一种MiniLED缺陷检测方法、电子设备、介质技术

本发明专利技术公开了一种MiniLED缺陷检测方法、电子设备、介质，包括：获取有缺陷的MiniLED图像，并对其关键位置和类别进行标注，作为训练集；构建并训练缺陷检测模型；缺陷检测模型包括：对MiniLED图像进行特征提取，经多尺度特征层处理后，得到第一、第二、第三尺度特征；对第一、第二、第三尺度特征进行特征对齐、全局信息融合处理，得到全局融合信息；对全局融合信息进行分解，得到第一、第二融合信息；第一融合信息经细节增强处理后与第一尺度特征拼接，输出第一预测结果；第二融合信息经空间交叉处理后与第二尺度特征拼接，输出第二预测结果；将第三尺度特征直接输出，作为第三预测结果；将待检测的MiniLED图像输入至原先训练好的缺陷检测模型中，得到缺陷检测结果。

【技术实现步骤摘要】

本专利技术属于图像处理领域，尤其涉及一种miniled缺陷检测方法、电子设备、介质。

技术介绍

1、miniled作为具有广泛应用前景的新型发光器件，在显示技术、医疗和通信等行业需求巨大。为保证产品寿命和使用体验，高质量的miniled必须无缺陷，因此，缺陷检测成为至关重要的环节。传统的人工检测方法存在判断标准不一致、检测效率低、人力资源成本高等弊端，这些弊端限制了其在大规模工业检测中的可靠性。同时，一些复杂和微小的缺陷，很难被人眼准确地检测出来，无法达到高精度的要求。

2、近年来，研究者对基于神经网络的深度学习检测算法进行广泛研究，逐步将目标检测模型从以rcnn、fast rcnn为代表的两阶段模型发展为速度更快的一阶段模型。单级检测模型，特别是yolo系列，由于其结构简单、运算效率高等特点，受到工业界的广泛欢迎。然而，直接将现阶段的yolo方法运用到miniled检测中，仍存在以下不足：

3、(1)复杂的生产工艺导致miniled的缺陷种类繁多，缺陷具有形态各异、纹理信息复杂的特点。在检测过程中，同一类缺陷内存在形态差异，且位置本文档来自技高网...

【技术保护点】

1.一种MiniLED缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种MiniLED缺陷检测方法，其特征在于，MiniLED图像中的缺陷的类别包括：异物、污渍、漏固、固歪和固偏。

3.根据权利要求1所述的一种MiniLED缺陷检测方法，其特征在于，全局信息融合处理的表达式如下：

4.根据权利要求1所述的一种MiniLED缺陷检测方法，其特征在于，细节增强处理的表达式如下：

5.根据权利要求1所述的一种MiniLED缺陷检测方法，其特征在于，空间交叉处理的表达式如下：

6.根据权利要求1所述的一种MiniLE...

【技术特征摘要】

1.一种miniled缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种miniled缺陷检测方法，其特征在于，miniled图像中的缺陷的类别包括：异物、污渍、漏固、固歪和固偏。

3.根据权利要求1所述的一种miniled缺陷检测方法，其特征在于，全局信息融合处理的表达式如下：

4.根据权利要求1所述的一种miniled缺陷检测方法，其特征在于，细节增强处理的表达式如下：

5.根据权利要求1所述的一种miniled缺陷检测方法，其特征在于，空间交叉处理的表达式如下：

6.根据权利要求1所述的一种miniled缺陷检测方法，其特征在于，所述损失函数的表达式如下：

7.根据权...

【专利技术属性】
技术研发人员：刘妹琴，马卓佳，张森林，郑荣濠，董山玲，
申请(专利权)人：浙江大学，
类型：发明
国别省市：