CN107677679A - 一种aoi检测中l0画面的缺陷分类方法及装置 - Google Patents

一种aoi检测中l0画面的缺陷分类方法及装置 Download PDF

Info

Publication number
CN107677679A
CN107677679A CN201710868811.7A CN201710868811A CN107677679A CN 107677679 A CN107677679 A CN 107677679A CN 201710868811 A CN201710868811 A CN 201710868811A CN 107677679 A CN107677679 A CN 107677679A
Authority
CN
China
Prior art keywords
defect
defects
pictures
image
bright
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710868811.7A
Other languages
English (en)
Inventor
张胜森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Jingce Electronic Technology Co Ltd
Original Assignee
Wuhan Jingce Electronic Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Jingce Electronic Technology Co Ltd filed Critical Wuhan Jingce Electronic Technology Co Ltd
Priority to CN201710868811.7A priority Critical patent/CN107677679A/zh
Publication of CN107677679A publication Critical patent/CN107677679A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/1306—Details
    • G02F1/1309—Repairing; Testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明公开了一种AOI检测中L0画面的缺陷分类方法及装置。其过程为：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；对检测出的亮度类缺陷进行表面灰尘过滤；将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。本发明通过增加一个检测画面对缺陷进行复判，能精确的对异物亮与亮点进行分类，方法简单有效，可实施性强，有效提高了AOI检测系统的性能，具有容易实现、成本低、实用性高的特点。

