显示面板AI外观检测定制：Mura低对比度缺陷分割

在显示面板外观检测中，Mura、微划痕这类低对比度缺陷长期依赖人眼复判：缺陷灰度差常低于3~5个灰阶，背景又存在亮度渐变与像素纹路，常规阈值分割容易漏检或把膜层纹理当成缺陷。本实验室近期的实验性工作，围绕“成像端先把对比度做出来、算法端再把边界收干净”的思路展开。

· 成像侧：采用多角度条纹光与相位偏折（PMD）组合采集，把透明盖板与镜面区域的划痕转成相位梯度异常；配合分区亮度归一化，使Mura在背景渐变下的局部对比度提升约2~3倍，为后续分割提供更稳定的输入。
· 算法侧：以轻量分割网络输出缺陷概率图，再叠加基于梯度与曲率的边界细化，将膜层纹理、灰尘等高频干扰纳入负样本。当前内部测试集上，低对比度Mura召回率较固定阈值方案提升约18个百分点，过检率控制在可复判范围内。

下一步计划把相位图、灰度图与AOI原始坐标做多模态对齐，尝试用少量标注样本完成新面板型号的快速迁移，并接入产线复判数据形成阈值自动收敛闭环。