AI在显示面板缺陷智能检测

20XX/XX/XXAI在显示面板缺陷智能检测汇报人:XXXCONTENTS目录01

显示面板缺陷检测行业背景02

AI缺陷检测的落地流程03

AI缺陷检测的应用场景04

AI缺陷检测的产业价值05

AI缺陷检测的发展前景显示面板缺陷检测行业背景01人工目视检测效率偏低主流中小面板厂多采用人工抽检，单块大尺寸面板人工检测需十多分钟，无法适配大规模量产需求。易受主观因素影响漏检错检人工检测依赖检测人员的经验与状态，人员疲劳后微小缺陷极易被漏判误判，不良品流出风险高。无法满足高分辨率面板需求随着8K、OLED等高分辨率新型面板推广，传统技术难以识别微米级的细微划痕、色偏缺陷。检测数据难以系统化留存分析传统检测多仅记录不良结果，缺陷的类型、位置、尺寸等数据无法完整留存，难以为生产优化提供支撑。传统检测技术的局限AI检测技术的引入传统人力检测的效率瓶颈随着面板分辨率提升产量增长，人工检测漏检率超10%，单张检测耗时久，无法匹配大规模产能需求。高精度缺陷检测的市场需求高端显示面板对缺陷精度要求达微米级，下游消费电子要求零瑕疵漏出，倒逼检测技术升级。AI技术落地成本的逐步下降近年来深度学习模型优化、算力成本降低，AI检测方案部署成本三年下降超40%，中小企业也可负担。AI缺陷检测的落地流程02缺陷数据采集与标注

缺陷样本多样性采集采集不同机型、不同类型的面板缺陷数据，覆盖划伤、异色、颗粒等多种常见缺陷场景。

缺陷位置精准标注由专业标注人员对采集到的缺陷区域进行框选标注，明确缺陷类别与位置边界。

标注数据质量校验通过人工复核结合算法初筛的方式，剔除错误标注样本，保障数据集可用质量。缺陷数据标注校正工业场景中缺陷样本少易标注错，专业人员会二次抽检校准标签，提升数据集标注准确率。数据清洗与标准化去除模糊、过曝废片，将不同设备采集的面板图像统一尺寸与像素范围，适配模型输入要求。基于生成模型的样本增强用GAN生成罕见缺陷样本，丰富缺陷类型多样性，解决数据集正负样本比例失衡的问题。数据集预处理与增强AI检测模型适配训练

缺陷数据清洗标注针对显示面板缺陷样本做人工标注，筛选低质量标注数据，保证训练数据集的质量可靠性。

模型适配性参数调优基于通用缺陷检测预训练模型，针对显示面板特性调优超参数，提升模型对面板缺陷的敏感度。

边缘部署适配压缩对训练好的检测模型做轻量化剪枝压缩，适配工业产线边缘设备的算力存储限制要求。系统部署与调试优化

现场硬件适配部署根据显示面板产线的现有设备环境，安装AI检测所需的图像采集、运算硬件并完成线路对接。模型参数现场调优针对产线实际的缺陷样本调整模型参数，降低漏检误检率，适配不同型号面板的检测需求。系统稳定性测试连续多批次运行AI检测系统，记录运行数据排查卡顿、错判等问题，保障系统长期稳定运行。人员操作培训对产线维护人员开展操作培训，讲解系统基础操作、常见问题排查方法，保障系统正常使用。检测准确率量化评估通过标注好的面板缺陷测试集验证，统计AI模型对划痕、压痕等缺陷的识别准确率，对比人工检测数据。误判漏判案例复盘收集现场误检、漏检的面板样本，分析缺陷特征偏差问题，为模型优化提供明确的改进方向。模型迭代更新优化基于评估反馈的问题，补充缺陷样本重新训练模型，逐步提升AI在复杂工况下的缺陷检测适配性。落地效果评估与迭代AI缺陷检测的应用场景03液晶面板生产线在线检测

