顯示屏模組的參數(shù)處理方法、裝置、設(shè)備及存儲介質(zhì) 技術(shù)領(lǐng)域 [0001] 本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種顯示屏模組的參數(shù)處理方法、裝置、設(shè)備及存儲介質(zhì)。 背景技術(shù) [0002] 在現(xiàn)代電子設(shè)備中，顯示屏模組被廣泛應(yīng)用，如手機(jī)、平板電腦和電視等。這些顯示屏模組需要經(jīng)常進(jìn)行參數(shù)調(diào)整以確保其正常工作。傳統(tǒng)上，這些參數(shù)調(diào)整需要人工完成，既費時又容易出錯。 [0003] 顯示屏模組通常由多個部件組成，包括顯示屏、控制電路板、燈光源等。在生產(chǎn)過程中，不同部件之間存在著參數(shù)差異，這些差異可能導(dǎo)致顯示效果不一致或者影響顯示質(zhì)量。目前市場上針對參數(shù)處理的方法多采用手動調(diào)節(jié)和人工篩選，這些方法耗時且易出現(xiàn)誤差。 發(fā)明內(nèi)容 [0004] 本發(fā)明提供了一種顯示屏模組的參數(shù)處理方法、裝置、設(shè)備及存儲介質(zhì)，用于實現(xiàn)智能化的顯示屏模組參數(shù)分析并提高顯示屏最優(yōu)運行參數(shù)的求解準(zhǔn)確率。 [0005] 本發(fā)明第一方面提供了一種顯示屏模組的參數(shù)處理方法，所述顯示屏模組的參數(shù)處理方法包括： [0006] 獲取目標(biāo)顯示屏的顯示屏模組參數(shù)數(shù)據(jù)，并將所述顯示屏模組參數(shù)數(shù)據(jù)輸入預(yù)置的參數(shù)特征分類模型進(jìn)行參數(shù)數(shù)據(jù)特征分類，得到特征參數(shù)集合，其中，所述特征參數(shù)集合包括：多個特征參數(shù)數(shù)據(jù)； [0007] 對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行特征相關(guān)性分析，得到每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個參數(shù)相關(guān)性評價指標(biāo)； [0008] 根據(jù)所述至少一個參數(shù)相關(guān)性評價指標(biāo)構(gòu)建每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)特征分析模型，并獲取每個特征參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)； [0009] 分別將所述標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)和所述多個特征參數(shù)數(shù)據(jù)輸入所述目標(biāo)參數(shù)特征分析模型進(jìn)行性能求解，得到多個性能求解值； [0010] 根據(jù)所述多個性能求解值，對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行最優(yōu)運行參數(shù)分析，得到所述目標(biāo)顯示屏對應(yīng)的目標(biāo)最優(yōu)運行參數(shù)。 [0011] 結(jié)合第一方面，在本發(fā)明第一方面的第一實施方式中，所述獲取目標(biāo)顯示屏的顯示屏模組參數(shù)數(shù)據(jù)，并將所述顯示屏模組參數(shù)數(shù)據(jù)輸入預(yù)置的參數(shù)特征分類模型進(jìn)行參數(shù)數(shù)據(jù)特征分類，得到特征參數(shù)集合，其中，所述特征參數(shù)集合包括：多個特征參數(shù)數(shù)據(jù)，包括： [0012] 獲取目標(biāo)顯示屏的初始模組參數(shù)數(shù)據(jù)，并對所述初始模組參數(shù)數(shù)據(jù)進(jìn)行參數(shù)預(yù)處理，得到顯示屏模組參數(shù)數(shù)據(jù)； [0013] 對所述顯示屏模組參數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)量和數(shù)據(jù)結(jié)構(gòu)分析，得到目標(biāo)數(shù)據(jù)量以及數(shù)據(jù)結(jié)構(gòu)信息； [0014] 根據(jù)所述目標(biāo)數(shù)據(jù)量以及所述數(shù)據(jù)結(jié)構(gòu)信息，通過預(yù)置的參數(shù)特征分類模型對所述顯示屏模組參數(shù)數(shù)據(jù)進(jìn)行參數(shù)數(shù)據(jù)特征分類，得到特征參數(shù)集合，其中，所述特征參數(shù)集合包括：多個特征參數(shù)數(shù)據(jù)，所述多個特征參數(shù)數(shù)據(jù)包括：亮度特征參數(shù)、色溫特征參數(shù)以及對比度特征參數(shù)。 [0015] 結(jié)合第一方面，在本發(fā)明第一方面的第二實施方式中，所述對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行特征相關(guān)性分析，得到每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個參數(shù)相關(guān)性評價指標(biāo)，包括： [0016] 分別對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行參數(shù)離散化處理，得到每個特征參數(shù)數(shù)據(jù)對應(yīng)的多個離散特征值； [0017] 構(gòu)建每個特征參數(shù)數(shù)據(jù)對應(yīng)的多個離散特征值的概率分布圖，得到每個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)概率分布圖； [0018] 根據(jù)每個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)概率分布圖，計算每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個相關(guān)系數(shù)，并將所述至少一個相關(guān)系數(shù)作為每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個參數(shù)相關(guān)性評價指標(biāo)。 [0019] 結(jié)合第一方面，在本發(fā)明第一方面的第三實施方式中，所述根據(jù)所述至少一個參數(shù)相關(guān)性評價指標(biāo)構(gòu)建每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)特征分析模型，并獲取每個特征參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)，包括： [0020] 對所述至少一個參數(shù)相關(guān)性評價指標(biāo)進(jìn)行特征轉(zhuǎn)換，得到至少一個參數(shù)轉(zhuǎn)換值； [0021] 構(gòu)建所述至少一個參數(shù)轉(zhuǎn)換值與參數(shù)特征分析模型之間的映射關(guān)系； [0022] 根據(jù)所述映射關(guān)系，分別對每兩個特征參數(shù)數(shù)據(jù)進(jìn)行參數(shù)特征分析模型映射匹配，得到目標(biāo)參數(shù)特征分析模型； [0023] 從預(yù)置的參數(shù)數(shù)據(jù)庫中匹配每個特征參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)。 [0024] 結(jié)合第一方面，在本發(fā)明第一方面的第四實施方式中，所述分別將所述標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)和所述多個特征參數(shù)數(shù)據(jù)輸入所述目標(biāo)參數(shù)特征分析模型進(jìn)行性能求解，得到多個性能求解值，包括： [0025] 對所述標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)和對應(yīng)的特征參數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)匹配，得到多個參數(shù)對； [0026] 對所述多個參數(shù)對進(jìn)行向量轉(zhuǎn)換，得到每個參數(shù)特征數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)向量，并分別將每個參數(shù)特征數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)向量輸入所述目標(biāo)參數(shù)特征分析模型，其中，所述目標(biāo)參數(shù)特征分析模型包括：雙層門限循環(huán)網(wǎng)絡(luò)、全連接網(wǎng)絡(luò)以及預(yù)測層； [0027] 通過所述目標(biāo)參數(shù)特征分析模型，分別對每個參數(shù)特征數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)向量進(jìn)行性能求解運算，得到對應(yīng)的多個性能求解值。

1.一種顯示屏模組的參數(shù)處理方法，其特征在于，所述顯示屏模組的參數(shù)處理方法包括： 獲取目標(biāo)顯示屏的顯示屏模組參數(shù)數(shù)據(jù)，并將所述顯示屏模組參數(shù)數(shù)據(jù)輸入預(yù)置的參數(shù)特征分類模型進(jìn)行參數(shù)數(shù)據(jù)特征分類，得到特征參數(shù)集合，其中，所述特征參數(shù)集合包括：多個特征參數(shù)數(shù)據(jù)； 對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行特征相關(guān)性分析，得到每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個參數(shù)相關(guān)性評價指標(biāo)，具體包括：分別對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行參數(shù)離散化處理，得到每個特征參數(shù)數(shù)據(jù)對應(yīng)的多個離散特征值；構(gòu)建每個特征參數(shù)數(shù)據(jù)對應(yīng)的多個離散特征值的概率分布圖，得到每個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)概率分布圖；根據(jù)每個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)概率分布圖，計算每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個相關(guān)系數(shù)，并將所述至少一個相關(guān)系數(shù)作為每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的至少一個參數(shù)相關(guān)性評價指標(biāo)； 根據(jù)所述至少一個參數(shù)相關(guān)性評價指標(biāo)構(gòu)建每兩個特征參數(shù)數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)特征分析模型，并獲取每個特征參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)，具體包括：對所述至少一個參數(shù)相關(guān)性評價指標(biāo)進(jìn)行特征轉(zhuǎn)換，得到至少一個參數(shù)轉(zhuǎn)換值；構(gòu)建所述至少一個參數(shù)轉(zhuǎn)換值與參數(shù)特征分析模型之間的映射關(guān)系；根據(jù)所述映射關(guān)系，分別對每兩個特征參數(shù)數(shù)據(jù)進(jìn)行參數(shù)特征分析模型映射匹配，得到目標(biāo)參數(shù)特征分析模型；從預(yù)置的參數(shù)數(shù)據(jù)庫中匹配每個特征參數(shù)數(shù)據(jù)對應(yīng)的標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)； 分別將所述標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)和所述多個特征參數(shù)數(shù)據(jù)輸入所述目標(biāo)參數(shù)特征分析模型進(jìn)行性能求解，得到多個性能求解值，具體包括：對所述標(biāo)準(zhǔn)參數(shù)數(shù)據(jù)和對應(yīng)的特征參數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)匹配，得到多個參數(shù)對；對所述多個參數(shù)對進(jìn)行向量轉(zhuǎn)換，得到每個參數(shù)特征數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)向量，并分別將每個參數(shù)特征數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)向量輸入所述目標(biāo)參數(shù)特征分析模型，其中，所述目標(biāo)參數(shù)特征分析模型包括：雙層門限循環(huán)網(wǎng)絡(luò)、全連接網(wǎng)絡(luò)以及預(yù)測層；通過所述目標(biāo)參數(shù)特征分析模型，分別對每個參數(shù)特征數(shù)據(jù)對應(yīng)的目標(biāo)參數(shù)向量進(jìn)行性能求解運算，得到對應(yīng)的多個性能求解值； 根據(jù)所述多個性能求解值，對所述多個特征參數(shù)數(shù)據(jù)進(jìn)行最優(yōu)運行參數(shù)分析，得到所述目標(biāo)顯示屏對應(yīng)的目標(biāo)最優(yōu)運行參數(shù)。