在显示面板产线，外观检测长期面临两类难点：一是Mura（云状不均）边界模糊，人眼判定常随光照与疲劳漂移；二是划痕、异物、印刷偏位等缺陷尺度跨度大，单一模型难以兼顾漏检与过杀。本实验室近期围绕「分级判定」做了一轮实验性探索，把检测目标从“有无缺陷”改为“缺陷类型＋严重度等级”，以贴合下游判级与返修策略。
进展方面，我们采用两阶段结构：第一阶段用轻量分割网络定位疑似区域，抑制背景纹理与偏光膜反光干扰；第二阶段对候选区域做多尺度分类，输出等级与置信度，并将低置信样本自动转入人工复判队列。在内部构建的样本集上，等级判定的整体一致率较单阶段基线提升约8个百分点，过杀率下降明显，单张图像推理延迟控制在产线节拍可接受范围内。
下一步计划聚焦两点：一是补充不同亮度与视角下的Mura样本，验证等级阈值在跨批次上的稳定性；二是把复判结果回流为增量样本，观察模型在少样本条件下的迭代收敛速度，并评估边缘端部署的算力占用。
评论