【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及顯示器缺陷智能識別領(lǐng)域，尤其涉及一種基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)。
技術(shù)介紹
1、在顯示器制造領(lǐng)域，尤其是tft（thin?film?transistor，薄膜晶體管）顯示器制造過程中，缺陷檢測是確保產(chǎn)品質(zhì)量的關(guān)鍵環(huán)節(jié)。傳統(tǒng)的缺陷檢測技術(shù)主要包括人工目視檢測法和機械裝置接觸檢測法；人工目視檢測法抽檢率低、準確性不高，人工檢測往往難以達到100%的抽檢率，且受檢測人員主觀因素影響大，準確性難以保證，人工檢測速度較慢，無法滿足高速自動化生產(chǎn)線的需求。長時間的目視檢測工作容易導致檢測人員視覺疲勞，且檢測標準一致性差，不同檢測人員可能對同一缺陷有不同的判斷標準，導致檢測結(jié)果的不一致性，人工檢測無法記錄檢測過程和結(jié)果，不利于后續(xù)的產(chǎn)品追溯和質(zhì)量分析；機械裝置接觸檢測法，高質(zhì)量的機械檢測設(shè)備往往成本高昂，機械裝置接觸檢測法通常只能針對特定類型的缺陷進行檢測，且檢測速度相對較慢，由于需要與產(chǎn)品直接接觸，機械裝置在檢測過程中可能對產(chǎn)品造成二次損傷。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)提供一種基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)，能夠有效解決只能針對特定類型的缺陷進行檢測的問題。
2、一方面，本專利技術(shù)提供一種基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)，包括：
3、圖像數(shù)據(jù)采集模塊，用于獲取tft顯示器的圖像數(shù)據(jù)；
4、圖像數(shù)據(jù)預處理模塊，用于對圖像數(shù)據(jù)并進行預處理，以得到預處理后的圖像數(shù)據(jù)；
5、特征提取模塊，用于使用灰度
6、缺陷識別模塊，用于根據(jù)圖像數(shù)據(jù)的特征，使用遷移學習算法進行識別，以得到缺陷識別結(jié)果；
7、深度學習模塊，用于使用bp神經(jīng)網(wǎng)絡(luò)對缺陷識別結(jié)果進行分類，并使用缺陷樣本進行持續(xù)訓練，以得到優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型；
8、預警模塊，用于根據(jù)缺陷識別模塊和缺陷閾值，以得到預警信息。
9、進一步的，所述圖像數(shù)據(jù)采集模塊包括：
10、圖像數(shù)據(jù)獲取模塊，用于獲取tft顯示器的圖像數(shù)據(jù)；
11、灰度轉(zhuǎn)換模塊，用于將圖像數(shù)據(jù)轉(zhuǎn)換為灰度圖像。
12、進一步的，所述圖像數(shù)據(jù)預處理模塊包括：
13、除噪模塊，用于使用平均濾波算法將灰度圖像進行除噪，以得到除噪后的灰度圖像；
14、對比度增強模塊，用于將除噪后的灰度圖像增強對比度，以得到增強對比度后的灰度圖像，即預處理后的圖像數(shù)據(jù)。
15、進一步的，所述特征提取模塊包括：
16、構(gòu)建灰度游程矩陣模塊，用于根據(jù)預處理后的圖像數(shù)據(jù)，確定圖像的灰度級數(shù)和預期的最大游程長度，構(gòu)建灰度游程矩陣，即，其中，表示灰度游程矩陣在灰度級 i、游程長度 j和方向 θ上的計數(shù)值，表示圖像在位置(m,n)的像素值；
17、灰度游程矩陣模塊，用于使用灰度游程矩陣進行特征提取，以得到圖像數(shù)據(jù)的特征。
18、進一步的，所述缺陷識別模塊包括;
19、構(gòu)建遷移學習模型模塊，用于根據(jù)圖像數(shù)據(jù)的特征，使用進行模型訓練，以得到遷移學習模型,其中，是訓練樣本的數(shù)量，是類別的數(shù)量，是樣本是否屬于類別的真實標簽，是模型預測樣本屬于類別的概率；
20、識別模塊，用于使用遷移學習模型對圖像數(shù)據(jù)的特征進行缺陷識別，以得到缺陷識別結(jié)果。
21、進一步的，所述深度學習模塊包括：
22、bp神經(jīng)網(wǎng)絡(luò)構(gòu)建模塊，用于根據(jù)缺陷識別的需求，確定bp神經(jīng)網(wǎng)絡(luò)的層數(shù)、每層神經(jīng)元數(shù)量、激活函數(shù)及bp神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置；
23、前向傳播模塊，用于根據(jù)缺陷識別結(jié)果，使用bp神經(jīng)網(wǎng)絡(luò)逐層計算得到輸出層的預測結(jié)果；
