[发明专利]一种面板缺陷分类模型的建立方法及面板缺陷分类方法在审
申请号: | 202110295284.1 | 申请日: | 2021-03-19 |
公开(公告)号: | CN113205110A | 公开(公告)日: | 2021-08-03 |
发明(设计)人: | 王绍凯;童光红;刘正君;谭久彬 | 申请(专利权)人: | 哈工大机器人(中山)无人装备与人工智能研究院 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/46;G06T7/00;G06T7/73 |
代理公司: | 北京隆源天恒知识产权代理事务所(普通合伙) 11473 | 代理人: | 徐苏明 |
地址: | 528400 广东省中山市翠亨新区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面板 缺陷 分类 模型 建立 方法 | ||
1.一种面板缺陷分类模型的建立方法,其特征在于,包括:
获取缺陷数据集,其中,所述缺陷数据集为包含面板缺陷的样本图片;
根据所述缺陷数据集确定增广数据集;
从所述增广数据集提取特征语义信息;
根据所述特征语义信息确定融合语义信息;
根据所述融合语义信息确定特征矩阵;
根据所述特征矩阵确定所述面板缺陷的位置和类别;
将所述缺陷数据集作为模型输入,以及将所述面板缺陷的位置和类别作为模型输出建立面板缺陷分类模型。
2.根据权利要求1所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述缺陷数据集确定增广数据集包括:
从所述缺陷数据集任意选取两张原始缺陷图片,将两张所述原始缺陷图片按预设权重进行融合后加上偏差,生成新缺陷图片以确定所述增广数据集。
3.根据权利要求1所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述缺陷数据集确定增广数据集包括:
从所述缺陷数据集任意选取两张原始缺陷图片,获取其中一张所述原始缺陷图片的位置区域,将所述位置区域与另一张所述原始缺陷图片融合,形成新缺陷图片以确定所述增广数据集。
4.根据权利要求1所述的面板缺陷分类模型的建立方法,其特征在于,所述从所述增广数据集提取特征语义信息包括:
从所述增广数据集提取不同尺度的所述特征语义信息。
5.根据权利要求4所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述特征语义信息确定融合语义信息包括:
将所述特征语义信息中的低层特征语义信息与中层特征语义信息、高层特征语义信息融合,以确定不同尺度的所述融合语义信息。
6.根据权利要求1所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述融合语义信息确定特征矩阵包括:
采用编码器将所述融合语义信息转换为所述特征矩阵。
7.根据权利要求1所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述特征矩阵确定所述面板缺陷的位置和类别包括:
对所述特征矩阵进行聚类确定所述面板缺陷的类型,以及对所述特征矩阵进行回归得到所述面板缺陷的位置。
8.根据权利要求7所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述特征矩阵确定所述面板缺陷的位置和类别还包括:
对所述面板缺陷的类型和所述面板缺陷的位置进行筛选以筛除多余信息。
9.根据权利要求1所述的面板缺陷分类模型的建立方法,其特征在于,所述根据所述特征矩阵确定所述面板缺陷的位置和类别包括:
将所述特征矩阵还原为满足预设对比度的图片,根据所述图片确定所述面板缺陷的类型和位置。
10.一种面板缺陷分类方法,其特征在于,包括:
初检分类阶段和复检分类阶段;
所述初检分类阶段包括:
通过线扫系统扫描显示面板,获取待分类面板图像;
采用线扫算法确定所述待分类面板图像的各类缺陷,并确定各类缺陷的缺陷评价结果;
所述复检分类阶段包括:
根据预先获取的缺陷评价结果确定需复检类面板缺陷,将所述待分类面板图像输入如权利要求1至9任一项所述面板缺陷分类模型的建立方法建立的面板缺陷分类模型,确定所述需复检类面板缺陷的位置和类别,以完成所述需复检类面板缺陷的分类。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈工大机器人(中山)无人装备与人工智能研究院,未经哈工大机器人(中山)无人装备与人工智能研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110295284.1/1.html,转载请声明来源钻瓜专利网。