[發明專利]一種用于液晶屏的導電粒子缺陷檢測的深度學習算法

在審

• 申請號: 202110332793.7
• 申請日: 2021-03-29
• 公開（公告）號: CN113012139A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 高飛;高小冬
• 申請（專利權）人: 南京奧縱智能科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津垠坤知識產權代理有限公司 12248
• 代理人: 王忠瑋

1.一種用于液晶屏的導電粒子缺陷檢測的深度學習算法，其特征在于，包括如下步驟：

第一步：收集帶缺陷的粒子圖像；

第二步：標注缺陷圖像；

第三步：設置訓練的參數，修改卷積神經網絡的層和結點；

第四步：預測目標圖像所包含的缺陷，實現缺陷的有效識別。

2.根據權利要求1所述的一種用于液晶屏的導電粒子缺陷檢測的深度學習算法，其特征在于，第一步的具體步驟包括：采用定位的面陣相機和xyq的三自由度對位平臺，采樣相機采用線陣攝像頭。

3.根據權利要求1所述的一種用于液晶屏的導電粒子缺陷檢測的深度學習算法，其特征在于，第二步使用labelme軟件對收集的缺陷特征圖像進行標注，生成對應圖像的缺陷特征區域。

4.根據權利要求3所述的一種用于液晶屏的導電粒子缺陷檢測的深度學習算法，其特征在于，對于細微表面粒子的缺陷特征，對表面缺陷特征采用亞像素級上采樣，采用雙線性內插法增大圖像缺陷的特征區域。

5.根據權利要求1所述的一種用于液晶屏的導電粒子缺陷檢測的深度學習算法，其特征在于，第三步的具體步驟包括：使用6層卷積結構進行上采樣，收集每一次采樣后的圖像特征區域，提取特征區域的缺陷，建立缺陷模型，然后映射到原始圖像的對應區域，在相同的層上使用殘差網絡進行相加，并把所有的特征區域resize到同樣的大小進行訓練學習，使用每個階段的最后一個殘差結構的特征激活輸出，將這些殘差模塊輸出表示為{C2，C3，C4，C5，C6}，對應于conv2，conv3，conv4，conv5和conv6的輸出，它們相對于輸入圖像具有{4，8，16，32，64}像素的步長。

6.根據權利要求1所述的一種用于液晶屏的導電粒子缺陷檢測的深度學習算法，其特征在于，第四步的具體步驟包括：使用訓練好的權重文件和配置文件對目標圖像進行預測，實現缺陷的有效識別。