基于K-means聚类和LVQ神经网络的OLED缺陷像素识别

• 作者: 唐彪 唐谦 林志贤 纪艳玲 郭太良
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图像处理
• 页码范围: 37-42
• 页数: 6页
• 分类号: TP391.4
• 字数: 4620字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.07.007

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林志贤	福州大学物理与信息工程学院	139	647	13.0	19.0
2	郭太良	福州大学物理与信息工程学院	302	1102	15.0	21.0
3	唐彪	华南师范大学广东省光信息材料与技术重点实验室	7	7	2.0	2.0
4	纪艳玲	福州大学物理与信息工程学院	1	0	0.0	0.0
5	唐谦	福州大学物理与信息工程学院	3	0	0.0	0.0