显示屏质量检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种显示屏质量检测方法、装置、电子设备及存储介质，其中，该方法包括：接收部署在显示屏生产线上的控制台发送的质量检测请求，该质量检测请求中包含显示屏生产线上的图像采集设备采集的显示屏图像，对该显示屏图像进行图像预处理，并将预处理后的显示屏图像输入到缺陷检测模型中得到缺陷检测结果，该缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的，根据该缺陷检测结果确定上述显示屏图像对应的显示屏的质量好坏。该技术方案的缺陷检测准确度高、系统性能好，业务扩展能力高。

【技术实现步骤摘要】
显示屏质量检测方法、装置、电子设备及存储介质
本申请涉及计算机
，尤其涉及一种显示屏质量检测方法、装置、电子设备及存储介质。
技术介绍
随着科技的发展，信息显示技术在人们生活中的作用与日俱增，显示屏也因其体积小、重量轻、功率低、分辨率高、亮度高和无几何变形诸多特点被广泛应用。但在显示屏的生产过程中，由于工艺及环境的原因可能导致显示屏存在显示缺陷，例如，点缺陷、线缺陷和面缺陷等。因而，显示屏质量检测是生产过程中的重要环节。现有技术中，显示屏质量检测主要采用人工检测或机器辅助的人工检测方法。具体的，人工检测方法是指依赖行业专家肉眼观察从生产环境中采集到的图片给出判断；机器辅助的人工检测方法是指首先利用固化有行业专家经验的质检系统对待检测显示屏图像进行检测，其次再由行业专家对疑似存在缺陷的图片进行检测判断。然而，不管是人工检测方法，还是机器辅助的人工检测方法均受人的主观影响因素较大，检测准确度低、系统性能差，业务扩展能力低。
技术实现思路
本申请提供一种显示屏质量检测方法、装置、电子设备及存储介质，以克服现有显示屏缺陷检测方法中由于受人的主观影响因素较大，致使检测准确度低、系统性能差、业务扩展能力低的问题。本申请第一方面提供一种显示屏质量检测方法，包括：接收部署在显示屏生产线上的控制台发送的质量检测请求，所述质量检测请求中包含所述显示屏生产线上的图像采集设备采集的显示屏图像；对所述显示屏图像进行图像预处理，其中，所述图像预处理包括下述处理中的一项或多项：裁边、剪切、旋转、缩小、放大；将预处理后的所述显示屏图像输入到缺陷检测模型中得到缺陷检测结果，其中，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的；根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏。可选的，在第一方面的一种可能实现方式中，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的，包括：所述缺陷检测模型是对所述历史缺陷显示屏图像的候选区域损失、区域类别损失、区域边界损失和像素实例损失进行组合训练，以使所述候选区域损失、所述区域类别损失、所述区域边界损失和所述像素实例损失的总损失值满足预设损失阈值的结果；其中，所述候选区域损失指所述历史缺陷显示屏图像中选定缺陷区域与实际缺陷区域之间的损失值，所述区域类别损失指所述选定缺陷区域中预测缺陷类别与实际缺陷类别之间的损失值，所述区域边界损失指所述选定缺陷区域中预测缺陷边界与实际缺陷边界之间的损失，所述像素实例损失指所述历史缺陷显示屏图像中预测像素实例与实际像素实例之间的损失。可选的，在第一方面的另一种可能实现方式中，所述将预处理后的所述显示屏图像输入到缺陷检测模型中得到缺陷检测结果，包括：根据负载均衡策略，确定承载处理资源的检测模型服务器；将预处理后的所述显示屏图像输入到运行在所述检测模型服务器上的所述缺陷检测模型中得到缺陷检测结果。可选的，在第一方面的再一种可能实现方式中，所述缺陷检测结果，包括：缺陷类别，和/或，缺陷实例，和/或，缺陷位置；所述根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏，包括：根据生产阶段信息以及所述缺陷检测结果，确定所述显示屏图像对应的显示屏的质量好坏。可选的，在第一方面的又一种可能实现方式中，所述根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏之后，该方法还包括：若确定所述显示屏为坏屏，则执行以下一项或多项操作：通过控制器向生产管理者发送报警信息；通过控制器将所述缺陷检测结果作为日志存储到生产数据库中；通过控制器向所述控制台发送生产控制指令以便消除缺陷；将所述显示屏图像和所述缺陷检测结果输入到所述缺陷检测模型中以便优化所述缺陷检测模型。本申请第二方面提供一种显示屏质量检测装置，包括：接收模块，用于接收部署在显示屏生产线上的控制台发送的质量检测请求，所述质量检测请求中包含所述显示屏生产线上的图像采集设备采集的显示屏图像；处理模块，用于对所述显示屏图像进行图像预处理，将预处理后的所述显示屏图像输入到缺陷检测模型中得到缺陷检测结果，其中，所述图像预处理包括下述处理中的一项或多项：裁边、剪切、旋转、缩小、放大，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的；确定模块，用于根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏。可选的，在第二方面的一种可能实现方式中，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的，包括：所述缺陷检测模型是对所述历史缺陷显示屏图像的候选区域损失、区域类别损失、区域边界损失和像素实例损失进行组合训练，以使所述候选区域损失、所述区域类别损失、所述区域边界损失和所述像素实例损失的总损失值满足预设损失阈值的结果；其中，所述候选区域损失指所述历史缺陷显示屏图像中选定缺陷区域与实际缺陷区域之间的损失值，所述区域类别损失指所述选定缺陷区域中预测缺陷类别与实际缺陷类别之间的损失值，所述区域边界损失指所述选定缺陷区域中预测缺陷边界与实际缺陷边界之间的损失，所述像素实例损失指所述历史缺陷显示屏图像中预测像素实例与实际像素实例之间的损失。可选的，在第二方面的另一种可能实现方式中，所述处理模块，具体用于根据负载均衡策略，确定承载处理资源的检测模型服务器，将预处理后的所述显示屏图像输入到运行在所述检测模型服务器上的所述缺陷检测模型中得到缺陷检测结果。可选的，在第二方面的再一种可能实现方式中，所述缺陷检测结果，包括：缺陷类别，和/或，缺陷实例，和/或，缺陷位置；所述确定模块，具体用于根据生产阶段信息以及所述缺陷检测结果，确定所述显示屏图像对应的显示屏的质量好坏。可选的，在第二方面的又一种可能实现方式中，所述处理模块，还用于在所述确定模块根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏之后，若确定所述显示屏为坏屏，则执行以下一项或多项操作：通过控制器向生产管理者发送报警信息；通过控制器将所述缺陷检测结果作为日志存储到生产数据库中；通过控制器向所述控制台发送生产控制指令以便消除缺陷；将所述显示屏图像和所述缺陷检测结果输入到所述缺陷检测模型中以便优化所述缺陷检测模型。本申请第三方面提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面以及第一方面各种可能实现方式中任一项所述的方法。本申请第四方面提供一种存储介质，所述存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如第一方面以及第一方面各种可能实现方式中任一项所述的方法。本申请实施例提供的显示屏质量检测方法、装置、电子设备及存储介质，通过接收部署在显示屏生产线上的控制台发送的质量检测请求，该质量检测请求中包含显示屏生产线上的图像采集设备采集的显示屏图像，对该显示屏图像进行图像预处理，以及将预处理后的显示屏图像输入到缺陷检测模型中得到缺陷检测结果，并根据该缺陷检测结果确定显示屏图像对应的显示屏的质量好坏。由于上述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的，因而，利用该缺陷检测模型得本文档来自技高网...

