本发明专利技术提供一种面板缺陷点聚集检测方法
【技术实现步骤摘要】
一种面板缺陷点聚集检测方法、系统、设备及存储介质
[0001]本专利技术涉及缺陷检测
,具体而言,涉及一种面板缺陷点聚集检测方法
、
系统
、
设备及存储介质
。
技术介绍
[0002]面板缺陷点聚集是指在工业面板的生产加工过程中,面板表面出现一定数量且大小不均的不良缺陷点,并且不良缺陷点大多有一定的区域趋向性,表现为在某个区域发生聚集
。
针对发生不良缺陷点聚集的面板,如果无法精确地观测出面板不良缺陷点的聚集情况,则非常容易造成漏检,增大残次品的量产风险
。
因此,如何保证准确检测面板不良缺陷点聚集区域,减少残次品的量产风险,是本领域亟待解决的核心问题
。
[0003]面板缺陷点聚集性检测,现有技术主要包括机器视觉方式
、
聚类方式等
。
通过机器视觉方式,能够从捕获的图像中识别出缺陷并进行初步的定位
。
通过聚类方式,可以进一步识别出缺陷点的聚集
。
这些技术已经达到了一定的检测效果,能够相对快速和有效地检测出聚集性缺陷,但仍然存在一些问题
。
例如,图像质量受光照
、
反射和阴影等因素的影响,可能影响缺陷检测的结果
。
聚类方式对面板表面复杂的缺陷点分布的场景还有一定困难
。
[0004]此外,现有技术在对缺陷点聚集检测时,还存在下列问题:
(1)
缺乏鲁棒性:目前的面板的缺陷点分布情况十分复杂,面板具有不同形状
、
大小和密度的聚类簇的特点,现有方式针对所有的缺陷情况的鲁棒性都不太好,都是针对特定的缺陷情况
。(2)
缺乏直观性:目前的技术通常涉及复杂的算法和数据处理过程,缺乏直接对数据进行操作的能力
。
技术实现思路
[0005]本专利技术提供一种面板缺陷点聚集检测方法
、
系统
、
设备及存储介质,解决现有技术在对缺陷点聚集检测时,缺乏鲁棒性和直观性的问题
。
[0006]在第一方面,本专利技术实施例中提供一种面板缺陷点聚集检测方法,所述方法包括以下步骤:
[0007]获取面板的表征数据,所述表征数据包括面板表面所有缺陷点的坐标信息;
[0008]采用基于密度的聚类算法对面板的表征数据进行聚类划分处理,以得到若干聚类区域;
[0009]对若干聚类区域进行区域合并处理,以得到至少一个合并区域;
[0010]基于聚类区域和合并区域对面板缺陷点进行综合检测,以得到缺陷点聚集检测结果
。
[0011]于上述实施例中,通过将基于密度的聚类算法运用到工业面板缺陷检测中,并且通过引入簇间缺陷点合并调整以及簇内缺陷点总数量阈值判断的方式,能够更加直观地考虑了聚集性情况,提高了缺陷点聚集性检测的准确性和可靠性;相对于其他复杂的机器学习或深度学习方式,更加直接
、
简洁,提高了工业生产中面板缺陷检测的实际可行性和效率
。
[0012]作为本申请一些可选实施方式,在获取面板的表征数据后,需要对面板的表征数据进行清洗处理
。
[0013]作为本申请一些可选实施方式,对面板的表征数据进行清洗处理即是剔除重复的缺陷点和对面板质量无影响的缺陷点
。
[0014]于上述实施例中,通过对表征数据进行清洗处理,能够剔除重复和无影响的缺陷点,生成有效的表征数据,有利于提高缺陷点聚集检测的准确性和可靠性
。
[0015]作为本申请一些可选实施方式,采用基于密度的聚类算法对面板的表征数据进行聚类划分处理,以得到若干聚类区域的流程如下:
[0016]基于预设的邻域半径和最小邻域点数对所有缺陷点进行邻域筛选处理,以得到若干核心对象;
[0017]基于密度可达和密度相连的原则,采用递归的方式对核心对象邻域半径内的所有缺陷点进行聚类划分,以得到若干聚类区域
。
[0018]于上述实施例中,通过基于密度的聚类算法将缺陷点聚集为若干聚类区域,便于后期的缺陷点聚集检测
。
[0019]作为本申请一些可选实施方式,对若干聚类区域进行区域合并处理,以得到至少一个合并区域的流程如下:
[0020]基于缺陷点的坐标信息获取聚类区域之间的簇间距离;
[0021]如果簇间距离小于预设的距离阈值,则将对应的聚类区域合并,以得到至少一个合并区域
。
