缺陷检测、修复方法、装置以及存储介质制造方法及图纸

本公开实施例提供了一种缺陷检测、修复方法、装置以及存储介质，所述缺陷检测方法包括：获取当前产品的图像作为待检测图像，对所述待检测图像进行特征分析，得到包含所述待检测图像中缺陷对象的特征图集；将所述特征图集输入预先训练完成的卷积神经网络，通过所述卷积神经网络得到所述图像中缺陷的缺陷类别矩阵和缺陷位置得分；根据所述缺陷类别矩阵和缺陷位置得分计算所述缺陷的评分。可以保证产品良率，减少不必要的生产成本的浪费。

【技术实现步骤摘要】
缺陷检测、修复方法、装置以及存储介质
本公开实施例涉及但不限于显示
，具体涉及一种缺陷检测、修复方法、装置以及存储介质。
技术介绍
Array(阵列)缺陷是Array基板在生产过程中由于生产环境、生产条件等原因会造成各种各样的缺陷，比如异物残留、鼓膜、膜破等，一些致命缺陷的发生会直接影响显示面板的质量，甚至导致最终的样品报废。
技术实现思路
本公开实施例提供了一种缺陷检测、修复方法、装置以及存储介质。所述检测方案能够提前检测并评估缺陷，所述修复方案能够对检测到的可修复缺陷进行修复，提高产品良率。第一方面，本公开实施例提供了一种缺陷检测方法，包括：获取当前产品的图像作为待检测图像，对所述待检测图像进行特征分析，得到包含所述待检测图像中缺陷对象的特征图集；将所述特征图集输入预先训练完成的卷积神经网络，通过所述卷积神经网络得到所述图像中缺陷的缺陷类别矩阵和缺陷位置得分；根据所述缺陷类别矩阵和缺陷位置得分计算所述缺陷的评分。第二方面，本公开实施例提供了一种缺陷修复方法，包括：基于前述缺陷本文档来自技高网...

【技术保护点】
1.一种缺陷检测方法，其特征在于，包括：/n获取当前产品的图像作为待检测图像，对所述待检测图像进行特征分析，得到包含所述待检测图像中缺陷对象的特征图集；/n将所述特征图集输入预先训练完成的卷积神经网络，通过所述卷积神经网络得到所述图像中缺陷的缺陷类别矩阵和缺陷位置得分；/n根据所述缺陷类别矩阵和缺陷位置得分计算所述缺陷的评分。/n

【技术特征摘要】
1.一种缺陷检测方法，其特征在于，包括：
获取当前产品的图像作为待检测图像，对所述待检测图像进行特征分析，得到包含所述待检测图像中缺陷对象的特征图集；
将所述特征图集输入预先训练完成的卷积神经网络，通过所述卷积神经网络得到所述图像中缺陷的缺陷类别矩阵和缺陷位置得分；
根据所述缺陷类别矩阵和缺陷位置得分计算所述缺陷的评分。


2.根据权利要求1所述的缺陷检测方法，其特征在于，其中：所述卷积神经网络包括用于预测缺陷类别的缺陷类别分支和用于预测缺陷位置的缺陷位置分支。


3.根据权利要求1所述的缺陷检测方法，其特征在于，其中：所述根据所述缺陷类别矩阵和缺陷位置得分计算得到所述缺陷的评分，包括：
所述缺陷的评分C采用下式计算得到：
C＝μ*A*B
其中，μ为缺陷类别影响因子，由所述缺陷所属缺陷类别确定，A为缺陷类别矩阵，B为缺陷位置得分。


4.根据权利要求1或2或3所述的缺陷检测方法，其特征在于，还包括：根据所述缺陷的评分判断是否需要停止当前产品的生产。


5.根据权利要求4所述的缺陷检测方法，其特征在于，所述根据所述缺陷的评分判断是否需要停止当前产品的生产，包括：根据所述待检测图像中所有缺陷的评分计算所述当前产品的平均缺陷得分，所述平均缺陷得分高于预设的缺陷得分阈值时，停止当前产品的生产。


6.根据权利要求1或2或5所述的缺陷检测方法，其特征在于，所述方法还包括：根据缺陷类别判断缺陷如果可以修复，则进入缺陷修复环节，其中：所述缺陷所属缺陷类别包括以下类别中的一种或多种：可忽略缺陷、一般缺陷、可修复缺陷、致命缺陷。


7.一种缺陷修复方法，其特征在于，包括：
基于权利要求1-6中任一项所述缺陷检测方法判断当前产品图像中存在的缺陷为可修复缺陷后，确定所述缺陷位置的无缺陷图像；
将所述缺陷位置的原始图像与所述无缺陷图像进行对比，得到缺陷修复模板；

【专利技术属性】
技术研发人员：郭凯，李小龙，刘伟星，秦纬，徐智强，王铁石，张春芳，滕万鹏，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京;11