融合改进LBP和SVM的偏光片外观缺陷检测与分类

作     者：黄广俊 邓元龙 HUANG Guangjun;DENG Yuanlong

作者机构：深圳大学机电与控制工程学院广东深圳518060 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第22期

页      面：251-255页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.61571306) 深圳市基础研究项目(No.JCYJ20150324141711676) 

主　　题：偏光片 缺陷检测 LBP描述符 支持向量机(SVM) 主成分分析(PCA) 线性判别分析(LDA) 

摘      要：偏光片的外观缺陷是影响TFT-LCD面板质量的重要因素之一。为提高偏光片外观缺陷图像识别的准确性,提出一种改进局部二值模式(Local Binary Pattern,LBP)描述符和支持向量机(Support Vector Machine,SVM)的识别方法。缺陷图像通过暗场成像原理获得,将缺陷图像划分为不同的区,对每一个区域提取LBP特征并组成高维复合特征。将不同分区的像素均值特征与LBP复合特征进行集成,利用主成分分析(Principal Component Analysis,PCA)消除特征间的相关性和噪声,使用线性判别分析(Linear Discriminant Analysis,LDA)进一步投影变换至低维特征,使用支持向量机对上述特征进行分类。结合改进LBP描述符、PCA、LDA和SVM四种算法的优点,在总数250的数据库中进行仿真实验,结果表明,该方法识别准确率达到99.2%,单张图像识别时间为0.92 s,完全满足工业生产线的实际应用要求。