[发明专利]图像检测方法、装置、系统、计算设备及可读存储介质

说明书

本申请实施例提供一种图像检测方法、装置、系统、计算设备及可读存储介质，应用于计算机技术领域。该方法通过获取弯折区处的同一待检测区域处的至少两张原始图像，将至少两张原始图像合成待检测图像后输入卷积神经网络，采用卷积神经网络对弯折区处是否产生裂纹来进行检测。为了提高弯折区处的缺陷检测能力，需要将至少两张原始图像合成后的待检测图像输入至卷积神经网络，提高了对待检测区域进行缺陷检测时输入的信息量，从而提高了弯折区处的缺陷检测能力，使得弯折区处的缺陷检测结果更加准确，且提高了检测效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像检测方法、装置、系统、计算设备及可读存储介质。

背景技术

随着柔性显示技术的发展，柔性窄边框、高屏占比的终端设备备受市场青睐，在制备窄边框的显示屏时，需要将位于非显示区的芯片固定到显示屏的背面，此时的弯折区（bending区）会进行弯折，但是，当弯折区进行弯折时，弯折区内的各膜层受到弯折应力容易出现裂纹，导致显示屏产生亮线不良。

因此，亟需提供一种图像检测方式，来检测显示屏的弯折区处的裂纹等缺陷。

发明内容

本申请实施例提供一种图像检测方法、装置、系统、计算设备及可读存储介质，应用于计算机技术领域，有助于检测显示屏的弯折区处的裂纹等缺陷。

第一方面，本申请实施例提出一种图像检测方法，包括：计算设备获取至少两张原始图像，每张原始图像均为终端设备中的显示屏的弯折区内的同一待检测区域处的图像；计算设备将至少两张原始图像合成待检测图像；计算设备采用卷积神经网络中的卷积层对待检测图像进行卷积处理，得到待检测图像对应的目标特征图；计算设备采用卷积神经网络中的池化层对目标特征图进行池化处理，得到池化结果；计算设备采用卷积神经网络中的全连接层对池化结果进行全连接处理，得到待检测图像中除目标通道外的其他待校正通道相对于目标通道的偏移值，目标通道为待检测图像中的任一通道；计算设备基于偏移值，对待检测图像中的各个待校正通道进行偏移校正，得到目标图像；计算设备采用卷积神经网络中的语义分割子网络对目标图像进行语义分割处理，得到待检测区域处的检测结果。

这样，将至少两张原始图像合成后的待检测图像输入至卷积神经网络，提高了对待检测区域进行缺陷检测时输入的信息量，从而提高了弯折区处的缺陷检测能力，使得弯折区处的缺陷检测结果更加准确，且采用卷积神经网络实现对缺陷的检测，可提高检测效率。

在一种可能的实现方式中，计算设备采用卷积神经网络中的卷积层对待检测图像进行卷积处理，得到待检测图像对应的目标特征图，包括：计算设备采用卷积神经网络中的n个卷积层对待检测图像进行卷积处理，得到第n个卷积层输出的目标特征图；其中，每个卷积层包括第一子卷积层和第二子卷积层，第二子卷积层的输入为第一子卷积层输出的特征图，n个卷积层中的第i个卷积层的输入为第i-1个卷积层输出的特征图，n为大于1的正整数，1＜i≤n，i为正整数。本申请通过在卷积神经网络中设置至少两个卷积层来提取待检测图像的特征信息，使得得到的目标特征图可包括较为复杂的特征，使得后续可以更加容易的实现对缺陷的识别。

在一种可能的实现方式中，第二子卷积层的步长大于第一子卷积层的步长，第一子卷积层的填充值与第二子卷积层的填充值相等；目标特征图的宽度与待检测图像的宽度之间的比值为1/m，目标特征图的高度与待检测图像的高度之间的比值为1/m，m为大于1的正整数。这样，本申请可采用两个步长不同的子卷积层交替使用，使得目标特征图的尺寸小于待检测图像的尺寸，且得到的目标特征图中不会过多丢失特征图的位置信息，使得最后得到的目标特征图更能准确反映待检测图像的特征信息。