[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN118314102A - 基于机器视觉的oled显示屏表面缺陷自动检测系统及方法 - Google Patents

基于机器视觉的oled显示屏表面缺陷自动检测系统及方法 Download PDF

Info

Publication number
CN118314102A
CN118314102A CN202410463432.XA CN202410463432A CN118314102A CN 118314102 A CN118314102 A CN 118314102A CN 202410463432 A CN202410463432 A CN 202410463432A CN 118314102 A CN118314102 A CN 118314102A
Authority
CN
China
Prior art keywords
display screen
oled display
partition
image data
defect
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202410463432.XA
Other languages
English (en)
Inventor
李德安
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Heyi Guangxian Technology Co ltd
Original Assignee
Jiangsu Heyi Guangxian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Heyi Guangxian Technology Co ltd filed Critical Jiangsu Heyi Guangxian Technology Co ltd
Priority to CN202410463432.XA priority Critical patent/CN118314102A/zh
Publication of CN118314102A publication Critical patent/CN118314102A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G01M11/02—Testing optical properties
    • G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
    • G01M11/0278—Detecting defects of the object to be tested, e.g. scratches or dust
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
    • G01M11/02—Testing optical properties
    • G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
    • G01M11/0257—Testing optical properties by measuring geometrical properties or aberrations by analyzing the image formed by the object to be tested
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Quality & Reliability (AREA)
  • Electroluminescent Light Sources (AREA)

Abstract

本发明涉及图像分析的技术领域，且公开了基于机器视觉的OLED显示屏表面缺陷自动检测系统及方法，所述系统包括显示屏表面图像数据处理模块、显示屏表面缺陷检测模块、显示屏表面缺陷信息反馈模块；通过智能搜索算法依据OLED显示屏表面分区缺陷类型参数与标准OLED显示屏表面特征分区图像坐标参数进行图像编号数值比对，精确搜索出OLED显示屏表面分区缺陷坐标参数，实现OLED显示屏表面缺陷位置的精确定位；将OLED显示屏表面分区缺陷类型参数和OLED显示屏表面分区缺陷坐标参数按照图像编号和坐标数值匹配，精确映射到标准OLED显示屏表面特征图像坐标组合参数并通过显示设备反馈展示，实现OLED显示屏表面缺陷类型和缺陷位置可视化直观反馈。

