CN118096712A - 基于视觉处理的缺陷识别方法及系统 - Google Patents
基于视觉处理的缺陷识别方法及系统 Download PDFInfo
- Publication number
- CN118096712A CN118096712A CN202410315998.8A CN202410315998A CN118096712A CN 118096712 A CN118096712 A CN 118096712A CN 202410315998 A CN202410315998 A CN 202410315998A CN 118096712 A CN118096712 A CN 118096712A
- Authority
- CN
- China
- Prior art keywords
- defect
- central
- areas
- visual
- priorities
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 246
- 230000000007 visual effect Effects 0.000 title claims abstract description 239
- 238000012545 processing Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000004973 liquid crystal related substance Substances 0.000 claims description 65
- 238000012360 testing method Methods 0.000 claims description 27
- 230000001360 synchronised effect Effects 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开一种基于视觉处理的缺陷识别方法及系统，基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，此时，针对中心区域和多个非中心区域进行针对性处理，以便于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，从而引入了视觉图像的分辨率对优先级的影响，保证了视觉图像的识别顺序以及视觉图像的快速处理，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
Description
技术领域
本发明涉及基于视觉处理的缺陷识别的技术领域，尤其涉及一种基于视觉处理的缺陷识别方法及系统。
背景技术
随着科技的发展，液晶显示屏作为显示部件，应用于电子设备，液晶显示屏在无人车间内进行加工和组装，并通过输送线进行输送，液晶显示屏在销售之前需要进行缺陷检测，在现有技术中，液晶显示屏在检测过程中呈现视觉图像，现有的工作人员对视觉图像进行整体式检测，并观察视觉图像在整体上是否存在缺陷，可是，视觉图像在整体检测下容易遗漏部分区域，影响了缺陷部件的识别准确性。
发明内容
本发明的目的在于克服现有技术的不足，本发明提供了一种基于视觉处理的缺陷识别方法及系统，针对液晶显示屏的视觉图像进行缺陷识别，并针对中心区域和多个非中心区域进行针对性处理，以便于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，从而引入了视觉图像的分辨率对优先级的影响，保证了视觉图像的识别顺序以及视觉图像的快速处理，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
为了解决上述技术问题，本发明实施例提供了一种基于视觉处理的缺陷识别方法，应用于液晶显示屏场景；
所述基于视觉处理的缺陷识别方法，包括：
获取液晶显示屏的视觉图像；
基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件。
可选的，所述获取液晶显示屏的视觉图像，包括：
基于测试信号触发液晶显示屏，并触发液晶显示屏的测试规划；
基于测试规划触发液晶显示屏在各测试场景中呈现视觉图像；
获取多个视觉图像，并根据液晶显示屏的图像响应时间以及视觉图像的切换时间定义视觉图像的延误等级；
标记各视觉图像的延误等级，并根据视觉图像的延误等级以及视觉图像的质量等级确定液晶显示屏的视觉图像。
可选的，所述基于液晶显示屏的视觉图像确定中心区域和多个非中心区域，包括：
定格液晶显示屏的视觉图像；
基于视觉图像所显示的多个特征进行采集，以形成各特征区域；
根据各特征区域与视觉图像的中心位置确定相对距离；
根据各相对距离以及特征区域的区域大小确定中心区域；
若存在多个中心区域，则针对多个中心区域进行质量评价，以较高质量的中心区域作为视觉图像的中心区域；
将其余的特征区域进行关联性评估，并于各特征区域的关联性进行选择性合成，以定义多个非中心区域。
可选的，所述根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级，包括：
定格中心区域和多个非中心区域；
对中心区域进行外轮廓处理，并凸显中心区域所对应的外轮廓；
根据中心区域所对应的外轮廓定义延伸方向。
