[发明专利]屏幕缺陷检测方法、装置及系统、计算机设备及介质

权利要求书

1.一种屏幕缺陷检测方法，其特征在于，包括：

将待检测屏幕图像输入增强学习网络以生成中间图像；

将由无缺陷屏幕图像形成的目标训练集和所述中间图像输入生成对抗式网络的判别器以生成判别结果，其中所述判别结果被反馈给所述增强学习网络作为其回报值，直到所述判别结果满足预设收敛条件，从而得到背景重建图像；

对所述待检测屏幕图像和所述背景重建图像进行差分，得到缺陷图像。

2.根据权利要求1所述的方法，其特征在于，

所述将待检测屏幕图像输入增强学习网络以生成中间图像进一步包括

将待检测屏幕图像输入增强学习网络，获取所述增强学习网络基于当前图像处理策略进行图像处理后输出的中间图像，其中所述图像处理为所述增强学习网络的当前时刻的行为，所述中间图像为所述增强学习网络的对应当前时刻的行为的当前状态；

所述将由无缺陷屏幕图像形成的目标训练集和所述中间图像输入生成对抗式网络的判别器，其中所述判别结果被反馈给所述增强学习网络作为其回报值，直到所述判别结果满足预设收敛条件，从而得到背景重建图像进一步包括：

所述判别器计算所述中间图像与所述目标训练集的距离，将所述距离反馈给所述增强学习网络作为其回报值，直到所述距离满足所述预设收敛条件，从而将满足所述预设收敛条件时刻的中间图像作为背景重建图像。

3.根据权利要求2所述的方法，其特征在于，

所有图像处理操作构成行为集合A；

所述图像处理策略为π；

待检测屏幕图像和所有中间图像构成状态集合S；

所述增强学习网络根据所述策略π选择第i时刻的行为：a_i＝π(S)；

状态转换表示为：s_i+1＝π(s_i，a_i)，其中，s_i代表第i时刻的状态；

利用下式对策略π进行评估：

其中，E代表期望，J(π)代表策略π的回报值，t表示时刻，代表第i时刻的状态s_i的回报值。

4.根据权利要求3所述的方法，其特征在于，

所述策略π采用卷积神经网络进行训练以使得策略π的回报值最大。

5.根据权利要求1-4中任一项所述的方法，其特征在于，

所述判别结果为值域为(0,1)的相似度；

所述判别结果满足预设收敛条件为所述相似度靠近1。

6.一种屏幕缺陷检测装置，其特征在于，包括

增强学习网络，用于根据输入的待检测屏幕图像，生成中间图像；

生成对抗式网络的判别器，用于根据输入的由无缺陷屏幕图像形成的目标训练集和所述中间图像，生成判别结果，其中所述判别结果被反馈给所述增强学习网络作为其回报值，直到所述判别结果满足预设收敛条件，从而得到背景重建图像；

差分器，用于对所述待检测屏幕图像和所述背景重建图像进行差分，得到缺陷图像。

7.根据权利要求6所述的装置，其特征在于，

所述增强学习网络被进一步配置为获取所述增强学习网络基于当前图像处理策略进行图像处理后输出的中间图像，其中所述图像处理为所述增强学习网络的当前时刻的行为，所述中间图像为所述增强学习网络的对应当前时刻的行为的当前状态；

所述判别器被进一步配置为计算所述中间图像与所述目标训练集的距离，将所述距离反馈给所述增强学习网络作为其回报值，直到所述距离满足所述预设收敛条件，从而将满足所述预设收敛条件时刻的中间图像作为背景重建图像。