Description

一种AOI检测中L0画面的缺陷分类方法及装置
技术领域
本发明属于面板缺陷检测技术领域，具体涉及一种AOI检测中L0画面的缺陷分类方法、装置及计算机可读存储介质。
背景技术
随着LCD面板检测行业的发展，厂商对于面板检测的要求越来越高，对于不同的类型的缺陷有着不同的判等降级规格。AOI(自动光学检测)设备为了能够正确的对面板进行降等输出，需要对检测到的缺陷进行精确的分类，并对分类后的缺陷按照客户的要求进行判等输出。
由于AOI检测的局限性，相机只能拍摄面板的亮度(颜色)信息，而部分的缺陷，比如L0画面(为黑色，RGB的值都为0的画面)偏光板异物亮缺陷与L0画面亮点缺陷，人员在进行点灯分类的时候是通过不同角度去观察来判定的。偏光板异物亮在放大镜下，人眼如果发生移动的时候，异物亮也会移动，但是亮点却不会发生移动。由于相机无法动态的改变角度去拍摄，故而这两者在正视的相机下，成像效果基本一致，无法进行区分，但是两者的降等规格存在着很大的差异性。L0画面的异物亮和L0画面的亮点在图像中的成像效果分别如图1、图2所示，两者成像效果基本一致。
现有针对L0画面的亮度缺陷有两个处理方案：一是直接忽略两类缺陷，直接将两者根据一个相对严格的标准进行降等输出，但是这样会导致面板检测时的大量误检和误判；二是单独设置一个复判工位，进行人员的逐个复判，但这样会带来时间成本与人力成本的增加。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足，提供一种AOI检测中L0画面的亮度缺陷分类方法及装置，可以快速准确有效的对L0画面的异物亮与亮点类缺陷进行分类，有效的降低了该类缺陷的带来的误检。
本发明采用的技术方案是：一种AOI检测中L0画面的缺陷分类方法，包括以下步骤：
步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；
步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；
步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。
进一步地，所述缺陷检测包括如下步骤：
1)、对L0画面进行全局背景亮度校正，使整个L0画面拍摄出来的图像具有统一均匀的背景亮度，同时对图像进行亮度归一化操作；
2)、通过高斯-拉普拉斯滤波对图像中的缺陷进行增强处理；
3)、通过分类器对处理后的原始图像进行检测，检出图像中缺陷的大概区域；
4)、对检出的缺陷区域进行缺陷面积精确的分割；
5)、对分割后的缺陷进行噪声的过滤，排出微弱缺陷得到最后的L0画面的异物亮和亮点类缺陷。
进一步地，通过分类器对处理后的原始图像进行检测的过程为：
Step1:将原始图像进行不同尺度的缩放，得到多个不同分辨率的图像；
Step2:对缩放后的每个图像进行分块操作，得到多个子图像块，对每个子图像块提取特征，根据提取的特征用训练出来的分类器判断子图像块是否为缺陷图像；
Step3:对Step2中判断为缺陷图像的子图像块，找到其对应于原始图像中的位置，对所有位置信息进行合并，得到缺陷的真实位置。
更进一步地，所述检测画面的曝光时间和增益与L0画面的曝光时间和增益均相同。
一种AOI检测中L0画面的缺陷分类装置，包括存储器、处理器及存储在该处理器中并可在该处理器上运行的计算机程序，该处理器被配置为执行该计算机程序时实现上述方法的步骤。
一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本发明通过增加一个检测画面对缺陷进行复判，可以准确判断出缺陷的类型，该方法无需对当前的AOI结构进行修改，不会增加任何的硬件成本，简单有效，可实施性强；同时也不会对检测的时间带来任何的影响；能精确的对异物亮与亮点进行分类，提高了AOI检测系统的性能，具有容易实现、成本低、实用性高的特点。
附图说明
图1为L0画面的异物亮在图像中的成像效果示意图。
图2为L0画面的亮点在图像中的成像效果示意图。
图3为本发明缺陷分类的流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明，便于清楚地了解本发明，但它们不对本发明构成限定。
由于异物亮类缺陷的形成原因是cell内有异物发亮，或者是偏光板发生划伤(包括上偏划伤和下偏划伤)，常黑模式下，原本不透光的区域发生了透光，这种缺陷是固有的，不论是否给电压信号都存在的。相对的亮点缺陷是由于液晶下方的电路短路导致的，如果不给任何电压信号，那么不通电的情况下，亮点是不会发亮的。
基于以上的原理，本发明提供一种L0画面亮点确实与异物亮缺陷的分类方法，基本的过程是增加一个检测画面(ParticleDown)，该画面只亮背光，不给任何的电压信号，并且采用和L0画面相同的曝光时间和增益进行拍摄，在L0画面的所有亮点类缺陷检测完毕后，逐个的到ParticleDown画面去复判，检测该位置是否存在透光，如果存在说明该缺陷是异物亮，否则说明该缺陷是亮点缺陷。
如图3所示，本发明的总体流程如下：
步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；
步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；
步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。所述检测画面的曝光时间和增益与L0画面的曝光时间和增益均相同。
L0画面的缺陷主要是偏光板异物亮类缺陷和亮点类缺陷。这类缺陷的面积大小以及强弱都不一致，且受到背光不均的问题影响，某些区域的均值亮度比其他地方缺陷的亮度还要高，故而无法通过某个阈值分割的方式进行检测。本发明提供了一种新的L0画面的缺陷检测方法，检测过程如下：
1)、对L0画面进行全局背景亮度校正，使整个L0画面拍摄出来的图像具有统一均匀的背景亮度，同时对图像进行亮度归一化操作。
2)、由于部分的缺陷非常的微弱，需要对缺陷进行增强，才能更方便的检出，因此需要通过高斯-拉普拉斯滤波对图像中的缺陷进行增强处理。
