摘要
本申请公开了一种缺陷检测方法、设备及存储介质,涉及图像处理技术领域,包括:采集待检测OLED膜的多张表面图像;通过预训练深度学习模型提取各表面图像在不同尺度下的特征,得到待检测OLED膜表面的特征图;基于预训练深度学习模型预测特征图的缺陷,得到待检测OLED膜表面的缺陷检测结果。本申请通过提取OLED膜表面图像的多尺度特征,以基于该多尺度特征构建包含有OLED膜表面图像不同尺度特征的特征图,避免了传统深度学习模型难以捕捉多尺度缺陷特征的问题,实现了能够适应OLED膜表面缺陷尺度多样性,从而实现了提高缺陷检测准确性和模型泛化能力的效果。
技术关键词
训练深度学习模型
缺陷检测方法
缺陷类别
通道注意力机制
多视角
光照
图像处理技术
预测特征
处理器
尺寸
可读存储介质
多尺度
存储器
样本
矩阵
电子设备
系统为您推荐了相关专利信息
行李
识别方法
多层神经网络模型
二维图像数据
轮廓信息
医学图像分割方法
编码器
分支
卷积模块
医学图像数据
神经网络框架
超声图像数据
图像分析系统
胎儿超声图像
神经网络模型
缺陷检测方法
颈部结构
融合多尺度特征
采集PCB板
特征融合技术