[發明專利]基于卷積神經網絡的輕量級TFT-LCD模組劃痕檢測方法

有效

• 申請號: 201811510843.0
• 申請日: 2018-12-11
• 公開（公告）號: CN109712117B
• 公開（公告）日: 2022-10-11
• 發明（設計）人: 張炎;孔令峰;胡宗亮;詹慧妹;謝濤
• 申請（專利權）人: 重慶信息通信研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G01N21/88
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.基于卷積神經網絡的輕量級TFT-LCD模組劃痕檢測方法，其特征在于：該方法包括以下步驟：

S1：建立深度學習模型；

S2：通過相機采集圖像；

S3：圖像仿射校正為矩形；

S4：圖像去紋理；

S5：圖像標準化；

S6：輸入CNN檢測網絡；

S7：輸出檢測結果；

所述神經網絡為15層神經網絡；其中Res_block1-Res_block5是擴張系數為3的MobileV2結構；所述MobileV2滿足以下特征：

（1）使用擴張系數為3的1×1卷積核，以正常的點卷積的方式進行通道融合；

（2）再使用尺寸為3×3的卷積核進行非跨通道的深度卷積；

（3）最后再次使用1×1卷積核以點卷積的方式進行跨通道融合，并將特征圖數量壓縮到與輸入特征圖數量一致；

（4）為防止特征被破壞，最后一層棄用Relu激活函數，而是采用Linear函數；

在該擴張系數下，網絡能以較少的參數量達到很高的檢測正確率；Mobile_block6-Mobile_block11為MobileV1結構，所述MobileV1滿足以下特征：

（1）先使用尺寸為3×3的卷積核進行非跨通道的深度卷積；

（2）再次使用1×1卷積核以點卷積的方式進行跨通道融合；

主干網絡以步長為2的正常卷積代替尺寸為2×2的池化層，使用BN層代替Dropout層，不采用全連接層；監測網絡分為缺陷分類與位置回歸兩部分，檢測與回歸在主干網絡的Res_block5-Mobile_block8層，檢測算法使用的是SSD網絡中設置Anchors的方式；通過采集大量劃傷樣本，對缺陷特征的聚類，認為 anchors的ratio值設置為[1. , 2. , 0.5]最佳；網絡的最后一層使用softmax函數進行分類，保證一個anchor只能檢測一個缺陷；損失函數即SSD網絡的標準損失函數，并對其進行L2正則化以增加其泛化性。

2.根據權利要求1所述的基于卷積神經網絡的輕量級TFT-LCD模組劃痕檢測方法，其特征在于：所述采集圖像為8位或32位灰度圖。

3.根據權利要求1所述的基于卷積神經網絡的輕量級TFT-LCD模組劃痕檢測方法，其特征在于：所述深度學習模型采用SSD檢測網絡結構；其訓練樣本圖為200張，200張訓練樣本圖包含800個缺陷區域；所述深度學習模型的需要在預訓練模型（Pretrain_model）上進行遷移學習。

4.根據權利要求1所述的基于卷積神經網絡的輕量級TFT-LCD模組劃痕檢測方法，其特征在于：所述深度學習模型采用MobileV1與MobileV2的block結構。