[发明专利]基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法

说明书

本发明涉及图像识别技术领域，具体公开了一种基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法，包括如下步骤：采集导光板图像；图像预处理；建立并训练一阶段目标检测网络，一阶段目标检测网络包括主干特征提取子网络、特征增强子网络、分类和回归子网络；缺陷检测：通过特征融合子网络的图像金字塔使用特征融合的方式获得四个有效的特征层，将这四个有效的特征层传输经过分类和回归子网络获得导光板缺陷的预测结果，并在上位机中显示预测结果。本发明解决了正负样本不平衡、微小缺陷检出率及检测效率等问题，同时完成对缺陷的定位任务与缺陷有无的分类，同时提供可视化的结果，达到并实现了工业应用。

技术领域

本发明涉及图像识别技术领域，具体为基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法。

背景技术

导光板(light guide plate)是利用光学级的亚克力/PC板材，然后用具有极高反射率且不吸光的高科技材料，在光学级的亚克力板材底面用激光雕刻、V型十字网格雕刻、UV网版印刷技术印上导光点。导光板也是液晶显示屏背光模组的重要组成部分,在其生产过程中不可避免会出现亮点、划伤、压伤等缺陷,直接影响显示效果。根据缺陷的形状，将缺陷分为两大类：点缺陷与线缺陷。点缺陷主要指的是在导光板内部形成的点状缺陷，主要包括亮点与压伤。在塑化过程中，塑胶原料因温度过低从而导致不能完全熔化、成型机周围粉尘较重或者塑胶原料不干净，掺杂着白色的杂质等，会呈现出亮点缺陷。而线缺陷指的是在导光板表面形成的线状缺陷，主要是导光板表面出现划伤痕迹。形成原因主要有模仁表面刮伤，或者在导光板生产过程中由于导光板接触面的不洁净，如抛光机、滚轮清洁等，与导光板在运动过程中产生较大的摩擦，从而在导光板表面形成条状划痕。

目前，国内导光板缺陷检测主要依靠人工操作去完成，在检验治具的打光条件下，点亮导光板，检测人员目测导光板某处或多处是否出现亮点、划伤等缺陷，从而判定导光板是否存在缺陷，但人工检测缺陷的局限性非常明显，主要在于：(1)人工检测环境不佳，工人长期面对导光板，会严重损害员工视力；(2)导光板缺陷检测主要凭借人眼判断识别，存在着人为主观因素，难以形成可以量化的质量标准；(3)人工操作易受到多种因素干扰，如外界环境，人眼疲劳等，使得实际检测效率与精度都会受到一定的影响；(4)导光板检测复杂度高，难度大，缺陷种类多，员工很难掌握相关检测技术。由于人工检测缺陷的各种局限性，人工亮点检测的精度、效率、稳定性等很难适应企业的要求。车载导航导光板的质量检测精度要求比较高，需要检出10um以上的缺陷，工业面阵相机难以满足要求。工业面阵相机采用16K线阵相机呈现车载导航导光板的清晰图像，采集的高分辨率图像大小为10084×14500，在工业现场，企业要求在6秒之内完成对一张导光板的缺陷检测，这也对缺陷的检测效率提出了更高的要求。现有基于深度学习的缺陷检测方法对于车载导航导光板中的较小的点缺陷以及较浅的线缺陷无法有效检出，有较为严重的误检和漏检难以满足工业检测的精度要求。

发明内容

本发明要解决的技术问题是提供一种基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法，用以导光板缺陷的自动检测和分类，解决了正负样本不平衡、微小缺陷检出率及检测效率等问题，同时完成对缺陷的定位任务与缺陷有无的分类，同时提供可视化的结果，达到并实现了工业应用。

为了解决上述技术问题，本发明提供基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法，包括如下步骤：

S01、采集导光板图像：利用16K线阵相机采集导光板图像并传到上位机处理；

S02、图像预处理：利用阈值分割技术获得导光板ROI的区域图像，然后，将导光板ROI的区域图像裁剪成一组尺寸为H×W×1的小图像，其中相邻的小图像之间有1/10图像宽度的左右重叠；

S03、建立并训练一阶段目标检测网络，一阶段目标检测网络包括主干特征提取子网络、特征增强子网络、分类和回归子网络；

S04、缺陷检测：