CN113111696A - 一种小尺寸液晶屏微观识别分类集成系统及其方法 - Google Patents
一种小尺寸液晶屏微观识别分类集成系统及其方法 Download PDFInfo
- Publication number
- CN113111696A CN113111696A CN202010441879.9A CN202010441879A CN113111696A CN 113111696 A CN113111696 A CN 113111696A CN 202010441879 A CN202010441879 A CN 202010441879A CN 113111696 A CN113111696 A CN 113111696A
- Authority
- CN
- China
- Prior art keywords
- identification
- liquid crystal
- small
- recognition
- image
- 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
Links
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 118
- 230000010354 integration Effects 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 53
- 230000003068 static effect Effects 0.000 claims abstract description 37
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000012795 verification Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013145 classification model Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 11
- 238000004064 recycling Methods 0.000 description 10
- 239000002699 waste material Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25B—TOOLS OR BENCH DEVICES NOT OTHERWISE PROVIDED FOR, FOR FASTENING, CONNECTING, DISENGAGING OR HOLDING
- B25B11/00—Work holders not covered by any preceding group in the subclass, e.g. magnetic work holders, vacuum work holders
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nonlinear Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Artificial Intelligence (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Computer Hardware Design (AREA)
- Liquid Crystal (AREA)
Abstract
本发明公开了一种小尺寸液晶屏微观识别分类集成系统及其方法，包括液晶屏夹持模块、微观设备连接模块、特征提取模块和识别模块，所述的液晶屏夹持模块通过可调节的夹具夹持和定位液晶屏，所述的微观设备连接模块可对液晶屏的特征识别区域精确观察、获取，所述的特征提取模块对特征识别区域进一步观察，判断特征点，所述的识别模块经过训练后生成满足识别率约束的识别模型，并以该识别模型为基础，进行图像静态识别、图像动态识别，获得待观测识别对象类型，本发明使用方便，大大优化了废旧移动终端液晶屏的高效回收和精准再利用。
Description
技术领域
本发明涉及计算机程序的技术领域，具体为一种小尺寸液晶屏微观识别分类集成系统及其方法。
背景技术
随着移动互联技术和智能通讯技术的发展应用，电子移动终端的产量和普及率逐年增加；不同品牌、不同规格的移动终端商品也琳琅满目；小尺寸液晶屏作为电子移动终端主要模块往往也采用定制生产运输的方式，当产品升级时一些配套产品往往需要较大改进。同时，随着产品的更新换代，大量的废旧移动终端产品也随之产生。相较于传统的废弃电器电子产品，废旧移动终端具有剩余价值高、剩余寿命长的特点。产业化、规模化实现废旧移动终端液晶屏等部件回收利用可实现并发展循环经济、减少环境污染，具有重大的经济和社会效益。
