Including mobile phone screen MURA defect detection method, convolution neural network pruning algorithm based on custom depth: 1) convolutional neural network, using the existing training data to train a mobile phone screen is used to detect the defects of MURA neural network; 2) pruning operation to convolutional neural network method using adaptive template matching, reduce the network size. Shorten the running time of the algorithm; 3) the high resolution camera mobile phone screen pictures in different proportion zoom, form a picture of Pyramid, for each scale image, using the method of sliding window pictures will be divided into small pieces, all the small picture together as a group to the convolutional neural network; 4) selects all feature maps the middle layer of the map as a response to defects, using the method of threshold segmentation obtained by mobile phone screen MURA defect location.
【技术实现步骤摘要】
基于卷积神经网络剪枝算法的手机屏幕MURA缺陷检测方法
本专利技术属于目标检测与识别领域,涉及从图像中检测特定目标,具体是检测手机屏幕缺陷的方法。
技术介绍
传统的用人工检测屏幕瑕疵方法存在诸多不足之处,在工业生产高速发展的今天,它已经完全无法适应当今工业生产高效、准确的要求。对手机屏幕产商而言,寻找一种高效、准确的自动化检测设备用以替代人工检测环节,成为了迫切的需求。随着计算机视觉、图像处理等领域的发展,基于机器视觉的自动化检测系统成为了一种良好的解决方案。该方案通过高分辨率工业相机采集手机屏幕图像,然后将图像信息通过图像分析模块进行实时的处理,从而判断手机屏幕是否合格。传统的基于机器视觉的屏幕缺陷检测算法,大多是针对一种或几种类别的屏幕缺陷进行设计的,不具有通用性,所以对于特殊的瑕疵,需要写专门的算法。由于屏幕的特殊性,拍照时在成像上的摩尔纹是不可避免的,而传统算法不能很好地解决摩尔纹问题。另外,传统的算法虽然可以检测较明显的线状、点状缺陷,但是对于成像上很淡的团状MURA缺陷,准确率很低。最后,传统的屏幕缺陷检测算法需要调节大量参数,尤其是在屏幕产品换型时,调整大量参数会导致时间的浪费。因此,设计一个具有良好泛化性的算法具有非常实用的价值。近年来,深度学习方法在计算机视觉领域产生了巨大的影响。深度学习采用多层网络结构,模拟人脑中神经系统的层次关系和传递方式,它已经在模式识别的多个领域得到了广泛的应用并取得了良好的成绩。本方法采用基于深度卷积神经网络的分类算法,使用预处理后的手机屏幕局部图像块作为分类器的输入,然后抽取卷积神经网络的特征图作为检测结果, ...
【技术保护点】
基于卷积神经网络剪枝算法的手机屏幕MURA缺陷检测方法,包括如下步骤:1)自定义卷积神经网络,通过训练数据训练该网络直到收敛并且有较高准确率;2)通过自适应模板匹配的方法来进行卷积神经网络的剪枝,缩小网络规模和网络参数;3)采集手机屏幕图片数据,生成图片金字塔,分割成图片块,用于测试阶段数据生成,送入到步骤2)获得的剪枝后的卷积神经网络中进行运算;4)取中间隐层的特征图之和作为响应图,采用阈值分割的方法获得缺陷最终位置并圈出,该方法尤其用于检测MURA缺陷。
【技术特征摘要】
1.基于卷积神经网络剪枝算法的手机屏幕MURA缺陷检测方法,包括如下步骤:1)自定义卷积神经网络,通过训练数据训练该网络直到收敛并且有较高准确率;2)通过自适应模板匹配的方法来进行卷积神经网络的剪枝,缩小网络规模和网络参数;3)采集手机屏幕图片数据,生成图片金字塔,分割成图片块,用于测试阶段数据生成,送入到步骤2)获得的剪枝后的卷积神经网络中进行运算;4)取中间隐层的特征图之和作为响应图,采用阈值分割的方法获得缺陷最终位置并圈出,该方法尤其用于检测MURA缺陷。2.根据权利要求1所述的方法,其特征在于:步骤2)所述的自适应模板匹配的剪枝具体是:...
【专利技术属性】
技术研发人员:宋明黎,高鑫,沈红佳,邱画谋,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。