显示面板AI外观缺陷检测：弱对比缺陷的成像与判定

面板外观检测的难点不在缺陷种类多，而在缺陷与背景的对比度低。周期性像素纹理、镀膜反光与Mura的缓慢渐变叠加，使同一阈值在A型机与B型机上表现差异明显。

近期的实验把方案拆成两段：先用低角度侧向光与偏振成像提高弱缺陷信噪比，再以频域滤波抑制周期纹理，避免把像素栅格误判为划伤。缺陷判定改用无监督异常分数加少量有监督分级头，正常样本即可训练，缓解亮暗点、异物等类别样本极不均衡的问题。

• 进展：在6.5代线离线抽检集上，弱对比Mura召回由约78%提升至91%，过检率下降约三成；划伤与异物的判定仍依赖人工复核抽样校准。
• 下一步：接入产线复判结果做数据回流，按机型、工艺段与光照批次自适应阈值，并把单张检测节拍压缩到0.6秒以内，验证高分辨率面板下的稳定性。

系统保留人工复核入口，AI只输出缺陷位置、等级与置信度，便于追溯与持续修正。