一种用于显示面板缺陷分类的学习方法技术

本发明专利技术公开了一种用于显示面板缺陷分类的学习方法，包括：引入缺陷特征属性描述参数及缺陷特征属性梯度参数，其中，该缺陷特征属性描述参数包括多种缺陷类型的特征属性描述向量，该缺陷特征属性梯度参数包括多种缺陷类型的特征属性梯度范围α及与该多种缺陷类型的特征属性梯度范围α一一对应的梯度系数因子；并通过调整缺陷特征属性描述参数或缺陷特征属性梯度参数，使得引入的缺陷特征属性描述参数及缺陷特征属性梯度参数能够自动匹配显示面板的显示缺陷类型。本发明专利技术通过对已知缺陷类型的学习不断完善引入缺陷特征属性描述参数，及不断收敛优化缺陷特征属性梯度参数，能极大提升显示面板的缺陷识别检测效率和精确度。

A learning method for display panel defect classification

The invention discloses a method for learning, the display panel includes: introducing the defect classification and defect feature attribute description parameters and defects characteristic gradient parameters, among them, the defect feature attribute description parameters include attributes of various types of defects in the description vector, the defects characteristic parameters including gradient attributes gradient range alpha attribute gradient the range of various types of alpha defects and the various defect types and corresponding gradient coefficient factor; and by adjusting the defect attributes description parameters or defect attributes gradient parameters, makes the defect feature attributes into the description of the parameters and defect attributes of gradient parameters can automatically match the display defect type panel. The present invention by improving constantly on the known types of defect study into the defect feature attribute description parameters, and constantly convergence optimization defect attributes gradient parameters can greatly enhance the efficiency and accuracy of defect detection display panel.

【技术实现步骤摘要】
一种用于显示面板缺陷分类的学习方法
本专利技术涉及显示面板检测
，具体涉及到一种用于显示面板缺陷分类的学习方法。
技术介绍
平面显示器具有高分辨率、高灰度以及无几何变形等优点，同时由于其体积小、重量轻和功耗低，因而被广泛的应用在人们日常使用的消费电子产品中，例如电视、电脑、手机、平板等。显示面板是平面显示器具的主体组成部分，其制造工艺复杂，而且随着显示面板的尺寸越做越大，其灰度的均匀性也越来越难控制，因此在制造过程中难免会出现各种显示缺陷，如亮点/暗点/异物亮/BL异物(背光异物)/白点/亮暗线/Mura等显示缺陷。目前，显示面板产线上一般采用肉眼识别显示缺陷数量及类型的方式对显示面板进行等级判定，检测效率低、误检率高。
技术实现思路
针对上述现有技术的不足，本专利技术公开一种用于显示面板缺陷分类的学习方法，通过引入缺陷特征属性描述参数及缺陷特征属性梯度参数，并通过对已知缺陷类型的学习不断完善引入缺陷特征属性描述参数，及不断收敛优化缺陷特征属性梯度参数，使得引入的缺陷特征属性描述参数及缺陷特征属性梯度参数能够自动匹配显示面板的显示缺陷类型，能极大提升显示面板的缺陷识别检测效率和精确本文档来自技高网...

【技术保护点】
一种用于显示面板缺陷分类的学习方法，其特征在于，包括以下步骤：1)从一已知缺陷类型的图像中提取缺陷特征属性向量d；2)提供一缺陷特征属性梯度系数集合G，该缺陷特征属性梯度系数集合G包括该已知缺陷类型的特征属性梯度范围αij及与该特征属性梯度范围αij一一对应的梯度系数因子βij；将该缺陷特征属性向量d分别代入到该特征属性梯度范围αij中，得到梯度系数因子向量β；3)提供一缺陷特征属性描述集合M，该缺陷特征属性描述集合M包括多种缺陷类型的多个特征属性描述向量m；将该梯度系数因子向量β分别与该多个特征属性描述向量m进行卷积，生成一组卷积值；4)若最大的卷积值对应的特征属性描述向量的缺陷类型为该已知...

【技术特征摘要】
1.一种用于显示面板缺陷分类的学习方法，其特征在于，包括以下步骤：1)从一已知缺陷类型的图像中提取缺陷特征属性向量d；2)提供一缺陷特征属性梯度系数集合G，该缺陷特征属性梯度系数集合G包括该已知缺陷类型的特征属性梯度范围αij及与该特征属性梯度范围αij一一对应的梯度系数因子βij；将该缺陷特征属性向量d分别代入到该特征属性梯度范围αij中，得到梯度系数因子向量β；3)提供一缺陷特征属性描述集合M，该缺陷特征属性描述集合M包括多种缺陷类型的多个特征属性描述向量m；将该梯度系数因子向量β分别与该多个特征属性描述向量m进行卷积，生成一组卷积值；4)若最大的卷积值对应的特征属性描述向量的缺陷类型为该已知缺陷类型，则结束缺陷类型识别流程；若最大的卷积值对应的特征属性描述向量的缺陷类型不为该已知缺陷类型，则修改该已知缺陷类型的特征属性梯度范围αij及与该特征属性梯度范围αij一一对应的梯度系数因子βij，重复步骤1至4，直至最大的卷积值对应的特征属性描述向量的缺陷类型为该已知缺陷类型，获得新的该已知缺陷类型的特征属性梯度范围及与该特征属性梯度范围一一对应的梯度系数因子。2.根据权利要求1所述的学习方法，其特征在于，采用以下公式进行卷积计算：其中，mi是特征属性描述向量m(m1,m2,…mn)(0＜mi＜1)中的元素，为描述缺陷特征信息的加权因子，特征属性描述向量m转换成矩阵参与卷积计算；βi是梯度系数因子向量β(β1,β2,…βn)(0＜βi＜1)中的元素，梯度系数因子向量β转换成列向量参与卷积计算。3.根据权利要求1或2所述的学习方法，其特征在于，缺陷特征包括画面名称、和/或面积、和/或长、和/或宽、和/或长宽比、和/或中心灰度、和/或对比度、和/或坐标。4.根据权利要求3所述的学习方法，其特征在于，该特征属性描述向量m是对面积、和/或长、和/或宽、和/或长宽比、和/或中心灰度、和/或对比度、和/或坐标的数值归一化的集合。5.根据权利要求1所述的学习方法，其特征在于，步骤4中所述修改该已知缺陷类型的特征属性梯度范围具体为缩小该已知缺陷类型的特征属性梯度范围。6.一种用于显示...

【专利技术属性】
技术研发人员：吕东东，张胜森，邓标华，
申请(专利权)人：武汉精测电子技术股份有限公司，
类型：发明
国别省市：湖北,42