CN113484333A - 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质 - Google Patents

多层结构屏幕的异物缺陷区分方法、电子设备及存储介质 Download PDF

Info

Publication number
CN113484333A
CN113484333A CN202111047559.6A CN202111047559A CN113484333A CN 113484333 A CN113484333 A CN 113484333A CN 202111047559 A CN202111047559 A CN 202111047559A CN 113484333 A CN113484333 A CN 113484333A
Authority
CN
China
Prior art keywords
defect
determining
emd
gray level
detected
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.)
Granted
Application number
CN202111047559.6A
Other languages
English (en)
Other versions
CN113484333B (zh
Inventor
不公告发明人
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.)
Suzhou Gaoshi Semiconductor Technology Co ltd
Original Assignee
Suzhou Gaoshi Semiconductor 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 Suzhou Gaoshi Semiconductor Technology Co ltd filed Critical Suzhou Gaoshi Semiconductor Technology Co ltd
Priority to CN202111047559.6A priority Critical patent/CN113484333B/zh
Publication of CN113484333A publication Critical patent/CN113484333A/zh
Application granted granted Critical
Publication of CN113484333B publication Critical patent/CN113484333B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01N21/94—Investigating contamination, e.g. dust
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9511—Optical elements other than lenses, e.g. mirrors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本申请是关于一种多层结构屏幕的异物缺陷区分方法。该方法包括：将待测的多层结构屏幕的显示画面切换为白色画面；在M个方向的表面光源的切换照射下对多层结构屏幕进行拍摄，使得待测缺陷在白色画面中产生阴影，得到M个目标检测图像；分别根据M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓；根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图；根据第一灰度直方图以及第二灰度直方图确定缺陷主体轮廓与缺陷阴影轮廓之间的推土距离EMD；将EMD与预设阈值对比，根据对比结果确定待测缺陷的缺陷类型。本申请提供的方案，能够准确区分待测缺陷的缺陷类型，降低多层结构屏幕的异物缺陷误判率。

Description

多层结构屏幕的异物缺陷区分方法、电子设备及存储介质
技术领域
本申请涉及视觉检测技术领域，尤其涉及多层结构屏幕的异物缺陷区分方法、电子设备及存储介质。
背景技术
在多层结构屏幕的自动缺陷检测时存在很多的干扰，其中表面灰尘缺陷与屏幕内部异物缺陷的区分就是行业内难以解决的问题。多层结构屏幕表面的透明保护层和显像层之间存在一定的距离，当显像层的显示画面为白色画面时，在单侧表面光源的照射下表面灰尘缺陷与屏幕内部异物缺陷的会形成迎光面亮点以及背光面阴影，而且表面灰尘缺陷在白色画面中所产生的阴影会与表面灰尘的缺陷主体之间存在一定距离，但现有技术中一般会利用迎光面亮点来对表面灰尘缺陷与屏幕内部异物缺陷进行区分，容易出现误判的情况，从而无法达到节约人力成本和提高效率的目的，反而需要大量的人员进行二次确认大大降低了生产的效率和资源的浪费。
在现有技术中，公开号为CN101988908A（用于对基板的缺陷进行区分的方法和系统）的专利中，提出一种区分表面缺陷与内部缺陷的方法，通过将照明单元打亮透明或半透明基板的其中一个表面；将第一成像单元和第二成像单元设置在基板的另一相对表面的外侧并使第一成像单元的光轴和第二成像单元的光轴之间的夹角大于零，通过图像构建模块分别根据第一成像单元和第二成像单元所拍摄的图像，构建基板的两个图像；通过图像处理模块根据缺陷在构建的两个图像中的位置的相互关系，检测缺陷是位于基板的表面上的缺陷还是位于基板的内部的缺陷。
上述现有技术存在以下缺点：该方案通过缺陷在不同图像中的相互关系来对表面缺陷和内部缺陷进行区分判断，在改变拍摄角度的过程中，表面缺陷和内部缺陷容易发生相互遮挡，从而影响其相互关系的判断，容易造成误判。因此，需要通过阴影的距离特征来确定多层结构屏幕中的待测缺陷的缺陷类型，降低多层结构屏幕的缺陷类型的误判率。
发明内容
为克服相关技术中存在的问题，本申请提供一种多层结构屏幕的异物缺陷区分方法，该多层结构屏幕的异物缺陷区分方法，能够准确区分待测缺陷的缺陷类型，降低多层结构屏幕的异物缺陷误判率。
本申请第一方面提供一种多层结构屏幕的异物缺陷区分方法，包括：
将待测的多层结构屏幕的显示画面切换为白色画面；
在M个方向的表面光源的切换照射下对多层结构屏幕进行拍摄，使得待测缺陷在白色画面中产生阴影，得到M个目标检测图像；M为大于2的整数；
分别根据M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓；
根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图；
根据第一灰度直方图以及第二灰度直方图确定缺陷主体轮廓与缺陷阴影轮廓之间的推土距离EMD；
将EMD与预设阈值对比，根据对比结果确定待测缺陷的缺陷类型，缺陷类型包括内部异物缺陷和表面灰尘缺陷。
在一种实施方式中，根据第一灰度直方图以及第二灰度直方图确定缺陷主体轮廓与缺陷阴影轮廓之间的推土距离EMD，包括：
根据第一灰度直方图以及第二灰度直方图确定距离描述矩阵；
根据距离描述矩阵确定EMD表达式；
根据EMD表达式以及预设限制条件通过线性规划方法确定EMD，EMD为EMD表达式在预设限制条件下的极小值。
在一种实施方式中，预设阈值包括距离阈值以及输出值阈值；
将EMD与预设阈值对比，根据对比结果确定待测缺陷的缺陷类型，包括：
将M个目标检测图像中待测缺陷对应的各个EMD分别与距离阈值对比，若各个EMD均大于距离阈值，则确定缺陷类型为表面灰尘缺陷；若各个EMD均小于距离阈值，则确定缺陷类型为内部异物缺陷；
若距离阈值处于待测缺陷对应的各个EMD的最大值与最小值之间，则通过增强学习处理对缺陷类型进行确定。
在一种实施方式中，增强学习处理包括：
根据M个目标检测图像中待测缺陷对应的各个EMD分别与距离阈值的对比结果获取M个输出值；
若当前EMD大于距离阈值，则当前输出值为a，a大于或等于1；
若当前EMD小于距离阈值，则当前输出值为b，b小于1；
将M个输出值进行求和，得到目标输出值；
将目标输出值与输出值阈值对比。
在一种实施方式中，通过增强学习处理对缺陷类型进行确定，包括：
若目标输出值大于输出值阈值，则确定缺陷类型为表面灰尘缺陷；
若目标输出值小于输出值阈值，则确定缺陷类型为内部异物缺陷。
在一种实施方式中，根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图，包括：
分别获取缺陷主体轮廓的第一灰度级数量以及缺陷阴影轮廓的第二灰度级数量；
在缺陷主体轮廓中确定第一灰度级数量中各级灰度级对应的第一像素数量；
根据第一灰度级数量以及各级灰度级对应的第一像素数量形成第一灰度直方图；
在缺陷阴影轮廓中确定第二灰度级数量中各级灰度级对应的第二像素数量；
根据第二灰度级数量以及各级灰度级对应的第二像素数量形成第二灰度直方图。
在一种实施方式中，分别根据M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓，包括：
通过阈值分割算法分别在M个目标检测图像中获取缺陷主体轮廓以及缺陷阴影轮廓。
在一种实施方式中，在M个方向的表面光源的切换照射下对多层结构屏幕进行拍摄，使得待测缺陷在白色画面中产生阴影，包括：
在多层结构屏幕周边的M个方向的条形光源的依次切换照射下，每切换一次条形光源的照射方向对多层结构屏幕拍摄一次，使得待测缺陷在白色画面中形成缺陷阴影轮廓；条形光源的照射方向以多层结构屏幕的中心点为圆心依次切换。
本申请第二方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上所述的方法。
本申请第三方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
通过将待测的多层结构屏幕的显示画面切换为白色画面，再采用M个方向的表面光源对该多层结构屏幕进行切换照射并拍摄，待测缺陷在表面光源的照射下，待测缺陷会形成背光面并且会在白色画面中产生阴影，分别根据M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓，根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图，根据第一灰度直方图以及第二灰度直方图确定缺陷主体轮廓与缺陷阴影轮廓之间的推土距离EMD，从而明确阴影的距离特征，由于多层结构屏幕表面的透明保护层和显像层之间存在一定的距离，表面灰尘缺陷与内部异物缺陷所产生的阴影的距离特征存在差异，因此根据EMD与预设阈值之间的对比结果即可确定待测缺陷的缺陷类型，确定待测缺陷是内部异物缺陷还是表面灰尘缺陷，清晰明确地对待测缺陷的缺陷类型进行区分，降低多层结构屏幕的异物缺陷误判率，提高生产效率以及生产质量。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的多层结构屏幕的异物缺陷区分方法实施例一的流程示意图；
图2是本申请实施例示出的多层结构屏幕的异物缺陷区分方法实施例二的流程示意图；
图3是本申请实施例示出的多层结构屏幕的异物缺陷区分方法实施例三的流程示意图；
图4是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
多层结构屏幕表面的透明保护层和显像层之间存在一定的距离，当显像层的显示画面为白色画面时，在单侧表面光源的照射下表面灰尘缺陷与屏幕内部异物缺陷的会形成迎光面亮点以及背光面阴影，现有技术中一般会利用迎光面亮点来对表面灰尘缺陷与屏幕内部异物缺陷进行区分，容易出现误判的情况，从而无法达到节约人力成本和提高效率的目的，反而需要大量的人员进行二次确认大大降低了生产的效率和资源的浪费。
因此，需要通过阴影的距离特征来确定多层结构屏幕中的待测缺陷的缺陷类型，降低多层结构屏幕的缺陷类型的误判率。
针对上述问题，本申请实施例提供一种多层结构屏幕的异物缺陷区分方法，能够准确区分待测缺陷的缺陷类型，降低多层结构屏幕的异物缺陷误判率。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的多层结构屏幕的异物缺陷区分方法实施例一的流程示意图。
请参阅图1，本申请实施例示出的多层结构屏幕的异物缺陷区分方法的实施例一包括：
101、将待测的多层结构屏幕的显示画面切换为白色画面；
多层结构屏幕的可以是LCD屏幕以及水墨屏等，是指由多层膜层结构堆叠而成的屏幕，首层结构为用于保护屏幕的透明保护层，透明保护层以下的其他膜层的结合结构为用于显像的显像层，透明保护层与显像层会存在一定的距离。
在本申请实施例中，将待测的多层结构屏幕进行通电开启后，将显示画面切换为白色画面，用于突显待测缺陷产生的阴影。
102、在M个方向的表面光源的切换照射下对多层结构屏幕进行拍摄，使得待测缺陷在白色画面中产生阴影；
通过M个方向的表面光源分别照亮待测的多层结构屏幕，假设多层结构屏幕存在表面灰尘缺陷以及内部异物缺陷，则待测缺陷即为由表面灰尘缺陷与内部异物缺陷组成的集合，当任意一个方向的表面光源打在任意一个待测缺陷时，待测缺陷会形成背光面阴影，该阴影会投影在该白色画面中。由于透明保护层与显像层会存在一定的距离，表面灰尘缺陷是处于透明保护层外部的，而内部异物缺陷则处于透明保护层与显像层之间，与显像层距离更近，可以理解的是，表面灰尘缺陷在白色画面中所产生的阴影与该表面灰尘缺陷的主体之间的距离会比内部异物缺陷在白色画面中所产生的阴影与该内部异物缺陷的主体之间的距离要大，内部异物缺陷在白色画面中所产生的阴影会更贴近于该内部异物缺陷的主体。
在本申请实施例中，至少需要保证有两个不同方向的表面光源来进行切换照射，即M的取值为大于2的整数，为了同时兼顾检测的效率以及检测的准确度，一般M的取值为4为宜，可以理解的是，在实际应用中，M的取值是多样的，需根据实际应用情况来进行确定，此处不作唯一限定。
在本申请实施例中，可以通过工业相机以及镜头所组成的成像系统来进行拍摄，工业相机以及镜头可设置于待测的多层结构屏幕的正上方，表面光源设置在镜头以及多层结构屏幕之间，也可以通过光源控制装置来控制表面光源的切换照射频率，以保证拍摄频率与该切换照射频率一致。可以理解的是，以上关于对待测的多层结构屏幕的成像形式仅为示例性的，在实际应用中，成像形式是多样的，需根据实际应用情况来进行设定，此处不作唯一限定。得到的目标检测图像的数量与表面光源的方向数量保持一致。
103、分别根据M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓；
对于各个目标检测图像中的各个待测缺陷都分别获取各个待测缺陷对应的缺陷主体轮廓以及缺陷阴影轮廓。缺陷主体轮廓是指待测缺陷的主体部分的边缘所围成的轮廓；缺陷阴影轮廓是指待测缺陷在白色画面上所产生的阴影的边缘所围成的轮廓。
104、根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图；
灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是根据数字图像中的所有像素确定所有存在的灰度级，并统计该灰度级出现的频次。
105、根据第一灰度直方图以及第二灰度直方图确定缺陷主体轮廓与缺陷阴影轮廓之间的推土距离EMD；
推土距离EMD，即Earth Mover’s Distance，又称Wasserstein距离，即EMD，可以用来测量两个分布之间的距离。假设两个分部为两个有一定存土量的土堆，那么EMD就是将一个土堆转换为另一个土堆所需的最小总工作量，其中，工作量的定义是单位泥土的总量乘以它移动的距离。可以理解的是，通过确定EMD，即可确定缺陷主体轮廓与缺陷阴影轮廓之间的距离。
106、将EMD与预设阈值对比，根据对比结果确定待测缺陷的缺陷类型。
在本申请实施例中，缺陷类型包括内部异物缺陷和表面灰尘缺陷，并设置了一个用于判断待测缺陷的缺陷类型是内部异物缺陷还是表面灰尘缺陷的阈值，即预设阈值，即默认若EMD大于预设阈值，则说明缺陷阴影轮廓与缺陷主体轮廓之间存在一定距离，对应的待测缺陷的缺陷类型可能是表面灰尘缺陷，需要继续通过其他的目标检测图像的EMD与预设阈值对比结果进行进一步确认该待测缺陷的缺陷类型；即默认若EMD小于预设阈值，则说明缺陷阴影轮廓与缺陷主体轮廓之间距离较小，对应的待测缺陷的缺陷类型可能是内部异物缺陷，需要继续通过其他的目标检测图像的EMD与预设阈值对比结果进行进一步确认该待测缺陷的缺陷类型。
从上述实施例一可以看出以下有益效果：
通过将待测的多层结构屏幕的显示画面切换为白色画面，再采用M个方向的表面光源对该多层结构屏幕进行切换照射并拍摄，待测缺陷在表面光源的照射下，待测缺陷会形成背光面并且会在白色画面中产生阴影，分别根据M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓，根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图，根据第一灰度直方图以及第二灰度直方图确定缺陷主体轮廓与缺陷阴影轮廓之间的推土距离EMD，从而明确阴影的距离特征，由于多层结构屏幕表面的透明保护层和显像层之间存在一定的距离，表面灰尘缺陷与内部异物缺陷所产生的阴影的距离特征存在差异，因此根据EMD与预设阈值之间的对比结果即可确定待测缺陷的缺陷类型，确定待测缺陷是内部异物缺陷还是表面灰尘缺陷，清晰明确地对待测缺陷的缺陷类型进行区分，降低多层结构屏幕的异物缺陷误判率，提高生产效率以及生产质量。
实施例二
为了便于理解，以下提供多层结构屏幕的异物缺陷区分方法的一个实施例来进行说明，在实际应用中，会通过EMD表达式以及预设限制条件来确定EMD，并通过距离阈值以及输出值阈值实现对待测缺陷的缺陷类型的判定。
请参阅图2，本申请实施例示出的多层结构屏幕的异物缺陷区分方法的实施例二包括：
201、根据第一灰度直方图以及第二灰度直方图确定距离描述矩阵；
在本申请实施例中，若第一灰度直方图记为
Figure DEST_PATH_IMAGE001
，第二灰度直方图记为
Figure 863393DEST_PATH_IMAGE002
，则距离描述矩阵可以用以下公式一来进行表示：
公式一：
Figure DEST_PATH_IMAGE003
；
其中，abs是指abs函数，用于求数据绝对值的函数；
Figure 930706DEST_PATH_IMAGE004
为距离描述矩阵，
Figure DEST_PATH_IMAGE005
为第一灰度直方图
Figure 417182DEST_PATH_IMAGE001
中的第i个灰度级的频次函数，
Figure 505224DEST_PATH_IMAGE006
为第二灰度直方图
Figure 303416DEST_PATH_IMAGE002
中的第j个灰度级的频次函数，i和j均为大于或等于零的整数。
可以理解的是，以上通过公式一来确定距离描述矩阵仅为示例性的，在实际应用中，用于确定距离描述矩阵的方式是多样的，需根据实际应用情况进行选取，此处不作唯一限定。
202、根据距离描述矩阵确定EMD表达式；
在本申请实施例中，EMD表达式可以用以下公式二来进行表示：
公式二：
Figure DEST_PATH_IMAGE007
；
其中，argmin是指argmin函数，是用于求解当目标函数为最小值时变量的取值，在上述公式二中，目标函数为W(
Figure 672955DEST_PATH_IMAGE008
)，变量为
Figure DEST_PATH_IMAGE009
，即是EMD。
可以理解的是，以上通过公式二来表示EMD表达式仅为示例性的，在实际应用中，用于表示EMD表达式的方式是多样的，需根据实际应用情况进行选取，此处不作唯一限定。
203、根据EMD表达式以及预设限制条件通过线性规划方法确定EMD；
在本申请实施例中，预设限制条件可以用以下公式三来进行表示：
公式三：
Figure 748358DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
表示EMD不为负数；
Figure 272881DEST_PATH_IMAGE012
，表示对于任意j，
Figure DEST_PATH_IMAGE013
小于或等于第二直方图第j个灰度级的频次；
Figure 699314DEST_PATH_IMAGE014
，表示对于任意i，
Figure DEST_PATH_IMAGE015
为小于或等于第一直方图第i个灰度级的频次。
可以理解的是，以上通过公式三来表示预设限制条件仅为示例性的，在实际应用中，用于表示预设限制条件的方式是多样的，需根据实际应用情况进行选取，此处不作唯一限定。
在本申请实施例中，可以通过线性规划方法求解EMD表达式在预设限制条件下的极小值来确定EMD，表示缺陷阴影轮廓与缺陷主体轮廓两个分布之间距离的极小值。可以理解的是，在实际应用中，求解EMD表达式在预设限制条件下的极小值的方式是多样的，需根据实际应用情况选择适合的求解方式，以上采用线性规划方法进行求解仅为示例性的，不作唯一限定。
204、将EMD与预设阈值对比，根据对比结果确定待测缺陷的缺陷类型。
在本申请实施例中，预设阈值包括距离阈值以及输出值阈值，以距离阈值为区分依据形成简单分类器，以输出值阈值为区分依据形成强分类器，当简单分类器无法完成区分时，会采用强分类器来进行区分。
将M个目标检测图像中待测缺陷对应的各个EMD分别与距离阈值对比，若各个EMD均大于距离阈值，则确定缺陷类型为表面灰尘缺陷；若各个EMD均小于距离阈值，则确定缺陷类型为内部异物缺陷。
若距离阈值处于待测缺陷对应的各个EMD的最大值与最小值之间，则强分类器对缺陷类型进行确定，强分类器会执行增强学习处理来进行区分操作，增强学习处理具体为：
根据M个目标检测图像中待测缺陷对应的各个EMD分别与距离阈值的对比结果获取M个输出值；若当前EMD大于距离阈值，则当前输出值为a，a大于或等于1；若当前EMD小于距离阈值，则当前输出值为b，b小于1；将M个输出值进行求和，得到目标输出值；将目标输出值与输出值阈值对比。
根据目标输出值与输出值阈值的对比结果确定缺陷类型，若目标输出值大于输出值阈值，则确定缺陷类型为表面灰尘缺陷；若目标输出值小于输出值阈值，则确定缺陷类型为内部异物缺陷。
从上述实施例二可以看出以下有益效果：
根据第一灰度直方图以及第二灰度直方图确定距离描述矩阵，根据距离描述矩阵确定EMD表达式，在预设限制条件内确定EMD表达式的极小值来作为EMD，确定了缺陷阴影轮廓与缺陷主体轮廓两个分布之间的最小距离，融合多个目标检测图像对应的EMD通过简单分类器以及强分类器来进行区分判断，从而放大了表面灰尘缺陷与内部异物缺陷所产生的阴影的距离特征的差异，清晰确定待测缺陷的缺陷类型，降低多层结构屏幕的异物缺陷误判率，提高生产效率以及生产质量。
实施例三
为了便于理解，以下提供多层结构屏幕的异物缺陷区分方法的一个实施例来进行说明，在实际应用中，表面光源会采用条形光源，使得照射光源具有指向性，增强在不同打光方向下的区分特征，所产生的阴影不会受到其他杂光的干扰，确保缺陷主体轮廓以及缺陷阴影轮廓的获取质量以及灰度直方图的准确度。
请参阅图3，本申请实施例示出的多层结构屏幕的异物缺陷区分方法的实施例三包括：
301、在M个方向的表面光源的切换照射下对多层结构屏幕进行拍摄，使得待测缺陷在白色画面中产生阴影；
在多层结构屏幕周边的M个方向的条形光源的依次切换照射下，每切换一次条形光源的照射方向对多层结构屏幕拍摄一次，使得待测缺陷在白色画面中形成缺陷阴影轮廓，在本申请实施例中，采用条形光源能够有效提升光源的指向性，使得迎光面和背光面的区分程度更加明显，增强在不同打光方向下的区分特征，所产生的阴影不会受到其他杂光的干扰。条形光源的照射方向以多层结构屏幕的中心点为圆心依次切换，在本申请实施例中，若照射方向的数量设置为4，即M的取值为4，则条形光源可以是四个，分别设置于多层结构屏幕的四条边缘的上方，通过光源固定装置将条形光源进行固定，也可以设置一个条形光源，以多层结构屏幕的中心点为圆心进行绕转，分别在多层结构屏幕的四条边缘的上方停留并对多层结构屏幕上的待测缺陷进行照亮。可以理解的是，以上对于条形光源的设置方法仅为示例性的，不作唯一限定。
302、通过阈值分割算法分别在M个目标检测图像中获取缺陷主体轮廓以及缺陷阴影轮廓；
通过阈值分割算法分别在M个目标检测图像中得到待测缺陷和待测缺陷对应产生的阴影的连通区域，假设复平面上的一个区域G，如果在其中任做一条简单闭曲线，而该闭曲线的内部总属于区域G，则区域G为连通区域。
在该连通区域中通过阈值分割算法提取待测缺陷主体部分轮廓，即缺陷主体轮廓，提取阴影轮廓，即缺陷阴影轮廓。
303、根据缺陷主体轮廓确定第一灰度直方图，并根据缺陷阴影轮廓确定第二灰度直方图。
通过MATLAB分别获取缺陷主体轮廓的第一灰度级数量以及缺陷阴影轮廓的第二灰度级数量，在缺陷主体轮廓中确定第一灰度级数量中各级灰度级对应的第一像素数量，根据第一灰度级数量以及各级灰度级对应的第一像素数量形成第一灰度直方图。相应的，在缺陷阴影轮廓中确定第二灰度级数量中各级灰度级对应的第二像素数量，根据第二灰度级数量以及各级灰度级对应的第二像素数量形成第二灰度直方图。
可以理解的是，在实际应用中确定灰度直方图的方式除了MATLAB以外还有多种方式，需根据实际应用情况来选择实现方式，此处不作唯一限定。
从上述实施例三可以看出以下有益效果：
通过多个方向的条形光源对多层结构屏幕上的待测缺陷进行照射和成像，增强在不同打光方向下的区分特征，所产生的阴影不会受到其他杂光的干扰，对所获得的图像通过阈值分割算法提取缺陷主体轮廓以及缺陷阴影轮廓，并生成对应的灰度直方图，放大了待测缺陷主体与其产生的阴影之间的区分特征，提高了计算缺陷主体轮廓与缺陷阴影轮廓之间EMD的准确度，从而提升了待测缺陷的缺陷类型的区分精准度，降低多层结构屏幕的异物缺陷误判率，提高生产效率以及生产质量。
与前述应用功能实现方法实施例相对应，本申请还提供了一种执行多层结构屏幕的异物缺陷区分方法的电子设备及相应的实施例。
图4是本申请实施例示出的电子设备的结构示意图。
参见图4，电子设备1000包括存储器1010和处理器1020。
处理器1020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)、现场可编程门阵列 (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。
存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM），和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等等）、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减， 本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种非暂时性机器可读存储介质（或计算机可读存储介质、或机器可读存储介质），其上存储有可执行代码（或计算机程序、或计算机指令代码），当所述可执行代码（或计算机程序、或计算机指令代码）被电子设备（或电子设备、服务器等）的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种多层结构屏幕的异物缺陷区分方法，其特征在于，包括：
将待测的多层结构屏幕的显示画面切换为白色画面；
在M个方向的表面光源的切换照射下对所述多层结构屏幕进行拍摄，使得待测缺陷在所述白色画面中产生阴影，得到M个目标检测图像；所述M为大于2的整数；
分别根据所述M个目标检测图像获取所述待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓；
根据所述缺陷主体轮廓确定第一灰度直方图，并根据所述缺陷阴影轮廓确定第二灰度直方图；
根据所述第一灰度直方图以及所述第二灰度直方图确定所述缺陷主体轮廓与所述缺陷阴影轮廓之间的推土距离EMD；
将所述EMD与预设阈值对比，根据对比结果确定所述待测缺陷的缺陷类型，所述缺陷类型包括内部异物缺陷和表面灰尘缺陷。
2.根据权利要求1所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
所述根据所述第一灰度直方图以及所述第二灰度直方图确定所述缺陷主体轮廓与所述缺陷阴影轮廓之间的推土距离EMD，包括：
根据所述第一灰度直方图以及所述第二灰度直方图确定距离描述矩阵；
根据所述距离描述矩阵确定EMD表达式；
根据所述EMD表达式以及预设限制条件通过线性规划方法确定所述EMD，所述EMD为所述EMD表达式在所述预设限制条件下的极小值。
3.根据权利要求1所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
所述预设阈值包括距离阈值以及输出值阈值；
所述将所述EMD与预设阈值对比，根据对比结果确定所述待测缺陷的缺陷类型，包括：
将所述M个目标检测图像中所述待测缺陷对应的各个EMD分别与所述距离阈值对比，若各个EMD均大于所述距离阈值，则确定所述缺陷类型为所述表面灰尘缺陷；若各个EMD均小于所述距离阈值，则确定所述缺陷类型为所述内部异物缺陷；
若所述距离阈值处于所述待测缺陷对应的各个EMD的最大值与最小值之间，则通过增强学习处理对所述缺陷类型进行确定。
4.根据权利要求3所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
所述增强学习处理包括：
根据所述M个目标检测图像中所述待测缺陷对应的各个EMD分别与所述距离阈值的对比结果获取M个输出值；
若当前EMD大于所述距离阈值，则当前输出值为a，所述a大于或等于1；
若当前EMD小于所述距离阈值，则当前输出值为b，所述b小于1；
将所述M个输出值进行求和，得到目标输出值；
将所述目标输出值与所述输出值阈值对比。
5.根据权利要求4所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
所述通过增强学习处理对所述缺陷类型进行确定，包括：
若所述目标输出值大于所述输出值阈值，则确定所述缺陷类型为所述表面灰尘缺陷；
若所述目标输出值小于所述输出值阈值，则确定所述缺陷类型为所述内部异物缺陷。
6.根据权利要求1所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
所述根据所述缺陷主体轮廓确定第一灰度直方图，并根据所述缺陷阴影轮廓确定第二灰度直方图，包括：
分别获取所述缺陷主体轮廓的第一灰度级数量以及所述缺陷阴影轮廓的第二灰度级数量；
在所述缺陷主体轮廓中确定所述第一灰度级数量中各级灰度级对应的第一像素数量；
根据所述第一灰度级数量以及各级灰度级对应的第一像素数量形成所述第一灰度直方图；
在所述缺陷阴影轮廓中确定所述第二灰度级数量中各级灰度级对应的第二像素数量；
根据所述第二灰度级数量以及各级灰度级对应的第二像素数量形成所述第二灰度直方图。
7.根据权利要求1所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
所述分别根据所述M个目标检测图像获取待测缺陷的缺陷主体轮廓以及缺陷阴影轮廓，包括：
通过阈值分割算法分别在所述M个目标检测图像中获取所述缺陷主体轮廓以及所述缺陷阴影轮廓。
8.根据权利要求1所述的多层结构屏幕的异物缺陷区分方法，其特征在于，
在M个方向的表面光源的切换照射下对所述多层结构屏幕进行拍摄，使得待测缺陷在所述白色画面中产生阴影，包括：
在所述多层结构屏幕周边的M个方向的条形光源的依次切换照射下，每切换一次所述条形光源的照射方向对所述多层结构屏幕拍摄一次，使得所述待测缺陷在所述白色画面中形成所述缺陷阴影轮廓；所述条形光源的照射方向以所述多层结构屏幕的中心点为圆心依次切换。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-8中任一项所述的方法。
10.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-8中任一项所述的方法。
CN202111047559.6A 2021-09-08 2021-09-08 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质 Active CN113484333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111047559.6A CN113484333B (zh) 2021-09-08 2021-09-08 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111047559.6A CN113484333B (zh) 2021-09-08 2021-09-08 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113484333A true CN113484333A (zh) 2021-10-08
CN113484333B CN113484333B (zh) 2021-12-14

Family

ID=77946697

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111047559.6A Active CN113484333B (zh) 2021-09-08 2021-09-08 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113484333B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018842A (zh) * 2022-08-08 2022-09-06 中科航迈数控软件(深圳)有限公司 基于机器视觉的缺陷检测方法、装置、终端及存储介质

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001205327A (ja) * 2000-01-28 2001-07-31 Sumitomo Metal Ind Ltd 表面性状判別装置
KR20040103143A (ko) * 2003-05-31 2004-12-08 삼성코닝정밀유리 주식회사 유리 기판에 존재하는 결함의 깊이방향 위치 검출방법
EP1712898A1 (de) * 2005-04-15 2006-10-18 Leica Microsystems Jena GmbH Verfahren zur Inspektion eines Wafers
US20070216897A1 (en) * 2004-11-24 2007-09-20 Asahi Glass Co., Ltd. Defect inspection method and apparatus for transparent plate-like members
JP2008071988A (ja) * 2006-09-15 2008-03-27 Elpida Memory Inc 半導体装置の欠陥検査装置及び欠陥検査方法
CN101473218A (zh) * 2006-05-12 2009-07-01 康宁股份有限公司 用于表征透明基底中的缺陷的装置和方法
JP2009145285A (ja) * 2007-12-18 2009-07-02 Dainippon Screen Mfg Co Ltd 欠陥検出方法および欠陥検出装置
JP2010249552A (ja) * 2009-04-13 2010-11-04 Central Glass Co Ltd ガラス板の欠陥識別方法および装置
CN101988908A (zh) * 2009-07-31 2011-03-23 法国圣-戈班玻璃公司 用于对基板的缺陷进行区分的方法和系统
CN102609913A (zh) * 2012-01-17 2012-07-25 浙江大学 Cta图像中肝脏血管增强及肝脏与血管同时分割的方法
JP2013036888A (ja) * 2011-08-09 2013-02-21 Mitsubishi Electric Corp シリコン基板の検査装置、および検査方法
US9418413B1 (en) * 2009-07-06 2016-08-16 Camtek Ltd. System and a method for automatic recipe validation and selection
CN109724994A (zh) * 2017-10-30 2019-05-07 东莞理工学院 基于aoi技术的fpc金手指表面缺陷检测系统及方法
CN110567388A (zh) * 2018-06-06 2019-12-13 通用电气航空系统有限公司 通过非接触式测量的自动飞行控制面的故障隔离和飞行器损坏检测
CN111340791A (zh) * 2020-03-02 2020-06-26 浙江浙能技术研究院有限公司 一种基于gan改进算法的光伏组件无监督缺陷检测方法
TW202043760A (zh) * 2018-11-21 2020-12-01 日商日本電氣硝子股份有限公司 玻璃板的製造方法以及玻璃板的製造裝置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001205327A (ja) * 2000-01-28 2001-07-31 Sumitomo Metal Ind Ltd 表面性状判別装置
KR20040103143A (ko) * 2003-05-31 2004-12-08 삼성코닝정밀유리 주식회사 유리 기판에 존재하는 결함의 깊이방향 위치 검출방법
US20070216897A1 (en) * 2004-11-24 2007-09-20 Asahi Glass Co., Ltd. Defect inspection method and apparatus for transparent plate-like members
EP1712898A1 (de) * 2005-04-15 2006-10-18 Leica Microsystems Jena GmbH Verfahren zur Inspektion eines Wafers
CN101473218A (zh) * 2006-05-12 2009-07-01 康宁股份有限公司 用于表征透明基底中的缺陷的装置和方法
JP2008071988A (ja) * 2006-09-15 2008-03-27 Elpida Memory Inc 半導体装置の欠陥検査装置及び欠陥検査方法
JP2009145285A (ja) * 2007-12-18 2009-07-02 Dainippon Screen Mfg Co Ltd 欠陥検出方法および欠陥検出装置
JP2010249552A (ja) * 2009-04-13 2010-11-04 Central Glass Co Ltd ガラス板の欠陥識別方法および装置
US9418413B1 (en) * 2009-07-06 2016-08-16 Camtek Ltd. System and a method for automatic recipe validation and selection
CN101988908A (zh) * 2009-07-31 2011-03-23 法国圣-戈班玻璃公司 用于对基板的缺陷进行区分的方法和系统
JP2013036888A (ja) * 2011-08-09 2013-02-21 Mitsubishi Electric Corp シリコン基板の検査装置、および検査方法
CN102609913A (zh) * 2012-01-17 2012-07-25 浙江大学 Cta图像中肝脏血管增强及肝脏与血管同时分割的方法
CN109724994A (zh) * 2017-10-30 2019-05-07 东莞理工学院 基于aoi技术的fpc金手指表面缺陷检测系统及方法
CN110567388A (zh) * 2018-06-06 2019-12-13 通用电气航空系统有限公司 通过非接触式测量的自动飞行控制面的故障隔离和飞行器损坏检测
TW202043760A (zh) * 2018-11-21 2020-12-01 日商日本電氣硝子股份有限公司 玻璃板的製造方法以及玻璃板的製造裝置
CN111340791A (zh) * 2020-03-02 2020-06-26 浙江浙能技术研究院有限公司 一种基于gan改进算法的光伏组件无监督缺陷检测方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JINPING LIU等: "Illumination-Invariant Flotation Froth Color Measuring via Wasserstein Distance-Based CycleGAN With Structure-Preserving Constraint", 《IEEE TRANSACTIONS ON CYBERNETICS》 *
JOHANNES MEYER等: "About the Acquisition and Processing of Ray Deflection Histograms for Transparent Object Inspection", 《PROCEEDINGS OF THE 18TH IRISH MACHINE VISION AND IMAGE PROCESSING CONFERENCE》 *
SHUANLONG NIU等: "Defect Image Sample Generation With GAN for Improving Defect Recognition", 《IEEE TRANSACTIONS ON AUTOMATION SCIENCE AND ENGINEERING》 *
TAO WANG等: "Mobile Phone Surface Defect Detection Based on Improved Faster R-CNN", 《2020 25TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION》 *
侯亮: "半监督堆叠距离自动编码器的表征学习在图像分类上的应用", 《FRONT INFORM TECHNOL ELECTRON ENG》 *
曲光宇: "水下多目标纯方位跟踪与定位技术研究", 《中国优秀博硕士学位论文全文数据库（硕士） 基础科学辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115018842A (zh) * 2022-08-08 2022-09-06 中科航迈数控软件(深圳)有限公司 基于机器视觉的缺陷检测方法、装置、终端及存储介质
CN115018842B (zh) * 2022-08-08 2022-11-11 中科航迈数控软件(深圳)有限公司 基于机器视觉的缺陷检测方法、装置、终端及存储介质

Also Published As

Publication number Publication date
CN113484333B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN111627009B (zh) 一种屏幕检测方法、装置及头戴显示设备
CN111862195B (zh) 光斑检测方法和装置、终端和存储介质
CN112858318B (zh) 屏幕异物缺陷与灰尘的区分方法、电子设备及存储介质
CN102396058B (zh) 检测晶片上的缺陷
CN111612781A (zh) 一种屏幕缺陷检测方法、装置及头戴显示设备
US20130128026A1 (en) Image processing device for defect inspection and image processing method for defect inspection
CN102509300A (zh) 一种缺陷检测方法及系统
CN111325717B (zh) 手机缺陷位置识别方法及设备
CN112701060B (zh) 半导体芯片焊线的检测方法及装置
KR20140116946A (ko) 웨이퍼 검사를 위한 분할
CN101464418A (zh) 缺陷检测方法以及缺陷检测装置
US10964051B2 (en) Image processing device, foreign object inspection device, and image processing method
CN112734756B (zh) 基于光度立体视觉的检测方法及系统
CN113484333B (zh) 多层结构屏幕的异物缺陷区分方法、电子设备及存储介质
CN112798613B (zh) Lcd异物缺陷彩色成像检测方法、电子设备及存储介质
CN111311556A (zh) 手机缺陷位置识别方法及设备
US20210019880A1 (en) Mammogram analysis method, mammogram analysis system, and non-transitory computer-readable medium
CN117152165B (zh) 感光芯片缺陷的检测方法、装置、存储介质及电子设备
US20190304127A1 (en) Foreign object inspection device and foreign object inspection method
CN109060830B (zh) 显示屏的杂质的检测方法和装置
CN116843665A (zh) 相机模组涂胶情况判定方法、装置、设备及存储介质
KR102587461B1 (ko) 화상 처리 장치, 이물 검사 장치, 화상 처리 방법, 및 이물 검사 방법
US20190304125A1 (en) Image processing device, foreign object inspection device, image processing method, and foreign object inspection method
TW201435333A (zh) 圖像產生裝置、缺陷檢查裝置及缺陷檢查方法
CN113628212B (zh) 不良偏光片识别方法、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant