一种屏幕表面检测方法、装置、终端及存储介质制造方法及图纸

本申请适用于人工智能技术领域，提供了一种屏幕表面检测方法、装置、终端及存储介质。该方法包括：将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像；对所述屏幕图像和所述无瑕疵预测图像进行差异度计算，得到所述屏幕图像和所述无瑕疵预测图的差异度图像；根据所述差异度图像确定所述待检测屏幕上存在瑕疵的区域。本申请可以快速地确定所述待检测屏幕上存在的瑕疵区域，较好地满足大规模应用中对瑕疵检测速率的要求。

【技术实现步骤摘要】
一种屏幕表面检测方法、装置、终端及存储介质
本申请属于人工智能
，尤其涉及一种屏幕表面检测方法、装置、终端及存储介质。
技术介绍
随着显示技术的不断迭代更新，如今液晶屏已经成为显示器领域的重要组成部分，但尽管液晶屏的生产环境要求较高，依然无法避免残次品的出现，比如屏幕表面出现亮点、暗点、暗线、亮线、斑点、漏光等瑕疵，因此屏幕表面瑕疵检测成为了其生产过程中的一个重要环节。对于屏幕表面瑕疵检测，目前主要的屏幕瑕疵检测方法主要有两种：人工检测、机器视觉检测。其中，人工检测简单易行，但普遍存在检测效率较低、质量标准无法量化、稳定性差，从而人工雇佣成本不断提升的问题。而机器视觉检测则是借助相机等设备采集产品的瑕疵图像，且基于数字图像处理与分析原理和利用Opencv、Halcon等机器视觉算法库经过预处理、图像分割、形态学变换、边缘检测等一系列操作实现瑕疵的检测，但又因屏幕表面瑕疵种类较多，且形态各异，使得算法实现的难度大大增加。故此，传统的屏幕表面检测方法已经严重制约屏幕生产效率与质量稳定性，如何提高屏幕表面的瑕疵检测已经成为重要的研究课题。
技术实现思路
本申请实施例提供了一种屏幕表面检测方法、装置、终端及存储介质，能够提高提高屏幕表面的瑕疵检测效率。第一方面，本申请实施例提供了一种屏幕表面检测方法，所述方法包括：将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像；对所述屏幕图像和所述无瑕疵预测图像进行差异度计算，得到所述屏幕图像和所述无瑕疵预测图的差异度图像；根据所述差异度图像确定所述待检测屏幕上存在瑕疵的区域。采用本申请提供的屏幕表面检测方法，由于已训练的检测模型能够基于所述待检测屏幕的屏幕图像拟合得到该屏幕图像对应的无瑕疵预测图像，并根据该屏幕图像和无瑕疵预测图像计算得到差异度图像，从而可以快速地确定所述待检测屏幕上存在的瑕疵区域，较好地满足大规模应用中对瑕疵检测速率的要求。第二方面，本申请实施例提供了一种屏幕表面检测装置，所述装置包括：处理模块，用于将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像；计算模块，用于对所述屏幕图像和所述无瑕疵预测图像进行差异度计算，得到所述屏幕图像和所述无瑕疵预测图的差异度图像；确定模块，用于根据所述差异度图像确定所述待检测屏幕上存在瑕疵的区域。第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述屏幕表面检测方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述屏幕表面检测方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述屏幕表面检测方法。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请一实施例提供的屏幕表面检测方法的流程示意图；图2是本申请一实施例提供的屏幕表面检测过程的示意图；图3是本申请一实施例提供的检测模型训练方法的流程示意图；图4是本申请一实施例提供的屏幕表面检测装置的结构示意图；图5是本申请一实施例提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。参见图1，图1为本申请一个实施例提供的一种屏幕表面检测方法的示意流程图。本申请实施例提供的屏幕表面方法的执行主体为终端设备。其中，终端设备可以为机器人、手机、平板电脑、可穿戴设备、增强现实(augmentedreality，AR)/虚拟现实(virtualreality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobilepersonalcomputer，UMPC)、上网本、台式电脑、服务器等终，本申请实施例对终端设备的具体类型不作任何限制。如图1所示，本申请提供的屏幕检测方法可以包括：S101：将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像。在该实施例中，终端设备在利用相机采集到待检测屏幕的屏幕图像后，随后输入至已训练的检测模型中，由所述检测模型根据所述待检测屏幕的屏幕图像进行图像拟合，以拟合得到与该屏幕图像相对应的无瑕疵预测图像。其中，所谓无瑕疵预测图像是指所述检测模型拟合到的所述待检测屏幕在无瑕疵状态下的屏幕图像。当所述待检测屏幕中有瑕疵时，所述屏幕图像中包括对应的瑕疵图案。相应的，当所述待检测屏幕中无瑕疵时，所述屏幕图像中可能不包括瑕疵图案。所述检测模型可以为基于卷积神经网络训练所得的模型，能够基于所述终端设备输入的所述屏幕图像进行曲面推理，获得对该屏幕图像的建本文档来自技高网...

【技术保护点】
1.一种屏幕表面检测方法，其特征在于，所述方法包括：/n将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像；/n对所述屏幕图像和所述无瑕疵预测图像进行差异度计算，得到所述屏幕图像和所述无瑕疵预测图的差异度图像；/n根据所述差异度图像确定所述待检测屏幕上存在瑕疵的区域。/n

【技术特征摘要】
1.一种屏幕表面检测方法，其特征在于，所述方法包括：
将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像；
对所述屏幕图像和所述无瑕疵预测图像进行差异度计算，得到所述屏幕图像和所述无瑕疵预测图的差异度图像；
根据所述差异度图像确定所述待检测屏幕上存在瑕疵的区域。


2.根据权利要求1所述的屏幕表面检测方法，其特征在于，所述根据所述差异度图像确定所述待检测屏幕上存在瑕疵的区域，包括：
将所述差异度图像进行二值化处理，得到二值图像；
确定所述二值图像中的N个瑕疵区域，所述N个瑕疵区域中各个像素点的像素值为预设像素值，其中，N≥0，N为整数，所述N个瑕疵区域在所述待检测屏幕上对应的区域为所述待检测屏幕上存在瑕疵的区域。


3.如权利要求2所述的屏幕表面检测方法，其特征在于，所述确定所述二值图像中的N个瑕疵区域，还包括：
确定所述二值图像中的M个区域，所述M个瑕疵区域中各个像素点的像素值为所述预设像素值，M≥N≥0，N为整数；
从所述M个瑕疵区域中确定瑕疵区域满足预设瑕疵条件的所述N个瑕疵区域。


4.如权利要求3所述的屏幕表面检测方法，其特征在于，所述预设瑕疵条件包括以下条件中的至少一项：
瑕疵区域的大小满足预设大小范围；
瑕疵区域位于预设位置；
瑕疵区域的形状满足预设形状特征。


5.如权利要求1所述的屏幕表面检测方法，其特征在于，所述将待检测屏幕的屏幕图像输入已训练的检测模型中处理，得到所述待检测屏幕的无瑕疵预测图像之前，包括：
将预设训练样本集合中的屏幕图像样本输入卷积神经网络中处理，得到所述屏幕图像样本的无瑕疵预测图像；其中，所述训练样本集合包括多个屏幕图像样本；...

【专利技术属性】
技术研发人员：罗清雨，陈昊，李卫东，
申请(专利权)人：深圳市鑫信腾机器人科技有限公司，
类型：发明
国别省市：广东;44