CN114266773A - 显示面板缺陷定位方法、装置、设备及存储介质 - Google Patents
显示面板缺陷定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114266773A CN114266773A CN202210197247.1A CN202210197247A CN114266773A CN 114266773 A CN114266773 A CN 114266773A CN 202210197247 A CN202210197247 A CN 202210197247A CN 114266773 A CN114266773 A CN 114266773A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- display panel
- standard template
- mask
- 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
Links
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请公开了一种显示面板缺陷定位方法,通过缺陷图像在标准模版上的对应位置确定缺陷图像在标准模版掩膜上的对应位置,以获得缺陷图像的像素值分布,将其与标准模版中各个区域的像素值进行对比,定位缺陷所处的区域,增加了缺陷图像与标准模版的对照精度,通过像素值定位缺陷位置,避免了人为判断偏差,提高了定位精准度。
Description
技术领域
本申请涉及显示面板设计制造领域,尤其涉及一种显示面板缺陷定位方法、装置、设备及存储介质。
背景技术
显示面板制造过程中因工艺波动、机台差异等因素影响,会产生各种各样形态的缺陷。随着人工智能技术以及ADC系统(Automatic Defect Classification,自动缺陷分类系统)的发展,面板缺陷定位和分类已经逐步普及。
显示面板的制造主要可分为前段Array、中段 Cell 及后段 Module 三大工艺过程,Array制程的难度最高、工艺最复杂,使得待检基板纹理复杂且存在大量近透明、低对比度微小的缺陷,这给缺陷检测和修复带来极大困难和挑战。需要根据缺陷所在区域,判断缺陷是否进行修补操作。目前缺陷所在区域位置可以依据人眼进行判别,但准确性低。
发明内容
本申请的主要目的在于提供一种显示面板缺陷定位方法、装置、设备及存储介质,旨在解决人工判定缺陷所在区域位置的准确性低的技术问题。
为实现上述目的,本申请提供一种显示面板缺陷定位方法,包括:
获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;
对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;
根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;
根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;
根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
可选地,所述根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布的步骤,包括:
生成所述标准模板的第一掩膜图以及所述缺陷图像的第二掩膜图,所述第一掩膜图中不同区域包括不同像素值的像素点,所述第二掩膜图中包括所述缺陷所在区域的缺陷像素点;
根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布。
根据缺陷在标准模板上的对应位置,可以得到缺陷在标准模版的掩膜图上的对应位置的像素点数量,进而根据该像素点数量和标准模版的掩膜图上的像素点数量,可以获得缺陷在标准模版上每个区域的像素值,该像素值用于判定缺陷的所属区域。
可选地,所述根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布的步骤,包括:
根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得落在所述第一掩膜图中各区域的缺陷像素点的数量;
根据落在所述第一掩膜图中各区域的缺陷像素点的数量以及所述第一掩膜图中各区域的像素点数量,获得所述缺陷像素点在所述第一掩膜图中各区域的像素点占比;
根据所述缺陷像素点在所述第一掩膜图中各区域的像素点占比,获得所述缺陷在所述标准模板上的像素值分布。
缺陷图像和标准模版的掩膜图上均包含不同的像素点,对标准模版的掩膜图和缺陷图像的掩膜图进行相与操作,即根据缺陷在标准模板上的对应位置,可以得到缺陷在标准模版的掩膜图上的对应位置的像素点数量,根据该像素点数量和标准模版的掩膜图上的像素点数量,可以获得缺陷在标准模版上每个区域的像素值。
可选地,所述标准模板上包括主线;所述根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域的步骤之后,还包括:
获取所述缺陷的所属区域的二值图像;
根据所述二值图像,获得所述缺陷的所属区域的横向异常像素数和横向异常像素数;
根据所述横向异常像素数和所述横向异常像素数,获得所述缺陷的主线占比。
