AI面板Mura检测定制：曲面反光抑制与灰度分级

曲面显示面板的外观检测，难点往往不在划伤、异物这类高对比缺陷，而在 Mura（云斑）一类的低对比度亮度不均。曲面玻璃的镜面反射随视角漂移，同一块屏在不同工位拍出的灰度分布差异可达十几个灰阶，固定阈值方案因此频繁漏检或误报。

本阶段实验室把工作集中在两件事上：成像侧采用可编程环形光源做多角度序列取像，配合偏振片压制玻璃表面反射，再逐角度做亮度场校正，把背景不均匀量从原图中减掉；判定侧用轻量分割网络输出缺陷连通区域，再由回归头给出与标准样片对齐的灰度差与面积，映射为面板厂常用的等级区间，而非单一好坏标签。分割与量化分开训练，避免缺陷边界模糊时分类头被噪声带偏。

· 阶段结果：在自有采集的 1,860 片曲面屏样本（含 214 片人工确认 Mura）上，误报率较原阈值方案下降约 43%，其中反光引起的假缺陷减少最明显；单张推理耗时 38 ms，可在现有产线节拍下完成在线复判。
· 下一步：补充不同批次背光模组样本，验证灰度量化在亮度衰减下的稳定性，并尝试以少量标注样本做缺陷合成，降低新机型的冷启动标注成本。