原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第3O卷 第 1期 湖南理工学院学报(自然科学版) V0l-30NO．1
2017年3月 JournalofHunanInstituteofScience andTechnology(NaturalSciences) M 111．2017
— — — —
基于BP神经网络和均值差分的
TFT—LCDMURA缺陷检测方法
曾 毅，郭龙源，罗百通
(湖南理工学院 信息与通信工程学院，湖南 岳阳 414006)
摘 要：TFT-LCDMURA~：陷具有背景整体亮度不均、灰度变化不明显等特点，用基于机器视觉的方法bkTFT-LCD图
像 中分割出缺陷是非常困难的．本文提出一种新的MURA~陷检测方法，首先在分析TFT-LCD~]像中背景与MURA~：陷灰
度值差异的基础上，采用均值滤波和背景差分法来抑制背景杂波，然后采用灰度约束获取疑似MURA缺陷区域，最后提取
疑似区域灰度特征并将其放入训练后的BP神经网络提取缺陷 目标．结果显示，本文方法正确检测概率为98．1％，误检率为
1．4％，平均检测时间为0．33秒．仿真实验结果表明，本文提出的方法对MURA缺陷的检测非常有效，且算法简单，实时性高，
易于实现．
关键词：机器视觉：BP神经网络：TFT-LCD；MURA；缺陷检测
中图分类号：TP394．1；TH691．9 文献标识码：A 文章编号：1672．5298(2017)01—0032—07
TFT_LCD M URA DefectDetectionM ethod
BasedonBPNeuralNetworkandtheM eanDifference
ZENG Yi，GUO Longyuan，LUO Baitong
(CollegeofInformationandCommunicationEngineering，HunanInstituteofScienceandTechnology,Yueyang414006，China)
Abstract：TFT-LCD MURAdefectshavethebackgroundoverallbrightnessunevennessandgradationchangesignificantly．It
isverydi衔cultthatsegmentationdefectsfrom TFT_LCD basedonmachinevisionmethod．ThisPaDerproposesanew methodfor
detection0fMURA defects．Firstly,usingmena filteringna dbackrgound differenttosuppressbackrgound clutter,htisPaDer
analyzesrgayvaluedifferencesonhtebasisofhteTFT-LCD imagebackrgoundandMURAdefect．Thenweusehtergayconstraint
togetasuspectedMURAdefectregion．Finally,extractrgadationcharacteristiesrfom suspectedregionintohtetrainedBPneural
networktoextractdefecttarget．ExperimentalresultsindicatethatcorrectdetectionprobabilityiS98．1％．falsepositiverateiS1．4％．
theaveragedetectiontimeis0．23seconds．Simulationresultsshow thattheproposedmethodforhtedetectionofdefectsMIJRAi
文档评论（0）