【技术实现步骤摘要】
本专利技术涉及显示屏幕检测，特别涉及基于图像合并的显示屏幕缺陷ai复判方法、装置及介质。
技术介绍
1、显示屏幕点灯检测领域已从主要的小尺寸屏幕，逐步加量过渡到中、大尺寸显示屏幕。因中、大尺寸显示屏幕的单个型号订单量比小尺寸型号少，且大部分不带玻璃盖板，所以换型生产的频率较快，且产品的表面状态会更复杂。这种转换要求机器视觉要更快更稳定地进行屏幕质检，而传统的算法检测，需要非常专业的人员维护才能达到这一要求。因此，在该状况下，如何实现更快更稳定地进行显示屏幕质检，是机器视觉行业亟需解决的问题。
2、针对上述问题，部分采用ai对传统算法的检测结果进行复判来应对，这种方案能够解决频繁快速换型和表面状态复杂带出的过检。然而，对于显示屏幕点灯检测，单纯依靠画面图像特征去判断是否为缺陷的方法，准确率无法保障，因为部分表面物体与缺陷的特征区分度很低。
技术实现思路
1、为了实现本专利技术的上述目的和其他优点，本专利技术的第一目的是提供一种基于图像合并的显示屏幕缺陷ai复判方法，包括以下步骤：
2、获取待测产品ao i检测结果，并对检测结果是有缺陷的图像进行裁剪以及命名；
3、将裁剪后待定缺陷画面图与对应的打光图合并；
4、对合并图数据集进行标注以及进行ai模型训练；
5、通过深度神经网络模型对合并后的图像进行复判，得到判定结果。
6、进一步地，所述待测产品aoi检测包括以下步骤：
7、响应于扫描待测产品二维码的请
8、进一步地，所述获取待测产品aoi检测结果，并对检测结果是有缺陷的图像进行裁剪以及命名包括以下步骤：
9、获取检测结果是有缺陷的图像的坐标和画面，在对应尺度图上裁剪待定缺陷周围预设大小图块数据，所述图块数据包括对应检出待定缺陷的画面图和打光图数据；
10、以待测产品二维码+缺陷名称+缺陷坐标+缺陷画面或打光画面，对裁剪的图片进行命名，并存放到对应待测产品的文件夹内。
11、进一步地，所述将裁剪后待定缺陷画面图与对应的打光图合并包括以下步骤：
12、以裁剪图像时的命名为依据来确定待合并对象；
13、将待定缺陷画面图和对应坐标的打光图合并为一组图像；
14、并按r通道、g通道、b通道中两个通道为缺陷画面图像，一个通道为打光图像，进行对应的两张图像合并。
15、进一步地，所述以裁剪图像时的命名为依据来确定待合并对象包括以下步骤：
16、以二维码、待定缺陷名称、待定缺陷坐标、待定缺陷画面匹配相同的二维码、待定缺陷名称、待定缺陷坐标和待定缺陷的打光图数据；
17、若二维码、待定缺陷名称以及待定缺陷坐标一致，则将待定缺陷画面图与打光图确定为合并的一组图像。
18、进一步地，所述对合并图数据集进行标注以及进行ai模型训练包括以下步骤：
19、将合并图数据集依据真、假缺陷进行筛选区分；
20、将筛选区分出的真、假缺陷数据集上传到训练平台；
21、训练平台通过缺陷数据集对深度神经网络模型进行训练和测试；
22、将训练和测试通过的深度神经网络模型上传更新到ai服务器。
23、进一步地，所述通过深度神经网络模型对合并后的图像进行复判包括以下步骤：
24、在线检测时，将合并后的待定缺陷图像上传给ai服务器；
25、ai服务器通过训练测试好的深度神经网络模型对合并后的待定缺陷图像自动判定结果。
26、进一步地，还包括以下步骤：
27、将结果反馈给aoi设备；
28、aoi设备根据反馈的判定结果，控制良品和假性不良的产品流入下一环节，只将真性不良品传送到缓冲器。
29、本专利技术的第二目的是提供一种计算机可读存储介质，其上存储有程序指令，所述程序指令被执行时实现一种基于图像合并的显示屏幕缺陷ai复判方法。
30、本专利技术的第三目的是提供一种基于图像合并的显示屏幕缺陷ai复判装置，用于实现上述的方法，包括aoi单元、图像合并单元、ai模型训练单元、ai复判单元；其中，
31、所述aoi单元用于通过图像处理算法对工业相机拍摄到的显示屏幕画面图像进行计算，得出检测结果，并对检测结果是有缺陷的图像进行裁剪以及命名；
