二元广义反码与最优LCD码

基于二元线性码的定义向量理论,引入广义反码及其定义向量概念,确立广义反码、它的参数与二元最优线性码之间的联系。利用广义反码的性质和参数研究对应二元最优线性码的线性补对偶(LCD)性质,证明11类二元最优线性码不是LCD码。该方法突破现有方法的局限性,为研究高维二元LCD的参数确定与构造问题提供了可借鉴的新理论和新方法。

基于LCD-SSA-BiLSTM模型的月径流预测研究

径流预测在水资源优化配置和防汛抗旱方面发挥着重要作用。但径流序列非平稳会导致预测误差及峰值预测误差较大,因此提出了基于局部特征尺度分解(LCD)、麻雀搜索算法(SSA)和双向长短期记忆神经网络(BiLSTM)的组合预测模型(LCD-SSA-BiLSTM),以提高非平稳径流序列的预测精度。以汾河上游4个站点(汾河水库站、上静游站、兰村站和寨上站)为研究对象开展月径流序列预测研究,采用纳什效率系数、平均绝对误差、均方根误差、合格率4个评价指标对预测结果进行定量评价。结果表明,LCD-SSA-BiLSTM模型的平均绝对误差为10.346×10^(4)~124.629×10^(4)m^(3),均方根误差为19.416×10^(4)~191.284×10^(4)m^(3),纳什效率系数为0.975~0.988,4个水文站的合格率均在90%及以上,预测精度为甲级,与单一BiLSTM、EMD-BiLSTM、LCD-BiLSTM及EMD-SSA-BiLSTM模型相比预测效果更好,因此LCD-SSA-BiLSTM模型是预测非平稳月径流序列的有效方法。

基于改进PSPNet的手机LCD屏幕表面缺陷检测

手机屏幕是智能手机的关键部件,其品质优劣直接影响到用户的使用体验;因此,手机屏幕缺陷检测成为工业生产中的重要环节;然而,手机LCD屏幕的表面缺陷检测目前还存在检测精确度低、模型参数较多等问题,无法满足实际工业生产需求;为了解决这些问题,对现有的缺陷检测算法和经典语义分割模型进行了研究,提出一种基于改进PSPNet的手机LCD屏幕表面缺陷检测模型;模型采用MobileNetV3作为特征提取网络,有效减少了模型参数;采用多尺度金字塔池化模块,进一步整合多尺度上下文信息,提高了模型的特征提取能力,有效应对屏幕图像中缺陷尺寸微小、边界模糊、相同缺陷尺寸差异较大的问题;同时,通过引入注意力机制,增强了模型的鲁棒性;实验结果表明,在SQ、Mura、TP、Line四种类型的手机LCD屏幕表面缺陷检测上,改进后的模型准确度明显优于基线模型。

调整彩色滤光膜的致密性和疏水性以减少TFT-LCD制造中的气体释放

TFT-LCD产业正朝着高效率、低成本的方向发展。在TFT-LCD制造过程中,发现不同的光刻胶需要不同的真空干燥时间。为了减少制造时间,提高面板成品率,有必要明确影响真空时间的因素。本文探讨了抽运时间与光刻胶材料性能的关系。发现光刻胶的热稳定性与抽运时间的关系可以忽略不计。光刻胶的致密性和疏水性与真空干燥时间密切相关。致密性和高疏水性可以有效避免水蒸气在制造过程中侵入和储存在光刻胶中,减少泵送次数。总的来说,这项工作可以为未来TFT-LCD工业新型光刻胶的开发提供一定的参考。

基于YOLOv5s轻量化改进的LCD缺陷检测方法

针对目前LCD缺陷检测速度较慢、检测精度较低的现状,本文提出一种YOLOv5s轻量化改进模型来检测识别LCD所存在的缺陷情况。通过改进上采样CARAFE算子进行Nearest的替换,并修改其kencoder与kreassembly两项参数进行对比;同时,增加CBAM注意力机制,更加关注目标区域特征信息以提升模型召回率;最后进行轻量化设计替换C3为C3_Ghost,以达到参数量、运输量以及模型大小的减小。实验结果说明,改进YOLOv5s算法在原模型基础上,准确率P提高了2.1%,召回率R提高了5.4%,模型平均精度mAP达到88.8%,相对于改进前提高了2.1%,参数量和运算量分别减少了15.6%和20.9%,并且模型大小减少了14.6%。整体而言,改进后的算法模型更加轻量化,模型MB减小并且参数量以及运算量相对减少,因此方便对低算力硬件进行部署,同时也为LCD工厂智能检测技术提供一定技术参考。

