摘要
本发明公开一种混合网络模型的显示屏缺陷图像合成方法,应用于机器视觉技术领域,针对现有技术对显示屏缺陷的检测依赖大量缺陷样本,难以适用于工业缺陷品的场景;本发明首先对显示屏缺陷图像数据进行预处理;然后采用无监督网络模型进行正样本训练学习;接着构建图像级缺陷合成网络模型,合成多尺度、多形态的显示屏缺陷样本,来辅助训练无监督网络模型的鉴别器参数;进而构建特征级缺陷合成网络模型,采用高斯噪声模型器生成初始缺陷数据,利用自适应梯度上升及精细化截断投影法生成初始特征样本,并与正常特征样本叠加来合成特征级缺陷样本,来辅助训练无监督网络模型的鉴别器参数;最后采用训练好的无监督网络模型进行待检图像样本检测和分割定位。
技术关键词
显示屏缺陷
混合网络模型
图像
样本
无监督
特征提取器
多形态
适配器
纹理
噪声模型
双线性插值算法
数据
抑制高频噪声
表达式
局部特征信息
多尺度
特征点
邻域
机器视觉技术
系统为您推荐了相关专利信息
二维卷积神经网络
实时检测方法
图像
拉曼系统
实时检测系统