一种自动判断缺陷对面板产品影响程度的方法技术

本发明专利技术公开了一种一种自动判断缺陷对面板产品影响程度的方法，其具体步骤包括：(1)需要人工对产线生产的每个产品建立一个模板标注信息；(2)通过算法将模板与产线照片进行模板匹配，找到产品照片上所有要素的位置；(3)将缺陷位置与这些要素位置进行几何计算，获得缺陷的影响程度结果，返回给产线系统；(4)由产线系统设定判定门限，以决定一个产品缺陷是否需要进行开单。本发明专利技术在现有系统条件下，通过此技术，能有效提高产品生产和操作的效率，进一步提高生产流程的自动化水平；能够或者产品照片上所有要素组件的位置；本发明专利技术采用先进的图像处理算法，准确率高，计算速度快。计算速度快。计算速度快。

【技术实现步骤摘要】
一种自动判断缺陷对面板产品影响程度的方法


[0001]本申请涉及自动化生产
，具体涉及一种自动判断缺陷对面板产品影响程度的方法。

技术介绍

[0002]在面板产品的生产过程中，产线的AOI设备会对流水线上的进行拍照，同时用内置的算法来判断产品上是否有缺陷，以及判断缺陷的类型。但是，由于某些缺陷对产品的影响很大，需要额外判定缺陷影响了产品上的多少个像素(pixel)，以及缺陷是否影响了产品上的数据线(data line)和通信线(com line)。如果影响达到了规定的条件，就表明产品质量问题严重，需要进行产品开单，进行维修处理。
[0003]目前还没有自动算法能自动计算缺陷对产品的影响程度，即判断缺陷影响了几个pixel，是否影响了data line和com line，因此开单维修流程目前只能通过产线工人通过肉眼判定，准确率低的同时，消耗了大量的产线人力，极大的降低了产线自动化水平和生产效率。
[0004]目前技术的流程只能通过工人来确定面板照片上缺陷对产品的影响程度，效率低且成本高，成为进一步提高面板生产过程自动化的瓶颈。

