摘要
本发明公开了一种偏振多光谱融合的OLED屏幕缺陷检测方法,引入偏振和多光谱等多位信息与强度信息,以最大程度上凸显细微缺陷的特征,使用基于多尺度分解的方法将强度图像,偏振图像和多光谱图像融合生成一张多光谱偏振图像,并使用YoloV8检测模型对生成的图像进行多分类训练和检测。针对OLED缺陷数据集缺失,模型难以训练的问题,通过引入多种数据增强和迁移学习的迁移学习的训练策略,并在YoloV8模型中引入注意力机制进行改进增强,本发明提升模型在小样本场景下的检测能力。本发明提升对屏体表面细微缺陷的检测能力,提升屏体表面多类缺陷的检出率,提升OLED屏体检测模型在小样本下的检测能力。
技术关键词
偏振多光谱
屏幕缺陷检测方法
OLED屏幕
Stokes参量
多光谱相机
偏振相机
光源控制器
多光谱融合图像
偏振光源
样品传输装置
RANSAC算法
OLED屏体
缺陷检测算法
引入注意力机制
生成特征向量
系统为您推荐了相关专利信息
补播方法
多模态数据融合
多模态数据采集
播种设备
植被
图像采集系统
数据显示模块
纳米
数据处理模块
云端服务器
岩土地质
勘察方法
无人机集群
探地雷达
显微成像模块
蓝莓成熟度
果粉
计算机视觉
双通道卷积神经网络
融合注意力机制
识别跟踪方法
均值滤波器
多光谱相机
多光谱特征
图像