[發明專利]一種用于顯示面板缺陷分類的學習方法

有效

• 申請號: 201710343201.5
• 申請日: 2017-05-16
• 公開（公告）號: CN107154041B
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 呂東東;張勝森;鄧標華
• 申請（專利權）人: 武漢精測電子集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46;G06K9/62;G06K9/66
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種用于顯示面板缺陷分類的學習方法，包括：引入缺陷特征屬性描述參數及缺陷特征屬性梯度參數，其中，該缺陷特征屬性描述參數包括多種缺陷類型的特征屬性描述向量，該缺陷特征屬性梯度參數包括多種缺陷類型的特征屬性梯度范圍α及與該多種缺陷類型的特征屬性梯度范圍α一一對應的梯度系數因子；并通過調整缺陷特征屬性描述參數或缺陷特征屬性梯度參數，使得引入的缺陷特征屬性描述參數及缺陷特征屬性梯度參數能夠自動匹配顯示面板的顯示缺陷類型。本發明通過對已知缺陷類型的學習不斷完善引入缺陷特征屬性描述參數，及不斷收斂優化缺陷特征屬性梯度參數，能極大提升顯示面板的缺陷識別檢測效率和精確度。

技術領域

本發明涉及顯示面板檢測技術領域，具體涉及到一種用于顯示面板缺陷分類的學習方法。

背景技術

平面顯示器具有高分辨率、高灰度以及無幾何變形等優點，同時由于其體積小、重量輕和功耗低，因而被廣泛的應用在人們日常使用的消費電子產品中，例如電視、電腦、手機、平板等。顯示面板是平面顯示器具的主體組成部分，其制造工藝復雜，而且隨著顯示面板的尺寸越做越大，其灰度的均勻性也越來越難控制，因此在制造過程中難免會出現各種顯示缺陷，如亮點/暗點/異物亮/BL異物(背光異物)/白點/亮暗線/Mura等顯示缺陷。

目前，顯示面板產線上一般采用肉眼識別顯示缺陷數量及類型的方式對顯示面板進行等級判定，檢測效率低、誤檢率高。

發明內容

針對上述現有技術的不足，本發明公開一種用于顯示面板缺陷分類的學習方法，通過引入缺陷特征屬性描述參數及缺陷特征屬性梯度參數，并通過對已知缺陷類型的學習不斷完善引入缺陷特征屬性描述參數，及不斷收斂優化缺陷特征屬性梯度參數，使得引入的缺陷特征屬性描述參數及缺陷特征屬性梯度參數能夠自動匹配顯示面板的顯示缺陷類型，能極大提升顯示面板的缺陷識別檢測效率和精確度。

為實現上述目的，本發明提供一種用于顯示面板缺陷分類的學習方法，包括以下步驟：

1)從一已知缺陷類型的圖像中提取缺陷特征屬性向量d；

2)提供一缺陷特征屬性梯度系數集合G，該缺陷特征屬性梯度系數集合G包括該已知缺陷類型的特征屬性梯度范圍α_ij及與該特征屬性梯度范圍α_ij一一對應的梯度系數因子β_ij；將該缺陷特征屬性向量d分別代入到該特征屬性梯度范圍α_ij中，得到梯度系數因子向量β；

3)提供一缺陷特征屬性描述集合M，該缺陷特征屬性描述集合M包括多種缺陷類型的多個特征屬性描述向量m；將該梯度系數因子向量β分別與該多個特征屬性描述向量m進行卷積，生成一組卷積值；

4)若最大的卷積值對應的特征屬性描述向量的缺陷類型為該已知缺陷類型，則結束缺陷類型識別流程；

若最大的卷積值對應的特征屬性描述向量的缺陷類型不為該已知缺陷類型，則修改該已知缺陷類型的特征屬性梯度范圍α_ij及與該特征屬性梯度范圍α_ij一一對應的梯度系數因子β_ij，重復步驟1至4，直至最大的卷積值對應的特征屬性描述向量的缺陷類型為該已知缺陷類型，獲得新的該已知缺陷類型的特征屬性梯度范圍及與該特征屬性梯度范圍一一對應的梯度系數因子。

進一步地，上述技術方案采用以下公式進行卷積計算：