显示面板的缺陷检测方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种显示面板的缺陷检测方法、缺陷检测装置、电子设备以及存储介质。缺陷检测方法包括：获取显示面板贴合U型膜的原始图像，对原始图像进行预处理得到预处理图像，通过缺陷检测模型对预处理图像进行多尺度特征提取得到一组多尺度的第一特征图，缺陷检测模型由基于特征图金字塔网络的深度学习多层卷积网络构建并训练得到，根据第一特征图对面板缺陷进行分类。从而，能够及时快速的准确的对出显示面板经U

【技术实现步骤摘要】
显示面板的缺陷检测方法、装置、电子设备及存储介质


[0001]本申请涉及大数据领域，特别涉及一种显示面板的缺陷检测方法、缺陷检测装置、电子设备及存储介质。

技术介绍

[0002]通常，柔性AMOLED完成TFE工序后，被切割好的面板下表面贴附的背膜(bottom film)被移除，并贴附U型膜(U
‑
lami)来取代背膜。U
‑
型膜的作用是保证柔性AMOLED的面板在弯折的时候U
‑
型膜和面板不出现分离，同时，U型膜也作为下层后续贴膜的中间粘接层。当前在U型膜工艺过程中容易出现异物、气泡、刺伤等不良现象，需要通过自动光学检测设备(Automated Optical Inspection，AOI)检测来对U型膜进行检测，然而，现有的AOI设备只能实现判断U型膜合格与否，而难以对具体的不良现象进行有效监控以做出进一步地改进。

技术实现思路

[0003]本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提供了一种显示面板的缺陷检测方法、显示面板的缺陷检测装置、电子设备及存储介质。
[0004]本申请的显示面板的缺陷检测方法包括：
[0005]获取所述显示面板贴合U型膜的原始图像；
[0006]对所述原始图像进行预处理得到预处理图像；
[0007]通过缺陷检测模型对所述预处理图像进行多尺度特征提取得到一组多尺度的第一特征图，所述缺陷检测模型由基于特征图金字塔网络的深度学习多层卷积网络构建并训练得到；
[0008]根据所述第一特征图对所述面板缺陷进行分类。
[0009]在某些实施方式中，所述预处理图像包括显示区预处理图像和布线区预处理图像，所述显示面板设置有分区标记，所述对所述原始图像进行预处理得到预处理图像包括：
[0010]根据所述原始图像确定面板信息；
[0011]识别所述原始图像中所述显示面板的所述分区标记；
[0012]根据所述面板信息和所述分区标记将所述原始图像划分为显示区和布线区；
[0013]分别对所述显示区和所述布线区进行预处理得到所述显示区预处理图像和所述布线区预处理图像。
[0014]在某些实施方式中，所述分别对所述显示区和所述布线区进行预处理得到显示区预处理图像和布线区预处理图像包括：
[0015]对所述显示区进行双边滤波以得到所述显示区的边缘复杂信息；
[0016]裁剪所述显示区以去除所述显示区的边缘复杂信息；
[0017]对去除所述边缘复杂信息后的所述显示区进行图像分割得到掩膜覆盖区域；
[0018]将所述掩膜覆盖区域按预设尺寸进行分块处理得到所述显示区预处理图像。
[0019]在某些实施方式中，所述分别对所述显示区和所述布线区进行预处理得到显示区预处理图像和布线区预处理图像包括：
[0020]将所述布线区分为前景和后景以确定检测范围；
[0021]剪裁所述布线区以去除所述布线区的边缘复杂信息；
[0022]对剪裁后的所述布线区进行形态学处理及双边滤波处理；
[0023]对处理后的所述布线区进行图像分割得到所述布线区预处理图像。
[0024]在某些实施方式中，所述通过缺陷检测模型对所述预处理图像进行多尺度特征提取得到一组多尺度的第一特征图包括：
[0025]通过残差卷积网络对所述预处理图像进行特征提取得到具有不同分辨率的一组第二特征图；
[0026]根据所述一组第二特征图构建第一特征图金字塔；
[0027]根据所述第一特征图金字塔自上而下进行上采样生成具有不同分辨率的所述一组多尺度的第一特征图。
[0028]在某些实施方式中，所述一组多尺度的第一特征图形成与所述第一特征图金字塔对应的第二特征图金字塔，所述根据所述第一特征图金字塔自上而下进行上采样生成具有不同分辨率的所述一组多尺度的第一特征图包括：
[0029]根据所述第一特征图金字塔最上层的第二特征图确定所述第二特征图金字塔最上层的第一特征图；
[0030]将所述第二特征图金字塔上一层的第一特征图上采样的结果和所述第一特征图金字塔当前层的所述第二特征图融合得到当前层的所述第一特征图。
[0031]在某些实施方式中，所述将所述第二特征图金字塔上一层的第一特征图上采样的结果和所述第一特征图金字塔当前层的所述第二特征图融合得到当前层的所述第一特征图包括：
[0032]对所述第一特征图金字塔当前层的所述第二特征图进行卷积处理以减少所述第二特征图的卷积核数量；
[0033]对所述第二特征图金字塔上一层的所述第一特征图进行上采样处理得到当前上采样特征图，使得所述当前上采样特征图和当前层的所述第二特征图分辨率相同；
[0034]将卷积处理后的所述第二特征图和所述当前上采样特征图进行像素叠加得到当前层的所述第一特征图。
[0035]在某些实施方式中，所述缺陷检测方法包括：
[0036]针对待检测的缺陷类型建立算法模型；
[0037]利用所述训练图像对所述算法模型进行训练；
[0038]利用经过训练的所述算法模型对验证图像进行检测得到验证检测结果以对所述算法模型进行优化；
[0039]重复上述训练步骤，在所述验证检测结果的准确率达到预设值的情况下，确定所述算法模型训练完成以作为所述缺陷检测模型。
[0040]在某些实施方式中，所述缺陷检测方法包括：
[0041]输出所述分类结果并进行标注。
[0042]本申请的显示面板的缺陷检测装置，用于U型膜贴合的面板缺陷检测，包括：
[0043]获取模块，用于获取所述显示面板贴合U型膜的原始图像；
[0044]处理模块，用于对所述原始图像进行预处理得到预处理图像；
[0045]提取模块，用于通过缺陷检测模型对所述预处理图像进行多尺度特征提取得到一组多尺度的第一特征图，所述缺陷检测模型由基于特征图金字塔网络的深度学习多层卷积网络构建并训练得到；和
[0046]分类模块，所述分类模块用于根据所述第一特征图对所述面板缺陷进行分类。
[0047]本申请的电子设备包括：处理器、存储器和程序，其中，所述程序被存储在所述存储器中，并且被所述处理器执行，所述程序包括用于执行上述任意一项所述的缺陷检测方法的指令。
[0048]本申请的计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，使得所述处理器执行上述中任一项所述的缺陷检测方法。
[0049]本申请实施方式的显示面板的缺陷检测方法、缺陷检测装置、电子设备及计算机存储介质中，通过获取到面板贴合U型膜的原始图像，并通过视觉处理算法对原始图像进行预处理得到预处理图像，再通过由基于特征图金字塔网络的深度学习多层卷积网络构建训练得到的缺陷检测模型对预处理图像进行多尺度特征提取，得到可表征U型膜具体缺陷的一组多尺度的第一特征图，从而可以根据第一特征图对U型膜贴合的面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种显示面板的缺陷检测方法，用于U型膜贴合的面板缺陷检测，其特征在于，所述缺陷检测方法包括：获取所述显示面板贴合U型膜的原始图像；对所述原始图像进行预处理得到预处理图像；通过缺陷检测模型对所述预处理图像进行多尺度特征提取得到一组多尺度的第一特征图，所述缺陷检测模型由基于特征图金字塔网络的深度学习多层卷积网络构建并训练得到；根据所述第一特征图对所述面板缺陷进行分类。2.如权利要求1所述的缺陷检测方法，其特征在于，所述预处理图像包括显示区预处理图像和布线区预处理图像，所述显示面板设置有分区标记，所述对所述原始图像进行预处理得到预处理图像包括：根据所述原始图像确定面板信息；识别所述原始图像中所述显示面板的所述分区标记；根据所述面板信息和所述分区标记将所述原始图像划分为显示区和布线区；分别对所述显示区和所述布线区进行预处理得到所述显示区预处理图像和所述布线区预处理图像。3.如权利要求2所述的缺陷检测方法，其特征在于，所述分别对所述显示区和所述布线区进行预处理得到显示区预处理图像和布线区预处理图像包括：对所述显示区进行双边滤波以得到所述显示区的边缘复杂信息；裁剪所述显示区以去除所述显示区的边缘复杂信息；对去除所述边缘复杂信息后的所述显示区进行图像分割得到掩膜覆盖区域；将所述掩膜覆盖区域按预设尺寸进行分块处理得到所述显示区预处理图像。4.如权利要求2所述的缺陷检测方法，其特征在于，所述分别对所述显示区和所述布线区进行预处理得到显示区预处理图像和布线区预处理图像包括：将所述布线区分为前景和后景以确定检测范围；剪裁所述布线区以去除所述布线区的边缘复杂信息；对剪裁后的所述布线区进行形态学处理及双边滤波处理；对处理后的所述布线区进行图像分割得到所述布线区预处理图像。5.如权利要求1所述的缺陷检测方法，其特征在于，所述通过缺陷检测模型对所述预处理图像进行多尺度特征提取得到一组多尺度的第一特征图包括：通过残差卷积网络对所述预处理图像进行特征提取得到具有不同分辨率的一组第二特征图；根据所述一组第二特征图构建第一特征图金字塔；根据所述第一特征图金字塔自上而下进行上采样生成具有不同分辨率的所述一组多尺度的第一特征图。6.如权利要求5所述的缺陷检测方法，其特征在于，所述一组多尺度的第一特征图形成与所述第一特征图金字塔对应的第二特征图金字塔，所述根据所述第一特征图金字塔自上而下进行上采样生成具有不同分辨率的所述一组多尺度的第...

【专利技术属性】
技术研发人员：周全国，卓磊，李凡，张青，唐浩，蒋国，周丽佳，降海钧，李东阳，徐丽蓉，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：