【技术实现步骤摘要】
本申请实施例涉及显示屏检测领域，尤其涉及一种显示屏单分类异常检测的方法、装置及存储介质。
技术介绍
1、随着工业的发展，显示屏的表面缺陷检测和异常检测已成为工业领域中的一个热门研究方向。传统的表面异常检测方法依赖合格专家进行手工操作，然而这种方式不仅效率低下，而且高度依赖操作人员的主观判断，难以保证检测的准确性。为此现有技术中结合工业生产线的自动化异常检测设备，以使得能够确保产品质量，降低人工测试成本，并显著提高生产效率。随着计算机图像处理技术的快速发展，许多先进算法已被广泛应用于显示屏物料异常检测领域，极大地提升了检测的准确性。近年来，深度学习也被广泛应用于显示屏物料异常检测，并取得了显著成果。
2、随着显示屏的更新迭代，新型显示屏的功能性越来越强大，其结构上也逐渐复杂精密，例如：折叠屏、柔性屏、拼接屏等，以及多个内设微电路层的显示屏等，并且当前在显示屏的研发过程中，倾向于多种精密结构精密结合，这就使得新型显示屏的缺陷的复杂程度提高，新型缺陷的特征肉眼更难以察觉，以至于更难以检出。现如今，基于深度学习的算法在众多新型显示屏...
【技术保护点】
1.一种显示屏单分类异常检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述通过深度特征、所述多分类头、多分类损失函数和子类别分类目标联合训练单分类检测模型中的特征提取器、两个分类头和子类别伪标签的步骤之后，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，在所述根据一致性损失对所述单分类检测模型进行新场景适用参数更新的步骤之后，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述新型显示屏为折叠区域内设微电路层的折叠屏，所述单分类检测模型为折叠屏单分类检测模型，所述无标签图像为生产...
【技术特征摘要】
1.一种显示屏单分类异常检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在所述通过深度特征、所述多分类头、多分类损失函数和子类别分类目标联合训练单分类检测模型中的特征提取器、两个分类头和子类别伪标签的步骤之后，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，在所述根据一致性损失对所述单分类检测模型进行新场景适用参数更新的步骤之后，所述方法还包括：
4.根据权利要求2所述的方法，其特征在于，所述新型显示屏为折叠区域内设微电路层的折叠屏，所述单分类检测模型为折叠屏单分类检测模型，所述无标签图像为生产线上折叠屏的折叠区域的实时拍摄图像；
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述获取新型显示屏的标注有单类别标签的训练图像，将所述训...
【专利技术属性】
技术研发人员：罗海凡，杨硕，
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。