10.3969/j.issn.1006-2475.2019.07.007
基于K-means聚类和LVQ神经网络的OLED缺陷像素识别
提出改进的K-means聚类分割和LVQ神经网络分类的方法,用于有机发光二极管显示面板喷墨打印制程中缺陷像素的识别.首先采用改进的K-means聚类算法对预处理后的打印像素进行分割,然后采用连通域水平矩形确定每一个打印像素的坐标及几何特征,再通过灰度共生矩阵提取其纹理特征,最后通过LVQ神经网络对所述特征进行分类,完成缺陷像素的标记及分类统计.结果 表明,本文算法的识别率明显优于其他常用分类识别算法,平均缺陷检测率为100%,分类准确率达到98.9%,单像素检测时间为8.3 ms.
有机发光二极管、像素缺陷、K-means聚类、连通域、灰度共生矩阵、LVQ神经网络
TP391.4(计算技术、计算机技术)
国家重点研发计划资助项目2016YFB0401503;福建省科技重大专项2014HZ0003-1;广东省科技重大专项2016B090906001;广东省光信息材料与技术重点实验室开放基金资助项目2017B030301007
2019-08-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
37-42