CN115971074A - 一种液晶显示屏缺陷检测模型、分拣生产线及方法 - Google Patents
一种液晶显示屏缺陷检测模型、分拣生产线及方法 Download PDFInfo
- Publication number
- CN115971074A CN115971074A CN202310082455.1A CN202310082455A CN115971074A CN 115971074 A CN115971074 A CN 115971074A CN 202310082455 A CN202310082455 A CN 202310082455A CN 115971074 A CN115971074 A CN 115971074A
- Authority
- CN
- China
- Prior art keywords
- module
- liquid crystal
- crystal display
- defect detection
- display screen
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 173
- 230000007547 defect Effects 0.000 title claims abstract description 159
- 239000004973 liquid crystal related substance Substances 0.000 title claims abstract description 126
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000000428 dust Substances 0.000 claims description 57
- 230000001360 synchronised effect Effects 0.000 claims description 56
- 230000007246 mechanism Effects 0.000 claims description 37
- 230000008602 contraction Effects 0.000 claims description 30
- 210000004907 gland Anatomy 0.000 claims description 27
- 238000007664 blowing Methods 0.000 claims description 21
- 230000000712 assembly Effects 0.000 claims description 17
- 238000000429 assembly Methods 0.000 claims description 17
- 230000033001 locomotion Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000008014 freezing Effects 0.000 claims description 12
- 238000007710 freezing Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 230000001960 triggered effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 8
- 238000011897 real-time detection Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000001788 irregular Effects 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 31
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000012795 verification Methods 0.000 description 10
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 9
- 229910052802 copper Inorganic materials 0.000 description 9
- 239000010949 copper Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000003825 pressing Methods 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 8
- 230000002950 deficient Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 229920000742 Cotton Polymers 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Abstract
本发明公开了一种液晶显示屏缺陷检测模型，用于构建用于识别液晶显示屏缺陷，提供了一种液晶显示屏缺陷检测分拣生产线及方法，用于依据液晶显示屏缺陷识别结果进行液晶显示屏自动分拣。通过本发明有效解决了现阶段的液晶显示屏自动化流水线作业中，液晶显示屏Mura缺陷具有体积小、对比度低、形状不规则、出现位置随机的特点，导致检测难度大，本发明方法利用深度学习进行分析，输出识别分拣结果，结合自动分拣模块，分离出不合格的产品，有效提高了液晶显示屏Mura缺陷的检测效率，同时还提高了检测的准确率。
Description
技术领域
本发明涉及一种液晶显示屏缺陷检测模型、分拣生产线及方法，属于工业产品视觉识别、机构设计与产品分拣技术领域。
背景技术
近年来，随着电子科技的迅速发展，液晶显示器的运用领域逐年增加，并在日常生活中的运用随处可见。如液晶电视机，数码相机，游戏机，电视机，手机，电脑，智能手表等均使用液晶显示器作为显示设备。此外液晶显示器不仅仅运用于日常生活，而且广泛涉及工业、军事以及航空航天等事业。但是液晶显示器在制造过程中极容易产生缺陷，从而影响使用者的视觉体验，尤其是TFT-LCD液晶显示屏，其在制程中极容易产生各种缺陷，其中Mura缺陷较难进行检测。因此研究出一种能够快速、准确率高的液晶显示器点状Mura(spotMura)缺陷检测模型、分拣生产线及方法具有重要意义。
发明内容
本发明提供了一种液晶显示屏缺陷检测模型，用于构建用于识别液晶显示屏缺陷，提供了一种液晶显示屏缺陷检测分拣生产线及方法，用于依据液晶显示屏缺陷识别结果进行液晶显示屏自动分拣。
本发明的技术方案是：一种液晶显示屏缺陷检测分拣生产线，包括自定心夹持托盘2、传送模块3、自动分拣模块4、缺陷检测模块5；所述自定心夹持托盘2放置在传送模块3上，自定心夹持托盘2通过传送模块3带动运动，通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，自动分拣模块4用于依据缺陷检测模块5的识别结果进行液晶显示屏分拣。
还包括除尘模块1，所述除尘模块1包括除尘滚筒6、气吹除尘器7、机架Ⅰ8、链轮Ⅰ9；其中，链轮Ⅰ9安装在除尘滚筒6的滚筒轴两端；除尘滚筒6、气吹除尘器7呈前后安装在机架Ⅰ8上且气吹除尘器7靠近传送模块3运输方向前进端；链轮Ⅰ9通过传送模块3中上层同步带运输机的伺服电机Ⅰ37提供动力。
所述自定心夹持托盘2包括托盘10、自定心夹紧机构；其中，自定心夹紧机构安装于托盘10上，自定心夹紧机构包括横向收缩齿条16、纵向收缩齿条17、卡扣24、触发装置25；其中，横向收缩齿条16、纵向收缩齿条17一端安装卡扣24，横向收缩齿条16、纵向收缩齿条17另一端与触发装置25配合实现卡扣24之间液晶显示屏的夹持。
