[发明专利]一种基于有向稀疏采样的手机屏幕缺陷检测方法

说明书

本发明涉及一种基于有向稀疏采样的手机屏幕缺陷检测方法，包括步骤：构建DeNet模型；DeNet模型训练；检测DeNet模型；输出手机屏幕缺陷检测结果。本发明的有益效果是：通过低成本的图像处理技术提高手机屏幕缺陷检测的精度；结合了基于稀疏区域方法的易于训练、场景适应性和分类精度，以及基于密集非区域方法的快速训练和评估；设定一个稀疏分布估计方案定向稀疏采样模型(DeNet模型)，并将其应用于一个基于CNN的端到端检测模型中，解决了现阶段手机屏幕缺陷检测中遇到的问题，实现了扩展和适用于以前的最先进的检测模型，并额外强调高评估率和减少人工工程。

技术领域

本发明属于手机屏幕缺陷检测领域，尤其涉及一种基于有向稀疏采样的手机屏幕缺陷检测方法。

背景技术

随着计算机技术、通信技术以及互联网技术的高速发展，手机在人们生产生活中所扮演的角色越来越重要。从最初的电话通信、文字通信，到现在的网络社交、获取资源，手机在人们的生产生活中有着越来越无可比拟的地位。在这个手机社交的时代，智能手机的出货量和成交量都在年年攀升，为使自己生产的手机能够在市场中占有一席之地，如何提高手机产品的质量并且保证手机的生产效率是目前各大手机生厂商的当务之急。

纵观手机屏幕的发展史，从最初的键盘交互方式到现在的触屏交互方式，从最初的黑白屏幕到现在高清彩色显示屏，从最初的不满半个手掌的小屏幕到现在比一个手掌还大的屏幕，如今的手机屏幕能够展示各种各样复杂的图像，画面感也越来越丰富多彩。随着手机功能的不断增多，各大手机生厂商对手机屏幕的生产工艺越来越苛刻。但是，手机屏幕在生产的过程中，又极容易受到生产环境和生产工艺的影响。为了防止装有缺陷屏幕的手机流入市场，损害消费者的利益，并对手机屏幕生厂商自身的信誉造成影响，在手机屏幕出厂前，各大手机屏幕生厂商采取一些必要的手段来对手机屏幕的质量进行检测。

传统的检测手段是在生产线上安排工人值守，工人对生产线上的屏幕用肉眼逐一进行检测。但是这种手段存在检测效率慢、人工成本高、缺乏统一的判断标准等缺点。随着计算机视觉的高速发展，基于机器视觉的自动化检测方法崭露头角。基于机器视觉的自动化检测方法使用高分率的工业相机对屏幕进行拍摄，对采集得到的图像进行实时的分析处理。但是这种方法大多只是针对一种或者几种特定的缺陷类型进行算法设计且遇到新的缺陷，又要针对性的设计新的算法，缺乏通用性。手机屏幕产品多种多样，材质、亮度、尺寸、分辨率各不相同。适用于这个手机屏幕的检测算法，不一定适用于另一种型号的手机屏幕。再者，相同的算法，应用于不同型号的手机屏，需要重新调整算法和参数，进而增加了时间成本和人力成本。因此，如何提升算法的通用性，减少算法的时间成本和人力成本，有效的统计缺陷类别是探索自动化手机屏幕缺陷检系统一项具有重要意义的工作。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于有向稀疏采样的手机屏幕缺陷检测方法。

这种基于有向稀疏采样的手机屏幕缺陷检测方法，包括以下步骤：

步骤1、构建DeNet模型；

步骤1.1、输入图片，使用对边界框注释的图像数据训练基于CNN的端到端检测模型；通过对绑定框的每个拐角应用朴素贝叶斯分类器来估计边界框B包含地面真实实例的概率：

上式中，s表示分类的状态，是一个二进制变量；B表示每个不同的边界框；null表示零；k为角点类型；x_k表示边界框的横坐标，y_k表示边界框的纵坐标；(x_k，y_k)＝f_k(B)表示与每个角点类型k相关的边界框位置；将具有最大非零概率Pr(s≠null|B)的N×N个边界框定义为采样边界框B_S，其中N为变量；