[发明专利]一种用于显示面板缺陷分类的学习方法有效
| 申请号： | 201710343201.5 | 申请日： | 2017-05-16 |
| 公开（公告）号： | CN107154041B | 公开（公告）日： | 2019-08-09 |
| 发明（设计）人： | 吕东东;张胜森;邓标华 | 申请（专利权）人： | 武汉精测电子集团股份有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/46;G06K9/62;G06K9/66 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 430070 湖北省武汉*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于显示面板缺陷分类的学习方法，包括：引入缺陷特征属性描述参数及缺陷特征属性梯度参数，其中，该缺陷特征属性描述参数包括多种缺陷类型的特征属性描述向量，该缺陷特征属性梯度参数包括多种缺陷类型的特征属性梯度范围α及与该多种缺陷类型的特征属性梯度范围α一一对应的梯度系数因子；并通过调整缺陷特征属性描述参数或缺陷特征属性梯度参数，使得引入的缺陷特征属性描述参数及缺陷特征属性梯度参数能够自动匹配显示面板的显示缺陷类型。本发明通过对已知缺陷类型的学习不断完善引入缺陷特征属性描述参数，及不断收敛优化缺陷特征属性梯度参数，能极大提升显示面板的缺陷识别检测效率和精确度。 | ||
| 搜索关键词： | 缺陷特征 属性描述 梯度参数 缺陷类型 显示面板 特征属性 缺陷分类 引入 描述向量 缺陷识别 梯度系数 显示缺陷 自动匹配 学习 收敛 检测 优化 | ||
【主权项】：
1.一种用于显示面板缺陷分类的学习方法，其特征在于，包括以下步骤：1)从一已知缺陷类型的图像中提取缺陷特征属性向量d；2)提供一缺陷特征属性梯度系数集合G，该缺陷特征属性梯度系数集合G包括该已知缺陷类型的特征属性梯度范围αij及与该特征属性梯度范围αij一一对应的梯度系数因子βij；将该缺陷特征属性向量d分别代入到该特征属性梯度范围αij中，得到梯度系数因子向量β；3)提供一缺陷特征属性描述集合M，该缺陷特征属性描述集合M包括多种缺陷类型的多个特征属性描述向量m；将该梯度系数因子向量β分别与该多个特征属性描述向量m进行卷积，生成一组卷积值；4)若最大的卷积值对应的特征属性描述向量的缺陷类型为该已知缺陷类型，则结束缺陷类型识别流程；若最大的卷积值对应的特征属性描述向量的缺陷类型不为该已知缺陷类型，则修改该已知缺陷类型的特征属性梯度范围αij及与该特征属性梯度范围αij一一对应的梯度系数因子βij，重复步骤1至4，直至最大的卷积值对应的特征属性描述向量的缺陷类型为该已知缺陷类型，获得新的该已知缺陷类型的特征属性梯度范围及与该特征属性梯度范围一一对应的梯度系数因子。
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武汉精测电子集团股份有限公司，未经武汉精测电子集团股份有限公司许可，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/patent/201710343201.5/，转载请声明来源钻瓜专利网。
