【技术实现步骤摘要】
一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法
[0001]本专利技术涉及液晶屏检测
，具体而言，涉及一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法。
技术介绍
[0002]移动技术设备快速发展，比如手机、VR(Virtual Reality，虚拟现实) 设备等，都少不了显示屏。而在生产中，显示屏的缺陷检测是必不可少的步骤。液晶显示屏幕缺陷有很多类型，检测起来难度非常大。
[0003]对此，较为传统的检测方法是人工检测，这对检测员的要求较高，且长期采用人工进行缺陷检测，对检测员的眼睛会造成极大的伤害，比如视力下降；此外，检测员长期工作，疲劳时会造成漏检，导致不良品流入市场的几率增加。
[0004]为应对人工检测的不足，又提出有基于图像分析开展的缺陷分析方法；如公开号为CN109242829A的中国专利技术专利基于小样本深度学习的液晶屏缺陷检测方法、系统及装置，其通过采集缺陷样本训练缺陷检测模型，但是，缺陷的发生是未知的，那么缺陷成像后的颜色特征、像素大小、形态都是未知的，因此即使可以基于小样本训...
【技术保护点】
【技术特征摘要】
1.一种基于单像素特征聚类建立集群的液晶屏缺陷检测方法，首先，获取液晶屏RGB三通道图像，其特征在于，还包括如下步骤：S1.获取所述图像各像素点的灰度值及r、g、b通道值，将所述图像转化为灰度图；S2.对所述灰度图中的每个所述像素点进行遍历计算，通过多模态与多尺度的特征提取核，生成所述像素点的特征向量；S3.根据所述特征向量聚类的结果将像素点分出两个第一集群，对集群进行过滤处理生成第二集群，若生成第二集群且第二集群中的像素点数量大于第一阈值时，则可能存在缺陷；若未生成第二集群，且所述两个第一集群间的像素点差值大于第二阈值，则可能存在缺陷；在可能存在缺陷的情况下，判断第一集群中像素点较小的一个第一集群或第二集群的像素点坐标分布是否离散，若离散则判断为无缺陷，否则判断为有缺陷。2.根据权利要求1所述的基于单像素特征聚类建立集群的液晶屏缺陷检测方法，其特征在于，所述对所述灰度图中的每个所述像素点进行遍历计算具体包括：以像素点为中心，采样获取与特征提取核同样大小的局部图像区域矩阵再进行矩阵乘法或矩阵减法运算；所述特征提取核为m*m大小的二维矩阵f
m*m
；其中，所述矩阵乘法运算即特征提取核二维矩阵与局部图像区域矩阵相乘，如下式(1)，所述矩阵减法运算即通过特征提取核二维矩阵减去局部图像区域矩阵，如下式(2)，其中，为以所述像素点为中心采样获取的所述局部图像区域矩阵与所述特征提取核二维矩阵f
m*m
乘法或减法运算后的结果。3.根据权利要求2所述的基于单像素特征聚类建立集群的液晶屏缺陷检测方法，其特征在于，所述通过多模态与多尺度的特征提取核，生成像素点的特征向量具体为：所述多尺度即所述特征提取核的大小m取值包括多个，所述多模态即所述特征提取核中的特征值的定义包括多种；再根据多模态特征值定义以及多尺度的特征提取核的不同取值生成像素点的特征向量4.根据权利要求1所述的基于单像素特征聚类建立集群的液晶屏缺陷检测方法，其特征在于，所述S3具体包括：S31.选取一所述像素点作为聚类初始中心，遍历图像的其他所有像素点，计算所述聚类初始中心与所述其他所有像素点的特征向量欧氏距离；S32.筛选出与所述聚类初始中心特征向量欧氏距离最大的两个像素点作为第二聚类
中心a和b；S33.分别计算各所述像素点与所述第二聚类中心a和第二聚类中心b间的特征向量欧氏距离，并将所有所述像素点进行归类，获得与第二聚类中心a一类的第一集群A，以及与第二聚类中心b一类的第一集群B；S34.对所述第一集群A与第一集群B进行滤波处理，生成第二集群C，并根据是否生成第二集群C以及第二集群C所包含的像素点数量判断是否可能存在缺陷；S35.根据所述S34的判断结果结合所述第一集群A、第一集群B和第二集群C中的像素点坐标分布是否离散判断是否存在缺陷。5.根据权利要求4所述的基于单像素特征聚类建立集群的液晶屏缺陷检测方法，其特征在于，所述S33中的所述将所...
【专利技术属性】
技术研发人员：漆长松，李勇，
申请(专利权)人：成都博视广达科技有限责任公司，
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。