Description

基于机器视觉的OLED显示屏表面缺陷自动检测系统及方法
技术领域
本发明涉及图像分析的技术领域，具体为基于机器视觉的OLED显示屏表面缺陷自动检测系统及方法。
背景技术
OLED即有机发光二极管，在手机OLED上属于新型产品，被称誉为“梦幻显示器”。OLED显示技术与传统的LCD显示方式不同，无需背光灯，采用非常薄的有机材料涂层和玻璃基板或柔性有机基板，当有电流通过时，这些有机材料就会发光。而且OLED显示屏幕可以做得更轻更薄，可视角度更大，并且能够显著的节省耗电量。OLED也被称之为第三代显示技术。OLED不仅更轻薄、能耗低、亮度高、发光率好、可以显示纯黑色，并且还可以做到弯曲，如当今的曲屏电视和手机等。OLED显示原理与LCD有着本质上的区别，主要是通过电场驱动，有机半导体材料和发光材料通过过载流子注入和复合后实现发光。从本质上来说，就是通过ITO玻璃透明电极作为器件阳极，金属电极作为阴极，通过电源驱动，将电子从阴极传输到电子传输层，空穴从阳极注入空穴传输层，之后分迁移到发光层，二者相遇后产生激子，让发光分子激发，经过辐射后产生光源。简单来说，一块OLED屏幕，就是由百千万个“小灯泡”组成。OLED显示技术制备工艺对技术水平要求非常高，整体上分为前工艺和后工艺，其中，前工艺主要是以光刻和蒸镀技术为主；后工艺主要以封装、切割技术为主。虽然先进的OLED技术都掌握在三星、LG厂商中，但是我国很多厂商也在不断加强对OLED屏幕的研究，包括华星光电、京东方、天马科技等，都在OLED上不断加大投入，并且OLED产品也应用到了产品中，虽然相比国际巨头存在很大差距，但也到了可用级别。相比传统的LCD技术，OLED显示技术具有明显的优势，OLED屏幕厚度可以控制在1mm以内，而LCD屏幕厚度通常在3mm左右，并且重量更加轻盈。OLED屏幕的液态结构可以保证屏幕的抗衰性能，并且具有LCD不具备的广视角，可以实现超大范围内观看同一块屏幕，画面不会失真。响应时间是LCD屏幕的千分之一。并且OLED屏幕耐低温，可以在-40℃环境下正常显示内容，发光效率更高、能耗低、生态环保，可以制作成曲面屏，OLED显示屏在生产制造阶段由于原材料、加工工序、加工车间环境、加工人员操作都会造成显示屏表面缺陷问题，现有的OLED显示屏表面缺陷检测通常对整个OLED屏幕进行缺陷检测，检测误差较大，不能对OLED显示屏表面进行缺陷分区定位检测，也不能对OLED显示屏表面缺陷类型识别反馈，降低了OLED显示屏表面缺陷检测精度。
公开号为CN116503382A的中国发明专利申请公开了一种显示屏划痕缺陷检测的方法和系统，通过获取缺陷图像的分割阈值；对所述缺陷图像进行分割及预处理；获取缺陷特征参数；根据缺陷特征参数检测出划痕缺陷。所述获取缺陷图像的分割阈值过程如下：A)计算缺陷图像的梯度：采用四邻域的方法，以当前像素点为中心，计算上下左右四点与当前像素点灰阶差，以灰阶差最大者为当前像素点的梯度，如果所述灰阶差最大者的差值小于0，则该像素点梯度为0；B)计算图像分割阈值：根据所述缺陷图像的梯度，查找梯度最大值时像素点的位置坐标，如果梯度最大值超过设定的分割阈值，则以最大梯度值的0.8倍作为图像分割阈值。以上技术方案不能对显示屏表面进行缺陷分区定位检测，也不能对显示屏表面缺陷类型识别反馈，不能实现显示屏表面精准、高效的缺陷检测。
发明内容
(一)解决的技术问题
为解决上述现有的OLED显示屏表面缺陷检测通常对整个OLED屏幕进行缺陷检测，检测误差较大，不能对OLED显示屏表面进行缺陷分区定位检测，也不能对OLED显示屏表面缺陷类型识别反馈，降低了OLED显示屏表面缺陷检测精度的问题，实现以上精确在线采集OLED显示屏表面图像参数、对OLED显示屏表面图像精确分区定位处理、OLED显示屏表面缺陷类型和位置精准识别反馈的目的。
(二)技术方案
本发明通过以下技术方案予以实现：OLED显示屏表面缺陷自动检测方法，所述方法包括如下步骤：
S1、采集OLED显示屏表面特征图像数据；
S2、对所述OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据；
S3、对所述标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据；
S4、依据所述标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出所述标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据；
S5、当所述标准OLED显示屏表面特征分区图像坐标数据构建完成时，采用数据识别算法将所述标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据并输出；
S6、依据所述OLED显示屏表面分区缺陷类型数据与所述标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出所述OLED显示屏表面分区缺陷类型数据对应的所述标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据；
S7、将所述标准OLED显示屏表面特征分区图像坐标数据与所述标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；获取所述OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到所述标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示。
优选的，所述采集OLED显示屏表面特征图像数据的操作步骤如下：
S11、通过拍摄镜头在线采集OLED显示屏表面的特征图像并生成OLED显示屏表面特征图像数据A，所述OLED显示屏表面特征图像数据表示完整的OLED显示屏表面的特征图像数据。
本发明通过拍摄镜头在线精确采集OLED显示屏表面特征图像参数，达到为OLED显示屏表面缺陷精确检测提供可靠数据支撑的效果。
优选的，对所述OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据的操作步骤如下：
S21、采用自适应滤波法对所述OLED显示屏表面特征图像数据A进行图像数据降噪预处理，并生成标准OLED显示屏表面特征图像数据A′。
本发明采用自适应滤波法对采集的OLED显示屏表面特征图像参数进行图像数据降噪预处理，达到提高采集的OLED显示屏表面特征图像数据质量的效果。
优选的，对所述标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据的操作步骤如下：
S31、对所述标准OLED显示屏表面特征图像数据A′采用边长a正方形进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据集合B＝(b1,,bm,,bμ)，m＝1,2,3,,μ；其中bm表示对所述标准OLED显示屏表面特征图像数据A′进行图像平面网格划分处理生成的第m个标准OLED显示屏表面特征分区图像数据，μ表示标准OLED显示屏表面特征分区图像编号数量的最大值。
本发明对OLED显示屏表面特征图像参数进行图像平面网格划分处理，达到实现OLED显示屏表面特征图像科学分区处理的效果。
优选的，依据所述标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出所述标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据的操作步骤如下：
S41、依据所述标准OLED显示屏表面特征图像数据A′对应图像的直角边的横边为横向坐标轴，纵边为纵向坐标轴建立平面直角坐标系；
