申请/专利权人：深圳市酷童小样科技有限公司

申请日：2024-03-19

公开（公告）日：2024-05-31

公开（公告）号：CN117911409B

主分类号：G06T7/00

分类号：G06T7/00;G06T5/70;G06T7/11;G06T7/13;G06T7/70;G06V10/25;G06V10/75;G06V10/74;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.05.31#授权;2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及图像诊断技术领域，尤其涉及一种基于机器视觉的手机屏坏线缺陷诊断方法。所述方法包括以下步骤：获取手机屏图像；对手机屏图像进行ROI区域分割，生成标准手机屏ROI区域图像；对标准手机屏ROI区域图像进行局部区域像素特征匹配，生成坏线特征匹配结果数据；对坏线特征匹配结果数据进行坏线模式匹配，生成坏线模式匹配结果数据；对坏线模式匹配结果数据进行坏线定位，生成坏线定位位置数据；对坏线定位位置数据进行坏线分类预测，生成坏线分类预测数据。本发明在定位坏线的同时进行了分类预测，即判断坏线的类型和严重程度，提高了坏线诊断的精度和效率。

主权项：1.一种基于机器视觉的手机屏坏线缺陷诊断方法，其特征在于，包括以下步骤：步骤S1：获取手机屏图像；对手机屏图像进行ROI区域分割，生成标准手机屏ROI区域图像；步骤S2：对标准手机屏ROI区域图像进行局部区域像素特征匹配，生成坏线特征匹配结果数据；对坏线特征匹配结果数据进行坏线模式匹配，生成坏线模式匹配结果数据；步骤S2包括以下步骤：步骤S21：对标准手机屏ROI区域图像进行角点检测，得到ROI区域角点特征数据；步骤S22：对ROI区域角点特征数据进行局部区域像素描述子生成，得到ROI区域像素局部特征图像；步骤S22包括以下步骤：步骤S221：根据对ROI区域角点特征数据进行标准手机屏ROI区域图像进行像素颜色分析，生成像素颜色数据；对像素颜色数据进行相邻像素颜色色差分析，得到相邻像素颜色色差数据；步骤S222：将相邻像素颜色色差数据和预设的标准像素颜色色差阈值进行对比，当相邻像素颜色色差数据大于或等于预设的标准像素颜色色差阈值，则对相应的像素进行可疑坏线标记，生成可疑坏线像素；步骤S223：利用像素亮度变化分析公式对可疑坏线像素进行亮度变化波动分析，生成像素亮度波动数据；根据滤波器对像素亮度波动数据进行波动梯度图转换，生成亮度波动梯度图；步骤S223中的像素亮度变化分析公式如下所示： 式中，表示为像素在位置和时间的亮度，表示为输入像素在位置和输入时间的亮度，表示为控制空间上的模糊程度，表示为控制时间上的模糊程度，表示为像素横坐标，表示为像素纵坐标，表示为时间点，表示为输入像素横坐标，表示为输入像素纵坐标，表示为输入时间点；步骤S224：对亮度波动梯度图进行局部极值点标记，生成亮度波动局部极值关键点数据，其中亮度波动局部极值关键点数据包括像素位置数据、梯度幅值数据和亮度波动方向数据；对亮度波动局部极值关键点进行固定局部区域定义，生成局部亮度波动区域；步骤S225：根据像素位置数据、梯度幅值数据和亮度波动方向数据对局部亮度波动区域进行局部描述子计算，生成局部描述子集合；将局部描述子集合进行图像集合，生成ROI区域像素局部特征图像；步骤S23：基于最近邻匹配算法对ROI区域像素局部特征图像进行特征匹配，生成坏线特征匹配结果数据；对坏线特征匹配结果数据进行特征向量转换，生成坏线特征向量集合；将坏线特征向量集合进行合并，并利用合并后的坏线特征向量集合对标准手机屏ROI区域图像进行坏线特征向量图谱构建，生成坏线特征向量图谱；步骤S24：基于坏线特征向量图谱对ROI区域像素局部特征图像进行坏线模式匹配，生成坏线模式匹配结果数据；步骤S3：对坏线模式匹配结果数据进行坏线定位，生成坏线定位位置数据；对坏线定位位置数据进行坏线分类预测，生成坏线分类预测数据；步骤S4：对坏线分类预测数据进行坏线严重程度评估，生成坏线严重程度评估数据；将坏线定位位置数据、坏线分类预测数据和坏线严重程度评估数据进行缺陷数据整合，从而生成手机屏坏线缺陷诊断报告；步骤S4包括以下步骤：步骤S41：根据坏线密集度计算公式对坏线分类预测数据进行坏线密集度计算，得到坏线密集度数据；步骤S41中的坏线密集度计算公式如下所示： 式中，表示为在位置处的坏线密集度，表示为坏点的数量，表示为接近坏线位置的时候密集度增长的速率，表示为在坏线位置附近的增长速率，表示为坏线密集度调整系数，表示为第个数据点的坏线位置，表示为坏线位置的平均值，表示为坏线位置的标准差，表示为时间点，表示为坏线的横坐标，表示为坏线的纵坐标；步骤S42：基于坏线密集度数据对坏线分类预测数据和坏线定位位置数据进行坏线密集图生成，得到坏线密集检测图；对坏线密集检测图进行坏线严重程度评估，生成坏线严重程度评估数据；步骤S43：将坏线定位位置数据、坏线分类预测数据和坏线严重程度评估数据进行缺陷数据整合，从而生成手机屏坏线缺陷诊断报告。

全文数据：

权利要求：

百度查询： 深圳市酷童小样科技有限公司 一种基于机器视觉的手机屏坏线缺陷诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD