[发明专利]显示屏外围电路检测方法、装置、电子设备及存储介质在审

专利信息
申请号: 201810710534.1 申请日: 2018-07-02
公开(公告)号: CN108921840A 公开(公告)日: 2018-11-30
发明(设计)人: 文亚伟;冷家冰;刘明浩;徐玉林;郭江亮;李旭 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G01N21/88;G01N21/956
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 胡艾青;刘芳
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 显示屏外围 电路图像 缺陷检测 缺陷检测结果 电路 存储介质 待测图像 电路检测 电子设备 质量检测 图像采集设备 控制台 准确度 历史缺陷 物体检测 系统性能 业务扩展 质量好坏 算法 放大 采集 发送 部署
【权利要求书】:

1.一种显示屏外围电路检测方法,其特征在于,包括:

接收部署在显示屏外围电路生产线上的控制台发送的质量检测请求,所述质量检测请求中包含所述显示屏外围电路生产线上的图像采集设备采集的显示屏外围电路图像;

将所述显示屏外围电路图像放大或缩小,得到大小与缺陷检测模型的输入大小要求一致的待测图像,其中,所述缺陷检测模型是用历史缺陷显示屏外围电路图像进行物体检测FAST RCNN算法训练得到的;

将所述待测图像输入到缺陷检测模型中得到缺陷检测结果;

根据所述缺陷检测结果确定所述显示屏外围电路图像对应的显示屏外围电路的质量好坏。

2.根据权利要求1所述的方法,其特征在于,在所述将所述显示屏外围电路图像输入到缺陷检测模型中得到缺陷检测结果之前,还包括:

以历史缺陷显示屏外围电路图像的实际类型对所述缺陷检测模型进行所述FAST RCNN算法训练,以使所述缺陷检测模型对所述历史缺陷显示屏外围电路图像输出的预测类型,与所述实际类型之间的损失值低于预设损失阈值。

3.根据权利要求1所述的方法,其特征在于,在所述将所述显示屏外围电路图像放大或缩小之前,还包括:

对所述显示屏外围电路图像进行图像预处理,其中,所述图像预处理包括下述处理中的一项或多项:

裁边、剪切、旋转。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述待测图像输入到缺陷检测模型中得到缺陷检测结果,包括:

根据负载均衡策略,确定承载处理资源的检测模型服务器;

将所述待测图像输入到运行在所述检测模型服务器上的所述缺陷检测模型中得到缺陷检测结果。

5.根据权利要求1-3任一项所述的方法,其特征在于,所述缺陷检测结果,包括:缺陷的类型,和/或缺陷的选框位置;

所述根据所述缺陷检测结果确定所述显示屏外围电路图像对应的显示屏外围电路的质量好坏,包括:

根据生产阶段信息以及所述缺陷检测结果,确定所述显示屏外围电路图像对应的显示屏外围电路的质量好坏。

6.根据权利要求1-3任一项所述的方法,其特征在于,在所述根据所述缺陷检测结果确定所述显示屏外围电路图像对应的显示屏外围电路的质量好坏之后,还包括:

若确定所述显示屏外围电路为损坏电路,则执行以下一项或多项操作:

通过控制器向生产管理者发送报警信息;

通过控制器将所述缺陷检测结果作为日志存储到生产数据库中;

通过控制器向所述控制台发送生产控制指令以便消除缺陷;

将所述显示屏外围电路图像和所述缺陷检测结果输入到所述缺陷检测模型中以便优化所述缺陷检测模型。

7.一种显示屏外围电路检测装置,其特征在于,包括:

接收模块,用于接收部署在显示屏外围电路生产线上的控制台发送的质量检测请求,所述质量检测请求中包含所述显示屏外围电路生产线上的图像采集设备采集的显示屏外围电路图像;

预处理模块,用于将所述显示屏外围电路图像放大或缩小,得到大小与缺陷检测模型的输入大小要求一致的待测图像,其中,所述缺陷检测模型是用历史缺陷显示屏外围电路图像进行物体检测FAST RCNN算法训练得到的;

处理模块,用于将所述待测图像输入到缺陷检测模型中得到缺陷检测结果;

确定模块,用于根据所述缺陷检测结果确定所述显示屏外围电路图像对应的显示屏外围电路的质量好坏。

8.根据权利要求7所述的装置,其特征在于,

所述处理模块,还用于在所述将所述显示屏外围电路图像输入到缺陷检测模型中得到缺陷检测结果之前,以历史缺陷显示屏外围电路图像的实际类型对所述缺陷检测模型进行所述FAST RCNN算法训练,以使所述缺陷检测模型对所述历史缺陷显示屏外围电路图像输出的预测类型,与所述实际类型之间的损失值低于预设损失阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810710534.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top