S42、计量出所述标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据b1至bμ对应的分区图像中心点在平面直角坐标系中的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据集合C＝(c1,,cm,,cμ)，其中cm表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系对应的标准OLED显示屏表面特征分区图像坐标数据，cm＝(xm,ym)，其中xm表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系中的横坐标，ym表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系中的纵坐标。
本发明通过建立平面直角坐标系精确计量出OLED显示屏表面特征分区图像的坐标数据，达到为后续OLED显示屏表面缺陷类型识别和缺陷位置定位提供数据支撑的效果。
优选的，当所述标准OLED显示屏表面特征分区图像坐标数据构建完成时，采用数据识别算法将所述标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据并输出的操作步骤如下：
S51、建立OLED显示屏表面缺陷特征图像数据集合D＝(d1,,dn,,dν)，n＝1,2,3,,ν；其中dn表示第n种OLED显示屏表面缺陷类型对应的OLED显示屏表面缺陷特征图像数据，ν表示OLED显示屏表面缺陷类型数量的最大值；所述OLED显示屏表面缺陷类型包括划痕缺陷、像素缺陷、亮点缺陷、暗点缺陷、彩色偏差缺陷中任意一种或多种；
S52、当所述标准OLED显示屏表面特征分区图像坐标数据集合C构建完成时，采用数据识别算法将所述标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与所述OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据，数据识别算法分析构建出OLED显示屏表面分区缺陷类型数据的具体操作步骤如下：
S521、初始化参数，更新缺陷类型识别乌鸦种群的数量，最大迭代次数,飞行距离Π；
S522、初始化缺陷类型识别乌鸦个体在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的初始位置和记忆，N只缺陷类型识别乌鸦个体随机分布在一个多维搜索空间，即N只缺陷类型识别乌鸦个体随机分布空间维度为ν的OLED显示屏表面缺陷特征图像数据集合D搜索空间中；在首次迭代中，假设缺陷类型识别乌鸦个体把食物隐藏在初始位置；即首次迭代中，假设缺陷类型识别乌鸦个体把食物隐藏在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的初始位置；
S523、计算每只缺陷类型识别乌鸦个体适应度值，即计算标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn匹配后在初始位置的适应度值；
S524、更新缺陷类型识别乌鸦个体在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的位置，缺陷类型识别乌鸦个体位置更新公式如下：其中表示第t+1次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的新位置，表示第t次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的位置，Θ表示[01]之间均匀分布的随机数，表示第t次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的飞行距离，表示第t次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的食物隐藏位置；
S525、判断新位置的可行性，判断每只缺陷类型识别乌鸦个体的新位置的可行性；若缺陷类型识别乌鸦个体的新位置是可行的，缺陷类型识别乌鸦个体则会更新它的位置，即在OLED显示屏表面缺陷特征图像数据集合D中搜索出与标准OLED显示屏表面特征分区图像数据bm相匹配的OLED显示屏表面缺陷特征图像数据dn，缺陷类型识别乌鸦个体则更新到匹配成功的OLED显示屏表面缺陷特征图像数据dn的位置；否则，缺陷类型识别乌鸦个体停留在当前位置，不会移动到新的位置；
S526、评估新位置的适应度值，计算每只缺陷类型识别乌鸦个体新位置的适应度值，即计算标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn匹配后在新位置的适应度值；
S527、更新记忆，如果缺陷类型识别乌鸦的新位置的适应度值大于记忆中初始位置的适应度值，缺陷类型识别乌鸦就通过新的位置更新它的记忆，即在标准OLED显示屏表面特征分区图像数据集合B中搜索出与标准OLED显示屏表面特征分区图像数据bm适应度值最大的OLED显示屏表面缺陷特征图像数据dn；
S528、当满足最大迭代次数时，输出标准OLED显示屏表面特征分区图像数据bm与OLED显示屏表面缺陷特征图像数据dn匹配后对应的OLED显示屏表面分区缺陷类型数据，建立OLED显示屏表面分区缺陷类型数据集合B'＝(b'm1,,b'm2)，1≤m1≤m≤m2≤μ，其中b'm1表示标准OLED显示屏表面特征分区图像数据bm1对应的OLED显示屏表面分区缺陷类型数据；b'm2表示标准OLED显示屏表面特征分区图像数据bm2对应的OLED显示屏表面分区缺陷类型数据；
S53、将所述OLED显示屏表面分区缺陷类型数据集合B'进行输出。
本发明通过采用机器视觉的乌鸦优化算法将标准OLED显示屏表面特征分区图像参数与OLED显示屏表面缺陷特征图像参数进行图像特征匹配，精确分析输出OLED显示屏表面分区缺陷类型，达到OLED显示屏表面缺陷类型精准检测和检测结果自主输出的效果。
优选的，依据所述OLED显示屏表面分区缺陷类型数据与所述标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出所述OLED显示屏表面分区缺陷类型数据对应的所述标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据的操作步骤如下：
S61、采用K-D树最邻近搜索算法将所述OLED显示屏表面分区缺陷类型数据集合B'中OLED显示屏表面分区缺陷类型数据b'm1至b'm2与所述标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm进行OLED显示屏表面特征分区图像编号m数值比对，搜索出OLED显示屏表面分区缺陷类型数据b'm1至b'm2对应的标准OLED显示屏表面特征分区图像数据，并标识生成缺陷OLED显示屏表面特征分区图像数据集合E＝(em1,,em2)，其中em1表示OLED显示屏表面分区缺陷类型数据b'm1对应的缺陷OLED显示屏表面特征分区图像数据，em2表示OLED显示屏表面分区缺陷类型数据b'm2对应的缺陷OLED显示屏表面特征分区图像数据；
S62、采用K-D树最邻近搜索算法将所述缺陷OLED显示屏表面特征分区图像数据集合E中缺陷OLED显示屏表面特征分区图像数据em1至em2与标准OLED显示屏表面特征分区图像坐标数据集合C中标准OLED显示屏表面特征分区图像坐标数据cm按照OLED显示屏表面特征分区图像编号m比对，搜索出缺陷OLED显示屏表面特征分区图像数据em1至em2对应的标准OLED显示屏表面特征分区图像坐标数据，并标识生成OLED显示屏表面分区缺陷坐标数据集合F＝(fm1,,fm2)，其中fm1表示缺陷OLED显示屏表面特征分区图像数据em1对应的OLED显示屏表面分区缺陷坐标数据，fm2表示缺陷OLED显示屏表面特征分区图像数据em2对应的OLED显示屏表面分区缺陷坐标数据。
本发明通过K-D树最邻近搜索算法依据OLED显示屏表面分区缺陷类型参数与标准OLED显示屏表面特征分区图像坐标参数进行图像编号数值比对，精确搜索出OLED显示屏表面分区缺陷坐标参数，达到OLED显示屏表面缺陷位置精确定位的效果。
