[发明专利]基于神经网络算法的导电粒子的检测方法及装置

说明书

本发明提供一种基于神经网络算法的导电粒子的检测方法和系统，通过采集的图像，标注训练图像数据集构建训练样本，将训练样本输入卷积神经网络训练成卷积神经网络训练模型，再将实际图像输入进所述卷积神经网络训练模型获得导电粒子的检测结果并分类。本发明能分类检测出导电粒子的优劣，从而为实现工业目标物的自动检测和识别提供技术支持；本发明还可进行图像增强、亮度变换、图像仿射变化等处理，增强视觉分析的便捷性和识别精度，大大地节约了人工费用并且提高效率。

技术领域

本发明涉及图像处理技术领域，尤其是一种基于神经网络算法的异方性导电膜绑定后导电粒子的检测方法及装置。

背景技术

液晶显示器除了液晶面板外，在其外围必须连动驱动芯片作为显示讯号之控制用途。COG是chip on glass的缩写，即芯片被直接绑定在玻璃上；FOG是FPC on Glass的缩写。两者都是用于液晶玻璃与电路电气导通的加工方式。其中比较常用的是使用异方性导电膜(ACF)进行电性连接。

ACF是Anisotropic Conductive Film的缩写，其特点在于Z轴电气导通方向与XY绝缘平面的电阻特性具有明显的差异性。当Z轴导通电阻值与XY平面绝缘电阻值的差异超过一定比值后，既可称为良好的导电异方性。导电原理是利用导电粒子连接IC芯片与基板两者之间的电极使之成为导通，同时又能避免相邻两电极间导通短路，而达成只在Z轴方向导通之目的。

异方性导电膜(ACF)是一种显示器件与电路连接所必不可少的关键性材料,主要包括树脂粘合剂、导电粒子两大部分，导电粒子是金属涂覆的聚合物球体，粘合剂是热固性树脂。液晶显示器的封装过程中对导电粒子的检测是非常必要的，在工厂生产的过程中会因为机器的操作或者人工的包装的不仔细会出现导电粒子损坏的现象，比如出现导电粒子的断裂、划痕以及产出的导电粒子中粒子不足的残次品，这些产品经过机器视觉智能的检测出问题，并没有进行分类还需要人工的参与，随着现代社会的发展，这样操作不再适合现在社会，本发明主要对检测生产过程中出现的残优品进行分类，用机器视觉代替人工视觉。

发明内容

针对背景技术中所提到的技术问题，本发明提供了一种基于神经网络算法的异方性导电膜绑定后导电粒子的检测方法及装置。

本发明所采用的技术方案为：

一种基于神经网络算法的导电粒子的检测方法，包括如下步骤：

训练步骤，获取训练图像数据集，标注训练图像数据集构建训练样本，将训练样本输入卷积神经网络，获得卷积神经网络的连接权值和偏置值，进而获得卷积神经网络训练模型；

检测分类步骤，获取实际图像，输入进所述卷积神经网络训练模型，获得导电粒子的检测结果，并分类。

优选的，所述获取训练图像数据集，具体步骤包括采用200万像素及以上的CCD摄像头，对实际场景中的目标物体进行图像采集，并根据实际信息设置调整摄像头的拍摄参数，得到同一目标物体的多个图像，从而获得符合要求的的图像数据。

优选的，所述实际信息包括场景光线、目标物体自身特征。

优选的，所述设置调整摄像头的拍摄参数，具体为调节位于摄像头周围的五个光源、调节摄像头与目标物之体间的高度差、以及调节摄像头的拍摄角度，所述五个光源为1个环形光和4个条形光，所述高度差范围在10cm-150cm。

优选的，所述摄像头通过GigE通讯方式传送图像数据。

优选的，所述标注训练图像数据集构建训练样本，具体包括

图像标准化预处理步骤，将图像尺寸进行归一化处理；

图像处理步骤，对于采集的图像数据进行降噪处理，滤波处理；

标注步骤，对于处理过后的图像数据进行标注，把导电粒子进行残优品分类，得到训练样本。