可选的，所述根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级，还包括：
沿着延伸方向依次遍历多个非中心区域，并采集多个非中心区域的延伸方向；
根据中心区域的延伸方向以及多个非中心区域的延伸方向的同向性定义多个非中心区域的优先级；
将中心区域的优先级调至最高级别，并对多个非中心区域的优先级进行级别排序；
依次标记中心区域的优先级以及多个非中心区域的优先级。
可选的，所述基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，包括：
定格中心区域的优先级、多个非中心区域的优先级；
将中心区域的优先级、多个非中心区域的优先级进行级别排序，并依次布置中心区域和多个非中心区域；
在同一视角页面呈现中心区域和多个非中心区域；
将视角页面与视觉图像进行对比，并定义视觉图像的分辨率；
将视觉图像的分辨率关联视角页面，并结合视觉图像的分辨率构建视觉图像的识别顺序。
可选的，所述根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域，包括：
定格视觉图像的识别顺序；
对多个非中心区域进行关联，并测算多个非中心区域之间的识别时间差；
若识别时间差满足预设时间范围，则将对应的非中心区域的识别顺序进行合并，并形成同步识别节点；
根据同步识别节点触发对应的非中心区域进行同步识别，并优化视觉图像的识别顺序；
在视觉图像的识别顺序优化后，根据优化后的视觉图像的识别顺序对中心区域与非中心区域进行依次识别；
在中心区域的识别中，对中心区域进行环形遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域；
在非中心区域的识别中，基于非中心区域的识别而定义区域类型，根据区域类型触发对应的遍历模式，基于遍历模式对中心区域进行针对性遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域。
可选的，所述根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，包括：
定格中心区域的缺陷子区域和各非中心区域的缺陷子区域；
关联中心区域的缺陷子区域和各非中心区域的缺陷子区域，并确定关联系数；
根据关联系数编排中心区域的缺陷子区域和各非中心区域的缺陷子区域之间的相对位置，并构建缺陷图集。
可选的，所述根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，还包括：
基于缺陷图集进行识别，并输出缺陷范围；
根据缺陷范围定义缺陷部件。
另外，本发明实施例还提供了一种基于视觉处理的缺陷识别系统，所述基于视觉处理的缺陷识别系统包括：
获取模块，用于获取液晶显示屏的视觉图像；
区域模块，用于基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
优先级模块，用于根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
识别顺序模块，用于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
第一缺陷模块，用于根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
第二缺陷模块，用于根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件。
在本发明实施例中，通过本发明实施例中的方法，获取液晶显示屏的视觉图像；基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，此时，针对液晶显示屏的视觉图像进行缺陷识别，并针对中心区域和多个非中心区域进行针对性处理，以便于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，从而引入了视觉图像的分辨率对优先级的影响，保证了视觉图像的识别顺序以及视觉图像的快速处理，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于视觉处理的缺陷识别方法的流程示意图；
图2是本发明实施例中的基于视觉处理的缺陷识别方法中的S11的流程示意图；
图3是本发明实施例中的基于视觉处理的缺陷识别方法中的S12的流程示意图；
图4是本发明实施例中的基于视觉处理的缺陷识别方法中的S13的流程示意图；
图5是本发明实施例中的基于视觉处理的缺陷识别方法中的S14的流程示意图；
图6是本发明实施例中的基于视觉处理的缺陷识别方法中的S15的流程示意图；
图7是本发明实施例中的基于视觉处理的缺陷识别方法中的S16的流程示意图；
图8是本发明实施例中的基于视觉处理的缺陷识别系统的结构组成示意图；
图9是根据一示例性实施例示出的一种电子装置的硬件图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例
请参阅图1至图9，一种基于视觉处理的缺陷识别方法，应用于液晶显示屏场景；基于视觉处理的缺陷识别方法包括：
步骤S11：获取液晶显示屏的视觉图像；
步骤S12：基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
步骤S13：根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
