【技术实现步骤摘要】
一种基于多维度度量的小样本Mini LED缺陷检测方法及系统
[0001]本专利技术涉及屏幕缺陷检测
,更具体地,涉及一种基于多维度度量的小样本Mini LED缺陷检测方法及系统。
技术介绍
[0002]随着Mini LED显示技术的迅速发展,Mini LED显示产品已开始应用于超大屏高清显示,如监控指挥、高清演播、高端影院、医疗诊断、广告显示、会议会展、办公显示、虚拟现实等商用领域。但是随着Mini LED的需求量越来越大,生产过程中的各种问题也就接踵而来,各种产品缺陷问题凸显,传统LED屏幕自成一个整体,拍摄的图片比较平滑,缺陷相对于Mini LED来说呈现的比较清晰,而Mini LED要求拍摄出的图片能够清晰地显示出每个LED矩阵,要求对每个LED矩阵进行检测识别缺陷,这就大大提高了缺陷检测的难度。
[0003]传统的视觉检测基于差分,滤波等一些操作对于普通的平滑呈现出来的LED屏幕缺陷检测效果显著,能够很好的识别到屏幕上的不同缺陷,可是对于Mini LED来说则不同,它独立分部的LED灯珠矩阵使其没有普通LED那种平滑呈现,其检测精度也要求其必须达到单灯珠的检测,因此传统的机器视觉很难达到对其准确的检测。
[0004]基于模版匹配方法的原理是利用LED矩阵当作模版去遍历整张图片,去识别出与模版图片相似度高的模块坐标。这种方法直接对图像对应位置像素值和模版像素值进行比较得出总的相似度,这种单一的标准不能够很好的区分不同的缺陷种类,虽然提高阈值可以提高精度,检测出缺灯珠的缺陷,可是对于灯珠旋
【技术保护点】
【技术特征摘要】
1.一种基于多维度度量的小样本Mini LED缺陷检测方法,其特征在于,包括以下步骤:S1:获取Mini LED屏幕图片并进行图像灰度化处理;S2:将灰度化处理的图像进行二值化处理;S3:确定二值化处理后图像的轮廓坐标,根据轮廓坐标对单个LED矩阵图像进行裁剪;S4:以ResNet18作为特征提取模块构建检测模型并训练,得到训练后的检测模型;S5:待检测的单个LED矩阵图像输入训练好的检测模型,输出缺陷检测结果。2.根据权利要求1所述的一种基于多维度度量的小样本Mini LED缺陷检测方法,其特征在于,步骤S1中图像灰度化处理的数学表达式为:其中,Gray(i,j)表示像素点(i,j)的灰度值,R(i,j)表示图像像素点的R分量,G(i,j)表示图像像素点的G分量,B(i,j)表示图像像素点的B分量。3.根据权利要求1所述的一种基于多维度度量的小样本MiniLED缺陷检测方法,其特征在于,在进行二值化操作中,若灰度图上像素点灰度值小于预设阈值则置为0,若大于预设阈值时置为最大值maxval。4.根据权利要求1所述的一种基于多维度度量的小样本MiniLED缺陷检测方法,其特征在于,确定二值化处理后图像的轮廓坐标,根据轮廓坐标对单个LED矩阵图像进行裁剪具体步骤为:利用掏空内部点法确定二值化处理后图像的轮廓,确定轮廓左上和右下点的坐标,根据左上和右下点的坐标确定LED矩阵的外接矩形,根据外接矩形对单个LED矩阵图像进行裁剪。5.根据权利要求1所述的一种基于多维度度量的小样本MiniLED缺陷检测方法,其特征在于,以ResNet18作为特征提取模块构建检测模型,其中,检测模型采用多维度度量方式MDM作为度量方式,以交叉熵损失函数作为损失函数进行训练和预测。6.根据权利要求5所述的一种基于多维度度量的小样本Mini LED缺陷检测方法,其特征在于,所述检测模型的训练包括三个部分:网络的数据处理、网络的训练模式的确定以及预训练辅助数据集;网络的数据处理:在单个任务中,从训练数据集中随机选取N个标签类别,在每个类别中随机采样K个样本作为当前任务的训练集,并随机采样不重复的一个或多个样本作为测试集;网络模型的输入通过一个标准的特征提取层g(θ),提取到训练集的特征向量;测试集用于评估检测模型的性能,从训练集和测试集的图像中获得特征提取的结果后,将提取到的特征图传入度量函数来计算MDM相似度;网络的训练模式:网络的训练过程是将训练集分成小的few
‑
shot子集,并且划分为训练集和测试集,即网络的训练阶段实是多次FSL学习的叠加;预训练辅助数据集:网络训练是辅助数据集预训练加目标数据集微调的方式进行训练,其中,辅助训练集为PVEL
‑
AD数据集。
7.根据权利要求1所述的一种基于多维度度量的小样本MiniLED缺陷检测方法,其特征在于,检测模型采用多维度度量方式,多维度度量包括:余弦距离单元、结构相似性单元,其中,余弦距离单元用于计算余弦距...
【专利技术属性】
技术研发人员:曹增辉,吴宗泽,任志刚,谭淇,赖家伦,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。