3)、通过分类器对处理后的原始图像进行检测，检出图像中缺陷的大概区域；L0画面的亮点、异物亮类的缺陷都具有中心亮四周暗的特点，故而可以训练一个分类器，分类器具有四周暗中心亮的特性，专门检出具有该类特点的区域。分类器的训练方法有很多种，可以采用传统的Adaboost+LBP特征，也可以采用CNN卷积神经网络。由于缺陷的大小不一致，故而采用图像金字塔的方式进行对图像进行缩放再进行检测，也可以将分类器进行不同尺度的缩放后再在原始图像上进行缺陷的检测。
利用分类器进行图像的检测包含两个流程，离线的分类器训练和在线的分类器检测：离线训练是指首先收集大量的缺陷样本和非缺陷样本，并将其裁剪到统一的大小，然后采用统计机器学习的方式进行训练，得到一个分类器(可以认为是一个高维空间的非线性曲面)，通过该分类器可以达到训练样本集中正样本和负样本的最佳分类效果。采用的统计机器学习的方法很多，比如级联Adaboost、SVM、随机森林等。离线训练完毕后，可以得到一个分类器。利用该分类器就可以和训练的缺陷类似的缺陷的检测，得到缺陷的具体位置和大小。基本流程如下：
Step1:首先将原始图像进行不同尺度的缩放。比如原始图像的大小是3840*2160，那么缩放的图像为3840*rate*2160*rate，其中rate为缩放比例，0<Rate<0.9。这样经过多次缩放，可以得到一系列分辨率不同的图像集。那么3840*2160分辨率图像下的缺陷在其他分辨率下会有不同的面积和大小。
Step2:对上面缩放后的每个尺度的图像进行分块操作，得到一个个的子图像块，其中每个子图像块和分类器中的训练样本的尺寸相同。对每个子图像块提取特征，根据提取的特征用分类器来判断该子图像块是否为缺陷图像。
Step3:对step2中判断为缺陷图像的子图像块，找到其对应于原始分辨率图像的位置，并对位置信息进行合并，最后得到缺陷的真实位置。
4)、对检出的缺陷区域进行缺陷面积精确的分割，由于面板检测缺陷的等级很大程度是根据缺陷的面积来确定的，故而需要对缺陷面积进行精确的分割。
5)、对分割后的缺陷进行噪声的过滤，排出微弱缺陷得到最后的L0画面的异物亮和亮点类缺陷。
针对上述的缺陷分类方法，本发明提供一种AOI检测中L0画面的缺陷分类装置，其包括存储器、处理器及存储在该处理器中并可在该处理器上运行的计算机程序，该处理器被配置为执行该计算机程序时实现上述方法中的全部或部分步骤，例如对面板进行L0画面的缺陷检测的步骤、通过分类器对处理后的原始图像进行检测的步骤等。
上述技术方案中，所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述L0画面的缺陷分类装置的控制中心，利用各种接口、线路或信号逻辑连接整个L0画面的缺陷分类装置的各个部分。
上述实施例中，所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的计算机程序，以及调用存储在存储器内的数据，实现所述L0画面的缺陷分类装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储包含检测画面数据、分类器训练等数据。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
上述实施例中，所述L0画面的缺陷分类装置如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
本领域的技术人员容易理解，本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术，以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种AOI检测中L0画面的亮度类缺陷分类方法，其特征在于：包括以下步骤：
步骤1：对面板进行L0画面的缺陷检测，确定所有亮度类缺陷；
步骤2：对检测出的亮度类缺陷进行表面灰尘过滤；
步骤3：将亮度类缺陷逐个切换到检测画面进行复判，当面板缺陷位置透光说明是异物亮缺陷，不透光说明是亮点类缺陷，所述检测画面为只亮背光、没有任何电压信号的画面。
2.根据权利要求1所述的AOI检测中L0画面的缺陷分类方法，其特征在于，所述缺陷检测包括如下步骤：
1)、对L0画面进行全局背景亮度校正，使整个L0画面拍摄出来的图像具有统一均匀的背景亮度，同时对图像进行亮度归一化操作；
2)、通过高斯-拉普拉斯滤波对图像中的缺陷进行增强处理；
3)、通过分类器对处理后的原始图像进行检测，检出图像中缺陷的大概区域；
4)、对检出的缺陷区域进行缺陷面积精确的分割；
5)、对分割后的缺陷进行噪声的过滤，排出微弱缺陷得到最后的L0画面的异物亮和亮点类缺陷。
3.根据权利要求2所述的AOI检测中L0画面的缺陷分类方法，其特征在于，所述通过分类器对处理后的原始图像进行检测的过程为：
Step1:将原始图像进行不同尺度的缩放，得到多个不同分辨率的图像；
Step2:对缩放后的每个图像进行分块操作，得到多个子图像块，对每个子图像块提取特征，根据提取的特征用训练出来的分类器判断子图像块是否为缺陷图像；
Step3:对Step2中判断为缺陷图像的子图像块，找到其对应于原始图像中的位置，对所有位置信息进行合并，得到缺陷的真实位置。
4.根据权利要求1所述的AOI检测中L0画面的缺陷分类方法，其特征在于：所述检测画面的曝光时间和增益与L0画面的曝光时间和增益均相同。
5.一种AOI检测中L0画面的缺陷分类装置，包括存储器、处理器及存储在该处理器中并可在该处理器上运行的计算机程序，其特征在于：该处理器被配置为执行该计算机程序时实现如权利要求1-4任一项所述方法的步骤。
6.一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现如权利要求1-4任一项所述方法的步骤。
CN201710868811.7A 2017-09-22 2017-09-22 一种aoi检测中l0画面的缺陷分类方法及装置 Pending CN107677679A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710868811.7A CN107677679A (zh) 2017-09-22 2017-09-22 一种aoi检测中l0画面的缺陷分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710868811.7A CN107677679A (zh) 2017-09-22 2017-09-22 一种aoi检测中l0画面的缺陷分类方法及装置

Publications (1)

Publication Number Publication Date
CN107677679A true CN107677679A (zh) 2018-02-09

Family

ID=61137880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710868811.7A Pending CN107677679A (zh) 2017-09-22 2017-09-22 一种aoi检测中l0画面的缺陷分类方法及装置

Country Status (1)

Country Link
CN (1) CN107677679A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827970A (zh) * 2018-03-28 2018-11-16 武汉精测电子集团股份有限公司 基于aoi系统的适应不同面板缺陷自动判等方法和系统
CN108827974A (zh) * 2018-06-28 2018-11-16 广东科达洁能股份有限公司 一种瓷砖缺陷检测方法及系统
CN109060817A (zh) * 2018-05-24 2018-12-21 牧德科技股份有限公司 人工智能复检系统及其方法
CN109302571A (zh) * 2018-11-29 2019-02-01 武汉精立电子技术有限公司 一种快速自动曝光图形及其生成方法
CN109856156A (zh) * 2019-01-22 2019-06-07 武汉精立电子技术有限公司 一种基于aoi的显示面板微小缺陷判定方法与装置
CN110246449A (zh) * 2019-06-18 2019-09-17 京东方科技集团股份有限公司 显示面板的调节方法及装置
CN110554045A (zh) * 2019-08-20 2019-12-10 华中科技大学 一种全自动镜片缺陷检测系统
CN110876602A (zh) * 2018-09-06 2020-03-13 珠海格力电器股份有限公司 洗碗机的控制方法、装置以及洗碗机
CN112394064A (zh) * 2020-10-22 2021-02-23 惠州高视科技有限公司 一种屏幕缺陷检测的点线测量方法
CN113884497A (zh) * 2021-09-09 2022-01-04 上海深视信息科技有限公司 一种基于复合光源的fpca飞拍检测方法
TWI807536B (zh) * 2021-12-15 2023-07-01 國立高雄師範大學 檢測系統與其參數設定方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101329456A (zh) * 2008-07-31 2008-12-24 友达光电股份有限公司 检测设备
CN101796398A (zh) * 2007-08-31 2010-08-04 Icos视觉系统股份有限公司 用于检测半导体异常的装置和方法
CN101867787A (zh) * 2009-04-14 2010-10-20 Tcl集团股份有限公司 一种带摄像头的lcd显示屏的自检方法
CN103091330A (zh) * 2013-01-11 2013-05-08 河海大学常州校区 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法
CN103175844A (zh) * 2012-03-16 2013-06-26 沈阳理工大学 一种金属零部件表面划痕缺陷检测方法
CN105259181A (zh) * 2015-10-26 2016-01-20 华为技术有限公司 显示屏的显示缺陷检测方法、装置及设备
CN105405142A (zh) * 2015-11-12 2016-03-16 冯平 一种玻璃面板的边缺陷检测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101796398A (zh) * 2007-08-31 2010-08-04 Icos视觉系统股份有限公司 用于检测半导体异常的装置和方法
CN101329456A (zh) * 2008-07-31 2008-12-24 友达光电股份有限公司 检测设备
CN101867787A (zh) * 2009-04-14 2010-10-20 Tcl集团股份有限公司 一种带摄像头的lcd显示屏的自检方法
CN103175844A (zh) * 2012-03-16 2013-06-26 沈阳理工大学 一种金属零部件表面划痕缺陷检测方法
CN103091330A (zh) * 2013-01-11 2013-05-08 河海大学常州校区 模拟人类视觉感知机理的铜带表面缺陷辨识装置及方法
CN105259181A (zh) * 2015-10-26 2016-01-20 华为技术有限公司 显示屏的显示缺陷检测方法、装置及设备
CN105405142A (zh) * 2015-11-12 2016-03-16 冯平 一种玻璃面板的边缺陷检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴文明，牟淑贤主编: "《平板显示器的制造与测试》", 30 September 2012 *
谢剑斌等: "《视觉感知与智能视频监控》", 31 March 2012, 长沙：国防科技大学出版社 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108827970A (zh) * 2018-03-28 2018-11-16 武汉精测电子集团股份有限公司 基于aoi系统的适应不同面板缺陷自动判等方法和系统
CN109060817A (zh) * 2018-05-24 2018-12-21 牧德科技股份有限公司 人工智能复检系统及其方法
TWI703514B (zh) * 2018-05-24 2020-09-01 牧德科技股份有限公司 人工智慧複檢系統及其方法
CN108827974A (zh) * 2018-06-28 2018-11-16 广东科达洁能股份有限公司 一种瓷砖缺陷检测方法及系统
CN108827974B (zh) * 2018-06-28 2024-01-09 广东科达洁能股份有限公司 一种瓷砖缺陷检测方法及系统
CN110876602B (zh) * 2018-09-06 2021-06-04 珠海格力电器股份有限公司 洗碗机的控制方法、装置以及洗碗机
CN110876602A (zh) * 2018-09-06 2020-03-13 珠海格力电器股份有限公司 洗碗机的控制方法、装置以及洗碗机
CN109302571A (zh) * 2018-11-29 2019-02-01 武汉精立电子技术有限公司 一种快速自动曝光图形及其生成方法
CN109856156A (zh) * 2019-01-22 2019-06-07 武汉精立电子技术有限公司 一种基于aoi的显示面板微小缺陷判定方法与装置
CN110246449A (zh) * 2019-06-18 2019-09-17 京东方科技集团股份有限公司 显示面板的调节方法及装置
CN110554045A (zh) * 2019-08-20 2019-12-10 华中科技大学 一种全自动镜片缺陷检测系统
CN112394064A (zh) * 2020-10-22 2021-02-23 惠州高视科技有限公司 一种屏幕缺陷检测的点线测量方法
CN113884497A (zh) * 2021-09-09 2022-01-04 上海深视信息科技有限公司 一种基于复合光源的fpca飞拍检测方法
CN113884497B (zh) * 2021-09-09 2023-03-14 上海深视信息科技有限公司 一种基于复合光源的fpca飞拍检测方法
TWI807536B (zh) * 2021-12-15 2023-07-01 國立高雄師範大學 檢測系統與其參數設定方法

