CN104977154A - 具有子像素结构的空间光调制器缺陷分类方法 - Google Patents
具有子像素结构的空间光调制器缺陷分类方法 Download PDFInfo
- Publication number
- CN104977154A CN104977154A CN201510364464.5A CN201510364464A CN104977154A CN 104977154 A CN104977154 A CN 104977154A CN 201510364464 A CN201510364464 A CN 201510364464A CN 104977154 A CN104977154 A CN 104977154A
- Authority
- CN
- China
- Prior art keywords
- spatial light
- light modulator
- color image
- defect
- point
- 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.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000003086 colorant Substances 0.000 claims description 22
- 238000004020 luminiscence type Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 241001062009 Indigofera Species 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 241001300398 Vitrina Species 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 20
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000002950 deficient Effects 0.000 abstract 3
- 230000003287 optical effect Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
本发明提供一种具有子像素结构的空间光调制器缺陷分类方法及装置，该方法包括：对空间光调制器进行背光补偿，其中，空间光调制器位于暗室中；采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，计算发光单元的标准颜色强度向量；采集待检测空间光调制器的多种颜色图像，利用分类器和标准颜色强度向量的相关性识别待检测空间光调制器的正常点与缺陷点；根据分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对缺陷点进行进一步分类。该方法具有检测精度高、检测效率高的优点。
Description
技术领域
本发明涉及生产线上设备检测技术领域，特别涉及一种具有子像素结构的空间光调制器缺陷分类方法及装置。
背景技术
随着信息技术的发展与应用的普及，电子设备在人们的日常生活中扮演着不可或缺的角色。其中手机显示屏，电脑屏幕，电视屏幕等设备的性能更成为各厂商着力研发提高的重要环节。LED、LCD以及OLED等空间光调制器的产品质量更成为衡量一个国家在电子设备领域技术能力的重要标志。
空间光调制器是一类能将信息加载与一维或两维的光学数据场上，以便有效地利用光的固有速度、并行性和互联能力的器件。空间光调制器可在随时间变化的电驱动信号或其他信号控制下，改变空间上光分布的振幅或强度、相位、偏振态以及波长，或者把相干光转化成非相干光。由于它的这种性质，可作为实时光学信息处理、光计算和光学神经网络等系统中构造单元或关键器件。空间光调制器是实时光学信息处理，自适应光学和光计算等现代光学领域的关键器件。很大程度上，光空间调制器的性能决定了这些领域的实用价值和发展前景。
据统计，仅智能手机这个子领域，2014年第一季度全球出货量为2.794亿部，一些公司的手机屏幕生产线更是能达到近乎日均近50万片的惊人产量。在生产过程中不可避免会产生一些缺陷，当前工业界的缺陷检测主要手段是依靠人工观察检测，在这种原始的检测方法有多方面的不足：由于LCD的次品率一般仅为1％～3％，再加上检测人员主观因素和外界环境的影响，误识率和拒识率都难以获得理想效果；此外缺乏对缺陷等级的统一判定标准，检测效率低，代价高，对工人健康有着严重的损害。随着显示屏朝着多样化、大尺寸、高分辨、小间距、轻薄化、低功耗、高清晰的方向发展，人工检测的局限性将会越来越明显，可以预见，在不久的将来人工检测将无法满足产品质量和生产效率方面的要求，这种原始粗放型检测方法将成为制约电子设备产业的重要因素。
学术界利用机器视觉对于空间光调制器的检测也进行了长期深入的研究，并取得了丰富的研究成果，但现有成果主要存在两个方面弊病：首先，各学者的研究研究成果一种或几种缺陷类型，这就需要多种检测方法才能涵盖所有缺陷类型，这就严重影响了检测的精确，另一方面，现有的检测算法的时间复杂度过高，无法满足工业生产的效率需求。所以现今的产业界的空间光调制器缺陷检测很大程度上仍依赖人工检测。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。
为此，本发明的一个目的在于提出一种具有子像素结构的空间光调制器缺陷分类方法。该方法具有检测精度高、检测效率高的优点。
本发明的另一个目的在于提出一种具有子像素结构的空间光调制器缺陷分类方法，包括以下步骤：对空间光调制器进行背光补偿，其中，所述空间光调制器位于暗室中；采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，以及计算发光单元的标准颜色强度向量；采集待检测空间光调制器的多种颜色图像，利用所述分类器和所述标准颜色强度向量的相关性识别所述待检测空间光调制器的正常点与缺陷点；根据所述分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对所述缺陷点进行进一步分类。
根据本发明实施例的方法，通过在暗室中操作与背光补偿，大大降低了外界环境噪声的影响，能够更直观地采集空间光调制器自身特性，提高了算法稳定性与可靠性。通过采集大量空间光调制器图像训练分类器降低了个别数据异常带来的问题，提高了分类器算法的鲁棒性。本发明提出的方法的效率与准确率均高于人工检测。本发明所需图像采集系统所需分辨率只需与空间光调制器分辨率相同。
另外，根据本发明上述实施例的具有子像素结构的空间光调制器缺陷分类方法还可以具有如下附加的技术特征：
在一些示例中，所述暗室中的照度低于10Lux。
在一些示例中，利用数字相机采集多个先验为无坏点的空间光调制器的多种颜色图像和待检测空间光调制器的多种颜色图像。
在一些示例中，所述多种颜色图像包括红、绿、蓝、白和黑的五种颜色图像。
在一些示例中，根据缺陷分类表对所述缺陷点进行进一步分类，其中，所述缺陷分类表为：
| 黑 | 红 | 蓝 | 绿 | 白 | 相关性 | |
| 三色常亮 | 1 | 1 | 1 | 1 | 0 | 0 |
| 双色常亮(红蓝) | 1 | 1 | 1 | 1 | 0 | 0 |
| 单色常亮(红) | 1 | 0 | 1 | 1 | 1 | 0 |
| 单色常暗(红) | 0 | -1 | 0 | 0 | 0 | 0 |
| 双色常暗(红蓝) | 0 | -1 | -1 | 1 | 0 | 0 |
| 三色常暗 | 0 | -1 | -1 | -1 | -1 | 0 |
| 有半透明物质 | 0 | -1 | -1 | -1 | -1 | 1 |
本发明第二方面的实施例公开了一种具有子像素结构的空间光调制器缺陷分类装置，包括：补偿模块，用于对空间光调制器进行背光补偿，其中，所述空间光调制器位于暗室中；训练模块，用于采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，以及计算发光单元的标准颜色强度向量；分类模块，用于采集待检测空间光调制器的多种颜色图像，利用所述分类器和所述标准颜色强度向量的相关性识别所述待检测空间光调制器的正常点与缺陷点，以及根据所述分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对所述缺陷点进行进一步分类。
根据本发明实施例的装置，通过在暗室中操作与背光补偿，大大降低了外界环境噪声的影响，能够更直观地采集空间光调制器自身特性，提高了算法稳定性与可靠性。通过采集大量空间光调制器图像训练分类器降低了个别数据异常带来的问题，提高了分类器算法的鲁棒性。本发明的实施例的效率与准确率均高于人工检测。本发明所需图像采集系统所需分辨率只需与空间光调制器分辨率相同。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，
图1是根据本发明一个实施例的具有子像素结构的空间光调制器缺陷分类方法的流程图；
图2是根据本发明另一个实施例的具有子像素结构的空间光调制器缺陷分类方法的流程图；以及
图3是根据本发明一个实施例的具有子像素结构的空间光调制器缺陷分类装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以下结合附图描述根据本发明实施例的具有子像素结构的空间光调制器缺陷分类方法及装置。
图1是根据本发明一个实施例的具有子像素结构的空间光调制器缺陷分类方法的流程图。如图1所示，并结合图2，根据本发明一个实施例的具有子像素结构的空间光调制器缺陷分类方法，包括如下步骤：。
S101：对空间光调制器进行背光补偿，其中，空间光调制器位于暗室中。在本发明的一个实施例中，暗室中的照度低于10Lux。即：在暗室中对空间光调制器进行背光补偿。
S103：采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，以及计算发光单元的标准颜色强度向量。即：利用图像采集系统对多个空间光调制器采集不同颜色图像，计算其全局统计特性，训练分类器，并计算发光单元的标准颜色强度向量。
S103：采集待检测空间光调制器的多种颜色图像，利用分类器和标准颜色强度向量的相关性识别待检测空间光调制器的正常点与缺陷点。即：采集待检测空间光调制器不同颜色图像，利用分类器以及同标准颜色强度向量的相关性区分正常点与缺陷点。
S104：根据分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对缺陷点进行进一步分类。
在本发明的一个实施例中，利用数字相机采集多个先验为无坏点的空间光调制器的多种颜色图像和待检测空间光调制器的多种颜色图像。
在本发明的一个实施例中，所述多种颜色图像包括红、绿、蓝、白和黑的五种颜色图像。
在本发明的一个实施例中，根据缺陷分类表对所述缺陷点进行进一步分类，其中，所述缺陷分类表如表1所示：
表1
| 黑 | 红 | 蓝 | 绿 | 白 | 相关性 | |
| 三色常亮 | 1 | 1 | 1 | 1 | 0 | 0 |
| 双色常亮(红蓝) | 1 | 1 | 1 | 1 | 0 | 0 |
| 单色常亮(红) | 1 | 0 | 1 | 1 | 1 | 0 |
| 单色常暗(红) | 0 | -1 | 0 | 0 | 0 | 0 |
| 双色常暗(红蓝) | 0 | -1 | -1 | 1 | 0 | 0 |
| 三色常暗 | 0 | -1 | -1 | -1 | -1 | 0 |
| 有半透明物质 | 0 | -1 | -1 | -1 | -1 | 1 |
具体地，结合图2所示，本发明的方法，通过在暗室中，对空间光调制器进行背光补偿；利用图像采集设备采集空间光调制器不同颜色图像，通过对采集大量空间光调制器图像，根据统计学训练分类器，将空间光调制器发光单元分为正常点与缺陷点；利用机器视觉的技术计算统计学特性与指标，将缺陷点进一步明细分类。其中，所述暗室照度低于10Lux。
在本发明的一个实施例中，照方向为数字相机光圈中轴线垂直于空间光调制器。
【实施例1】
以Samsung的600×800的LCD屏幕缺陷分类为例结合图2详细说明如下，包括以下步骤：
1、搭建遮光环境，以减少环境光对检测结果的影响，此实例中要求检测过程中的照度低于10Lux。
2、LCD屏幕正上方放置工业级数字相机，理论要求数字相机提供与LCD屏幕分辨率相同像素即可，此实例中为600×800＝480000像素，为方便起见，此实例实用一台130万的像素工业相机，选取LCD屏幕所在位置为感兴趣区域，如无特殊说明，本专利中所说图像均指此ROI，即LCD屏幕所在位置。
3、在遮光环境中拍摄背光图像，调节曝光时间，确保图像中无过曝点。查找图像中最亮点，以此为基准，计算每个像素点与其相差比例，生成补偿矩阵。每次拍摄图像后，均利用此补偿矩阵对图像进行背光补偿。
4、取10张先验为无坏点LCD屏幕，对每张屏幕分别拍摄纯色红，绿，蓝，白，黑五种图像，每种颜色分别拍摄100张。对同一块屏幕，同一种颜色，利用100张图像计算得到一张均值图像，即对每一块屏幕都生成5张不同颜色图像。对每种颜色图像，利用10块屏幕计算其强度分布，得到近似正太分布图样，分布中心即为此种颜色强度均值。经统计，6倍方差范围内即可覆盖全部正常点的强度。
5、根据人的视觉感知以及LCD中的信号强度，对于每一张屏幕的同一个像素其在不同颜色中的图像强度应满足一定关系，并按照黑，红，蓝，绿，白的顺序近似现行增长。以步骤4中获得颜色强度均值记录5维的标准颜色强度向量。
6、在暗室中对待检测LCD拍摄分别拍摄纯色红，绿，蓝，白，黑五种图像。对于每个发光单元，如果其在某个颜色图像中的强度超过步骤4的强度分布范围，并且这个发光单元的颜色强度向量与步骤5中的标准颜色强度向量相关性较弱，则判定其为缺陷点。
7、对于缺陷点的明细分类如上述的缺陷分类表所示，其中利用数字来表示其在颜色强度分类中的范围：-1表示低于此种颜色分布的6-Sigma下限，0表示位于此种颜色分布的6-Sigma范围内，1表示超出此种颜色分布的6-Sigma上限。利用1表示与标准颜色强度向量相关性强，0表示相关性弱。
根据本发明实施例的方法，通过在暗室中操作与背光补偿，大大降低了外界环境噪声的影响，能够更直观地采集空间光调制器自身特性，提高了算法稳定性与可靠性。通过采集大量空间光调制器图像训练分类器降低了个别数据异常带来的问题，提高了分类器算法的鲁棒性。本发明提出的方法的效率与准确率均高于人工检测。本发明所需图像采集系统所需分辨率只需与空间光调制器分辨率相同。
如图3所示，本发明的实施例公开了一种具有子像素结构的空间光调制器缺陷分类装置300，包括：补偿模块310、训练模块320和分类模块330。
其中，补偿模块310用于对空间光调制器进行背光补偿，其中，所述空间光调制器位于暗室中。训练模块320用于采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，以及计算发光单元的标准颜色强度向量。分类模块330用于采集待检测空间光调制器的多种颜色图像，利用所述分类器和所述标准颜色强度向量的相关性识别所述待检测空间光调制器的正常点与缺陷点，以及根据所述分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对所述缺陷点进行进一步分类。
根据本发明实施例的装置，通过在暗室中操作与背光补偿，大大降低了外界环境噪声的影响，能够更直观地采集空间光调制器自身特性，提高了算法稳定性与可靠性。通过采集大量空间光调制器图像训练分类器降低了个别数据异常带来的问题，提高了分类器算法的鲁棒性。本发明的实施例的效率与准确率均高于人工检测。本发明所需图像采集系统所需分辨率只需与空间光调制器分辨率相同。
需要说明的是，本发明实施例的装置的具体实现方式与方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，不做赘述。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种具有子像素结构的空间光调制器缺陷分类方法，其特征在于，包括以下步骤：
对空间光调制器进行背光补偿，其中，所述空间光调制器位于暗室中；
采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，以及计算发光单元的标准颜色强度向量；
