AI面板外观缺陷检测定制：低角度光与Mura分级

显示面板的外观缺陷检测长期依赖人工复判：划痕、异物、边缘崩缺在常规明场成像下对比度低，Mura类缺陷边界弥散，规则算法难以同时压住过杀与漏检。本实验室本阶段的实验围绕“成像—定位—分级”三段展开。

进展方面：采用低角度环光、同轴光与暗场三种照明组合采集同工位多通道图像，把照明差异当作输入的一部分而非干扰，使细微划痕与浅Mura至少在一个通道中形成可分辨的梯度。模型侧先用轻量分割网络输出候选区域，再由分类头结合区域面积、灰度对比度与形状规则度做缺陷等级判定，等级阈值可按产线口径调整，而非固定为二值结论。

• 阶段性数据：在某中小尺寸面板产线的试点工位上，划痕类缺陷过杀率较原规则方案下降约三成，漏检未同步上升；Mura类因样本量有限，仅作趋势观察，暂不下结论。
• 下一步计划：把照明强度与入射角度纳入参数搜索空间，与产线节拍约束联合调优，并补齐Mura样本的合成与标注闭环。

需要说明的是，面板缺陷的判定标准带有较强的厂别与客户差异，系统最终以等级形式输出，便于产线按标准切换复核口径。