本发明专利技术公开了一种面板检测方法，该方法包括：依据当前测试的配置信息和测试需求，从模型库中调用目标分类模型，将配置信息与分类模型组成测试信息；依据测试信息，对待测显示面板进行缺陷检测分类，获得待测显示面板的缺陷信息。本发明专利技术还公开了一种面板检测装置、相应的设备及存储介质。本发明专利技术依据测试需求选择缺陷的检测分类模型，可以有效提高缺陷检测的精确度和灵活性。确度和灵活性。确度和灵活性。
【技术实现步骤摘要】
一种面板检测方法、装置、设备及存储介质
[0001]本专利技术涉及面板检测
，更具体地，涉及一种面板检测方法、装置、设备及存储介质。
技术介绍
[0002]目前，显示面板在生产后，需要在流水线上经过各种自动化检测，在这些不同的流水线上通常需要对产品进行缺陷的检测。现有的缺陷检测和分类大多数上用的是一套方案，算法检出基本缺陷后，软件接收来进行下一步精确，但往往此种方式在算法检出不够灵活、缺陷分类不准确。
技术实现思路
[0003]针对现有技术的至少一个缺陷或改进需求，本专利技术提供了一种面板检测方法、装置、设备及存储介质，依据测试需求选择缺陷的检测分类模型，可以有效提高缺陷检测的精确度和灵活性。
[0004]为实现上述目的，按照本专利技术的第一个方面，提供了一种面板检测方法，该方法包括：依据当前测试的配置信息和测试需求，从模型库中调用目标分类模型，将所述配置信息与所述分类模型组成测试信息；依据所述测试信息，对待测显示面板进行缺陷检测分类，获得所述待测显示面板的缺陷信息；其中，所述测试信息包括硬件参数与软件参数，所述硬件参数包括设备的配置参数和待测显示面板的参数，所述软件参数包括所述分类模型的参数。
[0005]进一步地，上述面板检测方法还包括：从模型库中调用目标分类模型，将所述配置信息与所述目标分类模型组成测试信息，具体方法是：从所述模型库中获取分类模型的存储地址，将所述配置信息与所述分类模型的存储地址组成测试信息。
[0006]进一步地，上述面板检测方法还包括：依据当前测试的配置信息和测试需求，从模型库中调用目标分类模型，具体为：依据当前测试的配置信息和测试需求，从模型库中调用第一分类模型；依据所述第一分类模型，从模型库中调用至少一个第二分类模型，所述所有第二分类模型与所述第一分类模型共同组成目标分类模型；其中，所述第一分类模型用于将所述待测显示面板的照片划分为不同局部区域，并对全部区域内的缺陷进行检测分类，所述第二分类模型用于对所述待测面板的局部区域的缺陷进行检测分类。
[0007]进一步地，上述面板检测方法还包括：
对待测显示面板进行缺陷检测分类，具体包括：所述设备接收所述测试信息中的所述硬件参数，对所述待测显示面板拍照取图，获取所述待测显示面板的照片；采用所述第一分类模型，将所述待测显示面板的照片划分为不同局部区域，并对每个局部区域内的缺陷进行检测分类；采用所述第二分类模型，对所述局部区域的缺陷进行检测分类；基于所述第一分类模型和/或第二分类模型的检测分类的结果，获得所述待测显示面板的缺陷信息。
[0008]进一步地，上述面板检测方法还包括：获得所述待测显示面板的缺陷信息，还包括：获取所述第二分类模型对应的解析模块，采用所述解析模块对所述待测显示面板的缺陷信息进行解析，获得缺陷类型。
[0009]进一步地，上述面板检测方法还包括：所述第二分类模型是AI模型；采用所述分类模型中的第二分类模型，对所述局部区域的缺陷进行检测分类，还包括：收集所述AI模型检出的缺陷图，经数据处理后构成数据集，用于对所述AI模型进行进一步的训练。
[0010]按照本专利技术的第二个方面，还提供了一种面板检测装置，包括：检测装置，用于依据测试信息，对待测显示面板拍照取图，获取所述待测显示面板的照片；显示模块，用于获取当前测试的配置信息和测试需求，并输出所述待测显示面板的缺陷信息；存储模块，与所述显示模块和所述计算模块相连，用于存储分类模型；计算模块，与所述存储模块和所述检测装置相连，用于执行上述任一项所述方法的步骤。
[0011]进一步地，上述面板检测装置还包括：所述显示模块与所述计算模块分别为不同的装置，或所述显示模块与所述计算模块是同一个装置。
[0012]按照本专利技术的第三个方面，还提供了一种面板检测设备，其包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行上述任一项所述方法的步骤。
