[發明專利]一種基于學習的顯示屏缺陷智能檢測方法及裝置

有效

• 申請號: 201811024270.0
• 申請日: 2018-09-04
• 公開（公告）號: CN109146873B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 時廣軍;姚毅;馬增婷;路建偉
• 申請（專利權）人: 凌云光技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種基于學習的顯示屏缺陷智能檢測方法，其特征在于，所述方法包括：

獲取屏幕的待檢測圖像；

根據預設網絡參數，確定所述待檢測圖像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷區域和對應的可疑缺陷類型；

根據所述可疑缺陷信息，提取缺陷特征數值；

根據所述缺陷特征數值，確定最終檢測結果，所述最終檢測結果至少包括：可疑缺陷信息判定結果和所述可疑缺陷信息；

匯總全部所述最終檢測結果為結果集合；

隨機抽取所述結果集合中所述最終檢測結果為抽檢樣本，并重新檢測所述抽檢樣本，確定檢測結果與所述最終檢測結果不同的結果為待反饋結果；

反饋所述待反饋結果，根據所述待反饋結果學習并生成下一預設網絡參數；

根據所述下一預設網絡參數，更新所述預設網絡參數，并根據更新后的預設網絡參數，檢測下一待檢測圖像；

所述反饋所述待反饋結果，根據所述待反饋結果學習并生成下一預設網絡參數的具體步驟包括：

按照預設尺寸，提取所述待反饋結果中所述抽檢樣本檢測結果中的缺陷圖像，作為缺陷樣本圖像；

標注所述缺陷樣本圖像中的缺陷區域；

根據標注結果，生成標注文件；

利用訓練框架軟件和深度學習分割網絡，學習所述標注文件并生成下一缺陷提取網絡參數。

2.根據權利要求1所述的檢測方法，其特征在于，所述根據所述缺陷特征數值，確定最終檢測結果的具體步驟包括：

對比所述缺陷特征數值與預設特征缺陷數值；

確定大于所述預設特征缺陷數值的所述缺陷特征數值所對應的所述可疑缺陷區域為機檢缺陷；

確定小于或者等于所述預設特征缺陷數值的所述缺陷特征數值所對應的所述可疑缺陷為排疑缺陷；

確定判斷結果為最終檢測結果。

3.根據權利要求1所述的檢測方法，其特征在于，所述匯總全部所述最終檢測結果為結果集合的具體步驟包括：

標記并編號所述最終檢測結果；

匯總全部所述編號為結果集合，所述結果集合包括：所述編號與所述最終檢測結果的對應關系以及所述編號對應的最終檢測結果。

4.根據權利要求3所述的檢測方法，其特征在于，所述隨機抽取所述結果集合中的所述最終檢測結果為抽檢樣本的具體步驟包括：

隨機抽取所述編號；

按照所述編號與所述最終檢測結果的對應關系，獲取相應的所述最終檢測結果和所述最終檢測結果對應的所述可疑缺陷區域；

確定所述可疑缺陷區域為抽檢樣本。

5.根據權利要求1所述的檢測方法，其特征在于，所述根據所述下一預設網絡參數，更新所述預設網絡參數的具體步驟包括：

提取并剔除所述預設網絡參數中的缺陷提取網絡參數部分；

更新所述下一缺陷提取網絡參數至所述預設網絡參數，形成下一預設網絡參數。

6.根據權利要求1所述的檢測方法，其特征在于，所述反饋所述待反饋結果，根據所述待反饋結果學習并生成下一預設網絡參數的具體步驟包括：

獲取并匯總所述待反饋結果中所述抽檢樣本對應的檢測結果中的缺陷特征數值和最終檢測結果中的缺陷特征數值，得到匯總數據；

利用訓練框架軟件和深度學習網絡結構，學習所述匯總數據，生成下一缺陷分析網絡參數。

7.根據權利要求6所述的檢測方法，其特征在于，所述根據所述下一預設網絡參數，更新所述預設網絡參數的具體步驟包括：

提取并剔除所述預設網絡參數中的缺陷分析網絡參數部分；

更新所述下一缺陷分析網絡參數至所述預設網絡參數，形成下一預設網絡參數。

8.一種基于學習的顯示屏缺陷智能檢測裝置，其特征在于，所述裝置包括：

圖像獲取單元，用于獲取屏幕的待檢測圖像；

可疑缺陷信息確定單元，用于根據預設網絡參數，確定所述待檢測圖像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷區域和對應的可疑缺陷類型；

特征值提取單元，用于根據所述可疑缺陷信息，提取缺陷特征數值；

最終檢測結果確定單元，用于根據所述缺陷特征數值，確定最終檢測結果，所述最終檢測結果至少包括：可疑缺陷信息判定結果和所述可疑缺陷信息；

匯總單元，用于匯總全部所述最終檢測結果為結果集合；

待反饋結果確定單元；隨機抽取所述結果集合中的所述最終檢測結果為抽檢樣本，并重新檢測所述抽檢樣本，確定檢測結果與所述最終檢測結果不同的結果為待反饋結果；

結果反饋單元，用于反饋所述待反饋結果，根據所述待反饋結果學習并生成下一預設網絡參數；

網絡參數更新單元，用于根據所述下一預設網絡參數，更新所述預設網絡參數，并根據更新后的預設網絡參數，檢測下一待檢測圖像；

所述裝置還包括：缺陷樣本圖像提取單元，用于按照預設尺寸，提取所述待反饋結果中所述抽檢樣本檢測結果中的缺陷圖像，作為缺陷樣本圖像；標注單元，用于標注所述缺陷樣本圖像中的缺陷區域；文件生成單元，用于根據標注結果，生成標注文件；學習訓練單元，用于利用訓練框架軟件和深度學習分割網絡，學習所述標注文件并生成下一缺陷提取網絡參數。