目前，液晶屏的生产、应用企业往往采用专线专用指定型号生产应用的方式；同时，液晶屏回收再利用领域也尚不完善，主要有以下几点问题：
(1)在不同小尺寸液晶屏应用上，生产运输线往往输送单一尺寸液晶屏，生产运输不同尺寸液晶屏则需构造多条生产运输线，限制了生产运输配置资源和约束了生产布局；当产品改进升级、企业扩大生产时，生产运输线需做较大调整；
(2)在废旧移动终端液晶屏回收领域，废旧移动终端种类繁多，液晶屏部件的分类工作主要是由人工来完成的；人工借助显微设备依次观察，对液晶屏类别和再利用方式做出判断，随着工作时间增长，分类效率与分类准确率将逐渐降低，导致再利用效率整体较差。
发明内容
针对上述技术问题，本发明提供小尺寸液晶屏微观识别分类集成系统及其方法，将图像识别技术具体应用于小尺寸液晶屏的分类，以期能解决小尺寸液晶屏的生产传送与回收再利用的不足问题，实现更加柔性的生产传送和更加产业化、规模化的回收再利用。
为实现上述目的，本发明提供如下技术方案：一种小尺寸液晶屏微观识别分类集成系统，包括液晶屏夹持模块、微观设备连接模块、特征提取模块和识别模块，所述的液晶屏夹持模块通过可调节的夹具夹持和定位液晶屏，所述的微观设备连接模块可对液晶屏的特征识别区域精确观察、获取，所述的特征提取模块对特征识别区域进一步观察，判断特征点，所述的识别模块经过训练后生成满足识别率约束的识别模型，并以该识别模型为基础，进行图像静态识别、图像动态识别，获得待观测识别对象类型，所述的识别模块包括识别模型训练模块、静态识别模块和动态识别模块，所述的识别模型训练模块通过识别率判别，生成满足识别率约束的识别模型，所述的静态识别模块用于图像静态识别，并保存识别结果，所述的动态识别模块用于图像动态识别，并保存识别结果。
进一步的，所述的液晶屏夹持模块包括专用夹具和定位对准单元，所述的专用夹具单元通过自身的可调节性，用于不同类型、不同尺寸的小尺寸液晶屏的夹持定位；所述的定位对准单元用于小尺寸液晶屏的定位对准，便于夹具的夹持。
进一步的，所述的微观设备连接模块包括工业相机和金相显微镜，所述的工业相机单元配备远心镜头，对小尺寸液晶屏特征识别区域进行放大、获取；所述的金相显微镜单元用于高像素下的特征识别区域精确观察、获取。
进一步的，所述的特征提取模块包括微观图像采集和特征提取单元，所述的微观图像采集单元用于不同品牌、不同型号小尺寸液晶屏微观图像采集；所述的特征提取单元用于采集到的特征识别区域进一步观察，判断特征点。
进一步的，所述的识别模型训练模块包括训练框架标签选择单元和训练样本划分单元，所述的训练框架标签选择单元用于选择训练框架和分类标签，确定分类的数目和类别；训练样本划分单元用于已采集微观图像的划分，分为训练集、验证集、测试集；识别模型训练模块再通过识别率判别，生成满足识别率约束的识别模型。
进一步的，所述的静态识别模块包括识别图像对象选择单元、静态识别模型标签加载单元和静态识别操作记录单元，所述的识别图像对象选择单元用于选择并加载出待识别的图像图形类文件；所述的静态识别模型标签加载单元用于加载出已训练得到的识别模型同时设置识别分类标签；所述的静态识别操作记录单元用于识别结果及相关记录。
进一步的，所述的动态识别模块包括微观摄像装备加载单元、动态识别模型标签加载单元、动态识别操作记录单元、实时图像显示单元、实时识别显示单元、实时图像截取单元和实时图像保存单元，所述的微观摄像装备加载单元用于加载搭配远心镜头的工业相机或者金相显微镜；动态识别模型标签加载单元用于加载出已训练得到的识别模型同时设置识别分类标签用于后续对比识别；动态识别操作记录单元用于动态识别结果的实时记录；实时图像显示、截取、保存单元用于摄像装置画面的实时显示、截图、储存；实时识别显示用于动态实时反馈识别结果。
进一步的，所述的集成系统还包括用户管理模块和数据存储模块，所述的用户管理模块包括身份验证单元和增添修改用户单元，所述的身份验证单元用于登录用户信息验证；所述的增添修改用户单元用于增添、修改用户信息，管理可登录用户范围，所述的数据存储模块包括图像数据库和特征数据表、操作日志、用户数据库；所述的图像数据库、特征数据表、操作日志、用户数据库单元模块，分别以不同形式存储小尺寸液晶屏微观图像、特征信息、操作记录和系统用户信息。
一种小尺寸液晶屏微观识别分类方法，所述的分类方法使用所述的集成系统，包括以下步骤：
步骤1、验证用户信息，验证成功后获得执行小尺寸液晶屏微观识别分类操作权限；
步骤2、将需要观测的小尺寸液晶屏放入传送区域，通过机械装置实现定位对准，并使用专用夹具进行夹持；
