一种基板的检测方法及装置制造方法及图纸

本发明专利技术公开了一种基板的检测方法及装置，该基板的检测方法，包括：采集待检测基板的用于检测的待测图像；根据所述待测图像获取待检测基板的与光学特性相关的至少一个识别参数的检测值；将所述至少一个识别参数的检测值对应输入到预先训练好的基于神经网络的识别模块的输入节点；获取所述识别模块根据所述输入节点的输入数据进行识别得到的待检测基板的第一识别结果后输出；所述神经网络利用从识别结果已知的基板采集的训练图像进行训练得到。本发明专利技术减少了人为主观因素带来的检测结果偏差，在提高检测准确度的同时减少了人员数量，降低了成本。

【技术实现步骤摘要】

本专利技术涉及检测
，特别是一种基板的检测方法及检测装置。
技术介绍
薄膜晶体管液晶显示器TFT-LCD作为手机、Pad、笔记本电脑、显示器及电视机等产品的显示元件，在现今的生活中已变得不可或缺。为了保证显示器的性能，在显示器生产和销售的过程中要进行各种各样的测试，其中就包括对显示面板的显示性能(如闪烁、Mura等)的测试。目前，TFT-LCD行业中基板制作的过程中需要进行人眼检测，就是对当前工序完成后的基板进行人眼检测。然而现有的人眼检测需要耗费大量的人力物力，说明如下。一个成熟的基板生产工厂，宏观缺陷的不良率大约为万分之一这个级别，人眼宏观检测检测一张基板大约需要3分钟，那么为了从1万张基板检出不到十张存在宏观不良缺陷的彩膜基板，需要耗费大约3万分钟，即超过500个小时的检测时间。安排10个检测人员进行检测的话，也需要耗费超过50个小时。而如果采用抽检的方式，则几乎没有可能从1万张基板中检查出几张存在不良缺陷的基板。
技术实现思路
本专利技术实施例的目的在于提供一种基板的检测方法及装置，减少人为主观因素带来的检测结果偏差，提高检测准确度的同时减少人员数量，降低成本。为了实现上述目的，本专利技术实施例提供了一种基板的检测方法，包括：采集待检测基板的用于检测的待测图像；根据所述待测图像获取待检测基板的与光学特性相关的至少一个识别参数的检测值；将所述至少一个识别参数的检测值对应输入到预先训练好的基于神经网络的识别模块的输入节点；获取所述识别模块根据所述输入节点的输入数据进行识别得到的待检测基板的第一识别结果后输出；所述神经网络利用从识别结果已知的基板采集的训练图像进行训练得到。上述的基板检测方法，其中，所述至少一个识别参数为如下参数的任意组合：亮度参数、灰度参数和色度参数。上述的基板检测方法，其中，所述采集待检测基板的用于检测的待测图像包括：获取包括整个所述待检测基板的原始图像；根据所述原始图像的灰度分布确定所述原始图像中的问题区域；从所述原始图像中截取出所述待测图像；所述待测图像的图像尺寸和所述训练图像的图像尺寸相同，且所述待测图像的部分或全部对应于所述问题区域。上述的基板检测方法，其中，根据所述原始图像的灰度分布确定所述原始图像中的问题区域包括：计算所述原始图像的平均灰度值；确定所述原始图像中灰度值与所述平均灰度值的差值的绝对值超过预定数值的问题像素；利用所有的问题像素定位所述问题区域。上述的基板检测方法，其中，还包括：获取真实识别结果已知的基板的评估图像；获取所述神经网络依据所述评估图像得到的第二识别结果；当所述第二识别结果与所述真实识别结果不同时，输出一提示进行神经网络修正的提示消息。上述的基板检测方法，其中，采集待检测基板的用于检测的待测图像的过程中，所述待检测基板显示纯色画面或黑白相间画面。为了更好的实现上述目的，本专利技术实施例还提供了一种基板的检测装置，包括：采集模块，用于采集待检测基板的用于检测的待测图像；参数获取模块，用于根据所述待测图像获取待检测基板的与光学特性相关的至少一个识别参数的检测值；输入模块，用于将所述至少一个识别参数的检测值对应输入到识别模块的输入节点；识别模块，用于利用预先训练好的神经网络对所述输入节点输入的检测值进行识别，得到待检测基板的第一识别结果；所述神经网络基于预订数量的，识别结果已知的基板的训练图像训练得到；输出模块，用于获取所述第一识别结果后输出。上述的基板检测装置，其中，所述至少一个识别参数为如下参数的任意组合：亮度参数、灰度参数和色度参数。上述的基板检测装置，其中，所述采集模块包括：原始图像采集单元，用于获取包括整个所述待检测基板的原始图像；问题区域确定单元，用于根据所述原始图像的灰度分布确定所述原始图像中的问题区域；图像截取单元，用于从所述原始图像中截取出所述待测图像；所述待测图像的图像尺寸和所述训练图像的图像尺寸相同，且所述待测图像的部分或全部对应于所述问题区域。上述的基板检测装置，其中，问题区域确定单元包括：平均灰度计算子单元，用于计算所述原始图像的平均灰度值；问题像素确定子单元，用于确定所述原始图像中灰度值与所述平均灰度值的差值的绝对值超过预定数值的问题像素；问题区域定位子单元，用于利用所有的问题像素定位所述问题区域。上述的基板检测装置，其中，还包括：评估图像获取模块，用于获取真实识别结果已知的基板的评估图像；识别模块，用于获取所述神经网络依据所述评估图像得到的第二识别结果；提示模块，用于当所述第二识别结果与所述真实识别结果不同时，输出一提示进行神经网络修正的提示消息。上述的基板检测装置，其中，采集待检测基板的用于检测的待测图像的过程中，所述待检测基板显示纯色画面或黑白相间画面。本专利技术实施例具有以下的有益效果：本专利技术实施例的检测方法及装置中，通过大量的识别结果已知的训练图像来训练用于基板检测的神经网络，进而利用该神经网络来对基板进行检测，由于不需要检测人员的参与，大大减少了人为主观因素带来的检测结果偏差，在提高了检测的准确度的同时减少了人员数量，降低了成本。附图说明图1表示本专利技术实施例中的基板的结构示意图；图2表示神经网络的基本结构的示意图；图3表示本专利技术实施例的检测方法的流程示意图；图4表示本专利技术实施例的检测方法中涉及的问题区域的示意图；图5表示本专利技术实施例的检测装置的结构示意图；图6表示本专利技术实施例的检测方法的应用环境的示意图；图7表示本专利技术实施例的检测方法的完整流程的示意图。具体实施方式本专利技术实施例的检测方法及装置中，通过大量的识别结果已知的训练图像来训练用于基板检测的神经网络，进而利用该神经网络来对基板进行检测，由于不需要检测人员的参与，大大减少了人为主观因素带来的检测结果偏差，在提高了检测的准确度的同时减少了人员数量，降低了成本。在对本专利技术实施例进行进一步详细说明之前，先对本申请涉及到的几个概念进行说明，以便于更好的理解本专利技术实施例。简单地说，液晶面板是两块对向设置的彩膜基板和阵列基板中间包裹一层液晶分子构成的。生产时，采用的玻璃基板有一个固定的尺寸，再通过切割形成各种尺寸的液晶面板。因此，根据经济切割尺寸的不同，液晶生产线也被分成了不同的代数，如5代线最高阶段的基板尺寸是1200*1300m本文档来自技高网...

