一种面板缺陷的检测方法、训练方法、装置、设备及介质制造方法及图纸

本申请公开了一种面板缺陷的检测方法、训练方法、装置、设备及介质，旨在解决现有面板阵列制程中缺陷检测效率较低的技术问题，涉及面板图像处理技术领域，所述面板缺陷的检测方法，包括以下步骤：获取待检测面板的目标图像和所述待检测面板对应的标准图像；所述标准图像为无缺陷图像；将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像；计算所述目标输出图像和所述标准输出图像的Spearman相关系数；基于所述Spearman相关系数，判断所述目标图像是否存在缺陷。存在缺陷。存在缺陷。

【技术实现步骤摘要】
一种面板缺陷的检测方法、训练方法、装置、设备及介质


[0001]本申请涉及面板图像处理
，尤其涉及一种面板缺陷的检测方法、训练方法、装置、设备及介质。

技术介绍

[0002]随着面板行业蓬勃发展，面板制造工艺愈加复杂化、细致化，阵列作为面板制造的重要制程，涉及生产工艺繁多，对环境要求极高，但在生产过程中，由于工艺波动、机台差异难免会产生各种缺陷。因缺陷繁杂，形态各异，目前AOI技术无法实现自动分类，故各工厂的缺陷检测主要还是采用人工检测的方式进行。
[0003]但人工检测存在极大不稳定性，进而造成在面板阵列制程中缺陷检测效率较低。

技术实现思路

[0004]本申请的主要目的是提供一种面板缺陷的检测方法、训练方法、装置、设备及介质，旨在解决现有面板阵列制程中缺陷检测效率较低的技术问题。
[0005]为解决上述技术问题，本申请实施例提出了：一种面板缺陷的检测方法，包括以下步骤：获取待检测面板的目标图像和所述待检测面板对应的标准图像；所述标准图像为无缺陷图像；将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像；计算所述目标输出图像和所述标准输出图像的Spearman相关系数；基于所述Spearman相关系数，判断所述目标图像是否存在缺陷。
[0006]作为本申请一些可选实施方式，所述将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像，包括：将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像；将所述目标输出图像和所述标准输出图像进行灰度转换处理，分别获得目标输出灰度图像和标准输出灰度图像；将所述目标输出灰度图像和所述标准输出灰度图像进行灰度直方计算，分别获得目标输出直方图像和标准输出直方图像。
[0007]在具体应用中，所述灰度直方图是反映一幅图像中各灰度级像素出现的频率与灰度级的关系，以灰度级为横坐标，频率为纵坐标，绘制频率同灰度级的关系图像就是一幅灰度图像的直方图。简单地说，就是把一幅图像中每一个像素出现的次数都先统计出来，然后把每一个像素出现的次数除以总的像素个数，得到的就是这个像素出现的频率，然后再把像素与该像素出现的频率用图表示出来，就是灰度直方图；通过灰度直方图可以更精准地计算所述目标输出直方图像和所述标准输出直方图的相关系数计算。
[0008]作为本申请一些可选实施方式，在所述将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像之前，还包括：获取若干样本图像；分别对若干所述样本图像的缺陷位置和缺陷等级进行标注，获得缺陷图像集和标准图像集；基于所述缺陷图像集和所述标准图像集，对初始目标检测模型进行训练，获得所述目标检测模型。
[0009]在具体应用中，所述初始目标检测模型为Faster RCNN算法模型。在训练过程中，利用所述缺陷图像集和所述标准图像集，对初始目标检测模型进行训练；以使得所述目标检测模型对所述缺陷图像和所述标准图像中的缺陷位置和缺陷等级进行标注，并输出已裁切获得的目标输出图像和标准输出图像。所述输出图像相较于输入图像在于，所述目标检测模型通过对输入图像中的缺陷位置进行定位，从而对输入图像的缺陷进行识别和矩形标注，再根据缺陷标注信息对输入图像进行裁切，获得缺陷的最小外接矩形，并以此矩形所包含的图像作为输出图像；从而在后续相关性分析过程中，避免过多干扰因素。
[0010]作为本申请一些可选实施方式，所述分别对若干所述样本图像的缺陷位置和缺陷等级进行标注，获得缺陷图像集和标准图像集，包括：基于所述样本图像，获得所述样本图像中的缺陷；基于所述样本图像中的缺陷，获得所述缺陷的最小外接矩形；基于所述缺陷的最小外接矩形，获得所述缺陷的位置信息；基于所述样本图像中的缺陷，获得所述缺陷的等级信息；基于所述缺陷的位置信息和所述缺陷的等级信息，获得缺陷图像集和标准图像集。
[0011]在具体应用中，在对样本图像中的缺陷位置信息和缺陷等级信息进行标注后，判断所述样本图像是否具有缺陷；若所述样本图像具有缺陷，则将其划分为缺陷图像集；若所述样本图像不具有缺陷，则将其划分为标准图像集。
[0012]作为本申请一些可选实施方式，所述基于所述缺陷的位置信息和所述缺陷的等级信息，获得缺陷图像集和标准图像集，包括：基于所述缺陷的位置信息，对所述样本图像进行区域拆分，获得目标检测区域；将所述目标检测区域的缺陷进行等级标注，获得所述缺陷的等级信息；将所述等级信息为无任何过刻蚀的样本图像作为标准图像，其余样本图像作为缺陷图像；基于若干所述标准图像，获得标准图像集；基于若干所述缺陷图像，获得缺陷图像集。
[0013]在具体应用中，所述缺陷的位置信息为矩形的左上角和右上角的坐标信息。即对样本图像的缺陷进行识别和矩形标注，再根据缺陷标注信息对样本图像进行裁切，获得缺陷的最小外接矩形，并以此矩形所包含的图像作为输出图像；从而在后续相关性分析过程中，避免过多干扰因素。所述缺陷的等级信息包括无影响过刻蚀、可修复过刻蚀、不可修复过刻蚀。
[0014]作为本申请一些可选实施方式，所述目标检测区域包括面板上需进行过刻蚀加工
处理的区域。
[0015]在具体应用中，所述面板极易出现过刻蚀缺陷的区域即为面板上需进行过刻蚀加工处理的区域。
[0016]作为本申请一些可选实施方式，所述等级信息包括：无任何过刻蚀、无影响过刻蚀、可修复过刻蚀和不可修复过刻蚀中至少一种。
[0017]在具体应用中，通过对上述等级信息进行标注，可以在后续对缺陷进行检测时，进行定量检测，以提高缺陷的检测效率。
[0018]作为本申请一些可选实施方式，所述基于所述Spearman相关系数，判断所述目标图像是否存在缺陷，包括：基于所述Spearman相关系数，判断所述目标图像是否存在缺陷；若所述Spearman相关系数小于0.05，则不相关，表示待检测面板不存在刻蚀缺陷；若所述Spearman相关系数大于等于0.05，则相关，表示待检测面板存在刻蚀缺陷。
[0019]在具体应用中，基于上述Spearman相关系数可以准确判断所述待检测面板上是否含有过刻蚀缺陷，不必进行二次人工判断。
[0020]为解决上述技术问题，本申请实施例还提出了：一种面板缺陷目标检测模型的训练方法，包括以下步骤：获取若干样本图像；分别对若干所述样本图像的缺陷位置和缺陷等级进行标注，获得缺陷图像集和标准图像集；基于所述缺陷图像集和所述标准图像集，对初始目标检测模型进行训练，获得所述目标检测模型。
[0021]作为本申请一些可选实施方式，所述分别对若干所述样本图像的缺陷位置和缺陷等级进行标注，获得缺陷图像集和标准图像集，包括：基于所述样本图像，获得所述样本图像中的缺陷；基于所述样本图像中的缺陷，获得所述缺陷的最小外接矩形；基于所述缺陷的最小外接矩形，获得所述缺陷的位置信息；基于所述样本图像中的缺陷，获得所述缺陷的等级信息；其中，所述缺陷的等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面板缺陷的检测方法，其特征在于，包括以下步骤：获取待检测面板的目标图像和所述待检测面板对应的标准图像；所述标准图像为无缺陷图像；将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像；计算所述目标输出图像和所述标准输出图像的Spearman相关系数；基于所述Spearman相关系数，判断所述目标图像是否存在缺陷。2.根据权利要求1所述面板缺陷的检测方法，其特征在于，所述将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像，包括：将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像；将所述目标输出图像和所述标准输出图像进行灰度转换处理，分别获得目标输出灰度图像和标准输出灰度图像；将所述目标输出灰度图像和所述标准输出灰度图像进行灰度直方计算，分别获得目标输出直方图像和标准输出直方图像。3.根据权利要求2所述面板缺陷的检测方法，其特征在于，在所述将所述目标图像和标准图像分别输入训练获得的目标检测模型，以输出目标输出图像和标准输出图像之前，还包括：获取若干样本图像；分别对若干所述样本图像的缺陷位置和缺陷等级进行标注，获得缺陷图像集和标准图像集；基于所述缺陷图像集和所述标准图像集，对初始目标检测模型进行训练，获得所述目标检测模型。4.根据权利要求3所述面板缺陷的检测方法，其特征在于，所述分别对若干所述样本图像的缺陷位置和缺陷等级进行标注，获得缺陷图像集和标准图像集，包括：基于所述样本图像，获得所述样本图像中的缺陷；基于所述样本图像中的缺陷，获得所述缺陷的最小外接矩形；基于所述缺陷的最小外接矩形，获得所述缺陷的位置信息；基于所述样本图像中的缺陷，获得所述缺陷的等级信息；基于所述缺陷的位置信息和所述缺陷的等级信息，获得缺陷图像集和标准图像集。5.根据权利要求4所述面板缺陷的检测方法，其特征在于，所述基于所述缺陷的位置信息和所述缺陷的等级信息，获得缺陷图像集和标准图像集，包括：基于所述缺陷的位置信息，对所述样本图像进行区域拆分，获得目标检测区域；将所述目标检测区域的缺陷进行等级标注，获得所述缺陷的等级信息；将所述等级信息为无任何过刻蚀的样本图像作为标准图像，其余样本图像作为缺陷图像；基于若干所述标准图像，获得标准图像集；基于若干所述缺陷图像，获得缺陷图像集。6.根据权利要求5所述面板缺陷的检测方法，其特征在于，所述目标检测区域包括面板上需进行过刻蚀加工处理的区域。
7.根据权利要求5所述面板缺陷的检测方法，其特征在于，所述等级信息包括：无任何过刻蚀、无影响过刻蚀、可修复过刻蚀和不可修复过刻蚀中至少一种。8.根据权利要求1所述面板缺陷的检测方法，其特征在于，所述基于所述Spearman相关系数，判断所述目标图像是否存在缺陷，包括：基于所述Spearman相关系数，判断所述目标图像是否存在缺陷；若所述Spearman相关系数小于0.05，则不相关，表示待检测面板不存在刻蚀缺陷；若所述Spearman相关系数大于等于0.05，则相关，表示待检测面板存在刻蚀缺陷。9.一种面板缺陷目标检测...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：成都数之联科技股份有限公司，
类型：发明
国别省市：