[发明专利]一种面板缺陷检测和分类方法及系统

权利要求书

1.一种面板缺陷检测和分类方法，其特征在于，所述方法包括：

从历史数据中采集面板缺陷图片数据，并按照面板缺陷类别存储；

清洗存储的面板缺陷图片数据；

优化清洗后的面板缺陷图片数据；

标注优化后的面板缺陷图片数据得到训练集；

利用训练集训练面板缺陷检测和分类模型；

将预设面板缺陷图片输入训练后的面板缺陷检测和分类模型，输出面板缺陷检测和分类结果。

2.根据权利要求1所述的一种面板缺陷检测和分类方法，其特征在于，过滤剔除面板缺陷图片数据中的异常数据，异常数据包括：画面过曝、画面过暗、画面模糊、画面虚焦、缺陷过大和画面无缺陷的图片。

3.根据权利要求1所述的一种面板缺陷检测和分类方法，其特征在于，优化清洗后的面板缺陷图片数据包括：采用分层随机抽样方法优化面板缺陷图片数据，并对面板缺陷图片数据做样本均衡处理。

4.根据权利要求3所述的一种面板缺陷检测和分类方法，其特征在于，通过在面板缺陷图片数据中添加扰动或翻转或高斯噪声的方法对面板缺陷图片数据做样本均衡处理。

5.根据权利要求1所述的一种面板缺陷检测和分类方法，其特征在于，使用resnet50网络在mmdetection检测框架下训练模型，将模型配置文件的anchor_ratios字段设置为[0.1,0.33,1.0,3.0,10]。

6.根据权利要求5所述的一种面板缺陷检测和分类方法，其特征在于，在模型训练时设置阶梯式下降的学习率。

7.根据权利要求1所述的一种面板缺陷检测和分类方法，其特征在于，所述方法还包括：剔除面板缺陷检测和分类模型输出结果的多余描述信息，将输出结果的数字标识转换为缺陷名称，合并同一面板对应的多光源拍摄的多张缺陷图片对应的输出结果，形成以面板ID、画面ID、缺陷名称、缺陷置信度和缺陷位置的结构组成的数据，作为后端接收的反馈数据。

8.根据权利要求1所述的一种面板缺陷检测和分类方法，其特征在于，本方法借助labelImage标注工具用矩形框标注优化后的面板缺陷图片数据中的缺陷，用于训练面板缺陷检测和分类模型。

9.根据权利要求1所述的一种面板缺陷检测和分类方法，其特征在于，所述方法包括前端执行部分和后端执行部分，前端执行部分包括权利要求1-8中任意一个权利要求所述的方法内容，后端执行部分包括：

处理前端请求：前端以http请求的方式调用后端服务，后端接收请求后，根据约定格式解析，组装缺陷图片路径信息，获取缺陷图片面板ID，解析缺陷图片的通道ID；

调用模型运算：将解析完成的请求，转发至模型服务端，指定模型服务端使用的模型及相关配置文件，设定模型检测缺陷图片路径，调用模型；接收模型反馈的检测结果，根据缺陷图片的定义，对反馈的结果进行逻辑运算，得出检测面板的缺陷类别，并统计缺陷数量、缺陷大小信息；

结果反馈：整理逻辑运算输出结果格式，以键值对的方式返回前端。

10.一种面板缺陷检测和分类系统，其特征在于，所述系统包括：

数据采集和存储单元，用于从历史数据中采集面板缺陷图片数据，并按照面板缺陷类别存储；

数据清洗单元，用于清洗存储的面板缺陷图片数据；

数据优化单元，用于优化清洗后的面板缺陷图片数据；

数据标注单元，用于标注优化后的面板缺陷图片数据得到训练集；

模型训练单元，用于利用训练集训练面板缺陷检测和分类模型；

缺陷检测及分类单元，用于将预设面板缺陷图片输入训练后的面板缺陷检测和分类模型，输出面板缺陷检测和分类结果。