液晶面板的mura缺陷检测方法、装置、存储介质及终端制造方法及图纸

本发明专利技术涉及液晶面板检测领域，具体涉及一种液晶面板的mura缺陷检测方法、装置、存储介质及终端，所述方法包括：采集液晶面板的良品图像数据，对所述良品图像数据加入若干种不同缺陷类型的干扰数据，生成缺陷图像数据；将所述缺陷图像数据、良品图像数据及干扰数据作为训练样本及验证样本；搭建卷积神经网络U‑Net分割模型，利用所述训练样本及验证样本训练所述卷积神经网络U‑Net分割模型，得到mura检测模型；根据所述mura检测模型对液晶面板进行检测，确定所述液晶面板的mura缺陷类型。本发明专利技术能够快速地收集训练样本，提高模型的抗干扰能力以及快速准确地检测液晶面板的mura缺陷类型。

【技术实现步骤摘要】
液晶面板的mura缺陷检测方法、装置、存储介质及终端
本专利技术涉及液晶面板检测领域，具体涉及一种液晶面板的mura缺陷检测方法、装置、存储介质及终端。
技术介绍
近年来，由于液晶屏广泛应用于个人电脑、桌面显示器、液晶电视、手持设备如手机、移动设备如车载显示等产品，液晶屏分辨率不断提高，产品质量要求也越来越高，对于屏幕面板的检测需求也日益增加，而目前对于屏幕面板的检测，一部分是依靠人工进行检测，检测结果受人主观判别影响较大；一部分是通过机器视觉法，利用图像分析算法识别对屏幕面板进行缺陷检测，而目前，基于机器视觉的液晶屏幕面板的检测方法存在样本收集困难，检测过程的抗干扰能力不佳，以及无法快速、准确地分辨不同种类的缺陷等问题。
技术实现思路
为克服以上技术问题，特别是现有技术样本收集困难，检测过程的抗干扰能力不佳，以及无法快速、准确地分辨不同种类的缺陷问题，特提出以下技术方案：第一方面，本专利技术提供了一种液晶面板的mura缺陷检测方法，包括：采集液晶面板的良品图像数据，对所述良品图像数据加入若干种不同缺陷类型的本文档来自技高网...

【技术保护点】
1.一种液晶面板的mura缺陷检测方法，其特征在于，包括如下步骤：/n采集液晶面板的良品图像数据，对所述良品图像数据加入若干种不同缺陷类型的干扰数据，生成缺陷图像数据；将所述缺陷图像数据、良品图像数据及干扰数据作为训练样本及验证样本； 搭建卷积神经网络U-Net分割模型，利用所述训练样本及验证样本训练所述卷积神经网络U-Net分割模型，得到mura检测模型； 根据所述mura检测模型对液晶面板进行检测，确定所述液晶面板的mura缺陷类型。/n

【技术特征摘要】
1.一种液晶面板的mura缺陷检测方法，其特征在于，包括如下步骤：
采集液晶面板的良品图像数据，对所述良品图像数据加入若干种不同缺陷类型的干扰数据，生成缺陷图像数据；将所述缺陷图像数据、良品图像数据及干扰数据作为训练样本及验证样本；搭建卷积神经网络U-Net分割模型，利用所述训练样本及验证样本训练所述卷积神经网络U-Net分割模型，得到mura检测模型；根据所述mura检测模型对液晶面板进行检测，确定所述液晶面板的mura缺陷类型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述mura检测模型对液晶面板进行检测，包括：将所述mura检测模型融合进检测程序中，基于所述检测程序获取液晶面板的检测图像数据，根据所述mura检测模型对所述液晶面板的检测图像数据进行检测。


3.根据权利要求1所述的方法，其特征在于，所述对所述良品图像数据加入若干种不同缺陷类型的干扰数据，生成缺陷图像数据，包括：获取不同缺陷类型的特征信息，根据所述特征信息生成对应缺陷类型的干扰数据；所述干扰数据包括基于液晶面板的色度值、亮度值、灰度值、角度值、异常形状、异常形状的面积值而组合的缺陷类型对应的干扰数据；对所述良品图像数据加入不同缺陷类型的干扰数据，生成具有相应缺陷类型的缺陷图像数据。


4.根据权利要求3所述的方法，其特征在于，所述获取不同缺陷类型的特征信息，根据所述特征信息生成对应缺陷类型的干扰数据，包括：获取不同缺陷类型的特征信息及预设检测标准对应的干扰强度，根据所述特征信息及所述干扰强度生成对应缺陷类型在所述干扰强度下的干扰数据。


5.根据权利要求4所述的方法，其特征在于，所述得到mura检测模型之后，还包括：基于对所述良品图像数据加入不同干扰强度的干扰数据而生成的缺陷图像数据，对所述mura...

【专利技术属性】
技术研发人员：胡辉，阮治未，李剑波，
申请(专利权)人：惠州高视科技有限公司，
类型：发明
国别省市：广东;44