所述触发装置25包括触发压盖18、齿轮15、单向棘轮机构、盘状卷簧21、固定轴22、复位弹簧92、固定销钉95；所述触发压盖18通过固定销钉95安装于固定轴22一端，触发压盖18的圆柱本体上开设有条形通孔用于与固定销钉95配合，使触发压盖18实现周向旋转和轴向移动，在固定轴22和触发压盖18之间安装有复位弹簧92，整个单向棘轮机构固定在固定轴22上，齿轮15与横向收缩齿条16、纵向收缩齿条17啮合，同时单向棘轮机构的单向棘轮19与齿轮15固连，齿轮15转动时带动单向棘轮机构的单向棘轮19一同转动，盘转卷簧21一端安装在齿轮15的固定槽内，同时盘转卷簧21的另一端固定在自定心夹紧机构上；所述单向棘轮机构包括单向棘轮19、棘爪20、棘爪安装架94、弹簧Ⅱ96；其中，棘爪安装架94安装在单向棘轮19中，棘爪安装架94一端与固定轴22通过花键配合且通过固定固定螺母93紧固，棘爪安装架94外圈安装棘爪20，棘爪安装架94外圈、棘爪20之间设置弹簧Ⅱ96，触发压盖18一端设置的插片与棘爪20配合。
所述传送模块3包括上层同步带运输机和下层倍速链运输机；所述上层同步带运输机包括第一传送模块、第一调节模块，第一传送模块用于通过第一动力系统提供动力驱动运动，通过第一传送模块运动带动自定心夹持托盘2跟随运动；第一调节模块用于通过调节丝杆Ⅰ40带动安装在调节丝杆Ⅰ40上的螺母块Ⅰ41进行上下运动，通过螺母块Ⅰ41上下运动带动与螺母块Ⅰ41连接的两根第一撑臂39夹角变化，通过第一撑臂39的夹角变化带动两根第一撑臂39另一端的第一传送模块随第一撑臂39呈相反方向运动且运动方向与第一传送模块运输方向垂直；所述下层倍速链运输机安装在上层同步带运输机下部，包括第二传送模块、第二调节模块，第二传送模块用于通过第二动力系统提供动力驱动运动，通过第二传送模块运动带动自动分拣模块4分拣出的自定心夹持托盘2跟随运动；第二调节模块用于通过调节丝杆Ⅱ53带动安装在调节丝杆Ⅱ53上的螺母块Ⅱ52进行上下运动，通过螺母块Ⅱ52上下运动带动与螺母块Ⅱ52连接的两根第二撑臂51夹角变化，通过第二撑臂51的夹角变化带动两根第二撑臂51另一端的第二传送模块随第一撑臂39呈相反方向运动且运动方向与第二传送模块运输方向垂直。
所述缺陷检测模块5包括光电感应停止开关、一组或多组缺陷检测组件，各组缺陷检测组件结构相同，均包括图像采集模块、控制器，各组图像采集模块中光电计数器用于对经过的托盘进行计数，并且将计数编号传输至各自的控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机75进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测。
根据本发明的另一方面，提供了一种液晶显示屏缺陷检测模型，以YOLOV4-Tiny模型为基础，增加主干特征提取网络中第一个CSP模块的输出作为一个浅层特征图，对原来的深层特征图进行一次卷积操作调整通道数后分为两个输出：一个输出进行上采样后与中层特征图进行特征融合，融合后的结果在进行一次上采样后与新增加的浅层特征图进行特征融合得到的特征图在经过一次Ghost模块处理后输入到yolo head进行分类预测与回归预测；另一输出经过一次Ghost模块处理后输入到yolo head进行分类预测与回归预测。
根据本发明的另一方面，提供了一种液晶显示屏缺陷检测分拣方法，包括：开启液晶显示屏视觉实时检测分拣系统；自定心夹持托盘2上放置的液晶显示屏通过传送模块3带动朝向缺陷检测模块5运动，通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，自动分拣模块4用于依据缺陷检测模块5的识别结果进行液晶显示屏分拣。
所述通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，包括：缺陷检测模块5中图像采集模块中光电计数器用于对经过的托盘进行计数，并且将计数编号传输至各自的控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机75进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测。
所述控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机75进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测，具体为：如果缺陷检测模块5中缺陷检测组件为一组，对于当次检测时，光电计数器计数为1且光电感应停止开关被触发，则控制器驱动传送模块3中上层同步带运输机停止运动，驱动相机75进行液晶显示屏的图像采集，并调用依据液晶显示屏缺陷检测模型获得的冻结模型对采集的液晶显示屏图像进行缺陷检测，当次检测结束，光电计数器归零，进行下一次检测，直至结束；如果缺陷检测模块5中缺陷检测组件为n组，对于当次检测时，如果n个光电计数器计数最大增量值为m且光电感应停止开关被触发，则第m个控制器驱动传送模块3中上层同步带运输机停止运动，前m个控制器分别驱动相机75进行液晶显示屏的图像采集，并调用依据液晶显示屏缺陷检测模型获得的冻结模型对采集的液晶显示屏图像进行缺陷检测，当次检测结束，所有光电计数器归零，进行下一次检测，直至结束；其中，n个光电计数器与n个控制器一一对应。
本发明的有益效果是：本发明的分拣生产线通过除尘模块进行除尘处理降低了检测时的误检率；通过自定心夹紧托盘运用托盘自身重力触发自动夹紧机构对显示器在托盘上的位置进行固定进而完成信号电源连接；传送模块分为两部分，一部分为上层检测运输机构另外一部分为下层缺陷产品运输机构，传送模块拥有对中宽度可调节的功能以适应不同尺寸的托盘，上层检测运输机采用同步带运输机拥有更高的运动精度，保证了检测设备和托盘之间信号连接的可靠性；自动分拣模块通过旋转90°的方法对缺陷产品进行分离，利用托盘长与宽之间的尺寸差，实现更加简便的将缺陷产品分离出来；图像采集模块不仅可以用于单工位采集，还可以用于多工位采集，运用计数器编号判断是否对经过图像采集模块正下方的显示屏进行图像采集有效避免了重复检测问题，并且提高了检测效率；进一步通过本发明公开的模型及分拣方法，有效解决了现阶段的TFT-LCD液晶显示屏Mura缺陷检测作业中，人工肉眼检测效率低，检测精度低，以及传统检测方法不适用于点状Mura(spotMura)缺陷检测的问题，通过利用改进YOLOV4-Tiny的深度学习方法进行分析，自动输出识别分拣结果，结合自动分拣模块，自动剔除不合格的产品，有效降低了工人的劳动强度，同时还可以提高分拣准确率，从而使TFT-LCD液晶显示屏的产品质量得到保证，给使用者提供了更好的用户体验。
附图说明
图1为本发明的流程图；
图2为TFT-LCD液晶显示屏Mura缺陷图；
图3为构建TFT-LCD液晶显示屏Mura缺陷图像数据集的流程图；
图4为软件LabelImg标注TFT-LCD液晶显示屏Mura缺陷图；
图5为模型训练及生成冻结模型流程图；
图6为本发明改进后的YOLOV4-Tiny深度学习网络模型图；
图7为YOLOV4-Tiny深度学习网络模型的子模块结构图；
图8为检测效果对比图；
图9为改进的YOLOV4-Tiny目标检测算法与YOLOV4-Tiny原网络的AP结果对比图；
图10为图像采集模块的图像采集实施方案图；
图11为系统三维轴测装配图；
图12为检测系统主视图(当前情况为相机2号检测到缺陷产品)；
图13为除尘模块结构图；
图14为自定心夹持托盘结构图；
图15为自动夹紧机构拆除上盖与未拆除上盖的结构图；
图16为同步带运输机轴测图；
图17为同步带运输机俯视图；
图18为倍速链运输机轴测图；
图19为图像采集模块轴测图；
图20为自动分拣模块轴测图；
图21为信号接头的结构图；
图22为导电轮的结构图；
图23为自定心夹持托盘拆去自动夹紧机构图；
图24为自动夹紧机构内部配合关系图；
图25为自动夹紧机构安装壳俯视图；
图26为触发压盖不同视角图；
图27为单向棘轮工作时棘爪、弹簧、单向棘轮之间的位置关系图；
图28为触发装置未触发时触发压盖与棘爪位置关系图；
图29为触发装置未触发时俯视剖切图(触发压盖与棘爪位置关系)；
图30为触发装置触发时触发压盖与棘爪位置关系图；
图31为触发装置触发时俯视剖切图(触发压盖与棘爪位置关系)；
图32为触发装置爆炸图；
图33为触发装置安装路线图。
图中各标号为：1-除尘模块、2-自定心夹持托盘、3-传送模块、4-自动分拣模块、5-缺陷检测模块、6-除尘滚筒、7-气吹除尘器、8-机架Ⅰ、9-链轮Ⅰ、10-托盘、11-导电铜片、12-信号接口、13-导路、14-导轮、15-齿轮、16-横向收缩齿条、17-纵向收缩齿条、18-触发压盖、19-单向棘轮、20-棘爪、21-盘状卷簧、22-固定轴、23-安装壳、24-卡扣、25-触发装置、26-机架Ⅱ、27-同步带、28-同步带轮、29-辅助轮、30-带轮安装支撑、31-辅助轮安装支撑、32-大梁、33-带轮安装板、34-张紧轮、35-驱动轴、36-齿轮箱Ⅰ、37-伺服电机Ⅰ、38-安装板Ⅰ、39-第二撑臂、40-调节丝杆Ⅰ、41-螺母块Ⅰ、42-滑块链接支座、43-滑块Ⅰ、44-滑轨Ⅰ、45-机架Ⅲ、46-滑轨Ⅱ、47-滑块Ⅱ、48-滑块安装支座、49-链条导轨、50-链轮Ⅱ、51-第二撑臂、52-螺母块Ⅱ、53-调节螺杆、54-链轮安装块、55-从动链轮轴、56-主动链轮轴、57-撑臂安装座、58-调节螺杆固定座、59-齿轮箱Ⅱ、60-伺服电机Ⅱ、61-倍速链条、62-防滑平台、63-齿轮轴、64-齿条、65-90°换向气缸、66-安装板Ⅱ、67-垂直举升气缸、68-安装底板、69-横梁、70-立柱、71-滑块Ⅲ、72-滑轨Ⅲ、73-丝杆、74-螺母、75-相机、76-遮光罩、77-伺服电机Ⅲ、78-接口、79-连接引脚、80-磁块、81-信号线、82-弹簧Ⅰ、83-压线螺塞、84-连接块、85-电磁铁、86-安装架、87-摇臂、88-压紧装置、89-导电滚轮、90-电源接口、91-信号接口、92-复位弹簧、93-固定螺母、94-棘爪安装架、95-固定销钉、96-弹簧Ⅱ、97-丝杆安装块、98-上盖、99-单向棘轮固定螺钉。
具体实施方式
下面结合附图和实施例，对发明做进一步的说明，但本发明的内容并不限于所述范围。
实施例1：如图11-33所示，根据本发明实施例的一方面，提供了一种液晶显示屏缺陷检测分拣生产线，包括自定心夹持托盘2、传送模块3、自动分拣模块4、缺陷检测模块5；所述自定心夹持托盘2放置在传送模块3上，自定心夹持托盘2通过传送模块3带动运动，通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，自动分拣模块4用于依据缺陷检测模块5的识别结果进行液晶显示屏分拣。
可选地，还包括除尘模块1，如图13所示，所述除尘模块1包括除尘滚筒6、气吹除尘器7、机架Ⅰ8、链轮Ⅰ9；其中，链轮Ⅰ9采用平键安装在除尘滚筒6的滚筒轴两端，采用轴肩和轴端挡圈进行轴向固定；除尘滚筒6、气吹除尘器7呈前后安装在机架Ⅰ8上且气吹除尘器7靠近传送模块3运输方向前进端；链轮Ⅰ9通过传送模块3中上层同步带运输机的伺服电机Ⅰ37提供动力。可选地，通过轴承支座固定在机架Ⅰ8上的除尘滚筒6由内至外设有的滚筒轴、海绵芯、柔软棉布组成，海绵芯与滚筒轴采用粘接固连，柔软棉布可以对液晶显示屏上的灰尘进行扰动，并进一步便于与气吹除尘器7配合进行除尘；海绵芯、柔软棉布的长度与显示面板相适应；气吹除尘器由带有小孔的钢管和阀门组成，阀门通过管螺纹安装在钢管的两端，阀门用于调节气吹的力度，气吹除尘器7与除尘滚筒6呈平行布置且气吹除尘器7不影响除尘滚筒6的正常旋转，气吹除尘器7可以调节气吹角度以及到显示屏之间的距离，除尘滚筒与显示面板之间的距离也可调节；整个除尘模块1通过螺钉安装在上层同步带运输机上，除尘滚筒6旋转所需动力源由上层同步带运输机通过链传动提供；以图10所示运输方向为例，滚筒的旋转方向为顺时针方向，气吹除尘器7用于在除尘滚筒6清扫后进一步将细小灰尘吹净，气吹方向为左下方，其中一个速度分量与托盘前进方向相向。除尘模块可以去除待检测显示屏表面的灰尘和微粒，以避免对后续检测的精度产生影响。
如图11-12所示，可选地，所述除尘模块1通过螺栓固连在传送模块3上，自定心夹持托盘2放置在传送模块3上，自动分拣模块4通过地脚螺栓固定在地面，缺陷检测模块5通过螺栓与传送模块3固连；其中除尘模块1用于对待检测液晶显示屏除尘；传送模块3用于传送放有液晶显示屏的自定心夹持托盘；自定心夹持托盘2用于将显示屏固定在托盘上，保证显示屏在托盘上运输时的安全，并且用于将显示屏与托盘之间进行信号和电源的连接；缺陷检测模块5包括：图像采集模块、控制器，图像采集模块用于采集液晶显示屏的图像，将采集的图像传输至控制器，控制器用于控制整套设备正常运转；自动分拣模块4用于缺陷产品的自动分拣。
可选地，如图14-15、24、25所示，所述自定心夹持托盘2包括托盘10、自定心夹紧机构；其中，自定心夹紧机构安装于托盘10上，自定心夹紧机构包括横向收缩齿条16、纵向收缩齿条17、卡扣24、触发装置25；其中，横向收缩齿条16、纵向收缩齿条17一端安装卡扣24，横向收缩齿条16、纵向收缩齿条17另一端与触发装置25配合实现卡扣24之间液晶显示屏的夹持。自定心夹紧机还可以包括安装壳23；其中，横向收缩齿条16和纵向收缩齿条17安装于安装壳23的导槽内，并且两两互不干涉，防滑卡扣24通过螺钉/焊接固定在横向收缩齿条16和纵向收缩齿条17的末端(即两根横向收缩齿条16远离触发装置25的一端分别安装防滑卡扣24，两根纵向收缩齿条17远离触发装置25的一端分别安装防滑卡扣24)，触发装置25安装在安装壳23正中，触发装置25的固定轴22末端为十字形与安装壳23固定用于防止整个触发装置25绕轴线方向旋转，自定心夹紧机构设计有上盖98用于防止内部零件发生移位。进一步地，设置横向收缩齿条16包括上下两层且两层之间存在间距，上下两层之间用于安装纵向收缩齿条17，且纵向收缩齿条17未安装防滑卡扣24的一端部设有凸部，凸部与横向收缩齿条16配合用于限位。
可选地，如图26-33所示，所述触发装置25包括触发压盖18、齿轮15、单向棘轮机构、盘状卷簧21、固定轴22、复位弹簧92、固定销钉95；所述触发压盖18实质为一个空间凸轮，其通过固定销钉95安装于固定轴22一端，触发压盖18的圆柱本体上开设有条形通孔用于与固定销钉95配合，使触发压盖18实现一定角度的周向旋转和一定距离的轴向移动(在本发明实施例中，间隔90度设置4个条形通孔，任意呈相对设置的两个条形通孔与固定销钉95配合，即任意间隔180度的两个条形通孔与固定销钉95配合)，在固定轴22和触发压盖18之间安装有复位弹簧92，整个单向棘轮机构通过花键固定在固定轴22上，齿轮15与横向收缩齿条16、纵向收缩齿条17啮合，同时单向棘轮机构的单向棘轮19与齿轮15采用花键固连，齿轮15转动时带动单向棘轮机构的单向棘轮19一同转动，盘转卷簧21一端安装在齿轮15的固定槽内，同时盘转卷簧21的另一端固定在自定心夹紧机构的安装壳23上；所述单向棘轮机构包括单向棘轮19、棘爪20、棘爪安装架94、弹簧Ⅱ96；其中，棘爪安装架94安装在单向棘轮19中，棘爪安装架94一端与固定轴22通过花键配合且通过固定固定螺母93紧固，棘爪安装架94外圈安装棘爪20，棘爪安装架94外圈、棘爪20之间设置弹簧Ⅱ96，触发压盖18一端设置的插片与棘爪20配合。单向棘轮固定螺钉99用于单向棘轮机构中单向棘轮19与棘爪安装架94相连接，单向棘轮固定螺钉通过螺纹安装在单向棘轮19的螺纹孔内，与棘爪安装架94的环形槽配合，可以允许单向棘轮19发生旋转，但是不会存在轴向滑脱。
当使用者向外拉出横向收缩齿条或者纵向收缩齿条时便会带动齿轮15旋转，同时与之固连的单向棘轮19发生旋转并且收紧盘状卷簧21；当使用者松开双手时单向棘轮被棘爪20通过单向棘轮19卡住不能旋转如图27状态a所示，当放入显示屏后，显示屏由于重力作用压到触发压盖18时，触发压盖18将向下运动同时进行一定角度的旋转，进而使得触发压盖18一端设置的插片插入单向棘轮19与单向棘轮被棘爪20之间，从而将棘爪20向内拨回如图27状态b所示，使得单向棘轮19脱离单向棘轮被棘爪20，单向棘轮19由于盘状卷簧21放松带动齿条向内收缩进而夹紧液晶显示屏。
可选地，如图14、23所示，所述自定心夹持托盘2还包括导电铜片11、信号接口12、导路13和导轮14，导电铜片11、信号接口12、导路13和导轮14都安装于托盘10上，自定心夹紧机构通过螺钉固定在托盘10的正中，导电铜片11、信号接口12位于自定心夹紧机构与上层同步带运输机传送方向呈垂直的两侧，导电铜片11安装在托盘10上固定位置的长方形槽中，并且通过螺钉固定，信号接口12采用粘接的方式固定在托盘10上，导路13通过过盈配合安装在托盘10固定的安装槽中，导轮14通过螺钉安装在托盘10的四角。导电铜片11和信号接口12作为托盘的电源、信号接口，导电铜片11通过导电滚轮89接通电源，信号接口12通过信号接头进行信号连接，托盘10上安装有固定位置的电源接口90和信号接口91，用于显示屏与托盘10之间的信号和电源连接。整个托盘10内部分布有所需要的各种导线。
所述信号接头如图21所示，主要包括：接口78、连接引脚79、磁块80、信号线81、弹簧Ⅰ82、压线螺塞83、连接块84、电磁铁85；信号线81穿过弹簧Ⅰ82、连接块84且一端从连接块84中引出，压线螺塞83安装在连接块84中，电磁铁85通过螺母固定在连接块84上；整个信号接头安装在信号接头支架上，并通过螺钉固定在上层同步带运输机上，连接引脚79和磁块80镶嵌在接口78的固定槽中，且连接引脚79连接信号线81；接口78设计为漏斗口，与托盘上的信号接口12相配合，调节弹簧的压缩程度可以使信号线获得一定的刚度，但又存在一定的柔性保证了信号连接时的可靠性。再配合磁块的引力作用可以更好的完成自动信号连接。另外，信号接口采用磁吸辅助连接的方式可以降低定位精度的要求。连接信号时需要预先收紧信号线使得弹簧Ⅰ82处于压缩状态并且压紧压线螺塞83，信号线81在弹簧Ⅰ82的作用下受到拉力使得其具有一定的刚性，同时也具有一定的柔性，再通过磁吸的辅助作用以及接口的喇叭口设计与信号接口相配合可以更容易的完成信号连接；当托盘10运输到达检测位置停下时，控制器控制电磁铁85得电且向下运动完成待检测显示屏的信号连接。横向收缩齿条16与纵向收缩齿条17互不干涉安装于安装壳23的导槽中，且安装壳设计有上盖用于压住齿条，在齿条末端采用焊接的方式安装有防滑卡扣24用于夹紧显示屏并且防止其滑动。托盘10上安装有固定位置的电源接口90和信号接口91，用于显示屏与托盘10之间的信号和电源连接。整个托盘10内部分布有所需要的各种导线。
所述导电轮组如图22所示，其主要包括：安装架86、摇臂87、压紧装置88、导电滚轮89；摇臂87通过螺钉安装在安装架86上，导电滚轮89通过螺钉安装在摇臂87上，摇臂87和安装架86之间安装压紧装置88用于压紧导电滚轮89，从而使导电滚轮与导电铜片连接可靠。压紧装置88呈T型，水平销轴两端与摇臂连接，竖直伸缩杆自由端与安装架86连接，竖直伸缩杆包括粗杆和细杆，且细杆上套有弹簧。整套导电轮组安装在绝缘连接块上，三组导电轮组共同通过绝缘连接块安装在支架上，且三组导电轮组分别是零线、火线和地线。
可选地，所述传送模块3包括上层同步带运输机和下层倍速链运输机；所述上层同步带运输机包括第一传送模块、第一调节模块，第一传送模块用于通过第一动力系统提供动力驱动带动同步带27运动，通过第一传送模块中同步带27运动带动自定心夹持托盘2跟随运动；第一调节模块用于通过调节丝杆Ⅰ40带动安装在调节丝杆Ⅰ40上的螺母块Ⅰ41进行上下运动，通过螺母块Ⅰ41上下运动带动与螺母块Ⅰ41连接的两根第一撑臂39夹角变化，通过第一撑臂39的夹角变化带动两根第一撑臂39另一端的第一传送模块随第一撑臂39呈相反方向运动且运动方向与第一传送模块运输方向垂直；所述下层倍速链运输机安装在上层同步带运输机下部，包括第二传送模块、第二调节模块，第二传送模块用于通过第二动力系统提供动力驱动带动倍速链条61运动，通过第二传送模块倍速链条61运动带动自动分拣模块4分拣出的自定心夹持托盘2跟随运动；第二调节模块用于通过调节丝杆Ⅱ53带动安装在调节丝杆Ⅱ53上的螺母块Ⅱ52进行上下运动，通过螺母块Ⅱ52上下运动带动与螺母块Ⅱ52连接的两根第二撑臂51夹角变化，通过第二撑臂51的夹角变化带动两根第二撑臂51另一端的第二传送模块随第一撑臂39呈相反方向运动且运动方向与第二传送模块运输方向垂直。
如图16-18所示，所述上层同步带运输机中第一传送模块包括机架Ⅱ26、同步带27、同步带轮28、辅助轮29、带轮安装支撑30、辅助轮安装支撑31、大梁32、带轮安装板33、张紧轮34、驱动轴35、齿轮箱Ⅰ36、伺服电机Ⅰ37、安装板Ⅰ38，第一调节模块包括第一撑臂39、调节丝杆Ⅰ40、螺母块Ⅰ41、滑块链接支座42、滑块Ⅰ43、滑轨Ⅰ44、丝杆安装块97；作为第一动力系统的伺服电机37与齿轮箱Ⅰ36通过螺栓固连，齿轮箱Ⅰ36安装在安装板Ⅰ38上并且安装板Ⅰ38焊接在机架Ⅱ26上，驱动轴35通过平键和轴承端盖固定在齿轮箱Ⅰ36上，驱动轴35两端通过花键安装同步带轮28，并且同步带轮28可以在驱动轴上35进行轴向运动，滑块Ⅰ43和滑轨Ⅰ44相互配合；滑块链接支座42通过螺栓与滑块Ⅰ43安装在一起，两个带轮安装支撑30之间通过带轮转动心轴安装有同步带轮28，带轮安装支撑30一端与滑块链接支座42连接，带轮安装支撑30另一端与大梁32固连；两块辅助轮安装支撑31之间安装多个辅助轮29；同侧的同步带轮28、辅助轮29、张紧轮34通过一根同步带27连接；大梁32上通过螺栓安装有带轮安装板33用于安装张紧轮34同时给驱动轴35限位；第一撑臂39两端的轴承孔中安装有轴承，两根第一撑臂39一端的轴承内圈通过轴与螺母块Ⅰ41连接，第一撑臂39另一端的轴承与该侧带轮转动心轴通过轴配合，调节丝杆Ⅰ40的轴向运动被丝杆安装块97限制，只存在周向转动；伺服电机37驱动下方同步带轮使同步带27运动，带动两端的同步带轮旋转，从而完成运输任务；通过手柄转动带动调节丝杆Ⅰ40运动可以使同步带运输机的两根大梁之间的距离发生变化以适应不同大小的托盘，同步带运输机采用伺服电机驱动有较高的运动精度可以使托盘在指定的地方停止，保证后续待检测显示屏信号连接的可靠性。所述下层倍速链包括机架Ⅲ45、滑轨Ⅱ46、滑块Ⅱ47、滑块安装支座48、链条导轨49、链轮Ⅱ50、第二撑臂51、螺母块Ⅱ52、调节螺杆53、链轮安装块54、从动链轮轴55、主动链轮轴56、撑臂安装座57、调节螺杆固定座58、齿轮箱Ⅱ59、伺服电机Ⅱ60、倍速链条61；作为第二动力系统的伺服电机Ⅱ60通过支架固定在链条导轨上，齿轮箱Ⅱ59与主动连轮轴采用键连接带动主动链轮运动，伺服电机Ⅱ60旋转带动主动链轮从而通过倍速链条61驱动整个运输机完成运输工作。其整体安装情况与上层同步带运输机类似，下层倍速链运输机同样宽度可对中调节，调节原理与同步带运输机相同，不再赘述。该结构中采用倍速链条、同步带轮配合进行传输。上层采用上层同步带运输机、下层采用下层倍速链，两个方式共同配合，可以节省成本。齿轮箱可以采用涡轮涡杆齿轮箱。
可选地，如图20所示，所述自动分拣模块4包括：防滑平台62、齿轮轴63、齿条64、90°换向气缸65、安装板Ⅱ66、垂直举升气缸67、安装底板68；齿轮轴63一端通过推力球轴承安装在安装板Ⅱ66上，有效减少了齿轮轴64旋转时的摩擦力；90°换向气缸65与安装板Ⅱ66固连，90°换向气缸65的推杆末端安装齿条64，齿条64与齿轮轴63外圈齿轮啮合，防滑平台62通过螺纹连接固定在齿轮轴63另一端，齿轮轴63的轴向方向与90°换向气缸65的推杆末端运动方向呈垂直；垂直举升气缸67输出端与安装板Ⅱ66通过螺纹连接。应用上述技术方案，通过垂直举升气缸67带动安装底板68及安装在安装底板68上部的防滑橡胶平台62、齿轮轴63、齿条64、90°换向气缸65随安装底板进行垂直方向运动，通过90°换向气缸65驱动齿条64进行直线运动，通过齿条与齿轮轴的啮合，带动齿轮轴旋转，进而带动齿轮轴上的防滑橡胶平台62同步旋转，通过将托盘旋转90°获得产品分离的功能，进而实现良品次品的分离。
