基于卷积神经网络的TFT-LCD引脚导电性能检测

摘要

针对导电粒子粘连严重影响TFT-LCD引脚质量检测精度问题，提出融入K均值聚类特征选择的卷积神经网络引脚导电性能二分类图像检测方法。基于引脚附着粒子数量合格与否的判别标准，建立引脚图像检测的合格与不合格二分类模型。根据监督学习机理，构建包含2 000张引脚图像的数据集。为了提高检测精度，针对不同引脚图像中导电粒子与背景之间灰度阈值存在差异的特点，提出融入K均值聚类特征选择的卷积神经网络引脚图像粒子数量分类算法。进一步应用10折交叉验证法对算法的有效性进行了评估，检测正确率达到96.0%,比极大类间方差法提高了8%,比分水岭法提高了5.5%。

关键词

薄膜晶体管液晶显示器 / 质量检测 / 卷积神经网络 / K均值聚类