【技术保护点】
1.一种显示屏质量检测方法，其特征在于，包括：接收部署在显示屏生产线上的控制台发送的质量检测请求，所述质量检测请求中包含所述显示屏生产线上的图像采集设备采集的显示屏图像；对所述显示屏图像进行图像预处理，其中，所述图像预处理包括下述处理中的一项或多项：裁边、剪切、旋转、缩小、放大；将预处理后的所述显示屏图像输入到缺陷检测模型中得到缺陷检测结果，其中，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的；根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏。

【技术特征摘要】
1.一种显示屏质量检测方法，其特征在于，包括：接收部署在显示屏生产线上的控制台发送的质量检测请求，所述质量检测请求中包含所述显示屏生产线上的图像采集设备采集的显示屏图像；对所述显示屏图像进行图像预处理，其中，所述图像预处理包括下述处理中的一项或多项：裁边、剪切、旋转、缩小、放大；将预处理后的所述显示屏图像输入到缺陷检测模型中得到缺陷检测结果，其中，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的；根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏。2.根据权利要求1所述的方法，其特征在于，所述缺陷检测模型是采用深度卷积神经网络结构和实例分割算法对历史缺陷显示屏图像进行训练得到的，包括：所述缺陷检测模型是对所述历史缺陷显示屏图像的候选区域损失、区域类别损失、区域边界损失和像素实例损失进行组合训练，以使所述候选区域损失、所述区域类别损失、所述区域边界损失和所述像素实例损失的总损失值满足预设损失阈值的结果；其中，所述候选区域损失指所述历史缺陷显示屏图像中选定缺陷区域与实际缺陷区域之间的损失值，所述区域类别损失指所述选定缺陷区域中预测缺陷类别与实际缺陷类别之间的损失值，所述区域边界损失指所述选定缺陷区域中预测缺陷边界与实际缺陷边界之间的损失，所述像素实例损失指所述历史缺陷显示屏图像中预测像素实例与实际像素实例之间的损失。3.根据权利要求1所述的方法，其特征在于，所述将预处理后的所述显示屏图像输入到缺陷检测模型中得到缺陷检测结果，包括：根据负载均衡策略，确定承载处理资源的检测模型服务器；将预处理后的所述显示屏图像输入到运行在所述检测模型服务器上的所述缺陷检测模型中得到缺陷检测结果。4.根据权利要求1-3任一项所述的方法，其特征在于，所述缺陷检测结果，包括：缺陷类别，和/或，缺陷实例，和/或，缺陷位置；所述根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏，包括：根据生产阶段信息以及所述缺陷检测结果，确定所述显示屏图像对应的显示屏的质量好坏。5.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述缺陷检测结果确定所述显示屏图像对应的显示屏的质量好坏之后，还包括：若确定所述显示屏为坏屏，则执行以下一项或多项操作：通过控制器向生产管理者发送报警信息；通过控制器将所述缺陷检测结果作为日志存储到生产数据库中；通过控制器向所述控制台发送生产控制指令以便消除缺陷；将所述显示屏图像和所述缺陷检测结果输入到所述缺陷检测模型中以便优化所述缺陷检测模型。6.一种显示屏质量检测装置，其特征在于，包括：接收模块，用于接收部署在显示屏生产线上的控制台发送的质量检测请求，所述质量检...

【专利技术属性】
技术研发人员：文亚伟，冷家冰，刘明浩，徐玉林，郭江亮，李旭，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11