步骤S14：基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
步骤S15：根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
步骤S16：根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件。
在本发明实施例中，通过本发明实施例中的方法，针对液晶显示屏的视觉图像进行缺陷识别，并针对中心区域和多个非中心区域进行针对性处理，以便于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，从而引入了视觉图像的分辨率对优先级的影响，保证了视觉图像的识别顺序以及视觉图像的快速处理，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
在步骤S11中，获取液晶显示屏的视觉图像；
在本发明具体实施过程中，具体的步骤可以为：
S111：基于测试信号触发液晶显示屏，并触发液晶显示屏的测试规划；
在本申请的实施例中，获取测试信号，该测试信号含有测试提醒因素，并基于测试信号触发液晶显示屏，以便于液晶显示屏在测试信号的触发下进行测试规划，从而沿着测试规划对液晶显示屏进行有序的测试，保证了液晶显示屏的测试稳定性。
S112：基于测试规划触发液晶显示屏在各测试场景中呈现视觉图像；
S113：获取多个视觉图像，并根据液晶显示屏的图像响应时间以及视觉图像的切换时间定义视觉图像的延误等级；
S114：标记各视觉图像的延误等级，并根据视觉图像的延误等级以及视觉图像的质量等级确定液晶显示屏的视觉图像。
在本申请的实施例中，对测试规划进行分解，以便于确定测试规划中的各个步骤，从而各个步骤依次测试液晶显示屏，此时，基于测试规划触发液晶显示屏在各测试场景中呈现视觉图像，并对视觉图像进行选择，以便于对视觉图像进行把控。
此时，获取多个视觉图像，并根据液晶显示屏的图像响应时间以及视觉图像的切换时间定义视觉图像的延误等级；标记各视觉图像的延误等级，并根据视觉图像的延误等级以及视觉图像的质量等级确定液晶显示屏的视觉图像。
因此，引入了液晶显示屏的图像响应时间以及视觉图像的切换时间，并将液晶显示屏的图像响应时间以及视觉图像的切换时间进行整体式评估，以便于根据液晶显示屏的图像响应时间以及视觉图像的切换时间定义视觉图像的延误等级，从而对各个视觉图像的延误效果进行把控。
另外，将视觉图像的延误等级以及视觉图像的质量等级进一步把控，视觉图像的质量等级通过视觉图像的呈现质量进行评估，以便于根据视觉图像的延误等级以及视觉图像的质量等级确定液晶显示屏的视觉图像。
在步骤S12中，基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
在本发明具体实施过程中，具体的步骤可以为：
S121：定格液晶显示屏的视觉图像；
S122：基于视觉图像所显示的多个特征进行采集，以形成各特征区域；
在本申请的实施例中，对液晶显示屏的视觉图像进行定格，以便于基于视觉图像所显示的多个特征进行采集，从而凸显视觉图像中的各个特征，以便于通过各特征形成对应的特征区域，进而实现了特征区域的定格，以便于后续针对特征区域的针对性处理。
S123：根据各特征区域与视觉图像的中心位置确定相对距离；
S124：根据各相对距离以及特征区域的区域大小确定中心区域；
S125：若存在多个中心区域，则针对多个中心区域进行质量评价，以较高质量的中心区域作为视觉图像的中心区域；
S126：将其余的特征区域进行关联性评估，并于各特征区域的关联性进行选择性合成，以定义多个非中心区域；
在本申请的实施例中，采集各特征区域与视觉图像的中心位置，将各特征区域与视觉图像的中心位置进行距离测量，以便于确定相对距离，从而引入了各特征区域与视觉图像的中心位置的相对距离，进而针对距离进行把控，此时，根据各相对距离以及特征区域的区域大小确定中心区域，从而将中心区域和非中心区域进行明确。
进一步地，对中心区域进行数量检测，若存在多个中心区域，则针对多个中心区域进行质量评价，以较高质量的中心区域作为视觉图像的中心区域，从而保证了唯一的中心区域，以便于将其余区域作为非中心区域，此时，针对其余区域进一步把控，将其余的特征区域进行关联性评估，并于各特征区域的关联性进行选择性合成，以定义多个非中心区域，从而保证了其余的特征区域的有效合成，进而实现了非中心区域和中心区域的划分。
在步骤S13中，根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
在本发明具体实施过程中，具体的步骤可以为：
S131：定格中心区域和多个非中心区域；
S132：对中心区域进行外轮廓处理，并凸显中心区域所对应的外轮廓；
在本申请的实施例中，定格中心区域和多个非中心区域，以便于针对中心区域和多个非中心区域进行处理，此时，对中心区域进行外轮廓处理，并凸显中心区域所对应的外轮廓，以便于利用了中心区域的外轮廓，并通过中心区域的外轮廓构建中心区域与非中心区域的关联，保证了延续性。
S133：根据中心区域所对应的外轮廓定义延伸方向；
S134：沿着延伸方向依次遍历多个非中心区域，并采集多个非中心区域的延伸方向；
S135：根据中心区域的延伸方向以及多个非中心区域的延伸方向的同向性定义多个非中心区域的优先级；
S136：将中心区域的优先级调至最高级别，并对多个非中心区域的优先级进行级别排序；
S137：依次标记中心区域的优先级以及多个非中心区域的优先级。
在本申请的实施例中，根据中心区域所对应的外轮廓定义延伸方向，以便于针对延伸方向进行定格，从而沿着延伸方向依次遍历多个非中心区域，并采集多个非中心区域的延伸方向，以便于将中心区域的延伸方向以及多个非中心区域的延伸方向进行比较，从而在方向上进行把控。
此时，根据中心区域的延伸方向以及多个非中心区域的延伸方向的同向性定义多个非中心区域的优先级；将中心区域的优先级调至最高级别，并对多个非中心区域的优先级进行级别排序；依次标记中心区域的优先级以及多个非中心区域的优先级，从而保证了中心区域的优先级以及多个非中心区域的优先级，进而方便后续的区域处理，提高了处理效率。
S14：基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
在本发明具体实施过程中，具体的步骤可以为：
S141：定格中心区域的优先级、多个非中心区域的优先级；
S142：将中心区域的优先级、多个非中心区域的优先级进行级别排序，并依次布置中心区域和多个非中心区域；
在本申请的实施例中，定格中心区域的优先级、多个非中心区域的优先级，以便于将中心区域的优先级、多个非中心区域的优先级进行级别排序，从而依序进行中心区域和多个非中心区域的处理。
S143：在同一视角页面呈现中心区域和多个非中心区域；
S144：将视角页面与视觉图像进行对比，并定义视觉图像的分辨率；
S145：将视觉图像的分辨率关联视角页面，并结合视觉图像的分辨率构建视觉图像的识别顺序。
此时，对中心区域和多个非中心区域进行整体式呈现，并呈现在同一视角页面，此时，在同一视角页面呈现中心区域和多个非中心区域，以便于将视角页面与视觉图像进行对比，从而通过视角页面与视觉图像进行整体式把控。
进一步地，对视觉图像进行分辨率识别，以便于定义视觉图像的分辨率，从而将视觉图像的分辨率关联视角页面，并结合视觉图像的分辨率构建视觉图像的识别顺序，以便于根据视觉图像的识别顺序定义中心区域和多个非中心区域的识别先后性，同时，对中心区域的优先级、多个非中心区域的优先级进行优化，更加合理有效的进行区域识别。
S15：根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
在本发明具体实施过程中，具体的步骤可以为：
S151：定格视觉图像的识别顺序；
S152：对多个非中心区域进行关联，并测算多个非中心区域之间的识别时间差；
S153：若识别时间差满足预设时间范围，则将对应的非中心区域的识别顺序进行合并，并形成同步识别节点；
在本申请的实施例中，对视觉图像的识别顺序进行定格，针对多个非中心区域进行处理，此时，对多个非中心区域进行关联，并测算多个非中心区域之间的识别时间差，若识别时间差满足预设时间范围，则将对应的非中心区域的识别顺序进行合并，并形成同步识别节点，从而根据同步识别节点触发部分非中心区域进行同步识别，以便于对部分非中心区域触发同步识别，优化了多个非中心区域的识别效率。
S154：根据同步识别节点触发对应的非中心区域进行同步识别，并优化视觉图像的识别顺序；
S155：在视觉图像的识别顺序优化后，根据优化后的视觉图像的识别顺序对中心区域与非中心区域进行依次识别；
S156：在中心区域的识别中，对中心区域进行环形遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域；
S157：在非中心区域的识别中，基于非中心区域的识别而定义区域类型，根据区域类型触发对应的遍历模式，基于遍历模式对中心区域进行针对性遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域。
在本申请的实施例中，定格同步识别节点，根据同步识别节点触发对应的非中心区域进行同步识别，以便于对应的非中心区域引入同步识别的步骤，从而优化视觉图像的识别顺序。
在视觉图像的识别顺序优化后，根据优化后的视觉图像的识别顺序对中心区域与非中心区域进行依次识别，此时，在中心区域的识别中，对中心区域进行环形遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域。
另外，在非中心区域的识别中，基于非中心区域的识别而定义区域类型，根据区域类型触发对应的遍历模式，基于遍历模式对中心区域进行针对性遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域。
S16：根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件；
在本申请的实施例中，针对液晶显示屏的视觉图像进行缺陷识别，并针对中心区域和多个非中心区域进行针对性处理，以便于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，从而引入了视觉图像的分辨率对优先级的影响，保证了视觉图像的识别顺序以及视觉图像的快速处理，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
在本发明具体实施过程中，具体的步骤可以为：
S161：定格中心区域的缺陷子区域和各非中心区域的缺陷子区域；
S162：关联中心区域的缺陷子区域和各非中心区域的缺陷子区域，并确定关联系数；
