[发明专利]基于缺陷生成的无监督OLED缺陷检测方法

说明书

本申请涉及一种OLED缺陷样本生成方法、基于缺陷生成的无监督OLED缺陷检测方法及相关设备。该OLED缺陷样本生成方法包括：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。采用本方法能够随机生成多个缺陷样本，进而提高OLED中缺陷识别率。

技术领域

本申请涉及OLED技术领域，特别是涉及一种基于缺陷生成的无监督OLED缺陷检测方法。

背景技术

缺陷检测是OLED生产的关键一环，由于人工检测存在劳动强度大、判断主观性、因疲劳造成的误检漏检等问题，深度学习方法（Deep Learning，简称DL）被广泛应用于工业质检领域。

但是在目前实际的生产过程中，由于生产线上良率过高，使得缺陷样本难以收集，最终导致基于深度学习的缺陷检测模型无法获得足够的缺陷样本作为训练数据，进而导致缺陷检测模型的产品缺陷识别率降低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够自动扩充缺陷样本的基于缺陷生成的无监督OLED缺陷检测方法。

第一方面，本申请提供了一种OLED缺陷样本生成方法。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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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。

在一个实施例中，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；