优选的，将所述标准OLED显示屏表面特征分区图像坐标数据与所述标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；获取所述OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到所述标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示的操作步骤如下：
S71、将所述标准OLED显示屏表面特征分区图像坐标数据集合C与所述标准OLED显示屏表面特征图像数据A′依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据G；
S72、获取所述OLED显示屏表面分区缺陷类型数据集合B'和所述OLED显示屏表面分区缺陷坐标数据集合F；
S73、将所述OLED显示屏表面分区缺陷类型数据集合B'中OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据集合F中OLED显示屏表面分区缺陷坐标数据分别按照OLED显示屏表面特征分区图像编号m和坐标数值匹配映射到所述标准OLED显示屏表面特征图像坐标组合数据G，将映射后所述标准OLED显示屏表面特征图像坐标组合数据G通过显示设备反馈展示，所述显示设备包括显示屏、荧幕、移动端中任意一种。
本发明通过构建标准OLED显示屏表面特征图像坐标组合参数和将OLED显示屏表面分区缺陷类型参数和OLED显示屏表面分区缺陷坐标参数按照图像编号和坐标数值匹配，精确映射到标准OLED显示屏表面特征图像坐标组合参数并通过显示设备反馈展示，达到OLED显示屏表面缺陷类型和缺陷位置可视化直观反馈，提高了OLED显示屏表面缺陷检测结果的直观性和适用性的效果。
实现所述OLED显示屏表面缺陷自动检测方法的基于机器视觉的OLED显示屏表面缺陷自动检测系统，所述系统包括显示屏表面图像数据处理模块、显示屏表面缺陷检测模块、显示屏表面缺陷信息反馈模块；
所述显示屏表面图像数据处理模块包括显示屏表面特征图像采集单元、显示屏表面特征图像预处理单元、显示屏表面特征图像分区处理单元、显示屏表面特征图像分区定位单元；
所述显示屏表面特征图像采集单元，通过拍摄镜头采集OLED显示屏表面特征图像数据；所述显示屏表面特征图像预处理单元，对所述OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据；所述显示屏表面特征图像分区处理单元，对所述标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据；所述显示屏表面特征图像分区定位单元，依据所述标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出所述标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据；
所述显示屏表面缺陷检测模块包括显示屏表面缺陷特征图像存储单元、显示屏表面缺陷类型识别单元、显示屏表面缺陷类型识别结果输出单元；
所述显示屏表面缺陷特征图像存储单元，用于存储OLED显示屏表面缺陷特征图像数据；所述显示屏表面缺陷类型识别单元，利用机器视觉的数据识别算法将所述标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据；所述显示屏表面缺陷类型识别结果输出单元，用于输出OLED显示屏表面分区缺陷类型数据；
所述显示屏表面缺陷信息反馈模块包括显示屏表面缺陷类型位置搜索单元、显示屏表面特征图像信息与分区图像坐标处理单元、显示屏表面缺陷信息获取单元、显示屏表面缺陷信息反馈展示单元；
所述显示屏表面缺陷类型位置搜索单元，依据所述OLED显示屏表面分区缺陷类型数据与所述标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出所述OLED显示屏表面分区缺陷类型数据对应的所述标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据；所述显示屏表面特征图像信息与分区图像坐标处理单元，将所述标准OLED显示屏表面特征分区图像坐标数据与所述标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；所述显示屏表面缺陷信息获取单元，用于获取所述OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据；所述显示屏表面缺陷信息反馈展示单元，将所述OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到所述标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示。
(三)有益效果
本发明提供了基于机器视觉的OLED显示屏表面缺陷自动检测系统及方法。具备以下有益效果：
一、通过显示屏表面特征图像采集单元和显示屏表面特征图像预处理单元相互配合，通过拍摄镜头在线精确采集OLED显示屏表面特征图像参数，为OLED显示屏表面缺陷精确检测提供数据支撑，对采集的OLED显示屏表面特征图像参数进行图像数据降噪预处理，提高了采集的OLED显示屏表面特征图像数据的质量；显示屏表面特征图像分区处理单元，对OLED显示屏表面特征图像参数进行图像平面网格划分处理，实现OLED显示屏表面特征图像科学分区处理，提高了OLED显示屏表面缺陷检测精度；显示屏表面特征图像分区定位单元，建立平面直角坐标系精确计量出OLED显示屏表面特征分区图像的坐标数据，实现OLED显示屏表面分区图像的精确定位，为后续OLED显示屏表面缺陷类型识别和缺陷位置定位提供数据支撑，提高了OLED显示屏表面缺陷识别结果的效率和准确性。
二、通过显示屏表面缺陷特征图像存储单元，科学预设存储OLED显示屏表面缺陷特征图像参数，实现OLED显示屏表面缺陷检测的科学化、标准化作业；显示屏表面缺陷类型识别单元和显示屏表面缺陷类型识别结果输出单元相互配合，采用机器视觉的智能识别算法将标准OLED显示屏表面特征分区图像参数与OLED显示屏表面缺陷特征图像参数进行图像特征匹配，精确分析输出OLED显示屏表面分区缺陷类型，实现OLED显示屏表面缺陷类型精准检测和检测结果自主输出。
三、通过显示屏表面缺陷类型位置搜索单元，采用智能搜索算法依据OLED显示屏表面分区缺陷类型参数与标准OLED显示屏表面特征分区图像坐标参数进行图像编号数值比对，精确搜索出OLED显示屏表面分区缺陷坐标参数，实现OLED显示屏表面缺陷位置的精确定位；显示屏表面特征图像信息与分区图像坐标处理单元和显示屏表面缺陷信息反馈展示单元相互配合，将标准OLED显示屏表面特征分区图像坐标参数与标准OLED显示屏表面特征图像参数参考平面直角坐标系匹配，构建出标准OLED显示屏表面特征图像坐标组合参数，为OLED显示屏表面缺陷类型识别结果和缺陷位置可视化展示提供数据支撑；所述显示屏表面缺陷信息反馈展示单元，将OLED显示屏表面分区缺陷类型参数和OLED显示屏表面分区缺陷坐标参数按照图像编号和坐标数值匹配，精确映射到标准OLED显示屏表面特征图像坐标组合参数并通过显示设备反馈展示，实现OLED显示屏表面缺陷类型和缺陷位置可视化直观反馈，提高了OLED显示屏表面缺陷检测结果的直观性和适用性。
附图说明
图1为本发明提供的基于机器视觉的OLED显示屏表面缺陷自动检测系统的模块示意图；
图2为本发明提供的OLED显示屏表面缺陷自动检测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
该基于机器视觉的OLED显示屏表面缺陷自动检测系统及方法的实施例如下：
请参阅图1－图2，OLED显示屏表面缺陷自动检测方法，方法包括如下步骤：
S1、采集OLED显示屏表面特征图像数据；
S2、对OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据；
S3、对标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据；
S4、依据标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据；