TFT-LCD及触摸屏玻璃基板激光断切现象研究

激光切割技术已经成为玻璃生产及加工领域中的一种成熟的工业加工技术,具备高精度、高速度、高质量、高效率的优点。断切现象是薄膜晶体管液晶显示器(ThinFilmTransistorLiquid CrystalDisplay,TFT-LCD)及触摸屏玻璃基板激光切割的质量问题之一。文章从设备接地、激光器出光功率稳定性、光路和软体系统信号对接4个方面分析短切现象产生的原因,并给出相应的处理方法,以期为常见激光切割质量问题的处理提供参考。

基于双目视觉的LCD包边机上料运输智能控制方法

针对现有控制方法应用下LCD包边机上料运输时存在控制精度较低,贴附精度、胶带包角长度对应能力等均无法满足实际生产所需的问题,引入双目视觉技术,开展对LCD包边机上料运输智能控制方法的设计研究。为确保LCD包边机上料轨迹平滑、运动稳定,对LCD包边机上料运输轨迹规划;结合双目视觉技术,对LCD包边机上运输物料图像识别;结合识别到的图像,实现视觉伺服上料运输模糊控制。通过对比实验证明,新的控制方法应用下,控制效果可以达到预期要求,贴附精度得到提升,胶带包角长度对应能力、胶带包角宽度对应能力、胶带贴附宽度对应能力、胶带反折宽度对应能力均能够满足包边工艺需求。

基于LCD多尺度融合特征GJO-SVM的电机轴承故障诊断

目的 针对电机滚动轴承故障难以提取而导致诊断准确率低问题,提出了一种局部特征尺度分解(Local Characteristic-scale Decomposition, LCD)多尺度融合的特征提取方法,并将提取得到的特征向量输入到采用金豺算法(Golden Jackal Optimization, GJO)优化后的支持向量机(Support Vector Machine, SVM)里进行电机轴承故障诊断,从而提升故障诊断正确率。方法 首先,使用LCD算法对使用振动传感器采集得到的电机轴承信号进行分解,得到信号在前3个尺度下的内禀尺度分量(Intrinsic Scale Components, ISC);其次,求每个ISC的能量比和能量熵得到6组特征向量;然后,构建特征向量矩阵并按照3∶2随机选取,生成训练集和测试集;最后,把训练集输入到金豺算法优化支持向量机(GJO-SVM)中,采用GJO算法对支持向量机中的惩罚参数C和核参数g进行寻优选择建立出GJO-SVM故障诊断模型,接着将测试集输入到模型中以实现轴承的故障识别。结果 通过仿真实验验证,LCD多尺度融合特征的特征提取方法能够有效地提取电机轴承的故障信息,且使用金豺算法优化支持向量机(GJO-SVM)的故障诊断准确率达97.86%。结论在同样的条件下与变分模态分解(Variational Modal Decomposition,VMD)融合特征相比,LCD多尺度融合特征的诊断准确率提升了1.79%;与粒子群算法优化支持向量机(PSO-SVM)方法、果蝇算法优化支持向量机(FOA-SVM)方法相比,金豺算法优化支持向量机(GJO-SVM)诊断电机轴承故障的方法具有更高的故障识别效果。

基于改进Yolov5的LCD缺陷检测

为提高液晶显示屏缺陷检测的速度和精度,设计了一种基于深度学习的液晶显示屏缺陷检测系统。针对实时检测系统中的Yolov5检测算法存在对全局信息的提取能力不足问题,在Transformer架构和C3模块基础上构建了C3TR模块并将其加入Yolov5基础模型。实验结果表明,所提出的算法在准确率和召回率上分别达到了90.9%和90.3%,与Yolov5基础算法相比分别提高了4.1%和1.4%。

