CN107328791A - 一种缺陷检测方法及装置 - Google Patents

一种缺陷检测方法及装置 Download PDF

Info

Publication number
CN107328791A
CN107328791A CN201710645587.5A CN201710645587A CN107328791A CN 107328791 A CN107328791 A CN 107328791A CN 201710645587 A CN201710645587 A CN 201710645587A CN 107328791 A CN107328791 A CN 107328791A
Authority
CN
China
Prior art keywords
panel
orientation
detected
quantized data
target area
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
Application number
CN201710645587.5A
Other languages
English (en)
Other versions
CN107328791B (zh
Inventor
刘泽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Chengdu BOE Optoelectronics Technology Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Chengdu BOE Optoelectronics Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd, Chengdu BOE Optoelectronics Technology Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN201710645587.5A priority Critical patent/CN107328791B/zh
Publication of CN107328791A publication Critical patent/CN107328791A/zh
Priority to US15/957,434 priority patent/US20190035316A1/en
Application granted granted Critical
Publication of CN107328791B publication Critical patent/CN107328791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8867—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing
    • G01N2021/887—Grading and classifying of flaws using sequentially two or more inspection runs, e.g. coarse and fine, or detecting then analysing the measurements made in two or more directions, angles, positions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N2021/9513—Liquid crystal panels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30121—CRT, LCD or plasma display
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
    • G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
    • G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Hardware Design (AREA)
  • Signal Processing (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Testing Of Optical Devices Or Fibers (AREA)

Abstract

本发明实施例提供一种缺陷检测方法及装置，涉及光学自动化缺陷检测领域，能够通过一种简单的缺陷检测方法来降低缺陷的过判率。该缺陷检测方法包括在待检测面板显示检测画面后，采集处于第一方位的待检测面板的检测画面，获取检测画面中目标区域的第一量化数据；移动待检测面板至第二方位，第二方位与第一方位不同；采集处于第二方位的待检测面板的检测画面，获取检测画面中目标区域的第二量化数据；根据同一目标区域中第一量化数据和第二量化数据，确定目标区域中的实际缺陷。

