【技术实现步骤摘要】
本申请涉及mura缺陷检测，尤其涉及一种基于条件生成对抗网络的mura缺陷分类方法及相关设备。
技术介绍
1、aoi（automated optical inspection，自动光学检测）技术在电子制造和精密机械等多个领域得到了广泛应用，aoi技术是通过高精度相机捕捉产品图像，并利用图像处理算法自动检测产品表面的缺陷，从而可极大提高产品质量。尤其是基于深度学习的aoi缺陷检测系统，aoi缺陷检测系统的特征学习能力和高维空间特征映射能力，能够显著提升缺陷检测的准确性和效率。
2、基于深度学习的aoi缺陷检测系统能自动学习并提取缺陷特征，通过高维空间特征映射显著提升检测设备对缺陷图像的识别能力。但尽管基于深度学习的aoi缺陷检测系统提高了检测能力，但在一些特定的工业应用中，如显示屏mura缺陷检测中，mura缺陷具有对比度低、形态不规则、亮度不均匀、面积跨度大等特点，从而导致现有算法难以兼容mura缺陷的多形态特征，且部分mura缺陷可能罕见或未见，由于未有大量且对应的样本对深度学习模型进行训练，导致现有深度学习模型通用性较差...
【技术保护点】
1.一种基于条件生成对抗网络的Mura缺陷分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于条件生成对抗网络的Mura缺陷分类方法，其特征在于，固定所述生成器的参数，并根据所述第一输入数据对所述判别器进行训练，以获取所述判别器的更新参数包括：
3.根据权利要求1所述的基于条件生成对抗网络的Mura缺陷分类方法，其特征在于，在确定所述判别器更新完成后，固定所述判别器的参数，并根据所述第二输入数据对所述生成器进行训练，以获取所述生成器的更新参数包括：
4.根据权利要求1所述的基于条件生成对抗网络的Mura缺陷分类方法，其...
【技术特征摘要】
1.一种基于条件生成对抗网络的mura缺陷分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于条件生成对抗网络的mura缺陷分类方法，其特征在于，固定所述生成器的参数，并根据所述第一输入数据对所述判别器进行训练，以获取所述判别器的更新参数包括：
3.根据权利要求1所述的基于条件生成对抗网络的mura缺陷分类方法，其特征在于，在确定所述判别器更新完成后，固定所述判别器的参数，并根据所述第二输入数据对所述生成器进行训练，以获取所述生成器的更新参数包括：
4.根据权利要求1所述的基于条件生成对抗网络的mura缺陷分类方法，其特征在于，定义所述生成器的第一输入数据和所述判别器的第二输入数据，包括：
5.根据权利要求1所述的基于条件生成对抗网络的mura缺陷分类方法，其特征在于，...
【专利技术属性】
技术研发人员：郭正华，杨硕，罕方平，
申请(专利权)人：深圳精智达技术股份有限公司，
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。