步骤3、打开金相显微镜或工业相机，将已夹持的小尺寸液晶屏传送至摄像装置视域内等待采集图像、观测识别；
步骤4、对处于摄像装置视域内不同尺寸小尺寸液晶屏进行图像信息采集或图像信息传输；
(1)当进行图像信息采集时，对特征区域内的小尺寸液晶屏进行微观放大并获取存储一定不同位姿特征区域图像，并建立本地图像数据库；同时，观测特征图像，提取特征点建立特征数据表关联小尺寸液晶屏基础信息；之后执行步骤5；
(2)当进行图像信息传输时，将对特征区域内的小尺寸液晶屏进行微观放大观测，并将未处理图像数据传输至动态识别模块，执行步骤6(2)；
步骤5、将步骤4(1)中获取的小尺寸液晶屏图像数据集，按照一定比例分类为训练集、验证集、测试集；同时，根据需观测的小尺寸液晶屏类别，确定分类数，并建立识别模型；
步骤6、对处于待观测识别的不同尺寸小尺寸液晶屏图像数据进行图像静态识别、图像动态识别，获得待观测识别对象类型；
(1)当进行静态识别时，用户选择待观测识别的小尺寸液晶屏图形格式文件，加载步骤5中训练得到的合适识别模型并加载分类标签，通过图像像素与识别模型对比，得到加载小尺寸液晶屏图形格式文件类别信息；
(2)当进行动态识别时，加载连接微观摄像装备，获取步骤4(2)中图像信息，按指定帧数读取并转制图像信息；加载步骤5中训练得到的合适识别模型并加载分类标签，通过将实时读取处理后转制图像信息与识别模型对比，得到当前摄像装置视域内小尺寸液晶屏类别信息；
步骤7、将步骤6中静态识别与动态识别的相关操作记录和识别结果传入系统操作日志文件，完成系统功能运作。
进一步的，建立识别模型的方法为搭建不同的深度的卷积神经网络框架，调节输出层节点数等神经网络参数，导入小尺寸液晶屏训练集图像数据，进行小尺寸液晶屏图像分类模型训练；训练完成后，使用小尺寸液晶屏验证集图像数据对多个已训练的识别模型进行识别准确率验证，选取识别准确率大于90％的识别模型作为预选模型；再次，通过同类型、不同对象的小尺寸液晶屏测试集图像数据继续模型拓展性验证，当识别准确率再次满足指定要求时，最终得到合适的小尺寸液晶屏识别模型。
与现有技术相比，本发明的有益效果如下：
本发明能实现不同类型的小尺寸液晶屏的快速识别与准确分类，提高了不同类型小尺寸液晶屏分类应用的效率；同时，本发明可以应用于废旧移动终端液晶屏资源再利用领域，实现废旧移动终端液晶屏的高效回收和精准再利用。
附图说明
图1为本发明系统功能模块化设计总体架构示意图；
图2为本发明系统运行流程图；
图3为本发明系统小尺寸液晶屏微观图像识别模型多级训练流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明的简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
一种小尺寸液晶屏微观识别分类集成系统，包括液晶屏夹持模块、微观设备连接模块、特征提取模块和识别模块，所述的液晶屏夹持模块通过可调节的夹具夹持和定位液晶屏，所述的微观设备连接模块可对液晶屏的特征识别区域精确观察、获取，所述的特征提取模块对特征识别区域进一步观察，判断特征点，所述的识别模块经过训练后生成满足识别率约束的识别模型，并以该识别模型为基础，进行图像静态识别、图像动态识别，获得待观测识别对象类型。
所述的液晶屏夹持模块包括专用夹具和定位对准单元，所述的专用夹具单元通过自身的可调节性，用于不同类型、不同尺寸的小尺寸液晶屏的夹持定位；所述的定位对准单元用于小尺寸液晶屏的定位对准，便于夹具的夹持。
所述的微观设备连接模块包括工业相机和金相显微镜，所述的工业相机单元配备远心镜头，对小尺寸液晶屏特征识别区域进行放大、获取；所述的金相显微镜单元用于高像素下的特征识别区域精确观察、获取。
所述的特征提取模块包括微观图像采集和特征提取单元，所述的微观图像采集单元用于不同品牌、不同型号小尺寸液晶屏微观图像采集；所述的特征提取单元用于采集到的特征识别区域进一步观察，判断特征点。
所述的识别模块包括识别模型训练模块、静态识别模块和动态识别模块，所述的识别模型训练模块通过识别率判别，生成满足识别率约束的识别模型，所述的静态识别模块用于图像静态识别，并保存识别结果，所述的动态识别模块用于图像动态识别，并保存识别结果。
所述的识别模型训练模块包括训练框架标签选择单元和训练样本划分单元，所述的训练框架标签选择单元用于选择训练框架和分类标签，确定分类的数目和类别；训练样本划分单元用于已采集微观图像的划分，分为训练集、验证集、测试集；识别模型训练模块再通过识别率判别，生成满足识别率约束的识别模型。
