基于双向特征融合卷积神经网络的液晶面板缺陷检测算法

• 作者: 刘恒 彭大芹 许国良 邓柯
• 来源期刊: 广东通信技术
• 关键词: 深度卷积神经网络 双向特征融合 缺陷检测 液晶面板 深度学习 迁移学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 技术交流
• 页码范围: 66-73
• 页数: 8页
• 语种: 中文
• DOI: 10.3969/j.issn.1006-6403.2019.04.016

摘要

针对手机液晶面板生产工业中缺陷检测面临的精度低的问题,提出了一种基于深度学习的液晶面板缺陷检测算法,该算法在传统单向特征融合的基础上提出了双向特征融合的网络结构,并提出一种新型的特征融合方法.结合多源域缺陷数据的迁移学习的方法进行了训练,实现了手机液晶面板缺陷数据集上对缺陷目标的检测.实验结果表明,针对多种不同类型的手机液晶面板缺陷,该方法达到了75.4％的mAP,相较于YOLO算法提升了13.9％,提升了液晶面板缺陷检测的检测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭大芹	重庆邮电大学通信与信息工程学院	47	147	8.0	10.0
5	刘恒	重庆邮电大学通信与信息工程学院	11	60	4.0	7.0
9	许国良	重庆邮电大学通信与信息工程学院	10	2	1.0	1.0
13	邓柯	重庆邮电大学通信与信息工程学院	1	0	0.0	0.0