基于小样本学习的LCD产品缺陷自动检测方法
针对高分辨率液晶显示器产品(liquid crystal display,LCD)质量在线检测需求,基于深度学习提出一种LCD缺陷自动检测方法.通过设计自适应浅层特征提取层,并引入稀疏卷积结构,多维度、多尺度的提取深层特征,采用迁移学习和深度卷积生成对抗生网络扩充数据强化训练,构建基于小样本学习的LCD表面缺陷检测模型.其特征在于,采用设计的自动分割与定位预处理软件将高分辨率图像划分成适于卷积神经网络学习的图像子块,并根据模型对图像子块的判定类别和定位坐标,同时获取多类型缺陷检测结果.实验结果表明,本文模型可以有效提高检出率,并减少漏检率.
缺陷诊断、目标分类、深度学习、小样本学习、卷积神经网络、迁移学习、深度卷积生成对抗网络、继续学习
15
TP391(计算技术、计算机技术)
国家自然科学基金—河南联合基金重点项目U1604262
2020-10-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
560-567