浅谈LCD用印制电路板制程涨缩管控

针对液晶显示器(LCD)用印制电路板(PCB),为方便后续PCB制程实现更加精确的涨缩管控,从前期生产评审设计就需充分了解客户涨缩管控要求。从制程中板材选择、尺寸安定性控制、涨缩系数优化、制程烘烤及监控流程等对涨缩的影响方面入手,重点阐述了PCB涨缩控制的一些要点及注意事项,以确保成品满足客户最终使用要求。PCB制程按照相关涨缩管控要点执行,可减少尺寸异常,避免出现PCB成品报废造成的不必要损失。

TFT-LCD产品缺陷与用户破膜数相关性研究

通过对TFT-LCD玻璃产品缺陷与用户在使用同批次产品中破膜数据的相关性研究,提前预测产品在用户端发生破膜问题的比例。以便更合理地优化产品质量控制。

BrightView公司推出新型聚碳酸酯增亮膜,能够使LCD显示器亮度提升30%

近日,全球领先的视觉智能(Visual Intelligence™)解决方案供应商BrightView Technologies宣布推出其新型聚碳酸酯增亮膜(Brightness Enhancing Films,BEFs)。据介绍,这款新型增亮膜设计用于当前的Mini-LED背光,经测试它能够让LCD显示器亮度提升30%,进一步提高显示器性能。这种基于新型薄膜堆叠的背光方案将成为当前台式显示器、笔记本电脑、平板电脑和其他定制显示器亮度提升的理想解决方案,它不仅可以帮助客户工程团队实现LCD显示器光学效果的极大提升,而且还能同时确保效率不变。

LCD TV面板竞争大格局已趋于稳定

近日,行业知名咨询机构TrendForce集邦咨询公布了10月下旬面板报价,整体电视面板价格可望在10月份全面止跌。实际上,今年以来的LCD TV面板价格波动相较以往有了非常大的不同,那就是波动率很小,基本只有月间或者季度间的小幅波动。

水解酸化+两级AO/MBR+臭氧催化氧化+BAF+气浮处理TFT-LCD废水

以某薄膜晶体管液晶显示器(TFT-LCD)企业的废水处理厂为例,对其接纳的废水进行分析。针对废水成分复杂、水质变化大、污染物浓度高、可生化性差以及排放要求高的特点,将废水分为有机废水、酸碱废水和含氟废水进行分类收集、分质预处理,经预处理后的3种废水混合后再进行进一步处理。根据混合废水的水质特性,设计开发了水解酸化+两级AO/MBR+臭氧催化氧化+BAF(DN型)+气浮+次氯酸钠消毒的组合处理工艺。运行结果表明,该组合工艺运行稳定,试运行期间平均出水COD、BOD_(5)、NH_(3)-N、TP、TN、SS、F^(-)、总铜分别为15、2.1、0.16、0.13、3.8、2、0.81、0.19 mg/L,出水水质能够稳定达到设计要求,直接运行成本约5.17元/m^(3)。

LCD价格回升明显

LCD是投资者认知中的强周期行业,2021年下半年至2022年底也经历了一轮惨烈的下行周期,不过,当前行业已经逐步走出低谷并有望走出复苏态势,一是由于中国大陆份额提升后,“陆三强”采取动态控产措施,使得产能与需求逐步平衡,二是下游终端需求温和复苏,加上大尺寸化趋势延续,使得虽然量的角度可能不是回升很明显,但面积的角度则要更显著。

TFT-LCD液晶玻璃断面分析装置的设计与仿真

薄膜晶体管液晶显示器(TFT-LCD)液晶玻璃的大尺寸裁切断面无法使用显微镜采集图片,针对这个问题,设计了相应的玻璃断面分析装置,并应用Adams软件对该装置中的滑动螺旋机构进行仿真分析和结构优化。所设计的玻璃断面分析装置操作简单,可快速获取大尺寸玻璃边料断面缺陷图片,经优化改进后的滑动螺旋机构需添加的扭矩值比未优化前减小1倍。