在本申请的实施例中，定格中心区域的缺陷子区域和各非中心区域的缺陷子区域，以便于对中心区域的缺陷子区域和各非中心区域的缺陷子区域进行关联，从而根据中心区域的缺陷子区域和各非中心区域的缺陷子区域之间的关联效果确定关联系数，从而引入关联系数进行把控。
S163：根据关联系数编排中心区域的缺陷子区域和各非中心区域的缺陷子区域之间的相对位置，并构建缺陷图集；
S164：基于缺陷图集进行识别，并输出缺陷范围；
S165：根据缺陷范围定义缺陷部件。
在本申请的实施例中，引入关联系数，以便于根据关联系数编排中心区域的缺陷子区域和各非中心区域的缺陷子区域之间的相对位置，从而对中心区域的缺陷子区域和各非中心区域的缺陷子区域之间的相对位置进行把控，进而构建缺陷图集，以便于通过缺陷图集进一步处理。
进一步地，基于缺陷图集进行识别，并将缺陷图集输入缺陷学习模型，以便于基于缺陷学习模型输出缺陷范围，此时，缺陷学习模型由以往的缺陷图集和缺陷范围训练而成，以便于定格缺陷范围，从而根据缺陷范围定义缺陷部件，实现了缺陷部件的识别，以便于后续的优化，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
在本发明实施例中，通过本发明实施例中的方法，获取液晶显示屏的视觉图像；基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，此时，针对液晶显示屏的视觉图像进行缺陷识别，并针对中心区域和多个非中心区域进行针对性处理，以便于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，从而引入了视觉图像的分辨率对优先级的影响，保证了视觉图像的识别顺序以及视觉图像的快速处理，同时，根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，保证了缺陷部件的识别准确性和识别效率。
实施例
请参阅图8，图8是本发明实施例中的基于视觉处理的缺陷识别系统的结构组成示意图。
如图8所示，一种基于视觉处理的缺陷识别系统，所述基于视觉处理的缺陷识别系统包括：
获取模块21，用于获取液晶显示屏的视觉图像；
区域模块22，用于基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
优先级模块23，用于根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
识别顺序模块24，用于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
第一缺陷模块25，用于根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
第二缺陷模块26，用于根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件。
实施例
请参阅图9，下面参照图9来描述根据本发明的这种实施方式的电子设备40。图9显示的电子设备40仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于：上述至少一个处理单元41、上述至少一个存储单元42、连接不同系统组件(包括存储单元42和处理单元41)的总线43。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元41执行，使得所述处理单元41执行本说明书上述“实施例方法”部分中描述的根据本发明各种示例性实施方式的步骤。
存储单元42可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)421和/或高速缓存存储单元422，还可以进一步包括只读存储单元(ROM)423。
存储单元42还可以包括具有一组(至少一个)程序模块425的程序/实用工具424，这样的程序模块425包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线43可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备40也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备40交互的设备通信，和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口44进行。并且，电子设备40还可以通过网络适配器45与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图9所示，网络适配器45通过总线43与电子设备40的其它模块通信。应当明白，尽管图9中未示出，可以结合电子设备40使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份规划系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。并且，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行根据上述的方法。
另外，以上对本发明实施例所提供的基于视觉处理的缺陷识别方法及系统进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于视觉处理的缺陷识别方法，其特征在于，应用于液晶显示屏场景；
