CN114235847A - 一种液晶面板玻璃基板表面缺陷检测装置及检测方法 - Google Patents

一种液晶面板玻璃基板表面缺陷检测装置及检测方法 Download PDF

Info

Publication number
CN114235847A
CN114235847A CN202111566721.5A CN202111566721A CN114235847A CN 114235847 A CN114235847 A CN 114235847A CN 202111566721 A CN202111566721 A CN 202111566721A CN 114235847 A CN114235847 A CN 114235847A
Authority
CN
China
Prior art keywords
image
glass substrate
defect
light source
bearing platform
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
CN202111566721.5A
Other languages
English (en)
Inventor
陈成
王超
行浩
白景瑶
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.)
Foshan Zunshen Xinglian Technology Co ltd
Original Assignee
Shenzhen Zunshen Investment 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 Shenzhen Zunshen Investment Co ltd filed Critical Shenzhen Zunshen Investment Co ltd
Priority to CN202111566721.5A priority Critical patent/CN114235847A/zh
Publication of CN114235847A publication Critical patent/CN114235847A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/958—Inspecting transparent materials or objects, e.g. windscreens

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明涉及面板检测技术领域，具体为一种液晶面板玻璃基板表面缺陷检测装置，所述检测装置包括：承载平台、采集相机和外光源；所述承载平台的表面呈白色背景，用于摆放被测的玻璃基板；所述采集相机位于所述承载平台的上方，且所述采集相机的镜头垂直于所述承载平台的上表面设置，用于拍摄玻璃基板的正投影图像；所述外光源所述外光源采用400‑700nm波段的条形蓝光通过偏振片对被测的玻璃基板进行打光。本发明的一种检测方法，用于通过所述的检测装置进行液晶面板玻璃基板表面缺陷检测。本发明解决可见光光源时会产生较大背景干扰的缺点，有效提高准确率和检测效率。

Description

一种液晶面板玻璃基板表面缺陷检测装置及检测方法
技术领域
本发明涉及面板检测技术领域，具体为一种液晶面板玻璃基板表面缺陷检测装置及检测方法。
背景技术
目前，主流显示技术从显像管到液晶面板的更替，大约经历了50年。复盘上一轮显示技术的更替，新兴技术的主要推动力为消费者日益增长的消费需求，而新兴技术实现商用化发展的核心仍为价格。我们认为，液晶面板在Mini-LED背光等技术的加持下，将得以满足消费者对显示高清化、大屏化的新需求。考虑到新兴技术良率、成本等问题短期难以解决，预计未来5-10年液晶面板仍将是显示领域的主流技术。
平面玻璃因为其透光性强，化学性质稳定，而广泛运用于各个技术领域，平板玻璃也是液晶面板的生产过程中不可缺少的生产材料。
但是由于玻璃是脆性材质，在加工过程中容易造成缺损，产生各种边缘缺陷，不只影响美观，还有安全问题存在。因此，为了提高加工成品的质量，一方面要优化加工的方法，避免缺陷的出现，另一方面对加工产品进行检测，及时消除存在的缺陷。切割环境、检测空间等因素的影响，而且人工检测的随机性，极容易产生误检或漏检，机器视觉可以在很大程度上增加加工的效率，因此替换就显的必不可少了。鉴于此，我们提出一种液晶面板玻璃基板表面缺陷检测装置及检测方法。
发明内容
本发明的目的在于提供一种液晶面板玻璃基板表面缺陷检测装置及检测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种液晶面板玻璃基板表面缺陷检测装置，所述检测装置包括：承载平台、采集相机和外光源；
所述承载平台的表面呈白色背景，用于摆放被测的玻璃基板；
所述采集相机位于所述承载平台的上方，且所述采集相机的镜头垂直于所述承载平台的上表面设置，用于拍摄玻璃基板的正投影图像；
所述外光源位于所述承载平台的上方，且所述外光源发射的光线从所述采集相机的一侧照射向玻璃基板表面，所述外光源采用400-700nm波段的条形蓝光通过偏振片对被测的玻璃基板进行打光。
优选的，所述采集相机采用线扫描相机；所述外光源采用同轴线光源。
优选的，所述外光源照射角度与所述承载平台表面间的夹角为30°-45°。
本发明还提供一种检测方法，用于通过所述的检测装置进行液晶面板玻璃基板表面缺陷检测，包括以下步骤：
步骤1：将待测的玻璃基板平放于所述承载平台上，并移动玻璃基板将其置于所述采集相机的镜头正下方；
步骤2：打开所述外光源，使条形蓝色光通过偏振片斜照射在待测的玻璃基板上；
步骤3：通过使用所述采集相机拍摄玻璃基板的图像，并采用传统算法、深度学习算法中的一种判定待测玻璃基板是否存在缺陷。
优选的，步骤3中，采用传统算法判定待测玻璃基板是否存在缺陷时，包括以下步骤：
步骤3a：预处理
将采集到的原始图像通过光照均衡化、高斯频域滤波增强图像对比度；
步骤3b：目标提取
将预处理后的图像通过双阈值分割提取目标缺陷；
步骤3c：提取缺陷区域
自适应动态灰度阈值以经典的大津阈值为内核，提取图像中可能为缺陷的区域；
步骤3d：提取缺陷区域
多条件特征阈值通过区域的形状、曲率和宽高比来判断区域为划痕、碎凹坑还是干扰。
优选的，步骤3中，采用深度学习算法判定待测玻璃基板是否存在缺陷时，包括以下步骤：
步骤3A：区域分割
对采集的图像进行灰度化和二值化，并将图像进行区域分割；
步骤3B：干扰项判定
如果有干扰项进一步进行特征值提取，特征提取完毕后在判断是否仍有干扰项，若有干扰项，进一步进行特征值提取循环判断干扰项，若无干扰项，将完成的区域投入到图像重构网络中进行对比；
步骤3C：缺陷判定
对比将实时采集到的玻璃图像输入到图像重构网络中，然后输出预测玻璃图像，再将两个图像进行求差，将求差结果进行图像增强、阈值分割，连通域分割，面积筛选，二值化；经过上述步骤图像上还存在白色区域，则判定白色区域是缺陷；如果不存在，则不存在缺陷。
优选的，所述图像重构网络经以下步骤构建：
步骤(1)：训练
采集1000张无缺陷玻璃图像训练图像重构网络，再拿10张含缺陷的玻璃图像和10张不含缺陷的玻璃图像进行验证；
步骤(2)：测试
将实时采集到的玻璃图像输入到图像重构网络中，然后输出预测玻璃图像，再将两个图像进行求差，将求差结果进行图像增强、阈值分割，连通域分割，面积筛选，二值化；经过上述步骤图像上还存在白色区域，则判定白色区域是缺陷；如果不存在，则不存在缺陷；
步骤(3)：构建
网络模型中生成器由编码器和解码器组成，其中编码器由多个并联卷积层与池化层组成，对图像连续下采样，提取不同深度的图像特征，形成高维的瓶颈特征。
优选的，步骤(3)中，采用转置卷积和并联卷积实现瓶颈特征连续上采样，完成从高维瓶颈特征到图像的重构。
优选的，所述并联卷积层中含有不同大小的卷积核来实现不同感受野的下采样和上采样，用以形成更多不同的图像特征信息。
与现有技术相比，本发明的有益效果是：本发明解决可见光光源时会产生较大背景干扰的缺点，采用蓝色光源结合偏振片，利用400-700nmnm的波段的光进行投射到玻璃基板上，能够消除背景干扰，有效提高准确率；同时基于图像重构网络，对采集到的图像进行对比，判断玻璃基板是否合格，提高检测效率。
附图说明
图1为本发明的整体结构示意图；
图2为本发明中采用传统算法判定待测玻璃基板是否存在缺陷的流程图；
图3为本发明中采用深度学习算法判定待测玻璃基板是否存在缺陷的流程图。
图中：1、承载平台；2、采集相机；3、外光源。
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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本专利的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利中的具体含义。
实施例1
一种液晶面板玻璃基板表面缺陷检测装置，如图1所示，该检测装置包括：承载平台1、采集相机2和外光源3；承载平台1的表面呈白色背景，用于摆放被测的玻璃基板；采集相机2位于承载平台1的上方，且采集相机1的镜头垂直于承载平台3的上表面设置，用于拍摄玻璃基板的正投影图像；外光源3位于承载平台3的上方，且外光源2发射的光线从采集相机1的一侧照射向玻璃基板表面，外光源2采用400-700nm波段的条形蓝光通过偏振片对被测的玻璃基板进行打光。
具体的，采集相机1采用线扫描相机；外光源2采用同轴线光源。
进一步的，外光源2照射角度与承载平台1表面间的夹角为30°-45°。
实施例2
一种检测方法，用于所述的检测装置进行液晶面板玻璃基板表面缺陷检测，包括以下步骤：
步骤1：将待测的玻璃基板平放于所述承载平台4上，并移动玻璃基板将其置于所述采集相机1的镜头正下方；
步骤2：打开所述外光源2，使条形蓝色光通过偏振片斜照射在待测的玻璃基板上；
步骤3：通过使用所述采集相机1拍摄玻璃基板的图像，并采用传统算法、深度学习算法中的一种判定待测玻璃基板是否存在缺陷。
如图2所示，步骤3中，采用传统算法判定待测玻璃基板是否存在缺陷时，包括以下步骤：
步骤3a：预处理
将采集到的原始图像通过光照均衡化、高斯频域滤波增强图像对比度；
步骤3b：目标提取
将预处理后的图像通过双阈值分割提取目标缺陷；
步骤3c：提取缺陷区域
自适应动态灰度阈值以经典的大津阈值为内核，提取图像中可能为缺陷的区域；
步骤3d：提取缺陷区域
多条件特征阈值通过区域的形状、曲率和宽高比来判断区域为划痕、碎凹坑还是干扰。
如图3所示，步骤3中，采用深度学习算法判定待测玻璃基板是否存在缺陷时，包括以下步骤：
步骤3A：区域分割
对采集的图像进行灰度化和二值化，并将图像进行区域分割；
步骤3B：干扰项判定
如果有干扰项进一步进行特征值提取，特征提取完毕后在判断是否仍有干扰项，若有干扰项，进一步进行特征值提取循环判断干扰项，若无干扰项，将完成的区域投入到图像重构网络中进行对比；
步骤3C：缺陷判定
对比将实时采集到的玻璃图像输入到图像重构网络中，然后输出预测玻璃图像，再将两个图像进行求差，将求差结果进行图像增强、阈值分割，连通域分割，面积筛选，二值化；经过上述步骤图像上还存在白色区域，则判定白色区域是缺陷；如果不存在，则不存在缺陷。
所述图像重构网络经以下步骤构建：
步骤(1)：训练
采集1000张无缺陷玻璃图像训练图像重构网络，再拿10张含缺陷的玻璃图像和10张不含缺陷的玻璃图像进行验证；
步骤(2)：测试
将实时采集到的玻璃图像输入到图像重构网络中，然后输出预测玻璃图像，再将两个图像进行求差，将求差结果进行图像增强、阈值分割，连通域分割，面积筛选，二值化；经过上述步骤图像上还存在白色区域，则判定白色区域是缺陷；如果不存在，则不存在缺陷；
步骤(3)：构建
网络模型中生成器由编码器和解码器组成，其中编码器由多个并联卷积层与池化层组成，对图像连续下采样，提取不同深度的图像特征，形成高维的瓶颈特征。
步骤(3)中，采用转置卷积和并联卷积实现瓶颈特征连续上采样，完成从高维瓶颈特征到图像的重构，所述并联卷积层中含有不同大小的卷积核来实现不同感受野的下采样和上采样，用以形成更多不同的图像特征信息，下采样层有两个作用，一是减少计算量，防止过拟合；二是增大感受野，使得后面的卷积核能够学到更加全局的信息。上采样是在卷积神经网络中，由于输入图像通过卷积神经网络(CNN)提取特征后，输出的尺寸往往会变小，而有时我们需要将图像恢复到原来的尺寸以便进行进一步的计算(如图像的语义分割)，这个使图像由小分辨率映射到大分辨率的操作。
通过上述内容不难看出，本发明解决采用可见光光源时会产生较大背景干扰的缺点，采用蓝色光源结合偏振片，利用400-700nmnm的波段的光进行投射到玻璃基板上，能够消除背景干扰，有效提高准确率；同时基于图像重构网络，对采集到的图像进行对比，判断玻璃基板是否合格，提高检测效率。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种液晶面板玻璃基板表面缺陷检测装置，其特征在于，所述检测装置包括：承载平台、采集相机和外光源；
所述承载平台的表面呈白色背景，用于摆放被测的玻璃基板；
所述采集相机位于所述承载平台的上方，且所述采集相机的镜头垂直于所述承载平台的上表面设置，用于拍摄玻璃基板的正投影图像；
所述外光源位于所述承载平台的上方，且所述外光源发射的光线从所述采集相机的一侧照射向玻璃基板表面，所述外光源采用400-700nm波段的条形蓝光通过偏振片对被测的玻璃基板进行打光。
2.根据权利要求1所述的液晶面板玻璃基板表面缺陷检测装置，其特征在于，所述采集相机采用线扫描相机；
所述外光源采用同轴线光源。
3.根据权利要求1所述的液晶面板玻璃基板表面缺陷检测装置，其特征在于，所述外光源照射角度与所述承载平台表面间的夹角为30°-45°。
4.一种检测方法，用于通过权利要求1-3任一所述的检测装置进行液晶面板玻璃基板表面缺陷检测，其特征在于，包括以下步骤：
步骤1：将待测的玻璃基板平放于承载平台上，并移动玻璃基板将其置于采集相机的镜头正下方；
步骤2：打开外光源，使条形蓝色光通过偏振片斜照射在待测的玻璃基板上；
步骤3：通过使用采集相机拍摄玻璃基板的图像，并采用传统算法、深度学习算法中的一种判定待测玻璃基板是否存在缺陷。
5.根据权利要求4所述的检测方法，其特征在于，步骤3中，采用传统算法判定待测玻璃基板是否存在缺陷时，包括以下步骤：
步骤3a：预处理
将采集到的原始图像通过光照均衡化、高斯频域滤波增强图像对比度；
步骤3b：目标提取
将预处理后的图像通过双阈值分割提取目标缺陷；
步骤3c：提取缺陷区域
自适应动态灰度阈值以经典的大津阈值为内核，提取图像中可能为缺陷的区域；
步骤3d：提取缺陷区域
多条件特征阈值通过区域的形状、曲率和宽高比来判断区域为划痕、碎凹坑还是干扰。
6.根据权利要求4所述的检测方法，其特征在于，步骤3中，采用深度学习算法判定待测玻璃基板是否存在缺陷时，包括以下步骤：
步骤3A：区域分割
对采集的图像进行灰度化和二值化，并将图像进行区域分割；
步骤3B：干扰项判定
如果有干扰项进一步进行特征值提取，特征提取完毕后在判断是否仍有干扰项，若有干扰项，进一步进行特征值提取循环判断干扰项，若无干扰项，将完成的区域投入到图像重构网络中进行对比；
步骤3C：缺陷判定
对比将实时采集到的玻璃图像输入到图像重构网络中，然后输出预测玻璃图像，再将两个图像进行求差，将求差结果进行图像增强、阈值分割，连通域分割，面积筛选，二值化；经过上述步骤图像上还存在白色区域，则判定白色区域是缺陷；如果不存在，则不存在缺陷。
7.根据权利要求6所述的检测方法，其特征在于，所述图像重构网络经以下步骤构建：
步骤(1)：训练
采集1000张无缺陷玻璃图像训练图像重构网络，再拿10张含缺陷的玻璃图像和10张不含缺陷的玻璃图像进行验证；
步骤(2)：测试
将实时采集到的玻璃图像输入到图像重构网络中，然后输出预测玻璃图像，再将两个图像进行求差，将求差结果进行图像增强、阈值分割，连通域分割，面积筛选，二值化；经过上述步骤图像上还存在白色区域，则判定白色区域是缺陷；如果不存在，则不存在缺陷；
步骤(3)：构建
网络模型中生成器由编码器和解码器组成，其中编码器由多个并联卷积层与池化层组成，对图像连续下采样，提取不同深度的图像特征，形成高维的瓶颈特征。
8.根据权利要求7所述的检测方法，其特征在于，步骤(3)中，采用转置卷积和并联卷积实现瓶颈特征连续上采样，完成从高维瓶颈特征到图像的重构。
9.根据权利要求8所述的检测方法，其特征在于，所述并联卷积层中含有不同大小的卷积核来实现不同感受野的下采样和上采样，用以形成更多不同的图像特征信息。
CN202111566721.5A 2021-12-20 2021-12-20 一种液晶面板玻璃基板表面缺陷检测装置及检测方法 Pending CN114235847A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111566721.5A CN114235847A (zh) 2021-12-20 2021-12-20 一种液晶面板玻璃基板表面缺陷检测装置及检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111566721.5A CN114235847A (zh) 2021-12-20 2021-12-20 一种液晶面板玻璃基板表面缺陷检测装置及检测方法

Publications (1)

Publication Number Publication Date
CN114235847A true CN114235847A (zh) 2022-03-25

Family

ID=80759823

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111566721.5A Pending CN114235847A (zh) 2021-12-20 2021-12-20 一种液晶面板玻璃基板表面缺陷检测装置及检测方法

Country Status (1)

Country Link
CN (1) CN114235847A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880301A (zh) * 2023-03-06 2023-03-31 长沙韶光芯材科技有限公司 一种玻璃基板气泡缺陷的识别***
CN116523906A (zh) * 2023-06-28 2023-08-01 长沙韶光芯材科技有限公司 一种玻璃基板光学性能检测方法和***

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012141192A (ja) * 2010-12-28 2012-07-26 Asahi Glass Co Ltd ガラス基板の欠陥検査方法、ガラス基板の欠陥検査装置、及びガラス基板の製造方法
CN103913468A (zh) * 2014-03-31 2014-07-09 湖南大学 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
WO2015055060A1 (zh) * 2013-10-16 2015-04-23 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法
US20160266048A1 (en) * 2013-07-31 2016-09-15 Boe Technology Group Co., Ltd. Detecting system
CN107228864A (zh) * 2016-03-24 2017-10-03 苍南县三维电子塑胶有限公司 显示面板表面缺陷的检测***
CN109297991A (zh) * 2018-11-26 2019-02-01 深圳市麓邦技术有限公司 一种玻璃表面缺陷检测***及方法
CN109668909A (zh) * 2017-10-13 2019-04-23 南京敏光视觉智能科技有限公司 一种玻璃缺陷检测方法
KR102043660B1 (ko) * 2019-01-15 2019-11-12 주식회사 에이치비테크놀러지 투명층 검사 광학계 및 그를 포함하는 투명층 검사 장치
CN110567989A (zh) * 2019-09-04 2019-12-13 北京信息科技大学 屏蔽玻璃缺陷检测方法
CN111624206A (zh) * 2020-07-03 2020-09-04 东北大学 基于线阵相机立体视觉的金属表面缺陷检测方法
CN111896550A (zh) * 2020-03-31 2020-11-06 广西师范大学 一种表面缺陷检测装置及方法
CN112037166A (zh) * 2020-07-10 2020-12-04 武汉迈格驷友科技有限公司 一种表面缺陷检测方法及检测装置
CN113189109A (zh) * 2021-01-15 2021-07-30 深圳锦绣创视科技有限公司 一种基于人工智能的瑕疵判定***及瑕疵判定方法
CN113256591A (zh) * 2021-06-04 2021-08-13 西京学院 一种宽幅玻璃缺陷快速检测装置及方法
CN113504238A (zh) * 2021-06-04 2021-10-15 广东华中科技大学工业技术研究院 一种玻璃表面缺陷采集装置及检测方法
CN113658096A (zh) * 2021-07-15 2021-11-16 佛山市顺德区普瑞特机械制造有限公司 板材异常检测方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012141192A (ja) * 2010-12-28 2012-07-26 Asahi Glass Co Ltd ガラス基板の欠陥検査方法、ガラス基板の欠陥検査装置、及びガラス基板の製造方法
US20160266048A1 (en) * 2013-07-31 2016-09-15 Boe Technology Group Co., Ltd. Detecting system
WO2015055060A1 (zh) * 2013-10-16 2015-04-23 湖南镭目科技有限公司 一种连铸坯表面质量在线检测方法
CN103913468A (zh) * 2014-03-31 2014-07-09 湖南大学 生产线上大尺寸lcd玻璃基板的多视觉缺陷检测设备及方法
CN107228864A (zh) * 2016-03-24 2017-10-03 苍南县三维电子塑胶有限公司 显示面板表面缺陷的检测***
CN109668909A (zh) * 2017-10-13 2019-04-23 南京敏光视觉智能科技有限公司 一种玻璃缺陷检测方法
CN109297991A (zh) * 2018-11-26 2019-02-01 深圳市麓邦技术有限公司 一种玻璃表面缺陷检测***及方法
KR102043660B1 (ko) * 2019-01-15 2019-11-12 주식회사 에이치비테크놀러지 투명층 검사 광학계 및 그를 포함하는 투명층 검사 장치
CN110567989A (zh) * 2019-09-04 2019-12-13 北京信息科技大学 屏蔽玻璃缺陷检测方法
CN111896550A (zh) * 2020-03-31 2020-11-06 广西师范大学 一种表面缺陷检测装置及方法
CN111624206A (zh) * 2020-07-03 2020-09-04 东北大学 基于线阵相机立体视觉的金属表面缺陷检测方法
CN112037166A (zh) * 2020-07-10 2020-12-04 武汉迈格驷友科技有限公司 一种表面缺陷检测方法及检测装置
CN113189109A (zh) * 2021-01-15 2021-07-30 深圳锦绣创视科技有限公司 一种基于人工智能的瑕疵判定***及瑕疵判定方法
CN113256591A (zh) * 2021-06-04 2021-08-13 西京学院 一种宽幅玻璃缺陷快速检测装置及方法
CN113504238A (zh) * 2021-06-04 2021-10-15 广东华中科技大学工业技术研究院 一种玻璃表面缺陷采集装置及检测方法
CN113658096A (zh) * 2021-07-15 2021-11-16 佛山市顺德区普瑞特机械制造有限公司 板材异常检测方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨伟志;: "视觉检测技术在集成电路基板检测中的应用", 科技与创新, no. 22 *
胡跃明;李璐;罗家祥;: "高密度柔性集成电路基板的表面氧化缺陷检测", 计算机集成制造***, no. 09 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880301A (zh) * 2023-03-06 2023-03-31 长沙韶光芯材科技有限公司 一种玻璃基板气泡缺陷的识别***
CN116523906A (zh) * 2023-06-28 2023-08-01 长沙韶光芯材科技有限公司 一种玻璃基板光学性能检测方法和***
CN116523906B (zh) * 2023-06-28 2023-09-12 长沙韶光芯材科技有限公司 一种玻璃基板光学性能检测方法和***

Similar Documents

Publication Publication Date Title
Ren et al. State of the art in defect detection based on machine vision
CN111553929B (zh) 基于融合网络的手机屏幕缺陷分割方法、装置及设备
CN111415329B (zh) 一种基于深度学习的工件表面缺陷检测方法
CN114235847A (zh) 一种液晶面板玻璃基板表面缺陷检测装置及检测方法
CN110349126A (zh) 一种基于卷积神经网络带标记的钢板表面缺陷检测方法
CN113570605B (zh) 一种基于液晶显示面板的缺陷检测方法和***
CN108346141B (zh) 单边侧入光式导光板缺陷提取方法
CN113643268B (zh) 基于深度学习的工业制品缺陷质检方法、装置及存储介质
CN109801286B (zh) 一种lcd导光板的表面缺陷检测方法
CN113658155A (zh) 一种基于光度立体的物体表面瑕疵检测分析方法及装置
CN110473194A (zh) 基于多图像块阈值分割算法的水果表面缺陷检测方法
CN116740061B (zh) 一种爆珠生产质量视觉检测方法
CN109613023A (zh) 一种区域亮度自适应校正的水果表面缺陷快速检测方法
CN116678826A (zh) 一种基于快速立体重建的外观缺陷检测***及方法
CN115620283B (zh) 基于计算机视觉的猪肉大理石纹表型数据测量方法及装置
CN108889635B (zh) 一种易拉罐制造缺陷在线视觉检测方法
CN116739991A (zh) 基于深度学习的液晶显示屏表面缺陷检测方法及电子装置
CN115775236A (zh) 基于多尺度特征融合的表面微小缺陷视觉检测方法及***
CN117291880A (zh) 一种基于图像分析的刹车片表面缺陷检测***
Chen et al. SwinTD: Transformer-based detection network for foreign objects in the cut section of tobacco packets
CN113538342B (zh) 一种基于卷积神经网络的铝质气雾罐涂层质量检测方法
CN109613004A (zh) 一种背光检中缺陷显示方法
He et al. An effective MID-based visual defect detection method for specular car body surface
Lang et al. Virtual-sample-based defect detection algorithm for aluminum tube surface
CN116452505A (zh) 基于改进YOLOv5的连铸坯内部缺陷检测与评级方法

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
TA01 Transfer of patent application right

Effective date of registration: 20221219

Address after: 308, Floor 3, Building 1, CIMC Intelligent Manufacturing Center, No. 15, Shunye West Road, Xingtan Town, Shunde District, Foshan, Guangdong 528000

Applicant after: Foshan Zunshen Xinglian Technology Co.,Ltd.

Address before: 518101 Room 201, Building A, No. 1 Qianwan Road, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong Province (Admitted to Shenzhen Qianhai Commercial Secretary Co., Ltd.)

Applicant before: Shenzhen zunshen Investment Co.,Ltd.

TA01 Transfer of patent application right