LCD背光模组视觉对位算法研究

机器视觉被广泛地应用于液晶显示屏(LCD)背光模组组装设备上,特别是膜材对位贴合的工艺流程中,在此过程中机器视觉使用的对位算法对LCD背光模组实际贴合精度影响重大。针对背光模组的组装流程和被广泛使用的圆角矩形膜材,设计了一个两个矩形对位贴合的简化数学模型。首先,通过对模型的分析和计算提出了基于单边重合和中心重合的两种视觉对位贴合算法;然后,详细地阐述了两种算法对贴合所需偏移量的计算;最后,通过实验验证,证明了两种贴合算法均有效可行,为应用于LCD背光模组组装设备机器视觉对位提供了可适用于不同生产情况的新算法。

基于LCD指标体系法的广西山区公路路堑高边坡工程施工安全总体风险评估研究

交通运输部2014年发布《高速公路路堑高边坡工程施工安全风险评估指南(试行)》(以下简称《指南》),为相关工程提供了初步的指导框架和评估方法。然而,在实际应用中,《指南》中推荐的专家调查法和指标体系法出现了一定的局限性,影响了评估结果的准确性和一致性。本文引入LCD法对不同山区边坡的权重系数进行排序。该方法通过综合考虑事故发生可能性和事故后果的严重程度来确定评估指标的重要性排序,从而消除或降低权重系数确定过程中的主观偏差。

基于有限元的LCD面板撕膜力学特性分析

撕除液晶面板保护膜是液晶显示器(Liquid Crystal Display,LCD)装配过程中的重要环节。为了管控液晶面板在撕膜过程中的变形,防止面板碎裂,提高撕膜质量和效率,文中基于有限元参数化对撕膜过程提出一种模拟方法,且在不同工况下对液晶面板的受力和变形进行模拟分析,绘出液晶面板在不同撕膜方法和不同撕膜角度下的应力云图、挠度云图和角度-变形曲线。对比分析结果得到:在撕膜速度和角度不变的情况下,随着撕膜过程的进行,对角撕膜方式下的面板挠度先增大后减小,而对边撕膜方式下的面板挠度则一直减小,2种撕膜方式的面板最大应力均在约束边界产生,且对角撕膜方式应力逐渐增大,增幅明显,对边撕膜方式下应力先减小后增大,但增减幅度较小;当撕膜角度变化时,2种撕膜方式的挠度和应力都随之改变,撕膜角度增大,2种撕膜方式的挠度和应力都增大,对边撕膜较对角撕膜增幅更大,2种撕膜方式撕膜角度越小,撕膜效果越佳;对角撕膜的初始剥离力、应变和应力都较对边撕膜的小很多,因此对角撕膜更易撕起保护膜,效率更高。该研究为解决撕膜工艺中面板破碎严重、效率低等问题提供了重要依据,为自动撕膜设备的研发及撕膜过程的分析提供了参考,具有工程应用意义。

基于Swin Transformer轻量化的TFT-LCD面板缺陷分类算法

在TFT-LCD面板缺陷检测中,检测对象背景复杂、缺陷细微且种类繁多,而工业生产实时性要求高,传统的缺陷分类算法往往难以兼顾精度和速度要求,无法适用于实际生产应用。为均衡TFT-LCD面板缺陷分类的准确率和速率,提出一种基于Swin Transformer的轻量化深度学习图像分类模型。首先对模型每层输入的特征图进行Token融合以减少模型计算量,从而提高模型的轻量化水平。其次引入深度可分离卷积模块以帮助模型增加卷积归纳偏置,从而缓解模型对海量数据的依赖问题。最后使用知识蒸馏方法来克服模型轻量化导致的检测精度下降问题。在自制TFT-LCD面板缺陷分类数据集上的实验表明,本文提出的改进模型相比基线模型,FLOPs计算量降低了2.6 G,速度指标提升了17%,而Top-1 Acc精度仅损失1.3%,且与其他图像分类主流模型相比,在自制数据集和公开数据集上都具有更均衡的精度和速度。