若缺陷处于data线上,截取缺陷区域的二值图像,统计横向白色像素个数和纵向白色像素个数,其中数值最小的横向白色像素数为缺陷占据data线的剩余部分,数值最大的纵向白色像素数为data线的线宽,二者的比值即为缺陷的主线占比。后续可根据缺陷的主线占比情况判断是否需要对该缺陷进行修复处理。
可选地,所述根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置的步骤,包括:
对所述标准模板进行灰度处理,获得所述标准模板的灰度图;
对所述缺陷图像进行图像处理,获得所述缺陷图像的区域灰度图;
对所述区域灰度图和所述灰度图进行相似度匹配,以获得所述缺陷在所述标准模板上的对应位置。
灰度图的亮度信息完全能够表达图像的整体和局部的特征,对图像进行灰度化处理之后可以大大降低后续工作的计算量,故需要获取标准模版和缺陷图像的灰度图。对灰度图进行相似度匹配,找到匹配位置的坐标,利用缺陷图像与坐标的位置关系,找到缺陷在标准模板上的对应位置。
可选地,所述对所述缺陷图像进行图像处理,获得所述缺陷图像的区域灰度图的步骤,包括:
在所述缺陷图像上,以所述缺陷的中心点为基准,向周围扩展多个像素点,获得缺陷匹配区域;
提取所述缺陷匹配区域,获得区域图像;
对所述区域图像进行灰度处理,获得所述区域灰度图。
对缺陷直接进行处理会对缺陷轮廓造成一定程度的损耗,影响缺陷轮廓的精准性。本申请提出以之前获取的缺陷的中心点为基准,在原始缺陷框大小的基础上向周围外扩50个像素点,截取该部分缺陷图片作为缺陷匹配区域。
可选地,所述对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像的步骤,包括:
将所述待测显示面板图像输入已训练的分割模型,获得已标记缺陷的所述缺陷图像。
分割模型是指深度学习模型maskrcnn,使用该模型进行建模,对检测到的缺陷部位进行标记分割。
可选地,所述将所述待测显示面板图像输入已训练的分割模型,以获得已标记缺陷的所述缺陷图像的步骤之前,还包括:
获取训练集,所述训练集包括若干包含缺陷的训练图像,各训练图像中已对所述缺陷位置进行标注;
利用训练集对初始分割模型进行训练,获得所述分割模型。
使用多张训练图像训练模型对图像中的缺陷进行标注,训练后的模型作为检测待测显示面板图像的分割模型。
可选地,所述获取待测显示面板图像的步骤之前,还包括:
获取所述无缺陷显示面板;
获取所述无缺陷显示面板的图像;
对所述无缺陷显示面板图像进行裁剪,以获得所述标准模板;其中,所述标准模板中包括至少一个周期。
在显示面板图像缺陷定位的过程中,需要标准模版与待测试面板进行对照。常规的显示面板图像尺寸较大,且包含多个重复周期,故需要对其进行剪裁操作,缩小模版大小,增加检测效率。剪裁出至少一个周期的图像得到的图像可以覆盖住显示面板图像中所有的区域位置。
此外,为实现上述目的,本申请还提供一种显示面板缺陷定位装置,包括:
待测显示面板图像获取模块,用于获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;
缺陷图像获取模块,用于对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;
对应位置获取模块,用于根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;
像素值分布获取模块,用于根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;
缺陷定位模块,用于根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
此外,为实现上述目的,本申请还提供一种生产设备,该生产设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现上述的方法。
此外,为实现上述目的,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现上述的方法。
本申请所能实现的有益效果。
本申请实施例提出的一种显示面板缺陷定位方法、装置、设备及存储介质,通过获取包含缺陷的待测显示面板图像;对所述待测显示面板图像中的缺陷进行标记,以获得缺陷图像;根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板图像生成;根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。即通过缺陷图像在标准模版上的对应位置确定缺陷图像在标准模版掩膜上的对应位置,以获得缺陷图像的像素值分布,将其与标准模版中各个区域的像素值进行对比,定位缺陷所处的区域,增加了缺陷图像与标准模版的对照精度,通过像素值定位缺陷位置,避免了人为判断偏差,提高了定位精准度。
附图说明
图1为本申请实施例涉及的硬件运行环境的生产设备结构示意图;
图2为本申请实施例提供的一种显示面板缺陷定位方法的流程示意图;
图3为本申请实施例提供的一种显示面板缺陷定位装置的功能模块示意图;
图4为本申请实施例提供的一种显示面板缺陷定位方法的无缺陷显示面板图像;
图5为本申请实施例提供的一种显示面板缺陷定位方法的标准模版;
图6为本申请实施例提供的一种显示面板缺陷定位方法中标准模版的掩膜图和缺陷的对应位置;
