显示面板瑕疵的检测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了显示面板瑕疵的检测方法、装置、电子设备及存储介质。其中，显示面板瑕疵的检测方法包括：对待检测显示面板对应的目标面板显示图像进行特征提取，获得所述目标面板显示图像对应的多个第一特征图；对所述多个第一特征图中的目标特征图进行卷积处理，获得第二特征图；对所述其他特征图进行特征融合处理，获得多个第三特征图；所述多个第三特征图分别对应不同的尺度；依据所述第二特征图以及所述多个第三特征图，对所述目标面板显示图像进行目标检测，确定所述目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及所述显示面板瑕疵对应的目标瑕疵类别。本申请的技术，能够提高显示面板瑕疵检测的检测效率以及检测精准度。精准度。精准度。

【技术实现步骤摘要】
显示面板瑕疵的检测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机视觉领域，具体涉及显示面板瑕疵的检测方法、装置、电子设备及存储介质。

技术介绍

[0002]为了确保显示面板的质量，在显示面板的生产过程中，往往需要对显示面板进行显示面板瑕疵(Mura)检测，以确定显示面板中是否存在显示面板瑕疵。
[0003]相关技术中，在进行显示面板瑕疵检测时采用的检测方式一般是在黑暗环境下，通过人眼在显示面板显示时对显示面板进行显示面板瑕疵检测，这种检测显示面板瑕疵的方式，不仅仅检测效率较低、检测精准度较低，而且会对人眼造成伤害。因此，如何对显示面板进行显示面板瑕疵检测，成为了亟待解决的技术问题。
[0004]此外，相关技术中的检测显示面板瑕疵的方式，也可能存在上述技术问题。

