一种基于图像融合的面板缺陷检测方法、装置及设备终端制造方法及图纸

本发明专利技术公开了一种基于图像融合的面板缺陷检测方法、装置及设备终端，该方法包括：获取样本图像构成训练集合，对每张样本图像上的缺陷进行标注，得到样本标签；从训练集合中任意选取多个样本对，分别对每个样本对中的两张样本图像以及两者对应的样本标签进行融合，得到训练图像和训练标签并输入到深度学习模型中，以对所述深度学习模型进行训练；获取待检测的面板图像，任意选取两张所述面板图像进行融合，将得到的预测图像输入训练好的深度学习模型中进行缺陷检测；本发明专利技术通过图像融合将两张样本图像中的缺陷特征结合到一张融合图像中，采用该融合图像对模型进行训练后，模型可以一次检测两张面板图像，使推断速度加倍。

A panel defect detection method, device and device terminal based on image fusion

【技术实现步骤摘要】
一种基于图像融合的面板缺陷检测方法、装置及设备终端
本专利技术属于自动化缺陷检测
，更具体地，涉及一种基于图像融合的面板缺陷检测方法、装置及设备终端。
技术介绍
近年来，基于深度学习的分类、检测、分割方法渐渐用于面板缺陷检测领域，也越来越受到厂商的青睐。深度神经网络应用与缺陷检测的一般过程是：首先获取样本图像并进行缺陷标注，然后用标注后的样本来训练神经网络，让神经网络学习到样本的特征，然后利用训练好的神经网络来预测待检图像。在面板检测领域，用目标检测或者语义分割这些深度学习方法进行推断时，对实时性要示很高，比如处理一副分辨率3240*1920的图像时间要求在0.5s内，虽然使用高性能GPU可以达到这一实时性的要求，但同时设备成本也会提高；如何在降低成本的同时提高推断速率，是基于深度学习方法来进行面板缺陷检测时急需解决的问题。
技术实现思路
针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种基于图像融合的面板缺陷检测方法、装置及设备终端，通过图像融合将两张样本图像中的缺陷特征结合到一张融合图像中，采用该融本文档来自技高网...

【技术保护点】
1.一种基于图像融合的面板缺陷检测方法，其特征在于，包括以下步骤：/nS1：获取样本图像构成训练集合，对每张样本图像上的缺陷进行标注，得到对应的样本标签；/nS2：从训练集合中任意选取多个样本对，分别对每个样本对中的两张样本图像以及两者对应的样本标签进行融合，得到训练图像和训练标签并输入到深度学习模型中，以对所述深度学习模型进行训练；/nS3：获取待检测的面板图像，任意选取两张所述面板图像进行融合，将得到的预测图像输入训练好的深度学习模型中进行缺陷检测。/n

【技术特征摘要】
1.一种基于图像融合的面板缺陷检测方法，其特征在于，包括以下步骤：
S1：获取样本图像构成训练集合，对每张样本图像上的缺陷进行标注，得到对应的样本标签；
S2：从训练集合中任意选取多个样本对，分别对每个样本对中的两张样本图像以及两者对应的样本标签进行融合，得到训练图像和训练标签并输入到深度学习模型中，以对所述深度学习模型进行训练；
S3：获取待检测的面板图像，任意选取两张所述面板图像进行融合，将得到的预测图像输入训练好的深度学习模型中进行缺陷检测。


2.如权利要求1所述的面板缺陷检测方法，其特征在于，步骤S3中，当从预测图像中检测出缺陷时，分别将该预测图像对应的两张面板图像输入深度学习模型中进行检测。


3.如权利要求1或2所述的面板缺陷检测方法，其特征在于，步骤S2中，对每个样本对中的两张样本图像及其对应的样本标签进行融合时，各样本对中的任一张样本图像的权重值满足贝塔分布。


4.如权利要求3所述的面板缺陷检测方法，其特征在于，步骤S3中，对待检测的面板图像进行融合时，两张面板图像的权重值为0.5。


5.如权利要求1所述的面板缺陷检测方法，其特征在于，步骤S2中，所述样本标签包括缺陷位置和缺陷类型，不同缺陷类型采用不同颜色进行标记以便于区分。


6.一种基于图像融合的面板缺陷检测装置，其特征在于，包括标...

【专利技术属性】
技术研发人员：梁勇，张胜森，郑增强，吴川，
申请(专利权)人：武汉精立电子技术有限公司，武汉精测电子集团股份有限公司，
类型：发明
国别省市：湖北;42