技术实现思路

[0005]本申请提供了一种自动判断缺陷对面板产品影响程度的方法，其目的在于，通过图像处理算法算法，由产线工人提供不同产品的模板图片以及相应的标注，通过模板匹配的算法将模板图片与产线产品照片匹配，从而计算出产线产品照片中各个pixel，data line，com line的位置，然后再将这些位置与产线AOI获得的照片上缺陷位置进行几何运算，得出缺陷对产品的具体影响情况，使得整个开单过程完全自动化，以提升产线自动化水平与生产效率。
[0006]本申请是通过以下技术方案实现的：
[0007]一种自动判断缺陷对面板产品影响程度的方法，其具体步骤包括：
[0008](1)需要人工对产线生产的每个产品建立一个模板标注信息；
[0009](2)通过算法将模板与产线照片进行模板匹配，找到产品照片上所有要素的位置；
[0010](3)将缺陷位置与这些要素位置进行几何计算，获得缺陷的影响程度结果，返回给产线系统；
[0011](4)由产线系统设定判定门限，以决定一个产品缺陷是否需要进行开单。
[0012]作为优选实施例，所述步骤(1)具体为在获得产线拍摄到的产品照片之后，先从产线系统读取AOI设备识别到的产品缺陷位置与大小，同时获得产品的型号，从事先离线建立的产品模板标注信息中获得当前产品的具体线路信息。
[0013]作为优选实施例，所述步骤(2)中找到产品照片上所有要素的位置包括pixel、data line、com line。
[0014]作为优选实施例，所述步骤(3)中获得缺陷的影响程度结果是对pixel、data line、com line的具体影响程度结果。
[0015]作为优选实施例，整个计算和判定过程由算法完成。
[0016]有益效果：
[0017](1)现有系统条件下，通过此技术，能有效提高产品生产和操作的效率，进一步提高生产流程的自动化水平；
[0018](2)本专利技术能够或者产品照片上所有要素组件的位置，如pixel的位置，data line的位置，com line的位置等；
[0019](2)本专利技术将缺陷位置与识别到的产线产品照片要素组件位置进行几何运算，计算出缺陷对产品的影响程度，将原有的人工开单流程完全自动化；
[0020](4)本专利技术采用先进的图像处理算法，准确率高，计算速度快。
附图说明
[0021]图1为本专利技术一种自动判断缺陷对面板产品影响程度的方法的流程结构示意图。
[0022]图2为本申请一个实施例中产线拍摄到的产品结构示意图。
[0023]图3为本申请一个实施例中一个周期的要素信息示意图。
[0024]图4为本申请一个实施例中需要标注的信息示意图。
[0025]图5为本申请一个实施例中Pixel范围示意图。
[0026]图6为本申请一个实施例中Data line范围示意图。
[0027]图7为本申请一个实施例中将整张图片要素位置全部计算出来结构示意图。
[0028]图8为本申请一个实施例中根据标注模板中各个要素的位置在产品照片中恢复出的一个周期里要素的具体位置示意图。
[0029]图9为本申请一个实施例中获得整张照片上的所有要素的具体位置示意图。
[0030]图10为本申请一个实施例中最后获得的缺陷对产品的影响程度示意图。
具体实施方式
[0031]下面结合附图对本专利技术的实施例作详细说明：本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0032]如图1所示，一种自动判断缺陷对面板产品影响程度的方法，其具体步骤包括：
[0033](1)需要人工对产线生产的每个产品建立一个模板标注信息，在获得产线拍摄到的产品照片之后，先从产线系统读取AOI设备识别到的产品缺陷位置与大小，同时获得产品的型号，从事先离线建立的产品模板标注信息中获得当前产品的具体线路信息。
[0034](2)通过算法将模板与产线照片进行模板匹配，找到产品照片上所有要素的位置包括pixel、data line、com line；
[0035](3)将缺陷位置与这些要素位置进行几何计算，获得缺陷的影响程度结果是对pixel、data line、com line的具体影响程度结果，返回给产线系统；
[0036](4)由产线系统设定判定门限，以决定一个产品缺陷是否需要进行开单，整个计算和判定过程由算法完成。
[0037]具体操作如下：
[0038]如图2所示，获取产线拍摄到的产品图像，产品图像如图中所示。由于每张照片上线路的位置都不一样，为了知道缺陷到底影响了哪些要素(pixel，data line，com line)，需要先识别出每张照片上的这些要素的具体位置。
[0039]如图3所示，为一个完整的要素周期。产品建立离线标注信息，通过人工的方式，手工对产品上的具体要素位置进行标注，用于作为要素识别的模板。由于产品的要素都以周期性呈现，因此只需要标注一个周期的要素信息即可。
[0040]如图4所示为需要标注的信息示意图，特征匹配点位置如图中线框所示。如图5所示为Pixel范围示意图(如图中线框所示)。如图6所示为Data line范围示意图(如图中线框所示)，此标注工作可以用第三方开源标注工具labelimg进行标注。
[0041]如图7、8所示，算法获得产线照片拍摄到的产品照片之后，根据产线获得的产品信息，获得该产品的对应模板标注，先使用模板标注中的匹配点图样，找到产品照片中的匹配点位置(由于照片上可能有多个匹配点，算法只选取匹配程度最高的那个匹配点)，然后根据模板中匹配点与其他要素的位置关系，回复出一个周期的所有要素位置，再根据产本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动判断缺陷对面板产品影响程度的方法，其特征在于，其具体步骤包括：(1)需要人工对产线生产的每个产品建立一个模板标注信息；(2)通过算法将模板与产线照片进行模板匹配，找到产品照片上所有要素的位置；(3)将缺陷位置与这些要素位置进行几何计算，获得缺陷的影响程度结果，返回给产线系统；(4)由产线系统设定判定门限，以决定一个产品缺陷是否需要进行开单。2.根据权利要求1所述的一种自动判断缺陷对面板产品影响程度的方法，其特征在于，所述步骤(1)具体为在获得产线拍摄到的产品照片之后，先从产线系统读取AOI设备识别到的产品缺陷位置与大小，同时获得产品的...

【专利技术属性】
技术研发人员：贾德礼，
申请(专利权)人：上海哥瑞利软件股份有限公司，
类型：发明
国别省市：