【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于特征协调过滤的显示屏缺陷检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、显示屏作为现代电子产品的核心组件，其质量直接关系到用户体验和产品声誉；显示屏上的任何微小缺陷都可能成为影响消费者满意度的关键因素。因此，对显示屏进行缺陷检测变得尤为重要。
3、目前，显示屏的缺陷检测面临多重挑战，包括缺陷类型之间差异大，缺陷位置和类型的不确定性、缺陷尺寸变化大、微小目标难检测等，而人工检测的低效率和高成本也制约了生产流程的优化。深度学习技术通过自动化学习图像特征，显著提高了缺陷检测的精度和效率。深度学习模型能够处理高维度的图像数据，识别出传统方法难以察觉的微小缺陷，同时具有强大的适应性和实时性，能够满足生产线对检测速度的需求；但是，在实施缺陷检测任务时，当前的深度学习方法也面临一系列挑战：
4、(1)显示屏缺陷形状多样、不同类型的缺陷差异大，导致通用检测器难以检测多种缺陷类型；
5、(2)显示屏不同...
【技术保护点】
1.一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，包括：
2.如权利要求1中所述的一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，所述缺陷特征提取网络还包括特征合成模块和特征关注模块；基于所述特征合成模块捕捉所述图像压缩特征中的细节特征，得到多尺度融合特征；通过所述特征关注模块对多尺度融合特征不同层之间缺陷特征的传递以及增强，抑制背景噪声的干扰，得到缺陷感知特征。
3.如权利要求1中所述的一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，在所述层次交互网络中进行缺陷感知特征的多层次特征融合，捕捉缺陷的局部细节和全局特征，得到多...
【技术特征摘要】
1.一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，包括：
2.如权利要求1中所述的一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，所述缺陷特征提取网络还包括特征合成模块和特征关注模块；基于所述特征合成模块捕捉所述图像压缩特征中的细节特征，得到多尺度融合特征；通过所述特征关注模块对多尺度融合特征不同层之间缺陷特征的传递以及增强，抑制背景噪声的干扰，得到缺陷感知特征。
3.如权利要求1中所述的一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，在所述层次交互网络中进行缺陷感知特征的多层次特征融合，捕捉缺陷的局部细节和全局特征，得到多层交互特征，捕捉所得到的多层交互特征的不同尺度下的细节特征，得到缺陷融合特征。
4.如权利要求1中所述的一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，在所述协调过滤模块的作用下协调所述缺陷融合特征在不同尺度和方向上进行卷积操作，过滤缺陷融合特征中的冗余特征，抑制冲突信息，得到缺陷过滤特征。
5.如权利要求1中所述的一种基于特征协调过滤的显示屏缺陷检测方法，其特征在于，对缺陷过滤特征进行缺陷检测的过程中，将缺陷过滤特征输入...
【专利技术属性】
技术研发人员：李刚，李敏，周鸣乐，韩德隆，万金，高远，李佳宸，赵世龙，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
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。