24、損失計算模塊，用于使用交叉熵損失函數(shù)計算預測結(jié)果與缺陷識別結(jié)果的誤差；
25、反向傳播模塊，用于根據(jù)誤差，通過反向傳播算法計算每個權(quán)重和偏置的梯度，并更新神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置；
26、迭代模塊，重復執(zhí)行前向傳播、損失計算、反向傳播和更新權(quán)重的過程，直到達到預設(shè)的閾值，以得到優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型。
27、進一步的，所述預警模塊包括：
28、實時監(jiān)測模塊，用于實時獲取tft顯示器的圖像數(shù)據(jù)，并進行缺陷識別，以得到實時缺陷識別結(jié)果；
29、比對模塊，用于將實時缺陷識別結(jié)果與預設(shè)的缺陷閾值進行比對，以得到比對結(jié)果；
30、判斷模塊，用于根據(jù)比對結(jié)果，若比對結(jié)果超過或達到預警觸發(fā)的條件時觸發(fā)預警信息，若比對結(jié)果未達到預警觸發(fā)的條件時不觸發(fā)預警信息。
31、本專利技術(shù)提供的基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)，通過圖像數(shù)據(jù)采集模塊能夠高精度地獲取tft顯示器的圖像數(shù)據(jù)，為后續(xù)處理提供了可靠的基礎(chǔ)；特征提取模塊采用灰度游程矩陣方法，有效地提取了圖像中的關(guān)鍵特征，為缺陷識別提供了有力的依據(jù)；缺陷識別模塊結(jié)合遷移學習算法，能夠快速適應不同類型的缺陷識別任務，提高了識別的效率和準確性；深度學習模塊利用bp神經(jīng)網(wǎng)絡(luò)對缺陷識別結(jié)果進行分類，并通過持續(xù)訓練不斷優(yōu)化模型，使系統(tǒng)能夠自適應地學習和識別新的缺陷類型，增強了系統(tǒng)的適應性和靈活性；系統(tǒng)可通過調(diào)整缺陷閾值來適應不同的生產(chǎn)要求和質(zhì)量控制標準，滿足多樣化的生產(chǎn)需求；預警模塊根據(jù)缺陷識別結(jié)果和預設(shè)的缺陷閾值，及時生成預警信息，提醒操作人員及時處理潛在的質(zhì)量問題，有效避免了缺陷產(chǎn)品的流出，提高了生產(chǎn)線的質(zhì)量控制水平；系統(tǒng)能夠?qū)崟r監(jiān)控生產(chǎn)線的運行狀態(tài)，及時發(fā)現(xiàn)并預警生產(chǎn)過程中的異常情況，為生產(chǎn)管理提供了有力的支持；自動化、智能化的缺陷識別系統(tǒng)減少了人工干預，降低了人力成本，同時提高了生產(chǎn)效率和產(chǎn)品良率，為企業(yè)創(chuàng)造了更大的經(jīng)濟效益。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，所述圖像數(shù)據(jù)采集模塊包括：
3.根據(jù)權(quán)利要求1所述的基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，所述圖像數(shù)據(jù)預處理模塊包括：
4.根據(jù)權(quán)利要求1所述的基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，所述特征提取模塊包括：
5.根據(jù)權(quán)利要求1所述的基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，所述缺陷識別模塊包括;
6.根據(jù)權(quán)利要求1所述的基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，所述深度學習模塊包括：
7.根據(jù)權(quán)利要求1所述的基于機器視覺的TFT顯示器缺陷智能識別系統(tǒng)，其特征在于，所述預警模塊包括：
【技術(shù)特征摘要】
1.一種基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)，其特征在于，所述圖像數(shù)據(jù)采集模塊包括：
3.根據(jù)權(quán)利要求1所述的基于機器視覺的tft顯示器缺陷智能識別系統(tǒng)，其特征在于，所述圖像數(shù)據(jù)預處理模塊包括：
4.根據(jù)權(quán)利要求1所述的基于機器視覺的tft顯示器缺陷智能識...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李成明，石超，楊少延，劉祥林，崔草香，朱瑞平，聶建林，郭柏君，陳兆顯，李曉東，
申請(專利權(quán))人：國鯨科技廣東橫琴粵澳深度合作區(qū)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。