显示面板AI外观缺陷检测：多模态成像与分级判定实验

显示面板的外观缺陷检测长期依赖人工目检与固定阈值算法，难点集中在三类：低对比度的微划痕在单一光源下几乎不可见；Mura类面缺陷边界模糊、无明确轮廓；缺陷等级判定依赖客户规格书，同一缺陷在不同型号上判级不同。

本阶段实验采用多模态成像采集：明场、暗场与同轴光按序曝光，同一检测位获取三组图像后做像素级配准，再送入分割网络提取缺陷区域。针对Mura缺陷，改为在低频分量上做背景重建与残差分析，避免高频纹理干扰。判级环节不直接输出缺陷类别，而是将缺陷的几何量（长度、面积、位置）与型号对应的规格阈值做规则比对，网络只负责稳定测量，规则层负责判级，便于客户按型号维护规格表。

阶段性进展：在一条6代线抽检样本上，微划痕召回率由原阈值算法的约82%提升至95%以上，单张图像处理耗时控制在300毫秒内，误判主要集中在蚀刻纹较重的边缘区域。

下一步：补充蚀刻纹边缘的负样本，并把判级规格表做成可配置项，支持产线按型号在线切换而无需重新训练模型。