申请/专利权人：哈工大机器人(中山)无人装备与人工智能研究院

申请日：2021-03-19

公开（公告）日：2024-03-19

公开（公告）号：CN113205110B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/80;G06V10/762;G06T7/00;G06T7/73;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.08.20#实质审查的生效;2021.08.03#公开

摘要：本发明提供了一种面板缺陷分类模型的建立方法及面板缺陷分类方法，涉及面板缺陷检测技术领域。本发明所述的面板缺陷分类模型的建立方法，包括：获取缺陷数据集；根据所述缺陷数据集确定增广数据集；从所述增广数据集提取特征语义信息；根据所述特征语义信息确定融合语义信息；根据所述融合语义信息确定特征矩阵；根据所述特征矩阵确定所述面板缺陷的位置和类别；将所述缺陷数据集作为模型输入，以及将所述面板缺陷的位置和类别作为模型输出建立面板缺陷分类模型。本发明所述的技术方案，通过对包含面板缺陷的缺陷数据集进行数据增广确定的增广数据集作为卷积神经网络的输入，使得卷积神经网络在训练中更快收敛，有利于提高面板缺陷分类的准确性。

主权项：1.一种面板缺陷分类模型的建立方法，其特征在于，包括：获取缺陷数据集，其中，所述缺陷数据集为包含面板缺陷的样本图片；根据所述缺陷数据集确定增广数据集，具体包括：从所述缺陷数据集任意选取两张原始缺陷图片，获取其中一张所述原始缺陷图片的位置区域，将所述位置区域与另一张所述原始缺陷图片融合，形成新缺陷图片以确定所述增广数据集，其中，所述位置区域指的是原始缺陷图片在面板上的拍摄位置所在的区域；从所述增广数据集提取特征语义信息，具体包括：从所述增广数据集提取不同尺度的所述特征语义信息；根据所述特征语义信息确定融合语义信息，具体包括：将所述特征语义信息中的低层特征语义信息与中层特征语义信息、高层特征语义信息融合，以确定不同尺度的所述融合语义信息；根据所述融合语义信息确定特征矩阵；根据所述特征矩阵确定所述面板缺陷的位置和类别，具体包括：将所述特征矩阵还原为满足预设对比度的图片，根据所述图片确定所述面板缺陷的类型和位置；将所述缺陷数据集作为模型输入，以及将所述面板缺陷的位置和类别作为模型输出建立面板缺陷分类模型。

全文数据：

权利要求：

百度查询： 哈工大机器人(中山)无人装备与人工智能研究院 一种面板缺陷分类模型的建立方法及面板缺陷分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD