液晶面板的Mura缺陷是视觉检测中典型的「低对比」难题：灰度差常在1%~3%，边界弥散，容易被面板栅格纹理和背光不均淹没。我们没有直接端到端上检测网络，而是把问题拆成「背景复原 + 残差分割」两步。
进展：先用低频同态滤波抑制背光梯度，再用频域陷波压制面板周期性栅格，得到相对干净的背景估计；在残差图上训练轻量分割网络，只输出像素级缺陷掩膜，再由掩膜面积、平均对比度与边缘梯度做等级判定，与人眼目检口径对齐。数据侧以产线历史工单作为弱标签，配合少量像素级标注迭代，在自有测试集上低对比Mura召回率由约78%提升至91%，单张判读约120ms，对产线节拍仍有余量。
下一步：① 扩展到曲面与窄边框型号，验证背景建模的跨型号迁移能力；② 将分割模型量化后部署至边缘推理盒，与现有AOI设备做并联比对，观察长期误检分布。
评论