Description

一种缺陷检测方法及装置
技术领域
本发明涉及光学自动化缺陷检测领域，尤其涉及一种缺陷检测方法及装置。
背景技术
目前，在LCD(Liquid Crystal Display，液晶显示器)的工厂检测工艺阶段多采用AOI(Automatic Optic Inspection，自动光学检测)算法流程对LCD面板的缺陷进行检测，该算法流程一般包括ROI(Region of Interest，目标区域)分割和缺陷量化两个关键步骤，其中，缺陷量化就是将面板在点灯画面下的亮度差异按照一定基准进行量化，通过量化数据的对比以及相关缺陷标准的制定来进行缺陷性质的判定。
然而，由于LCD面板中的缺陷，例如Mura(云纹现象)，存在的ROI大小、区域、形状不定，且容易受到环境尤其是灯光的影响，现有技术在采用单一缺陷量化算法的情况下，量化数值不会发生变化，通过单纯改变检测阈值的做法，不能从根本上解决因外界环境产生的缺陷而导致的过判率较大的问题；当然，可以采用多参数联调或者使用高精度相机的做法，但是该方法调试周期长、且改变型号就要重新调试使得成本相对较高。
发明内容
本发明的实施例提供一种缺陷检测方法及装置，能够通过一种简单的缺陷检测方法来降低缺陷的过判率。
为达到上述目的，本发明的实施例采用如下技术方案：
本发明实施例一方面提供一种缺陷检测方法，包括：在待检测面板显示检测画面后，采集处于第一方位的待检测面板的检测画面，获取所述检测画面中目标区域的第一量化数据；移动所述待检测面板至第二方位，所述第二方位与所述第一方位不同；采集处于所述第二方位的待检测面板的检测画面，获取所述检测画面中目标区域的第二量化数据；根据同一所述目标区域中所述第一量化数据和所述第二量化数据，确定所述目标区域中的实际缺陷。
进一步优选的，所述根据同一所述目标区域中所述第一量化数据和所述第二量化数据，确定所述目标区域中的实际缺陷包括：将所述第一量化数据和所述第二量化数据中对应相同位置的量化数据与基准值之差的绝对值的平均值与阈值进行比较；若所述平均值大于所述阈值，则确定所述待检测面板在该位置具有实际缺陷；若所述平均值小于或等于所述阈值，则确定所述待检测面板在该位置不具有实际缺陷。
进一步优选的，所述采集处于第一方位的待检测面板的检测画面，获取所述检测画面中目标区域的第一量化数据包括：多次采集处于第一方位的待检测面板的检测画面，获取多个所述检测画面中目标区域的量化数据的平均值作为第一量化数据；和/或，所述采集处于所述第二方位的待检测面板的检测画面，获取所述检测画面中目标区域的第二量化数据包括：多次采集处于第二方位的待检测面板的检测画面，获取多个所述检测画面中目标区域的量化数据的平均值作为第二量化数据。
进一步优选的，所述移动所述待检测面板至第二方位包括：旋转所述待检测面板180°至所述第二方位。
进一步优选的，所述量化数据为亮度数值。
进一步优选的，所述待检测面板为LCD面板或OLED面板。
本发明实施例另一方面还提供一种缺陷检测的装置，包括：采集模块，用于在待检测面板显示检测画面后，采集处于第一方位和第二方位的待检测面板的检测画面，其中，所述第二方位与所述第一方位不同；获取模块，用于获取所述处于第一方位和第二方位的待检测面板的检测画面中目标区域的第一量化数据和第二量化数据；移动模块，用于将所述待检测面板由所述第一方位移动至所述第二方位；确定模块，用于根据同一所述目标区域中所述第一量化数据和所述第二量化数据，确定所述目标区域中的实际缺陷。
进一步优选的，所述确定模块具体用于将所述第一量化数据和所述第二量化数据中对应相同位置的量化数据与基准值之差的绝对值的平均值与阈值进行比较；若所述平均值大于所述阈值，则确定所述待检测面板在该位置具有实际缺陷；若所述平均值小于或等于所述阈值，则确定所述待检测面板在该位置不具有实际缺陷。
进一步优选的，所述移动模块包括工作台和用于移动该工作台的电机，所述工作台用于承载所述待检测面板。
进一步优选的，所述移动模块用于将所述待检测面板由所述第一方位旋转180°至所述第二方位。
