[发明专利]一种降低显示屏外观AOI缺陷误检率的方法及系统

说明书

本申请提供一种降低显示屏外观AOI缺陷误检率的方法及系统，所述方法包括：获取待检测显示屏外观的第一图像，根据第一图像提取疑似缺陷图像和位置信息；擦拭所述待检测显示屏，获取擦拭后所述待检测显示屏外观的第二图像；根据疑似缺陷图像的位置信息提取第二图像对应位置的图像，得到复判图像；通过深度度量相似性判断模型判断疑似缺陷图像和复判图像的相似性；如果疑似缺陷图像和复判图像的相似性结果为1，则判断为缺陷，并输出疑似缺陷图像的位置信息。本申请提的方法及系统，可以有效区分显示屏表面干扰与显示屏表面缺陷，降低显示屏外观AOI系统的缺陷误检率，提高显示屏外观AOI系统缺陷检测的准确性和效率。

技术领域

本发明属于显示屏外观AOI检测技术领域，具体涉及一种降低显示屏外观AOI缺陷误检率的方法及系统。

背景技术

显示屏外观AOI(Automated Optical Inspection自动光学检测，以下简称AOI)系统是基于光学原理来对显示屏的外观缺陷进行检测。显示屏在生产的过程中，受到加工工艺和生产车间环境的影响，显示屏表面极易沾染灰尘、指纹、油污等干扰。AOI系统难以将这些干扰与真实缺陷识别清楚，检测过程中容易将灰尘、油污等表面干扰判断为缺陷，从而出现过杀、过检、误判等误检的情况。

为了降低灰尘、油污等表面干扰，通常可采用“直拍+斜拍”组合的方式采集检测图像。如图1所示，即一个相机正对屏，另一个相机与屏成一定角度，各采集一张图像，此方法可将灰尘，表面脏污与贴合类缺陷所处于显示屏的位置信息输出到图像上，再利用简单的图像处理手段比较两张图像待判断对象位置信息差异进行区分。

但是，上述方法只能区分显示屏表面干扰与显示屏内部缺陷，并不能区分显示屏表面干扰与显示屏表面缺陷，比如划伤、表面凹凸等缺陷。并且，显示屏CG玻璃越来越薄，缺陷与干扰的高度差异信息已越来越细微，使得利用图像位置信息进行区分的难度越来越大，准确性越来越低，显示屏外观AOI系统的缺陷误检率仍然较高。

发明内容

本申请提供了一种降低显示屏外观AOI缺陷误检率的方法及系统。以解决现有的显示屏外观AOI检测系统难以区分显示屏表面干扰与显示屏表面缺陷，导致显示屏外观AOI系统的缺陷误检率较高的问题。

一方面，本申请提供一种降低显示屏外观AOI缺陷误检率的方法，包括：

获取待检测显示屏外观的第一图像，根据所述第一图像提取疑似缺陷图像和位置信息；

擦拭所述待检测显示屏；

获取擦拭后所述待检测显示屏外观的第二图像，根据所述疑似缺陷图像的位置信息提取所述第二图像对应位置的图像，得到复判图像；

通过深度度量相似性判断模型判断所述疑似缺陷图像和所述复判图像的相似性；

如果所述疑似缺陷图像和所述复判图像的相似性结果为1，则判断为缺陷，并输出所述疑似缺陷图像的位置信息。

可选的，所述通过深度度量相似性判断模型判断所述疑似缺陷图像和所述复判图像的相似性的步骤包括：

通过DeepSiamese网络构建深度度量学习模型；

根据正样本集和负样本集对所述深度度量学习模型进行训练，得到所述深度度量相似性判断模型；

将所述疑似缺陷图像和所述复判图像输入所述深度度量相似性判断模型，所述深度度量相似性判断模型计算得出相似性结果。

可选的，所述深度度量学习模型主干网络包括4层卷积层、2层池化层和2层全连接层，所述深度度量学习模型的数据输入层包括两张三通道图像合成的六通道数据对，其中三个通道输入所述疑似缺陷图像，其他三个通道输入所述复判图像。