所述基于视觉处理的缺陷识别方法，包括：
获取液晶显示屏的视觉图像；
基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件。
2.根据权利要求1所述的基于视觉处理的缺陷识别方法，其特征在于，所述获取液晶显示屏的视觉图像，包括：
基于测试信号触发液晶显示屏，并触发液晶显示屏的测试规划；
基于测试规划触发液晶显示屏在各测试场景中呈现视觉图像；
获取多个视觉图像，并根据液晶显示屏的图像响应时间以及视觉图像的切换时间定义视觉图像的延误等级；
标记各视觉图像的延误等级，并根据视觉图像的延误等级以及视觉图像的质量等级确定液晶显示屏的视觉图像。
3.根据权利要求1所述的基于视觉处理的缺陷识别方法，其特征在于，所述基于液晶显示屏的视觉图像确定中心区域和多个非中心区域，包括：
定格液晶显示屏的视觉图像；
基于视觉图像所显示的多个特征进行采集，以形成各特征区域；
根据各特征区域与视觉图像的中心位置确定相对距离；
根据各相对距离以及特征区域的区域大小确定中心区域；
若存在多个中心区域，则针对多个中心区域进行质量评价，以较高质量的中心区域作为视觉图像的中心区域；
将其余的特征区域进行关联性评估，并于各特征区域的关联性进行选择性合成，以定义多个非中心区域。
4.根据权利要求3所述的基于视觉处理的缺陷识别方法，其特征在于，所述根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级，包括：
定格中心区域和多个非中心区域；
对中心区域进行外轮廓处理，并凸显中心区域所对应的外轮廓；
根据中心区域所对应的外轮廓定义延伸方向。
5.根据权利要求4所述的基于视觉处理的缺陷识别方法，其特征在于，所述根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级，还包括：
沿着延伸方向依次遍历多个非中心区域，并采集多个非中心区域的延伸方向；
根据中心区域的延伸方向以及多个非中心区域的延伸方向的同向性定义多个非中心区域的优先级；
将中心区域的优先级调至最高级别，并对多个非中心区域的优先级进行级别排序；
依次标记中心区域的优先级以及多个非中心区域的优先级。
6.根据权利要求5所述的基于视觉处理的缺陷识别方法，其特征在于，所述基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序，包括：
定格中心区域的优先级、多个非中心区域的优先级；
将中心区域的优先级、多个非中心区域的优先级进行级别排序，并依次布置中心区域和多个非中心区域；
在同一视角页面呈现中心区域和多个非中心区域；
将视角页面与视觉图像进行对比，并定义视觉图像的分辨率；
将视觉图像的分辨率关联视角页面，并结合视觉图像的分辨率构建视觉图像的识别顺序。
7.根据权利要求6所述的基于视觉处理的缺陷识别方法，其特征在于，所述根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域，包括：
定格视觉图像的识别顺序；
对多个非中心区域进行关联，并测算多个非中心区域之间的识别时间差；
若识别时间差满足预设时间范围，则将对应的非中心区域的识别顺序进行合并，并形成同步识别节点；
根据同步识别节点触发对应的非中心区域进行同步识别，并优化视觉图像的识别顺序；
在视觉图像的识别顺序优化后，根据优化后的视觉图像的识别顺序对中心区域与非中心区域进行依次识别；
在中心区域的识别中，对中心区域进行环形遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域；
在非中心区域的识别中，基于非中心区域的识别而定义区域类型，根据区域类型触发对应的遍历模式，基于遍历模式对中心区域进行针对性遍历，并依次确定多个缺陷元素，根据多个缺陷元素构建缺陷子区域，此时，缺陷子区域中含有部分正常区域。
8.根据权利要求7所述的基于视觉处理的缺陷识别方法，其特征在于，所述根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，包括：
定格中心区域的缺陷子区域和各非中心区域的缺陷子区域；
关联中心区域的缺陷子区域和各非中心区域的缺陷子区域，并确定关联系数；
根据关联系数编排中心区域的缺陷子区域和各非中心区域的缺陷子区域之间的相对位置，并构建缺陷图集。
9.根据权利要求8所述的基于视觉处理的缺陷识别方法，其特征在于，所述根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件，还包括：
基于缺陷图集进行识别，并输出缺陷范围；
根据缺陷范围定义缺陷部件。
10.一种基于视觉处理的缺陷识别系统，其特征在于，所述基于视觉处理的缺陷识别系统应用于如权利要求1-9中任一所述的基于视觉处理的缺陷识别方法，所述基于视觉处理的缺陷识别系统包括：
获取模块，用于获取液晶显示屏的视觉图像；
区域模块，用于基于液晶显示屏的视觉图像确定中心区域和多个非中心区域；
优先级模块，用于根据中心区域所对应的外轮廓对多个非中心区域构建优先级，并依次标记中心区域的优先级以及多个非中心区域的优先级；
识别顺序模块，用于基于中心区域的优先级、多个非中心区域的优先级以及视觉图像的分辨率构建视觉图像的识别顺序；
第一缺陷模块，用于根据视觉图像的识别顺序进行区域识别，并依次定义对应的缺陷子区域；
