申请/专利权人：广东工业大学

申请日：2024-01-25

公开（公告）日：2024-04-16

公开（公告）号：CN117893519A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/20;G06V10/764;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于多尺度特征融合的LCD屏幕缺陷检测方法，其构建步骤包括：图像采集，使用工业相机采集LCD屏幕图像；构建数据集，对采集到的图像进行预处理，标注图像中的缺陷区域，制作训练集和测试集；骨干特征提取网络的构建，搭建并训练MobileNetV3算法模型，将预处理后的图像作为MobileNetV3网络的输入，获取四张不同尺寸的特征图；缺陷检测，将提取的特征图输入改进后的PSPNet网络，完成缺陷检测。本发明针对现有技术精度不够、模型参数较多、全局信息获取不充分的问题，采用轻量级backbone网络，并对特征信息进行多尺度融合，有效提升缺陷检测的准确率，更符合工业应用的需求。

主权项：1.一种基于多尺度特征融合的LCD屏幕缺陷检测方法，其特征在于包含以下步骤：S1：使用工业相机采集LCD屏幕图像，并对常见缺陷进行分类；S2：对采集到的图像进行预处理，增强有效的语义信息，并获得相对充足的样本量；标注图像中的缺陷区域，制作对应缺陷类型的训练集和测试集；S3：搭建并训练MobileNetV3算法模型，将预处理后的图像作为MobileNetV3网络的输入，提取缺陷特征，获取四张不同尺寸的特征图；S4：将步骤S3中提取的特征图输入改进后的PSPNet网络，将不同尺度的语义信息进行融合拼接后，通过卷积操作获得最终预测结果，完成缺陷检测。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于多尺度特征融合的LCD屏幕缺陷检测方法

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