Similar Documents

Publication Publication Date Title
CN107677679A (zh) 一种aoi检测中l0画面的缺陷分类方法及装置
CN105069790B (zh) 一种齿轮外观缺陷快速影像检测方法
CN110473179B (zh) 一种基于深度学习的薄膜表面缺陷检测方法、系统及设备
Danescu et al. Detection and classification of painted road objects for intersection assistance applications
CN102637258B (zh) 一种建立在线表面质量检测系统缺陷库的方法
CN111311542A (zh) 一种产品质量检测方法及装置
CN114926463B (zh) 一种适用于芯片电路板的生产质量检测方法
WO2014030379A1 (ja) 画像処理装置、プログラム、画像処理方法及びコンピュータ読み取り媒体並びに画像処理システム
CN111696077A (zh) 一种基于WaferDet网络的晶圆缺陷检测方法
CN105190400A (zh) 对血细胞进行成像
CN104392432A (zh) 基于方向梯度直方图的显示面板缺陷检测方法
CN107843599A (zh) 一种基于aoi的面板检测判等方法与装置
Marques et al. Automatic road pavement crack detection using SVM
CN104766097A (zh) 基于bp神经网络和支持向量机的铝板表面缺陷分类方法
CN117011563B (zh) 基于半监督联邦学习的道路损害巡检跨域检测方法及系统
CN116310785A (zh) 基于YOLO v4的无人机影像路面病害检测方法
CN105512662A (zh) 一种无牌车辆检测方法及装置
Choi et al. Deep learning based defect inspection using the intersection over minimum between search and abnormal regions
Li et al. HM-YOLOv5: A fast and accurate network for defect detection of hot-pressed light guide plates
KR20190114241A (ko) 딥러닝 기반의 독성조류 판별 및 셀카운팅 장치 및 그 방법
Sarker et al. A fast and robust license plate detection algorithm based on two-stage cascade adaboost
Li et al. An improved PCB defect detector based on feature pyramid networks
Kročka et al. Automatic license plate recognition using OpenCV
Yoon et al. Blob detection and filtering for character segmentation of license plates
Rattanakornphan et al. Thai License Plate Recognition Based on YOLO Detector and CNN-Classifier

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 430070 Hubei Province, Wuhan city Hongshan District Road No. 48 bookstore (North Industrial Park) 1 building 11 layer

Applicant after: Wuhan fine test electronics group Limited by Share Ltd

Address before: 430070 Hongshan entrepreneurship center, No. 53, Nanhu Avenue, Hongshan District, Wuhan, Hubei Province, 4

Applicant before: Wuhan Jingce Electronic Technology Co., Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180209