可选地，所述缺陷检测模块5包括光电感应停止开关、一组或多组缺陷检测组件，各组缺陷检测组件结构相同，均包括图像采集模块、控制器，各组图像采集模块中光电计数器用于对经过的托盘进行计数，并且将计数编号传输至各自的控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机75进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测。需要说明的是，所述自动分拣模块4的数量与缺陷检测组件的数量相同。
可选地，如图19所示，图像采集模块包括横梁69、立柱70、滑块Ⅲ71、滑轨Ⅲ72、相机75、遮光罩76、伺服电机Ⅲ77、光电计数器；横梁69和立柱70上均安装移动装置，移动装置包括丝杆73、螺母74；横梁69两端和立柱70两端分别通过螺钉安装有安装板用于支撑丝杆73和安放轴承，轴承与丝杆73采用过盈配合，立柱70上的螺母74通过螺钉与滑块Ⅲ71固连，滑块Ⅲ71与滑轨Ⅲ72配合用于适用固定在大梁32上两根立柱70之间间距的变化(当滑块Ⅲ71移动至所需要位置后，可以将滑块Ⅲ71与滑轨Ⅲ72通过螺栓连接)，横梁69与滑轨Ⅲ72通过螺钉固连在一起，相机75安装在相机支架上并通过螺钉与横梁69上的螺母74固连；伺服电机Ⅲ77通过螺钉固连在安装板上，通过联轴器与丝杆73相连接，为丝杆73旋转提供动力。光电计数器负责对经过的托盘进行计数，并且将计数编号传输至控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号进行液晶显示屏的图像采集。通过丝杆螺母机构使相机75拥有两个自由度，可以采集到最清晰的图像，相机75通过一个连接座固定在螺母74上，丝杆73两端安装有轴承，伺服电机Ⅲ77与丝杆73采用联轴器相连接；遮光罩76防止其他光线对相机的干扰；伺服电机Ⅲ77通过螺钉与安装板安装在对应的横梁69和立柱70上。其中，控制器可以是上位机。控制器的检测模型采用液晶显示屏缺陷检测模型，本发明在考虑液晶显示屏缺陷中spot Mura为最具代表性且最难检测的缺陷种类的基础上，依据本发明的检测模型验证了对点状Mura(spot Mura)检测的平均精度、漏检率、误检率和准确率相对于原网络有很大提升，能够更加有效的对点状Mura(spot Mura)进行检测，为液晶显示屏缺陷检测模型的检测效果提供了现实依据。
根据本发明实施例的另一方面，提供了一种用于液晶显示屏缺陷检测分拣生产线中缺陷检测模块5进行检测的液晶显示屏缺陷检测模型，以YOLOV4-Tiny模型为基础，增加主干特征提取网络中第一个CSP模块的输出作为一个浅层特征图，对原来的深层特征图进行一次卷积操作调整通道数后分为两个输出：一个输出进行上采样后与中层特征图进行特征融合，融合后的结果在进行一次上采样后与新增加的浅层特征图进行特征融合得到的特征图在经过一次Ghost模块处理后输入到yolo head进行分类预测与回归预测；另一输出经过一次Ghost模块处理后输入到yolo head进行分类预测与回归预测。新引入的浅层特征图[76,76,128]拥有更多的细节信息有利于针对小目标检测，加入Ghost模块对特征融合后的特征图处理后获得特征浓缩的相似特征图，运用Ghost模块代替普通卷积，减少了计算量。改进后的YOLOV4-Tiny目标检测算法虽然在帧率上有所下降，但是其平均精度、漏检率、误检率和准确率相对于原网络有很大提升。能够更加有效的对点状Mura(spot Mura)进行检测。改进后的算法结构如图6所示，其中的子模块结构则如图7所示。
调用液晶显示屏缺陷检测模型，给出训练所需要的类别和名称，液晶显示屏缺陷检测模型属于轻量化目标检测网络，对计算机资源占用小，实时检测速度快有利于工业落地。其以CSPdarknet53_tiny为主干特征提取网络，从主干特征提取网络引出三个有效特征层，用于加强特征提取网络的构建；所述三个有效特征层分别为[19,19,512]、[38,38,256]、[76,76,128]，其中[19,19,512]为深层特征，具有丰富的语义信息，[76,76,128]为浅层特征适合小目标检测。在Neck部分对[19,19,512]的有效特征层进行一次卷积做通道数调整，将通道调整后的特征图经过Ghost模块处理后输入到yolo head进行回归预测与分类预测；另外再将经过卷积的[19,19,512]有效特征层进行一次上采样，与[38,38,256]的特征图进行特征融合，以得到特征信息更丰富的特征图；特征融合的结果再次进行上采样，然后与[76,76,128]的特征图进行特征融合，得到具有深层、中层、浅层语义信息的有效特征图，再将该特征图输入到Ghost模块处理，最后将特征图输入到yolo head进行回归预测与分类预测；预测信息包括了目标的种类名称、种类置信度、目标中心点坐标以及目标框的高和宽。所述Ghost模块的作用是代替普通卷积，减少计算量。Ghost模块包括一个1×1卷积和一个深度可分离卷积，1×1卷积用于对输入的特征图进行通道数的调整，获得输入特征的必要特征浓缩；深度可分离卷积获得特征浓缩的相似特征图。改进引入浅层特征进行深浅特征融合，再引入Ghost模块获得特征浓缩的相似特征图后输入到yolo head进行回归预测与分类预测，增强了YOLOV4-Tiny目标检测算法对于spot Mura缺陷的检测能力。
如图5所示，根据本发明实施例的另一方面，提供了一种液晶显示屏缺陷检测模型的训练方法，包括：构建液晶显示屏Mura缺陷图像数据集；调用液晶显示屏缺陷检测模型，输入模型的主干权重，并采用缺陷图像数据集中的训练集对模型进行预训练，获得多个权重参数；将预训练得到的多个权重文件输入到液晶显示屏缺陷检测模型中并运用缺陷图像数据集中测试集筛选出最优预训练权重，将最优预训练权重输入到液晶显示屏缺陷检测模型，并运用Mura缺陷图像数据集中的训练集对模型进行强化训练，获得多个强化训练后的权重；运用Mura缺陷图像数据集中的测试集对获得的强化训练后权重进行测试并且选择强化训练后的最优权重，并且将强化训练后的最优权重输入到液晶显示屏缺陷检测模型，生成冻结模型。
如图1-10所示，根据本发明实施例的另一方面，提供了一种液晶显示屏缺陷检测分拣方法，包括：
开启液晶显示屏视觉实时检测分拣系统；其中传送模块3供给待检测显示屏，开启图像采集模块并调整相机参数，整台设备开始运行；比如图10中存在两组缺陷检测组件时，传送模块3开启，一号托盘首先经过2号计数器，之后经过1号光电计数器，当一号托盘经过1号计数器时二号托盘刚好经过2号计数器，这时2号计数器的增量满足2且停止开关被触发满足上层同步带运输机停止条件，这时上层同步带运输机停止。开始采集图像，进行检测和自动分拣，一次检测结束后将计数器1和2的计数结果清零，等待三号托盘先经过2号计数器，后经过1号计数器，三号托盘经过1号计数器时，四号托盘经过2号计数器，此时2号计数器的增量达到2且停止开关被触发，满足上层同步带运输机停止条件，运输机停止，开始采集，进行检测自动分拣。后续托盘以此类推进行检测。
自定心夹持托盘2上放置的液晶显示屏通过传送模块3带动朝向缺陷检测模块5运动，通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，自动分拣模块4用于依据缺陷检测模块5的识别结果进行液晶显示屏分拣。
可选地，通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，包括：缺陷检测模块5中图像采集模块中光电计数器用于对经过的托盘进行计数，并且将计数编号传输至各自的控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机75进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测。
