一种融合色差分析和深度学习的Mura缺陷检测方法及系统

本发明提供一种融合色差分析和深度学习的Mura缺陷检测方法及系统，涉及Mura缺陷检测技术领域，所述方法流程为：获取显示面板的无缺陷图像和Mura色不均缺陷图像；对Mura色不均缺陷图像进行标注，以构建带标注的缺陷图像数据集；基于缺陷图像数据集对深度学习模型进行有监督训练，以得到Mura缺陷检测模型；对无缺陷图像和Mura色不均缺陷图像进行色差值计算，基于色差值确定Mura色不均缺陷的色差阈值；基于Mura缺陷检测模型以及Mura色不均缺陷的色差阈值对待检测图像进行模型推理和预测，以得到Mura缺陷预测结果。本发明通过深度学习模型训练自动学习Mura缺陷特征，实现Mura缺陷的定位与分类；同时利用LAB色彩空间的色差分析作为辅助判定，提高了模型检测的智能化和适应性。