采集待检测空间光调制器的多种颜色图像，利用所述分类器和所述标准颜色强度向量的相关性识别所述待检测空间光调制器的正常点与缺陷点；
根据所述分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对所述缺陷点进行进一步分类。
2.根据权利要求1所述的具有子像素结构的空间光调制器缺陷分类方法，其特征在于，所述暗室中的照度低于10Lux。
3.根据权利要求1所述的具有子像素结构的空间光调制器缺陷分类方法，其特征在于，利用数字相机采集多个先验为无坏点的空间光调制器的多种颜色图像和待检测空间光调制器的多种颜色图像。
4.根据权利要求1所述的具有子像素结构的空间光调制器缺陷分类方法，其特征在于，所述多种颜色图像包括红、绿、蓝、白和黑的五种颜色图像。
5.根据权利要求4所述的具有子像素结构的空间光调制器缺陷分类方法，其特征在于，根据缺陷分类表对所述缺陷点进行进一步分类，其中，所述缺陷分类表为：
6.一种具有子像素结构的空间光调制器缺陷分类装置，其特征在于，包括：
补偿模块，用于对空间光调制器进行背光补偿，其中，所述空间光调制器位于暗室中；
训练模块，用于采集多个先验为无坏点的空间光调制器的多种颜色图像，并计算每种颜色图像的颜色强度均值，以训练分类器，以及计算发光单元的标准颜色强度向量；
分类模块，用于采集待检测空间光调制器的多种颜色图像，利用所述分类器和所述标准颜色强度向量的相关性识别所述待检测空间光调制器的正常点与缺陷点，以及根据所述分类器的分类结果和空间光调制器的多种颜色图像中同一发光单元的数据关系，对所述缺陷点进行进一步分类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510364464.5A CN104977154B (zh) | 2015-06-26 | 2015-06-26 | 具有子像素结构的空间光调制器缺陷分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510364464.5A CN104977154B (zh) | 2015-06-26 | 2015-06-26 | 具有子像素结构的空间光调制器缺陷分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104977154A true CN104977154A (zh) | 2015-10-14 |
| CN104977154B CN104977154B (zh) | 2017-10-24 |
Family
ID=54273874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510364464.5A Expired - Fee Related CN104977154B (zh) | 2015-06-26 | 2015-06-26 | 具有子像素结构的空间光调制器缺陷分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104977154B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105699385A (zh) * | 2016-02-01 | 2016-06-22 | 清华大学 | 空间光调制器的缺陷层别检测系统及检测方法 |
| CN110334804A (zh) * | 2019-06-20 | 2019-10-15 | 清华大学 | 基于空间部分相干光的全光深度衍射神经网络系统及方法 |
| WO2019200936A1 (zh) * | 2018-04-16 | 2019-10-24 | 深圳光峰科技股份有限公司 | 空间光调制器的检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040047023A1 (en) * | 2001-11-28 | 2004-03-11 | Micronic Laser Systems Ab | Defective pixel compensation method |
| CN1723384A (zh) * | 2003-01-15 | 2006-01-18 | 麦克罗尼克激光系统公司 | 检测缺陷像素的方法 |
| CN2864893Y (zh) * | 2006-01-17 | 2007-01-31 | 彩富电子股份有限公司 | 具精密定位单元的平面显示面板检测仪 |
| CN101661171A (zh) * | 2008-08-26 | 2010-03-03 | 乐金显示有限公司 | 为图像显示装置中的不规则缺陷区设置补偿区的方法 |
| WO2014132506A1 (ja) * | 2013-02-27 | 2014-09-04 | シャープ株式会社 | 表示パネルの欠陥検出方法及び表示パネルの欠陥検出装置 |
| CN104166250A (zh) * | 2013-05-20 | 2014-11-26 | 冠捷投资有限公司 | 一种平面显示器面板均匀度检测方法及其系统 |
-
2015
- 2015-06-26 CN CN201510364464.5A patent/CN104977154B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040047023A1 (en) * | 2001-11-28 | 2004-03-11 | Micronic Laser Systems Ab | Defective pixel compensation method |