可选地，所述控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机75进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测，具体为：如果缺陷检测模块5中缺陷检测组件为一组，对于当次检测时，光电计数器计数为1且光电感应停止开关被触发，则控制器驱动传送模块3中上层同步带运输机停止运动，驱动相机75进行液晶显示屏的图像采集，并调用冻结模型对采集的液晶显示屏图像进行缺陷检测，当次检测结束，光电计数器归零，进行下一次检测，直至结束；如果缺陷检测模块5中缺陷检测组件为n组，对于当次检测时，如果n个光电计数器计数最大增量值为m且光电感应停止开关被触发，则第m个控制器驱动传送模块3中上层同步带运输机停止运动，前m个控制器分别驱动相机75进行液晶显示屏的图像采集，并调用冻结模型对采集的液晶显示屏图像进行缺陷检测，当次检测结束，所有光电计数器归零，进行下一次检测，直至结束；其中，n个光电计数器与n个控制器一一对应。比如，设置有3组缺陷检测组件，在一次检测中，如果3号光电计数器增量为3且停止开关触发时，上层同步带运输机停止；如果三个计数器最大增量为2那么此时判断为只剩最后两个显示器，此时以2号计数器的最大增量为判断上层同步带运输机停止的条件；如果三个计数器最大增量为1那么此时判断为只剩最后一个显示器，此时计数器1的最大增量为判断上层同步带运输机停止的条件。需要说明的是，在完成一次检测后就会有一个计数器归零的操作，此时三个计数的最大值就是当次检测的情况的最大增量，比如3组缺陷检测组件中，三个计数器的计数最大值为最大增量。
进一步地，以存在二组缺陷检测组件的情况，给出可选地如下实施过程：
S1、将收集的1000幅液晶显示屏Mura图像按9：1比例随机分类成训练集图像和验证集图像；如图2、3所示；其中图2中仅展示了部分晶显示屏Mura缺陷图；
S2、利用LabelImg标注软件对训练集图像和验证集图像的锚框异物进行标注；其中，标注包括：目标信息中心位置的横、纵坐标，边界框的长、宽大小和异物类别；在标注时需要确定液晶显示屏Mura缺陷的类别，将命名为mura类，如附图4所示为利用LabelImg标注工具的液晶显示屏spot Mura缺陷锚框图；图4为红、蓝、绿、黑、白、灰六种不同背景下的图片进行的灰度展示；
S3、将标注完的所有液晶显示屏Mura缺陷标注信息统一进行类型转换；即利用python脚本将标签文件从.xml文件格式转换为.txt文件格式；通过格式转换，使得数据更好地适应后续步骤的深度学习；
S4、将标注转换后的结果分别放入对应的训练集图像文件夹和验证集图像文件夹中，共同构成由训练集和验证集组成的液晶显示屏Mura缺陷图像数据集。
S5、预训练开始前，修改配置文件的超参数，其中配置文件的超参数主要包括学习率、抽取图片数、迭代次数、权重衰减系数，其余超参数为默认值；在本实施例中学习率为0.01、抽取图片数为8、迭代次数为250、权重衰减系数为0.0005、主干网络解冻迭代次数为50，其余超参数均为默认值。实验设备为台式机GPU为NVIDIAGeForce RTX3060，内存为8g，CPU为Intel酷睿i7-12700F；
S6、调用训练集和配置文件，输入模型的主干权重，在深度学习网络框架Pytorch中对深度学习网络模型进行预训练；根据配置文件的超参数，首先对模型的主干网络Backbone的参数进行冻结，冻结迭代次数为50次，之后依次随机抽取训练集中的8张图片放入深度模型网络模型中进行预训练，对模型其他部分的权重参数进行更新，达到设定单个batch的迭代次数250次时权重参数更新结束生成最后的权重参数；所述权重更新，具体为：使用随机初始化的权重参数进行卷积神经网络的前向传播计算并得到的一组中间参数，再使用该中间参数进行反向传播得到一组新的权重参数；所述新的权重参数将迭代之前用于计算前向传播的旧权重参数；
S7、输入验证集利用深度学习网络框架Pytorch对步骤S5获得的所有预训练权重参数进行性能评估，筛选得到最优预训练权重参数；其中，性能定量评估所用的验证集为液晶显示屏Mura缺陷图像数据集中的验证集，评估可通过平均精度、帧率、漏检率、误检率和准确率进行判断；
S8、修改迭代次数为350次，其他参数与步骤S5相同，将最优预训练权重载入到模型中作为整个模型的权重，对模型进行强化训练，首先冻结网络主干Backbone部分的参数，冻结次数为50次。训练中参数更新，前向传播、反向传播与步骤S5相同；
S9、输入验证集利用深度学习网络框架Pytorch对获得的所有强化训练权重参数进行性能评估，筛选得到最优强化训练的权重参数；其中，性能定量评估所用的验证集为液晶显示屏Mura缺陷图像数据集中的验证集，评估可通过平均精度、帧率、漏检率、误检率和准确率进行判断；
S10、将最优权重参数载入到目标检测算法生成冻结模型；
S11、开启液晶显示屏视觉实时检测分拣系统，供给待检测显示屏，开启图像采集模块并调整相机参数，整台设备开始运行；上层同步带运输机的带速为0.2m/s，下层倍速链的链速为0.25m/s；托盘之间的间距为200mm；相机参数包括采集图片的速度、像素大小和内存空间。具体为，工业相机开启到关闭的时间为1000毫秒，每秒采集5张大小为2590×1942的JPG图像，图像采集卡内存空间为5000Mb。工业相机为Basler彩色相机，分辨率2.3MP，帧率为51fps；工业相机镜头为Basler Standard C口镜头，最大像圈为1英寸，带有8.0mm定焦距，光圈范围F1.4-F16，标准分辨率为200万像素；遮光罩用于克服环境光干扰，保证图像采集时的光线稳定，形成最有利于图像处理的成像效果。
S12、自定心夹持托盘2上放置的液晶显示屏通过传送模块3带动朝向缺陷检测模块5运动，通过缺陷检测模块5对自定心夹持托盘2上的液晶显示屏进行缺陷检测，自动分拣模块4用于依据缺陷检测模块5的识别结果进行液晶显示屏分拣，具体地：生产线上的待检测液晶显示屏经过除尘模块1除尘后由同步带运输机传送经过光电计数器；同步带运输机上的托盘触发光电感应计数器，光电计数器以计数的方式给经过的托盘进行编号，并且将编号传输至控制器，当托盘触发位于指定位置的光电感应停止开关，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动传送模块3中上层同步带运输机停止运动，接通待检测显示屏的信号与电源，信号连接由控制器控制电磁铁向下运动，推动接头在磁块的辅助吸引下完成接线；使得信号接口得以连接可靠，电源连接通过导电滚轮和导电铜条相连接，控制器控制电源通断完成；控制器驱动相机75对待拍摄区域进行拍摄以采集待检测液晶显示屏的图像信息，并调用冻结模型对工业相机采集的待检测液晶显示屏图像的进行点状Mura(spot Mura)缺陷实时检测，根据目标实时检测的结果，判断是否存在点状Mura(spot Mura)缺陷：若两个工业相机采集的图像都不存在点状Mura(spot Mura)缺陷，控制器控制除尘模块1、上层同步带运输机和图像采集模块继续工作；若任意一个工业相机采集的图像存在spot Mura缺陷，控制器控制除尘模块1、上层同步带运输机和图像采集模块停止工作；实时检测会生成每个spot Mura缺陷的边界框和缺陷种类信息，根据检测的输出结果，控制器控制处于托盘正下方的自动分拣模块4开始动作；首先垂直托举气缸67上升到达指定高度后停止，等待0.5s后转向90°气缸65动作推动齿条64带动齿轮轴63和防滑橡胶平台62旋转90°后停止，等待0.5s后垂直托举气缸67下降至指定高度，托盘被放到下层的倍速链运输线完成缺陷产品的自动分拣；完成分拣后自动分拣模块4复位，等待下一次控制器指令；控制器控制除尘模块1、上层同步带运输机和图像采集模块继续工作。
