[发明专利]面板质量检测方法、系统、终端设备及计算机可读介质

权利要求书

1.一种基于分布学习的面板质量检测方法，其特征在于，包括以下步骤：

根据深度学习模型预测的面板图像属于不同质量等级的概率值计算得到所述面板图像的预测等级值；并根据所述预测等级值以及面板图像的真实标签值生成第一损失函数；

将面板图像属于不同质量等级的概率值与正态分布曲线进行拟合，得到预测等级概率分布；根据所述预测等级概率分布以及真实标签值对应的真实概率分布得到第二损失函数；

将所述第一损失函数和第二损失函数加权得到深度学习模型的最终损失函数，基于所述最终损失函数对深度学习模型进行训练；

利用训练好的深度学习模型对待测的面板图像进行检测，得到待测面板图像的质量等级。

2.如权利要求1所述的面板质量检测方法，其特征在于，所述深度学习模型预测的面板图像属于不同质量等级的概率值为：每个质量等级的特征数据除以所有质量等级的特征数据总和。

3.如权利要求1所述的面板质量检测方法，其特征在于，所述面板图像的预测等级值为各质量等级的概率值与其对应的质量等级值之积的总和。

4.如权利要求1所述的面板质量检测方法，其特征在于，所述第一损失函数为不同面板图像的真实标签值及其预测等级值之差的总和除以面板图像个数后得到的均值。

5.如权利要求1所述的面板质量检测方法，其特征在于，所述第二损失函数为预测等级概率分布与真实概率分布的信息熵的差值。

6.一种基于分布学习的面板质量检测系统，其特征在于，包括第一计算单元、拟合单元、第二计算单元和第三计算单元；

所述第一计算单元用于根据深度学习模型预测的面板图像属于不同质量等级的概率值计算得到所述面板图像的预测等级值；并根据所述预测等级值以及面板图像的真实标签值生成第一损失函数；

所述拟合单元用于将面板图像属于不同质量等级的概率值与正态分布曲线进行拟合，得到预测等级概率分布；

所述第二计算单元用于根据所述预测等级概率分布以及真实标签值对应的真实概率分布得到第二损失函数；

所述第三计算单元用于将所述第一损失函数和第二损失函数加权得到深度学习模型的最终损失函数。

7.如权利要求6所述的面板质量检测系统，其特征在于，所述深度学习模型预测的面板图像属于不同质量等级的概率值为每个质量等级的特征数据除以所有质量等级的特征数据总和；

所述第一计算单元通过求取各质量等级的概率值与其对应的质量等级值之积的总和得到面板图像的预测等级值。

8.如权利要求6或7所述的面板质量检测系统，其特征在于，所述第一计算单元通过将不同面板图像的真实标签值及其预测等级值之差的总和除以面板图像个数得到第一损失函数；

所述第二计算单元通过计算预测等级概率分布与真实概率分布的信息熵的差值得到第二损失函数。

9.一种终端设备，其特征在于，包括至少一个处理单元、以及至少一个存储单元，

其中，所述存储单元存储有计算机程序，当所述程序被所述处理单元执行时，使得所述处理单元执行权利要求1～5任一权利要求所述方法的步骤。

10.一种计算机可读介质，其特征在于，其存储有可由终端设备执行的计算机程序，当所述程序在终端设备上运行时，使得所述终端设备执行权利要求1～5任一权利要求所述方法的步骤。