CN103558229B - 一种tft-lcd制程的mura视觉自动检测方法及装置 - Google Patents
一种tft-lcd制程的mura视觉自动检测方法及装置 Download PDFInfo
- Publication number
- CN103558229B CN103558229B CN201310603662.3A CN201310603662A CN103558229B CN 103558229 B CN103558229 B CN 103558229B CN 201310603662 A CN201310603662 A CN 201310603662A CN 103558229 B CN103558229 B CN 103558229B
- Authority
- CN
- China
- Prior art keywords
- tft
- processing procedure
- mura
- small images
- ccd camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明公开了一种TFT-LCD制程的MURA视觉自动检测装置,它包括固定装置、CCD摄像装置、镜头以及方格角标准图,所述固定装置设置有被测物固定治具,所述方格角标准图铺设于所述被测物固定治具上表面,所述CCD摄像装置安装于所述固定装置上,并设置于所述被测物固定治具上方,所述镜头设置于所述CCD摄像装置上,所述CCD摄像装置通过连接线与计算机上设置的运算卡连接。本发明能兼容运行不同环境对不同类型大小的TFT-LCD制程的MUAR进行识别处理,并实现智能检测,节约人力资本。
Description
技术领域
本发明涉及一种平面显示器的检测装置及方法,尤其涉及一种TFT-LCD制程的MURA视觉自动检测方法及装置。
背景技术
随着液晶显示器(LCD)向大尺寸、轻薄化、低功耗、高分辨率的方向发展,玻璃基板及相关光学组件的尺寸逐渐增大、其厚度日益减小,致使液晶显示器产生各种现实不均匀缺陷(Mura)的几率大大增加,传统的人眼缺陷检测方法受人的主观因素以及外界环境的影响严重,对缺陷等级没有统一的判断标准,且由于LCD大尺寸高分辨率的趋势,使人工检测方法很难满足产品质量和生产效率的要求。因此,研究快速、不受外界环境干扰、符合人眼判断标准的自动机器视觉缺陷检测方法成为发展液晶显示技术的迫切要求。
发明内容
本发明的目的在于提供一种TFT-LCD制程的MURA视觉自动检测方法及装置,能兼容运行不同环境对不同类型大小的显示器进行识别处理,并实现智能检测,节约人力资本,以克服现有技术中的不足。
为实现上述目的,本发明采用了如下技术方案:
一种TFT-LCD制程的MURA视觉自动检测方法,它包括
图像准备过程:
1)将待测物置于方格角标准图上,通过方格角标准图的方格角交点进行待测物与取像设备的平行测定,用于减少判断误差,当取像设备与待测物平面平行时,噪音及反射光的干扰会减少;
2)使待测物的背景为纯色灰度图,同时设定取像设备的光圈为中间值,并调整曝光时间,使纯色灰度图的平均灰度为110-140之间,用于大幅提高识别精度,防止光圈过大或过小影响最终检测结果;
3)调整取像设备的焦距,采用基于方格角标准图的对焦自动判定方法,实现自动对焦的判定,本方法基于方格角标准图产生亮度分布柱状图,并由亮度分布柱状图来判定对焦,该判定方法能确保对焦处于理想状态,提高了识别效率;
4)将获得的灰度图像数据传输至计算机,通过自动寻边算法,检测出待测物的边缘,由于在测量时,取像设备的视角会略大于待测物平面,因此获取的图像多出的部分必须通过自动寻边算法去除,而本方法中的自动寻边算法利用平行测定对图像进行横向纵向平均,利用平均值的跳变进行判断;
以及,图像识别过程:
5)通过计算机内置的低通滤波器对灰度图像信号进行处理,去除灰度图像中的摩尔纹,同时该过程也会过滤图像数字化过程中产生的白噪声;
6)将灰度图像分成边缘部分以及中心部分,将相对较亮的中心部分和相对暗淡的边缘部分进行分开处理;
7)将中分开后的灰度图像边缘部分或中心部分分成复数个小块图像,对每个小块图像进行缺陷识别,最终将结果整合,克服了整体图像不均匀的问题,其中,小块图像的大小取决于针对性的缺陷而调整;
8)对步骤7)中的小块图像进行二维曲线拟合,没有缺陷的显示结果是平滑均匀的,而有缺陷的显示结果会出现毛刺;
9)将小块图像二维曲线拟合的结果与标准小块图像进行比较,若,差别超过一个阙值,则该小块图像存在缺陷。
优选的,所述取像设备包括一CCD摄像装置,所述CCD摄像装置上设有成像镜头。
尤为优选的,所述成像镜头具有固定焦距。
优选的,步骤1)采用自动模式特征点识别算法进行平行测定及调整。
优选的,所述低通滤波器采用基于离散傅里叶变化的低通滤波器。
优选的,该方法采用基于GPU的平行计算方法,可同时处理多个小块图像进行二维曲线拟合与缺陷判定。
一种TFT-LCD制程的MURA视觉自动检测装置置,它包括固定装置、CCD摄像装置、镜头以及方格角标准图,所述固定装置设置有被测物固定治具,所述方格角标准图铺设于所述被测物固定治具上表面,所述CCD摄像装置安装于所述固定装置上,并设置于所述被测物固定治具上方,所述镜头设置于所述CCD摄像装置上,所述CCD摄像装置通过连接线与计算机上设置的运算卡连接。
优选的,所述计算机内设置有基于离散傅里叶变化的低通滤波器以及GPU。
本发明针对不同的缺陷类型以及不同的显示图像,固化了特定的参数使得整个检测方法的通用性得到很好的贯彻,当待测物不通电是,本发明能用来识别被测物上的灰尘及脏污,其结果用来区分缺陷以及灰尘,使得最终的结果免受灰尘影响。
与现有技术相比,本发明的有益效果在于:
1、整个过程,从对焦、亮度判定、寻边以及最终识别,均为自动智能操作,无需人为调整,节约了人力成本;
2、兼容运行不同环境对不同类型大小的显示器进行识别处理;
3、能识别全部的缺陷并且智能判别,最终结果能标记在原始图像上,方便后续处理;
4、计算以定点运算为主,避免了通常的大量浮点运算,利于进一步的开发运用在嵌入式系统;
5、计算过程相互独立,有效提高了系统的性能,为实时运算提供了保证。附图说明
图1是本发明一较佳实施例中TFT-LCD制程的MURA视觉自动检测装置的结构示意图;
图2是图1实施例中方格角标准图的俯视图;
图3是本发明中图像准备过程的流程图;
图4是本发明中图像识别过程的流程图;
图5是本发明中对焦时的亮度分布柱状图;
图6是本发明中失焦时的亮度分布柱状图;
图7是本发明中平行计算方法的流程图。
具体实施方式
参阅图1-2,该TFT-LCD制程的MURA视觉自动检测装置包括固定装置1,CCD摄像装置2,镜头3,方格角标准图4和计算机5,固定装置1设置有被测物固定治具11,方格角标准图4铺设于被测物固定治具11上表面,CCD摄像装置2安装于固定装置1上,并设置于被测物固定治具11上方,镜头3设置于CCD摄像装置2上,CCD摄像装置2通过连接线与计算机5上设置的运算卡连接。
其中,计算机5内设置有基于离散傅里叶变化的低通滤波器以及GPU。
参阅图3-7,一种TFT-LCD制程的MURA视觉自动检测方法,它包括
图像准备过程:
1)将待测物置于方格角标准图上,通过方格角标准图4的方格角交点进行待测物与CCD摄像装置2的平行测定,用于减少判断误差,当CCD摄像装置与待测物平面平行时,噪音及反射光的干扰会减少;
2)使待测物的背景为纯色灰度图,同时设定CCD摄像装置2的光圈为中间值,并调整曝光时间,使纯色灰度图的平均灰度为110-140之间,用于大幅提高识别精度,防止光圈过大或过小影响最终检测结果;
3)调整镜头3的焦距,采用基于方格角标准图4的对焦自动判定方法,实现自动对焦的判定,本方法基于方格角标准图产生亮度分布柱状图,并由亮度分布柱状图来判定对焦,该判定方法能确保对焦处于理想状态,提高了识别效率;
4)将获得的灰度图像数据传输至计算机5,通过自动寻边算法,检测出待测物的边缘,由于在测量时,取像设备的视角会略大于待测物平面,因此获取的图像多出的部分必须通过自动寻边算法去除,而本方法中的自动寻边算法利用平行测定对图像进行横向纵向平均,利用平均值的跳变进行判断;
以及,图像识别过程:
5)通过计算机5内置的基于离散傅里叶变化的低通滤波器对灰度图像信号进行处理,去除灰度图像中的摩尔纹,同时该过程也会过滤图像数字化过程中产生的白噪声;
6)将灰度图像分成边缘部分以及中心部分,将相对较亮的中心部分和相对暗淡的边缘部分进行分开处理;
7)将中分开后的灰度图像边缘部分或中心部分分成复数个小块图像,对每个小块图像进行缺陷识别,最终将结果整合,克服了整体图像不均匀的问题,其中,小块图像的大小取决于针对性的缺陷而调整;
8)对步骤7)中的小块图像进行二维曲线拟合,没有缺陷的显示结果是平滑均匀的,而有缺陷的显示结果会出现毛刺;
9)将小块图像二维曲线拟合的结果与标准小块图像进行比较,若,差别超过一个阙值,则该小块图像存在缺陷。
其中,所述成像镜头具有固定焦距。
优选的,步骤1)采用自动模式特征点识别算法进行平行测定及调整。
优选的,该方法采用基于GPU的平行计算方法,可同时处理多个小块图像进行二维曲线拟合与缺陷判定。
本发明针对不同的缺陷类型以及不同的显示图像,固化了特定的参数使得整个检测方法的通用性得到很好的贯彻,当待测物不通电是,本发明能用来识别被测物上的灰尘及脏污,其结果用来区分缺陷以及灰尘,使得最终的结果免受灰尘影响。
以上仅是本发明的具体应用范例,对本发明的保护范围不构成任何限制。凡采用等同变换或者等效替换而形成的技术方案,均落在本发明权利保护范围之内。
Claims (4)
1.一种TFT-LCD制程的MURA视觉自动检测方法,其特征在于,它包括
图像准备过程:
1)将待测物置于方格角标准图上,通过方格角标准图的方格角交点进行待测物与取像设备的平行测定;
2)使待测物的背景为纯色灰度图,同时设定取像设备的光圈为中间值,并调整曝光时间,使纯色灰度图的平均灰度为110-140之间;
3)调整取像设备的焦距,采用基于方格角标准图的对焦自动判定方法,实现自动对焦的判定;
4)将获得的灰度图像数据传输至计算机,通过自动寻边算法,检测出待测物的边缘;
以及,图像识别过程:
5)通过计算机内置的低通滤波器对灰度图像信号进行处理,去除灰度图像中的摩尔纹;所述低通滤波器采用基于离散傅里叶变化的低通滤波器;
6)将灰度图像分成边缘部分以及中心部分;
7)将步骤6)中分开后的灰度图像边缘部分或中心部分分成复数个小块图像;
8)对步骤7)中的小块图像进行二维曲线拟合;
9)将小块图像二维曲线拟合的结果与标准小块图像进行比较,若差别超过一个阈值,则该小块图像存在缺陷;
该方法采用基于GPU的平行计算方法,可同时处理多个小块图像进行二维曲线拟合与缺陷判定。
2.根据权利要求1所述的TFT-LCD制程的MURA视觉自动检测方法,其特征在于,所述取像设备包括一CCD摄像装置,所述CCD摄像装置上设有成像镜头。
3.根据权利要求2所述的TFT-LCD制程的MURA视觉自动检测方法,其特征在于,所述成像镜头具有固定焦距。
4.根据权利要求1所述的TFT-LCD制程的MURA视觉自动检测方法,其特征在于,步骤1)采用自动模式特征点识别算法进行平行测定及调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310603662.3A CN103558229B (zh) | 2013-11-25 | 2013-11-25 | 一种tft-lcd制程的mura视觉自动检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310603662.3A CN103558229B (zh) | 2013-11-25 | 2013-11-25 | 一种tft-lcd制程的mura视觉自动检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103558229A CN103558229A (zh) | 2014-02-05 |
CN103558229B true CN103558229B (zh) | 2016-03-30 |
Family
ID=50012539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310603662.3A Active CN103558229B (zh) | 2013-11-25 | 2013-11-25 | 一种tft-lcd制程的mura视觉自动检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103558229B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360501B (zh) * | 2014-10-15 | 2016-04-06 | 西安交通大学 | 一种液晶屏幕缺陷视觉检测方法及装置 |
CN104977304A (zh) * | 2015-06-26 | 2015-10-14 | 清华大学 | 具有子像素结构的空间光调制器缺陷检测的装置及方法 |
CN105301810A (zh) * | 2015-11-24 | 2016-02-03 | 上海斐讯数据通信技术有限公司 | 一种屏幕缺陷检测方法及装置 |
CN106895797B (zh) * | 2016-08-12 | 2019-06-11 | 湖南佳林智能装备有限公司 | 一种转子偏移角度判定方法及校正装置 |
CN107064160B (zh) * | 2017-04-01 | 2020-10-16 | 佛山市南海天富科技有限公司 | 基于显著性检测的纺织品表面瑕疵检测方法及系统 |
CN107203056B (zh) * | 2017-05-22 | 2019-12-24 | 深圳市华星光电技术有限公司 | 针对超高分辨率面板的mura处理方法 |
WO2019024094A1 (zh) * | 2017-08-04 | 2019-02-07 | 深圳市柔宇科技有限公司 | Mura检测方法和Mura检测系统 |
CN107907549A (zh) * | 2017-11-13 | 2018-04-13 | 武汉华星光电半导体显示技术有限公司 | 基板检查设备及基板检查方法 |
CN107911602B (zh) * | 2017-11-23 | 2020-05-05 | 武汉华星光电半导体显示技术有限公司 | 显示面板Mura的检测方法、检测装置及计算机可读存储介质 |
CN109345528B (zh) * | 2018-09-28 | 2021-06-18 | 凌云光技术股份有限公司 | 一种基于人眼视觉特性的显示屏缺陷检测方法及装置 |
CN109862317A (zh) * | 2019-01-29 | 2019-06-07 | 东莞市申皓精密机械设备有限公司 | 可视化检测装置 |
CN110175992A (zh) * | 2019-05-27 | 2019-08-27 | 武汉中导光电设备有限公司 | 大尺寸液晶面板上宏观mura缺陷的检测方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5917935A (en) * | 1995-06-13 | 1999-06-29 | Photon Dynamics, Inc. | Mura detection apparatus and method |
CN1839306A (zh) * | 2003-03-17 | 2006-09-27 | 奥博泰克有限公司 | 使用微检查输入的微缺陷检测 |
CN102315227A (zh) * | 2010-06-30 | 2012-01-11 | 北京京东方光电科技有限公司 | Tft阵列基板及其制造方法与检测方法 |
CN102661715A (zh) * | 2012-06-08 | 2012-09-12 | 苏州富鑫林光电科技有限公司 | Ccd式的间隙测量系统及方法 |
-
2013
- 2013-11-25 CN CN201310603662.3A patent/CN103558229B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5917935A (en) * | 1995-06-13 | 1999-06-29 | Photon Dynamics, Inc. | Mura detection apparatus and method |
CN1839306A (zh) * | 2003-03-17 | 2006-09-27 | 奥博泰克有限公司 | 使用微检查输入的微缺陷检测 |
CN102315227A (zh) * | 2010-06-30 | 2012-01-11 | 北京京东方光电科技有限公司 | Tft阵列基板及其制造方法与检测方法 |
CN102661715A (zh) * | 2012-06-08 | 2012-09-12 | 苏州富鑫林光电科技有限公司 | Ccd式的间隙测量系统及方法 |
Non-Patent Citations (3)
Title |
---|
TFT-LCD Mura 缺陷机器视觉检测方法;毕昕,丁汉;《机械工程学报》;20100630;第46卷(第12期);全文 * |
博士论文在线出版时间;中国博士学位论文全文数据库;《中国博士学位论文全文数据库》;20061130 * |
基于机器视觉的TFT-LCD屏mura缺陷检测技术研究;张昱;《哈尔滨工业大学博士学位论文》;20061130;正文第21-63页,第87-103页,图6-1,6-3 * |
Also Published As
Publication number | Publication date |
---|---|
CN103558229A (zh) | 2014-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103558229B (zh) | 一种tft-lcd制程的mura视觉自动检测方法及装置 | |
CN105067639B (zh) | 一种光栅调制的镜片疵病自动检测装置和方法 | |
CN102590218B (zh) | 基于机器视觉的金属零件光洁表面微缺陷检测装置及方法 | |
CN204924983U (zh) | 一种光栅调制的镜片疵病自动检测装置 | |
CN108876768B (zh) | 导光板暗影缺陷检测方法 | |
CN105301810A (zh) | 一种屏幕缺陷检测方法及装置 | |
CN105241638A (zh) | 基于视觉的led模块亮度均匀性快速检测方法 | |
CN109406529B (zh) | 一种aoi缺陷检测系统的性能调节方法 | |
CN111612737B (zh) | 一种人造板表面瑕疵检测装置及检测方法 | |
CN103792699A (zh) | 基于B样条曲面拟合的TFT-LCD Mura缺陷机器视觉检测方法 | |
CN107895362B (zh) | 一种微型接线端子质量检测的机器视觉方法 | |
CN110244444A (zh) | 显微镜的对焦方法、装置、终端设备及存储介质 | |
CN102628854A (zh) | 汽车仪表板检测系统及方法 | |
CN103630554A (zh) | 一种镜片双面疵病检测装置及方法 | |
CN109949725A (zh) | 一种aoi系统图像灰度标准化方法及系统 | |
CN105092473A (zh) | 一种多晶硅薄膜的质量检测方法和系统 | |
CN111338051B (zh) | 一种基于tft液晶面板自动对焦方法和系统 | |
CN107782744A (zh) | 一种光栅调制的镜片疵病自动检测装置 | |
CN109801322A (zh) | 一种漏光检测方法及装置 | |
CN106996933A (zh) | 一种产品缺陷检测系统及其检测方法 | |
Le et al. | Novel framework for optical film defect detection and classification | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN104101614B (zh) | 一种检测方法及装置 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN109426013B (zh) | 一种彩膜基板缺陷的分析方法、检测修复方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |