[发明专利]基于宽度学习的Mini-LED缺陷检测方法和系统

权利要求书

1.一种基于宽度学习的Mini-LED缺陷检测方法，其特征在于，包括以下步骤：

S1：获取Mini-LED产品初始图像并进行预处理；

S2：建立含增量学习的宽度学习缺陷检测神经网络模型；

S3：将预处理后的Mini-LED产品初始图像输入含增量学习的宽度学习缺陷检测神经网络模型中进行训练，获得优化后的含增量学习的宽度学习缺陷检测神经网络模型；

S4：获取待检测的Mini-LED产品图像，利用优化后的含增量学习的宽度学习缺陷检测神经网络模型对待检测的Mini-LED产品图像进行缺陷检测。

2.根据权利要求1所述的一种基于宽度学习的Mini-LED缺陷检测方法，其特征在于，所述步骤S1中，获取Mini-LED产品初始图像并进行预处理的具体方法为：

所述Mini-LED产品初始图像的类型包括正常产品初始图像、异物产品初始图像和缺灯珠产品初始图像；

所述预处理的具体方法为：

将所有Mini-LED产品初始图像划分为训练集和测试集，对所有的Mini-LED产品初始图像依次进行灰度化操作和铺平操作；将所有像素点的像素值填充至表格，每一列像素值对应一张Mini-LED产品初始图像；根据Mini-LED产品初始图像的不同类型标记不同的标签，将标签填充进对应表格的首行，并将表格的每列像素信息进行随机打乱操作，完成对Mini-LED产品初始图像的预处理。

3.根据权利要求2所述的一种基于宽度学习的Mini-LED缺陷检测方法，其特征在于，所述Mini-LED产品初始图像的尺寸为200*215。

4.根据权利要求3所述的一种基于宽度学习的Mini-LED缺陷检测方法，其特征在于，根据Mini-LED产品初始图像的不同类型标记不同的标签，具体为：

正常产品初始图像标记为标签0，异物产品初始图像标记为标签1，缺灯珠产品初始图像标记为标签2。

5.根据权利要求4所述的一种基于宽度学习的Mini-LED缺陷检测方法，其特征在于，所述步骤S2中，含增量学习的宽度学习缺陷检测神经网络模型包括输入层、特征层、增强层和输出层；

所述输入层的输出端与特征层的输入端连接，所述特征层的输出端与增强层的输入端连接；

特征层的输出端还与增强层的输出端拼接，共同连接至输出层的输入端。