[0013]按照本专利技术的第四个方面，还提供了一种存储介质，其存储有可由访问认证设备执行的计算机程序，当所述计算机程序在访问认证设备上运行时，使得所述访问认证设备执行上述任一项所述方法的步骤。
[0014]总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：（1）本专利技术提供的面板检测方法，依据测试需求选择缺陷的检测分类模型，可以有效提高缺陷检测的精确度和灵活性；
（2）本专利技术提供的面板检测方法，采用第一分类模型进行粗检测分类后，再采用第二分类模型进行进一步细分检测分类，可以进一步提高缺陷检测分类的精确度和灵活性；（3）本专利技术提供的面板检测方法，第二分类模型对应设置相应的解析模块，可以使得输出的缺陷检测分类结果更精细；（4）本专利技术提供的面板检测方法，采用AI模型作为第一分类模型，通过检测过程中收集检测结果作为训练集，可以解决工业检测中没有较为普遍的公开数据集导致AI模型训练难的问题。
附图说明
[0015]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术实施例提供的一种面板检测方法的流程示意图；图2为本专利技术实施例提供的一种面板检测装置的结构示意图；图3为本专利技术实施例提供的又一种面板检测装置的结构示意图。
具体实施方式
[0017]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0018]本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0019]工业检测中要求检测精确性高，采用的检测设备可以获得高精度的待测显示面板的成像，长宽可达几万像素级。而常见的缺陷很小，面积仅为几十个像素大小，这使得检测到的缺陷只占整张图的很小一部分。另一方面，同一产品可以被划分为不同区域，不同区域的缺陷类型及其外观会存在差异，例如，边缘区域多存在崩边，破损，裂纹等缺陷，这类缺陷需要依据其到边缘的距离、缺陷面积、缺陷长宽比等参数进行分类，而面内缺陷会呈现出与边缘缺陷不同的情况。
[0020]现有的缺陷检测和分类大多数上用的是一套方案，算法检出基本缺陷后，软件接收来进行下一步精确。这类检测本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种面板检测方法，其特征在于，包括：依据当前测试的配置信息和测试需求，从模型库中调用目标分类模型，将所述配置信息与所述分类模型组成测试信息；依据所述测试信息，对待测显示面板进行缺陷检测分类，获得所述待测显示面板的缺陷信息；其中，所述测试信息包括硬件参数与软件参数，所述硬件参数包括设备的配置参数和待测显示面板的参数，所述软件参数包括所述分类模型的参数。2.如权利要求1所述的面板检测方法，其特征在于，还包括：从模型库中调用目标分类模型，将所述配置信息与所述目标分类模型组成测试信息，具体方法是：从所述模型库中获取分类模型的存储地址，将所述配置信息与所述分类模型的存储地址组成测试信息。3.如权利要求1所述的面板检测方法，其特征在于：依据当前测试的配置信息和测试需求，从模型库中调用目标分类模型，具体为：依据当前测试的配置信息和测试需求，从模型库中调用第一分类模型；依据所述第一分类模型，从模型库中调用至少一个第二分类模型，所述所有第二分类模型与所述第一分类模型共同组成目标分类模型；其中，所述第一分类模型用于将所述待测显示面板的照片划分为不同局部区域，并对全部区域内的缺陷进行检测分类，所述第二分类模型用于对所述待测面板的局部区域的缺陷进行检测分类。4.如权利要求3所述的面板检测方法，其特征在于：对待测显示面板进行缺陷检测分类，具体包括：所述设备接收所述测试信息中的所述硬件参数，对所述待测显示面板拍照取图，获取所述待测显示面板的照片；采用所述第一分类模型，将所述待测显示面板的照片划分为不同局部区域，并对每个局部区域内的缺陷进行检测分类；采用所述第二分类模型，对所述局部区域的缺陷进行检测分类；基于...
【专利技术属性】
技术研发人员：黄文奇，周志刚，符俊杰，刘志勇，
申请(专利权)人：武汉精测电子集团股份有限公司，
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。