[發明專利]基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法

在審

• 申請號: 202110546728.4
• 申請日: 2021-05-19
• 公開（公告）號: CN113298765A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 吳宗澤;潘嘉偉;任志剛;曾德宇
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/40;G06T7/10;G06T9/00;G06N3/08;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，包括以下步驟：

S1：收集玻璃面板表面缺陷樣本；

S2：對步驟S1收集到的樣本進行圖像處理；

S3：利用經步驟S2處理后的樣本訓練深度學習神經網絡模型，得到訓練好的深度學習神經網絡模型，用于識別玻璃面板表面缺陷；

S4：利用訓練好的深度學習神經網絡模型進行玻璃面板表面缺陷檢測。

2.根據權利要求1所述的基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，所述步驟S1中收集玻璃面板表面缺陷樣本為同一拍攝視角拍攝，且樣本中缺陷區域為正樣本，非缺陷區域為負樣本。

3.根據權利要求2所述的基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，步驟S2中所述圖像處理包括以下步驟：

S2.1：對同一樣本進行多次疊加；

S2.2：對多次疊加后的樣本進行像素級別的標注處理，標注的標簽還需進行灰度化，非缺陷灰度值為0，缺陷灰度值為1；

S2.3：對標注處理后的樣本進行統一縮放處理；

S2.4：對統一縮放處理后的樣本進行圖像增廣處理。

4.根據權利要求3所述的基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，步驟S2.1中所述對同一樣本進行多次疊加，具體為：

令原樣本為image，多次疊加后的圖像為result，疊加次數為N，則有：

5.根據權利要求4所述的基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，步驟S2.3中所述對標注處理后的樣本進行統一縮放處理，具體為：

將樣本統一縮放成1024*1024像素大小。

6.根據權利要求5所述的基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，步驟S2.4中所述對統一縮放處理后的樣本進行圖像增廣處理，具體為：

首先對圖片進行切分處理，把1024*1024大小的樣本切分成224*224大小的樣本，然后對切分后的樣本分別進行水平翻轉，垂直翻轉，逆時針90°、180°、270°翻轉。

7.根據權利要求6所述的基于圖像處理及深度學習的玻璃面板表面缺陷檢測方法，其特征在于，步驟S3中所述深度學習神經網絡模型為基于EfficientNet的UNet模型，以醫學圖像分割模型UNet為基礎框架，使用EfficientNet取代UNet原有的卷積層。