[發(fā)明專(zhuān)利]基于深度學(xué)習(xí)的顯示屏裂紋缺陷檢測(cè)方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202310095504.5
• 申請(qǐng)日: 2023-01-18
• 公開(kāi)（公告）號(hào): CN116152191A
• 公開(kāi)（公告）日: 2023-05-23
• 發(fā)明（設(shè)計(jì)）人: 靳松;張蓮蓮;陳晨;李韋辰;陳永超
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京兆維智能裝備有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06V10/764;G06V10/44;G06V10/82;G06V10/26;G06V10/46;G06N3/045;G06N3/0464;G06N3/08
• 代理公司: 北京輕創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11212
• 代理人: 姚曉麗

本發(fā)明涉及基于深度學(xué)習(xí)的顯示屏裂紋缺陷檢測(cè)方法、裝置及設(shè)備，該方法包括：獲取針對(duì)顯示屏的待檢測(cè)圖像；通過(guò)預(yù)訓(xùn)練的第一檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋區(qū)域；通過(guò)預(yù)訓(xùn)練的第二檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋缺陷；根據(jù)所述裂紋區(qū)域和所述裂紋缺陷，確定所述裂紋區(qū)域內(nèi)的裂紋缺陷；對(duì)所述裂紋區(qū)域內(nèi)的裂紋缺陷進(jìn)行缺陷特征分析，得到分析結(jié)果。通過(guò)本發(fā)明的方法，提供了一種處理過(guò)程簡(jiǎn)單、通用性好、圖像采集要求低且識(shí)別效果好的裂紋缺陷識(shí)別方法。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能、機(jī)器視覺(jué)、深度學(xué)習(xí)、圖像處理和模式識(shí)別技術(shù)領(lǐng)域，具體而言，本發(fā)明涉及基于深度學(xué)習(xí)的顯示屏裂紋缺陷檢測(cè)方法、裝置及設(shè)備。

背景技術(shù)

機(jī)器視覺(jué)是質(zhì)量檢測(cè)中非常常見(jiàn)的一項(xiàng)技術(shù)手段，主要通過(guò)相機(jī)對(duì)產(chǎn)品進(jìn)行拍照，然后通過(guò)圖像處理技術(shù)對(duì)產(chǎn)品圖片進(jìn)行分析，從而檢測(cè)產(chǎn)品是否存在缺陷。目前，基于機(jī)器視覺(jué)的外觀缺陷方法已廣泛取代人工視覺(jué)檢測(cè)，應(yīng)用于各個(gè)工業(yè)領(lǐng)域。傳統(tǒng)的基于機(jī)器視覺(jué)的外觀缺陷檢測(cè)方法通常使用傳統(tǒng)的圖像處理算法或人工設(shè)計(jì)的缺陷特征加分類(lèi)器來(lái)對(duì)外觀缺陷進(jìn)行檢測(cè)和識(shí)別。

基于傳統(tǒng)的圖像處理算法的外觀缺陷檢測(cè)通常包括直方圖均衡化、濾波去噪、灰度二值化等，以得前景背景分離的簡(jiǎn)單化圖像信息；隨后利用數(shù)學(xué)形態(tài)學(xué)、傅里葉變換、Gabor變換等算法以及機(jī)器學(xué)習(xí)模型完成缺陷的標(biāo)記與檢測(cè)。

上述傳統(tǒng)算法在某些特定的應(yīng)用中已經(jīng)取得了較好的效果，但仍然存在許多不足。例如：圖像預(yù)處理步驟繁多且具有強(qiáng)烈的針對(duì)性，算法迭代速度慢，通用性差；需要專(zhuān)業(yè)性很強(qiáng)的算法研發(fā)人員對(duì)特定的缺陷進(jìn)行人工特征提取，研發(fā)成本高；對(duì)采圖條件要求高，例如：光線條件變化、圖像尺寸和分辨率，圖像是否存在旋轉(zhuǎn)變形。

因此，現(xiàn)有技術(shù)中，亟需一種處理過(guò)程簡(jiǎn)單、通用性好、圖像采集要求低且識(shí)別效果好的裂紋缺陷識(shí)別方法。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是提供了基于深度學(xué)習(xí)的顯示屏裂紋缺陷檢測(cè)方法、裝置及設(shè)備，旨在解決上述至少一個(gè)技術(shù)問(wèn)題。

本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：基于深度學(xué)習(xí)的顯示屏裂紋缺陷檢測(cè)方法，該方法包括：

獲取針對(duì)顯示屏的待檢測(cè)圖像，所述待檢測(cè)圖像是在所述顯示屏的畫(huà)面是黑畫(huà)面的情況下所拍攝的包括裂紋圖像；

通過(guò)預(yù)訓(xùn)練的第一檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋區(qū)域；

通過(guò)預(yù)訓(xùn)練的第二檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋缺陷；

根據(jù)所述裂紋區(qū)域和所述裂紋缺陷，確定所述裂紋區(qū)域內(nèi)的裂紋缺陷；

對(duì)所述裂紋區(qū)域內(nèi)的裂紋缺陷進(jìn)行缺陷特征分析，得到分析結(jié)果。

本發(fā)明的有益效果是：對(duì)于需要檢測(cè)裂紋缺陷的待檢測(cè)圖像，其中，對(duì)待檢測(cè)圖像的采集無(wú)特殊要求，可先通過(guò)第一檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋區(qū)域，再通過(guò)第二檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋缺陷，然后根據(jù)所述裂紋區(qū)域和所述裂紋缺陷，確定所述裂紋區(qū)域內(nèi)的裂紋缺陷，這樣可以防止非感興趣區(qū)域(非裂紋區(qū)域)內(nèi)，裂紋缺陷誤檢的問(wèn)題，另外，結(jié)合傳統(tǒng)的圖像處理方法，對(duì)裂紋區(qū)域內(nèi)的裂紋缺陷進(jìn)行缺陷特征分析，可以實(shí)現(xiàn)對(duì)圖像特征的定量分析，得到一種處理過(guò)程簡(jiǎn)單、通用性好、圖像采集要求低且識(shí)別效果好的裂紋缺陷識(shí)別方法。

在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

進(jìn)一步，上述通過(guò)預(yù)訓(xùn)練的第一檢測(cè)模型，識(shí)別出所述待檢測(cè)圖像中的裂紋區(qū)域之前，還包括：

對(duì)所述待檢測(cè)圖像進(jìn)行對(duì)比度增強(qiáng)處理，得到處理后的圖像；

上述通過(guò)預(yù)訓(xùn)練的第一檢測(cè)模型識(shí)別出所述待檢測(cè)圖像中的裂紋區(qū)域，包括：

通過(guò)預(yù)訓(xùn)練的第一檢測(cè)模型，識(shí)別出所述處理后的圖像中的裂紋區(qū)域；