基于分类学习模型的背光透镜光型管控研究

背光透镜光型参数是液晶显示设备背光效果的核心影响因素之一，传统光型检测方法存在主观性强、管控精度低等问题。本文提出一种基于分类学习模型的背光透镜光型管控方法，通过从CCD等设备测得的光亮度测试结果中提取反射式背光透镜的光亮度分布曲线，构建基于双层神经网络的光型参数到整机背光效果的分类映射模型。实验结果表明，按照该方法对某型号反射式背光透镜的测试集分类准确率达96.97%。该结果只采用163组样本数据，随着生产数据的增加，该方法的分类准确性会进一步提升，显著优于传统参数化模型和人工检测方法。