【技术实现步骤摘要】
一种液晶屏外观缺陷检测方法、装置及存储介质
[0001]本专利技术主要涉及图像处理
,具体涉及一种液晶屏外观缺陷检测方法、装置及存储介质。
技术介绍
[0002]目前,基于机器视觉的外观缺陷方法已广泛取代人工视觉检测,应用于各个工业领域。基于传统的图像处理算法的外观缺陷检测通常是使用包括直方图均衡化、滤波去噪、灰度二值化等图像处理方法,以获得前景背景分离的简单化图像信息;随后利用数学形态学、傅里叶变换、Gabor变换等算法以及机器学习模型完成缺陷的标记与检测,上述传统的算法虽然在某些特定的应用中已经取得了较好的效果,但仍然存在许多不足。例如:图像处理的步骤繁多且具有强烈的针对性,算法迭代速度慢,通用性差;需要专业性很强的算法研发人员对特定的缺陷进行人工特征提取,研发成本高。
技术实现思路
[0003]本专利技术所要解决的技术问题是针对现有技术的不足,提供一种液晶屏外观缺陷检测方法、装置及存储介质。
[0004]本专利技术解决上述技术问题的技术方案如下:一种液晶屏外观缺陷检测方法,包括如下步骤:
[0005]导入待处理图像集,并逐一对所述待处理图像集中的待处理图像进行图像预处理,集合预处理后的所有图像得到图像训练集;
[0006]构建训练模型,并根据所述图像训练集对所述训练模型进行模型优化,得到检测模型;
[0007]导入待检测图像,根据所述检测模型对所述待检测图像进行检测,得到液晶屏外观是否存在缺陷的检测结果。
[0008]本专利技术解决上述技术问题的另一 ...
【技术保护点】
【技术特征摘要】
1.一种液晶屏外观缺陷检测方法,其特征在于,包括如下步骤:导入待处理图像集,并逐一对所述待处理图像集中的待处理图像进行图像预处理,集合预处理后的所有图像得到图像训练集;构建训练模型,并根据所述图像训练集对所述训练模型进行模型优化,得到检测模型;导入待检测图像,根据所述检测模型对所述待检测图像进行检测,得到液晶屏外观是否存在缺陷的检测结果。2.根据权利要求1所述的液晶屏外观缺陷检测方法,其特征在于,所述逐一对所述待处理图像集中的待处理图像进行图像预处理,集合预处理后的所有图像得到图像训练集的过程包括:逐一对所述待处理图像集中的待处理图像进行图像旋转处理,得到多个旋转后的图像;逐一对各个所述旋转后的图像进行图像镜像处理,得到与各个所述旋转后的图像对应的镜像后的图像;逐一对各个所述镜像后的图像进行图像亮度调节,得到与各个所述镜像后的图像对应的调节后的图像;通过高斯噪声逐一对各个所述调节后的图像进行数据增强,得到与各个所述调节后的图像对应的增强后的图像;逐一对各个所述增强后的图像进行压缩,集合压缩后的所有图像得到图像训练集。3.根据权利要求1所述的液晶屏外观缺陷检测方法,其特征在于,所述根据所述图像训练集对所述训练模型进行模型优化,得到检测模型的过程包括:S1:将循环次数初始化为0;S2:将所述图像训练集输入至所述训练模型进行训练,得到特征向量;S3:利用交叉熵函数算法对所述特征向量进行损失函数的计算,得到损失值,并将所述损失值进行储存;S4:通过第一式对所述循环次数进行更新,得到更新后的循环次数,所述第一式为:N
’
=N+1,其中,N为循环次数,N
’
为更新后的循环次数;S5:判断所述更新后的循环次数是否大于或等于预设循环次数,若是,则执行S6;若否,则执行S7;S6:在所有储存的损失值中进行两两差值计算,得到多个损失值之差;S7:利用随机梯度下降法对所述训练模型进行参数更新,得到更新后的训练模型,并将所述更新后的训练模型作为下一训练模型,将所述更新后的循环次数作为下一循环次数,并返回S2;S8:判断所有的所述损失值之差是否满足停止条件,所述停止条件包括连续预设数量的所述损失值之差的大小均小于预设损失值之差且最后储存的所述损失值小于预设损失阈值,若满足,则将所述训练模型作为检测模型;若不满足,则返回S7。4.根据权利要求3所述的液晶屏外观缺陷检测方法,其特征在于,所述将所述图像训练集输入至所述训练模型进行训练,得到特征向量的过程包括:构建的所述训练模型包括多个顺序排列的3
×
3卷积层、多个顺序排列的2
×
2最大池化
层和多个顺序排列的全连接层,并将第二个3
×
3卷积层至最后一个3
×
3卷积层每两个为一组,得到多个3
×
3卷积层组,并将所有的全连接层为一组,得到全连接层组;将所述图像训练集输入至首个所述3
×
3一维卷积层中进行第一次特征分析,得到第一图像特征集;将所述第一图像特征集输入至首个所述2
×
2最大池化层中进行第一次下采样处理,得到第二图像特征集;将所...
【专利技术属性】
技术研发人员:靳松,张莲莲,田永军,徐博超,陶平,李伟,
申请(专利权)人:北京兆维电子集团有限责任公司,
类型:发明
国别省市:
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。