【技术实现步骤摘要】
基于融合网络的手机屏幕缺陷分割方法、装置及设备
本专利技术属于机器视觉、缺陷检测领域,特别涉及一种基于融合网络的手机屏幕缺陷分割方法、装置及设备。
技术介绍
手机屏幕作为人机交互的第一窗口,用于显示图像及色彩。目前,手机屏幕主要采用薄膜晶体管液晶显示器(Thin-Film-TransistorLiquid-CrystalDisplay,TFT-LCD),以及有机发光二极管(OrganicLight-EmittingDiode,OLED)。TFT-LCD的构造是在两片平行的玻璃基板当中放置液晶盒,下基板玻璃上设置TFT(薄膜晶体管),上基板玻璃上设置彩色滤光片,通过TFT上的信号与电压改变来控制液晶分子的转动方向,从而达到控制每个像素点偏振光出射与否而达到显示目的。OLED无需背光灯,采用非常薄的有机材料涂层和玻璃基板,当有电流通过时,这些有机材料就会发光,因为它的结构简单,可以使屏幕做得更轻更薄。手机屏幕生产科学技术含量高、生产环境要求高,难以保证百分之百合格率。生产环节稍微出现不规范操作就可能造成屏幕缺陷,使得手机屏幕不能正常工作,无法体现应有的光电效应。典型的屏幕显示缺陷有亮点、暗点、亮斑、Mura缺陷等,按形状可以主要分为点缺陷、线缺陷、块缺陷。传统缺陷检测主要依靠专业工人进行检测,但是人工检测成本高昂、检测效率低,难以满足手机屏幕市场的巨大需求。目前工业上也有针对手机屏幕的自动化检测,通过CCD工业相机采集手机屏幕图像,输入到控制处理系统进行缺陷检测。传统的机器视觉算法,针对特定的缺陷进行设计 ...
【技术保护点】
1.一种基于融合网络的手机屏幕缺陷分割方法,其特征在于,包括:/n采集手机屏幕图像,包括缺陷图像和无缺陷图像;/n利用缺陷图像使用迁移学习方法对预先建立的缺陷检测网络进行训练,并获得缺陷图像对应的缺陷候选框;/n利用无缺陷图像对预先建立的图像重构网络进行训练,并恢复出背景重构图像;/n将缺陷图像和背景重构图像进行差值运算,采用阈值分割的方式得到缺陷分割图;/n在所述缺陷分割图上利用对应的缺陷候选框的位置坐标,提取出缺陷分割图在位置坐标下对应的缺陷部分,并获得最终的缺陷分割结果。/n
【技术特征摘要】
1.一种基于融合网络的手机屏幕缺陷分割方法,其特征在于,包括:
采集手机屏幕图像,包括缺陷图像和无缺陷图像;
利用缺陷图像使用迁移学习方法对预先建立的缺陷检测网络进行训练,并获得缺陷图像对应的缺陷候选框;
利用无缺陷图像对预先建立的图像重构网络进行训练,并恢复出背景重构图像;
将缺陷图像和背景重构图像进行差值运算,采用阈值分割的方式得到缺陷分割图;
在所述缺陷分割图上利用对应的缺陷候选框的位置坐标,提取出缺陷分割图在位置坐标下对应的缺陷部分,并获得最终的缺陷分割结果。
2.根据权利要求1所述的一种基于融合网络的手机屏幕缺陷分割方法,其特征在于,所述缺陷检测网络包括基于轻量级卷积神经网络的主干网络和多尺度特征图的检测头部网络;其中,轻量级卷积神经网络包括依次连接的输入层、卷积层、归一化层、激活函数层以及输出层,卷积层的卷积形式为深度可分离卷积,包括顺次相连的两个深度卷积核与一个逐点卷积核,采用依次连接各卷积核的方式和跳跃连接的方式,将输入层的输入进行特征提取和特征堆叠,再从输出层输出至下一层。
3.根据权利要求2所述的一种基于融合网络的手机屏幕缺陷分割方法,其特征在于,检测头部网络从轻量级卷积神经网络中获取m个不同尺度大小的特征图,在特征图的每个像素点上设置n种不同尺度大小的缺陷候选框,通过自适应训练样本选择进行了正负样本控制,设置的缺陷候选框与真实缺陷标注框的交并比大于自适应阈值则为正样本,否则为负样本;通过检测头部网络的回归层进行边框预测、通过检测头部网络的分类层进行类别预测,当完成训练轮数或者检测头部网络的损失函数没有下降时,则停止训练;其中,检测头部网络的损失函数表达式如下:
Loss=L1+L2+L3+L4
式中,Loss表示检测头部网络的损失;L1为中心点损失,L2为宽高损失,L3为置信度损失,L4为分类损失;其中,表示第i个输出框是否有目标,其值对应为1或0,M表示检测头部网络进行一轮训练所输入的缺陷图像的数量,(xi、yi)表示第i个输出框的中心坐标;wi表示第i个输出框的宽度;hi表示第i个输出框的高度;Ci表示第i个输出框的置信度;pi表示第i个输出框的对应类别概率;表示第i个输出框所对应标注的真实框的中心坐标;表示第i个输出框所对应标注的真实框的宽度;表示第i个输出框所对应标注的真实框的高度;表示第i个输出框所对应标注的真实框的置信度;表示第i个输出框所对应标注的真实框的对应类别概率。
4.根据权利要求3所述的一种基于融合网络的手机屏幕缺陷分割方法,其特征在于,自适应训练样本选择是计算计算设置的每个候选框中心点与真实缺陷框中心点的欧氏距离:将距离较近的候选框加入备选正样本集合Cg,对备选正样本集合Cg中的每个候选框,计算与真实框的交并比Dg,然后计算Dg的均值mg和标准差vg,选取tg=mg+vg作为交并比的阈值,只有Cg中与真实框的交并比大于阈值tg被选为正样本候选框,从而保持正负样本总数一定;I1表示候选框中心点,I2表示真实缺陷框中心点。
5.根据权利要求1所述的一种基于融合网...
【专利技术属性】
技术研发人员:许国良,代朝东,徐千淞,陈怡,田诗韵,雒江涛,毛骄,
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。