【技术保护点】
一种基板的检测方法，其特征在于，包括：采集待检测基板的用于检测的待测图像；根据所述待测图像获取待检测基板的与光学特性相关的至少一个识别参数的检测值；将所述至少一个识别参数的检测值对应输入到预先训练好的基于神经网络的识别模块的输入节点；获取所述识别模块根据所述输入节点的输入数据进行识别得到的待检测基板的第一识别结果后输出；所述神经网络利用从识别结果已知的基板采集的训练图像进行训练得到。

【技术特征摘要】
1.一种基板的检测方法，其特征在于，包括：
采集待检测基板的用于检测的待测图像；
根据所述待测图像获取待检测基板的与光学特性相关的至少一个识别参
数的检测值；
将所述至少一个识别参数的检测值对应输入到预先训练好的基于神经网
络的识别模块的输入节点；
获取所述识别模块根据所述输入节点的输入数据进行识别得到的待检测
基板的第一识别结果后输出；
所述神经网络利用从识别结果已知的基板采集的训练图像进行训练得到。
2.根据权利要求1所述的基板检测方法，其特征在于，所述至少一个识
别参数为如下参数的任意组合：亮度参数、灰度参数和色度参数。
3.根据权利要求1所述的基板检测方法，其特征在于，所述采集待检测
基板的用于检测的待测图像包括：
获取包括整个所述待检测基板的原始图像；
根据所述原始图像的灰度分布确定所述原始图像中的问题区域；
从所述原始图像中截取出所述待测图像；
所述待测图像的图像尺寸和所述训练图像的图像尺寸相同，且所述待测图
像的部分或全部对应于所述问题区域。
4.根据权利要求3所述的基板检测方法，其特征在于，根据所述原始图
像的灰度分布确定所述原始图像中的问题区域包括：
计算所述原始图像的平均灰度值；
确定所述原始图像中灰度值与所述平均灰度值的差值的绝对值超过预定
数值的问题像素；
利用所有的问题像素定位所述问题区域。
5.根据权利要求1所述的基板检测方法，其特征在于，还包括：
获取真实识别结果已知的基板的评估图像；
获取所述神经网络依据所述评估图像得到的第二识别结果；
当所述第二识别结果与所述真实识别结果不同时，输出一提示进行神经网
络修正的提示消息。
6.根据权利要求1所述的基板检测方法，其特征在于，采集待检测基板
的用于检测的待测图像的过程中，所述待检测基板显示纯色画面或黑白相间画
面。
7.一种基板的检测装置，其特征在于，包括：
采集模块，用于采集待检测基板的用于检测的待测图像；
参数获取模块...

【专利技术属性】
技术研发人员：赵可宁，刘宏宇，马超，郑康，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11