论文部分内容阅读
我国新型显示产业规模居世界第一,但新型显示器件制造过程中的核心视觉检测装备被国外垄断,严重制约我国新型显示产业的核心竞争力。有机电激光显示器（Organic Light-Emitting Diode,OLED）等新型显示器件制造工艺繁杂,制造过程中易产生各类显示缺陷,严重影响产品良品率。其中,Mura缺陷作为一种形状尺度多变、对比度低且轮廓模糊、受复杂纹理背景干扰的显示缺陷,是新型显示器件检测的重点与难点,其视觉检测技术的突破也是打破国外垄断、实现核心视觉检测装备国产化的关键。本文针对Mura缺陷视觉检测难题,从实际产线中不同阶段的检测需求出发,研究了不同Mura缺陷训练样本量下的Mura缺陷与复杂纹理背景的精确分离难题,提出了基于深度特征编码的Mura缺陷视觉检测算法,提升了Mura缺陷检测精度。如下为本文的研究内容总结。（1）提出了基于多尺度集成特征编码网络的无监督Mura缺陷检测算法。针对无缺陷训练样本情形下的复杂纹理背景Mura缺陷检测难题,提出基于多尺度集成特征编码网络（Multi-Scale Boosting Feature Encoding Network,MSBFEN）的无监督Mura缺陷检测算法。为摆脱对Mura缺陷样本的依赖,MSBFEN将缺陷检测转换为纹理背景重构问题,提出先验引导的特征提取方法与异常可知的特征编码方法,解决Mura缺陷精确抑制、纹理背景精确重构难题,实现Mura缺陷精确检测。Mura缺陷数据集测试结果表明,仅利用良品样本训练,MSBFEN在该数据集的检出率达到87.4%,过检率为较低的4.4%,达到最佳的无监督Mura缺陷检测精度（现有方法检出率低于75%,过检率高于5%）。同时,MSBFEN在纹理识别任务中达到最佳分类精度,验证了MSBFEN的通用性。（2）提出了基于异常合成与分解网络的半监督Mura缺陷生成与检测算法。针对少量Mura缺陷训练样本情形下的Mura缺陷自动生成与精确检测难题,提出基于异常合成与分解网络（Anomaly Composition and Decomposition Network,ACDN）的半监督Mura缺陷生成与检测算法。ACDN中,针对Mura缺陷数量有限问题,提出基于高斯采样的异常合成方法与分割引导的缺陷生成网络实现大量Mura缺陷样本自动生成;提出基于深度特征编码的异常分解网络,解决纹理背景与Mura缺陷精确分解难题,实现Mura缺陷精确检测。Mura缺陷数据集测试结果表明,仅利用少量Mura缺陷样本训练,ACDN可实现大量Mura缺陷样本自动生成,且其在该数据集的检出率达到92.8%,过检率为较低的3.5%,优于现有无监督Mura缺陷检测算法（检出率低于75%,过检率高于5%）,实现了少量Mura缺陷训练样本情形下的Mura缺陷自动生成与精确检测。同时,ACDN在纹理表面缺陷检测数据集取得较好检测精度,验证了ACDN的通用性。（3）提出了基于多尺度注意力机制网络的监督Mura缺陷检测算法。针对大量Mura缺陷训练样本情形下的各类Mura缺陷高精度检测难题,提出基于多尺度注意力机制网络（Multi-Scale Attention Network,MSAN）的监督学习Mura缺陷检测算法。MSAN中,提出多尺度特征融合模块实现不同尺度Mura缺陷强语义特征表达;提出多尺度注意力机制模型定位Mura缺陷区域、解决Mura缺陷与纹理背景样本不均衡问题;以多尺度注意力分数图为引导信息,MSAN通过多尺度分层检测,实现不同尺度、不同类型Mura缺陷精确鲁棒检测。Mura缺陷数据集测试结果表明,MSAN在该数据集的整体检出率达到94.6%,过检率为较低的4.1%,优于现有监督学习Mura缺陷检测方法（检出率低于88%,过检率高于5%）,实现大样本情形下各类Mura缺陷精确检测。同时,MSAN在目标检测任务中取得较好检测精度,证明了MSAN的通用性。Mura缺陷检测算法在OLED产线中的检测精度应用验证。集成提出的MSBFEN、ACDN、MSAN Mura缺陷检测算法,开发了Mura缺陷检测软件;利用搭建的Mura缺陷自动光学检测系统对提出的Mura缺陷检测算法在OLED产线进行了实际应用。在OLED产线的应用结果表明,提出的无监督MSBFEN算法、半监督ACDN算法与监督MSAN算法,分别使产线无缺陷训练样本情形的Mura缺陷检出率高于86%、产线少量缺陷训练样本情形的Mura缺陷检出率高于91%及产线大量缺陷训练样本情形的Mura缺陷检出率高于93%,过检率均低于5%,检测精度优于现有Mura缺陷检测算法,实现了Mura缺陷精确检测。