导读:本文包含了液晶缺陷论文开题报告文献综述及选题提纲参考文献，主要关键词:机器视觉,目标定位,相关系数匹配,缺陷检测
液晶缺陷论文文献综述
彭宇[1]（2019）在《基于卷积神经网络的电能表液晶屏缺陷检测系统设计》一文中研究指出随着国家电网智能电能表的广泛使用,电能表质量需要达到较高的标准,为了保证电能表在出厂时的良品率,需要对其进行质量检测。目前常见的电能表质量检测主要分为人工质检及机器视觉两种模式,其中人工质检存在效率低、成本高、准确率随着工作时间增加而降低等问题,而目前工业现场采用的机器视觉检测算法多为传统的图像处理算法,检测正确率需要进一步提升,并且随着业务增加,算法检测的目标种类也需要增加。为了解决上述问题,本文结合深度学习技术、图像处理技术、计算机技术和数据库技术,设计了一种基于卷积神经网络的电能表缺陷自动检测系统,能够快速、准确的实现智能电能表质量检测,相比传统图像处理算法具有更高的准确率,能够针对异物遮挡、黑屏等复杂情况准确判断,并具有LED灯检测、电量识别等功能。本文研究的具体工作内容如下:(1)设计了基于卷积神经网络的电能表缺陷检测系统,能够实现电能表液晶屏的状态检测、字符缺陷检测、底度电量值OCR识别、条码识别、LED跳闸灯检测。首先根据项目要求进行业务需求分析,按照实现功能将系统分为目标检测、目标定位两个模块开发,并设计了字符标注组态软件、数据集自动采集脚本、网络训练脚本、数据库存储结构以及检测算法软件调用接口。(2)为了实现图像中的目标检测,需要分割目标以确定待检测区域,本文定位模块中的目标主要包含液晶屏、液晶屏中的每个字符以及LED跳闸灯。在液晶屏定位模块中,首先将图像进行灰度化、LSD直线检查、倾斜校正、Canny边缘检测等步骤预处理,然后根据厂家标准液晶屏模板,将校正后的边缘二值图像后采用相关系数模板匹配法,准确定位电能表液晶屏区域。在字符定位模块中,采用了读取字符标注文本法,根据字符位置特征分析,定制开发了字符标注组态软件,通过鼠标绘制即可快速生成字符坐标信息文本,分割电能表液晶屏图像后读取字符坐标信息文本,即可定位每个字符的准确位置。LED跳闸灯定位模块开发中,分析了其位置及形状特征,根据液晶屏的相对位置确定大致范围,然后采用了霍夫梯度法进行准确定位。(3)目标检测模块中,主要包含液晶屏字符缺陷检测、LED跳闸灯的状态检测及底度电量值OCR识别。其中字符缺陷检测采用了卷积神经网络实现,将定位分割后的每个字符依次通过卷积神经网络,根据其识别的结果判断该位置的字符是否显示、遮挡及黑屏判断。底度电量值OCR识别同样采用了卷积神经网络,可以对当前剩余的总电量、尖电量、峰电量、平电量、谷电量实现准确识别。LED跳闸灯的检测采用了灰度平均值法,通过像素值分布区域判断LED灯是否点亮。通过实验结果表明本文实现的字符缺陷检测、底度电量值OCR识别、液晶屏显示状态检测及LED跳闸灯点亮检测均达到项目要求。(4)目前该系统已在国家电网河南省电力公司计量中心测试使用,根据现场测试情况,该系统达到项目验收标准,可以实现快速、准确的智能电能表质量检测,保证产品出厂合格率。(本文来源于《郑州大学》期刊2019-05-01）
彭大芹,刘恒,许国良,邓柯[2]（2019）在《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》一文中研究指出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。(本文来源于《广东通信技术》期刊2019年04期）
彭大芹,刘恒,许国良[3]（2019）在《基于多源域深度迁移学习的液晶面板缺陷检测算法》一文中研究指出针对液晶面板缺陷检测中现有的基于深度神经网络的方法所面临训练数据不足、模型泛化性能差和模型稳定性能差等问题,提出了一种基于多源域深度迁移学习的缺陷检测算法,该算法利用多种相似任务的数据集构建了多源域的训练数据,以Mask R-CNN为基础框架,采用混淆域的迁移学习方法对模型进行知识迁移,实现了对液晶面板缺陷的检测。另外,本文还提出一种参数更新的方法,以保证多源域数据知识的正向迁移。为验证所提方法的有效性和实用性,本文以四个源域数据集为基础,在液晶缺陷数据集上进行了实验。实验结果表明,该算法达到了79.6%的mAP,相比于非迁移学习的方式提升了23.8%。模型训练稳定后的检测效率符合工业生产的要求,证明了算法的有效性和实用性。(本文来源于《广东通信技术》期刊2019年03期）
廖昆,徐海龙,张小龙[4]（2018）在《一维液晶缺陷阶梯型Thue-Morse序列光子晶体的电控特性》一文中研究指出文章设计了一维向列相液晶缺陷阶梯型Thue-Morse序列第四代光子晶体结构,利用传输矩阵法数值计算该结构的透射谱,并与传统型Thue-Morse序列第四代光子晶体结构的透射谱相比较,最后探究缺陷模及光场分布分别与夹角?的变化关系。结果表明:一维向列相液晶缺陷阶梯型Thue-Morse序列第四代光子晶体结构的透射谱存在光子禁带。当夹角?逐渐变大时,缺陷模波长的空间位置发生蓝移,在夹角?(0?-90?)变化时,缺陷模波长的可控变量为104 nm。在该结构的空间位置z=1720 nm处,光场分布出现局域化;并且随夹角?的变大,光场强度是一个先增大后减小的变化过程。(本文来源于《萍乡学院学报》期刊2018年06期）
刘东阳,马岩,支军令[5]（2018）在《浅谈TFT液晶玻璃基板冷端加工Adhered Glass(ADG)缺陷管控办法》一文中研究指出国内各大液晶面板厂家对玻璃基板表面品质有着严格的要求。以TFT液晶玻璃基板冷端加工生产工艺为研究对象,结合相关实践工作经验,针对TFT-LCD液晶玻璃基板在冷端加工中Adhered Glass缺陷管控进行分析,旨在提升我国TFT液晶玻璃基板加工水平。(本文来源于《现代制造技术与装备》期刊2018年12期）
邵廷荣,谢军,王国全[6]（2018）在《TFT-LCD液晶基板玻璃结石缺陷产生机理及对策》一文中研究指出TFT-LCD液晶基板玻璃熔解缺陷主要为:气泡、结石。由于目前随着熔解工艺逐步成熟、完善,气泡缺陷所占比例基本控制在2%～5%左右,而结石缺陷由于产生机理及产生位置的差异,同时由于其种类较多,对策较为困难,因此,结石缺陷成为影响玻璃良率主要缺陷。结石缺陷分为:铂金结石、硅锆结石、氧化锡结石、方石英等。本文将重点从这几类结石产生机理及初步对策措施入手加以阐述。(本文来源于《2018年电子玻璃技术论文汇编》期刊2018-12-01）
彭思源,种鹏昆,王喜,匡少鹏,黄匡成[7]（2018）在《液晶玻璃基板磨边缺陷研究及改善》一文中研究指出研磨是液晶玻璃基板冷加工制程中的一道重要工序,磨边质量的好坏直接影响加工缺陷的发生,导致成品率的波动,并在很大程度上影响后工序加工的稳定性。磨边是通过研磨轮与玻璃的相对运动,磨轮中的金刚石磨粒对玻璃切削,使玻璃边部形成高光洁度的弧面。本文分析了常见的叁类磨边缺陷,并提出相应的对策方法,为企业改善磨边条件、对策磨边缺陷提供指导意义。(本文来源于《2018年电子玻璃技术论文汇编》期刊2018-12-01）
牟淑贤[8]（2018）在《基于CCD技术的手机液晶屏缺陷检测方法探析》一文中研究指出近年来,随着经济的迅猛发展,液晶显示屏得到更广泛的应用,而应用在手机上的液晶屏的高质量要求更加凸显。手机用液晶屏的缺陷检测的重要性也不言而喻,如何为手机液晶屏质量提供可靠保障成为手机制造商们极为关注的问题。传统的手机屏幕缺陷的检测通常是人工检测,此方法浪费人力物力资源成本高、操作环节有限,目检人员的视觉极易产生疲劳,存在主观性、标准难统一,从而会产生检测产品合格率和检测效率的下降。(本文来源于《科技视界》期刊2018年32期）
蒋莉,严军,孟伟,赵勇,范欢欢[9]（2018）在《基于形态学的点阵液晶屏缺陷检测方法的研究》一文中研究指出点阵液晶屏因可显示内容丰富的特点被广泛应用,然而生产中极易产生液晶显示缺陷,目前该类缺陷检测工作仍以人工观察和经验判断为主,存在漏检误检问题。提出一种基于形态学图形处理的点阵液晶屏缺陷自动检测方案,首先估算出单个点阵元素大小,以此确定缺陷大小阈值和结构元素尺寸。然后通过对显示区域轮廓做形态学凸性分析,检测出边缘缺陷。接着,对待处理图像采用形态学开闭运算,利用闭运算前后图像的差图像检测出内部缺陷。实验结果表明,该方案在变化背景环境中针对不同类型缺陷检测具有高准确率,具有良好的工业应用前景。(本文来源于《电子测量技术》期刊2018年16期）
钱基德,陈斌,钱基业,赵恒军,陈刚[10]（2018）在《基于机器视觉的液晶屏Mura缺陷检测方法》一文中研究指出通过分析液晶屏中缺陷检测的必要性和人工检测的不足,研究一种基于机器视觉的液晶屏Mura缺陷在线检测系统。针对液晶屏中的Mura缺陷区域和周围背景对比度低、边缘模糊、形状各异、整体亮度不均等特点,建立模拟人工检测的成像系统。提出单帧图像背景建模和背景差分方法,该方法能有效解决液晶屏的亮度不均问题,同时增强Mura缺陷的特征信息。然后基于最大稳定极值区域(Maximally Stable Extremal Region,MSER),提出Mura缺陷自适应阈值缺陷分割方法,建立一个全自动缺陷在线检测的视觉系统。实验结果表明,所提检测算法能很好地解决液晶屏亮度不均的问题,准确地对Mura缺陷进行分割定位,算法的鲁棒性好。并且该系统人工干预少,效率高,能实现在线自动检测。(本文来源于《计算机科学》期刊2018年06期）
液晶缺陷论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
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。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
液晶缺陷论文参考文献
[1].彭宇.基于卷积神经网络的电能表液晶屏缺陷检测系统设计[D].郑州大学.2019
[2].彭大芹,刘恒,许国良,邓柯.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[J].广东通信技术.2019
[3].彭大芹,刘恒,许国良.基于多源域深度迁移学习的液晶面板缺陷检测算法[J].广东通信技术.2019
[4].廖昆,徐海龙,张小龙.一维液晶缺陷阶梯型Thue-Morse序列光子晶体的电控特性[J].萍乡学院学报.2018
[5].刘东阳,马岩,支军令.浅谈TFT液晶玻璃基板冷端加工AdheredGlass(ADG)缺陷管控办法[J].现代制造技术与装备.2018
[6].邵廷荣,谢军,王国全.TFT-LCD液晶基板玻璃结石缺陷产生机理及对策[C].2018年电子玻璃技术论文汇编.2018
[7].彭思源,种鹏昆,王喜,匡少鹏,黄匡成.液晶玻璃基板磨边缺陷研究及改善[C].2018年电子玻璃技术论文汇编.2018
[8].牟淑贤.基于CCD技术的手机液晶屏缺陷检测方法探析[J].科技视界.2018
[9].蒋莉,严军,孟伟,赵勇,范欢欢.基于形态学的点阵液晶屏缺陷检测方法的研究[J].电子测量技术.2018
[10].钱基德,陈斌,钱基业,赵恒军,陈刚.基于机器视觉的液晶屏Mura缺陷检测方法[J].计算机科学.2018