-
公开(公告)号：CN109859169B
公开(公告)日：2022-12-16
申请号：CN201910005055.4
申请日：2019-01-03
Applicant: 重庆信息通信研究院 , 重庆电子信息中小企业公共服务有限公司
Abstract: 本发明涉及一种基于卷积神经网络的TFT‑LCD模组白印检测方法，属于工业缺陷检测领域。该方法包括图像预处理和缺陷检测；图像预处理为：通过相机采集待检测样本；通过仿射变换将待检测的整块模组区域校正为矩形；由于模组的光学干涉效应，相机拍摄的待检测图存在有规则的摩尔纹；为提高检测的正确率，去除摩尔纹；为节约检测的时间，缩放相机采集的图像以节约检测时间；缩放后的尺寸满足检测网络的需要。相较于其它级联式检测方法，该方法检测过程一步到位，可以有效降低阈值的数量，进而降低了培训成本与维护成本。单单以算法而言，神经网络算法的通用性本身就高于非神经网络的算法。
-
公开(公告)号：CN109712117B
公开(公告)日：2022-10-11
申请号：CN201811510843.0
申请日：2018-12-11
Applicant: 重庆信息通信研究院
Abstract: 本发明涉及一种基于卷积神经网络的轻量级TFT‑LCD模组划痕检测方法，属于工业缺陷检测。该方法包括以下步骤：S1：建立深度学习模型；S2：通过相机采集图像；S3：图像仿射校正为矩形；S4：图像去纹理；S5：图像标准化；S6：输入CNN检测网络；S7：输出检测结果。本发明深度学习算法可以做到算法的通用，更换产品只需要添加该类的训练样本即可。并且随着种类的增多，训练的模型泛化行越强，积累到一定种类数量时，即使不添加训练样本也可以检测出。可大大降低员工培训时间与系统维护时。且无需撕去保护膜，对膜上的划痕有一定鉴别能力。针对小的划痕，其漏检率与误检率都将大大降低。
-
公开(公告)号：CN109859169A
公开(公告)日：2019-06-07
申请号：CN201910005055.4
申请日：2019-01-03
Applicant: 重庆信息通信研究院 , 重庆电子信息中小企业公共服务有限公司
Abstract: 本发明涉及一种基于卷积神经网络的TFT-LCD模组白印检测方法，属于工业缺陷检测领域。该方法包括图像预处理和缺陷检测；图像预处理为：通过相机采集待检测样本；通过仿射变换将待检测的整块模组区域校正为矩形；由于模组的光学干涉效应，相机拍摄的待检测图存在有规则的摩尔纹；为提高检测的正确率，去除摩尔纹；为节约检测的时间，缩放相机采集的图像以节约检测时间；缩放后的尺寸满足检测网络的需要。相较于其它级联式检测方法，该方法检测过程一步到位，可以有效降低阈值的数量，进而降低了培训成本与维护成本。单单以算法而言，神经网络算法的通用性本身就高于非神经网络的算法。
-
公开(公告)号：CN109712117A
公开(公告)日：2019-05-03
申请号：CN201811510843.0
申请日：2018-12-11
Applicant: 重庆信息通信研究院
Abstract: 本发明涉及一种基于卷积神经网络的轻量级TFT-LCD模组划痕检测方法，属于工业缺陷检测。该方法包括以下步骤：S1：建立深度学习模型；S2：通过相机采集图像；S3：图像仿射校正为矩形；S4：图像去纹理；S5：图像标准化；S6：输入CNN检测网络；S7：输出检测结果。本发明深度学习算法可以做到算法的通用，更换产品只需要添加该类的训练样本即可。并且随着种类的增多，训练的模型泛化行越强，积累到一定种类数量时，即使不添加训练样本也可以检测出。可大大降低员工培训时间与系统维护时。且无需撕去保护膜，对膜上的划痕有一定鉴别能力。针对小的划痕，其漏检率与误检率都将大大降低。
-
-
-
Search Results
4
records
(took 0.017 seconds)
