一种大分辨率图像的缺陷检测方法及系统技术方案

本发明专利技术公开了一种大分辨率图像的缺陷检测方法及系统，该方法包括以下步骤：S1：采用一定大小的滑动窗口在缺陷图像上进行横向和纵向滑动，得到若干分区图像；S2：通过基于小分辨率图像训练得到的目标检测模型对每一个分区图像进行缺陷检测，得到一个描述目标检测框的结果集合，每一个目标检测框的检测结果包括该目标检测框内所包含的缺陷类型的概率分类值；S3：依次计算结果集合中相邻的两个目标检测框之间的欧式距离，当欧式距离小于窗口融合阈值时对两个目标检测框进行融合，取概率分类值最大的目标检测框作为缺陷检测结果；本发明专利技术通过滑动切分和窗口融合的方式实现大分辨率图像的缺陷检测，不会导致微小缺陷丢失，避免造成过检或漏检。

A Defect Detection Method and System for Large Resolution Image

The invention discloses a defect detection method and system for large resolution image, which includes the following steps: S1: sliding laterally and longitudinally on the defect image with a sliding window of a certain size to obtain several partition images; S2: defect detection is carried out on each partition image through a target detection model based on training of small resolution image, and a description is obtained. The result set of the target detection frame, the detection result of each target detection frame includes the probability Classification value of the defect type contained in the target detection frame; S3: The Euclidean distance between two adjacent target detection frames in the set is calculated sequentially. When the Euclidean distance is less than the window fusion threshold, the two target detection frames are fused and the target detection with the greatest probability Classification value is obtained. The invention realizes defect detection of large resolution image by sliding segmentation and window fusion, and does not cause the loss of minor defects and avoids over-inspection or missed detection.

【技术实现步骤摘要】
一种大分辨率图像的缺陷检测方法及系统
本专利技术属于自动化缺陷检测
，更具体地，涉及一种基于深度学习的大分辨率图像缺陷检测方法及系统。
技术介绍
在LCD面板制作的过程中，往往因为背光板(BackLightUnit，BLU)上的划伤、灰尘、污渍等缺陷，导致最终LCD面板上出现类似的缺陷，这直接影响了LCD面板最终的质量和成品等级的输出结果，因此，在LCD制程的初期对BLU背光板上有可能出现的缺陷进行检测是至关重要的。目前，BLU背光板上的缺陷检测主要是通过以下三种方法实现的，一是由质检员进行逐个人工检测；二是借助传统的图像处理算法进行检测；三是基于主流的深度学习算法进行检测，深度学习自2012年在ImageNet图像识别比赛中暂露头角以来，深度学习算法不仅在图像识别领域不断取得新的突破，在目标检测领域更是大放异彩；但是以上三种方法分别存在以下缺陷：1、人眼检测存在很强的主观因素，而且人眼进行长期的检测也会存在视觉疲劳；此外，BLU背光板上的缺陷往往比较微弱，以上因素综合起来，会直接造成BLU背光板上大量缺陷的漏检和过检；并且检测效率低下，带来大量的人力成本和时间成本；2、传统的本文档来自技高网...

【技术保护点】
1.一种大分辨率图像的缺陷检测方法，其特征在于，包括以下步骤：S1：采用滑动窗口在待测缺陷图像上进行横向和纵向滑动，将待测缺陷图像切割为多个分区图像，且若干次横向或纵向滑动所覆盖的分区图像的集合需覆盖整个缺陷图像；S2：通过基于小分辨率图像训练得到的目标检测模型对每一个所述分区图像进行缺陷检测，得到一个描述目标检测框的结果集合，每一个所述目标检测框的检测结果包括该目标检测框内所包含的缺陷类型的概率分类值；S3：依次计算所述结果集合中相邻的两个目标检测框之间的欧式距离，当所述欧式距离小于预设的窗口融合阈值时对两个目标检测框进行融合，以概率分类值最大的目标检测框作为缺陷检测结果。

【技术特征摘要】
1.一种大分辨率图像的缺陷检测方法，其特征在于，包括以下步骤：S1：采用滑动窗口在待测缺陷图像上进行横向和纵向滑动，将待测缺陷图像切割为多个分区图像，且若干次横向或纵向滑动所覆盖的分区图像的集合需覆盖整个缺陷图像；S2：通过基于小分辨率图像训练得到的目标检测模型对每一个所述分区图像进行缺陷检测，得到一个描述目标检测框的结果集合，每一个所述目标检测框的检测结果包括该目标检测框内所包含的缺陷类型的概率分类值；S3：依次计算所述结果集合中相邻的两个目标检测框之间的欧式距离，当所述欧式距离小于预设的窗口融合阈值时对两个目标检测框进行融合，以概率分类值最大的目标检测框作为缺陷检测结果。2.如权利要求1所述的缺陷检测方法，其特征在于，所述目标检测框的检测结果还包括检测框左上角的点坐标、宽度和高度。3.如权利要求2所述的缺陷检测方法，其特征在于，步骤S3中还包括：根据目标检测框左上角的点坐标、宽度、高度计算每一个目标检测框中心点的坐标，并根据所述中心点的坐标对所述结果集合中的各目标检测框进行排序。4.如权利要求1或3所述的缺陷检测方法，其特征在于，步骤S1之前还包括：将大分辨率的样本缺陷图像切割为若干小分辨率图像，对所述小分辨率图像中的缺陷类型进行标记，生成训练集合；并根据所述训练集合对基于深度学习的目标检测模型进行训练。5.如权利要求1所述的缺陷检测方法，其特征在于，所述滑动窗口的大小为312像素×312像素、416像素×416像素、512像素×512像素、608像素×608像素中的任一种。6.一种大分辨率图像的缺陷检测系统，其特征在于，包括处理器、存储器...

【专利技术属性】
技术研发人员：马卫飞，张胜森，郑增强，
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