The invention relates to a TFT LCD module white print detection method based on convolution neural network, which belongs to the field of industrial defect detection. The method includes image preprocessing and defect detection; image preprocessing is: collecting samples to be detected by camera; correcting the whole module area to be detected to rectangle by affine transformation; due to the optical interference effect of modules, regular moire lines exist in the image to be detected by camera; removing moire lines in order to improve the accuracy of detection; saving detection time and zooming. The image captured by the camera saves the detection time, and the scaled size meets the needs of the detection network. Compared with other cascade detection methods, this method can effectively reduce the number of thresholds, thereby reducing the training costs and maintenance costs. In terms of algorithm alone, the generality of neural network algorithm itself is higher than that of non-neural network algorithm.
【技术实现步骤摘要】
一种基于卷积神经网络的TFT-LCD模组白印检测方法
本专利技术属于工业缺陷检测领域,涉及一种基于卷积神经网络的TFT-LCD模组白印检测方法。
技术介绍
我国是全球第一大TFT-LCD液晶模组生产国,相关企业以基本实现生产自动化,但是对于其质量检测基本仍采用人力检测的方式。人力检测缺陷有如下缺陷:1)检测标准因人而异,难以做到统一。2)检测速度慢,必须投入大量人力,否则难以匹配自动化生产设备生产的速度。3)漏检率会随着连续工作时间的长度大幅增加故而该产业急需智能化缺陷检测设备以提高生产良率,已达到节约成本的目标。而TFT-LCD模组缺陷中,Mura类的白印缺陷是一种常见的缺陷类型,检测难度高。现有的智能检测设备,其检测方法难以做到通用,往往出现更换新产品需要大量时间调整参数才能达较理想的检测效果,甚至需要更换其他方法。但是,随着企业正逐步走向柔性生产,这种长时间调参的方法难以达到企业的实际要求。对于Mura类的缺陷,现今已有的检测方案如下:1)基于ICA学习和多通道融合的TFT-LCDmura缺陷检测方法该方案首先通过收集大量的缺陷样本,通过FastICA算法从中分离出相互独立的图像基,以此重建图像。然后利用背景差分算法,通过设置多个阈值降低干扰项。最后利用Mura缺陷的颜色特征通过多通道融合的方法检测Mura缺陷。2)基于缺陷区域预判和水平集的TFT-LCDMura缺陷检测算法该算法首先通过缺陷预判定算法找到潜在的缺陷区域,剔除该ROI区域后拟合得到背景特征图。然后原图减去背景特征图后得到残差图像。最后通过一种基于阈值的水平集方法对残差图像进行分割来检 ...
【技术保护点】
1.一种基于卷积神经网络的TFT‑LCD模组白印检测方法,其特征在于:该方法包括图像预处理和缺陷检测;所述图像预处理包括以下步骤:S1:通过相机采集待检测样本;S2:由于相机的位置或者待检测TFT‑LCD模组的位置相对相机有一定角度偏移,需要通过仿射变换将待检测的整块模组区域校正为矩形;S3:由于模组的光学干涉效应,相机拍摄的待检测图存在有规则的摩尔纹;为提高检测的正确率,去除摩尔纹;S4:为节约检测的时间,缩放相机采集的图像以节约检测时间;缩放后的尺寸满足检测网络的需要;所述缺陷检测的网络为20层卷积神经网络,其中:1)convolution卷积方式是标准的3×3尺寸的跨通道卷积方法;2)IN_MobileV2是基于MobileV2模块改进的新的卷积模块;利用IN显著提高亮度、色调变化特性的鲁棒性特点,以泛化不同类型模组的显示特性与同一类型模组在不同设置下的显示特性,降低误检率与漏检率;3)MobileV1与Mobilev2的作用均是减少参数量以轻量化网络;其中,DW是非跨通的深度卷积,PW是跨通道的点卷积;该卷积神经网络的缺陷检测在第11层与第14层实现,采用设置Anchors的方 ...
【技术特征摘要】
1.一种基于卷积神经网络的TFT-LCD模组白印检测方法,其特征在于:该方法包括图像预处理和缺陷检测;所述图像预处理包括以下步骤:S1:通过相机采集待检测样本;S2:由于相机的位置或者待检测TFT-LCD模组的位置相对相机有一定角度偏移,需要通过仿射变换将待检测的整块模组区域校正为矩形;S3:由于模组的光学干涉效应,相机拍摄的待检测图存在有规则的摩尔纹;为提高检测的正确率,去除摩尔纹;S4:为节约检测的时间,缩放相机采集的图像以节约检测时间;缩放后的尺寸满足检测网络的需要;所述缺陷检测的网络为20层卷积神经网络,其中:1)convolution卷积方式是标准的3×3尺寸的跨通道卷积方法;2)IN_MobileV2是基于MobileV2模块改进的新的卷积模块;利用IN显著提高亮度、色调变化特性的鲁棒性特点,以泛化不同类型模组的显示特性与同一类型模组在不同设置下的显示特性,降低误检率与漏检率;3)MobileV1与Mobilev2的作用均是减少参数量以轻量化网络;其中,DW是非跨通的深度卷积,PW是跨通道的点卷积;该卷积神经网络的缺陷检测在第1...
【专利技术属性】
技术研发人员:孔令峰,胡宗亮,潘科,詹慧妹,谢涛,
申请(专利权)人:重庆信息通信研究院,重庆电子信息中小企业公共服务有限公司,
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。