[发明专利]一种液晶面板生产缺陷分布图监控分析系统

权利要求书

1.一种液晶面板生产缺陷分布图监控分析系统，其特征在于，包括：基础设备单元、生产缺陷数据采集单元、缺陷分布图生成单元、图像识别单元、生产暂停管理单元；

其中，所述基础设备单元，用于为监控分析系统提供硬件支持；

所述生产缺陷数据采集单元，采集液晶面板产品在生产过程中的缺陷类型及缺陷点位信息；

所述缺陷分布图生成单元，根据缺陷类型及缺陷点位信息生成对应的缺陷分布图；

所述图像识别单元，用于对缺陷分布图进行识别，判断缺陷分布图中缺陷情况是否影响生产；

所述生产暂停管理单元，用于在所述图像识别单元判断为影响生产时，指令控制生产设备暂停生产以及冻结异常产品。

2.如权利要求1所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：

其中，所述图像识别单元包括如下工作流程：

步骤S1：识别缺陷分布图中是否存在缺陷点位聚集情况，当存在缺陷点位聚集情况时，则判断为影响生产；当不存在缺陷点位聚集情况时，则进入步骤S2；

步骤S2：识别缺陷分布图中是否存在缺陷点位与生产机台接触点高度重合情况，当存在缺陷点位与生产机台接触点高度重合情况时，则判断为影响生产；当不存在缺陷点位与生产机台接触点高度重合情况时，则结束进程。

3.如权利要求2所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：

其中，步骤S1中，通过已训练的卷积神经网络模型识别缺陷点位是否聚集，该卷积神经网络模型按照如下步骤得到：

步骤A：采用历史生产过程中的缺陷类型及缺陷点位信息作为样本数据，并根据缺陷类型及缺陷点位信息生成对应的缺陷分布图样本；

步骤B：人工对每一张缺陷分布图样本进行“聚集”或“非聚集”标注；

步骤C：将标注完成的所有缺陷分布图样本作为训练数据及验证数据来训练卷积神经网络模型，并观察卷积神经网络模型的正确率是否≥95％；

步骤D：若卷积神经网络模型的正确率≥95％，则认为该卷积神经网络模型已经完成训练；若卷积神经网络模型的正确率＜95％，则继续收集更多的历史生产过程中的缺陷类型及缺陷点位信息添加到样本数据中，增加样本数据的容量，并重新进行步骤A至步骤C的操作。

4.如权利要求2所述的液晶面板生产缺陷分布图监控分析系统，其特征在于，还包括：生产机台接触点数据获取单元；

所述生产机台接触点数据获取单元用于从已有的液晶面板生产管理系统获取中生产机台接触点信息。

5.如权利要求1所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：

其中，所述缺陷分布图生成单元包括液晶面板图形模板存储模块、液晶面板图形区域划分模块、缺陷点位信息匹配模块、缺陷分布图显示模块；

所述液晶面板图形模板存储模块存储有各类规格液晶面板所对应的图形模板；

所述液晶面板图形区域划分模块用于用户自定义将液晶面板图形划分为若干块区域；

所述缺陷点位信息匹配模块将所述生产缺陷数据采集单元采集的缺陷点位信息对应与所述液晶面板图形模板的点位坐标匹配；

所述缺陷分布图显示模块根据所述缺陷点位信息匹配模块的匹配结果在已经划分为若干块区域的液晶面板图形中显示缺陷点位，从而得到所述缺陷分布图。

6.如权利要求1所述的液晶面板生产缺陷分布图监控分析系统，其特征在于：

其中，所述缺陷分布图生成单元具有如下两种工作模式：

模式一：按照每一种缺陷类型的缺陷点位信息分别生成一张缺陷分布图；

模式二：所有缺陷类型的缺陷点位信息均位于同一张缺陷分布图中；

所述缺陷分布图生成单元基于用户选择的模式进行工作。