(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111651999.2 (22)申请日 2021.12.31 (71)申请人 成都数联云算科技有限公司 地址 610000 四川省成 都市高新区吉泰五 路88号3栋5层8号、 9号 (72)发明人 不公告发明人 　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 王志 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) (54)发明名称 面板缺陷检测方法、 装置、 电子设备及存储 介质 (57)摘要 本发明涉及图像检测技术领域， 揭露了一种 面板缺陷检测方法， 包括： 接收面板短路图， 根据 预训练完成的缺陷检测模型， 对 所述面板短路图 执行缺陷检测得到面板缺陷坐标， 根据所述面板 缺陷坐标对 所述面板短路图执行裁剪， 得到包括 缺陷的面板缺陷图， 定位所述面板缺陷图中缺陷 所属的金属线， 并基于数字图像处理技术寻找到 所述金属线的上窄线及下窄线， 判断所述上下窄 线与面板缺陷图中缺陷是否存在相交， 当所述上 下窄线与面板缺陷图中缺陷存在相交， 判断所述 面板缺陷图是否存在断线， 得到所述面板缺陷图 的断线检测结果。 本发明还提出一种面板缺陷检 测装置、 电子设备 以及存储介质。 本发明可解决 短路面板缺陷检测率较低的问题。 权利要求书3页 说明书11页 附图4页 CN 114037700 A 2022.02.11 CN 114037700 A 1.一种基于短路面板的缺陷检测方法， 其特 征在于， 所述方法包括： 接收面板短路图， 根据 预训练完成的缺陷检测模型， 对所述面板短路图执行缺陷检测， 得到面板缺陷坐标； 根据所述 面板缺陷坐标对所述 面板短路图执 行裁剪， 得到包括 缺陷的面板缺陷图； 定位所述面板缺陷图中缺陷所属的金属线， 并基于数字图像处理技术寻找到所述金属 线的上窄线及下窄线； 判断所述上窄线及下窄线与面板缺陷图中缺陷是否存在相交， 当所述上窄线及下窄线 与面板缺陷图中缺陷存在相交， 判断所述面板缺陷图是否存在断线， 得到所述面板缺陷图 的断线检测结果。 2.如权利要求1所述的基于短路面板的缺陷检测方法， 其特征在于， 所述根据 所述面板 缺陷坐标对所述 面板短路图执 行裁剪， 得到面板缺陷图， 包括： 根据所述 面板缺陷坐标生成缺陷矩形框， 并定位所述 缺陷矩形框的框中心； 按照预设长度及宽度的裁剪比例， 以所述框中心为裁剪中心执行裁剪， 得到所述面板 缺陷图。 3.如权利要求2所述的基于短路面板的缺陷检测方法， 其特征在于， 所述定位所述面板 缺陷图中缺陷所属的金属线， 并基于数字图像处理技术寻找到所述金属线的上窄线及下窄 线， 包括： 接收用户在所述 面板缺陷图中确定的所述金属线； 对所述面板缺陷图执 行二值化， 得到二 值缺陷图； 创建所述二值缺陷图的卷积核， 利用所述卷积核对所述二值缺陷图执行开操作， 得到 优化缺陷图； 基于霍夫直线检测法， 对所述金属线执行边缘检测， 得到所述金属线的上窄线及下窄 线。 4.如权利要求3所述的基于短路面板的缺陷检测方法， 其特征在于， 所述创建所述二值 缺陷图的卷积核， 包括： 根据下列计算公式， 创建所述 二值缺陷图的卷积核： 其中， kernerSizevertical表示所述卷积核， h为所述二值缺陷图的高， w为所述二值缺陷 图的宽。 5.如权利要求1所述的基于短路面板的缺陷检测方法， 其特征在于， 所述判断所述面板 缺陷图是否存在断线， 包括： 对所述面板缺陷图执 行包括阈值分割及去噪处 理， 得到缺陷轮廓待提取图； 使用轮廓检测方法， 对缺陷轮廓待提取图执 行轮廓提取， 得到一组或多组轮廓线； 依次计算每组轮廓线所在的轮廓区域面积， 并提取轮廓区域面积大于预设阈值的轮廓 线， 得到一组或多组断线 待确认线； 判断所述断线待确认线是否存在 断点， 若所述断线待确认线存在 断点， 则所述面板缺 陷图存在断线， 若所述断线 待确认线不存在断点， 则所述 面板缺陷图不存在断线。权　利　要　求　书 1/3 页 2 CN 114037700 A 26.如权利要求5所述的基于短路面板的缺陷检测方法， 其特征在于， 所述依次计算每组 轮廓线所在的轮廓区域 面积， 包括： 采用如下计算方法， 计算每组轮廓线所在的轮廓区域 面积： 其中， P(x,y)、 Q(x,y)为所述轮廓线内任意 一点， 及 表示一阶偏导。 7.如权利要求1所述的基于短路面板的缺陷检测方法， 其特征在于， 所述预训练完成的 缺陷检测模型， 包括： 接收用户输入的卷积层数量， 生成与所述卷积层数量相同数量的卷积层， 根据所述卷 积层构建待训练的缺陷检测模型； 接收面板 图片训练集， 利用所述面板 图片训练集训练待训练的所述缺陷检测模型， 得 到预训练完成的所述 缺陷检测模型。 8.如权利要求7所述的基于短路面板的缺陷检测方法， 其特征在于， 所述生成与所述卷 积层数量相同数量的卷积层， 根据所述卷积层构建待训练的缺陷检测模型， 包括： 生成与所述 述卷积层数量相同数量的待调整卷积层； 按照预先设置的卷积核大小， 调整所述待调整卷积层的卷积核尺寸， 同时设置所述待 调整卷积层的卷积步长 至用户要求； 在已调整卷积核尺寸及卷积步长的卷积层后添加全连接神经网络及激活函数， 得到待 训练的所述 缺陷检测模型。 9.如权利要求8所述的基于短路面板的缺陷检测方法， 其特征在于， 所述利用所述面板 图片训练集训练待训练的所述缺陷检测模型， 得到预训练完成的所述缺陷检测模型， 之前 还包括： 从所述面板图片训练集中提取每张面板图片的标签， 其中每张面板图片的标签包括正 常面板或缺陷面板； 接收用户根据缺陷面板的标签而输入的面板缺陷坐标， 得到与 所述面板图片训练集对 应的面板图片标签集。 10.如权利要求9所述的基于短路面板的缺陷检测方法， 其特征在于， 所述利用所述面 板图片训练集训练待训练的所述缺陷检测模型， 得到预训练完成的所述缺陷检测模型， 包 括： 接收用户根据待训练 的所述缺陷检测模型输入的训练学习率及批尺寸， 将所述面板图 片训练集输入至待训练的所述 缺陷检测模型； 根据所述训练学习率及所述批尺寸， 利用所述卷积层对所述面板图片训练集执行特征 提取， 得到面板图片特 征集； 将所述面板图片特征集输入至所述全连接神经网络执行维度转变， 得到单维图片特征 集； 利用所述激活函数激活所述单维图片特 征集， 得到预测面板标签集； 计算所述预测面板标签集与所述 面板图片训练集的误差值；权　利　要　求　书 2/3 页 3 CN 114037700 A 3