在显示面板外观检测中，Mura、微划痕和异物往往对比度低、边界模糊，受玻璃反光与曲面形变影响，传统阈值AOI容易过杀或漏检。本实验室近期把重点放在“成像一致性+异常检测”的实验性验证：先以多角度低角度光与偏振成像稳定缺陷对比度，再用正常样本训练轻量异常检测模型，输出缺陷热力图与置信度，最后由复判规则区分真缺陷、灰尘和膜层纹理。
进展：
- 在OLED模组外观试跑中，对低对比Mura和细划痕的候选召回较原阈值方案有提升，同时将明显灰尘、反光误报压到可复判范围。
- 模型以边缘推理运行，单帧耗时控制在产线节拍内，不改变现有主AOI流程。
下一步计划补充不同批次面板的亮度漂移样本，并验证缺陷分类到维修工位的闭环。相关能力可作为显示面板AI外观缺陷检测系统定制的一部分，但现阶段仍属实验性验证，需按具体产线与缺陷谱重新标定。
评论