[发明专利]基于缺陷生成的无监督OLED缺陷检测方法

权利要求书

1.一种OLED缺陷样本生成方法，其特征在于，所述方法包括：

获得OLED的正样本，并随机生成mask；

根据所述mask生成破坏性缺陷和/或结构性缺陷；

根据所述破坏性缺陷和/或结构性缺陷融入所述正样本，获得对应的缺陷样本；

其中，所述根据所述mask生成破坏性缺陷，包括：

确定所述mask的形态；

若是所述mask是长条形态，则确定所述mask的宽度；

若所述mask的宽度小于预设宽度，则对所述mask进行腐蚀处理，将腐蚀处理后mask的轮廓作为骨架；若所述mask的宽度大于或者等于预设宽度，则提取所述mask的轮廓，获得所述骨架；

若所述mask是多边形态，则对所述mask进行腐蚀处理，将腐蚀处理后mask的轮廓作为所述骨架；

对所述骨架作两条等值线，并对两条等值线赋不同的灰度值，获得所述破坏性缺陷；

所述根据所述mask生成结构性缺陷，包括：

确定所述结构性缺陷融入所述正样本的第二目标位置，并提取所述第二目标位置的像素值；

对所述第二目标位置的像素值进行聚类，并根据聚类结果确定所述第二目标位置中不同材质的连通域；

对任一所述连通域中的像素值进行抽样，并赋值给所述mask，获得所述结构性缺陷。

2.根据权利要求1所述的方法，其特征在于，所述随机生成mask，包括：

随机生成一个缺陷轮廓，并对所述缺陷轮廓进行填充；

在预设缺陷尺寸范围内，对填充后的缺陷轮廓进行随机形变，获得所述mask。

3.根据权利要求1所述的方法，其特征在于，所述对两条等值线赋不同的灰度值，包括：

获取所述mask的均值方差；

根据所述均值方差和第一目标位置的灰度值确定两条等值线灰度值的取值范围，其中，第一目标位置为所述破坏性缺陷融入所述正样本的位置。

4.根据权利要求1所述的方法，其特征在于，所述根据所述破坏性缺陷融入所述正样本，获得对应的缺陷样本，包括：

根据所述破坏性缺陷的纹理梯度和所述正样本的纹理梯度构建泊松方程组；

对所述泊松方程组进行求解，获得所述缺陷样本。

5.根据权利要求1所述的方法，其特征在于，所述根据所述结构性缺陷融入所述正样本，获得对应的缺陷样本，包括：

根据所述缺陷样本进行风格迁移，获得新的缺陷样本。

6.根据权利要求1所述的方法，其特征在于，所述根据所述缺陷样本进行风格迁移，获得新的缺陷样本，包括：

以预设规格的滑动窗口遍历所述结构性缺陷对应的区域，获得多个图像块，其中，相邻图像块之间重叠；

获取每个图像块的均方误差，选择均方误差最小的图像作为目标块；

在目标块与相邻图像块的重叠区域寻最小成本路径，作为边界；

将所述边界两侧用所述目标块和与所述目标块相邻的图像块填充所述重叠区域，获得新的缺陷样本。

7.一种基于缺陷生成的无监督OLED缺陷检测方法，其特征在于，所述方法包括：

获取正样本和待测图像；

将所述正样本和待测图像输入至预设缺陷识别模型，确定所述待测图像中缺陷，其中，所述预设缺陷识别模型根据所述正样本和如权利要求1-6中任一项所述的OLED缺陷样本生成方法生成的缺陷样本训练获得。

8.根据权利要求7所述的方法，其特征在于，所述将所述正样本和待测图像输入至预设缺陷识别模型，确定所述待测图像中缺陷，包括：

获取所述正样本的深层次特征和浅层次特征，以及所述待测图像的深层次特征和浅层次特征；

结合所述正样本的深层次特征和浅层次特征，以及所述待测图像的深层次特征和浅层次特征进行预测分割，获得所述待测图像中缺陷。