S5、当标准OLED显示屏表面特征分区图像坐标数据构建完成时，采用数据识别算法将标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据并输出；
S6、依据OLED显示屏表面分区缺陷类型数据与标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出OLED显示屏表面分区缺陷类型数据对应的标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据；
S7、将标准OLED显示屏表面特征分区图像坐标数据与标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；获取OLED显示屏表面分区缺陷类型数据和OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示。
进一步的，请参阅图1－图2，采集OLED显示屏表面特征图像数据的操作步骤如下：
S11、通过拍摄镜头在线采集OLED显示屏表面的特征图像并生成OLED显示屏表面特征图像数据A，OLED显示屏表面特征图像数据表示完整的OLED显示屏表面的特征图像数据。
对OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据的操作步骤如下：
S21、采用自适应滤波法对OLED显示屏表面特征图像数据A进行图像数据降噪预处理，并生成标准OLED显示屏表面特征图像数据A′。
对标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据的操作步骤如下：
S31、对标准OLED显示屏表面特征图像数据A′采用边长a正方形进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据集合B＝(b1,,bm,,bμ)，m＝1,2,3,,μ；其中bm表示对标准OLED显示屏表面特征图像数据A′进行图像平面网格划分处理生成的第m个标准OLED显示屏表面特征分区图像数据，μ表示标准OLED显示屏表面特征分区图像编号数量的最大值。
依据标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据的操作步骤如下：
S41、依据标准OLED显示屏表面特征图像数据A′对应图像的直角边的横边为横向坐标轴，纵边为纵向坐标轴建立平面直角坐标系；
S42、计量出标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据b1至bμ对应的分区图像中心点在平面直角坐标系中的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据集合C＝(c1,,cm,,cμ)，其中cm表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系对应的标准OLED显示屏表面特征分区图像坐标数据，cm＝(xm,ym)，其中xm表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系中的横坐标，ym表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系中的纵坐标。
通过显示屏表面特征图像采集单元和显示屏表面特征图像预处理单元相互配合，通过拍摄镜头在线精确采集OLED显示屏表面特征图像参数，为OLED显示屏表面缺陷精确检测提供数据支撑，对采集的OLED显示屏表面特征图像参数进行图像数据降噪预处理，提高了采集的OLED显示屏表面特征图像数据的质量；显示屏表面特征图像分区处理单元，对OLED显示屏表面特征图像参数进行图像平面网格划分处理，实现OLED显示屏表面特征图像科学分区处理，提高了OLED显示屏表面缺陷检测精度；显示屏表面特征图像分区定位单元，建立平面直角坐标系精确计量出OLED显示屏表面特征分区图像的坐标数据，实现OLED显示屏表面分区图像的精确定位，为后续OLED显示屏表面缺陷类型识别和缺陷位置定位提供数据支撑，提高了OLED显示屏表面缺陷识别结果的效率和准确性。
进一步的，请参阅图1－图2，当标准OLED显示屏表面特征分区图像坐标数据构建完成时，采用数据识别算法将标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据并输出的操作步骤如下：
S51、建立OLED显示屏表面缺陷特征图像数据集合D＝(d1,,dn,,dν)，n＝1,2,3,,ν；其中dn表示第n种OLED显示屏表面缺陷类型对应的OLED显示屏表面缺陷特征图像数据，ν表示OLED显示屏表面缺陷类型数量的最大值；OLED显示屏表面缺陷类型包括划痕缺陷、像素缺陷、亮点缺陷、暗点缺陷、彩色偏差缺陷中任意一种或多种；
S52、当标准OLED显示屏表面特征分区图像坐标数据集合C构建完成时，采用数据识别算法将标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据，数据识别算法分析构建出OLED显示屏表面分区缺陷类型数据的具体操作步骤如下：
S521、初始化参数，更新缺陷类型识别乌鸦种群的数量，最大迭代次数，飞行距离Π；
S522、初始化缺陷类型识别乌鸦个体在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的初始位置和记忆，N只缺陷类型识别乌鸦个体随机分布在一个多维搜索空间，即N只缺陷类型识别乌鸦个体随机分布空间维度为ν的OLED显示屏表面缺陷特征图像数据集合D搜索空间中；在首次迭代中，假设缺陷类型识别乌鸦个体把食物隐藏在初始位置；即首次迭代中，假设缺陷类型识别乌鸦个体把食物隐藏在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的初始位置；
S523、计算每只缺陷类型识别乌鸦个体适应度值，即计算标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn匹配后在初始位置的适应度值；
S524、更新缺陷类型识别乌鸦个体在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的位置，缺陷类型识别乌鸦个体位置更新公式如下：其中表示第t+1次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的新位置，表示第t次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的位置，Θ表示[01]之间均匀分布的随机数，表示第t次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的飞行距离，表示第t次迭代缺陷类型识别乌鸦个体i在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的食物隐藏位置；
S525、判断新位置的可行性，判断每只缺陷类型识别乌鸦个体的新位置的可行性；若缺陷类型识别乌鸦个体的新位置是可行的，缺陷类型识别乌鸦个体则会更新它的位置，即在OLED显示屏表面缺陷特征图像数据集合D中搜索出与标准OLED显示屏表面特征分区图像数据bm相匹配的OLED显示屏表面缺陷特征图像数据dn，缺陷类型识别乌鸦个体则更新到匹配成功的OLED显示屏表面缺陷特征图像数据dn的位置；否则，缺陷类型识别乌鸦个体停留在当前位置，不会移动到新的位置；
S526、评估新位置的适应度值，计算每只缺陷类型识别乌鸦个体新位置的适应度值，即计算标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn匹配后在新位置的适应度值；
S527、更新记忆，如果缺陷类型识别乌鸦的新位置的适应度值大于记忆中初始位置的适应度值，缺陷类型识别乌鸦就通过新的位置更新它的记忆，即在标准OLED显示屏表面特征分区图像数据集合B中搜索出与标准OLED显示屏表面特征分区图像数据bm适应度值最大的OLED显示屏表面缺陷特征图像数据dn；