所述的静态识别模块包括识别图像对象选择单元、静态识别模型标签加载单元和静态识别操作记录单元，所述的识别图像对象选择单元用于选择并加载出待识别的图像图形类文件；所述的静态识别模型标签加载单元用于加载出已训练得到的识别模型同时设置识别分类标签；所述的静态识别操作记录单元用于识别结果及相关记录。
所述的动态识别模块包括微观摄像装备加载单元、动态识别模型标签加载单元、动态识别操作记录单元、实时图像显示单元、实时识别显示单元、实时图像截取单元和实时图像保存单元，所述的微观摄像装备加载单元用于加载搭配远心镜头的工业相机或者金相显微镜；动态识别模型标签加载单元用于加载出已训练得到的识别模型同时设置识别分类标签用于后续对比识别；动态识别操作记录单元用于动态识别结果的实时记录；实时图像显示、截取、保存单元用于摄像装置画面的实时显示、截图、储存；实时识别显示用于动态实时反馈识别结果。
所述的集成系统还包括用户管理模块和数据存储模块，所述的用户管理模块包括身份验证单元和增添修改用户单元，所述的身份验证单元用于登录用户信息验证；所述的增添修改用户单元用于增添、修改用户信息，管理可登录用户范围，所述的数据存储模块包括图像数据库和特征数据表、操作日志、用户数据库；所述的图像数据库、特征数据表、操作日志、用户数据库单元模块，分别以不同形式存储小尺寸液晶屏微观图像、特征信息、操作记录和系统用户信息。
一种小尺寸液晶屏微观识别分类方法，所述的分类方法使用所述的集成系统，包括以下步骤：
步骤1、验证用户信息，验证成功后获得执行小尺寸液晶屏微观识别分类操作权限；
步骤2、将需要观测的小尺寸液晶屏放入传送区域，通过机械装置实现定位对准，并使用专用夹具进行夹持；
步骤3、打开金相显微镜或工业相机，将已夹持的小尺寸液晶屏传送至摄像装置视域内等待采集图像、观测识别；
步骤4、对处于摄像装置视域内不同尺寸小尺寸液晶屏进行图像信息采集或图像信息传输；
(1)当进行图像信息采集时，对特征区域内的小尺寸液晶屏进行微观放大并获取存储一定不同位姿特征区域图像，并建立本地图像数据库；同时，观测特征图像，提取特征点建立特征数据表关联小尺寸液晶屏基础信息；之后执行步骤5；
(2)当进行图像信息传输时，将对特征区域内的小尺寸液晶屏进行微观放大观测，并将未处理图像数据传输至动态识别模块，执行步骤6(2)；
步骤5、将步骤4(1)中获取的小尺寸液晶屏图像数据集，按照一定比例分类为训练集、验证集、测试集；同时，根据需观测的小尺寸液晶屏类别，确定分类数，并建立识别模型；
步骤6、对处于待观测识别的不同尺寸小尺寸液晶屏图像数据进行图像静态识别、图像动态识别，获得待观测识别对象类型；
(1)当进行静态识别时，用户选择待观测识别的小尺寸液晶屏图形格式文件，加载步骤5中训练得到的合适识别模型并加载分类标签，通过图像像素与识别模型对比，得到加载小尺寸液晶屏图形格式文件类别信息；
(2)当进行动态识别时，加载连接微观摄像装备，获取步骤4(2)中图像信息，按指定帧数读取并转制图像信息；加载步骤5中训练得到的合适识别模型并加载分类标签，通过将实时读取处理后转制图像信息与识别模型对比，得到当前摄像装置视域内小尺寸液晶屏类别信息；
步骤7、将步骤6中静态识别与动态识别的相关操作记录和识别结果传入系统操作日志文件，完成系统功能运作。
建立识别模型的方法为搭建不同的深度的卷积神经网络框架，调节输出层节点数等神经网络参数，导入小尺寸液晶屏训练集图像数据，进行小尺寸液晶屏图像分类模型训练；训练完成后，使用小尺寸液晶屏验证集图像数据对多个已训练的识别模型进行识别准确率验证，选取识别准确率大于90％的识别模型作为预选模型；再次，通过同类型、不同对象的小尺寸液晶屏测试集图像数据继续模型拓展性验证，当识别准确率再次满足指定要求时，最终得到合适的小尺寸液晶屏识别模型。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种小尺寸液晶屏微观识别分类集成系统，其特征在于：包括液晶屏夹持模块、微观设备连接模块、特征提取模块和识别模块，所述的液晶屏夹持模块通过可调节的夹具夹持和定位液晶屏，所述的微观设备连接模块可对液晶屏的特征识别区域精确观察、获取，所述的特征提取模块对特征识别区域进一步观察，判断特征点，所述的识别模块经过训练后生成满足识别率约束的识别模型，并以该识别模型为基础，进行图像静态识别、图像动态识别，获得待观测识别对象类型，所述的识别模块包括识别模型训练模块、静态识别模块和动态识别模块，所述的识别模型训练模块通过识别率判别，生成满足识别率约束的识别模型，所述的静态识别模块用于图像静态识别，并保存识别结果，所述的动态识别模块用于图像动态识别，并保存识别结果。
2.根据权利要求1所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的液晶屏夹持模块包括专用夹具和定位对准单元，所述的专用夹具单元通过自身的可调节性，用于不同类型、不同尺寸的小尺寸液晶屏的夹持定位；所述的定位对准单元用于小尺寸液晶屏的定位对准，便于夹具的夹持。
