公开(公告)号：CN108802041A

公开(公告)日：2018-11-13

申请号：CN201810218913.9

申请日：2018-03-16

Applicant: 浙江大学

Inventor： 宋明黎 ,  沈红佳 ,  高鑫

IPC: G01N21/88 ,  G06N3/08

CPC classification number: G01N21/8851 ,  G01N2021/8854 ,  G01N2021/8883 ,  G01N2021/8887 ,  G06N3/08

Abstract: 一种屏幕检测的小样本集快速换型方法,包括：1)采集现有大量数据的无缺陷图片和有缺陷图片，进行标记，制作训练数据集。采集需换型屏幕的数据，制作小样本数据集；2)利用已制作的数据集训练自定义卷积神经网络至收敛并且有较高准确率，将小样本数据集输入卷积神经网络，提取特征图，作为生成对抗网络的训练数据，训练自定义的生成对抗网络，直至收敛；3)利用生成对抗网络生成特征图，作为卷积神经网络的调优数据，强化训练卷积神经网络，直至收敛；4)将工业相机拍摄的屏幕图片进行多尺度缩放，并且以有重叠的方式分割成图像块。将所有图像块送入加强训练后的卷积神经网络模型，从而得到最终结果。

公开(公告)号：CN106936964A

公开(公告)日：2017-07-07

申请号：CN201611152386.3

申请日：2016-12-14

Applicant: 浙江大学

Inventor： 宋明黎 ,  沈红佳 ,  高鑫 ,  邱画谋

IPC: H04M1/24 ,  G06K9/62 ,  G06K9/40 ,  G01N21/958 ,  G01N21/88

Abstract: 一种基于霍夫变换模板匹配的手机屏幕角点检测的方法，包括：1)利用图像的形态学变换对手机屏幕区域进行预处理，消除噪声、摩尔纹等干扰信号；2)对步骤1)中所得图片缩小到一定的尺度，通过边缘检测算法找出图片中存在的边界，利用霍夫变换对边界进行投票，得到图片中存在的直线段，从直线段集合中选择最合适的四条线段，使得四条线段所在的直线能够围成一个四边形的屏幕区域；3)对步骤2)中所得的四边形区域，利用该四边形的四个夹角自适应地产生角点模板，用该模板在四边形的四个顶点附近区域内进一步精确定位，并得到最终的屏幕区域检测结果。

公开(公告)号：CN106875373A

公开(公告)日：2017-06-20

申请号：CN201611154333.5

申请日：2016-12-14

Applicant: 浙江大学

Inventor： 宋明黎 ,  高鑫 ,  沈红佳 ,  邱画谋

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 基于卷积神经网络剪枝算法的手机屏幕MURA缺陷检测方法,包括：1)自定义深度卷积神经网络，利用已有的训练数据训练一个用来检测手机屏幕MURA缺陷的神经网络；2)利用自适应模板匹配的方法来进行卷积神经网络的剪枝操作，减小网络规模，缩短算法运行时间；3)将高分辨率相机拍摄的手机屏幕图片进行不同比例的缩放，形成图片金字塔，对于每个尺度的图片，利用滑窗的方法将图片分割成小块，将所有小块图片作为一个组一起送入卷积神经网络中；4)选取中间层的所有特征图作为缺陷的响应图，采用阈值分割的方法最终获得手机屏幕MURA缺陷区域位置。

公开(公告)号：CN107123111A

公开(公告)日：2017-09-01

申请号：CN201710243888.5

申请日：2017-04-14

Applicant: 浙江大学

Inventor： 宋明黎 ,  邱画谋 ,  沈红佳 ,  高鑫

IPC: G06T7/00 ,  G06T7/136 ,  G06T7/30

Abstract: 一种用于手机屏幕缺陷检测的深度残差网络构造方法,包括：1)分别采集包含瑕疵图片和正常图片，进行标记(1表示包含瑕疵图片，0表示正常图片)，通过训练数据训练自定义的深度残差网络直到收敛并且有较高准确率；2)通过对深度残差网络的每个残差模块使用一定的概率进行随机移除的方法来生成浅层网络模型，并重复进行此操作，生成多个不同深度的网络模型；3)将高分辨率相机拍摄的手机屏幕图片进行不同比例的缩放，形成图片金字塔，对于每个尺度的图片，将图片分割成小块并使得图片块含有一定的重合面积，将所有小块图片作为一个组一起送入不同深度的网络模型中；4)选取每个网络模型输出的特征图作为缺陷的响应图，采用阈值分割的方法获得手机屏幕缺陷区域位置，最后将不同深度的网络模型的检测结果叠加，从而获得最终检测结果。