一种基于深度学习的显示屏边缘检测方法、装置及设备制造方法及图纸

本发明专利技术涉及一种基于深度学习的显示屏边缘检测方法、装置及设备，该方法包括：获取针对显示屏的待检测图像；对待检测图像按照设定尺寸进行裁剪，得到至少一个图像块；根据至少一个图像块，通过预训练的检测模型，识别出待检测图像的检测结果，检测结果包括显示屏上的边缘缺陷区域、十字mark区域和边缘研磨区域中的至少一项；根据检测结果，实现对显示屏的测量。本发明专利技术的方法结合深度学习训练得到的检测模型对待检测图像进行识别，避免了误报和漏报，无需算法参数需要使用者进行调节，使得操作非常便捷，可根据检测结果，通过传统算法对显示屏进行测量，可以同时兼顾了深度学习和传统算法各自的优势，很好的解决显示屏的边缘检测任务。务。务。

【技术实现步骤摘要】
一种基于深度学习的显示屏边缘检测方法、装置及设备


[0001]本专利技术涉及人工智能、机器视觉、深度学习
，具体而言，本专利技术涉及一种基于深度学习的显示屏边缘检测方法、装置及设备。

技术介绍

[0002]机器视觉是工业质量检测中非常常见的一项技术手段，主要通过相机对工业产品进行拍照，然后通过图像处理技术对产品图片进行分析，从而通过产品的成像观察真实的生产过程中，产品是否存在有缺陷和问题。
[0003]很长一段时间，机器视觉的应用手段都是利用传统的图像处理技术对图像进行定量化分析，判断缺陷是否存在。由于在工业生产过程中，对产品质量检测大部分都有实时性的要求，软件与图像处理算法也需要具备实时处理的能力，这对图像处理技术带来了很大挑战，因为有效并鲁棒的图像处理算法大多都需要复杂的计算过程。所以在工业产品质量检测领域中使用图像处理技术，大部分只能用传统并朴素的图像处理算法进行产品缺陷甄别，这其中包括：对图像数据滤波去噪，图像二值化，连通区域分析，边缘提取，形态学分析等等。这些技术手段的目的都是先将一张图像从嘈杂的纹理进行有效的降噪分离，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的显示屏边缘检测方法，其特征在于，包括以下步骤：获取针对显示屏的待检测图像；对所述待检测图像按照设定尺寸进行裁剪，得到至少一个图像块；根据所述至少一个图像块，通过预训练的检测模型，识别出所述待检测图像的检测结果，所述检测结果包括所述显示屏上的边缘缺陷区域、十字mark区域和边缘研磨区域中的至少一项；根据所述检测结果，实现对所述显示屏的测量。2.根据权利要求1所述的方法，其特征在于，所述显示屏为液晶玻璃面板显示屏。3.根据权利要求1所述的方法，其特征在于，对所述待检测图像按照设定尺寸进行裁剪之前，还包括：对所述待检测图像中的无效区域进行裁剪，得到不包含所述无效区域的第一图像，所述无效区域为不包含所述显示屏的区域；所述对所述待检测图像按照设定尺寸进行裁剪，得到至少一个图像块，包括：对所述第一图像按照设定尺寸进行裁剪，得到至少一个图像块。4.根据权利要求1所述的方法，其特征在于，对所述待检测图像按照设定尺寸进行裁剪之前，还包括：对所述待检测图像按照设定压缩比进行纵向缩放，得到第二图像；所述对所述待检测图像按照设定尺寸进行裁剪，得到至少一个图像块，包括：对所述第二图像按照设定尺寸进行裁剪，得到至少一个图像块。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述设定尺寸为512*512像素。6.根据权利要求1至4中任一项所述的方法，其特征在于，若所述检测结果包括所述显示屏上的边缘缺陷区域，所述根据所述检测结果，实现对所述显示屏的测量,包括：根据所述边缘缺陷区域，实现对所述显示屏的倒角测量；若...

【专利技术属性】
技术研发人员：陈晨，张莲莲，靳松，李伟辰，陈永超，
申请(专利权)人：北京兆维智能装备有限公司，
类型：发明
国别省市：