成果：TFT-LCD 液晶屏缺陷工业检测机器人
一、项目简介
随着工业技术的快速发展，大尺寸、高分辨率、窄边框的液晶屏成为计算机、电视、手机等不可或缺的显示设备。薄膜晶体管液晶显示器(TFT-LCD)设备已经成为显示器工业的主流技术。由于其复杂的制作工艺，视觉缺陷检测已经成为一项极其重要的步骤。大部分的TFT-LCD 组件集成了大量复杂的电子线路，其有缺陷的地方可能小于0.01mm2 并且很容易被周围的线路遮挡覆盖。缺陷包括断点和脏污等， 特征具有很低的对比度，模糊的边缘，甚至连人眼都很难分辨出来。为了减少数据处理量，提高检测速度，视觉检测系统获通常取得是单通道的TFT-LCD 工业图像。图像色彩偏于黯淡，像素间的特征相关性减弱。
近年来，机器视觉已经在工业检测上取得了巨大的进步。大多数视觉系统已经达到稳定，快速和自动化的程度，但是对于复杂的图像， 它们仍然有很大的误报率。因此，高效率，高精度的自动检测系统是使薄膜晶体管液晶显示器(TFT-LCD)设备能够保持竞争力的关键。
随着人工智能的发展，深度神经网络算法已经被成功运用在工业检测领域，并取得显著的效果。但是传统的神经网络算法只能用于图像的分类，不能精确地对目标缺陷进行检测和定位，这给人工智能在工业检测系统上的应用造成了一定的瓶颈。项目提出了基于快速区域神经网络（Faster R-CNN）算法对液晶屏电路板的缺陷进行识别和定位，利用实际采集的电路板图像数据构建数据集对算法进行验证，详细分析了网络层深度及卷积核大小对检测效果的影响。实验结果表明， 采用 3x3 小尺寸的卷积核和 16 层网络深度的Faster R-CNN 结构取得最好的效果，对多种类别的液晶屏电路板缺陷识别定位达到平均每张0.12s 的识别速度和 94.6%的准确率。
合作方式：技术合作、产业化落地