| CN1723384A (zh) * | 2003-01-15 | 2006-01-18 | 麦克罗尼克激光系统公司 | 检测缺陷像素的方法 |
| CN2864893Y (zh) * | 2006-01-17 | 2007-01-31 | 彩富电子股份有限公司 | 具精密定位单元的平面显示面板检测仪 |
| CN101661171A (zh) * | 2008-08-26 | 2010-03-03 | 乐金显示有限公司 | 为图像显示装置中的不规则缺陷区设置补偿区的方法 |
| WO2014132506A1 (ja) * | 2013-02-27 | 2014-09-04 | シャープ株式会社 | 表示パネルの欠陥検出方法及び表示パネルの欠陥検出装置 |
| CN104166250A (zh) * | 2013-05-20 | 2014-11-26 | 冠捷投资有限公司 | 一种平面显示器面板均匀度检测方法及其系统 |
Non-Patent Citations (1)
| Title |
|---|
| 胡志萍 等: "《6 Sigma 的统计含义与过程性能》", 《科技管理研究》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105699385A (zh) * | 2016-02-01 | 2016-06-22 | 清华大学 | 空间光调制器的缺陷层别检测系统及检测方法 |
| CN105699385B (zh) * | 2016-02-01 | 2018-11-09 | 清华大学 | 空间光调制器的缺陷层别检测系统及检测方法 |
| WO2019200936A1 (zh) * | 2018-04-16 | 2019-10-24 | 深圳光峰科技股份有限公司 | 空间光调制器的检测方法 |
| CN110334804A (zh) * | 2019-06-20 | 2019-10-15 | 清华大学 | 基于空间部分相干光的全光深度衍射神经网络系统及方法 |
| CN110334804B (zh) * | 2019-06-20 | 2021-09-07 | 清华大学 | 基于空间部分相干光的全光深度衍射神经网络系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104977154B (zh) | 2017-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102279189B (zh) | 缺陷检测装置、缺陷修复装置、缺陷检测方法 | |
| CN104749184A (zh) | 自动光学检测方法和系统 | |
| CN107843599B (zh) | 一种基于aoi的面板检测判等方法与装置 | |
| CN109816678A (zh) | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 | |
| CN103218961A (zh) | 一种lcd缺陷在线检测方法及系统 | |
| CN105241638A (zh) | 基于视觉的led模块亮度均匀性快速检测方法 | |
| CN104168478B (zh) | 基于Lab空间及相关性函数的视频图像偏色检测方法 | |
| CN104574389A (zh) | 基于彩色机器视觉的电池片色差分选控制方法 | |
| CN105301810A (zh) | 一种屏幕缺陷检测方法及装置 | |
| CN107014819A (zh) | 一种太阳能电池板表面缺陷检测系统和方法 | |
| CN111047655A (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
| CN109905700A (zh) | 虚拟显示设备及其检测方法、装置、计算机可读存储介质 | |
| CN105093167B (zh) | 室外电能表故障自动检验终端 | |
| CN105223208B (zh) | 一种电路板检测模板及其制作方法、电路板检测方法 | |
| CN104021527A (zh) | 一种图像中雨雪的去除方法 | |
| CN105137387A (zh) | 室外电能表故障自动检验方法 | |
| CN104977154A (zh) | 具有子像素结构的空间光调制器缺陷分类方法 | |
| CN202444572U (zh) | 一种无参考的视频监控图像模糊质量检测装置 | |
| CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
| CN108072664B (zh) | 一种外观检测系统及方法 | |
| CN114119591A (zh) | 一种显示屏画面质量检测方法 | |
| CN101867787A (zh) | 一种带摄像头的lcd显示屏的自检方法 | |
| CN114299070A (zh) | 一种显示屏mura缺陷的检测方法及相关装置 | |
| CN109712115A (zh) | 一种pcb板自动检测方法及系统 | |
| CN116067671B (zh) | 一种用于测试车辆漆面质量的方法、系统及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171024 |