3.根据权利要求2所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的微观设备连接模块包括工业相机和金相显微镜，所述的工业相机单元配备远心镜头，对小尺寸液晶屏特征识别区域进行放大、获取；所述的金相显微镜单元用于高像素下的特征识别区域精确观察、获取。
4.根据权利要求3所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的特征提取模块包括微观图像采集和特征提取单元，所述的微观图像采集单元用于不同品牌、不同型号小尺寸液晶屏微观图像采集；所述的特征提取单元用于采集到的特征识别区域进一步观察，判断特征点。
5.根据权利要求4所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的识别模型训练模块包括训练框架标签选择单元和训练样本划分单元，所述的训练框架标签选择单元用于选择训练框架和分类标签，确定分类的数目和类别；训练样本划分单元用于已采集微观图像的划分，分为训练集、验证集、测试集；识别模型训练模块再通过识别率判别，生成满足识别率约束的识别模型。
6.根据权利要求5所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的静态识别模块包括识别图像对象选择单元、静态识别模型标签加载单元和静态识别操作记录单元，所述的识别图像对象选择单元用于选择并加载出待识别的图像图形类文件；所述的静态识别模型标签加载单元用于加载出已训练得到的识别模型同时设置识别分类标签；所述的静态识别操作记录单元用于识别结果及相关记录。
7.根据权利要求6所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的动态识别模块包括微观摄像装备加载单元、动态识别模型标签加载单元、动态识别操作记录单元、实时图像显示单元、实时识别显示单元、实时图像截取单元和实时图像保存单元，所述的微观摄像装备加载单元用于加载搭配远心镜头的工业相机或者金相显微镜；动态识别模型标签加载单元用于加载出已训练得到的识别模型同时设置识别分类标签用于后续对比识别；动态识别操作记录单元用于动态识别结果的实时记录；实时图像显示、截取、保存单元用于摄像装置画面的实时显示、截图、储存；实时识别显示用于动态实时反馈识别结果。
8.根据权利要求7所述的一种小尺寸液晶屏微观识别分类集成系统，其特征在于：所述的集成系统还包括用户管理模块和数据存储模块，所述的用户管理模块包括身份验证单元和增添修改用户单元，所述的身份验证单元用于登录用户信息验证；所述的增添修改用户单元用于增添、修改用户信息，管理可登录用户范围，所述的数据存储模块包括图像数据库和特征数据表、操作日志、用户数据库；所述的图像数据库、特征数据表、操作日志、用户数据库单元模块，分别以不同形式存储小尺寸液晶屏微观图像、特征信息、操作记录和系统用户信息。
9.一种小尺寸液晶屏微观识别分类方法，所述的分类方法使用如权利要求8所述的集成系统，其特征在于：包括以下步骤：
步骤1、验证用户信息，验证成功后获得执行小尺寸液晶屏微观识别分类操作权限；
步骤2、将需要观测的小尺寸液晶屏放入传送区域，通过机械装置实现定位对准，并使用专用夹具进行夹持；
步骤3、打开金相显微镜或工业相机，将已夹持的小尺寸液晶屏传送至摄像装置视域内等待采集图像、观测识别；
步骤4、对处于摄像装置视域内不同尺寸小尺寸液晶屏进行图像信息采集或图像信息传输；
(1)当进行图像信息采集时，对特征区域内的小尺寸液晶屏进行微观放大并获取存储一定不同位姿特征区域图像，并建立本地图像数据库；同时，观测特征图像，提取特征点建立特征数据表关联小尺寸液晶屏基础信息；之后执行步骤5；
(2)当进行图像信息传输时，将对特征区域内的小尺寸液晶屏进行微观放大观测，并将未处理图像数据传输至动态识别模块，执行步骤6(2)；
步骤5、将步骤4(1)中获取的小尺寸液晶屏图像数据集，按照一定比例分类为训练集、验证集、测试集；同时，根据需观测的小尺寸液晶屏类别，确定分类数，并建立识别模型；
步骤6、对处于待观测识别的不同尺寸小尺寸液晶屏图像数据进行图像静态识别、图像动态识别，获得待观测识别对象类型；
(1)当进行静态识别时，用户选择待观测识别的小尺寸液晶屏图形格式文件，加载步骤5中训练得到的合适识别模型并加载分类标签，通过图像像素与识别模型对比，得到加载小尺寸液晶屏图形格式文件类别信息；