S528、当满足最大迭代次数时，输出标准OLED显示屏表面特征分区图像数据bm与OLED显示屏表面缺陷特征图像数据dn匹配后对应的OLED显示屏表面分区缺陷类型数据，建立OLED显示屏表面分区缺陷类型数据集合B'＝(b'm1,,b'm2)，1≤m1≤m≤m2≤μ，其中b'm1表示标准OLED显示屏表面特征分区图像数据bm1对应的OLED显示屏表面分区缺陷类型数据；b'm2表示标准OLED显示屏表面特征分区图像数据bm2对应的OLED显示屏表面分区缺陷类型数据；
S53、将OLED显示屏表面分区缺陷类型数据集合B'进行输出。
通过显示屏表面缺陷特征图像存储单元，科学预设存储OLED显示屏表面缺陷特征图像参数，实现OLED显示屏表面缺陷检测的科学化、标准化作业；显示屏表面缺陷类型识别单元和显示屏表面缺陷类型识别结果输出单元相互配合，采用机器视觉的智能识别算法将标准OLED显示屏表面特征分区图像参数与OLED显示屏表面缺陷特征图像参数进行图像特征匹配，精确分析输出OLED显示屏表面分区缺陷类型，实现OLED显示屏表面缺陷类型精准检测和检测结果自主输出。
进一步的，请参阅图1－图2，依据OLED显示屏表面分区缺陷类型数据与标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出OLED显示屏表面分区缺陷类型数据对应的标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据的操作步骤如下：
S61、采用K-D树最邻近搜索算法将OLED显示屏表面分区缺陷类型数据集合B'中OLED显示屏表面分区缺陷类型数据b'm1至b'm2与标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm进行OLED显示屏表面特征分区图像编号m数值比对，搜索出OLED显示屏表面分区缺陷类型数据b'm1至b'm2对应的标准OLED显示屏表面特征分区图像数据，并标识生成缺陷OLED显示屏表面特征分区图像数据集合E＝(em1,,em2)，其中em1表示OLED显示屏表面分区缺陷类型数据b'm1对应的缺陷OLED显示屏表面特征分区图像数据，em2表示OLED显示屏表面分区缺陷类型数据b'm2对应的缺陷OLED显示屏表面特征分区图像数据；
S62、采用K-D树最邻近搜索算法将缺陷OLED显示屏表面特征分区图像数据集合E中缺陷OLED显示屏表面特征分区图像数据em1至em2与标准OLED显示屏表面特征分区图像坐标数据集合C中标准OLED显示屏表面特征分区图像坐标数据cm按照OLED显示屏表面特征分区图像编号m比对，搜索出缺陷OLED显示屏表面特征分区图像数据em1至em2对应的标准OLED显示屏表面特征分区图像坐标数据，并标识生成OLED显示屏表面分区缺陷坐标数据集合F＝(fm1,,fm2)，其中fm1表示缺陷OLED显示屏表面特征分区图像数据em1对应的OLED显示屏表面分区缺陷坐标数据，fm2表示缺陷OLED显示屏表面特征分区图像数据em2对应的OLED显示屏表面分区缺陷坐标数据。
将标准OLED显示屏表面特征分区图像坐标数据与标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；获取OLED显示屏表面分区缺陷类型数据和OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示的操作步骤如下：
S71、将标准OLED显示屏表面特征分区图像坐标数据集合C与标准OLED显示屏表面特征图像数据A′依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据G；
S72、获取OLED显示屏表面分区缺陷类型数据集合B'和OLED显示屏表面分区缺陷坐标数据集合F；
S73、将OLED显示屏表面分区缺陷类型数据集合B'中OLED显示屏表面分区缺陷类型数据和OLED显示屏表面分区缺陷坐标数据集合F中OLED显示屏表面分区缺陷坐标数据分别按照OLED显示屏表面特征分区图像编号m和坐标数值匹配映射到标准OLED显示屏表面特征图像坐标组合数据G，将映射后标准OLED显示屏表面特征图像坐标组合数据G通过显示设备反馈展示，显示设备包括显示屏、荧幕、移动端中任意一种。
通过显示屏表面缺陷类型位置搜索单元，采用智能搜索算法依据OLED显示屏表面分区缺陷类型参数与标准OLED显示屏表面特征分区图像坐标参数进行图像编号数值比对，精确搜索出OLED显示屏表面分区缺陷坐标参数，实现OLED显示屏表面缺陷位置的精确定位；显示屏表面特征图像信息与分区图像坐标处理单元和显示屏表面缺陷信息反馈展示单元相互配合，将标准OLED显示屏表面特征分区图像坐标参数与标准OLED显示屏表面特征图像参数参考平面直角坐标系匹配，构建出标准OLED显示屏表面特征图像坐标组合参数，为OLED显示屏表面缺陷类型识别结果和缺陷位置可视化展示提供数据支撑；显示屏表面缺陷信息反馈展示单元，将OLED显示屏表面分区缺陷类型参数和OLED显示屏表面分区缺陷坐标参数按照图像编号和坐标数值匹配，精确映射到标准OLED显示屏表面特征图像坐标组合参数并通过显示设备反馈展示，实现OLED显示屏表面缺陷类型和缺陷位置可视化直观反馈，提高了OLED显示屏表面缺陷检测结果的直观性和适用性。
实现OLED显示屏表面缺陷自动检测方法的基于机器视觉的OLED显示屏表面缺陷自动检测系统，系统包括显示屏表面图像数据处理模块、显示屏表面缺陷检测模块、显示屏表面缺陷信息反馈模块；
显示屏表面图像数据处理模块包括显示屏表面特征图像采集单元、显示屏表面特征图像预处理单元、显示屏表面特征图像分区处理单元、显示屏表面特征图像分区定位单元；
显示屏表面特征图像采集单元，通过拍摄镜头采集OLED显示屏表面特征图像数据；显示屏表面特征图像预处理单元，对OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据；显示屏表面特征图像分区处理单元，对标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据；显示屏表面特征图像分区定位单元，依据标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据；
显示屏表面缺陷检测模块包括显示屏表面缺陷特征图像存储单元、显示屏表面缺陷类型识别单元、显示屏表面缺陷类型识别结果输出单元；
显示屏表面缺陷特征图像存储单元，用于存储OLED显示屏表面缺陷特征图像数据；显示屏表面缺陷类型识别单元，利用机器视觉的数据识别算法将标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据；显示屏表面缺陷类型识别结果输出单元，用于输出OLED显示屏表面分区缺陷类型数据；
显示屏表面缺陷信息反馈模块包括显示屏表面缺陷类型位置搜索单元、显示屏表面特征图像信息与分区图像坐标处理单元、显示屏表面缺陷信息获取单元、显示屏表面缺陷信息反馈展示单元；
显示屏表面缺陷类型位置搜索单元，依据OLED显示屏表面分区缺陷类型数据与标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出OLED显示屏表面分区缺陷类型数据对应的标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据；显示屏表面特征图像信息与分区图像坐标处理单元，将标准OLED显示屏表面特征分区图像坐标数据与标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；显示屏表面缺陷信息获取单元，用于获取OLED显示屏表面分区缺陷类型数据和OLED显示屏表面分区缺陷坐标数据；显示屏表面缺陷信息反馈展示单元，将OLED显示屏表面分区缺陷类型数据和OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (9)

