The invention belongs to the field of automatic detection technology of display panel, and discloses a network model and method for classifying large area defects of display panel. The network model includes one input layer, seven convolution layers, two full connection layers and one output layer. The input layer adopts large resolution, and the first to fifth layers of seven convolution layers adopt large size convolution core. The method of large area defect classification provided by type A is: (1) normalizing defect image into samples matching the resolution of input layer of network model; (2) dividing samples into training set, verification set and test set, classifying the samples in the set according to defect type; (3) training the network model with training set and verifying the classification model with verification set; (4) using classification model to verify the classification model. Samples in test set are classified, which effectively solves the problem that existing methods can not classify large area defect images, and greatly improves the accuracy of classification and recognition of large area defect images.
【技术实现步骤摘要】
一种用于显示面板大面积缺陷分类的网络模型及方法
本专利技术属于显示面板自动化检测
,具体涉及一种用于显示面板大面积缺陷分类的网络模型及方法。
技术介绍
在显示面板制作的过程中,AOI缺陷检测直接影响着面板最终的质量和成品等级的划分。面板中的Mura缺陷往往是一种宏观上的大面积Mura缺陷,并且具有形状不规则、大小不均匀、对比度低的特点。通过人眼进行显示面板缺陷分类的方法,逐个人工分类,受到人眼感知能力以及主观因素的限制,很难快速准确的对显示面板上的大面积Mura缺陷进行准确的识别和分类,并且效率低下;随着人眼疲劳程度的增加,也会造成微弱缺陷的错误划分。现有技术还包括借助图像处理算法譬如基于深度学习中的卷积神经网络进行显示面板缺陷分类的方法,但一方面,现有的深度学习主要针对的是自然图像、小目标的分类识别,例如AlexNet、VGG、GoogLeNet、ResNet等模型分类网络输入层的图像分辨率特别的小,不适合大分辨率图像大面积缺陷的分类识别,而且现有分类网络的卷积核都是3*3或者5*5的卷积核,较小的卷积核能够提取物体的纹理细节,因此对于自然图像、纹理比较丰富的图像分类识别效果较好,但是这类卷积核并不适合提取大分辨率图像的、全局性质的、宏观上的大面积缺陷。
技术实现思路
针对现有技术的以上缺陷或改进需求,本专利技术提供了一种用于显示面板大面积缺陷分类的网络模型,利用空洞卷积构建网络模型用于对大分辨率图像上全局性质的、大面积缺陷进行准确识别。为实现上述目的,按照本专利技术的一个方面,提供了一种用于显示面板大面积缺陷分类的网络模型,包括一层输入层,七层卷积层 ...
【技术保护点】
1.一种用于显示面板大面积缺陷分类的网络模型,其特征在于,包括一层输入层、七层卷积层、两层全连接层、以及一层输出层;输入层采用大分辨率,七层卷积层中的第一层、第二层采用大尺寸的卷积核。
【技术特征摘要】
1.一种用于显示面板大面积缺陷分类的网络模型,其特征在于,包括一层输入层、七层卷积层、两层全连接层、以及一层输出层;输入层采用大分辨率,七层卷积层中的第一层、第二层采用大尺寸的卷积核。2.如权利要求1所述的用于显示面板大面积缺陷分类的网络模型,其特征在于,七层卷积层中的第一至第五层采用空洞卷积核。3.如权利要求2所述的用于显示面板大面积缺陷分类的网络模型,其特征在于,第一卷积层和第二卷层的卷积核采用尺寸为15像素*15像素空洞卷积核;第三卷积层、第四卷积层、第五卷积层的卷积核采用尺寸为7像素*7像素的空洞卷积核。4.如权利要求1或2所述的用于显示面板大面积缺陷分类的网络模型,其特征在于,第六卷积层、第七卷积层的卷积核为5像素*5像素或3像素*3像素。5.如权利要求1或2所述的用于显示面板大面积缺陷分类的网络模型,其特征在于,输入层的分辨率为3701像素*3701像素。6.如权利要求1或2所述的用于显示面板大面积缺陷分类的网络模型,其特征在于,两层全连接层中的第一层的节点个数为1024、第二层的节点数目根据分类的类别数目调整。...
【专利技术属性】
技术研发人员:马卫飞,张胜森,郑增强,余飞,吴川,
申请(专利权)人:武汉精立电子技术有限公司,
类型:发明
国别省市:湖北,42
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。