The invention relates to a LCD defect detection method based on feature pyramid convolution neural network, which includes constructing feature pyramid convolution neural network and constructing a detection model. The model is used to detect LCD panel images, and the defect types and locations are determined through output parameters screening. The method makes full use of the respective advantages of deep residual convolution neural network and feature pyramid network. By effectively fusing low-level high-resolution image features and high-level high-semantic information features, and using single-stage detection to obtain the types and locations of defects directly from LCD images, the detection efficiency is greatly improved, and the missed detection rate and false detection rate are reduced.
【技术实现步骤摘要】
一种基于特征金字塔卷积神经网络的LCD缺陷检测方法
本专利技术属于计算机视觉、目标检测与识别
，特别涉及一种基于特征金字塔卷积神经网络的LCD缺陷检测方法。
技术介绍
目前，手机、电脑等显示器的液晶面板主要采用薄膜晶体管型液晶面板显示屏(ThinFilmTransistorLiquidCrystalDisplay，TFT-LCD)。它具有体积小、厚度薄、能耗低、质量轻、环保无辐射等优点，迅速成为显示面板的主要材料。因当前生产工艺的水平所限，生产者无法保证所生产的LCD完美无缺。只要生产过程中任何一个环节出现瑕疵，都会给LCD带来图像显示缺陷，如亮点、暗点、亮斑区域、闪屏、几何图形失真、色差(Mura)等。因此，LCD的缺陷检测过程就成为了生产过程中不可或缺的步骤。在现有技术中，基于人工智能的LCD缺陷检测方法可以分为两类：一是基于机器视觉的LCD缺陷检测方法；二是基于深度学习的LCD缺陷检测方法。其中，基于深度学习的LCD缺陷检测方法是一种利用深度学习技术自动提取LCD缺陷图像特征并进行缺陷分类和定位的算法。基本思想是先将高分辨率LCD面板图片进行不同比例的...
【技术保护点】
1.一种基于特征金字塔卷积神经网络的LCD缺陷检测方法，包括如下步骤：S1、构建特征金字塔卷积神经网络，基于所述特征金字塔卷积神经网络构建LCD缺陷检测模型；S2、利用所述模型检测LCD面板图片，获取至少一组参数；S3、从所述参数中筛选符合预定义条件的参数组；S4、从所述符合预定义条件的参数组中确定结果。
【技术特征摘要】
1.一种基于特征金字塔卷积神经网络的LCD缺陷检测方法，包括如下步骤：S1、构建特征金字塔卷积神经网络，基于所述特征金字塔卷积神经网络构建LCD缺陷检测模型；S2、利用所述模型检测LCD面板图片，获取至少一组参数；S3、从所述参数中筛选符合预定义条件的参数组；S4、从所述符合预定义条件的参数组中确定结果。2.根据权利要求1所述的方法，其特征还在于，所述构建特征金字塔卷积神经网络包括将深度残差卷积神经网络、多尺度与多层级的特征金字塔网络和面向多任务学习的全连接分类回归网络级联。3.根据权利要求2所述的方法，其特征还在于，所述多尺度与多层级的特征金字塔网络包括至少两个不同尺度与层级的特征层，其中最低层特征层直接来自对应最低卷积层的复制或映射。4.根据权利要求3所述的方法，其特征还在于，下一层特征层由上一层特征层进行上采样，将其尺度放大至与所需下一层...
【专利技术属性】
技术研发人员：许国良，范兴容，刘恒，彭大芹，雒江涛，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50
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。