进一步优选的，所述采集模块为CCD。
本发明实施例提供一种缺陷检测方法及装置，该缺陷检测方法包括：在待检测面板显示检测画面后，采集处于第一方位的待检测面板的检测画面，获取检测画面中目标区域的第一量化数据；旋转待检测面板至第二方位，第二方位与第一方位不同；采集处于第二方位的待检测面板的检测画面，获取检测画面中目标区域的第二量化数据；根据同一目标区域中第一量化数据和第二量化数据，确定目标区域中的实际缺陷。
由于本发明中将待检测面板从第一方位旋转至第二方位，并分别获取位于第一方位和第二方位的同一目标区域的第一量化数据和第二量化数据，并结合该第一量化数据和第二量化数据确定出该面板的实际缺陷，这样一来，相比于现有技术中，仅通过一个方位得到的缺陷量化数据来判断面板的实际缺陷而言，能够降低因系统误差而判定为缺陷的几率，从而降低了过判率，提高实际缺陷的检出率的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种缺陷检测方法的流程示意图；
图2为本发明实施例提供的一种待检测面板的方位放置示意图；
图3为本发明实施例提供的另一种待检测面板的方位放置示意图；
图4为本发明实施例提供的再一种待检测面板的方位放置示意图；
图5为本发明实施例提供的一种处于第一方位的检测画面的第一量化数据曲线图；
图6为本发明实施例提供的一种处于第二方位的检测画面的第二量化数据曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种缺陷检测方法，例如，AOI缺陷检测方法，如图1所示，该方法包括：
步骤S101、在待检测面板显示检测画面后，采集处于第一方位的待检测面板的检测画面，获取检测画面中目标区域的第一量化数据。
具体的，在待检测面板10处于第一方位(如图2所示的方位)的情况下，采集待检测面板10显示的检测画面，并获取该检测画面中目标区域(Region Of Invest，简称ROI)的第一量化数据，其中，整个检测画面可以均为目标区域，也可以是部分作为目标区域；并且目标区域可以是一个，也可以是多个；本发明对此均不作限定。
需要说明的是，本发明中量化数据(第一量化数据以及第二量化数据)一般可以包括目标区域的亮度数值，当然还可以包括其他的参数；上述检测画面一般为Mura(点、线类等)检出的相关画面。
另外，上述待检测面板可以为液晶显示面板(Liquid Crystal Display，简称LCD)面板，也可以是有机发光二极管(Organic Light Emitting Diode，简称OLED)显示面板，本发明对此不作限定。
步骤S102、移动待检测面板至第二方位，第二方位与第一方位不同。
具体的，将待检测面板由第一方位(如图2所示的方位)移动至第二方位(例如，如图3所示的与第一方位不同的方位)，其中，图3仅是以将图2所示的处于第一方位的待检测面板旋转90°后的第二方位为例进行说明的；当然，还可以旋转120°、150°等，或者伴随着水平的移动，本发明对此不作限定，以下实施例均是以旋转的方式对本发明做进一步的说明。。
考虑到对于该缺陷检测方法而言，一般的，通过外界照射至待检测面板的光线(包括光线的方向、强度，以及图像采集装置的角度等)是固定的，因此为了保证处于第一方位的待检测面板和第二方位的待检测面板中相同位置受到的光线的照射情况下，环境差异最大，对于本发明的方案而言，优选的该步骤可以为：旋转待检测面板180°至第二方位(如图4所示的方位)，以便能够进一步提高实际缺陷的检出率的准确性。
另外，对于上述图2所示的待检测面板10的方位旋转90°至图3所示的方位，或者旋转180°至图4所示的方位，可以参考附图2,3,4中用于固定待检测面板10的固定装置K的位置，当然该固定装置K一般固定于承载待检测面板10的工作台20上。
步骤S103、采集处于第二方位的待检测面板的检测画面，获取检测画面中目标区域的第二量化数据。
具体的，在待检测面板10处于第二方位(如图3所示的方位)的情况下，采集待检测面板10显示的检测画面，并获取该检测画面中目标区域(ROI)的第二量化数据。
步骤S104、根据同一目标区域中第一量化数据和第二量化数据，确定目标区域中的实际缺陷。
由于本发明中将待检测面板从第一方位移动至第二方位，并分别获取位于第一方位和第二方位的同一目标区域的第一量化数据和第二量化数据，并结合该第一量化数据和第二量化数据确定出该面板的实际缺陷，这样一来，相比于现有技术中，仅通过一个方位得到的缺陷量化数据来判断面板的实际缺陷而言，能够降低因系统误差而判定为缺陷的几率，从而降低了过判率，提高实际缺陷的检出率的准确性。
进一步的，上述步骤104具体可以包括：
将第一量化数据和第二量化数据中对应相同位置的量化数据与基准值之差的绝对值的平均值与阈值进行比较，若该平均值大于阈值，则确定待检测面板在该位置具有实际缺陷，若该平均值小于或等于阈值，则确定待检测面板在该位置具有实际缺陷。
需要说明的是，上述第一量化数据和第二量化数据可以是针对整个检测画面的全部区域；也可以是在待检测面板处于第一方位是获取整个检测画面的全部区域的量化数据后，仅将缺陷(Mura)集中的区域作为目标区域；在经过旋转后仅获取该目标区域的量化数据即可。
具体的，假设基准值设定为100，阈值设定为5，当然阈值的设定可以根据实际的需求行调整，例如对于面板等级要求较高的客户而言，可以设置该阈值较小，具体可以为3或4等，本发明对此不作限定；对于基准值的设定，可以参考整个测定环境(例如光照情况)，将完全没有缺陷情况的参数作为该基准值；另外，对于检测画面中目标区域旋转前后对应的相同位置的量化数据，可以根据实际的旋转角度采用图像差分处理的方法获取相同位置的量化数据。
基于上述的基准值设定为100，阈值设定为5的方式，按照本发明的测定方法，对于第一量化数据和第二量化数据对应同一位置处的量化数据分别与基准值100求差得到两个差值X1和X2，且两个差值X1和X2的绝对值的平均值与阈值5进行比较，若则确定待检测面板在该位置具有实际缺陷；若则确定待检测面板在该位置不具有实际缺陷。
例如，图5为上述通过步骤S101获取的检测画面中目标区域的关于亮度的第一量化数据，图6为在经过上述步骤S102旋转(例如180°)后，通过步骤S103获取的检测画面中同一目标区域的关于亮度的第二量化数据；其中，对于图5所示的第一量化数据曲线而言，可以看出在待检测面板处于第一方位的情况下，在位置A和位置B处的量化数据分别为94和93，按照现有技术中的测定方法则会直接判定待检测面板在位置A和位置B处具有缺陷。
但是对于本发明而言，在该测定的基础上，进一步的增加测定步骤，将待检测面板旋转至第二方位，在待检测面板处于第二方位的情况下，如图6所示，在位置A和位置B处的量化数据分别为99.5和94，那么按照本发明的测定方法，对于位置A旋转前后的两个量化数据分别为94和99.5，其与基准值100求差得到两个差值为-6和-0.5，该两个差值的绝对值的平均值为3.25，该平均值小于阈值5，那么该位置A处不具有实际缺陷；对于位置B量化数据分别为93和94，其与基准值100求差得到两个差值为-7和-6，该两个差值的绝对值的平均值为6.5，该平均值大于阈值5，那么该位置B处具有实际缺陷。
可以看出，采用本发明的测定方法，待检测面板在位置A处在旋转前后，量化数据存在较大差异，且旋转前后的量化数据与基准值求差得到两个差值的绝对值的平均值小于设定的阈值，因此可以判定该位置A处不具有非实际缺陷，可能是由于系统误差引起的缺陷(例如光线角度引起的缺陷)，并不是待检测面板上的实际缺陷；待检测面板在位置B处在旋转前后，旋转前后的量化数据与基准值求差得到两个差值的绝对值的平均值大于设定的阈值，则可以确认该位置具有实际缺陷；对于其他位置在由于在旋转前后，旋转前后的量化数据与基准值求差得到两个差值的绝对值的平均值均小于设定的阈值，可以认为其他位置不具有实际缺陷。
