基于改進Yolov5的LCD缺陷檢測

莫文星 劉華珠

(1. 東莞理工學院 計算機科學與技術學院,廣東東莞 523808;2. 東莞理工學院 國際微電子學院,廣東東莞 523808)

液晶顯示屏(Liquid Crystal Display,LCD)缺陷檢測的核心是在于光學成像系統的搭建和檢測算法的實現,由于工業生產線的實際需求,對光學成像系統穩定性要和缺陷檢測系統的檢測速度要求較高。傳統檢測方法是基于人工檢測,但是該方法卻存在著諸多弊端,比如強度大、生產效率低、主觀性、檢測成本高等。為提高工廠生產效率和降低勞動成本,全自動LCD缺陷檢測越來越受到企業重視。

LCD缺陷檢測方法主要分為兩類:一類是基于傳統機器視覺的方法,一類是基于深度學習的方法。在基于傳統機器視覺的方法中楊勍等[1]提出了一種利用局部凸包擬合算法,實現對小視野LCD圖像異物缺陷的自動分割,但是存在缺陷連通方法的魯棒性問題;王宏碩等[2]利用二維DFT從頻域消除周期性紋理成分的方法對LCD面板缺陷圖像進行處理, 解決了基于顯著圖模型的缺陷檢測方法對缺陷大小敏感的問題;張騰達等[3]提出了一種基于二維離散傅里葉變換的方法能檢測出包括纖維、污點和劃痕的LCD缺陷。在基于深度學習的方法中馬嶺等[4]使用了深度卷積生成對抗網絡和遷移學習用于LCD表面缺陷檢測,但是存在在線檢測實時性問題。何俊杰等[5]通過構建多層的區域提議網絡生成精確的候選區域,再根據區域特征和樣本分類實現對LCD缺陷的識別及定位。歐先鋒等[6]提出了基于全卷積神經網絡的端到端的LCD缺陷檢測算法對缺陷點與非缺陷點進行像素級分類,但是檢測率以及穩定性存在不足。……