第二缺陷模块，用于根据多个缺陷子区域构建缺陷图集，并基于缺陷图集定义缺陷部件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410315998.8A CN118096712A (zh) | 2024-03-20 | 2024-03-20 | 基于视觉处理的缺陷识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410315998.8A CN118096712A (zh) | 2024-03-20 | 2024-03-20 | 基于视觉处理的缺陷识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118096712A true CN118096712A (zh) | 2024-05-28 |
Family
ID=91159885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410315998.8A Pending CN118096712A (zh) | 2024-03-20 | 2024-03-20 | 基于视觉处理的缺陷识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118096712A (zh) |
-
2024
- 2024-03-20 CN CN202410315998.8A patent/CN118096712A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7186607B2 (ja) | 電子地図を更新する方法、装置、およびコンピュータ読み取り可能な記憶媒体 | |
| JP6821762B2 (ja) | 畳み込みニューラルネットワークを利用してｐｏｉ変化を検出するためのシステムおよび方法 | |
| JP7340265B2 (ja) | 異常検出装置、異常検出方法、およびプログラム | |
| EP3220353B1 (en) | Image processing apparatus, image processing method, and recording medium | |
| CN101010958A (zh) | 摄像机校准设备和摄像机校准方法 | |
| Yang et al. | A robotic system towards concrete structure spalling and crack database | |
| CN111383246B (zh) | 条幅检测方法、装置及设备 | |
| US11443137B2 (en) | Method and apparatus for detecting signal features | |
| CN110853085B (zh) | 基于语义slam的建图方法和装置及电子设备 | |
| CN112927565B (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
| JP2020198092A (ja) | 教師なし異常検出及び高次元センサデータの多数決投票による原因説明のための方法及びシステム | |
| US10951579B2 (en) | Systems and methods for resolving double address faults during the commissioning of a connected system | |
| JP2008020225A (ja) | 自己位置推定プログラム、自己位置推定方法および自己位置推定装置 | |
| CN109117450B (zh) | 振动测试数据最佳分析长度的确定方法 | |
| CN118096712A (zh) | 基于视觉处理的缺陷识别方法及系统 | |
| Chong | Problem characterization in tracking/fusion algorithm evaluation | |
| CN114529543B (zh) | 一种航空发动机外周螺钉垫片的安装检测方法及装置 | |
| CN115578386A (zh) | 泊车图像生成方法、装置、电子设备及存储介质 | |
| CN110647826B (zh) | 商品训练图片的获取方法、装置、计算机设备和存储介质 | |
| WO2022179016A1 (zh) | 车道检测方法、装置、设备及存储介质 | |
| CN113096129B (zh) | 高光谱卫星影像中的云量检测方法和装置 | |
| CN114442808A (zh) | 一种位姿跟踪模块的测试方法、装置、设备、系统和介质 | |
| CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
| CN114359250A (zh) | 确定晶圆缺陷形状的方法、装置、电子设备和存储介质 | |
| JP2022042409A (ja) | 連続温度比較方法、特定温度領域検定方法、情報処理装置、連続温度比較システム、特定温度領域検定システム、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |