本發(fā)明涉及工業(yè)智能制造,具體而言,涉及一種面板缺陷點聚集檢測方法、系統(tǒng)、設(shè)備及存儲介質(zhì)。
背景技術(shù):
1、面板缺陷點聚集是指在面板的生產(chǎn)加工過程中,面板表面出現(xiàn)一定數(shù)量且大小不均的不良缺陷點,并且不良缺陷點大多有一定的區(qū)域趨向性,表現(xiàn)為在某個區(qū)域發(fā)生聚集。針對發(fā)生不良缺陷點聚集的面板,如果無法精確地觀測出面板不良缺陷點的聚集情況,則非常容易造成漏檢,增大殘次品的量產(chǎn)風(fēng)險。因此,如何保證準(zhǔn)確檢測面板不良缺陷點聚集區(qū)域,減少殘次品的量產(chǎn)風(fēng)險,是本領(lǐng)域亟待解決的核心問題。
2、目前,面板缺陷點聚集性檢測的現(xiàn)有技術(shù),主要包括基于機器視覺方式以及傳統(tǒng)聚類方式。基于機器視覺方式,能夠從捕獲的圖像中識別出缺陷并進行初步的定位。傳統(tǒng)聚類方式,可以進一步識別出缺陷點的聚集。這些技術(shù)已經(jīng)達到了一定的檢測效果,能夠相對快速和有效地檢測出聚集性缺陷,但仍然存在一些問題。例如,圖像質(zhì)量受光照、反射和陰影等因素的影響,可能影響缺陷檢測的結(jié)果。聚類方式對面板表面復(fù)雜的缺陷點分布的場景還有一定困難,無法用于缺陷點聚集形狀檢測。
技術(shù)實現(xiàn)思路
1、本發(fā)明提供一種面板缺陷點聚集檢測方法、系統(tǒng)、設(shè)備及存儲介質(zhì),解決了現(xiàn)有面板缺陷點聚集性檢測技術(shù)無法用于缺陷點聚集形狀檢測的問題。
2、在第一方面,本發(fā)明實施例中提供一種面板缺陷點聚集檢測方法,所述方法包括以下流程:
3、對面板表征數(shù)據(jù)進行預(yù)處理,以得到面板缺陷數(shù)據(jù);
4、基于面板缺陷數(shù)據(jù)對面板中所有缺陷點進行初次聚集判定和二次聚集判定,以得到聚集面板;
5、采用幾何學(xué)算法對聚集面板進行圖形搜尋,以得到聚集面板中每個聚集簇對應(yīng)缺陷點的最小外接圓和凸包;
6、對聚集面板中每個聚集簇對應(yīng)缺陷點的最小外接圓和凸包進行面積比值計算,以得到每個聚集簇對應(yīng)缺陷點的形狀系數(shù);
7、基于每個聚集簇對應(yīng)缺陷點的形狀系數(shù)對每個聚集簇對應(yīng)缺陷點進行聚集形狀判定,以得到缺陷點的聚集形狀類別。
8、于上述實施例中,本發(fā)明引入了最小外接圓和凸包的數(shù)學(xué)概念來分析缺陷點的聚集形狀,用定量的方式區(qū)分不同類型的聚集形狀,具有較高的準(zhǔn)確性。
9、作為本技術(shù)一些可選實施方式,所述面板表征數(shù)據(jù)包括缺陷點的坐標(biāo)信息、缺陷點的切塊歸屬信息以及切塊尺寸信息。
10、于上述實施例中,本發(fā)明為了全面詳細描述面板,為后續(xù)步驟提供必要的信息,因此面板表征數(shù)據(jù)包括多方位的信息。
11、作為本技術(shù)一些可選實施方式,基于面板缺陷數(shù)據(jù)對面板中所有缺陷點進行初次聚集判定,以得到聚集面板的流程如下:
12、基于預(yù)設(shè)的鄰域半徑和最小鄰域點數(shù)對面板中所有缺陷點進行鄰域篩選,以得到若干核心對象;
13、基于密度可達和密度相連的原則,采用遞歸的方式對核心對象相應(yīng)鄰域半徑內(nèi)的所有缺陷點進行聚集劃分,以得到若干聚集簇;
14、獲取每個聚集簇的缺陷點數(shù)量,并且基于每個聚集簇的缺陷點數(shù)量進行閾值判定,以得到聚集面板。
15、于上述實施例中,本發(fā)明采用密度聚類算法將缺陷點聚集為若干聚類區(qū)域,便于后期的缺陷點聚集檢測,并且通過缺陷點數(shù)據(jù)進行閾值判定,能夠快速檢測出一部分聚集面板。
16、作為本技術(shù)一些可選實施方式,基于面板缺陷數(shù)據(jù)對面板的缺陷點進行二次聚集判定,以得到聚集面板的流程如下:
17、獲取每個聚集簇的缺陷點數(shù)量以及每個聚集簇對應(yīng)缺陷點所占切塊數(shù)量,并且將每個聚集簇的缺陷點數(shù)量與每個聚集簇對應(yīng)缺陷點所占切塊數(shù)量的比值作為聚集簇數(shù)量密度;
18、獲取面板中所有缺陷點的數(shù)量以及面板中所有缺陷點所占切塊的數(shù)量,并且將面板中所有缺陷點的數(shù)量以及面板中所有缺陷點所占切塊的數(shù)量的比值作為面板缺陷點數(shù)量密度;
19、將聚集簇數(shù)量密度與面板缺陷點數(shù)量密度的比值作為聚集相對數(shù)量密度,并且基于聚集相對數(shù)量密度進行閾值判定,以得到聚集面板。
20、于上述實施例中,本發(fā)明基于缺陷點的數(shù)量密度進行閾值判定,能夠進一步檢測出一部分聚集面板。
21、作為本技術(shù)一些可選實施方式,所述聚集面板中每個聚集簇對應(yīng)缺陷點的凸包是指聚集簇中所有缺陷點組成的凸多邊形。
22、作為本技術(shù)一些可選實施方式,對聚集面板中每個聚集簇對應(yīng)缺陷點的最小外接圓和凸包進行面積比值計算,以得到每個聚集簇對應(yīng)缺陷點的形狀系數(shù)的流程如下:
23、對每個聚集簇對應(yīng)缺陷點的最小外接圓和凸包進行面積計算,以獲取最小外接圓面積以及凸包面積;
24、將最小外接圓面積以及凸包面積的比值作為聚集簇對應(yīng)缺陷點的形狀系數(shù)。
25、于上述實施例中,本發(fā)明通過缺陷點的聚集形狀判定結(jié)果可以直接指導(dǎo)工業(yè)生產(chǎn)中的質(zhì)量控制流程,相較于人工判定,能夠降低人工成本,加快產(chǎn)品研發(fā)效率,幫助制造商采取針對性的措施,提高產(chǎn)品質(zhì)量,對于理解缺陷形成機理和制定修復(fù)策略具有重要意義。
26、作為本技術(shù)一些可選實施方式,基于每個聚集簇對應(yīng)缺陷點的形狀系數(shù)對每個聚集簇對應(yīng)缺陷點進行聚集形狀判定,以得到缺陷點的聚集形狀類別的流程如下:
27、對每個聚集簇對應(yīng)缺陷點的形狀系數(shù)進行閾值判定,以得到缺陷點的聚集形狀類別,其中,所述缺陷點的聚集形狀類別包括線性聚集和團性聚集;
28、基于聚集形狀判定結(jié)果將對應(yīng)缺陷點進行可視化展示,并且標(biāo)記對應(yīng)的聚集形狀類別。
29、于上述實施例中,本發(fā)明通過對聚集形狀判定結(jié)果進行可視化展示,能夠直觀上展現(xiàn)聚集形狀的判定結(jié)果,結(jié)果清晰明了、簡單可行,能夠輔助提高工業(yè)生產(chǎn)效率。
30、在第二方面,本發(fā)明提供一種面板缺陷點聚集檢測系統(tǒng),所述系統(tǒng)包括:
31、缺陷數(shù)據(jù)獲取單元,所述缺陷數(shù)據(jù)獲取單元用于對面板表征數(shù)據(jù)進行預(yù)處理,以得到面板缺陷數(shù)據(jù);
32、缺陷聚集判定單元,所述缺陷聚集判定單元基于面板缺陷數(shù)據(jù)對面板中所有缺陷點進行初次聚集判定和二次聚集判定,以得到聚集面板;
33、幾何圖形搜索單元,所述幾何圖形搜索單元采用幾何學(xué)算法對聚集面板進行圖形搜尋,以得到聚集面板中每個聚集簇對應(yīng)缺陷點的最小外接圓和凸包;
34、形狀系數(shù)計算單元,所述形狀系數(shù)計算單元用于對聚集面板中每個聚集簇對應(yīng)缺陷點的最小外接圓和凸包進行面積比值計算,以得到每個聚集簇對應(yīng)缺陷點的形狀系數(shù);
35、聚集形狀判定單元,所述聚集形狀判定單元基于每個聚集簇對應(yīng)缺陷點的形狀系數(shù)對每個聚集簇對應(yīng)缺陷點進行聚集形狀判定,以得到缺陷點的聚集形狀類別。
36、在第三方面,本發(fā)明提供一種計算機設(shè)備,包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序,所述處理器執(zhí)行計算機程序時實現(xiàn)所述一種面板缺陷點聚集檢測方法。
37、在第四方面,本發(fā)明提供一種計算機可讀存儲介質(zhì),所述計算機可讀存儲介質(zhì)上存儲有計算機程序,所述計算機程序被處理器執(zhí)行時實現(xiàn)所述一種面板缺陷點聚集檢測方法。
38、本發(fā)明的有益效果如下:
39、1.本發(fā)明通過引入最小外接圓和凸包的數(shù)學(xué)概念來分析缺陷的聚集形狀,定義了形狀系數(shù)的概念,用定量的方式來區(qū)分不同類型的聚集形狀,具有較高的準(zhǔn)確性。
40、2.本發(fā)明通過缺陷點的聚集形狀判定結(jié)果可以直接指導(dǎo)工業(yè)生產(chǎn)中的質(zhì)量控制流程,相較于人工判定,能夠降低人工成本,加快產(chǎn)品研發(fā)效率,幫助制造商采取針對性的措施,提高產(chǎn)品質(zhì)量,對于理解缺陷形成機理和制定修復(fù)策略具有重要意義。
41、3.本發(fā)明能夠根據(jù)不同業(yè)務(wù)場景和需求,可自主調(diào)控參數(shù)和閾值,可操作性強,能夠降低計算資源的成本,具備一定指導(dǎo)作用。
42、4.本發(fā)明通過對聚集形狀判定結(jié)果進行可視化展示,能夠直觀上展現(xiàn)聚集形狀的判定結(jié)果,結(jié)果清晰明了、簡單可行,能夠輔助提高工業(yè)生產(chǎn)效率。