32、所述图像合并单元用于按照r通道、g通道、b通道中两个通道为缺陷画面图像，一个通道为打光图像，对裁剪后的小图进行合并，并且将合并后的图像传送给ai复判单元；
33、所述ai模型训练单元用于在离线情况下，通过标注好的真、假缺陷数据集进行深度神经网络模型训练，优化深度神经网络模型，并更新到ai复判单元；
34、所述ai复判单元用于在线检测时，接收合并后的图像，基于预设的深度神经网络模型对图像进行判定，并将判定结果反馈给aoi单元。
35、与现有技术相比，本专利技术的有益效果是：
36、本专利技术提供基于图像合并的显示屏幕缺陷ai复判方法、装置及介质，能够结合点灯显示屏幕检测逻辑进行准确率较高的复判，能够很好的解决频繁换型和产品表面状态复杂带出的过检问题，有助于稳定检测，提升直通率，减少复判人员，降低成本，有效的实现更快更稳定地进行显示屏幕质检，且准确率高。
37、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。
本文档来自技高网...【技术保护点】
1.一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于：所述待测产品AOI检测包括以下步骤：
3.如权利要求2所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于：所述获取待测产品AOI检测结果，并对检测结果是有缺陷的图像进行裁剪以及命名包括以下步骤：
4.如权利要求3所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于：所述将裁剪后待定缺陷画面图与对应的打光图合并包括以下步骤：
5.如权利要求4所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于：所述以裁剪图像时的命名为依据来确定待合并对象包括以下步骤：
6.如权利要求1或4所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于：所述对合并图数据集进行标注以及进行AI模型训练包括以下步骤：
7.如权利要求6所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于：所述通过深度神经网络模型对合并后的图像进行复判包括以下步骤：p>
8.如权利要求7所述的一种基于图像合并的显示屏幕缺陷AI复判方法，其特征在于，还包括以下步骤：
9.一种计算机可读存储介质，其特征在于，其上存储有程序指令，所述程序指令被执行时实现如权利要求1～8任一项所述的方法。
10.一种基于图像合并的显示屏幕缺陷AI复判装置，用于实现如权利要求1至8任一项所述的方法，其特征在于：包括AOI单元、图像合并单元、AI模型训练单元、AI复判单元；其中，
...【技术特征摘要】
1.一种基于图像合并的显示屏幕缺陷ai复判方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于图像合并的显示屏幕缺陷ai复判方法，其特征在于：所述待测产品aoi检测包括以下步骤：
3.如权利要求2所述的一种基于图像合并的显示屏幕缺陷ai复判方法，其特征在于：所述获取待测产品aoi检测结果，并对检测结果是有缺陷的图像进行裁剪以及命名包括以下步骤：
4.如权利要求3所述的一种基于图像合并的显示屏幕缺陷ai复判方法，其特征在于：所述将裁剪后待定缺陷画面图与对应的打光图合并包括以下步骤：
5.如权利要求4所述的一种基于图像合并的显示屏幕缺陷ai复判方法，其特征在于：所述以裁剪图像时的命名为依据来确定待合并对象包括以下步骤：
6.如权利要...
【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，请求不公布姓名，请求不公布姓名，
申请(专利权)人：高视科技苏州股份有限公司，
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。