(2)当进行动态识别时，加载连接微观摄像装备，获取步骤4(2)中图像信息，按指定帧数读取并转制图像信息；加载步骤5中训练得到的合适识别模型并加载分类标签，通过将实时读取处理后转制图像信息与识别模型对比，得到当前摄像装置视域内小尺寸液晶屏类别信息；
步骤7、将步骤6中静态识别与动态识别的相关操作记录和识别结果传入系统操作日志文件，完成系统功能运作。
10.根据权利要求9所述的一种小尺寸液晶屏微观识别分类方法，其特征在于：建立识别模型的方法为搭建不同的深度的卷积神经网络框架，调节输出层节点数等神经网络参数，导入小尺寸液晶屏训练集图像数据，进行小尺寸液晶屏图像分类模型训练；训练完成后，使用小尺寸液晶屏验证集图像数据对多个已训练的识别模型进行识别准确率验证，选取识别准确率大于90％的识别模型作为预选模型；再次，通过同类型、不同对象的小尺寸液晶屏测试集图像数据继续模型拓展性验证，当识别准确率再次满足指定要求时，最终得到合适的小尺寸液晶屏识别模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010441879.9A CN113111696A (zh) | 2020-05-22 | 2020-05-22 | 一种小尺寸液晶屏微观识别分类集成系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010441879.9A CN113111696A (zh) | 2020-05-22 | 2020-05-22 | 一种小尺寸液晶屏微观识别分类集成系统及其方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113111696A true CN113111696A (zh) | 2021-07-13 |
Family
ID=76708889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010441879.9A Pending CN113111696A (zh) | 2020-05-22 | 2020-05-22 | 一种小尺寸液晶屏微观识别分类集成系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113111696A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220226864A1 (en) * | 2020-06-04 | 2022-07-21 | Hefei University Of Technology | Automatic identification and classification production line for mobile terminal lcd screens |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894036A (zh) * | 2016-04-19 | 2016-08-24 | 武汉大学 | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 |
| CN107656986A (zh) * | 2017-09-12 | 2018-02-02 | 武汉华星光电技术有限公司 | 微观缺陷整合预警方法及装置 |
| CN109064446A (zh) * | 2018-07-02 | 2018-12-21 | 北京百度网讯科技有限公司 | 显示屏质量检测方法、装置、电子设备及存储介质 |
| CN109145846A (zh) * | 2018-08-30 | 2019-01-04 | 苏州富莱智能科技有限公司 | 材料微观结构智能识别分析系统及分析方法 |
| US20190325259A1 (en) * | 2018-04-12 | 2019-10-24 | Discovery Communications, Llc | Feature extraction and machine learning for automated metadata analysis |
-
2020
- 2020-05-22 CN CN202010441879.9A patent/CN113111696A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894036A (zh) * | 2016-04-19 | 2016-08-24 | 武汉大学 | 一种应用于手机屏幕缺陷检测的图像特征模板匹配方法 |
| CN107656986A (zh) * | 2017-09-12 | 2018-02-02 | 武汉华星光电技术有限公司 | 微观缺陷整合预警方法及装置 |
| US20190325259A1 (en) * | 2018-04-12 | 2019-10-24 | Discovery Communications, Llc | Feature extraction and machine learning for automated metadata analysis |
| CN109064446A (zh) * | 2018-07-02 | 2018-12-21 | 北京百度网讯科技有限公司 | 显示屏质量检测方法、装置、电子设备及存储介质 |
| CN109145846A (zh) * | 2018-08-30 | 2019-01-04 | 苏州富莱智能科技有限公司 | 材料微观结构智能识别分析系统及分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 贾宇霞等: "基于显著性增强和迁移学习的鱼类识别研究", 《渔业现代化》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220226864A1 (en) * | 2020-06-04 | 2022-07-21 | Hefei University Of Technology | Automatic identification and classification production line for mobile terminal lcd screens |
| US12011741B2 (en) * | 2020-06-04 | 2024-06-18 | Hefei University Of Technology | Automatic identification and classification production line for mobile terminal LCD screens |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105787418B (zh) | 原始凭证智能识别及识别信息自动生成单据的方法和装置 | |
| TW202025060A (zh) | 車險自動賠付方法和系統 | |
| CN106600421A (zh) | 一种基于图片识别的车险智能定损方法及系统 | |
| CN106228675A (zh) | 识别发票真伪的方法和装置 | |
| CN110263952A (zh) | 一种电子产品智能回收系统 | |
| CN111428599A (zh) | 票据识别方法、装置和设备 | |
| CN107093059A (zh) | 一种便携式认证智能审核系统及其审核方法 | |
| CN113111696A (zh) | 一种小尺寸液晶屏微观识别分类集成系统及其方法 | |
| WO2020083283A1 (zh) | 一种自动识别支付金额的支付方法 | |
| CN112734966B (zh) | 一种融合WiFi数据与人脸识别的课堂点名方法 | |
| CN110599319A (zh) | 自动审计方法、装置、终端及存储介质 | |
| CN111353874B (zh) | 一种银行网点智慧服务系统 | |
| CN113159029A (zh) | 一种图片中局部信息精准抓取的方法和系统 | |
| CN105488645A (zh) | 位置范围的获取方法及装置 | |
| CN111444868B (zh) | 基于智能手机的票据验重系统及方法 | |
| CN114359931A (zh) | 一种快递面单识别方法、装置、计算机设备及存储介质 | |
| CN111767818B (zh) | 一种业务智能受理的方法和装置 | |
| CN114565220A (zh) | 一种基于云平台的工程项目质量管理协同系统 | |
| CN104978623A (zh) | 个人信息管理服务系统 | |
| CN113779946A (zh) | 一种尺寸报告数据采集并结构化呈现的方法及系统 | |
| CN111324706B (zh) | 一种标注方法、装置及电子设备 | |
| CN113822195B (zh) | 一种基于视频分析的政务平台用户行为识别反馈方法 | |
| CN114548442B (zh) | 一种基于互联网技术的腕表维修管理系统 | |
| CN112686238B (zh) | 一种基于深度学习的航运单识别方法 | |
| CN114936232B (zh) | 一种支持智能搜索的知识库管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |