一种基于学习的显示屏缺陷智能检测方法及装置制造方法及图纸

本申请提供了一种基于学习的显示屏缺陷智能检测方法及装置，其中，所述方法包括：获取屏幕的待检测图像；根据预设网络参数，确定所述待检测图像的可疑缺陷信息；根据所述可疑缺陷信息，提取缺陷特征数值；根据所述缺陷特征数值，确定最终检测结果；汇总全部所述最终检测结果为结果集合；随机抽取所述结果集合中的所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像。

A Learning-based Intelligent Detection Method and Device for Display Screen Defects

The application provides a learning-based intelligent defect detection method and device for display screen. The method includes acquiring the image to be detected on the screen, determining the suspicious defect information of the image to be detected according to the preset network parameters, extracting the defect feature value according to the suspicious defect information, and determining the final detection result according to the defect feature value. The final detection result is the result set; the final detection result in the result set is the sample sample randomly selected, and the sample is re-detected to determine that the result different from the final detection result is the result to be fed back; the feedback result is fed back, and the next preset network parameter is learned and generated according to the result to be fed back; According to the next preset network parameters, the preset network parameters are updated, and the next image to be detected is detected according to the updated preset network parameters.

【技术实现步骤摘要】
一种基于学习的显示屏缺陷智能检测方法及装置
本申请涉及屏幕检测
，尤其涉及一种基于学习的显示屏缺陷智能检测方法及装置。
技术介绍
“新型显示产业”作为我国政府支持的新兴战略产业之一，近年来在政府的积极扶持下取得了长足的进步。目前，我国液晶显示行业正在经历常能扩张、出货增加以及技术提升阶段。显示屏缺陷检测是显示屏制造企业保证出货品质的重要环节。目前，屏幕检测方法主要有人工检测和AOI设备检测两种。其中，AOI设备检测方法逐渐替代传统的人工检测成为主流检测方法，但是其也面临着缺陷基准不稳定、缺陷类型复杂、检测设备的检测参数调整复杂、设备调试耗时较长以及对高发缺陷响应滞后等问题。AOI检测设备中采用的原有视觉检测方法主要由四部分组成，分别为图像采集部分、缺陷提取部分、特征分析部分和数据汇总部分。其中，缺陷提取部分主要采用阈值分割图像处理方法，针对不同类型缺陷和场景需要采用不同的提取方法，鲁棒性差；特征分析部分采用人工手动设定阈值的方法，根据当缺陷特征值大于阈值时判定为缺陷的原理，但是参数调整复杂，且受人工经验影响较大，响应较慢。
技术实现思路
本申请提供了一种基于学习的显示屏缺陷智能检测方法及装置，以解决现有屏幕缺陷检测方法操作繁琐、响应慢的问题。本申请第一方面提供了一种基于学习的显示屏缺陷智能检测方法，所述方法包括：获取屏幕的待检测图像；根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；根据所述可疑缺陷信息，提取缺陷特征数值；根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果和所述可疑缺陷信息；汇总全部所述最终检测结果为结果集合；随机抽取所述结果集合中的所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像。结合第一方面，在第一方面的第一种可实现方式中，所述根据所述缺陷特征数值，确定最终检测结果的具体步骤包括：对比所述缺陷特征数值与预设特征缺陷数值；确定大于所述预设特征缺陷数值的所述缺陷特征数值所对应的所述可疑缺陷区域为机检缺陷；确定小于或者等于所述预设特征缺陷数值的所述缺陷特征数值所对应的所述可疑缺陷为排疑缺陷；确定上述判断结果为最终检测结果。结合第一方面，在第一方面的第二种可实现方式中，所述汇总全部所述最终检测结果为结果集合的具体步骤包括：标记并编号所述最终检测结果；汇总全部所述编号为结果集合，所述结果集合包括：所述编号与所述最终检测结果的对应关系以及所述编号对应的最终检测结果。结合第一方面，在第一方面的第三种可实现方式中，所述随机抽取所述结果集合中的所述最终检测结果为抽检样本的具体步骤包括：随机抽取所述编号；按照所述编号与所述最终检测结果的对应关系，获取相应的所述最终检测结果和所述最终检测结果对应的所述可疑缺陷区域；确定所述可疑缺陷区域为抽检样本。结合第一方面，在第一方面的第四种可实现方式中，所述反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数的具体步骤包括：按照预设尺寸，提取所述待反馈结果中所述抽检样本检测结果中的缺陷图像，作为缺陷样本图像；标注所述缺陷样本图像中的缺陷区域；根据标注结果，生成标注文件；利用训练框架软件和深度学习分割网络，学习所述标注文件并生成下一缺陷提取网络参数。结合第一方面，在第一方面的第五种可实现方式中，所述根据所述下一预设网络参数，更新所述预设网络参数的具体步骤包括：提取并剔除所述预设网络参数中的缺陷提取网络参数部分；更新所述下一缺陷提取网络参数至所述预设网络参数，形成下一预设网络参数。结合第一方面，在第一方面的第六种可实现方式中，所述反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数的具体步骤包括：获取并汇总所述待反馈结果中所述抽检样本对应的检测结果中的缺陷特征数值和最终检测结果中的缺陷特征数值，得到汇总数据；利用训练框架软件和深度学习网络结构，学习所述汇总数据，生成下一缺陷分析网络参数。结合第一方面，在第一方面的第七种可实现方式中，所述根据所述下一预设网络参数，更新所述预设网络参数的具体步骤包括：提取并剔除所述预设网络参数中的缺陷分析网络参数部分；更新所述下一缺陷分析网络参数至所述预设网络参数，形成下一预设网络参数。本申请第二方面提供了一种基于学习的显示屏缺陷智能检测装置，所述装置包括：图像获取单元，用于获取屏幕的待检测图像；可疑缺陷信息确定单元，用于根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；特征值提取单元，用于根据所述可疑缺陷信息，提取缺陷特征数值；最终检测结果确定单元，用于根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果；汇总单元，用于汇总全部所述最终检测结果为结果集合；待反馈结果确定单元；随机抽取所述结果集合中的所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；结果反馈单元，用于反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；网络参数更新单元，用于根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像。由以上技术可知，本申请提供了一种基于学习的显示屏缺陷智能检测方法及装置，其中，所述方法包括：获取屏幕的待检测图像；根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；根据所述可疑缺陷信息，提取缺陷特征数值；根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果和所述可疑缺陷信息；汇总全部所述最终检测结果为结果集合；随机抽取所述结果集合中的所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像。当检测装置进行初次检测时，可以根据经验或者历史检测记录，预先设置一组预设网络参数，从而对待检测图像内的缺陷进行第一次基准分析，初步确定疑似缺陷，得到可疑缺陷信息。提取出可疑缺陷信息中关于疑似缺陷的缺陷特征数值，并根据缺陷特征数值进行第二次基准分析，进一步判断疑似缺陷是否为检测装置所认证的缺陷，并将判断结果作为最终检测结果。在全部最终检测结果中进行随机抽取，并找到对应的抽检样本，利用人工或者其他方法重新对抽检样本进行检测，从而判定抽检样本是否真实为缺陷，以及为何种缺陷类型等，并判断与检测装置所得检测结果的相似度，作为待反馈结果。将待反馈结果分别反馈至缺陷提取及缺陷分析部分，并根据待反馈结果进行深度学习，生成新的、更加合适的预设网络参数，作为下一预设网络参数，用于下一次的屏幕缺陷检测。而上述阐述的下一预设网络参数的学本文档来自技高网...

【技术保护点】
1.一种基于学习的显示屏缺陷智能检测方法，其特征在于，所述方法包括：获取屏幕的待检测图像；根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；根据所述可疑缺陷信息，提取缺陷特征数值；根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果和所述可疑缺陷信息；汇总全部所述最终检测结果为结果集合；随机抽取所述结果集合中所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像。

【技术特征摘要】
1.一种基于学习的显示屏缺陷智能检测方法，其特征在于，所述方法包括：获取屏幕的待检测图像；根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；根据所述可疑缺陷信息，提取缺陷特征数值；根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果和所述可疑缺陷信息；汇总全部所述最终检测结果为结果集合；随机抽取所述结果集合中所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像。2.根据权利要求1所述的检测方法，其特征在于，所述根据所述缺陷特征数值，确定最终检测结果的具体步骤包括：对比所述缺陷特征数值与预设特征缺陷数值；确定大于所述预设特征缺陷数值的所述缺陷特征数值所对应的所述可疑缺陷区域为机检缺陷；确定小于或者等于所述预设特征缺陷数值的所述缺陷特征数值所对应的所述可疑缺陷为排疑缺陷；确定上述判断结果为最终检测结果。3.根据权利要求1所述的检测方法，其特征在于，所述汇总全部所述最终检测结果为结果集合的具体步骤包括：标记并编号所述最终检测结果；汇总全部所述编号为结果集合，所述结果集合包括：所述编号与所述最终检测结果的对应关系以及所述编号对应的最终检测结果。4.根据权利要求3所述的检测方法，其特征在于，所述随机抽取所述结果集合中的所述最终检测结果为抽检样本的具体步骤包括：随机抽取所述编号；按照所述编号与所述最终检测结果的对应关系，获取相应的所述最终检测结果和所述最终检测结果对应的所述可疑缺陷区域；确定所述可疑缺陷区域为抽检样本。5.根据权利要求1所述的检测方法，其特征在于，所述反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数的具体步骤包括：按照预设尺寸，提取所述待反馈结果中所述抽检样本检测结果中的缺陷图像，作为缺陷样本图像；标注所述缺...

【专利技术属性】
技术研发人员：时广军，姚毅，马增婷，路建伟，
申请(专利权)人：凌云光技术集团有限责任公司，
类型：发明
国别省市：北京,11