[0022]于上述实施例中,通过合并不同的聚类区域能够对基于密度的聚类算法获取的聚类区域进行调整和优化,进一步提升了对各类聚集情况进行判断的灵活性和适应性
。
[0023]作为本申请一些可选实施方式,基于聚类区域和合并区域对面板缺陷点进行综合检测,以得到缺陷点聚集检测结果的流程如下:
[0024]基于缺陷点的坐标信息获取聚类区域的缺陷点数量;
[0025]如果存在至少一个聚类区域的缺陷点数量不小于预设的数量阈值,则判定面板存在缺陷点聚集情况,反之,则基于缺陷点的坐标信息获取合并区域的缺陷点数量,如果存在至少一个合并区域的缺陷点数量不小于预设的数量阈值,则判定面板存在缺陷点聚集情况,反之,则判定面板不存在缺陷点聚集情况
。
[0026]于上述实施例中,采用分阶段的方式对聚类区域和合并区域的缺陷点数量进行判断,进一步提升了对各类聚集情况进行判定的灵活性和适应性,即能够对不同形状
、
大小和密度的面板进行缺陷点聚集性检测,具有较高的鲁棒性
。
[0027]作为本申请一些可选实施方式,所述簇间距离的计算采用欧式距离
、
曼哈顿距离
、
切比雪夫距离或闵可夫斯基距离的距离度量方式
。
[0028]在第二方面,本专利技术提供一种面板缺陷点聚集检测系统,所述系统包括:
[0029]数据获取单元,所述数据获取单元用于获取面板的表征数据,所述表征数据包括面板上所有缺陷点的坐标信息;
[0030]聚类处理单元,所述聚类处理单元采用基于密度的聚类算法对面板的表征数据进行聚类划分处理,以得到若干聚类区域;
[0031]区域合并单元,所述区域合并单元用于对若干聚类区域进行区域合并处理,以得
到至少一个合并区域;
[0032]综合检测单元,所述综合检测单元基于聚类区域和合并区域对面板缺陷点进行综合检测,以得到缺陷点聚集检测结果
。
[0033]在第三方面,本专利技术提供一种计算机设备,包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行计算机程序时实现所述一种面板缺陷点聚集检测方法
。
[0034]在第四方面,本专利技术提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种面板缺陷点聚集检测方法,其特征在于,所述方法包括以下步骤:获取面板的表征数据,所述表征数据包括面板上所有缺陷点的坐标信息;采用基于密度的聚类算法对面板的表征数据进行聚类划分处理,以得到若干聚类区域;对若干聚类区域进行区域合并处理,以得到至少一个合并区域;基于聚类区域和合并区域对面板缺陷点进行综合检测,以得到缺陷点聚集检测结果
。2.
根据权利要求1所述的一种面板缺陷点聚集检测方法,其特征在于,在获取面板的表征数据后,需要对面板的表征数据进行清洗处理
。3.
根据权利要求2所述的一种面板缺陷点聚集检测方法,其特征在于,对面板的表征数据进行清洗处理即是剔除重复的缺陷点和对面板质量无影响的缺陷点
。4.
根据权利要求1所述的一种面板缺陷点聚集检测方法,其特征在于,采用基于密度的聚类算法对面板的表征数据进行聚类划分处理,以得到若干聚类区域的流程如下:基于预设的邻域半径和最小邻域点数对所有缺陷点进行邻域筛选处理,以得到若干核心对象;基于密度可达和密度相连的原则,采用递归的方式对核心对象邻域半径内的所有缺陷点进行聚类划分,以得到若干聚类区域
。5.
根据权利要求1所述的一种面板缺陷点聚集检测方法,其特征在于,对若干聚类区域进行区域合并处理,以得到至少一个合并区域的流程如下:基于缺陷点的坐标信息获取聚类区域之间的簇间距离;如果簇间距离小于预设的距离阈值,则将对应的聚类区域合并,以得到至少一个合并区域
。6.
根据权利要求5所述的一种面板缺陷点聚集检测方法,其特征在于,基于聚类区域和合并区域对面板缺陷点进行综合检测,以得到缺陷点聚集检测结果的流程如下:基于缺陷点...
【专利技术属性】
技术研发人员:请求不公布姓名,
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:
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。