[发明专利]屏幕划痕碎裂检测方法及设备

权利要求书

1.一种屏幕划痕碎裂检测方法，其中，该方法包括：

确定屏幕的轮廓位置；

控制屏幕显示低于预设曝光值的满屏黄色的图像，基于屏幕的轮廓位置，拍摄黄色屏幕图像；

控制屏幕显示高于预设曝光值的满屏黑色的图像，基于屏幕的轮廓位置，拍摄黑色屏幕图像；

将所述黄色屏幕图像输入卷积神经网络，提取到所述黄色屏幕图像对应的图像特征；将所述黑色屏幕图像输入卷积神经网络，提取到所述黑色屏幕图像对应的图像特征；

分别基于所述黄色屏幕图像和黑色屏幕图像对应的图像特征，得到所述黄色屏幕图像和黑色屏幕图像中的目标类别为划痕纹类别和碎裂纹类别的目标候选框；

分别基于所述黄色屏幕图像和黑色屏幕图像对应的图像特征，得到所述黄色屏幕图像和黑色屏幕图像中，目标类别为划痕纹类别和碎裂纹类别的目标候选框，包括：

基于所述黄色屏幕图像对应的图像特征，并通过FPN方法，得到对应的所述黄色屏幕图像对应的不同尺度的多层特征层；基于所述黑色屏幕图像对应的图像特征和黑色屏幕图像对应的图像特征，并通过FPN方法，得到对应的所述黑色屏幕图像对应的不同尺度的多层特征层；

通过RPN网络在所述黄色屏幕图像对应的不同尺度的多层特征层进行所述黄色屏幕图像中的目标候选框的提取，并预设所述黄色屏幕图像中的每个目标候选框存在划痕纹和碎裂纹的概率值；通过RPN网络在所述黑色屏幕图像对应的不同尺度的多层特征层进行所述黑色屏幕图像中的目标候选框的提取，并预设所述黑色屏幕图像中的每个目标候选框存在划痕纹和碎裂纹的概率值；

选取概率值较大的所述黄色屏幕图像中的前1000个的目标候选框；选取概率值较大的所述黑色屏幕图像中的前1000个的目标候选框；

将所述黄色屏幕图像中的前预设个数的目标候选框输入分类神经网络，并获取对应输出的所述黄色屏幕图像中的前预设个数的目标候选框中的每一目标候选框分别属于背景类别、划痕纹类别和碎裂纹类别的概率值；将所述黑色色屏幕图像中的前预设个数的目标候选框输入分类神经网络，并获取对应输出的所述黑色屏幕图像中的前预设个数的目标候选框中的每一目标候选框分别属于背景类别、划痕纹类别和碎裂纹类别的概率值；

将每个目标候选框的概率值较大的对应类别确定为该目标候选框的初始类别；

若确定初始类别的目标候选框的该初始类别的概率值大于预设概率阈值，则将该初始类别确定为该目标候选框的目标类别；

输出确定了目标类别为划痕纹类别和碎裂纹类别的目标候选框。

2.根据权利要求1所述的方法，其中，所述卷积神经网络为resnext101卷积神经网络。

3.根据权利要求1所述的方法，其中，输出确定了目标类别为划痕纹类别和碎裂纹类别的目标候选框，包括：

对所述黄色屏幕图像中的确定了目标类别的位置重叠的目标候选框基于概率值进行降序排列得到第一排序队列，将所述第一排序队列中概率值最高的目标候选框作为第一基准候选框，若所述第一排序队列中的后续队列中的每一个目标候选框与所述第一基准候选框的重叠面积是超过预设比例的第一基准候选框的面积的阈值，则将目标候选框及其对应的目标类别删除；对所述黑色屏幕图像中的确定了目标类别的位置重叠的目标候选框基于概率值进行降序排列得到第二排序队列，将所述第二排序队列中概率值最高的目标候选框作为第二基准候选框，若所述第二排序队列中的后续每一个目标候选框与所述第二基准候选框的重叠面积超过预设比例的第二基准候选框的面积的阈值，则将目标候选框及其对应的目标类别删除；

输出确定了目标类别为划痕纹类别和碎裂纹类别的目标候选框。

4.根据权利要求1所述的方法，其中，所述分类神经网络为全连接层分类神经网络。

5.根据权利要求1所述的方法，其中，确定屏幕的轮廓位置，包括：

将屏幕亮屏显示为白底画面；

拍摄包括所述白底画面的屏幕的照片；

从所述照片中识别出所述白底画面的边界，将所述边界作为所述屏幕的轮廓的位置。