本发明以工厂中实际采集的100幅含有若干点状Mura(spot Mura)的图像进行检测，由于实际生产过程中点状Mura(spot Mura)出现的频率较高因此对点状Mura(spotMura)的检测意义重大，除此之外只要有其他类型缺陷的图像数据对网络进行训练，本发明对其他类型的缺陷也能进行识别；本发明通过四种不同的网络模型进行训练后对点状Mura(spot Mura)进行检测，具体结果如表1所示。其中YOLOV4-Tiny原网络的Map值最低为0.8438，体现出网络性能最差，在实际检测时该网络检测正确率最低为0.94，YOLOV4-Tiny在两个预测头yolo head前分别增加一个Ghost模块后检测性能有所提升，Map值达到了0.8957、检测正确率达到了0.96这证明我能的改进之一是有效的；此外YOLOV4-Tiny在原网络的基础上增加了76×76×128的有效特征层进行特征金字塔的构建后网络的Map值达到了0.8802、检测正确率达到了0.96相对于原网络有所提升这证明该改进是有效的，最终我们将两处改进结合在一起构建了最终的检测网络，最终的检测网络结构图如图6所示。实验的结果表明我们的改进算法拥有最佳的性能网络的Map值达到了0.9885、检测的正确率也达到0.98。其中相对于原始的YOLOV4-tiny目标检测网络性能有很大的提升，图9为网络AP0.5的对比图，其中AP曲线包围的面积越大则网络的性能越好，从图9中可以看出本发明的改进YOLOV4-tiny目标检测算法的性能优于原始的YOLOV4-tiny目标检测算法，图8是本发明改进的YOLOV4-tiny目标检测算法与原始的YOLOV4-tiny目标检测算法的实际检测结果对比图，从图中第三行和最后一行可以明显看出本发明算法相对于原始算法的检测正确率有明显的提升，种种实验结果表明本发明对算法的改进是有效的。
表1实验结果对比
| 网络模型 | 漏检 | 误检 | 检测正确率 | Map0.5 |
| YOLOV4-Tiny原网络 | 6(100) | 0(100) | 94％ | 84.38％ |
| YOLOV4-Tiny+Ghoust模块 | 4(100) | 0(100) | 96％ | 89.57％ |
| YOLOV4-Tiny+增加特征层 | 4(100) | 0(100) | 96％ | 88.02％ |
| YOLOV4-Tiny+增加特征层+Ghoust模块(本发明) | 2(100) | 0(100) | 98％ | 98.85％ |
应用上述技术方案，有效解决了现阶段的液晶显示屏自动化流水线作业中，液晶显示屏Mura缺陷具有体积小、对比度低、形状不规则、出现位置随机的特点，导致检测难度大，本发明方法利用深度学习进行分析，输出识别分拣结果，结合自动分拣模块，分离出不合格的产品，有效提高了液晶显示屏Mura缺陷的检测效率，同时还提高了检测的准确率。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (10)
1.一种液晶显示屏缺陷检测分拣生产线，其特征在于，包括自定心夹持托盘(2)、传送模块(3)、自动分拣模块(4)、缺陷检测模块(5)；所述自定心夹持托盘(2)放置在传送模块(3)上，自定心夹持托盘(2)通过传送模块(3)带动运动，通过缺陷检测模块(5)对自定心夹持托盘(2)上的液晶显示屏进行缺陷检测，自动分拣模块(4)用于依据缺陷检测模块(5)的识别结果进行液晶显示屏分拣。
2.根据权利要求1所述的液晶显示屏缺陷检测分拣生产线，其特征在于：还包括除尘模块(1)，所述除尘模块(1)包括除尘滚筒(6)、气吹除尘器(7)、机架Ⅰ(8)、链轮Ⅰ(9)；其中，链轮Ⅰ(9)安装在除尘滚筒(6)的滚筒轴两端；除尘滚筒(6)、气吹除尘器(7)呈前后安装在机架Ⅰ(8)上且气吹除尘器(7)靠近传送模块(3)运输方向前进端；链轮Ⅰ(9)通过传送模块(3)中上层同步带运输机的伺服电机Ⅰ(37)提供动力。
3.根据权利要求1所述的液晶显示屏缺陷检测分拣生产线，其特征在于：所述自定心夹持托盘(2)包括托盘(10)、自定心夹紧机构；其中，自定心夹紧机构安装于托盘(10)上，自定心夹紧机构包括横向收缩齿条(16)、纵向收缩齿条(17)、卡扣(24)、触发装置(25)；其中，横向收缩齿条(16)、纵向收缩齿条(17)一端安装卡扣(24)，横向收缩齿条(16)、纵向收缩齿条(17)另一端与触发装置(25)配合实现卡扣(24)之间液晶显示屏的夹持。
4.根据权利要求3所述的液晶显示屏缺陷检测分拣生产线，其特征在于：所述触发装置(25)包括触发压盖(18)、齿轮(15)、单向棘轮机构、盘状卷簧(21)、固定轴(22)、复位弹簧(92)、固定销钉(95)；所述触发压盖(18)通过固定销钉(95)安装于固定轴(22)一端，触发压盖(18)的圆柱本体上开设有条形通孔用于与固定销钉(95)配合，使触发压盖(18)实现周向旋转和轴向移动，在固定轴(22)和触发压盖(18)之间安装有复位弹簧(92)，整个单向棘轮机构固定在固定轴(22)上，齿轮(15)与横向收缩齿条(16)、纵向收缩齿条(17)啮合，同时单向棘轮机构的单向棘轮(19)与齿轮(15)固连，齿轮(15)转动时带动单向棘轮机构的单向棘轮(19)一同转动，盘转卷簧(21)一端安装在齿轮(15)的固定槽内，同时盘转卷簧(21)的另一端固定在自定心夹紧机构上；
所述单向棘轮机构包括单向棘轮(19)、棘爪(20)、棘爪安装架(94)、弹簧Ⅱ(96)；其中，棘爪安装架(94)安装在单向棘轮(19)中，棘爪安装架(94)一端与固定轴(22)通过花键配合且通过固定固定螺母(93)紧固，棘爪安装架(94)外圈安装棘爪(20)，棘爪安装架(94)外圈、棘爪(20)之间设置弹簧Ⅱ(96)，触发压盖(18)一端设置的插片与棘爪(20)配合。
5.根据权利要求1所述的液晶显示屏缺陷检测分拣生产线，其特征在于：所述传送模块(3)包括上层同步带运输机和下层倍速链运输机；
所述上层同步带运输机包括第一传送模块、第一调节模块，第一传送模块用于通过第一动力系统提供动力驱动运动，通过第一传送模块运动带动自定心夹持托盘(2)跟随运动；第一调节模块用于通过调节丝杆Ⅰ(40)带动安装在调节丝杆Ⅰ(40)上的螺母块Ⅰ(41)进行上下运动，通过螺母块Ⅰ(41)上下运动带动与螺母块Ⅰ(41)连接的两根第一撑臂(39)夹角变化，通过第一撑臂(39)的夹角变化带动两根第一撑臂(39)另一端的第一传送模块随第一撑臂(39)呈相反方向运动且运动方向与第一传送模块运输方向垂直；
所述下层倍速链运输机安装在上层同步带运输机下部，包括第二传送模块、第二调节模块，第二传送模块用于通过第二动力系统提供动力驱动运动，通过第二传送模块运动带动自动分拣模块(4)分拣出的自定心夹持托盘(2)跟随运动；第二调节模块用于通过调节丝杆Ⅱ(53)带动安装在调节丝杆Ⅱ(53)上的螺母块Ⅱ(52)进行上下运动，通过螺母块Ⅱ(52)上下运动带动与螺母块Ⅱ(52)连接的两根第二撑臂(51)夹角变化，通过第二撑臂(51)的夹角变化带动两根第二撑臂(51)另一端的第二传送模块随第一撑臂(39)呈相反方向运动且运动方向与第二传送模块运输方向垂直。
6.根据权利要求1所述的液晶显示屏缺陷检测分拣生产线，其特征在于：所述缺陷检测模块(5)包括光电感应停止开关、一组或多组缺陷检测组件，各组缺陷检测组件结构相同，均包括图像采集模块、控制器，各组图像采集模块中光电计数器用于对经过的托盘进行计数，并且将计数编号传输至各自的控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机(75)进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测。
7.一种液晶显示屏缺陷检测模型，其特征在于，以YOLOV4-Tiny模型为基础，增加主干特征提取网络中第一个CSP模块的输出作为一个浅层特征图，对原来的深层特征图进行一次卷积操作调整通道数后分为两个输出：一个输出进行上采样后与中层特征图进行特征融合，融合后的结果在进行一次上采样后与新增加的浅层特征图进行特征融合得到的特征图在经过一次Ghost模块处理后输入到yolohead进行分类预测与回归预测；另一输出经过一次Ghost模块处理后输入到yolohead进行分类预测与回归预测。
8.一种液晶显示屏缺陷检测分拣方法，其特征在于，包括：
开启液晶显示屏视觉实时检测分拣系统；
自定心夹持托盘(2)上放置的液晶显示屏通过传送模块(3)带动朝向缺陷检测模块(5)运动，通过缺陷检测模块(5)对自定心夹持托盘(2)上的液晶显示屏进行缺陷检测，自动分拣模块(4)用于依据缺陷检测模块(5)的识别结果进行液晶显示屏分拣。
9.根据权利要求8所述的液晶显示屏缺陷检测分拣方法，其特征在于，所述通过缺陷检测模块(5)对自定心夹持托盘(2)上的液晶显示屏进行缺陷检测，包括：
缺陷检测模块(5)中图像采集模块中光电计数器用于对经过的托盘进行计数，并且将计数编号传输至各自的控制器，控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机(75)进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测。
10.根据权利要求9所述的液晶显示屏缺陷检测分拣方法，其特征在于，所述控制器依据光电感应停止开关的触发信号及光电计数器的计数编号驱动相机(75)进行液晶显示屏的图像采集，并依据采集的图像对液晶显示屏进行缺陷检测，具体为：
如果缺陷检测模块(5)中缺陷检测组件为一组，对于当次检测时，光电计数器计数为1且光电感应停止开关被触发，则控制器驱动传送模块(3)中上层同步带运输机停止运动，驱动相机(75)进行液晶显示屏的图像采集，并调用依据液晶显示屏缺陷检测模型获得的冻结模型对采集的液晶显示屏图像进行缺陷检测，当次检测结束，光电计数器归零，进行下一次检测，直至结束；
如果缺陷检测模块(5)中缺陷检测组件为n组，对于当次检测时，如果n个光电计数器计数最大增量值为m且光电感应停止开关被触发，则第m个控制器驱动传送模块(3)中上层同步带运输机停止运动，前m个控制器分别驱动相机(75)进行液晶显示屏的图像采集，并调用依据液晶显示屏缺陷检测模型获得的冻结模型对采集的液晶显示屏图像进行缺陷检测，当次检测结束，所有光电计数器归零，进行下一次检测，直至结束；其中，n个光电计数器与n个控制器一一对应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310082455.1A CN115971074A (zh) | 2023-02-08 | 2023-02-08 | 一种液晶显示屏缺陷检测模型、分拣生产线及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310082455.1A CN115971074A (zh) | 2023-02-08 | 2023-02-08 | 一种液晶显示屏缺陷检测模型、分拣生产线及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115971074A true CN115971074A (zh) | 2023-04-18 |
Family
ID=85963140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310082455.1A Pending CN115971074A (zh) | 2023-02-08 | 2023-02-08 | 一种液晶显示屏缺陷检测模型、分拣生产线及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115971074A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168259A (zh) * | 2023-04-26 | 2023-05-26 | 厦门微图软件科技有限公司 | 一种应用于oled点灯系统的自动缺陷分类算法 |
| CN117434018A (zh) * | 2023-12-20 | 2024-01-23 | 山东奥客隆太阳能科技有限公司 | 一种光伏材料检测设备 |
| CN117708189A (zh) * | 2024-02-06 | 2024-03-15 | 江苏纳帝电子科技有限公司 | 一种液晶触摸屏生产制造数据分析处理方法 |
| CN117708189B (zh) * | 2024-02-06 | 2024-04-19 | 江苏纳帝电子科技有限公司 | 一种液晶触摸屏生产制造数据分析处理方法 |
-
2023
- 2023-02-08 CN CN202310082455.1A patent/CN115971074A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116168259A (zh) * | 2023-04-26 | 2023-05-26 | 厦门微图软件科技有限公司 | 一种应用于oled点灯系统的自动缺陷分类算法 |
| CN116168259B (zh) * | 2023-04-26 | 2023-08-08 | 厦门微图软件科技有限公司 | 一种应用于oled点灯系统的自动缺陷分类方法 |
| CN117434018A (zh) * | 2023-12-20 | 2024-01-23 | 山东奥客隆太阳能科技有限公司 | 一种光伏材料检测设备 |
| CN117708189A (zh) * | 2024-02-06 | 2024-03-15 | 江苏纳帝电子科技有限公司 | 一种液晶触摸屏生产制造数据分析处理方法 |
| CN117708189B (zh) * | 2024-02-06 | 2024-04-19 | 江苏纳帝电子科技有限公司 | 一种液晶触摸屏生产制造数据分析处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115971074A (zh) | 一种液晶显示屏缺陷检测模型、分拣生产线及方法 | |
| CN106238342B (zh) | 全景视觉马铃薯分选和缺陷检测装置及其分选检测方法 | |
| CN206139527U (zh) | 全景视觉马铃薯分选和缺陷检测装置 | |
| CN104483320B (zh) | 工业脱硝催化剂的数字化缺陷检测装置与检测方法 | |
| CN105214961B (zh) | 一种食品加工流水线质量检测与重量分级的全自动设备 | |
| CN110827256B (zh) | 透明构件缺陷的光学和热红外多级成像检测方法及装置 | |
| CN102183528A (zh) | 一种双联齿轮的缺陷检测装置及检测方法 | |
| CN106442553A (zh) | 一种铜环柱面喷码检测识别装置及方法 | |
| CN210071702U (zh) | 手机玻璃缺陷自动检测装置 | |
| CN212301356U (zh) | 一种轮毂焊缝视觉检测装置 | |
| CN109211927B (zh) | 检测系统及检测方法 | |
| CN107036542A (zh) | 一种齿环内外径外观检测方法及装置 | |
| CN215449031U (zh) | 一种软包电池表面缺陷检测设备 | |
| CN111220544A (zh) | 一种镜片质量检测装置及检测方法 | |
| CN107671007B (zh) | 基于机器视觉批量检测珍珠形状的智能分拣系统 | |
| CN113245222B (zh) | 一种三七异物视觉实时检测分拣系统及分拣方法 | |
| CN206990465U (zh) | 液晶面板的缺陷检测装置 | |
| CN206139529U (zh) | 透明滚轴机构 | |
| CN212597236U (zh) | 一种汽车功率器件品质检测装置 | |
| CN109351655A (zh) | 一种红枣挑选机的改进装置 | |
| CN111505013A (zh) | 基于深度学习的暖边间隔条机器视觉检测装置及方法 | |
| CN211756936U (zh) | 一种多工位自动测量设备 | |
| CN114529510B (zh) | 一种阴极铜在线质量自动检测分类方法 | |
| CN114677597B (zh) | 基于改进YOLOv5网络的齿轮缺陷视觉检测方法及系统 | |
| CN213444816U (zh) | 一种轻薄物料半成品自动分料转移装置 |
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 |