[发明专利]缺陷识别方法、装置、计算机设备及计算机可读存储介质

权利要求书

1.一种缺陷识别方法，其特征在于，用于识别OLED面板的缺陷，所述方法包括：

获取待检测OLED面板的初始图片，并将所述初始图片输入预先训练的缺陷识别模型以得到初步识别结果，其中，所述初步识别结果包括缺陷的类型及缺陷的置信度；

判断各所述缺陷的置信度是否大于对应缺陷类型所预设的置信度阈值；

若存在至少两个缺陷的置信度大于对应缺陷类型所预设的置信度阈值，则判断在置信度大于对应缺陷类型所预设的置信度阈值的全部缺陷中是否存在至少两个预设类型的第一缺陷；

若存在至少两个第一缺陷，通过计算各所述第一缺陷与对应的缺陷模板的相似度，获取所述第一缺陷的目标缺陷类型，其中，所述第一缺陷的目标缺陷类型为与所述第一缺陷的相似度最大的缺陷模板对应的缺陷类型，将所述目标缺陷类型作为所述初始图片的输出结果。

2.根据权利要求1所述的缺陷识别方法，其特征在于，所述若存在至少两个缺陷的置信度大于对应缺陷类型所预设的置信度阈值，判断在置信度大于对应缺陷类型所预设的置信度阈值的全部缺陷中是否存在至少两个预设类型的第一缺陷的步骤之后，所述方法还包括：

若存在至少两个所述第一缺陷，则判断置信度大于对应缺陷类型所预设的置信度阈值的全部缺陷中是否还存在第二缺陷；

若存在所述第二缺陷，则对所述目标缺陷类型与各所述第二缺陷的缺陷类型进行优先级判断，将优先级最高的缺陷对应的缺陷类型作为所述初始图片的输出结果，所述第一缺陷为置信度大于最大置信度的第一预设倍数的缺陷，所述第二缺陷为置信度大于最大置信度的第二预设倍数的缺陷。

3.根据权利要求2所述的缺陷识别方法，其特征在于，所述最大置信度为所述初步识别结果中各缺陷的置信度中的最大值。

4.根据权利要求1所述的缺陷识别方法，其特征在于，所述通过计算各所述第一缺陷与对应的缺陷模板的相似度，获取所述第一缺陷的目标缺陷类型的步骤，包括：

获取所述第一缺陷的中心点坐标及所述第一缺陷的像素区域的边缘值，以组成对应所述第一缺陷的缺陷序列；

分别计算所述第一缺陷的缺陷序列与各缺陷模板的灰色关联度；

将对应各所述缺陷模板的灰色关联度中最大值对应的缺陷模板对应的缺陷类型确定为所述目标缺陷类型。

5.根据权利要求1所述的缺陷识别方法，其特征在于，所述缺陷模板的缺陷类型包括OLED面板膜上异物类型、膜下异物类型和脏污类型中的至少一种。

6.根据权利要求1所述的缺陷识别方法，其特征在于，所述判断各所述缺陷的置信度是否大于对应缺陷类型所预设的置信度阈值的步骤之后，所述方法还包括：

若存在一个缺陷的置信度大于对应缺陷类型所预设的置信度阈值，则判定所述初始图片存在单缺陷，将所述单缺陷对应的缺陷类型作为所述初始图片的输出结果。

7.根据权利要求1所述的缺陷识别方法，其特征在于，所述缺陷识别模型的获取步骤为：

收集OLED面板的历史缺陷图片；

对所述历史缺陷图片中的缺陷特征进行打标，得到缺陷样本图片及对应所述缺陷样本图片的缺陷信息；

将所述缺陷样本图片及所述缺陷信息输入基础神经网络，训练得到所述缺陷识别模型。