这样一来，相对于现有技术中直接判定待检测面板在位置A和位置B处具有缺陷而言，采用本发明的检测方法，可以排除在测定中因系统误差引起的部分缺陷，例如位置A处的缺陷，从而可以提高待检测面板的缺陷检出率的准确性，降低过判率；对于现有技术判定为合格(OK)的显示面板，采用本发明的检测方法，可能判定为不合格(NG)；对于现有技术判定为不合格(NG)的显示面板，采用本发明的检测方法，可能判定为合格(OK)。
另外，需要说明的是，相比于现有技术而言，对发明的检测方法而言，除了能够消除部分因系统误差引起的检测缺陷外，还能够提高缺陷检出的确信度，例如位置B通过旋转前后分别进缺陷检测，且两次量化数据均大于阈值；其次，对于相同位置在旋转前后的量化数据与基准值的具有明显差异，但两者均小于阈值而言，可以对待检测面板的级别判定提供准确的依据，例如位置C处旋转前后的量化数据(103和102.5)与基准值(100)的差值的绝对值具有一定差异，但是小于或等于阈值5。
以现有技术中对于待检测面板的缺陷的检出率为70％，过判率为10％为例，其中，对于缺陷的检出率为70％而言，也就是说30％的缺陷检测系统判定为不是实际缺陷，而采用本发明中的检测方法，可以将该部分缺陷中的实际缺陷进行检出，从而能够提供实际缺陷的检出率；当然对于缺陷的过判率为10％而言，也就是说10％的缺陷并不属于实际缺陷，但缺陷检测系统错误判定为实际缺陷，而采用本发明中的检测方法，同样可以降低过判率。
进一步的，为了保证实际缺陷的检出率的准确性，本发明优选的，上述步骤是101中采集处于第一方位的待检测面板的检测画面，获取检测画面中目标区域的第一量化数据可以包括：多次采集处于第一方位的待检测面板的检测画面，获取多个检测画面中目标区域的量化数据的平均值作为第一量化数据。
同样，上述步骤S103中采集处于第二方位的待检测面板的检测画面，获取检测画面中目标区域的第二量化数据可以包括：多次采集处于第二方位的待检测面板的检测画面，获取多个检测画面中目标区域的量化数据的平均值作为第二量化数据。
这样一来，通过对处于第一方位的待检测面板的检测画面，和/或，处于第二方位的待检测面板的检测画面，进行多次采集并分别获取多次量化数据，并将多次量化数据的平均值作为第一量化数据和第二量化数据，从而提高了第一量化数据、第二量化数据的准确性，进而提高实际缺陷的检出率的准确率，降低过判率。
本发明实施例提供一种缺陷检测的装置，包括：采集模块，获取模块，移动模块，确定模块。
具体的，采集模块，用于在待检测面板显示检测画面后，采集处于第一方位和第二方位的待检测面板的检测画面；获取模块，用于获取处于第一方位和第二方位的待检测面板的检测画面中目标区域的第一量化数据和第二量化数据，其中，第二方位与第一方位不同；移动模块，用于将待检测面板由第一方位移动旋转至第二方位；确定模块，用于根据同一目标区域中第一量化数据和第二量化数据，确定目标区域中的实际缺陷。
进一步的，上述确定模块具体用于将第一量化数据和所述第二量化数据中对应相同位置的量化数据与基准值之差的绝对值的平均值与阈值进行比较，若平均值大于阈值，则确定待检测面板在该位置具有实际缺陷，若平均值小于或等于阈值，则确定待检测面板在该位置具有实际缺陷。
如图2-4所示，上述移动模块包括工作台20和用于移动该工作台20的电机(例如旋转电机，图中未示出)，该工作台20用于承载待检测面板10。
优选的，该移动模块用于将待检测面板10由第一方位旋转180°至第二方位，具体的，通过旋转电机旋转工作台20旋转180°，从而带动待检测面板10旋转180°，即由第一方位旋转至第二方位；当然在检测完毕后，也可以通过移动模块将待检测面板10排出。
优选的，上述采集模块为CCD，也即CCD图像传感器，以将光信息像转化为电信号。
需要说明的是，采用该CCD图像传感器进行采集检测画面时，应尽量的保证该CCD图像传感器的焦点位于待检测面板10的中心位置处，一般可以采用对位结合机械手臂的方式进行调整。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (11)

1.一种缺陷检测方法，其特征在于，包括：
在待检测面板显示检测画面后，采集处于第一方位的待检测面板的检测画面，获取所述检测画面中目标区域的第一量化数据；
移动所述待检测面板至第二方位，所述第二方位与所述第一方位不同；
采集处于所述第二方位的待检测面板的检测画面，获取所述检测画面中目标区域的第二量化数据；
根据同一所述目标区域中所述第一量化数据和所述第二量化数据，确定所述目标区域中的实际缺陷。
2.根据权利要求1所述的缺陷检测方法，其特征在于，所述根据同一所述目标区域中所述第一量化数据和所述第二量化数据，确定所述目标区域中的实际缺陷包括：
将所述第一量化数据和所述第二量化数据中对应相同位置的量化数据与基准值之差的绝对值的平均值与阈值进行比较；
若所述平均值大于所述阈值，则确定所述待检测面板在该位置具有实际缺陷；
若所述平均值小于或等于所述阈值，则确定所述待检测面板在该位置不具有实际缺陷。
3.根据权利要求1所述的缺陷检测方法，其特征在于，所述采集处于第一方位的待检测面板的检测画面，获取所述检测画面中目标区域的第一量化数据包括：多次采集处于第一方位的待检测面板的检测画面，获取多个所述检测画面中目标区域的量化数据的平均值作为第一量化数据；
和/或，所述采集处于所述第二方位的待检测面板的检测画面，获取所述检测画面中目标区域的第二量化数据包括：多次采集处于第二方位的待检测面板的检测画面，获取多个所述检测画面中目标区域的量化数据的平均值作为第二量化数据。
4.根据权利要求1所述的缺陷检测方法，其特征在于，所述移动所述待检测面板至第二方位包括：
旋转所述待检测面板180°至所述第二方位。
5.根据权利要求1-4任一项所述的缺陷检测方法，其特征在于，所述量化数据为亮度数值。
6.根据权利要求1-4任一项所述的缺陷检测方法，其特征在于，所述待检测面板为LCD面板或OLED面板。
7.一种缺陷检测的装置，其特征在于，包括：
采集模块，用于在待检测面板显示检测画面后，采集处于第一方位和第二方位的待检测面板的检测画面，其中，所述第二方位与所述第一方位不同；
获取模块，用于获取所述处于第一方位和第二方位的待检测面板的检测画面中目标区域的第一量化数据和第二量化数据；
移动模块，用于将所述待检测面板由所述第一方位移动至所述第二方位；
确定模块，用于根据同一所述目标区域中所述第一量化数据和所述第二量化数据，确定所述目标区域中的实际缺陷。
8.根据权利要求7所述的缺陷检测的装置，其特征在于，所述确定模块具体用于将所述第一量化数据和所述第二量化数据中对应相同位置的量化数据与基准值之差的绝对值的平均值与阈值进行比较；
若所述平均值大于所述阈值，则确定所述待检测面板在该位置具有实际缺陷；
若所述平均值小于或等于所述阈值，则确定所述待检测面板在该位置不具有实际缺陷。
9.根据权利要求7所述的缺陷检测的装置，其特征在于，所述移动模块包括工作台和用于移动该工作台的电机，所述工作台用于承载所述待检测面板。
10.根据权利要求7所述的缺陷检测的装置，其特征在于，所述移动模块用于将所述待检测面板由所述第一方位旋转180°至所述第二方位。
11.根据权利要求7-10任一项所述的缺陷检测的装置，其特征在于，所述采集模块为CCD。
CN201710645587.5A 2017-07-31 2017-07-31 一种缺陷检测方法及装置 Active CN107328791B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710645587.5A CN107328791B (zh) 2017-07-31 2017-07-31 一种缺陷检测方法及装置
US15/957,434 US20190035316A1 (en) 2017-07-31 2018-04-19 Defect detection method and defect detection device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710645587.5A CN107328791B (zh) 2017-07-31 2017-07-31 一种缺陷检测方法及装置

Publications (2)

Publication Number Publication Date
CN107328791A true CN107328791A (zh) 2017-11-07
CN107328791B CN107328791B (zh) 2020-06-30

Family

ID=60225328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710645587.5A Active CN107328791B (zh) 2017-07-31 2017-07-31 一种缺陷检测方法及装置

Country Status (2)

Country Link
US (1) US20190035316A1 (zh)
CN (1) CN107328791B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108144873A (zh) * 2017-12-29 2018-06-12 深圳市智能机器人研究院 一种视觉检测系统及方法
CN109030509A (zh) * 2018-07-02 2018-12-18 京东方科技集团股份有限公司 一种检测装置、彩膜修复设备及检测方法
CN109064441A (zh) * 2018-06-19 2018-12-21 深圳市华星光电半导体显示技术有限公司 基于独立成分自适应选择的Mura侦测方法
CN109671080A (zh) * 2018-12-25 2019-04-23 惠科股份有限公司 一种图像检测方法、检测装置及显示装置
CN109959666A (zh) * 2019-04-11 2019-07-02 京东方科技集团股份有限公司 一种阵列基板缺陷判定方法、处理器及判定系统
CN110542722A (zh) * 2019-08-27 2019-12-06 北京索瑞特医学技术有限公司 超声探头的故障检测方法及装置
TWI681357B (zh) * 2018-10-08 2020-01-01 台灣福雷電子股份有限公司 用於基板缺陷分析之裝置及方法
CN111091523A (zh) * 2018-10-08 2020-05-01 台湾福雷电子股份有限公司 用于基板缺陷分析之装置及方法
CN111667448A (zh) * 2019-03-06 2020-09-15 深圳中科飞测科技有限公司 一种图像处理方法、装置及设备
CN112213327A (zh) * 2019-07-09 2021-01-12 陕西坤同半导体科技有限公司 一种显示面板人员检测辅助方法及系统
CN112614451A (zh) * 2020-05-28 2021-04-06 西安诺瓦星云科技股份有限公司 显示模块检测方法、装置和系统
CN112697813A (zh) * 2020-12-24 2021-04-23 江苏汇成光电有限公司 一种aoi特殊扫描作业的方法
CN113012608A (zh) * 2019-12-19 2021-06-22 西安诺瓦星云科技股份有限公司 显示模块检测方法、装置和系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109949728B (zh) * 2019-04-24 2022-10-11 苏州华兴源创科技股份有限公司 一种显示面板的检测装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005043341A (ja) * 2003-07-23 2005-02-17 Samsung Electronics Co Ltd パネル検査装置
JP2005164565A (ja) * 2003-11-28 2005-06-23 3B System Inc 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法
CN1900700A (zh) * 2005-07-20 2007-01-24 台湾薄膜电晶体液晶显示器产业协会 可调式缺陷定级的定量方法
CN102226771A (zh) * 2011-03-25 2011-10-26 宁波大学 一种红外玻璃内部缺陷和残余应力检测装置及检测方法
CN104484878A (zh) * 2014-12-16 2015-04-01 深圳市华星光电技术有限公司 显示面板缺陷的自动检测方法
CN106646939A (zh) * 2016-11-17 2017-05-10 南京华东电子信息科技股份有限公司 一种Mura缺陷检出方法
CN106782251A (zh) * 2017-01-21 2017-05-31 合肥惠科金扬科技有限公司 一种显示屏缺陷评价方法及其系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3828283B2 (ja) * 1998-06-04 2006-10-04 株式会社アドバンテスト フラットパネル表示器検査用画像取得方法、フラットパネル表示器検査用画像取得装置
EP2147296A1 (en) * 2007-04-18 2010-01-27 Micronic Laser Systems Ab Method and apparatus for mura detection and metrology
JP5813610B2 (ja) * 2012-09-28 2015-11-17 富士フイルム株式会社 画像評価装置、画像評価方法、及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005043341A (ja) * 2003-07-23 2005-02-17 Samsung Electronics Co Ltd パネル検査装置
JP2005164565A (ja) * 2003-11-28 2005-06-23 3B System Inc 低解像度および高解像度映像におけるフラットパネル用光関連板要素の欠陥検出方法
CN1900700A (zh) * 2005-07-20 2007-01-24 台湾薄膜电晶体液晶显示器产业协会 可调式缺陷定级的定量方法
CN102226771A (zh) * 2011-03-25 2011-10-26 宁波大学 一种红外玻璃内部缺陷和残余应力检测装置及检测方法
CN104484878A (zh) * 2014-12-16 2015-04-01 深圳市华星光电技术有限公司 显示面板缺陷的自动检测方法
CN106646939A (zh) * 2016-11-17 2017-05-10 南京华东电子信息科技股份有限公司 一种Mura缺陷检出方法
CN106782251A (zh) * 2017-01-21 2017-05-31 合肥惠科金扬科技有限公司 一种显示屏缺陷评价方法及其系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢完成: "《液晶电视机电路分析与维修》", 30 September 2016, 北京理工大学出版社 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108144873A (zh) * 2017-12-29 2018-06-12 深圳市智能机器人研究院 一种视觉检测系统及方法
CN108144873B (zh) * 2017-12-29 2020-06-16 深圳市智能机器人研究院 一种视觉检测系统及方法
CN109064441A (zh) * 2018-06-19 2018-12-21 深圳市华星光电半导体显示技术有限公司 基于独立成分自适应选择的Mura侦测方法
CN109064441B (zh) * 2018-06-19 2020-07-28 深圳市华星光电半导体显示技术有限公司 基于独立成分自适应选择的Mura侦测方法
CN109030509A (zh) * 2018-07-02 2018-12-18 京东方科技集团股份有限公司 一种检测装置、彩膜修复设备及检测方法
CN111091523B (zh) * 2018-10-08 2023-04-18 台湾福雷电子股份有限公司 用于基板缺陷分析的计算装置及方法
TWI681357B (zh) * 2018-10-08 2020-01-01 台灣福雷電子股份有限公司 用於基板缺陷分析之裝置及方法
CN111091523A (zh) * 2018-10-08 2020-05-01 台湾福雷电子股份有限公司 用于基板缺陷分析之装置及方法
CN109671080A (zh) * 2018-12-25 2019-04-23 惠科股份有限公司 一种图像检测方法、检测装置及显示装置
CN111667448B (zh) * 2019-03-06 2023-08-15 深圳中科飞测科技股份有限公司 一种图像处理方法、装置及设备
CN111667448A (zh) * 2019-03-06 2020-09-15 深圳中科飞测科技有限公司 一种图像处理方法、装置及设备
CN109959666A (zh) * 2019-04-11 2019-07-02 京东方科技集团股份有限公司 一种阵列基板缺陷判定方法、处理器及判定系统
CN112213327A (zh) * 2019-07-09 2021-01-12 陕西坤同半导体科技有限公司 一种显示面板人员检测辅助方法及系统
CN110542722A (zh) * 2019-08-27 2019-12-06 北京索瑞特医学技术有限公司 超声探头的故障检测方法及装置
CN113012608A (zh) * 2019-12-19 2021-06-22 西安诺瓦星云科技股份有限公司 显示模块检测方法、装置和系统
CN112614451A (zh) * 2020-05-28 2021-04-06 西安诺瓦星云科技股份有限公司 显示模块检测方法、装置和系统
CN112697813A (zh) * 2020-12-24 2021-04-23 江苏汇成光电有限公司 一种aoi特殊扫描作业的方法

