The Mega Menu

Multiple menus to choose from. Each drag-n-drop customizable.

Premium Pack

One flexible templates series to rule them all. Everything you need to build an awesome Hubspot website.
Force actuator datasheet

Incredible Support

Questions are bound to pop up. When they do, you can expect a fast and detailed response via chat or email.
Learn More

Additional Services

Need a little extra help building your website? I've got you covered and over a range of design and development services.
Learn More

OptoFidelity 博客

3 分钟阅读

显示屏缺陷无处可藏:自动化测试提升质量保障

23-11-30 上午8:24

内容简介

在考虑智能手机的用户体验时,显示屏的分辨率、亮度、清晰度、对比度、均匀性和色彩准确性等特性非常重要。除分辨率外,这些特性可能会降低二手智能手机的品质。根据显示技术(OLED或LCD)的不同,显示屏的质量会随着时间的推移以不同形式的老化而变差。例如,OLED显示屏会出现烧屏现象,这意味着静态显示的亮度图案会印在显示屏上,以至于在空白显示屏上就能看到这些图案,最严重的情况甚至可以在其他内容上看到这些图案。烧屏还可能不均匀地发生在不同的色彩通道上,导致整个显示屏色彩失真。


另一方面,LCD显示器可能会因背光元件或液晶物质老化而导致亮度或色彩不均匀。物理磨损也会损害显示屏的质量。

媒体

本文提供了自动化测试是如何客观地评估和捕捉二手智能手机显示屏中不同缺陷的一些真实案例。下面展示的显示屏图像都是由专门用于测试智能手机功能的机器人生成的。

整体可用性

第一组示例由随机图片组成,显示了不同磨损程度的二手智能手机显示屏。第一张图片显示的是LCD类型的显示屏,第二张图片显示的是OLED类型的显示屏--所有显示屏都是同一品牌和型号(当然,LCD和OLED是不同型号)的全白色屏幕。尽管从这些图片中无法看到显示屏的细节,但可以明显看出显示屏颜色的色调范围有多大。

LCD_collection

OLED_collection

 

亮点

这些图像显示了LCD显示屏上突出的亮点。

two_spot_examples_arrow

 

横/竖线屏缺陷

这两个例子显示了明显的竖线屏缺陷。

two_column_examples

 

色彩失真

这些示例显示了OLED显示屏的色彩失真--中间为粉红色,顶部和底部为绿色。

two_pink_examples

 

亮斑和漏光

左图显示屏的中间显示有亮斑,右图右下角显示有背光泄漏。

blemish_leakage_examples_arrow

 

背光缺陷和黑色区域

下面是LCD和OLED缺陷的示例。左图是LCD缺陷的一个例子:一些背光LED坏了。右图是OLED缺陷的示例:部分显示屏完全失效。

backlight_blackarea_examples

 

键盘烧屏

下面是两个键盘烧屏的例子。后续的自动化测试部分将详细讨论这些示例。

two_keyboard_examples

 

人工测试

人工测试是指一个人在不同的亮度水平下观察空白显示屏(白屏、黑屏、红屏、绿屏和蓝屏),并尝试找出所有缺陷。可以使用一些白平衡/色彩参考材料来实现更好的绝对亮度或色调评估。人工测试的成功与否在很大程度上取决于测试人员的经验和用来检查设备的时间。主观性是保持测试质量的主要挑战。测试过程中涉及的技术仪器越多,就越不能称之为人工测试。

自动化测试

本文开头展示的第一组图像展示了智能手机呈现全白屏幕时的显示效果。不过,在自动化测试中,个别颜色通道甚至黑屏都会被成像,它们对缺陷分析的作用将视情况而定。自动化测试的行为可通过系统配置设置而进行调整。下面的流程图示例说明了不同分析项是如何使用不同的颜色通道。

display_test_with_colors

如上所述,显示屏可能在很多方面都存在缺陷。因此,自动化测试可以由许多(大约10-20个)不同的分析项目组成,并可定制以专门用于捕捉某类缺陷。对于二手智能手机的自动化测试有需求的企业,可根据企业业务规划和重点领域需求,量身定制分析项目及其灵敏度。

以检测键盘烧屏为例。上图显示了两部键盘烧屏的智能手机。其中一个烧屏严重,无论是人工还是自动检测,都很容易发现缺陷。而另一部则有可能通过人工检测而漏检。自动化分析会生成一个数字,即总分,作为键盘烧屏严重程度的评估值。下图显示了136部同款品牌和型号的智能手机的分数。通常情况下,对于这种型号的设备,总分值在0.30 - 0.52之间,表示没有明显的烧屏。在这个例子中,自动化设备检测出135部手机得分在上述分值范围内,没有明显的键盘烧屏现象。而分值为0.56的手机(红条)也就是本段开头描述的人工检测可能漏检的设备。因此,如果可调节的检测临界值在0.52和0.56之间,就可以检测到这个非常微弱的缺陷,而不会出现误检。作为对比,严重烧屏的手机(黑条)的分值是0.71,但由于这部手机是另外一个型号,它的分值与其他手机不太具有可比性。

keyboard_detector_score

要进一步了解我们的二手智能手机外观分级自动测试系统SCORE,请访问我们的产品页面: OptoFidelity FUSION 

欢迎直接与我们联系,我们将竭诚为您提供专属解决方案:联系我们

OptoFidelity
OptoFidelity撰写

精选