显示面板AI外观缺陷检测：Mura与微划痕的分级判定

显示面板外观检测的特殊性在于：缺陷往往不是「有/无」的二值判断，而是「到什么程度算不合格」。Mura（云斑）类缺陷对比度极低、边界弥散，同一片面板在斜视与正视下表现差异明显；微划痕则常在镀膜与偏光片贴合工序后出现，宽度不足数微米。两者都难以用固定阈值稳定判定。

本阶段实验围绕「分级而非分类」展开，把检测目标从缺陷类别改为缺陷等级，直接对齐产线判等规则：

一、成像端先做可控性收敛。采用多角度低掠射暗场与同轴明场组合采集，固定光源入射角与相机增益，把 Mura 的信噪比从约 3dB 提升到 8dB 以上；对划痕则用低角度侧向光强化散射对比，减少与灰尘、纤维的混淆。

二、判定端采用「定量特征 + 等级回归」的轻量结构。提取缺陷区域的对比度梯度、面积、长宽比、方向一致性等可解释特征，再由回归模型映射到产线既有的等级区间（如可接受、观察、判废）。相比端到端分类，这种结构在样本不足时更稳，也便于工艺人员核对判据。

初步产线试跑中，Mura 等级判定与人工复判的一致率约 88%，微划痕约 92%，单片面检测耗时控制在节拍预算内。当前主要误差来源是低对比度 Mura 与面板自身亮度不均的耦合。下一步计划引入同批次面板的基线差分，抑制个体差异带来的误判，并扩充不同型号面板的等级样本覆盖。