技术实现思路

[0005]为解决上述一种或多种技术问题，本申请提供了显示面板瑕疵的检测方法、装置、电子设备及存储介质。
[0006]根据本申请的第一方面，提供了一种显示面板瑕疵的检测方法，包括：
[0007]对待检测显示面板对应的目标面板显示图像进行特征提取，获得目标面板显示图像对应的多个第一特征图；多个第一特征图分别对应不同的尺度；
[0008]对多个第一特征图中的目标特征图进行卷积处理，获得第二特征图；目标特征图的尺度大于多个第一特征图中的其他特征图的尺度；
[0009]对其他特征图进行特征融合处理，获得多个第三特征图；多个第三特征图分别对应不同的尺度；
[0010]依据第二特征图以及多个第三特征图，对目标面板显示图像进行目标检测，确定目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及显示面板瑕疵对应的目标瑕疵类别。
[0011]根据本申请的第二方面，提供了另一种显示面板瑕疵的检测方法，包括：
[0012]将待检测显示面板对应的目标面板显示图像输入至已训练的检测模型，利用已训练的检测模型中的骨干网络对目标面板显示图像进行特征提取，获得目标面板显示图像对应的多个第一特征图；多个第一特征图分别对应不同的尺度；
[0013]基于已训练的检测模型中的颈部网络对多个第一特征图中的目标特征图进行卷积处理，获得第二特征图，并对多个第一特征图中的其他特征图进行特征融合处理，获得多个第三特征图；多个第三特征图分别对应不同的尺度；目标特征图的尺度大于其他特征图的尺度；
[0014]将第二特征图以及多个第三特征图输入至已训练的检测模型中的头部网络，获得头部网络输出的目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及显示面板
瑕疵对应的目标瑕疵类别；头部网络用于依据第二特征图以及多个第三特征图确定目标瑕疵位置以及目标瑕疵类别。
[0015]根据本申请的第三方面，提供了一种显示面板瑕疵的检测装置，包括：
[0016]第一特征图获取模块，用于对待检测显示面板对应的目标面板显示图像进行特征提取，获得目标面板显示图像对应的多个第一特征图；多个第一特征图分别对应不同的尺度；
[0017]第二特征图获取模块，用于对多个第一特征图中的目标特征图进行卷积处理，获得第二特征图；目标特征图的尺度大于多个第一特征图中的其他特征图的尺度；
[0018]第三特征图获取模块，用于对其他特征图进行特征融合处理，获得多个第三特征图；多个第三特征图分别对应不同的尺度；
[0019]目标检测模块，用于依据第二特征图以及多个第三特征图，对目标面板显示图像进行目标检测，确定目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及显示面板瑕疵对应的目标瑕疵类别。
[0020]根据本申请的第四方面，提供了另一种显示面板瑕疵的检测装置，包括：
[0021]特征图获取模块，用于将待检测显示面板对应的目标面板显示图像输入至已训练的检测模型，利用已训练的检测模型中的骨干网络对目标面板显示图像进行特征提取，获得目标面板显示图像对应的多个第一特征图；多个第一特征图分别对应不同的尺度；
[0022]特征图处理模块，用于基于已训练的检测模型中的颈部网络对多个第一特征图中的目标特征图进行卷积处理，获得第二特征图，并对多个第一特征图中的其他特征图进行特征融合处理，获得多个第三特征图；多个第三特征图分别对应不同的尺度；目标特征图的尺度大于其他特征图的尺度；
[0023]目标检测模块，用于将第二特征图以及多个第三特征图输入至已训练的检测模型中的头部网络，获得头部网络输出的目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及显示面板瑕疵对应的目标瑕疵类别；头部网络用于依据第二特征图以及多个第三特征图确定目标瑕疵位置以及目标瑕疵类别。
[0024]根据本申请的第五方面，提供了一种电子设备，包括：
[0025]至少一个处理器；以及
[0026]与该至少一个处理器通信连接的存储器；其中，
[0027]该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本申请任一实施例中的方法。
[0028]根据本申请的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本申请任一实施例中的方法。
[0029]本申请的技术，先对待检测显示面板对应的目标面板显示图像进行特征提取，获得多个第一特征图，然后，再依据多个第一特征图中的目标特征图获得第二特征图，以及多个第一特征图中的其他特征图获得多个第三特征图，在获得第二特征图以及多个第三特征图之后，依据第二特征图以及多个第三特征图，对目标面板显示图像进行目标检测，即可确定目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及显示面板瑕疵对应的目标瑕疵类别。
[0030]由于依据第二特征图以及多个第三特征图，对目标面板显示图像进行目标检测，
即可确定目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及显示面板瑕疵对应的目标瑕疵类别，因此，无需人工参与即可完成对显示面板进行显示面板瑕疵检测。这样，不仅能够提高显示面板瑕疵检测的检测效率以及检测精准度，而且还能够避免对人眼造成伤害。
[0031]另外，由于获得第二特征图的目标特征图的尺度大于其他特征图的尺度，因此，第二特征图对目标面板显示图像中的细节的感知能力相对较强，能够更好的表征出目标面板显示图像的浅层细粒度像素结构信息，从而能够更好的对目标面板显示图像中的尺度较小显示面板瑕疵进行检测。同时，由于多个第三特征图是对其他特征图进行特征融合处理得到的，因此，多个第三特征图虽然对目标面板显示图像中的细节的感知能力相对较弱，但能够更好的表征出目标面板显示图像的深层抽象特化语义信息，从而能够更好的对目标面板显示图像中的尺度较大显示面板瑕疵进行检测。也即是说，依据第二特征图以及多个第三特征图，对目标面板显示图像进行目标检测，能够检测出目标面板显示图像中的不同尺度的显示面板瑕疵，从而使显示面板瑕疵检测的检测效果更好。
[0032]应当理解，本部分所描述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种显示面板瑕疵的检测方法，其特征在于，包括：对待检测显示面板对应的目标面板显示图像进行特征提取，获得所述目标面板显示图像对应的多个第一特征图；所述多个第一特征图分别对应不同的尺度；对所述多个第一特征图中的目标特征图进行卷积处理，获得第二特征图；所述目标特征图的尺度大于所述多个第一特征图中的其他特征图的尺度；对所述其他特征图进行特征融合处理，获得多个第三特征图；所述多个第三特征图分别对应不同的尺度；依据所述第二特征图以及所述多个第三特征图，对所述目标面板显示图像进行目标检测，确定所述目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及所述显示面板瑕疵对应的目标瑕疵类别。2.根据权利要求1所述的方法，其特征在于，所述依据所述第二特征图以及所述多个第三特征图，对所述目标面板显示图像进行目标检测，确定所述目标面板显示图像中的显示面板瑕疵对应的目标瑕疵位置以及所述显示面板瑕疵对应的目标瑕疵类别包括：对所述第二特征图以及所述多个第三特征图进行卷积处理，获得所述第二特征图对应的第四特征图以及所述多个第三特征图分别对应的第四特征图；第四特征图中的特征值用于表示多个设定锚框分别对应的中心点位置、所述多个设定锚框分别对应的尺度、所述多个设定锚框分别对应的置信度以及所述多个设定锚框中的各设定锚框对应的瑕疵类别概率值；依据所述第二特征图对应的第四特征图以及所述多个第三特征图分别对应的第四特征图，确定所述目标瑕疵位置以及所述目标瑕疵类别。3.根据权利要求2所述的方法，其特征在于，所述第二特征图对应的第四特征图通过如下步骤获得：获取预先配置的目标通道数；利用卷积核尺寸为3*3的卷积核以及卷积核尺寸为1*1的卷积核对所述第二特征图进行卷积处理，获得所述第二特征图对应的第四特征图；所述第二特征图对应的第四特征图的通道数为所述目标通道数。4.根据权利要求1所述的方法，其特征在于，在所述对待检测显示面板对应的目标面板显示图像进行特征提取，获得所述目标面板显示图像对应的多个第一特征图之前，所述方法还包括：将所述目标面板显示图像输入至已训练的检测模型；所述已训练的检测模型包括骨干网络、颈部网路以及头部网络；所述骨干网络用于对所述目标面板显示图像进行特征提取获得所述多个第一特征图；所述颈部网路用于对所述目标特征图进行卷积处理获得所述第二特征图，以及对所述其他特征图进行特征融合处理获得所述多个第三特征图；所述头部网络用于依据所述第二特征图以及所述多个第三特征图，对所述目标面板显示图像进行目标检测，确定所述目标瑕疵位置以及所述目标瑕疵类别。5.根据权利要求4所述的方法，其特征在于，所述已训练的检测模型通过如下步骤训练获得：获取样本目标面板显示图像集合，以及针对所述样本目标面板显示图像集合中的各样本目标面板显示图像对应标注的面板瑕疵位置和瑕疵类别；
依据所述样本目标面板显示图像集合以及对应标注的面板瑕疵位置和瑕疵类别，对待训练的检测模型进行模型训练，获得所述已训练的检测模型。6.根据权利要求1所述的方法，其特征在于，在所述对待检测显示面板对应的目标面板显示图像进行特征提取，获得所述目标面板显示图像对应的多个第一特征图之前，所述方法还包括：获取所述待检测显示面板以设定灰阶显示时的初始面板显示图像；对所述初始面板显示图像进行图像预处理，获得所述目标面板显...

【专利技术属性】
技术研发人员：许超凡，
申请(专利权)人：成都京东方光电科技有限公司，
类型：发明
国别省市：