Array制程图形缺陷检测在Array工序中，AI可实时检测线路断路、图形偏移等缺陷，三星面板生产线已落地应用该方案。

CF制程色阻缺陷检测CF制程里，AI能快速识别色阻混色、针孔等缺陷，京东方8.5代线已引入该在线检测方案。

Cell制程面板盒缺陷检测Cell制程中，AI可在线检出框胶偏移、气泡残留等缺陷，提升了面板良品率与生产效率。OLED面板良率筛查

像素点缺陷初筛京东方在OLED量产线上，用AI视觉模型快速筛查暗点、亮点这类显性像素缺陷，筛查效率提升80%。

mura不均缺陷检测三星显示用AI算法识别OLED面板不均匀发光缺陷，解决人眼检测一致性差、漏检率高的问题。

柔性弯折缺陷筛查维信诺在柔性OLED生产中，用AI检测弯折后的面板隐裂、分层缺陷，提前筛除不合格产品。模组出厂终检环节外观划痕缺陷检测通过AI视觉模型捕捉面板微米级划痕，相比人工检测漏检率降低80%，京东方量产线已规模化应用。屏幕像素点缺陷检测AI可快速识别死点、亮斑、色偏等像素缺陷，三星显示终检线将单块检测时间压缩至0.2秒。接口组装缺陷检测AI能精准检测模组接口错装、漏装、引脚偏移问题，群创终检环节将不良流出率控制在0.01%以内。售后返修缺陷判定

客退不良批量复检AI可快速批量复检客户退回的不良面板，精准筛选出真不良，减少人工错判成本。

隐性缺陷二次判定部分面板售后会出现肉眼难辨的隐性缺陷，AI能通过特征识别准确判定缺陷类型。

返修不合格原因分类AI会对判定后的返修缺陷自动分类，帮助企业快速定位生产端的高发问题。AI缺陷检测的产业价值04微小缺陷精准识别京东方采用AI检测技术，可以捕捉到人眼无法分辨的微米级面板划痕，识别准确率超99%。混淆缺陷有效区分TCL华星的AI检测模型，可准确分辨面板上易混淆的色偏和灰尘，减少误判漏判情况。复杂缺陷稳定判定维信诺的AI缺陷检测系统，面对不规则面板暗点缺陷，能保持远高于人工的判定一致性。提升缺陷检测准确率降低人工检测成本减少人工检测人员投入面板企业引入AI检测后，可替代八成以上人工检测岗，京东方应用后直接减少近千名检测员需求。压缩人工培训管理开支AI检测无需重复培训新检测员，也不用负担人员社保等成本，TCL应用后年管理培训开支下降40%。降低人工误判带来的损耗人工检测易疲劳漏检错判，AI检测稳定性高，深天马应用后因误判产生的材料损耗减少近25%。助力面板产能提升

缩短缺陷检测时长传统人工检测一片面板需数分钟，AI检测可压缩至秒级，单条产线日均检测量提升超30%。

降低漏检误检率京东方产线引入AI缺陷检测后，漏检率从人工的5%降至0.8%，减少了合格面板被错判报废的情况。

支撑全检全测落地AI可对产线所有面板逐一检测，无需像人工仅做抽样，提前排查缺陷保障量产规模稳定。AI缺陷检测的发展前景05技术应用普及趋势

中小面板厂商渗透率提升面板头部企业已落地AI检测，随着技术成本下降，中小厂商也将逐步引入该方案。

前端生产环节逐步覆盖目前AI检测多应用于终端质检，未来将逐步延伸到前端生产环节实时检测。

多缺陷类型检测覆盖当前AI检测多聚焦常见缺陷，未来将逐步覆盖各类小众复杂缺陷的识别检测。

跨显示品类场景拓展当前AI检测多应用于主流消费面板，未来将拓展至车载、特种显示等小众品类。对行业升级的影响

降低生产成本AI检