1.OLED显示屏表面缺陷自动检测方法，其特征在于，所述方法包括如下步骤：
S1、采集OLED显示屏表面特征图像数据；
S2、对所述OLED显示屏表面特征图像数据进行图像数据预处理，并生成标准OLED显示屏表面特征图像数据；
S3、对所述标准OLED显示屏表面特征图像数据进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据；
S4、依据所述标准OLED显示屏表面特征图像数据建立平面直角坐标系，计量出所述标准OLED显示屏表面特征分区图像数据在平面直角坐标系的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据；
S5、当所述标准OLED显示屏表面特征分区图像坐标数据构建完成时，采用数据识别算法将所述标准OLED显示屏表面特征分区图像数据与OLED显示屏表面缺陷特征图像数据进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据并输出；
S6、依据所述OLED显示屏表面分区缺陷类型数据与所述标准OLED显示屏表面特征分区图像坐标数据进行OLED显示屏表面特征分区图像编号数值比对，搜索出所述OLED显示屏表面分区缺陷类型数据对应的所述标准OLED显示屏表面特征分区图像坐标数据并标识生成OLED显示屏表面分区缺陷坐标数据；
S7、将所述标准OLED显示屏表面特征分区图像坐标数据与所述标准OLED显示屏表面特征图像数据依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据；获取所述OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据按照OLED显示屏表面特征分区图像编号和坐标数值匹配映射到所述标准OLED显示屏表面特征图像坐标组合数据并通过显示设备反馈展示。
2.根据权利要求1所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S1包括以下步骤：
S11、通过拍摄镜头在线采集OLED显示屏表面的特征图像并生成OLED显示屏表面特征图像数据A，所述OLED显示屏表面特征图像数据表示完整的OLED显示屏表面的特征图像数据。
3.根据权利要求2所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S2包括以下步骤：
S21、采用自适应滤波法对所述OLED显示屏表面特征图像数据A进行图'像数据降噪预处理，并生成标准OLED显示屏表面特征图像数据A。
4.根据权利要求3所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S3包括以下步骤：
S31、对所述标准OLED显示屏表面特征图像数据A采用边长a正方形进行图像平面网格划分处理，构建出标准OLED显示屏表面特征分区图像数据集合B＝(b1,,bm,,bμ)，m＝1,2,3,,μ；其中bm表示对所述标准OLED显示屏表面特征图像数据A进行图像平面网格划分处理生成的第m个标准OLED显示屏表面特征分区图像数据，μ表示标准OLED显示屏表面特征分区图像编号数量的最大值。
5.根据权利要求4所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S4包括以下步骤：
S41、依据所述标准OLED显示屏表面特征图像数据A对应图像的直角边的横边为横向坐标轴，纵边为纵向坐标轴建立平面直角坐标系；
S42、计量出所述标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据b1至bμ对应的分区图像中心点在平面直角坐标系中的平面坐标，构建出标准OLED显示屏表面特征分区图像坐标数据集合C＝(c1,,cm,,cμ)，其中cm表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系对应的标准OLED显示屏表面特征分区图像坐标数据，cm＝(xm,ym)，其中xm表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系中的横坐标，ym表示标准OLED显示屏表面特征分区图像数据bm在平面直角坐标系中的纵坐标。
6.根据权利要求5所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S5包括以下步骤：
S51、建立OLED显示屏表面缺陷特征图像数据集合D＝(d1,,dn,,dν)，n＝1,2,3,,ν；其中dn表示第n种OLED显示屏表面缺陷类型对应的OLED显示屏表面缺陷特征图像数据，ν表示OLED显示屏表面缺陷类型数量的最大值；所述OLED显示屏表面缺陷类型包括划痕缺陷、像素缺陷、亮点缺陷、暗点缺陷、彩色偏差缺陷中任意一种或多种；
S52、当所述标准OLED显示屏表面特征分区图像坐标数据集合C构建完成时，采用数据识别算法将所述标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与所述OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn进行图像特征匹配，分析构建出OLED显示屏表面分区缺陷类型数据，数据识别算法分析构建出OLED显示屏表面分区缺陷类型数据的具体操作步骤如下：
S521、初始化参数，更新缺陷类型识别乌鸦种群的数量，最大迭代次数，飞行距离Π；
S522、初始化缺陷类型识别乌鸦个体在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的初始位置和记忆，N只缺陷类型识别乌鸦个体随机分布在一个多维搜索空间，即N只缺陷类型识别乌鸦个体随机分布空间维度为ν的OLED显示屏表面缺陷特征图像数据集合D搜索空间中；在首次迭代中，假设缺陷类型识别乌鸦个体把食物隐藏在初始位置；即首次迭代中，假设缺陷类型识别乌鸦个体把食物隐藏在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的初始位置；
S523、计算每只缺陷类型识别乌鸦个体适应度值，即计算标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn匹配后在初始位置的适应度值；
S524、更新缺陷类型识别乌鸦个体在OLED显示屏表面缺陷特征图像数据集合D搜索空间中的位置；
S525、判断新位置的可行性，判断每只缺陷类型识别乌鸦个体的新位置的可行性；若缺陷类型识别乌鸦个体的新位置是可行的，缺陷类型识别乌鸦个体则会更新它的位置，即在OLED显示屏表面缺陷特征图像数据集合D中搜索出与标准OLED显示屏表面特征分区图像数据bm相匹配的OLED显示屏表面缺陷特征图像数据dn，缺陷类型识别乌鸦个体则更新到匹配成功的OLED显示屏表面缺陷特征图像数据dn的位置；否则，缺陷类型识别乌鸦个体停留在当前位置，不会移动到新的位置；
S526、评估新位置的适应度值，计算每只缺陷类型识别乌鸦个体新位置的适应度值，即计算标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm按照标准OLED显示屏表面特征分区图像编号m有序与OLED显示屏表面缺陷特征图像数据集合D中OLED显示屏表面缺陷特征图像数据dn匹配后在新位置的适应度值；
S527、更新记忆，如果缺陷类型识别乌鸦的新位置的适应度值大于记忆中初始位置的适应度值，缺陷类型识别乌鸦就通过新的位置更新它的记忆，即在标准OLED显示屏表面特征分区图像数据集合B中搜索出与标准OLED显示屏表面特征分区图像数据bm适应度值最大的OLED显示屏表面缺陷特征图像数据dn；
S528、当满足最大迭代次数时，输出标准OLED显示屏表面特征分区图像数据bm与OLED显示屏表面缺陷特征图像数据dn匹配后对应的OLED显示屏表面分区缺陷类型数据，建立OLED显示屏表面分区缺陷类型数据集合B'＝(b'm1,,b'm2)，1≤m1≤m≤m2≤μ，其中b'm1表示标准OLED显示屏表面特征分区图像数据bm1对应的OLED显示屏表面分区缺陷类型数据；b'm2表示标准OLED显示屏表面特征分区图像数据bm2对应的OLED显示屏表面分区缺陷类型数据；
S53、将所述OLED显示屏表面分区缺陷类型数据集合B'进行输出。
7.根据权利要求6所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S6包括以下步骤：
S61、采用K-D树最邻近搜索算法将所述OLED显示屏表面分区缺陷类型数据集合B'中OLED显示屏表面分区缺陷类型数据b'm1至b'm2与所述标准OLED显示屏表面特征分区图像数据集合B中标准OLED显示屏表面特征分区图像数据bm进行OLED显示屏表面特征分区图像编号m数值比对，搜索出OLED显示屏表面分区缺陷类型数据b'm1至b'm2对应的标准OLED显示屏表面特征分区图像数据，并标识生成缺陷OLED显示屏表面特征分区图像数据集合E＝(em1,,em2)，其中em1表示OLED显示屏表面分区缺陷类型数据b'm1对应的缺陷OLED显示屏表面特征分区图像数据，em2表示OLED显示屏表面分区缺陷类型数据b'm2对应的缺陷OLED显示屏表面特征分区图像数据；
S62、采用K-D树最邻近搜索算法将所述缺陷OLED显示屏表面特征分区图像数据集合E中缺陷OLED显示屏表面特征分区图像数据em1至em2与标准OLED显示屏表面特征分区图像坐标数据集合C中标准OLED显示屏表面特征分区图像坐标数据cm按照OLED显示屏表面特征分区图像编号m比对，搜索出缺陷OLED显示屏表面特征分区图像数据em1至em2对应的标准OLED显示屏表面特征分区图像坐标数据，并标识生成OLED显示屏表面分区缺陷坐标数据集合F＝(fm1,,fm2)，其中fm1表示缺陷OLED显示屏表面特征分区图像数据em1对应的OLED显示屏表面分区缺陷坐标数据，fm2表示缺陷OLED显示屏表面特征分区图像数据em2对应的OLED显示屏表面分区缺陷坐标数据。
8.根据权利要求7所述的OLED显示屏表面缺陷自动检测方法，其特征在于：所述S7包括以下步骤：
S71、将所述标准OLED显示屏表面特征分区图像坐标数据集合C与所述标准OLED显示屏表面特征图像数据A’依据平面直角坐标系匹配生成标准OLED显示屏表面特征图像坐标组合数据G；
S72、获取所述OLED显示屏表面分区缺陷类型数据集合B'和所述OLED显示屏表面分区缺陷坐标数据集合F；
S73、将所述OLED显示屏表面分区缺陷类型数据集合B'中OLED显示屏表面分区缺陷类型数据和所述OLED显示屏表面分区缺陷坐标数据集合F中OLED显示屏表面分区缺陷坐标数据分别按照OLED显示屏表面特征分区图像编号m和坐标数值匹配映射到所述标准OLED显示屏表面特征图像坐标组合数据G，将映射后所述标准OLED显示屏表面特征图像坐标组合数据G通过显示设备反馈展示，所述显示设备包括显示屏、荧幕、移动端中任意一种。
9.实现如权利要求1-8中任意一项所述的OLED显示屏表面缺陷自动检测方法的基于机器视觉的OLED显示屏表面缺陷自动检测系统，其特征在于：所述系统包括显示屏表面图像数据处理模块、显示屏表面缺陷检测模块、显示屏表面缺陷信息反馈模块。
CN202410463432.XA 2024-04-17 2024-04-17 基于机器视觉的oled显示屏表面缺陷自动检测系统及方法 Pending CN118314102A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410463432.XA CN118314102A (zh) 2024-04-17 2024-04-17 基于机器视觉的oled显示屏表面缺陷自动检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410463432.XA CN118314102A (zh) 2024-04-17 2024-04-17 基于机器视觉的oled显示屏表面缺陷自动检测系统及方法

