(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211267806.8 (22)申请日 2022.10.17 (71)申请人 江苏昱恒电气有限公司 地址 226000 江苏省南 通市海安市城东 镇 龙游路18号 (72)发明人 储春琴　 (74)专利代理 机构 武汉华强专利代理事务所 (普通合伙) 42237 专利代理师 康晨 (51)Int.Cl. G06T 7/00(2017.01) G06T 9/00(2006.01) (54)发明名称 基于计算机视觉的LED背光异物 缺陷检测方 法 (57)摘要 本发明涉及人工智能领域， 具体涉及一种基 于计算机视觉的LED背光异物缺陷检测方法， 获 取LED背光屏表面图像灰度的分界值， 将表面图 像中的像素点的灰度值序列分为连续行程和不 连续行程， 根据不连续行程中像素点的关联性获 取的不连续行程的一阶差分序列， 根据不连续行 程中相邻像素点的灰度差值、 连续相同的灰度差 值的个数、 第一个连续相同灰度差值对应的灰度 值、 连续相同差值之后出现的第一个不同差值对 应的灰度值得到不连续行程及其一阶差分序列 的编码方式， 对LED背 光屏多尺度图像压缩， 根据 图像中每行编码长度得到LED 背光屏存在缺陷的 概率， 根据概率判断LED表面是否存在缺陷， 方法 精准、 高效。 权利要求书2页 说明书7页 附图2页 CN 115330806 A 2022.11.11 CN 115330806 A 1.一种基于计算机 视觉的LED背光异 物缺陷检测方法， 其特 征在于， 包括： S1:获取待检测LED背光屏表面图像； S2:获取表面图像每一行像素点行程的分界值 ， 利用 将每一行像素点分为连续行 程像素点序列和不连续行程像素点序列； S3:对每一行像素点的每个连续行程像素点序列和每个不连续行程像素点序列中的灰 度值及分界值 进行初步编码， 连续行程像素点序列初步编码后作为第一目标编码， 不连 续行程像素点序列初步编码后作为 不连续行程编码； S4:根据每一行像素点中的每个不连续行程编码中像素点的灰度值计算每个不连续行 程编码的关联性； S5:将关联性小于等于阈值的不连续行程编码作为第二目标编码， 根据关联性大于阈 值的不连续行程编码中相邻灰度值差异得到不 连续行程编码的差分序列， 利用 和灰度值 差异对不连续行程编码的差分序列进行二次编码得到第三目标编码； S6:获取每行像素点中的目标编码， 所述目标编码包括第一目标编码、 第二目标编码、 第三目标编码； S7:对LED背光屏表面图像进行多尺度金字塔下采样， 并按照S2 ‑S6的方法获取每种尺 度下采样图像中的目标编码； S8:根据相邻尺度的下采样图像 中每行像素点的目标编码长度， 得到LED背光屏表面图 像中存在缺陷的概 率， 根据概 率判断LED表面是否存在缺陷。 2.根据权利要求1所述的一种基于计算机视觉的LED背光异物缺陷检测方法， 其特征在 于， 所述利用 将每一行像素点分为 连续行程像素点序列和不 连续行程像素点序列的具体 方法为： 计算 ： 式中， 为每一行像素点行程的分界值， 为LED背光屏表面灰度图像中的最 大灰度值与最小灰度值； 当出现连续 个 （ ） 任意两连续的灰度值不相同的像素点时， 这 个像素点为不 连续行程像素点序列， 用 表示； 当出现连续N个 （ ） 任意两连续的灰度值均相同的像素点时， 这N个像素点为连续 行程像素点序列， 用 表示。 3.根据权利要求2所述的一种基于计算机视觉的LED背光异物缺陷检测方法， 其特征在 于， 所述初步编码方法为： 每个连续行程像素点序列编码方式为： ,即 个灰度值都为 的像素点； 每个不连续行程像素点序列编码方式为： ， 其中， 分别为每 个像素点的灰度值。权　利　要　求　书 1/2 页 2 CN 115330806 A 24.根据权利要求3所述的一种基于计算机视觉的LED背光异物缺陷检测方法， 其特征在 于， 所述每 个不连续行程编码的关联性的计算方法为： 式中， B为不连续行程编码的关联性， 即不连续行程编码中像素点的关联性，  N为不连 续行程编码中像素点个数， 为不连续行程编码中第N个 像素点的灰度值,   为超参数。 5.根据权利要求4所述的一种基于计算机视觉的LED背光异物缺陷检测方法， 其特征在 于， 所述利用 和灰度值差异对不连续行程编码的差分序列进行二次编码得到第三目标编 码的具体方法为： 二次编码方式为： ， 其中， 为不连续 行程编码， d为 灰度值差值， x为连续的灰度值差值相同的d值的个数， 为差值序列中第一个连续相同差 值所对应的灰度值， 为连续相同差值后出现的第一个不同差值所对应的灰度值， 为不连续行程中的第N个 像素点对应的灰度值； 将编码后的差分序列 作为第三目标编码。 6.根据权利要求1所述的一种基于计算机视觉的LED背光异物缺陷检测方法， 其特征在 于， 所述LED背光屏存在缺陷的概 率的计算方法为： 式中， 为LED背光屏存在缺陷的概率， 为下采样图像的行数， L为原LED背光屏图像中 第 行的编码长度， 为原LED背光屏图像的行数， 为下采样图像中第 行的编码长度, 为 超参数。 7.根据权利要求6所述的一种基于计算机视觉的LED背光异物缺陷检测方法， 其特征在 于， 所述根据概率判断LED表面是否存在缺陷的方法为： 当LED背光屏存在缺陷的概 率P大于等于 0.3时， LED背光屏存在缺陷。权　利　要　求　书 2/2 页 3 CN 115330806 A 3