[發明專利]一種面板缺陷分類模型的建立方法及面板缺陷分類方法

在審

• 申請號: 202110295284.1
• 申請日: 2021-03-19
• 公開（公告）號: CN113205110A
• 公開（公告）日: 2021-08-03
• 發明（設計）人: 王紹凱;童光紅;劉正君;譚久彬
• 申請（專利權）人: 哈工大機器人（中山）無人裝備與人工智能研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06T7/00;G06T7/73
• 代理公司: 北京隆源天恒知識產權代理事務所(普通合伙) 11473
• 代理人: 徐蘇明

本發明提供了一種面板缺陷分類模型的建立方法及面板缺陷分類方法，涉及面板缺陷檢測技術領域。本發明所述的面板缺陷分類模型的建立方法，包括：獲取缺陷數據集；根據所述缺陷數據集確定增廣數據集；從所述增廣數據集提取特征語義信息；根據所述特征語義信息確定融合語義信息；根據所述融合語義信息確定特征矩陣；根據所述特征矩陣確定所述面板缺陷的位置和類別；將所述缺陷數據集作為模型輸入，以及將所述面板缺陷的位置和類別作為模型輸出建立面板缺陷分類模型。本發明所述的技術方案，通過對包含面板缺陷的缺陷數據集進行數據增廣確定的增廣數據集作為卷積神經網絡的輸入，使得卷積神經網絡在訓練中更快收斂，有利于提高面板缺陷分類的準確性。

技術領域

本發明涉及面板缺陷檢測技術領域，具體而言，涉及一種面板缺陷分類模型的建立方法及面板缺陷分類方法。

背景技術

隨著面板行業的現代化發展需求，面板的良品率以及次品壞區域是否可以修復等問題無論是對于降低企業成本，還是提升生產工業的智能化水平顯得尤為必要。因此需要對面板進行光學檢測，檢測面板是否存在缺陷，以及缺陷為何種類型，以此保證面板產品出廠的良品率。

現有技術中，卷積神經網絡已經被應用到缺陷分類中，通常使用大量卷積層來抽取特征信息，在最后卷積層輸出的高層特征語義信息上，使用全連接層完成缺陷類別輸出。該方法雖然使用范圍較廣，但是通常只能輸出缺陷類型信息，不能得到其它信息，而且一張圖像只能輸出一個類別，如果圖像存在多種類型缺陷，則會影響最終面板缺陷分類的準確性。

發明內容

本發明解決的問題是如何提高面板缺陷分類的準確性。

為解決上述問題，本發明提供一種面板缺陷分類模型的建立方法，包括：獲取缺陷數據集，其中，所述缺陷數據集為包含面板缺陷的樣本圖片；根據所述缺陷數據集確定增廣數據集；從所述增廣數據集提取特征語義信息；根據所述特征語義信息確定融合語義信息；根據所述融合語義信息確定特征矩陣；根據所述特征矩陣確定所述面板缺陷的位置和類別；將所述缺陷數據集作為模型輸入，以及將所述面板缺陷的位置和類別作為模型輸出建立面板缺陷分類模型。

本發明所述的面板缺陷分類模型的建立方法，通過對包含面板缺陷的缺陷數據集進行數據增廣確定的增廣數據集作為卷積神經網絡的輸入，使得卷積神經網絡在訓練中更快收斂，從而提升網絡的性能，有利于提高面板缺陷分類的準確性。

可選地，所述根據所述缺陷數據集確定增廣數據集包括：從所述缺陷數據集任意選取兩張原始缺陷圖片，將兩張所述原始缺陷圖片按預設權重進行融合后加上偏差，生成新缺陷圖片以確定所述增廣數據集。

本發明所述的面板缺陷分類模型的建立方法，通過兩張原始缺陷圖片按預設權重進行融合后加上偏差，生成新缺陷圖片以確定增廣數據集，從而提高增廣數據集中缺陷的準確性，進而有利于提高面板缺陷分類的準確性。

可選地，所述根據所述缺陷數據集確定增廣數據集包括：從所述缺陷數據集任意選取兩張原始缺陷圖片，獲取其中一張所述原始缺陷圖片的位置區域，將所述位置區域與另一張所述原始缺陷圖片融合，形成新缺陷圖片以確定所述增廣數據集。

本發明所述的面板缺陷分類模型的建立方法，通過將一張原始缺陷圖片的位置區域與另一張原始缺陷圖片融合來形成新缺陷圖片，從而提高增廣數據集中缺陷的準確性，進而有利于提高面板缺陷分類的準確性。

可選地，所述從所述增廣數據集提取特征語義信息包括：從所述增廣數據集提取不同尺度的所述特征語義信息。

本發明所述的面板缺陷分類模型的建立方法，通過從增廣數據集提取不同尺度的特征語義信息，由于不同層包含的缺陷原始信息不一致，利用多層信息能夠更好表達缺陷，進而有利于提高面板缺陷分類的準確性。

可選地，所述根據所述特征語義信息確定融合語義信息包括：將所述特征語義信息中的低層信息與中層特征語義信息、高層特征語義信息融合，以確定不同尺度的所述融合語義信息。