Publications (1)

Publication Number Publication Date
CN118314102A true CN118314102A (zh) 2024-07-09

Family

ID=91722237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410463432.XA Pending CN118314102A (zh) 2024-04-17 2024-04-17 基于机器视觉的oled显示屏表面缺陷自动检测系统及方法

Country Status (1)

Country Link
CN (1) CN118314102A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118603886A (zh) * 2024-08-07 2024-09-06 成都腾帆计算机科技有限公司 基于人工智能的玻璃产品表面凹凸检测系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009098123A (ja) * 2007-09-26 2009-05-07 Toshiba Corp 欠陥解析装置及び欠陥解析方法
CN111127416A (zh) * 2019-12-19 2020-05-08 武汉珈鹰智能科技有限公司 基于计算机视觉的混凝土结构表面缺陷自动检测方法
CN114820439A (zh) * 2022-03-16 2022-07-29 昆山磊晶电子有限公司 基于aoi的pcb裸板缺陷的检测系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009098123A (ja) * 2007-09-26 2009-05-07 Toshiba Corp 欠陥解析装置及び欠陥解析方法
CN111127416A (zh) * 2019-12-19 2020-05-08 武汉珈鹰智能科技有限公司 基于计算机视觉的混凝土结构表面缺陷自动检测方法
CN114820439A (zh) * 2022-03-16 2022-07-29 昆山磊晶电子有限公司 基于aoi的pcb裸板缺陷的检测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
DU-MING TSAI等: "A Shift-Tolerant Dissimilarity Measure for Surface Defect Detection", IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, vol. 8, no. 1, 29 February 2012 (2012-02-29), pages 128, XP011398083, DOI: 10.1109/TII.2011.2166797 *
朱炳斐;陈文建;李武森;张峻乾;: "基于Fourier-Mellin变换的液晶显示屏显示缺陷检测", 激光与光电子学进展, no. 12, 10 December 2017 (2017-12-10) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118603886A (zh) * 2024-08-07 2024-09-06 成都腾帆计算机科技有限公司 基于人工智能的玻璃产品表面凹凸检测系统及方法
CN118603886B (zh) * 2024-08-07 2024-10-11 成都腾帆计算机科技有限公司 基于人工智能的玻璃产品表面凹凸检测系统及方法

Similar Documents

Publication Publication Date Title
CN107274834B (zh) 一种amoled显示面板亮度补偿方法及装置
CN104574389A (zh) 基于彩色机器视觉的电池片色差分选控制方法
CN118314102A (zh) 基于机器视觉的oled显示屏表面缺陷自动检测系统及方法
CN111932504B (zh) 一种基于边缘轮廓信息的亚像素定位方法及装置
CN110310596B (zh) 一种oled模组的gamma调节初值预测方法及系统
CN107290345B (zh) 一种基于aoi的显示面板缺陷分类方法及装置
CN115183990B (zh) 一种显示屏幕检测方法及装置
CN114926671A (zh) 基于模板匹配的nled/qled/oled像素缺陷定位方法及系统
US10866087B2 (en) Display device, method for fabricating the same, and method for collecting information by using the same
CN104599633B (zh) 一种oled伽马校正装置
CN115497006B (zh) 基于动态混合策略的城区遥感图像变化深度监测方法及系统
CN109493315A (zh) 一种多晶硅太阳能电池的瑕疵的检测方法
CN112070762A (zh) 液晶面板的mura缺陷检测方法、装置、存储介质及终端
CN102486376A (zh) 影像差异部位标注系统及方法
KR101068356B1 (ko) 화상처리를 이용한 디스플레이 패널의 픽셀 불량 검사 방법
CN101295005B (zh) 一种有机电致发光器件的检测装置及检测方法
CN115862539B (zh) 一种oled显示面板的发光光源调节方法
CN118427540B (zh) 一种提高有机发光显示器件发光效率的方法
CN111639638B (zh) 一种识别透明平板的系统以及识别方法
CN115205854A (zh) 一种基于qemscan的页岩maps矿物识别方法
Ding et al. Cognitive visual inspection service for LCD manufacturing industry
CN118314834A (zh) 基于图像识别的oled显示器中的颜色校准测量系统及方法
CN112712503B (zh) 一种基于深度学习的显示面板外观检测方法
CN118607445B (zh) 一种有机发光显示矩阵的充电模拟方法
CN108198528B (zh) 一种oled亮度的检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination