【技术实现步骤摘要】
本专利技术涉及面板缺陷检测，具体而言，涉及一种面板缺陷严重程度判级方法、系统、设备及存储介质。
技术介绍
1、面板加工工厂在生产面板过程中会产生很多缺陷，然而整个面板的生产工艺流程复杂、生产周期长，从基板到生产加工完毕常常需要较长的时间，因此在每个工艺段产生的缺陷都需要时刻监控，避免缺陷流入下一道制程造成良率的降低。
2、目前，很多面板生产厂商引入了智能化缺陷检测系统（adc），这些系统通常基于深度学习的目标检测算法，能够对历史的缺陷样本进行学习，建立缺陷目标检测模型，最终实现对生产的面板进行实时检测，及时发现面板生产过程中出现的缺陷。但是，由于面板array（是指在玻璃基板上制作液晶驱动电路）段缺陷严重程度与线路位置有强关联性，因此现有的智能化缺陷检测系统无法准确的定位，也无法根据定位结果对缺陷等级进行判定。
技术实现思路
1、本专利技术提供一种面板缺陷判级方法、系统、设备及存储介质，为了解决现有基于深度学习的目标检测技术无法准确的定位，也无法根据定位结果对缺陷等级进行判定的问题。
2、在第一方面，本专利技术提供一种面板缺陷严重程度判级方法，所述方法流程如下：
3、基于原始图像的缺陷位置标注数据进行模型训练，以得到目标检测网络模型；
4、基于原始图像的线路位置标注数据进行模型训练，以得到语义分割网络模型；
5、基于目标检测网络模型对待检测图像进行预测，以得到缺陷位置；
6、基于语义分割网络模型对待检测图像进行
7、基于缺陷位置和线路位置的相交情况进行缺陷严重程度判定，以得到缺陷严重程度的判断结果。
8、本专利技术基于目标检测网络模型和语义分割网络模型对缺陷和线路进行精准定位，并且结合两者的位置相交情况对缺陷严重程度进行判级，能够满足不同线路缺陷严重程度判级需求。
9、进一步地，基于原始图像的缺陷位置标注数据进行模型训练，以得到目标检测网络模型的流程如下：
10、对原始图像进行缺陷位置标注处理，以得到包含缺陷位置信息的缺陷目标框；
11、基于包含缺陷目标框的原始图像进行模型训练，以得到目标检测网络模型。
12、本专利技术通过对存在缺陷的原始图像进行缺陷位置的标注，并且进行模型训练，使得训练之后的目标检测网络模型能够对待检测图像进行缺陷位置的精准检测。
13、进一步地，基于原始图像的线路位置标注数据进行模型训练，以得到语义分割网络模型的流程如下：
14、对原始图像进行二值化处理和边缘轮廓提取处理，以得到边缘轮廓图像；
15、对边缘轮廓图像进行线路标注处理，以得到包含线路位置信息的线路目标框；
16、基于包含线路目标框的原始图像进行模型训练，以得到语义分割网络模型。
17、本专利技术通过对存在线路的原始图像进行线路位置的标注，并且进行模型训练，使得训练之后的语义分割网络模型能够对待检测图像进行线路位置的精准检测；与此同时，在进行线路位置标注之前，还需要进行二值化处理和边缘轮廓提取，以减少面板上其他图像对线路位置标注的影响，使得训练之后的语义分割网络模型能够更加精准的进行线路位置检测。
18、进一步地，所述缺陷位置包括缺陷目标框的坐标信息；所述缺陷目标框的坐标信息表示为：；
19、其中，为缺陷目标框的左下角点坐标，为缺陷目标框的右上角点坐标。
20、本专利技术通过两个对角点可以唯一确定一个矩形框，使得缺陷的位置信息表示更加简单，便于后续的位置相交计算。
21、进一步地，所述线路位置包括线路的坐标信息，所述线路的坐标信息包括线路目标框的坐标信息以及线路轮廓的坐标信息；
22、所述线路目标框的坐标信息表示为：；其中，为线路目标框的左下角点坐标，为线路目标框的右上角点坐标；
23、所述线路的多边形标注坐标信息表示为：；其中，为线路轮廓多边形标注的点坐标。
24、本专利技术通过目标框和多边形标注的形式对线路位置进行进行粗略和详细的描述，进行根据不同的位置描述信息能够对缺陷等级进行分类，适应性更强，缺陷等级分类更合理。
25、进一步地，基于缺陷位置和线路位置的相交情况进行缺陷严重程度判定，以得到缺陷严重程度的判断结果的流程如下：
26、基于缺陷目标框的坐标信息和线路目标框的坐标信息判断缺陷目标框和线路目标框是否相交，如果不相交，则判定缺陷为普通缺陷；
27、如果相交，则判定缺陷为严重缺陷，并且基于缺陷目标框的坐标信息和线路轮廓的坐标信息判断缺陷目标框和线路轮廓相交比例，并且根据相交比例判定缺陷的严重等级。
28、本专利技术首先根据缺陷是否在线路上对缺陷进行一级大范围的区分，然后再根据缺陷是否将线路在纵向或者横向完全覆盖进行二级小范围的区分，最后再根据缺陷与线路的相交比例进行小范围内详细的等级区分，使得等级区分的效率较高，等级区分更合理，能够满足不同线路缺陷严重程度判级需求。
29、进一步地，缺陷目标框和线路轮廓相交比例判定的流程如下：
30、如果缺陷目标框将线路轮廓横向或者纵向覆盖，则判定缺陷为一级严重缺陷；
31、如果缺陷目标框未将线路轮廓横向或者纵向覆盖，则基于相交比例判定缺陷为n级严重缺陷，其中，n根据相交比例进行对应选择。
32、在第二方面，本专利技术提供一种面板缺陷严重程度判级系统，所述系统包括：
33、目标检测单元，所述目标检测单元基于原始图像的缺陷位置标注数据进行模型训练，以得到目标检测网络模型，并且基于目标检测网络模型对待检测图像进行预测，以得到缺陷位置；
34、语义分割单元，所述语义分割单元基于原始图像的线路位置标注数据进行模型训练，以得到语义分割网络模型，并且基于语义分割网络模型对待检测图像进行预测，以得到线路位置；
35、缺陷严重程度判级单元，所述缺陷严重程度判级单元基于缺陷位置和线路位置的相交情况进行缺陷严重程度判定，以得到缺陷严重程度的判断结果。
36、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严重程度判级方法。
37、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所述一种面板缺陷严重程度判级方法。
38、本专利技术的有益效果如下：
39、本专利技术基于目标检测网络模型和语义分割网络模型对缺陷和线路进行精准定位，并且结合两者的位置相交情况对缺陷严重程度进行判级，能够满足不同线路缺陷严重程度判级需求。
本文档来自技高网...【技术保护点】
1.一种面板缺陷严重程度判级方法，其特征在于，所述方法流程如下：
2.根据权利要求1所述的一种面板缺陷严重程度判级方法，其特征在于，基于原始图像的缺陷位置标注数据进行模型训练，以得到目标检测网络模型的流程如下：
3.根据权利要求2所述的一种面板缺陷严重程度判级方法，其特征在于，基于原始图像的线路位置标注数据进行模型训练，以得到语义分割网络模型的流程如下：
4.根据权利要求3所述的一种面板缺陷严重程度判级方法，其特征在于，所述缺陷位置包括缺陷目标框的坐标信息；所述缺陷目标框的坐标信息表示为：；
5.根据权利要求4所述的一种面板缺陷严重程度判级方法，其特征在于，所述线路位置包括线路的坐标信息，所述线路的坐标信息包括线路目标框的坐标信息以及线路轮廓的坐标信息；
6.根据权利要求5所述的一种面板缺陷严重程度判级方法，其特征在于，基于缺陷位置和线路位置的相交情况进行缺陷严重程度判定，以得到缺陷严重程度的判断结果的流程如下：
7.根据权利要求6所述的一种面板缺陷严重程度判级方法，其特征在于，缺陷目标框和线路轮廓相交比例判
8.一种面板缺陷严重程度判级系统，其特征在于，所述系统包括：
9.一种计算机设备，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，其特征在于：所述处理器执行计算机程序时实现权利要求1-7中任一项所述一种面板缺陷严重程度判级方法。
10.一种计算机可读存储介质，其特征在于，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权利要求1-7中任一项所述一种面板缺陷严重程度判级方法。
...【技术特征摘要】
1.一种面板缺陷严重程度判级方法，其特征在于，所述方法流程如下：
2.根据权利要求1所述的一种面板缺陷严重程度判级方法，其特征在于，基于原始图像的缺陷位置标注数据进行模型训练，以得到目标检测网络模型的流程如下：
3.根据权利要求2所述的一种面板缺陷严重程度判级方法，其特征在于，基于原始图像的线路位置标注数据进行模型训练，以得到语义分割网络模型的流程如下：
4.根据权利要求3所述的一种面板缺陷严重程度判级方法，其特征在于，所述缺陷位置包括缺陷目标框的坐标信息；所述缺陷目标框的坐标信息表示为：；
5.根据权利要求4所述的一种面板缺陷严重程度判级方法，其特征在于，所述线路位置包括线路的坐标信息，所述线路的坐标信息包括线路目标框的坐标信息以及线路轮廓的坐标信息；
6.根据权利要...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，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。