、數(shù)據(jù)處理:包括缺失值與異常值處理、數(shù)據(jù)標準化處理、設備參數(shù)編碼與轉(zhuǎn)換和外部環(huán)境特征提取。

5、s3、模型構(gòu)建與優(yōu)化:構(gòu)建多層感知機模型,并通過粒子群算法優(yōu)化多層感知機模型超參數(shù)。

6、s4、模型訓練與評估:使用訓練集對多層感知機模型進行訓練,并在驗證集上評估多層感知機模型性能。

7、s5、通過訓練完成的多層感知機模型實現(xiàn)智能局部調(diào)光,包括:

8、s51:通過訓練完成的多層感知機模型獲取有機電致發(fā)光顯示面板不同區(qū)域的調(diào)光參數(shù)。

9、s52:根據(jù)訓練完成的多層感知機模型輸出的調(diào)光參數(shù),分別調(diào)整電流、電壓和脈沖寬度。

10、s53:實時監(jiān)測亮度變化,不斷反饋調(diào)整,實現(xiàn)對有機電致發(fā)光顯示面板的亮度的局部智能調(diào)節(jié)。

11、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,設備參數(shù)包括面板類型、面板尺寸、分辨率、刷新率和發(fā)光材料特性。外部相關數(shù)據(jù)包括外部光強度和顯示內(nèi)容。

12、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s2中,缺失值與異常值處理的方式包括:對設備參數(shù)中部分缺失值,采用均值填充法進行填充。外部相關數(shù)據(jù)中的部分缺失值,采用線性插值法補充。通過箱線圖設定異常值范圍,將確認測量錯誤的異常值刪除,保留并標記真實的極端數(shù)值。

13、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s2中,數(shù)據(jù)標準化的公式為:

14、

15、其中,x是原始數(shù)據(jù),是數(shù)據(jù)的均值,是數(shù)據(jù)的標準差。

16、本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,其特征在于,在步驟s2中,設備參數(shù)編碼與轉(zhuǎn)換的方式包括:采用獨熱編碼將面板類型轉(zhuǎn)換為二進制向量。對面板尺寸和分辨率的值進行對數(shù)變換,以降低數(shù)據(jù)的量級差異,其公式為:

17、

18、其中,x是原始的面板尺寸或分辨率的值,b是對數(shù)的底數(shù)。

19、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s2中,外部環(huán)境特征提取包括:

20、s21、將外部光強度劃分為多個區(qū)間,并構(gòu)建光強度的分段特征。

21、s22、提取顯示圖像的平均亮度:將圖像從rgb顏色空間轉(zhuǎn)換到hsv顏色空間。對轉(zhuǎn)換后的顏色空間中的亮度通道進行像素值的求和。將總和除以圖像的總像素數(shù),得到平均亮度。

22、s23、提取顯示圖像的對比度:計算圖像的灰度圖。計算灰度圖的灰度均值。計算灰度圖的標準差。將標準差與灰度均值的比值作為對比度。

23、s24、提取顯示圖像的平均色彩飽和度:對hsv中的飽和度通道的像素值求和。將得到的總和除以總像素數(shù),得到平均色彩飽和度。

24、s25、提取動態(tài)顯示內(nèi)容相鄰幀之間的亮度變化率:動態(tài)顯示內(nèi)容相鄰幀之間的亮度變化率的計算公式為:

25、

26、其中,和分別為相鄰的兩幀圖像的平均亮度。

27、s26、提取動態(tài)顯示內(nèi)容相鄰幀之間的平均色彩變化幅度:對于相鄰的兩幀圖像,從rgb顏色空間轉(zhuǎn)換到lab顏色空間。對于每一個像素,計算其在兩幀圖像中的lab顏色值的歐氏距離。對所有像素的歐氏距離求和并取平均,得到平均色彩變化幅度。

28、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s3中,多層感知機模型的構(gòu)建包括:

29、s31、構(gòu)建多層感知機模型,包括輸入層:接收處理后的設備參數(shù)和外部環(huán)境特征。隱藏層:設置多個隱藏層,每個隱藏層包括預設數(shù)量的神經(jīng)元。輸出層:輸出電流調(diào)光、電壓調(diào)光和脈沖寬度調(diào)光的參數(shù)。

30、s32、選擇激活函數(shù),將sigmoid函數(shù)作為多層感知機模型的激活函數(shù),該sigmoid函數(shù)的表示公式為:

31、

32、其中,輸入值x在0到1之間,輸出值f(x)在0和1之間平滑變化。

33、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s3中,粒子群算法優(yōu)化多層感知機模型的超參數(shù)包括:

34、a、通過學習率、隱藏層神經(jīng)元數(shù)量和正則化參數(shù)組成超參數(shù)組合。

35、b、隨機生成一組粒子,每個粒子的位置代表一組超參數(shù)。

36、c、使用驗證集數(shù)據(jù)評估每個粒子所代表的超參數(shù)組合下多層感知機模型的性能,作為適應度值。

37、d、根據(jù)適應度值更新每個粒子的個體最優(yōu)位置和整個粒子群的全局最優(yōu)位置,粒子的速度和位置的更新公式為:

38、

39、

40、其中,是粒子i在第k次迭代時的速度,w是慣性權重,和是學習因子,和是在[0,1]區(qū)間內(nèi)的隨機數(shù),是粒子i到第k次迭代為止的個體最優(yōu)位置,是整個粒子群到第k次迭代為止的全局最優(yōu)位置,是粒子i在第k次迭代時的位置。

41、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s4中,將預處理后的數(shù)據(jù)劃分為訓練集、驗證集和測試集,使用訓練集數(shù)據(jù)對多層感知機模型進行訓練。將均方根誤差作為評估指標,在驗證集上評估多層感知機模型性能,選擇性能最優(yōu)的多層感知機模型。其中,均方根誤差的計算公式為:

42、

43、其中,m是驗證集樣本數(shù)量,是真實值,是預測值。

44、根據(jù)本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,在步驟s52中,電流調(diào)光的公式為:

45、

46、其中,是電流調(diào)光產(chǎn)生的亮度,是電流調(diào)光系數(shù),i是電流值。

47、電壓調(diào)光公式為:

48、

49、其中,是電壓調(diào)光產(chǎn)生的亮度,是電壓調(diào)光系數(shù),v是電壓值,n在1到2之間。

50、脈沖寬度調(diào)光公式為:

51、

52、其中,是通過脈沖寬度調(diào)光獲得的平均亮度,是最大亮度,d是占空比。

53、本發(fā)明提供的一種有機電致發(fā)光顯示面板調(diào)光方法,通過采集的設備參數(shù)以及外部環(huán)境的光照強度、顯示內(nèi)容數(shù)據(jù),同時在此基礎上進行的特征提取工作,能夠?qū)碗s的數(shù)據(jù)轉(zhuǎn)化為具有代表性和區(qū)分度的特征向量,通過多層感知機模型的強大學習能力和泛化能力,能夠捕捉到設備參數(shù)和外部數(shù)據(jù)與調(diào)光策略之間的復雜非線性關系,并引入了粒子群算法對超參數(shù)進行優(yōu)化。粒子群算法通過模擬鳥群的覓食行為,在超參數(shù)空間中快速搜索最優(yōu)解,從而顯著提高了多層感知機模型的準確性和穩(wěn)定性,基于優(yōu)化后的多層感知機模型獲取的調(diào)光參數(shù),分別調(diào)整電流、電壓和脈沖寬度,解決了有機電致發(fā)光顯示面板在智能局部調(diào)光和節(jié)能問題,實現(xiàn)了有機電致發(fā)光顯示面板的智能局部調(diào)光和節(jié)能。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1