[发明专利]一种基于学习的显示屏缺陷智能检测方法及装置

权利要求书

1.一种基于学习的显示屏缺陷智能检测方法，其特征在于，所述方法包括：

获取屏幕的待检测图像；

根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；

根据所述可疑缺陷信息，提取缺陷特征数值；

根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果和所述可疑缺陷信息；

汇总全部所述最终检测结果为结果集合；

随机抽取所述结果集合中所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；

反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；

根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像；

所述反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数的具体步骤包括：

按照预设尺寸，提取所述待反馈结果中所述抽检样本检测结果中的缺陷图像，作为缺陷样本图像；

标注所述缺陷样本图像中的缺陷区域；

根据标注结果，生成标注文件；

利用训练框架软件和深度学习分割网络，学习所述标注文件并生成下一缺陷提取网络参数。

2.根据权利要求1所述的检测方法，其特征在于，所述根据所述缺陷特征数值，确定最终检测结果的具体步骤包括：

对比所述缺陷特征数值与预设特征缺陷数值；

确定大于所述预设特征缺陷数值的所述缺陷特征数值所对应的所述可疑缺陷区域为机检缺陷；

确定小于或者等于所述预设特征缺陷数值的所述缺陷特征数值所对应的所述可疑缺陷为排疑缺陷；

确定判断结果为最终检测结果。

3.根据权利要求1所述的检测方法，其特征在于，所述汇总全部所述最终检测结果为结果集合的具体步骤包括：

标记并编号所述最终检测结果；

汇总全部所述编号为结果集合，所述结果集合包括：所述编号与所述最终检测结果的对应关系以及所述编号对应的最终检测结果。

4.根据权利要求3所述的检测方法，其特征在于，所述随机抽取所述结果集合中的所述最终检测结果为抽检样本的具体步骤包括：

随机抽取所述编号；

按照所述编号与所述最终检测结果的对应关系，获取相应的所述最终检测结果和所述最终检测结果对应的所述可疑缺陷区域；

确定所述可疑缺陷区域为抽检样本。

5.根据权利要求1所述的检测方法，其特征在于，所述根据所述下一预设网络参数，更新所述预设网络参数的具体步骤包括：

提取并剔除所述预设网络参数中的缺陷提取网络参数部分；

更新所述下一缺陷提取网络参数至所述预设网络参数，形成下一预设网络参数。

6.根据权利要求1所述的检测方法，其特征在于，所述反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数的具体步骤包括：

获取并汇总所述待反馈结果中所述抽检样本对应的检测结果中的缺陷特征数值和最终检测结果中的缺陷特征数值，得到汇总数据；

利用训练框架软件和深度学习网络结构，学习所述汇总数据，生成下一缺陷分析网络参数。

7.根据权利要求6所述的检测方法，其特征在于，所述根据所述下一预设网络参数，更新所述预设网络参数的具体步骤包括：

提取并剔除所述预设网络参数中的缺陷分析网络参数部分；

更新所述下一缺陷分析网络参数至所述预设网络参数，形成下一预设网络参数。

8.一种基于学习的显示屏缺陷智能检测装置，其特征在于，所述装置包括：

图像获取单元，用于获取屏幕的待检测图像；

可疑缺陷信息确定单元，用于根据预设网络参数，确定所述待检测图像的可疑缺陷信息，所述可疑缺陷信息至少包括：可疑缺陷区域和对应的可疑缺陷类型；

特征值提取单元，用于根据所述可疑缺陷信息，提取缺陷特征数值；

最终检测结果确定单元，用于根据所述缺陷特征数值，确定最终检测结果，所述最终检测结果至少包括：可疑缺陷信息判定结果和所述可疑缺陷信息；

汇总单元，用于汇总全部所述最终检测结果为结果集合；

待反馈结果确定单元；随机抽取所述结果集合中的所述最终检测结果为抽检样本，并重新检测所述抽检样本，确定检测结果与所述最终检测结果不同的结果为待反馈结果；

结果反馈单元，用于反馈所述待反馈结果，根据所述待反馈结果学习并生成下一预设网络参数；

网络参数更新单元，用于根据所述下一预设网络参数，更新所述预设网络参数，并根据更新后的预设网络参数，检测下一待检测图像；

所述装置还包括：缺陷样本图像提取单元，用于按照预设尺寸，提取所述待反馈结果中所述抽检样本检测结果中的缺陷图像，作为缺陷样本图像；标注单元，用于标注所述缺陷样本图像中的缺陷区域；文件生成单元，用于根据标注结果，生成标注文件；学习训练单元，用于利用训练框架软件和深度学习分割网络，学习所述标注文件并生成下一缺陷提取网络参数。