图7为本申请实施例提供的一种显示面板缺陷定位方法中缺陷图像的掩膜图;
图8为本申请实施例提供的一种显示面板缺陷定位方法中缺陷处于data线上的二值图像。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例的主要解决方案是:提出的一种显示面板缺陷定位方法、装置、设备及存储介质,通过获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
现有技术中,显示面板制造过程中因工艺波动、机台差异等因素影响,会产生各种各样形态的缺陷。随着人工智能技术以及ADC系统(Automatic Defect Classification,自动缺陷分类系统)的发展,面板缺陷定位和分类已经逐步普及。
显示面板的制造主要可分为前段Array、中段 Cell 及后段 Module 三大工艺过程,Array制程的难度最高、工艺最复杂,使得待检基板纹理复杂且存在大量近透明、低对比度微小的缺陷,这给缺陷检测和修复带来极大困难和挑战。需要根据缺陷所在区域,判断缺陷是否进行修补操作。目前缺陷所在区域位置可以依据人眼进行判别,但准确性低。同时,还需要根据缺陷占据主线的比例判断缺陷是否需要修复,人眼主观判断常存在偏差。
为此,本申请提供一种解决方案,通过缺陷图像在标准模版上的对应位置确定缺陷图像在标准模版掩膜上的对应位置,以获得缺陷图像的像素值分布,将其与标准模版中各个区域的像素值进行对比,定位缺陷所处的区域,增加了缺陷图像与标准模版的对照精度,通过像素值定位缺陷位置,避免了人为判断偏差,提高了定位精准度;通过缺陷图像的像素值和标准模版中各区域的像素值获得缺陷占据主线的比例,可以直观的为后续显示面板的缺陷修复提供数据依据。
参照图1,图1为本申请实施例方案涉及的硬件运行环境的生产设备结构示意图。
如图1所示,该生产设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对生产设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的生产设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明生产设备中的处理器1001、存储器1005可以设置在生产设备中,所述生产设备通过处理器1001调用存储器1005中存储的显示面板缺陷定位装置,并执行本申请实施例提供的显示面板缺陷定位方法。
参照图2,基于前述实施例的硬件设备,本申请的实施例提供一种显示面板缺陷定位方法,包括:
S10:获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;
在具体实施过程中,显示面板图像是指在工业制造过程所生产出的工业显示面板图像,如工艺面板、液晶面板等。缺陷是指面板在各种制造过程中产生的各种瑕疵,如灰尘、脏污、划痕、短路、短路等。显示面板图像制造完成后,在进行下一步工序前须对产品进行缺陷检测和定位,对不合格的产品进行淘汰,对可修复的缺陷进行修复,避免对不合格缺陷产品的无意义加工,提升产品良率。
作为一种可选的实施方式,所述获取待测显示面板图像的步骤之前,还包括:获取所述无缺陷显示面板;获取所述无缺陷显示面板的图像;对所述无缺陷显示面板图像进行裁剪,以获得所述标准模板;其中,所述标准模板中包括至少一个周期。
在具体实施过程中,在显示面板图像缺陷定位的过程中,需要标准模版与待测试面板进行对照。标准模版由如图4所示的无缺陷显示面板图像制成,常规的显示面板图像尺寸较大,且包含多个重复周期,故需要对其进行剪裁操作,缩小模版大小,增加检测效率。剪裁出至少一个周期的图像,得到如图5所示的图像,可以覆盖住显示面板图像中所有的区域位置。
S20:对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;
在具体实施过程中,待测显示面板图像是指包含有缺陷的显示面板,在定位过程中,需要先将面板中的缺陷部位标记出来,并以此缺陷图像为对象进行后续操作。
作为一种可选的实施方式,所述对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像的步骤,包括:将所述待测显示面板图像输入已训练的分割模型,获得已标记缺陷的所述缺陷图像。
在具体实施过程中,分割模型是指深度学习模型maskrcnn,使用该模型进行建模,对检测到的缺陷部位进行标记分割。
作为一种可选的实施方式,所述将所述待测显示面板图像输入已训练的分割模型,以获得已标记缺陷的所述缺陷图像的步骤之前,还包括:获取训练集,所述训练集包括若干包含缺陷的训练图像,各训练图像中已对所述缺陷位置进行标注;利用训练集对初始分割模型进行训练,获得所述分割模型。
在具体实施过程中,训练图像是指包含缺陷的显示面板图像,使用多张训练图像训练模型对图像中的缺陷进行标注,训练后的模型作为检测待测显示面板图像的分割模型。
S30:根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;
在具体实施过程中,在待测显示面板图像中,仅可以在面板表面上标记出缺陷的位置,但无法确定其在面板内部具体的所属区域,但标准模版的各区域位置是可以获知的。需要对缺陷图像和标准模版进行操作,得到缺陷在标准模版上的对应位置,再根据标准模版上已知的各区域位置获知缺陷的所属区域。
作为一种可选的实施方式,所述根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置的步骤,包括:对所述标准模板进行灰度处理,获得所述标准模板的灰度图;对所述缺陷图像进行图像处理,获得所述缺陷图像的区域灰度图;对所述区域灰度图和所述灰度图进行相似度匹配,以获得所述缺陷在所述标准模板上的对应位置。
在具体实施过程中,灰度是指把白色与黑色之间按对数关系分为若干等级,共分为256阶,用灰度表示的图像称作灰度图,灰度图的亮度信息完全能够表达图像的整体和局部的特征,对图像进行灰度化处理之后可以大大降低后续工作的计算量,故需要获取标准模版和缺陷图像的灰度图。对上述灰度图进行相似度匹配,找到匹配位置的坐标,利用缺陷图像与坐标的位置关系,找到缺陷在标准模板上的对应位置。
作为一种可选的实施方式,所述对所述缺陷图像进行图像处理,获得所述缺陷图像的区域灰度图的步骤,包括:在所述缺陷图像上,以所述缺陷的中心点为基准,向周围扩展多个像素点,获得缺陷匹配区域;提取所述缺陷匹配区域,获得区域图像;对所述区域图像进行灰度处理,获得所述区域灰度图。
在具体实施过程中,对缺陷直接进行处理会对缺陷轮廓造成一定程度的损耗,影响缺陷轮廓的精准性。本申请提出以之前获取的缺陷的中心点为基准,在原始缺陷框大小的基础上向周围外扩50个像素点,截取该部分缺陷图片作为缺陷匹配区域。
S40:根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;
在具体实施过程中,根据缺陷在标准模板上的对应位置,可以得到缺陷在标准模版的掩膜图上的对应位置的像素点数量,进而根据该像素点数量和标准模版的掩膜图上的像素点数量,可以获得缺陷在标准模版上每个区域的像素值,该像素值用于判定缺陷的所属区域。
作为一种可选的实施方式,所述根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布的步骤,包括:生成所述标准模板的第一掩膜图以及所述缺陷图像的第二掩膜图,所述第一掩膜图中不同区域包括不同像素值的像素点,所述第二掩膜图中包括所述缺陷所在区域的缺陷像素点;根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布。
在具体实施过程中,图6为标准模版的掩膜图和缺陷的对应位置,图7为缺陷图像的掩膜图。掩膜图即为mask图,是一种图像滤镜的模板。用选定的图像、图形或物体,对处理图像的全部或局部进行遮挡,来控制图像处理的区域或处理过程,其中,用于覆盖的特定图像或物体称为掩模。在数字图像处理中,掩模图能够提取感兴趣区、对图像上某些区域作屏蔽,使其不参加处理或不参加处理参数的计算或仅对屏蔽区作处理或统计、用相似性变量或图像匹配方法检测和提取图像中与掩模相似的结构特征。第一掩膜图像的各区域像素值分布如下表所示:
表1 第一掩膜图像各区域像素值明细表
作为一种可选的实施方式,所述根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布的步骤,包括:根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得落在所述第一掩膜图中各区域的缺陷像素点的数量;根据落在所述第一掩膜图中各区域的缺陷像素点的数量以及所述第一掩膜图中各区域的像素点数量,获得所述缺陷像素点在所述第一掩膜图中各区域的像素点占比;根据所述缺陷像素点在所述第一掩膜图中各区域的像素点占比,获得所述缺陷在所述标准模板上的像素值分布。
在具体实施过程中,缺陷图像和标准模版的掩膜图上均包含不同的像素点,对标准模版的掩膜图和缺陷图像的掩膜图进行相与操作,即根据缺陷在标准模板上的对应位置,可以得到缺陷在标准模版的掩膜图上的对应位置的像素点数量,根据该像素点数量和标准模版的掩膜图上的像素点数量,可以获得缺陷在标准模版上每个区域的像素值。
S50:根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
在具体实施过程中,像素值分布是指上述缺陷在标准模版上每个区域的像素值,将其与表1中标准模版各区域的像素值对比,可以得知缺陷处于面板图像中的具体区域。
作为一种可选的实施方式,所述标准模板上包括主线;所述根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域的步骤之后,还包括:获取所述缺陷的所属区域的二值图像;根据所述二值图像,获得所述缺陷的所属区域的横向异常像素数和横向异常像素数;根据所述横向异常像素数和所述横向异常像素数,获得所述缺陷的主线占比。
在具体实施过程中,主线是指显示面板上的data线、gate线、gate-top线、gate-down线、tft线、common线等。
如图8所示,若缺陷处于data线上,截取缺陷区域的二值图像,统计横向白色像素个数和纵向白色像素个数,其中数值最小的横向白色像素数为缺陷占据data线的剩余部分,数值最大的纵向白色像素数为data线的线宽,二者的比值即为缺陷的主线占比。后续可根据缺陷的主线占比情况判断是否需要对该缺陷进行修复处理。
应当理解的是,以上仅为举例说明,对本申请的技术方案并不构成任何限制,本领域的技术人员在实际应用中可以基于需要进行设置,此处不做限制。
通过上述描述不难发现,本实施例是通过缺陷图像在标准模版上的对应位置确定缺陷图像在标准模版掩膜上的对应位置,以获得缺陷图像的像素值分布,将其与标准模版中各个区域的像素值进行对比,定位缺陷所处的区域,增加了缺陷图像与标准模版的对照精度,通过像素值定位缺陷位置,避免了人为判断偏差,提高了定位精准度;通过缺陷图像的像素值和标准模版中各区域的像素值获得缺陷占据主线的比例,可以直观的为后续显示面板的缺陷修复提供数据依据。
参照图3,基于相同的发明思路,本申请的实施例还提供一种显示面板缺陷定位装置,包括:
待测显示面板图像获取模块,用于获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;
缺陷图像获取模块,用于对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;
对应位置获取模块,用于根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;
像素值分布获取模块,用于根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;
缺陷定位模块,用于根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
需要说明的是,本实施例中显示面板缺陷定位装置中各模块是与前述实施例中显示面板缺陷定位方法中的各步骤一一对应,因此,本实施例的具体实施方式可参照前述显示面板缺陷定位方法的实施方式,这里不再赘述。
此外,在一种实施例中,本申请的实施例还提供一种生产设备,所述设备包括处理器,存储器以及存储在所述存储器中的计算机程序,所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
此外,在一种实施例中,本申请的实施例还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台多媒体终端设备(可以是手机,计算机,电视接收机,或者网络设备等)执行本申请各个实施例所述的方法
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种显示面板缺陷定位方法,其特征在于,包括以下步骤:
获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;
对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;
根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;
根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;
根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
2.如权利要求1所述的显示面板缺陷定位方法,其特征在于,所述根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布的步骤,包括:
生成所述标准模板的第一掩膜图以及所述缺陷图像的第二掩膜图,所述第一掩膜图中不同区域包括不同像素值的像素点,所述第二掩膜图中包括所述缺陷所在区域的缺陷像素点;
根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布。
3.如权利要求2所述的显示面板缺陷定位方法,其特征在于,所述根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布的步骤,包括:
根据所述第一掩膜图、所述第二掩膜图以及所述缺陷在所述标准模板上的对应位置,获得落在所述第一掩膜图中各区域的缺陷像素点的数量;
根据落在所述第一掩膜图中各区域的缺陷像素点的数量以及所述第一掩膜图中各区域的像素点数量,获得所述缺陷像素点在所述第一掩膜图中各区域的像素点占比;
根据所述缺陷像素点在所述第一掩膜图中各区域的像素点占比,获得所述缺陷在所述标准模板上的像素值分布。
4.如权利要求1所述的显示面板缺陷定位方法,其特征在于,所述标准模板上包括主线;所述根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域的步骤之后,还包括:
获取所述缺陷的所属区域的二值图像;
根据所述二值图像,获得所述缺陷的所属区域的横向异常像素数和横向异常像素数;
根据所述横向异常像素数和所述横向异常像素数,获得所述缺陷的主线占比。
5.如权利要求1所述的显示面板缺陷定位方法,其特征在于,所述根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置的步骤,包括:
对所述标准模板进行灰度处理,获得所述标准模板的灰度图;
对所述缺陷图像进行图像处理,获得所述缺陷图像的区域灰度图;
对所述区域灰度图和所述灰度图进行相似度匹配,以获得所述缺陷在所述标准模板上的对应位置。
6.如权利要求5所述的显示面板缺陷定位方法,其特征在于,所述对所述缺陷图像进行图像处理,获得所述缺陷图像的区域灰度图的步骤,包括:
在所述缺陷图像上,以所述缺陷的中心点为基准,向周围扩展多个像素点,获得缺陷匹配区域;
提取所述缺陷匹配区域,获得区域图像;
对所述区域图像进行灰度处理,获得所述区域灰度图。
7.如权利要求1所述的显示面板缺陷定位方法,其特征在于,所述对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像的步骤,包括:
将所述待测显示面板图像输入已训练的分割模型,获得已标记缺陷的所述缺陷图像。
8.根据权利要求7所述的方法,其特征在于,所述将所述待测显示面板图像输入已训练的分割模型,以获得已标记缺陷的所述缺陷图像的步骤之前,还包括:
获取训练集,所述训练集包括若干包含缺陷的训练图像,各训练图像中已对所述缺陷位置进行标注;
利用训练集对初始分割模型进行训练,获得所述分割模型。
9.如权利要求1所述的显示面板缺陷定位方法,其特征在于,所述获取待测显示面板图像的步骤之前,还包括:
获取所述无缺陷显示面板;
获取所述无缺陷显示面板的图像;
对所述无缺陷显示面板图像进行裁剪,以获得所述标准模板;其中,所述标准模板中包括至少一个周期。
10.一种显示面板缺陷定位装置,其特征在于,包括:
待测显示面板图像获取模块,用于获取待测显示面板图像;其中,所述待测显示面板图像为对所述待测显示面板采集的图像,所述待测显示面板包含缺陷;
缺陷图像获取模块,用于对所述待测显示面板图像中的缺陷位置进行标记,以获得缺陷图像;其中,所述缺陷位置为所述缺陷对应的位置;
对应位置获取模块,用于根据所述缺陷图像和标准模版,获得所述缺陷在所述标准模板上的对应位置;其中,所述标准模板是基于无缺陷显示面板生成;
像素值分布获取模块,用于根据所述缺陷在所述标准模板上的对应位置,获得所述缺陷在所述标准模板上的像素值分布;
缺陷定位模块,用于根据所述缺陷在所述标准模板上的像素值分布,定位所述缺陷的所属区域。
11.一种生产设备,其特征在于,该生产设备包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序,实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,处理器执行所述计算机程序,实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210197247.1A CN114266773B (zh) | 2022-03-02 | 2022-03-02 | 显示面板缺陷定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210197247.1A CN114266773B (zh) | 2022-03-02 | 2022-03-02 | 显示面板缺陷定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114266773A true CN114266773A (zh) | 2022-04-01 |
CN114266773B CN114266773B (zh) | 2022-05-20 |
Family
ID=80833827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210197247.1A Active CN114266773B (zh) | 2022-03-02 | 2022-03-02 | 显示面板缺陷定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114266773B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445402A (zh) * | 2022-04-02 | 2022-05-06 | 深圳市龙图光电有限公司 | 半导体芯片用掩模版贴膜精度检测方法及检测装置 |
CN115063618A (zh) * | 2022-08-17 | 2022-09-16 | 成都数之联科技股份有限公司 | 一种基于模板匹配的缺陷定位方法、系统、设备及介质 |
CN115239732A (zh) * | 2022-09-23 | 2022-10-25 | 成都数之联科技股份有限公司 | 点灯机显示不均判断方法、装置、设备及存储介质 |
CN115346645A (zh) * | 2022-10-18 | 2022-11-15 | 四川旅鸽科技有限公司 | 一种医学图像处理方法、装置、存储介质及设备 |
CN115578377A (zh) * | 2022-11-14 | 2023-01-06 | 成都数之联科技股份有限公司 | 一种面板缺陷的检测方法、训练方法、装置、设备及介质 |
CN115984244A (zh) * | 2023-02-08 | 2023-04-18 | 成都数之联科技股份有限公司 | 面板缺陷标注方法、装置、存储介质、设备及程序产品 |
CN117351100A (zh) * | 2023-12-04 | 2024-01-05 | 成都数之联科技股份有限公司 | 一种色环电阻颜色提取方法、装置、设备和介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004251781A (ja) * | 2003-02-20 | 2004-09-09 | Tani Electronics Corp | 画像認識による不良検査方法 |
TW200722740A (en) * | 2005-11-25 | 2007-06-16 | Tokyo Seimitsu Co Ltd | Image defect inspection apparatus, image defect inspection system, and image defect inspection method |
US20090279772A1 (en) * | 2008-05-12 | 2009-11-12 | General Electric Company | Method and System for Identifying Defects in NDT Image Data |
CN104732900A (zh) * | 2013-12-20 | 2015-06-24 | 昆山国显光电有限公司 | 像素缺陷检测方法和装置 |
CN105118044A (zh) * | 2015-06-16 | 2015-12-02 | 华南理工大学 | 一种轮形铸造产品缺陷自动检测方法 |
CN106920219A (zh) * | 2015-12-28 | 2017-07-04 | 力晶科技股份有限公司 | 物品缺陷检测方法、图像处理系统与计算机可读记录介质 |
CN110291529A (zh) * | 2018-05-31 | 2019-09-27 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、飞行器、系统及存储介质 |
CN111080631A (zh) * | 2019-12-20 | 2020-04-28 | 中国烟草总公司北京市公司 | 一种拼接影像楼面缺陷检测的故障定位方法及系统 |
CN113344910A (zh) * | 2021-07-02 | 2021-09-03 | 深圳市派科斯科技有限公司 | 缺陷标注图像的生成方法、装置、计算机设备及存储介质 |
-
2022
- 2022-03-02 CN CN202210197247.1A patent/CN114266773B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004251781A (ja) * | 2003-02-20 | 2004-09-09 | Tani Electronics Corp | 画像認識による不良検査方法 |
TW200722740A (en) * | 2005-11-25 | 2007-06-16 | Tokyo Seimitsu Co Ltd | Image defect inspection apparatus, image defect inspection system, and image defect inspection method |
US20090279772A1 (en) * | 2008-05-12 | 2009-11-12 | General Electric Company | Method and System for Identifying Defects in NDT Image Data |
CN104732900A (zh) * | 2013-12-20 | 2015-06-24 | 昆山国显光电有限公司 | 像素缺陷检测方法和装置 |
CN105118044A (zh) * | 2015-06-16 | 2015-12-02 | 华南理工大学 | 一种轮形铸造产品缺陷自动检测方法 |
CN106920219A (zh) * | 2015-12-28 | 2017-07-04 | 力晶科技股份有限公司 | 物品缺陷检测方法、图像处理系统与计算机可读记录介质 |
CN110291529A (zh) * | 2018-05-31 | 2019-09-27 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、飞行器、系统及存储介质 |
CN111080631A (zh) * | 2019-12-20 | 2020-04-28 | 中国烟草总公司北京市公司 | 一种拼接影像楼面缺陷检测的故障定位方法及系统 |
CN113344910A (zh) * | 2021-07-02 | 2021-09-03 | 深圳市派科斯科技有限公司 | 缺陷标注图像的生成方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
ŞABAN ÖZTÜRK 等: "Detection of PCB Soldering Defects using Template Based Image Processing Method", 《INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS AND APPLICATIONS IN ENGINEERING》 * |
XINKUN CHU 等: "Detection of laser-induced optical defects based on image segmentation", 《HIGH POWER LASER SCIENCE AND ENGINEERING》 * |
曾振: "大幅面触摸屏ITO线路自动光学检测算法的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
董静毅 等: "基于机器视觉的PCB板表面缺陷检测方法研究进展", 《浙江理工大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445402A (zh) * | 2022-04-02 | 2022-05-06 | 深圳市龙图光电有限公司 | 半导体芯片用掩模版贴膜精度检测方法及检测装置 |
CN115063618A (zh) * | 2022-08-17 | 2022-09-16 | 成都数之联科技股份有限公司 | 一种基于模板匹配的缺陷定位方法、系统、设备及介质 |
CN115063618B (zh) * | 2022-08-17 | 2022-11-11 | 成都数之联科技股份有限公司 | 一种基于模板匹配的缺陷定位方法、系统、设备及介质 |
CN115239732A (zh) * | 2022-09-23 | 2022-10-25 | 成都数之联科技股份有限公司 | 点灯机显示不均判断方法、装置、设备及存储介质 |
CN115346645A (zh) * | 2022-10-18 | 2022-11-15 | 四川旅鸽科技有限公司 | 一种医学图像处理方法、装置、存储介质及设备 |
CN115578377A (zh) * | 2022-11-14 | 2023-01-06 | 成都数之联科技股份有限公司 | 一种面板缺陷的检测方法、训练方法、装置、设备及介质 |
CN115984244A (zh) * | 2023-02-08 | 2023-04-18 | 成都数之联科技股份有限公司 | 面板缺陷标注方法、装置、存储介质、设备及程序产品 |
CN117351100A (zh) * | 2023-12-04 | 2024-01-05 | 成都数之联科技股份有限公司 | 一种色环电阻颜色提取方法、装置、设备和介质 |
CN117351100B (zh) * | 2023-12-04 | 2024-03-22 | 成都数之联科技股份有限公司 | 一种色环电阻颜色提取方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114266773B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114266773B (zh) | 显示面板缺陷定位方法、装置、设备及存储介质 | |
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
CN114549512A (zh) | 一种电路板缺陷检测方法、装置、设备及介质 | |
CN114155244B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN115661157B (zh) | 面板圆类缺陷检测方法、装置、介质、设备及程序产品 | |
CN114170227B (zh) | 产品表面缺陷检测方法、装置、设备及存储介质 | |
CN116542975B (zh) | 一种玻璃面板的缺陷分类方法、装置、设备和介质 | |
CN114519743A (zh) | 一种面板缺陷区域提取方法、装置、设备及存储介质 | |
CN114612469A (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
CN115578377B (zh) | 一种面板缺陷的检测方法、训练方法、装置、设备及介质 | |
CN114677567B (zh) | 模型训练方法、装置、存储介质及电子设备 | |
CN115861327A (zh) | 一种pcb颜色变化缺陷检测方法、装置、设备及介质 | |
CN115861293A (zh) | 缺陷轮廓提取方法、装置、存储介质、设备及程序产品 | |
CN113870256A (zh) | Pcb板缺陷评估方法、装置、设备及介质 | |
CN113222913A (zh) | 一种电路板缺陷检测定位方法、装置和存储介质 | |
CN115239734A (zh) | 模型训练方法、装置、存储介质、设备及计算机程序产品 | |
CN117871545A (zh) | 一种电路板元器件缺陷检测方法、装置、终端及存储介质 | |
CN116091503B (zh) | 一种面板异物缺陷的判别方法、装置、设备及介质 | |
CN115719326A (zh) | Pcb板缺陷检测方法及装置 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN117007600A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
CN115984244A (zh) | 面板缺陷标注方法、装置、存储介质、设备及程序产品 | |
CN116342540A (zh) | 包装膜缺陷检测方法、装置、设备及存储介质 | |
CN114897797A (zh) | 印刷电路板的缺陷检测方法、装置、设备及存储介质 | |
CN115937212A (zh) | 一种玻璃板裂纹检测方法、装置、设备及介质 |
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 |