Also Published As

Publication number Publication date
US20190035316A1 (en) 2019-01-31
CN107328791B (zh) 2020-06-30

Similar Documents

Publication Publication Date Title
CN107328791A (zh) 一种缺陷检测方法及装置
CN105784710B (zh) 一种基于数字图像处理的混凝土桥梁裂缝检测装置
CN105842885B (zh) 一种液晶屏缺陷分层定位方法及装置
CN101424519B (zh) 平整度的检测装置及检测方法
CN104851144B (zh) 具有自适应偏振镜调节的巡检机器人图像处理系统及方法
US9052253B2 (en) Method of determining at least one refraction characteristic of an ophthalmic lens
CN101196389B (zh) 影像量测系统及方法
CN110108715B (zh) 一种透明平行平板的缺陷检测方法
CN107588928B (zh) 一种偏光片光学量测系统、量测方法及量测处理设备
CN104614803B (zh) 基于arm的一体化保偏光纤定轴仪
CN105812790A (zh) 图像传感器感光面与光轴垂直度的评测方法及光学测试卡
CN106767498B (zh) 一种用于球面透镜面形绝对标定的被检镜装调方法及装置
CN204405556U (zh) 一种基于数字图像处理的混凝土桥梁裂缝检测装置
CN103630554A (zh) 一种镜片双面疵病检测装置及方法
CN107609547A (zh) 星体快速识别方法、装置及望远镜
KR102118824B1 (ko) 기판 검사 장치, 기판 처리 장치 및 기판 검사 방법
US20180003483A1 (en) Detection apparatus for a display panel component and method for detecting a display panel component
KR101380653B1 (ko) 비전검사장비의 비전검사방법
CN116452679A (zh) 一种相机与转台的位置标定方法、装置、系统及介质
CN111179322B (zh) 基于相机光源阵列的材质测量拍摄图像校准方法及系统
CN110290380A (zh) 全自动镜头杂光测试机
JP2001116525A (ja) ３次元形状計測装置および３次元形状計測方法
JP2019045399A (ja) 検査方法、検査プログラム及び検査装置
CN113916507B (zh) 小空间高集成度红外共孔径光学系统测试装置及方法
CN109800765A (zh) 一种海洋输油软管的成型过程质量抽检方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant